How is sentiment in economic reporting conveyed through media? What topics does finstagram (finances on instagram) or fintok (finances on tiktok) discuss? What role do these discussions play in the context of stock market fluctuations? How could it happen that reddit made the gamestop stock soar? And how can artificial intelligence help us analyze and understand these complex narratives?

In this course, we will explore the critical role of quantitative content analysis via machine learning in economic news reporting. Using no-code machine learning (meaning you do not have to program!) tools such as Orange, students will engage in methods like applications of sentiment analysis or topic modeling on financial news articles and quarterly reports.

Through an empirical research project, you will work in small groups to develop and execute your own projects related to machine learning analysis of economic and financial news. You will utilize various data sources, including APIs from news outlets like the New York Times, to annotate and analyze data. Projects may include topics such as scraping and analyzing financial podcasts, classifying news articles to predict stock index movements, or examining social media interactions by financial influencers.


Die Trennung zwischen Wissenschaft und Politik ist oftmals unscharf: auf der einen Seite haben viele wissenschaftliche Themen ein politisches Ausmaß und direkte Auswirkungen auf politische Entscheidungen, auf der anderen Seite werden wissenschaftliche Erkenntnisse (bspw. durch politische Akteur*innen) genutzt, um politische Agenden zu verfolgen. Das kann nicht nur die Objektivität und Glaubwürdigkeit der Wissenschaft untergraben, sondern auch die gesellschaftliche Akzeptanz und Umsetzung wissenschaftlicher Empfehlungen beeinflussen, was sich z. B. beim Klimawandel, KI und COVID-19 zeigt. Auch Medien tragen erheblich zu einer Politisierung von Wissenschaft bei, indem sie die Wahrnehmung und Interpretation wissenschaftlicher Erkenntnisse formen und mit politischer Berichterstattung verknüpfen. Das Seminar widmet sich deshalb der Politisierung von Wissenschaft in der Medienberichterstattung. Im Verlauf des Seminars wird dabei eine Einführung in die Medieninhaltsforschung mit Fokus auf die Methode der Inhaltsanalyse gegeben. Die Teilnehmer*innen lernen, wie wissenschaftliche Inhalte in den Medien analysiert und interpretiert werden können. Ziel ist es, ein kritisches Verständnis für die Darstellung wissenschaftlicher Themen in den Medien zu entwickeln und methodische Kompetenzen in der Inhaltsanalyse zu erwerben.

Social Media Influencer:innen beschäftigen sich nicht mehr nur mit Lifestyle, Fashion oder Sport. Sie vermarkten nicht nur Produkte, sondern zunehmend auch politische Themen, Ansichten oder Wissen. Auch extremistische Bewegungen haben das Potenzial der Influencer:innen-Kommunikation erkannt und setzen diese ein, um (gezielt) zu manipulieren und ihre radikalen Ideologien in die breite Masse zu bringen. Ausgehend von theoretischen Ansätzen zur politischen Persuasion beschäftigen wir uns in diesem Seminar mit politischen Social-Media-Influencer:innen (PSMI). Wir sehen uns gemeinsam unterschiedliche Arten von PSMI an, darunter solche, die politisches Wissen und demokratische Ansichten vermitteln, aber auch ‚Rechtsfluencer:innen‘, und untersuchen, wie verschiedene PSMI politische Inhalte vermitteln.


„Cancel Culture“, „Political Correctness“, „Meinungsdiktatur“ - das Thema Meinungsfreiheit wird in der öffentlichen Debatte seit ein paar Jahren zunehmend und polarisiert diskutiert. Doch wie wird in der Medienberichterstattung und auf Social Media über eines der grundlegendsten demokratischen Grundrechte geschrieben? Und wie werden dabei Rechte angesprochen, die der Meinungsfreiheit gegenüberstehen können, wie die Toleranz und Freiheit vor Diskriminierung? Gemeinsam wollen wir uns im Seminar diesen Fragen widmen. Dafür lernen Sie die Methode der Medieninhaltsforschung kennen und werden sie am Thema der Meinungsfreiheit anwenden.