Archive for the 'netzwerkanalyse' Category

Der Bayerische Landtag auf Twitter

Angeregt durch diese Visualisierung der Twittergespräche im Berliner Abgeordnetenhaus habe ich mir einmal unsere Bayerischen Landtagsabgeordneten näher angesehen. Zum einen einmal die Verteilung der Twitter-Accounts: Hier liegt die FDP vorne: 53% der Abgeordneten haben einen Twitter-Account mit mindestens einem Tweet. Danach kommen die Grünen mit 39%, die Freien Wähler mit immerhin noch 21% und abgeschlagen dann die CSU (15%) und SPD (13%).

Doch das einfache Vorhandensein eines Twitter-Accounts allein ist noch kein Maß für die Twitter-Nutzung. Sehr viel interessanter ist die Aktivität der Accounts – welche Abgeordneten nutzen ihre Twitter-Accounts tatsächlich regelmäßig für die Kommunikation und wer hat nur der Form halber einen Account eröffnet und 1-2 Probetweets darüber verschickt? Die CSU liegt hier mit 43% aller Tweets deutlich vorne (obwohl sie nur 36% aller Accounts besitzt). Danach folgen mit deutlichem Abstand die Freien Wähler mit 18% der Tweets (10% der Accounts), die FDP mit 15% der Tweets (23% der Accounts) und die Grünen mit 14% aller Landtagstweets (18% der Accounts). Ganz hinten liegt wieder die SPD mit knapp 10% der Tweets (13% der Accounts).

Im Zentrum der politischen Kommunikation über Social Media steht der Dialog. Deshalb habe ich mich für diese Auswertung auf die Gespräche der Politiker mit anderen Personen konzentriert. Interessiert hat mich also vor allem das “Relevant Network”, wie ich es hier bereits des öfteren gesprochen habe. Zählt man die Dialoge, also wie oft die Abgeordneten andere Twitternutzer erwähnt haben, so entfallen auf die CSU 58% der Erwähnungen, auf die Grünen 22%, auf die Freien Wähler nur noch 15%. Weit abgeschlagen dann die SPD mit knapp 3% und die FDP mit 2%. In den letzteren beiden Parteien scheint Dialog zumindest auf Twitter ein Fremdwort zu sein.

Visualisiert man die Daten aller Replies der Bayerischen Landtagsabgeordneten, so erhält man schließlich die folgende Grafik (hier noch einmal in interaktiv und groß):



Verwandte Artikel:
  • Der twitternde Bundestag
  • Münchener Medientage auf Twitter
  • Off The Grid – Wie man die digitalen Erstwähler (nicht) erreicht
  • Netzwerkanalyse von Hashtaglagern

    Twitter-Netzwerkanalysen aus den USA kommen regelmäßig zu dem Ergebnis einer unglaublichen Polarisierung zwischen den Lagern. Demokraten folgen Demokraten. Republikaner folgen Republikanern. Kommunikation zwischen den beiden ist auf das ironische Verwenden der “gegnerischen” Hashtags reduziert.

    Ich gehe schon länger der Frage nach, ob sich diese Beobachtungen auch in der digitalen politischen Kommunikation nachvollziehen lässt. Sehr schnell spricht man ja von “politischen Filterblasen”, die dazu führen, dass man nur Botschaften mitbekommt, die zu der eigenen politischen Einstellung passen.

    Heute war ein guter Tag für die politische Twitter-Kommunikation. Drei politische Ereignisse liefen gleichzeitig ab, die jeweils ziemlich eindeutige Hashtags hatten:

    • der Netzpolitische Kongress der Grünen in Berlin (Hashtag: #nk12)
    • der Parteitag der CSU in München (Hashtag: #csupt12)
    • der deutschlandweite (bzw. europaweite) Aktionstag gegen das EU-Überwachungsprojekt INDECT (Hashtag: #indect)

    Zu diesen drei Hashtags wurden alle relevanten Tweets des 20. Oktober erfasst und ausgewertet. Die folgende Visualisierung zeigt die Twitter-Accounts, die zu einen der drei Hashtags verwendet haben sowie die Follower-Beziehungen zwischen ihnen. Die Einfärbung erfolgt nach den Löwener Modularitätsalgorithmus von Blondel et al. Der Algorithmus analysiert und identifiziert Sub-Communities in großen sozialen Netzwerken.

