diff --git a/2021_003_jurczyk/multimodalitaet_2021_001.png b/2021_003_jurczyk/multimodalitaet_2021_001.png
new file mode 100644
index 0000000000000000000000000000000000000000..dcf22a44ddafa48a97620f81e0edd0b191c6d50e
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_001.png differ
diff --git a/2021_003_jurczyk/multimodalitaet_2021_002.png b/2021_003_jurczyk/multimodalitaet_2021_002.png
new file mode 100644
index 0000000000000000000000000000000000000000..16b919e4bff03700607119d68072bef1af5b5050
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_002.png differ
diff --git a/2021_003_jurczyk/multimodalitaet_2021_003.png b/2021_003_jurczyk/multimodalitaet_2021_003.png
new file mode 100644
index 0000000000000000000000000000000000000000..7574c835694db05a55d88a2aa58e3f9ab3a83f99
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_003.png differ
diff --git a/2021_003_jurczyk/multimodalitaet_2021_004.png b/2021_003_jurczyk/multimodalitaet_2021_004.png
new file mode 100644
index 0000000000000000000000000000000000000000..4023281ca01adf60877d44311bb62122872fc978
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_004.png differ
diff --git a/2021_003_jurczyk/multimodalitaet_2021_005.png b/2021_003_jurczyk/multimodalitaet_2021_005.png
new file mode 100644
index 0000000000000000000000000000000000000000..7b99654a54f68fc730be8fd5c8ccf1d491b2a1ed
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_005.png differ
diff --git a/2021_003_jurczyk/multimodalitaet_2021_006.png b/2021_003_jurczyk/multimodalitaet_2021_006.png
new file mode 100644
index 0000000000000000000000000000000000000000..6602ca959d30c0377f6a6f2731cdf7d92f2eb5aa
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_006.png differ
diff --git a/2021_003_jurczyk/multimodalitaet_2021_007.png b/2021_003_jurczyk/multimodalitaet_2021_007.png
new file mode 100644
index 0000000000000000000000000000000000000000..a4b79879f9524a02058822e7493420e504050af9
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_007.png differ
diff --git a/2021_003_jurczyk/multimodalitaet_2021_008.png b/2021_003_jurczyk/multimodalitaet_2021_008.png
new file mode 100644
index 0000000000000000000000000000000000000000..dee1461e534a8adcc8317dca150a9ef225ab0aeb
Binary files /dev/null and b/2021_003_jurczyk/multimodalitaet_2021_008.png differ
diff --git "a/2021_003_jurczyk/multimodalit\303\244t_2021_v1_0.pdf" "b/2021_003_jurczyk/multimodalit\303\244t_2021_v1_0.pdf"
new file mode 100644
index 0000000000000000000000000000000000000000..c4408e1eba063aa321f13ace209a7ebc74131a62
Binary files /dev/null and "b/2021_003_jurczyk/multimodalit\303\244t_2021_v1_0.pdf" differ
diff --git "a/2021_003_jurczyk/multimodalit\303\244t_2021_v1_0.xml" "b/2021_003_jurczyk/multimodalit\303\244t_2021_v1_0.xml"
new file mode 100644
index 0000000000000000000000000000000000000000..32e8b0b6df4953c3519f3eb72f3b474d4ff70448
--- /dev/null
+++ "b/2021_003_jurczyk/multimodalit\303\244t_2021_v1_0.xml"
@@ -0,0 +1,1999 @@
+<?xml version="1.0" encoding="utf-8"?>
+<?xml-model href="https://www.zfdg.de/sites/default/files/schema/tei_zfdg.rnc" type="application/relax-ng-compact-syntax"
+ ?>
+<TEI xmlns="http://www.tei-c.org/ns/1.0" xmlns:html="http://www.w3.org/1999/html"
+ xmlns:tei="http://www.tei-c.org/ns/1.0" xmlns:xlink="http://www.w3.org/1999/xlink"
+ xmlns:xhtml="http://www.w3.org/1999/xhtml">
+ <teiHeader>
+ <fileDesc>
+ <titleStmt>
+ <title>
+ <biblStruct>
+ <analytic>
+ <title level="a">Vorstellung eines (teil-)automatisierten Verfahrens zur
+ Analyse der Multimodalität von Webseiten</title>
+ <respStmt>
+ <resp>
+ <persName>
+ <name role="marc_aut">
+ <forename>Thomas</forename>
+ <surname>Jurczyk</surname>
+ </name>
+ <email>thomas.jurczyk-q88@rub.de</email>
+ <idno type="gnd">106744744X</idno>
+ <idno type="orcid">0000-0002-5943-2305</idno>
+ </persName>
+ </resp>
+ <orgName>Ruhr-Universität Bochum, Centrum für Religionswissenschaftliche Studien (CERES)</orgName>
+ </respStmt>
+ <idno type="doi">10.17175/2021_003</idno>
+ <idno type="ppn">ppn 1749189682</idno>
