Kachel­katalog

Wie zuverlässig beantworten die Kandidierenden einer Partei öffentliche Bürgerfragen?

Input

abgeordnetenwatch API v2, Felder statistic_questions und statistic_questions_answered je Politiker:in

Methode

Reine Aggregation über alle Kandidaturen einer Partei. Keine Modellentscheidung beteiligt

Warum hoch

Die einzige Kennzahl ohne jede Interpretationsschicht — und die, die am schwersten wegzudiskutieren ist, weil die Daten öffentlich und CC0 sind

Welche Themen setzt welche Partei, und wie verschiebt sich das über die Kampagne?

Input

Alle Textquellen der Ebene 1, Label Primärthema

Methode

Klassifikation gegen die geschlossene Taxonomie, dann Anteilsrechnung je Partei

Warum hoch

Themenzuordnung ist der Klassifikationsschritt mit der höchsten Übereinstimmung — hier trägt das Verfahren am weitesten

Grenze

Grüne und BSW haben mit Graf/King eine Zusatzquelle, die übrigen Parteien nicht — Anteilsrechnung dämpft die Verzerrung, hebt sie aber nicht auf

Über welche Partei wird wie viel berichtet, und aus wie vielen verschiedenen Redaktionen?

Input

Google-News-RSS, eine eingefrorene Abfrage je Partei

Methode

Zählung nach Dedupe über <guid>, Parteidomains ausgefiltert

Warum hoch

Reine Zählung ohne Modellentscheidung. Beantwortet, was aus Parteikommunikation allein nie beantwortbar wäre: wer überhaupt durchdringt

Wording

heißt „Resonanz im Google-News-Index", nie „die Berichterstattung"

Wann richtet sich öffentliche Aufmerksamkeit auf welche Partei oder Person?

Input

Stündliche Wikipedia-Pageview-Dumps, gefiltert auf rund 90 Artikel

Methode

Direkte Zeitreihe, keine Modellierung. Termine als Marker überlagert

Grenze

Die Messung ist exakt, die Deutung nicht. Abrufe zeigen Aufmerksamkeit, nicht Zustimmung — ein Skandal erzeugt dieselbe Spitze wie ein gelungener Auftritt

Wer greift wen an, bei welchen Themen, und wie entwickelt sich das?

Input

Sprechhandlung „Kritik" plus Angriffsziel

Methode

Gerichteter Graph, Kantengewicht aus der Zahl der Angriffe. Nach Thema filterbar

Grenze

Explizite namentliche Angriffe werden zuverlässig erkannt. Implizite Bezüge — „die Verantwortlichen im Roten Rathaus" — sind fehleranfällig und zählen nur bei eindeutiger Zuordnung

Wie schnell reagiert eine Partei auf ein öffentliches Ereignis?

Input

Termindaten als Startzeit, GDELT und berlin.de für ungeplante Ereignisse, Statement-Zeitstempel als Endzeit

Methode

Zeitdifferenz bis zur ersten thematisch passenden Äußerung

Grenze

Bei geplanten Terminen ist die Startzeit exakt, bei ungeplanten unscharf. Beide Fälle getrennt ausweisen, nie miteinander verrechnen

Risiko

Die Parlamentstermine liefern derzeit HTTP 500

Wie viel Berichterstattung erzeugt eine Partei je eigener Mitteilung?

Input

Eigene Kommunikation (Ebene 1) und Medienresonanz (Ebene 2)

Methode

Verhältnis beider Zeitreihen je Partei, geglättet über 14 Tage

Grenze

Der Nenner ist bei Parteien mit Scraper anders erhoben als bei denen mit RSS. Solange nicht alle vier Scraper laufen, nicht vergleichbar und nicht zu veröffentlichen

Greifen die Medien die Themen auf, die eine Partei setzt — oder umgekehrt?

Input

Themenklassifikation der eigenen Statements und, mit derselben Taxonomie, der Schlagzeilen

Methode

Vergleich beider Themenverteilungen im Zeitversatz von null bis drei Tagen

Grenze

Schlagzeilen sind kurz und mehrdeutig, die Klassifikation auf ihnen unschärfer als auf Volltexten. Ein Vorlauf belegt keine Ursache — Formulierung bleibt bei „geht voraus", nie bei „bewirkt"

Wie konsequent bleibt eine Partei bei ihren eigenen Kernthemen?

Input

Themenanteile, gemessen gegen eine vorab festgelegte Kernthemen-Definition

Methode

Anteil der Statements auf den drei Themen, die die Partei im Wahlprogramm priorisiert

Grenze

Steht und fällt mit der Definition der Kernthemen. Diese wird vor dem Livegang abgeleitet, dokumentiert und danach nicht mehr angefasst — sonst wäre der Wert beliebig. Gleicher Fairness-Vorbehalt wie bei Themenagenda (Graf/King)

Wo in der Stadt wird um welche Themen gekämpft?

Input

Constituency und CandidacyMandate aus der abgeordnetenwatch-API, dazu Terminkalender

Methode

Zuordnung von Kandidaturen und Terminen zu Bezirken, Verschneidung mit Themendaten

Grenze

Kandidaturdaten sind hart und vollständig, Terminkalender nicht. Lückenhafte Pflege wird als Lücke ausgewiesen, nicht als Inaktivität gedeutet. Im Test lieferten nur die Grünen einen Kalender-Feed; dazu kommt der Termin-Feed des CDU-Spitzenkandidaten Evers (seit dem 4. Juli nicht bespielt, siehe `quellen.md`)

Deckt sich die Tageskommunikation mit dem eigenen Wahlprogramm?

Input

Statements plus Wahlprogramme über ElectionProgram

Methode

Embedding-Retrieval der fünf ähnlichsten Programmabschnitte, dann Modellurteil mit Belegangabe

Grenze

Zwei Fehlerschichten übereinander — Retrieval und Urteil. „Nicht enthalten" kann ein inhaltlicher Befund oder ein Suchfehler sein. Erst nach Stichprobenprüfung von 50 Fällen veröffentlichbar, und dann nur mit ausgewiesener Fehlerquote

Wie steht es in den Sonntagsfragen — als Kontext, nicht als Befund?

Input

Veröffentlichte Institutswerte über wahlrecht.de

Methode

Unveränderte Übernahme mit Institut und Erhebungsdatum

Grenze

Wird nie mit den eigenen Daten in einen Kausalzusammenhang gebracht. Nebeneinanderstellen ja, Erklären nein