    Follower network for #nk12 #csupt12 and #indect

    Zwar lassen sich deutliche Cluster zu den untersuchten Hashtags identifizieren, aber trotzdem sind die Twitterer, die sich zu den drei Themen äußern, durch ihre Follower-Netzwerke sehr eng mit auch mit den Personen aus den anderen “Hashtag-Lagern” verbunden. Interessanterweise scheinen viele dieser “lagerübergreifenden” Kontakte über regionale Netzwerke zu lassen: Zum einen hat die piratisch orientierte Anti-Indect-Szene gerade in Berlin viele Verbindungen zu Grünen Netzpolitikern. Zum anderen sind einige bayerischen Politiker der Grünen sehr gut mit ihren Kollegen der CSU verbunden.



    Verwandte Artikel:
  • Spickzettel Netzwerkanalyse (SNA)?
  • Netzwerkanalyse der metaroll
  • Der Aufstieg der Datenwissenschaftler
  • Europa, Bayern und Eisbären – Eine Netzwerkanalyse der Grünen LDK in Rosenheim

    Dieses Wochenende fand in Rosenheim die Landesdelegiertenkonferenz der Bayerischen Grünen statt. Aber natürlich wurde nicht nur in Rosenheim vor Ort gewählt und diskutiert, sondern auch auf Twitter. Ich habe mir alle Posts auf Twitter, die zu dem Hashtag #ldkby12 geschrieben wurden, heruntergeladen und ausgewertet.

    In der folgenden Grafik sieht man, welche Twitter-Accounts am häufigsten zitiert, erwähnt oder retweetet wurden:

    LDKBY12 Netzwerk

    Man sieht sehr deutlich, dass wie zu erwarten der Account @gruene_bayern sehr häufig genannt wurde, aber auch der alte und neue Landesvorsitzende Dieter Janecek (@DJanecek) gehört zu den am häufigsten erwähnten Twitter-Nutzern. Sehr häufig genannt wurden auch Ekin Deligöz (@ekindeligoez), die am zweiten Tag eine Rede hielt, Katharina Schulze (@KathaSchulze), die in den Parteirat gewählt wurde und Theresa Schopper, die Landesvorsitzende. Fritz Kuhn, der an diesem Wochenende als Oberbürgermeisterkandidat in Stuttgart angetreten ist, schaffte es aus der Ferne auch in das Twitter-Netzwerk der LDK. Eine wichtige Rolle spielte auch die Netzbegrünung, die für die technische Infrastruktur von WLAN bis Livestream zuständig war.

    Der Blick auf die am häufigsten verwendeten Begriffe (ohne Twitter-Accounts und Links) zeigt folgendes Bild:

    LPTBY12 Themen

    Hier spielen dann auf einmal Margarete Bause, die frisch gekürte Spitzenkandidatin, und Sylvia Löhrmann eine große Rolle. Da beide keine aktiven Twitter-Nutzerinnen sind, tauchen sie trotz ihrer inhaltlichen Bedeutung in dem oben abgebildeten Netzwerk nicht auf. In der Tagcloud erkennt man auch einige Begriffe, die auf zentrale Themen der LDK verweisen: Europa (das klare Bekenntnis zu Europa und dem Euro), CSU (das Ziel der Ablösung der bayerischen Regierungspartei), Sozialpolitik und allen voran Bayern. Aber die große Bedeutung der Begriffe “Parteirat”, “Landesvorsitzender”, “Spitzenkandidatin” legt nahe, das zumindest auf Twitter die organisatorischen die inhaltlichen Themen dominiert haben. Nach “Bildung”, “Verbraucherschutz” und “Tierschutz” muss man hier mit der Lupe suchen.

    Auch die Analyse der semantischen Netzwerke, die nicht nur die Worthäufigkeiten, sondern auch die Verbindungen zwischen den Wörtern berücksichtigt, bestätigt dieses Bild:
    LPTBY12 Semantisches Netz

    Hier findet man dann immerhin auch die diskutierten Inhalte wieder: eine “andere Bildungspolitik”, die “Startbahnheldinnen”, die “Beschneidungs-Debatte”, “Tierschutz” und “Verbraucherschutz”, eine “moderne Sozialpolitik” und schließlich auch die Eisbären von Günther Oettinger.