+ <idno type="zfdg">2021.003</idno>
+ <idno type="url">https://www.zfdg.de/node/313</idno>
+ <date when="2021-09-09">09.09.2021</date>
+ </analytic>
+ <monogr>
+ <title level="j">Zeitschrift für digitale Geisteswissenschaften</title>
+ <respStmt>
+ <resp>Publiziert von</resp>
+ <orgName role="marc_pbl">Herzog August Bibliothek</orgName>
+ </respStmt>
+ <respStmt>
+ <resp>Transformation der Word Vorlage nach TEI</resp>
+ <persName/>
+ <name role="marc_trc">
+ <surname>Baumgarten</surname>
+ <forename>Marcus</forename>
+ <idno type="gnd">1192832655</idno>
+ </name>
+ </respStmt>
+ <availability status="free">
+ <p>Available at <ref target="https://www.zfdg.de">https://www.zfdg.de</ref>
+ </p>
+ </availability>
+ <biblScope unit="year">2021</biblScope>
+ <biblScope unit="artikel">03</biblScope>
+ </monogr>
+ </biblStruct>
+ </title>
+ </titleStmt>
+ <editionStmt>
+ <edition>Elektronische Ausgabe nach TEI P5</edition>
+ </editionStmt>
+ <publicationStmt>
+ <distributor>
+ <name>
+ <orgName>Herzog August Bibliothek Wolfenbüttel</orgName>
+ </name>
+ </distributor>
+ <idno type="doi">10.17175/zfdg.01</idno>
+ <idno type="ppn">0819494402</idno>
+ <authority>
+ <name>Herzog August Bibliothek</name>
+ <address>
+ <addrLine>Lessingplatz 1</addrLine>
+ <addrLine>38304 Wolfenbüttel</addrLine>
+ </address>
+ </authority>
+ <authority>
+ <name>Forschungsverbund Marbach Weimar Wolfenbüttel</name>
+ <address>
+ <addrLine>Burgplatz 4</addrLine>
+ <addrLine>99423 Weimar </addrLine>
+ </address>
+ </authority>
+ <availability status="free">
+ <p> Sofern nicht anders angegeben </p>
+ <licence target="http://creativecommons.org/licenses/by/4.0/">CC BY SA 4.0</licence>
+ </availability>
+ <availability status="free">
+ <p> Available at <ref target="workID">https://www.zfdg.de; (c) Forschungsverbund
+ MWW</ref>
+ </p>
+ </availability>
+ </publicationStmt>
+ <sourceDesc>
+ <p>Einreichung als Fachartikel in der ZfdG durch die Autor*innen</p>
+ </sourceDesc>
+ </fileDesc>
+ <encodingDesc>
+ <editorialDecl>
+ <p>Transformation der WORD-Vorlage nach XML/TEI-P5 durch TEI-Oxgarage und
+ XSLT-Skripten</p>
+ </editorialDecl>
+ <editorialDecl>
+ <p xml:lang="de">Lektorat des Textes durch die Redaktion in Person von <persName>Martin
+ Wiegand</persName>.</p>
+ </editorialDecl>
+ <editorialDecl>
+ <p>Medienrechte liegen bei den Autor*innen</p>
+ </editorialDecl>
+ <editorialDecl>
+ <p>All links checked<date when="2021-08-23">23.08.2021</date>
+ </p>
+ </editorialDecl>
+ </encodingDesc>
+ <profileDesc>
+ <creation>Einreichung als Artikel der Zeitschrift für digitale
+ Geisteswissenschaften</creation>
+ <langUsage>
+ <language ident="de">Text in Deutsch</language>
+ <language ident="de">Abstract in Deutsch</language>
+ <language ident="en">Abstract in Englisch</language>
+ </langUsage>
+ <textClass>
+ <keywords scheme="gnd">
+ <term>Cluster-Analyse<ref target="4070044-6"/>
+ </term>
+ <term>Maschinelles Lernen<ref target="4193754-5"/>
+ </term>
+ <term>Multimodalität<ref target="7859426-1"/>
+ </term>
+ <term>Sozialwissenschaften<ref target="4055916-6"/>
+ </term>
+ <term>Website<ref target="4596172-4"/>
+ </term>
+ </keywords>
+ </textClass>
+ </profileDesc>
+ <revisionDesc>
+ <change/>
+ </revisionDesc>
+ </teiHeader>
+ <text>
+ <body>
+ <div>
+ <div type="abstract">
+ <argument xml:lang="de">
+ <p>Der vorliegende Artikel möchte ein Verfahren zur (teil-)automatisierten Analyse
+ der Multimodalität von Webseiten vorstellen und diskutieren. Dabei steht im
+ Fokus, unbekannte Webseiten auf deren Multimodalität hin zu untersuchen, ohne
+ dass diese vorher annotiert oder sonst anderweitig in Bezug auf ihre
+ Multimodalität analysiert worden wären. Zusätzlich zur Etablierung eines
+ (teil-)automatisierten Verfahrens möchte dieser Artikel die Frage diskutieren,
+ inwiefern die Klassifizierung der Multimodalität von Webseiten im Zusammenhang
+ mit den gesellschaftlichen Domänen steht, aus denen die Webseiten stammen
+ (Politik, Wirtschaft, Religion etc.).</p>
+ </argument>
+ </div>
