Liquidizer/Korrelationsanalyse
Eine wichtige Aufgabe der Online-Meinungsbildung sollte das Erkennen von redundanten und widersprüchlichen Forderungen sein.
Inhaltsverzeichnis
Analysemethode
In der vorliegenden Analyse wurden die Korrelationen zwischen den abgegebenen Stimmgewichten analysiert. Dadurch lässt sich sofort erkennen, ob eine Forderung von den selben Personen unterstützt wird, oder ob es signifikaten Konflikte in deren Formulierung gibt, so dass kaum jemand beide Forderungen unterstützen kann.
Der LIQUID)izer ermöglicht eine sehr tiefe Analyse der ausgedrückten Meinungen. Durch das begrenzte Stimmgewicht werden nämlich nicht nur Präferenzen abgefragt, sondern auch Interessensgebiete und die Stärke einer Überzeugung. Ist eine Präferenz beispielsweise nur sehr leich, so wird diese Meinung auch nur schwach im System abgebildet. Würde man spontan abgegebene und wenig durchdachte Meinungsbekundungen als volle Stimme zählen würde das Ergebnis stark verrauscht sein.
Verwendete Daten
Für die Vorliegende Analyse wurden die Daten einer LIQUID)izer-Instanz genutzt, die speziell für die Vorbereitung des Bundesparteitag_2010.2 aufgesetzt wurde. Dabei wurden 67 Forderungen aus der Antragsfabrik zur Diskussion gestellt.
Insgesamt haben sich gut 120 angemeldete Nutzer an der Analyse beteiligt, wovon 35 Nutzer linear unabhängige Stimmpräferenzen abgaben. Die restlichen Nutzer haben sich entweder bei allen politischen Fragen der Stimme enthalten, oder z.B. durch reine Delegation keine eigene Information in das System eingebracht.
Ergebnisse
Trotz der geringen Anzahl der aktiven Teilnehmer konnten semantische Überlappungen effizient aufgedeckt werden. Beispielsweise überlappen sich "Monopole und Infrastruktur" mit "Wirtschaft und Patente" mit einer Korrelation von 0.86. Die Korrelation zu "Subventionen und Steuervergünstigungen" beträgt 0.90. Auch die verschiednenen Anträge zum Thema Umwelt konnten zielsicher zusammengruppiert werden.
Trotz der zum Teil völlig untschiedlichen Formulierungen der einzelnen Forderungen konnte das System durch sogenanntes Crowdsourcing semantische Übereinstimmungen erkennen. Sollte das Programm und die Liste der einzelnen Forderungen einmal länger werden und stark in fachspezifische Details hineinreichen, so könnte dieses Analyseverfahren dabei helfen semantische Zusammenhänge analysierbar zu machen.
Zukunft
Diese Analyse wurde offline erstellt. Es wird an einer Möglichkeit gearbeitet diese Art der semantischen Analyse den Nutzern des LIQUID)izers in Echtzeit zur Verfügung zu stellen.
Numerische Daten
Nachfolgend sind die höchsten Korrelationen der 67x67 Matrix dargestellt. Bei der geringen Anzahl von 35 aktiven Nutzer ist die Trefferquote dieser rein numerischen Analyse beachtenswert.
Korrelationsdaten
0.74 | Antragsfabrik/Subventionen_und_Steuervergünstigungen_-_weniger_Staat_und_mehr_Transparenz |
0.66 | Antragsfabrik/Monopole_und_Infrastruktur_-_am_Nutzen_für_die_Bürger_ausrichten |
0.73 | Antragsfabrik/Neugliederung |
0.70 | Antragsfabrik/Neugliederung |
0.70 | Antragsfabrik/Neugliederung |
0.83 | Antragsfabrik/Neugliederung |