    Verwandte Artikel:
  • Spickzettel Netzwerkanalyse (SNA)?
  • Politik in 140 Zeichen
  • GPS-Empfänger und Lederhosen – Bayerns Online-Informationssysteme
  • Networking auf dem DLD

    Nebenan bei im hübschen Datenblog habe ich mir einmal die Twitter-Diskussionen zur diesjährigen DLD-Konferenz vom Kongressvorabend bis zum heutigen Montag angesehen. Man sieht sehr schön, wie sich die Aufmerksamkeit von Tag zu Tag im Netzwerk verschiebt. Ich bin gespannt, wie sich das zum letzten Tag noch einmal ändert. Außerdem werde ich abschließend auch noch einmal die Twitternachrichten selbst betrachten, um Muster herauszufinden. Das zum Beispiel war der Montag:

    Hier geht’s zum Artikel.



    Verwandte Artikel:
  • Typen digitaler sozialer Netzwerke (Robert Peck)
  • Let’s Mash (Yahoo!)
  • Fugly is the new beautiful (Yahoo! Mash)
  • Der Appstore als Netzwerk – Newsreader, Newsportale und digitale Zeitungen

    Why then the world’s mine network
    Which I with software will open.

    Der Vorteil einer abstrakten Methode wie der Social Network Analysis ist es, dass sich fast alle Daten, die irgendwie zusammenhängen, als Netzwerk betrachten und analysieren lassen. Das Paradebeispiel sind natürlich die Empfehlungsalgorithmen, die Nutzern von Google, Youtube oder Amazon erzählen, was sie sonst noch interessieren könnte. Überall dort, wo es empfohlene Produkte oder Produkte, die andere Kunden auch gekauft haben, gibt, kann man sehr einfach mit den Methoden der Netzwerkanalyse angreifen. Auf diese Weise wird aus den isolierten Paaren oder Mengen verwandter Produkte eine große Verwandtschaftskarte, auf der nicht nur Beziehungen, sondern auch Muster und Schwerpunkte erkennbar sind.

    Ich habe mir einmal den iTunes-Appstore vorgenommen. Auf jeder (bzw. fast jeder) Downloadseite einer App sind weitere fünf Apps verzeichnet, die überdurchschnittlich häufig gemeinsam mit dieser App heruntergeladen oder gekauft werden. Das Netzwerk springt einem hier förmlich entgegen. Wenn man die 240 beliebtesten Apps der Kategorie Nachrichten auf diese Beziehungen hin erfasst, erhält man folgendes Netzwerk der Nachrichten-Applandschaft (Klick zum Vergrößern):

    Social network visualization of app downloads

    Die Größe der Knoten steht für die Anzahl der Bewertungen der Apps – solange es keinen Zugriff auf die Downloadzahlen der Apps gibt, könnte das eine Annäherung an die Bedeutung oder Verbreitung einer App sein. Die Farbe zeigt die unterschiedlichen Cluster von Apps, die besonders eng miteinander verbunden sind: Links in Hellblau und rechts in Dunkelblau sind zwei Cluster von Nachrichtenapps. Rechts findet man die Zeitungsapps von FAZ, Bild, Süddeutsche, Abendzeitung, Weserkurier etc., während links eher die iPad-Varianten von Onlineportalen wie Spiegel, Focus Online, Süddeutsche.de zu finden sind. Oben in Violett ist ein kleines Cluster von redaktionsunabhängigen Newsaggregatoren wie Pulse, Flipboard oder Reeder. Ganz rechts liegt Österreich, während im Süden die Türkei zu finden ist. Dazwischen ein Applecluster mit Apfeltech und Macwelt. Ganz im Norden ist das Review-stärkste Cluster von Nachrichtenaggregatoren und App-Nachrichten-Apps, das von MeinProspekt dominiert wird.

    Die Apps mit den meisten Reviews in dieser Karte sind:

    1. Mein Prospekt XL – 39.382 Reviews
    2. n-tv iPhone edition – 16.140 Reviews
    3. DER SPIEGEL eReader – 12.759 Reviews
    4. FOCUS Online – 10.300 Reviews
    5. DIE WELT – 9.312 Reviews
    6. Flipboard – 6.394 Reviews
    7. BILD HD – 5.722 Reviews
    8. Tagesschau – 5.705 Reviews
    9. NYTimes – 5.533 Reviews
    10. AppTicker Push – 5.524 Reviews

    In dieser Aufzählung fehlt die normale Version von BILD mit 24.146 Reviews, die ein isolierter Knoten ist, da für diese App keine verwandten Apps angegeben sind und auch keine der anderen Apps auf sie verweist – eine echte Anomalie, die ich mir im Moment nicht erklären kann.

