English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Meinungsforschungsinstitute betreiben einen beträchtlichen Aufwand, um die Meinungstrends der Bevölkerung bezogen auf Politiker mit Telefon- und Straßenumfragen zu erfassen. Mit einer Studierendengruppe haben wir uns im Winter 2015/16 die Frage gestellt, ob es möglich ist, diesen Prozess zu automatisieren. Die Idee dahinter ist, dass die Plattform Twitter vielfach für politische Diskussionen genutzt wird. Da sich Tweets auf einen Umfang von 140 Zeichen beschränken und das jeweilige Thema durch Hashtags meist eindeutig zugeordnet werden kann, scheinen sich Twitter-Daten gut für eine automatische Sentiment-Analyse zu eignen. Mit Sentiment-Analyse-Methoden kann man diese Tweets automatisch in positive und negative Meinungsäußerungen klassifizieren. Wir haben dafür einen Twitter-Crawler und Sentiment-Analyse in der Programmiersprache Python implementiert. Anschließend haben wir über einen Zeitraum von vier Wochen Tweets zu Politikern gesammelt und die Ergebnisse der Meinungsanalysen visualisiert. Schließlich haben wir unsere Ergebnisse mit dem ZDF-Politbarometer verglichen.

Automatische Erkennung von politischen Trends mit Twitter – brauchen wir Meinungsumfragen noch?