In den letzten 20 Jahren wurden im Zuge der Verbreitung des Internets und der anschließenden Digitalisierung ungeheure Textmengen produziert, die mit qualitativen Mitteln alleine nicht mehr gesichtet werden können. Diese Texte sind zudem in der Regel untereinander verknüpft, werden dynamisch (z.T. im Sekundentakt) hergestellt und bieten somit die Chance, Diskurse und die Genese kommunikativ produzierten Wissens live mitzuerleben. Umso wichtiger ist es, Methoden zu verwenden, mit deren Hilfe Sinnstrukturen in diesen Prozessen erkannt werden können. Hier bieten die Methoden der quantitativen Textanalyse einen Zugang zu diesen Strukturen. Vor diesem Hintergrund bietet der Kurs eine Einführung in einige Verfahren der quantiativen Textanalyse. Schwerpunkte sind Sentimentanalyse und Techniken des Topic-Modelings (Latent Dirichlet Allocation und Structural Topic Models). Der Kurs ist auf zwei Säulen aufgebaut. Einerseits werden die Methoden "hands-on" in R / RStudio erlernt. Andererseits werden die Methodentexte gelesen und anhand einiger Beispielstudien erläutert. Als Datenbeispiele dienen Texte von Social Media-Plattformen, Lyrics/Liedtexte sowie wissenschaftliche Abstracts.
Ziel des Kurses ist es am Ende, die vorgestellten Methoden selbstständig anwenden zu können. Hierzu werden drei Aufgabenpapiere eigenständig bearbeitet und mitsamt des dazugehörigen R-Programmcodes bewertet.