    Interessant ist auch der Blick auf die Anzahl der eingehenden Links, d.h. welche Apps besonders häufig als verwandte Apps genannt werden. Der Durchschnitt liegt bei 2,3.  Hier sieht die Liste ganz anders aus:

    1. The Wall Street Journal – 51 Nennungen
    2. AppAdvice – 45 Nennungen
    3. Blastr – 40 Nennungen
    4. NPR for iPad – 39 Nennungen
    5. Flo’s Weblog – 27 Nennungen
    6. eGazety Reader – 27 Nennungen
    7. ??-??? ????? a – 25 Nennungen
    8. SAPO News – 23 Nennungen
    9. DVICE – 20 Nennungen
    10. DER SPIEGEL – 18 Nennungen

    Dieselben Apps erhält man bei der Berechnung des PageRank, d.h. der Wahrscheinlichkeit, beim Abwandern des Netzwerks zufällig auf die verschiedenen Apps zu stoßen. Die Anzahl der Verbindungen zwischen den Apps, also der Vernetzungsgrad ist relativ niedrig, da für jede App nur jeweils 5 verwandte Produkte angezeigt werden – insgesamt sind die 451 Knoten durch 1.055 Kanten verbunden.



    Verwandte Artikel:
  • Kein Besucher bleibt ewig! Zeitungen sollen sich nicht neu erfinden, sondern das Verlinken lernen
  • Zeitungen springen auf den Web 2.0-Zug auf
  • Immer mehr Deutsche lesen Nachrichten im Netz – was macht der Rest im Internet?
  • Twitteranalyse for Dummies

    Als ich vor drei Jahren die Twitter-Analysesoftware BrandTweet geschrieben habe (damals noch unter dem ursprünglichen Namen TwitterFriends), dachte ich schon, ich hätte mit diesem Lob von Tim O’Reilly höchstpersönlich alles erreicht, was man im Bereich Web 2.0 erreichen kann. Ich meine, er hat das Web 2.0 erfunden!

    Aber so etwas lässt sich durchaus noch steigern. Denn das Tool hat es jetzt sogar an sehr prominenter Stelle in den Ratgeber “Twitter Marketing for Dummies” (Wiley-Verlag) geschafft, wo es neben Tweetdeck und HootSuite eines von “Ten Tools for Twitter Productivity” genannt und beschrieben wird:

    Das Tool ist nach zwei Namensänderungen unter dieser URL zu finden: stats.brandtweet.com.



    Verwandte Artikel:
  • Code, Hacks & Projects
  • Netzwerkvisualisierung mit TwitterFriends

    Gerade eben ist sie endlich fertig geworden, die Netzwerkvisualisierung für TwitterFriends. Dargestellt wird nicht das gesamte Kontaktnetz – also alle Followees und Followers -, denn das wäre zum einen unübersichtlich groß und zum anderen wenig aussagekräftig, da man Twitterkontakte sehr viel leichter hinzufügt als entfernt. Deshalb stellt TwitterFriends nur das “relevante Netzwerk” dar, also die Kontakte, denen eine Person in der letzten Zeit mindestens zweimal per ‘@’ geantwortet oder sich auf sie bezogen hat. Es geht also um das verborgene Netzwerk von Personen, denen eine Person auf Twitter öffentlich ihre Aufmerksamkeit schenkt. Nach Eingabe eines Twitter-Usernamen auf der Startseite von TwitterFriends erscheint das Ego-Netzwerk des Nutzers, hier für meinen Twitter-Account @furukama:

    TwitterFriends-Netzwerk für @furukama

    TwitterFriends-Netzwerk für @furukama

    Die Größe der Knoten des Netzwerkes entspricht jeweils der Anzahl von Tweets, mit denen ich mich an sie gerichtet habe. Dargestellt wird also die Intensität der Kommunikation zwischen dem zentralen Knoten (“Ego“) und den Kontakten im relevanten Netzwerk. Da diese Visualisierung bei vielen Kontakten schnell unübersichtlich wird, kann man durch dieses Netzwerk surfen: Per Klick auf einen Knoten, wird das Netzwerk um diesen zentriert, so dass man die Vernetzung der Kontakte untereinander analysieren kann:

