Seit COVID-19 im März 2020 von der WHO zur Pandemie erklärt wurde, hat das Virus enorme Auswirkungen auf die ganze Welt. Die Reaktionen der einzelnen Länder auf die Situation waren jedoch unterschiedlich. Eine linguistische Diskursanalyse englischsprachiger sozialer Medien und Zeitungen kann Einblicke in die Reaktionen Indiens und der Inder:innen auf die Pandemie geben. Darüber hinaus kann sie Erkenntnisse darüber liefern, wie die Reaktion auf vergleichbare zukünftige Situationen verbessert werden kann.
Es werden Keywords von Twitter und ausgewählten Zeitungen gesammelt, die während des Zielzeitraums (Januar 2020 bis September 2022) in Indien gepostet oder veröffentlicht wurden. Diese werden anschließend mit den vorhandenen Daten aus früheren Studien aus Großbritannien verglichen. Im Gegensatz zu Deutschland und Großbritannien, wo Daten vorliegen, weisen Indien und Großbritannien kontrastierende Wirtschaftsstrukturen auf. Dieser Ansatz wird Ergebnisse zur Frage liefern, wie ein wirtschaftlich aufstrebendes Land auf die Pandemie reagiert hat. Für die Analyse wird nur englischsprachiger Diskurs verwendet, was einen direkteren sprachlichen Vergleich ermöglicht.
Twitter ist eine Social-Media-Plattform, auf der Nutzende über Kurznachrichten interagieren und Nachrichten zu aktuellen Ereignissen erhalten können. Aufgrund ihres interaktiven Charakters spiegelt die Plattform die Meinung der Nutzenden aussagekräftig wider [1]. Obwohl sie nicht repräsentativ für die Gesamtbevölkerung ist, hat der Diskurs auf der Plattform einen erheblichen Einfluss auf die öffentliche Meinungsbildung [1]. Darüber hinaus wurde das Netzwerk in der Vergangenheit bereits für Diskursanalysen zum Thema COVID-19 genutzt (z.B. [2]). Zeitungsartikel sind von ähnlichem Interesse, da die Einbindung der auflagenstärksten Zeitungen in das vorliegende Projekt bedeutet, dass auch diese einen signifikanten Einfluss auf die öffentliche Meinung haben.
Darüber hinaus kann die Analyse der öffentlichen Meinung zur Pandemie und der Reaktionen darauf Anregungen für den Umgang mit ähnlichen Situationen in der Zukunft liefern. So können wir beispielsweise Rückschlüsse auf mögliche Gründe für Impfskepsis, oder allgemeiner, die Einstellung gegenüber Impfstoffen ziehen [2]. Da Herdenimmunität ein wesentlicher Faktor im Kampf gegen Krankheitsausbrüche ist, ist sie für die Gesellschaft von großer Bedeutung. Zudem ist die Haltung zu COVID-19 ein gesellschaftliches Thema, das die Gesellschaft spaltet und zur Polarisierung beiträgt [2].
Forschungsfragen:
- Inwieweit unterscheiden oder ähneln sich die Einträge der Keyword-Listen aus beiden Ländern?
- Beeinflusst die Art der Plattform, d. h. soziale Medien und Zeitung, die Wortwahl bei der Äußerung der eigenen Haltung zur Pandemiesituation?
- Wie hat sich die Worthäufigkeit im Untersuchungszeitraum entwickelt?
Die Daten werden aus LexisNexis und Twitter extrahiert, wo viele Nachrichtenartikel bzw. Tweets verfügbar sind. Da die Studie auf bestehenden Keyword-Listen aus Großbritannien basiert, die aus früheren Forschungsergebnissen stammen (bereitgestellt vom Mentor dieses Projekts), werden nur die indischen Daten erhoben. Die Zieldaten werden auf die fünf Zeitungen mit den höchsten Auflagen in Indien eingegrenzt. Anschließend werden Wörter in Python lemmatisiert, segmentiert und gezählt, um eine Keyword-Liste zu erstellen und die Häufigkeit jedes Worts pro Million Wörter zu berechnen. Der Vergleich der Daten aus Indien und Großbritannien wird durch einen visuellen Vergleich in R initialisiert. Anschließend werden wir die Unterschiede und Ähnlichkeiten zwischen den Ländern mithilfe von Log-Likelihood und Log-Ratio statistisch untersuchen. Wir beabsichtigen, unsere Ergebnisse in einer führenden Zeitschrift auf dem Gebiet der World Englishes zu veröffentlichen (z. B. English World-Wide, English Language & Linguistics).
Im Gegensatz zu anderen Studien zum Diskurs rund um die COVID-19-Pandemie durchsucht dieses Projekt nicht Twitter und Zeitungen nach einer vorgegebenen Liste von Schlüsselwörtern [2]. Vielmehr wird ein datengetriebener Ansatz verwendet, um Schlüsselwortlisten aus den Daten zu generieren [1]. Durch die Kombination von selbstgesteuerter Arbeit mit dem Vergleich mit vorhandenen Daten und Ergebnissen sammeln wir als teilnehmende Studierende wertvolle Erfahrungen im Datenmanagement und in der Datenanalyse und bauen so unsere Datenkompetenz aus. Alle im Rahmen der Untersuchung gesammelten Datensätze werden auf OSF, einer Online-Datenplattform, gespeichert. Dies bedeutet, dass unsere Ergebnisse jederzeit zugänglich und wiederverwendbar sind.
Literatur:
- [1] Fuchs, R. (2022). Viral Discourses – How We Discuss COVID-19 [Conference talk].
- [2] Guntuku, S. C., Buttenheim, A. M., Sherman, G., & Merchant, R. M. (2021). Twitter discourse reveals geographical and temporal variation in concerns about covid-19 vaccines in the United States. Vaccine, 39(30), 4034–4038. https://doi.org/10.1016/j.vaccine.2021.06.014