    Blick auf die Vernetzung von @saschalobo im Netzwerk von @furukama

    Blick auf die Vernetzung von @saschalobo im Netzwerk von @furukama

    Unter der Netzwerkgrafik gibt es einen Link, mit dem man zwischen der obigen einfachen Netzwerkdarstellung und der vollen FOAF-Visualisierung (FOAF für “friend of a friend“) umschalten kann. Die zweite Darstellungsweise zeigt auch die Kontakte meiner Twitterkontakte, die sich nicht in meinem Netzwerk befinden, also auch meine “Freundesfreunde”. Hier erhöht sich die Zahl der Knoten noch einmal, aber auch hier kann man sich per Mausklick durch das Netzwerk bewegen:

    FOAF-Netzwerk von @furukama

    FOAF-Netzwerk von @furukama

    Die Netzwerkdarstellung benötigt keine zusätzliche installierte Software wie Java oder Flash. Verwendet wird die JavaScript-Visualisierungsbibliothek JIT von Nicolas Garcia Belmonte. Lauffähig müsste das Ganze auf Firefox, Chrome und Safari sein, mit eingeschränkter Geschwindigkeit auch im Internet-Explorer. Hier geht es zu der Anwendung.

    Hinweis: Bei einigen Twitternutzern erscheint das Netzwerk zunächst noch recht leer, das kann daran liegen, dass die Netzwerkdaten ihrer Kontakte noch nicht im Cache sind. In diesem Fall findet man unter der Netzwerkgrafik eine Liste von Links, mit denen man diese Daten einsammeln kann. Nutzer mit nicht-öffentlichem Profil oder ohne Replies können nicht erfasst werden. Das Ganze funktioniert ohne Eingabe des eigenen Twitterpassworts.

    Kommentare und Bugreports am besten per Twitter an @furukama oder gleich hier in die Kommentare. Danke!



    Verwandte Artikel:
  • TwitterFriends
  • Twitteranalyse for Dummies
  • Big Data und die Hackertugenden
  • Im Netz der Dinge – oder: wie ticken Apple-Nutzer?

    Die Methoden und Techniken der sozialen Netzwerkanalyse (SNA) lassen sich nicht nur zur Untersuchung von Personen und ihren Beziehungen einsetzen, sondern auch Gegenstände können damit analysiert werden: Willkommen im Netz der Dinge.

    Hier ein kleines Anwendungsbeispiel zu diesem Thema: Da ich selbst kein Apple-User bin, ist das für mich eine fremde Welt. Zum Glück kann man mit den amazon.de-Daten die Verbindungen zwischen unterschiedlichen Apple-Produkten abfragen und daraus dann einen netzwerkanalysefähigen Datensatz basteln. Im Folgenden habe ich den Apple iPod Touch 8GB als Ausgangspunkt genommen und das dazugehörige Ego-Netzwerk 2. Ordnung dargestellt (Klick zum Vergrößern):

    Das Netzwerk wurde mit netzwerkanalytischen Reduktionsverfahren etwas eingedampft, damit man etwas erkennen kann (wen die Details, Einsatzmöglichkeiten und Verbindungsmöglichkeiten mit anderen Methoden der Onlineforschung interessieren, kann mich gerne kontaktieren). Und tatsächlich, allmählich bekomme ich eine Ahnung davon, wie die Apple-Nutzer so ticken:

    • Sie sehen gerne mal eine DVD mit den neuesten Hollywoodfilmen wie etwa Pan’s Labyrinth, 300, Troja, Stirb Langsam 4.0, Transformers, Hannibal Rising oder Ghost Rising.
    • Aber natürlich sagen die Appler auch zu einem kurzen Playstation-3-Spielchen nicht nein. Motorsport und Piraten scheinen hier Topthemen zu sein.
    • Wer eine PS3 besitzt, nutzt diese vielleicht auch einmal zum Ansehen einer Blue-ray-Disk, etwa von Rocky Balboa oder eben 300.
    • Wie zu erwarten war, verwenden iPod-Nutzer auch auf ihrem Computer Apple-Software, so dass auch iLife 08 und das Betriebssystem OS X Leopard zu ihren Favoriten gehören.
    • Neben den iPod-Touch-Nutzern gibt es auch noch die iPod-nano-Nutzer, die ihr Gerät natürlich auch mit diversen Schutzfolien verkleben, aber hin und wieder auch etwas Sport treiben, wofür sie dann den iPod-Nike-Sport-Kit gekauft haben. Oder hat man einen iPod Touch fürs Büro und einen iPod nano für den Trimmdichpfad?
    • Nicht auf dem reduzierten Netzwerk, aber ebenfalls ein Betätigungsfeld für iPod-Nutzer: Bücher und Hörbücher von Terry Pratchett, Ratgeber zu Ruby on Rails, atheistische Literatur von Richard Dawkins, Philips Wohnleuchten und Sony P1i-Smartphones.

    So, genug der Analyse. Jetzt die Frage an euch, liebe iPod-Nutzer: Kommt das hin?



    Verwandte Artikel:
  • Der heilige Gral der Konsumkulturen
  • Woher kommen die Nutzer?
  • Münchener Medientage auf Twitter
  • Die Struktur der Wissenschaft

    Eine der zentralen Fragen der Wissenschaftsforschung lautet: Welche Struktur hat das System der Wissenschaft? Insbesondere die quantitativen Wissenschaftsforscher (Scientometricians) haben sich vorgenommen, aus dem Zitierverhalten in wissenschaftlichen Publikationen abzulesen, wie sich die Disziplinen und Subdisziplinen zueinander verhalten. Mit dem Science Citation Index (SCI) des Institute of Scientific Information (ISI) gibt es eine umfangreiche Datenbank, aus der man zum Beispiel genau ablesen kann, in welchen Journals wie oft auf welche andere Journals verwiesen wird und ob diese Verweise auch erwiedert werden. Ein Paradies für Netzwerkforscher!

    In ihrem jüngsten Papier “A Global Map of Science Based on the ISI Subject Categories “versuchen Loet Leydesdorff und Ismael Rafols auf Grundlage von Faktoren- und Netzwerkanalysen der 22 Hauptkategorien und 172 Themenfelder des ISI den Zusammenhang der wissenschaftlichen Disziplinen und Subdisziplinen zu ergründen (aufgrund der unterschiedlichen Zitierverhalten geht es dabei nur um naturwissenschaftliche Felder, also die englischen sciences). Dabei sind sie auf 14 Makrodisziplinen und drei große Cluster gestoßen:

    • Biologie-Medizin,
    • Physik-Material-Ingenieurswissenschaften-Informatik
    • Umwelt-Ökologie-Geowissenschaften

    Unter den 14 Makrodisziplinen sind die Biomedizin (gelb), aber auch die Chemie (orange), was die Zitierhäufigkeit angeht, besonders prominent (interessanterweise sind die Wikipedia-Einträge zur Biomedizin trotz ihrer innerwissenschaftlichen Bedeutung sehr klein bzw. unvollständig)

    (Hier gibt es diese Karte in groß und navigierbar.)

    Man sieht deutlich, dass die Chemie eine vermittelnde Position (“broker”) zwischen dem medizinischen Pol links und dem “hard-science”-Pol auf der rechten Seite einnimmt. Aber es gibt auch noch eine Verbindungslinie zwischen der Informatik und einigen medizinischen Spezialfeldern sowie eine Verbindung über das Umweltthema. Geht man auf die Ebene der Unterkategorien, so zeigt sich, dass auch die Biologie als interdisziplinäres Feld betrachtet werden kann.

    Sehr erfreulich ist, dass das Forscherteam ihre Datengrundlage als Excel-Datei zur Verfügung stellen, so dass andere die Möglichkeit haben, ihre Schlussfolgerungen zu überprüfen.



    Verwandte Artikel:
  • Wissensblogs gestartet
  • Wie ernst meint es die Wissenschaft mit dem Dialog?
  • Wie berechenbar wir doch auf Google suchen…
  • Spickzettel Netzwerkanalyse (SNA)?

    Besteht Interesse an einem pdf-Spickzettel mit den wichtigsten Maßzahlen der sozialen Netzwerkanalyse (SNA) und ihren Interpretationsmöglichkeiten?



    Verwandte Artikel:
  • Netzwerkanalyse der metaroll
  • Netzwerkanalyse von Hashtaglagern
  • Der Aufstieg der Datenwissenschaftler