+ <div type="abstract">
+ <argument xml:lang="en">
+ <p>This article presents and discusses a method for the (partially) automated
+ analysis of the multimodality of web pages. The focus lies on analyzing unknown
+ web pages for their multimodality without annotating them beforehand. In
+ addition to establishing a (partially) automated procedure, this article wants
+ to discuss the question to what extent the classification of the multimodality
+ of web pages is related to the social domains from which the web pages
+ originate (politics, economy, religion, etc.).</p>
+ </argument>
+ </div>
+ <div type="chapter">
+ <head>1. Einleitung</head>
+ <p>Unter Multimodalität wird in diesem Beitrag die Anordnung und das Zusammenwirken
+ verschiedener <term type="dh">modes</term> wie Bilder, Ton und Schrift im Prozess
+ der Generierung von Zeichen verstanden.<note type="footnote"> <ref type="bibliography" target="#lyons_multimodality_2016">Lyons 2016</ref>, 268f.;
+ <ref type="bibliography" target="#stoeckl_multimodalitaet_2016">Stöckl 2016</ref>, S. 4f. In Bezug auf modes vgl. <ref type="bibliography" target="#kress_mode_2017">Kress 2017</ref>.</note> Im Falle von
+ Webseiten werden insbesondere Bilder, verschiedentlich formatierte Textelemente
+ sowie audio-visuelle Elemente wie Videos untersucht. </p>
+ <p>Aufgrund der Komplexität multimodaler Strukturen, die teils sehr diverse modes
+ miteinander kombinieren, konzentriert sich die Forschung zum Beispiel im Bereich
+ der Bildlinguistik oder im Kontext der Analyse von Webseiten zumeist auf eine
+ qualitativ-manuelle Analyse des Zusammenspiels der verschiedenen modes, wobei die
+ Ergebnisse der Einzelanalysen dann durchaus quantitativ synthetisiert für
+ allgemeinere Aussagen herangezogen werden.<note type="footnote"> Vgl. <ref type="bibliography" target="#stoeckl_sprache_2011">Stöckl 2011</ref>;
+ <ref type="bibliography" target="#meer_einfuehhrung_2019">Meer / Pick 2019</ref>;
+ <ref type="bibliography" target="#jewitt_handbook_2017">Jewitt (Hg.) 2017</ref>. Für Webseiten vgl.
+ <ref type="bibliography" target="#meier_websites_2016">Meier 2016</ref>; <ref type="bibliography" target="#freudenberg_representations_2021">Freudenberg /
+ Sharbat Dar</ref> [im Erscheinen].</note> Um die Komplexität der Multimodalität für
+ den Prozess der Zeichengenerierung beispielsweise auf Webseiten adäquat zu
+ besprechen, ist eine manuell-qualitative Untersuchung durchaus sinnvoll, da deren
+ Automatisierung nur sehr schwer realisierbar ist; nicht zuletzt, weil die
+ menschliche Perzeption und Einschätzung in diesem Prozess eine zentrale Rolle
+ spielen und Aspekte wie der initiale Eindruck einer Sehfläche stark vom jeweiligen
+ Betrachter abhängen.<note type="footnote"> Vgl. die komplexe Terminologie einer
+ visuellen Grammatik in <ref type="bibliography" target="#stoeckl_sprache_2011">Stöckl 2011</ref>, S. 52. Für die erste Wahrnehmungsebene
+ einer Sehfläche vgl. <ref type="bibliography" target="#meer_einfuehhrung_2019">Meer / Pick 2019</ref>, S. 60.</note>
+ </p>
+ <p>Das hier vorzustellende Analyseverfahren möchte trotz dieser Schwierigkeiten eine
+ Möglichkeit aufzeigen, wie zumindest grobe Strukturmerkmale der Multimodalität von
+ Webseiten (teil-)automatisiert untersucht und zusammengefasst werden können. Ein
+ solches quantitatives, (teil-)automatisiertes Verfahren steht dabei keinesfalls im
+ Widerspruch zu den etablierten manuell-qualitativen Zugängen, sondern möchte diese
+ lediglich um eine neue Perspektive ergänzen sowie in ihrer Durchführung
+ unterstützen. Beispielsweise könnte ein etabliertes automatisiertes Verfahren
+ künftig dazu genutzt werden, größere Datenmengen (in diesem Falle von Webseiten)
+ hinsichtlich ihrer multimodalen Struktur vorzufiltern, um damit eine gezieltere
+ qualitativ-manuelle Analyse einzelner Fallbeispiele aus den unterschiedlichen
+ Clustern zu ermöglichen. Darüber hinaus kann eine automatisierte Analyse und
+ Kategorisierung auch dazu verwendet werden, bestehende Klassifizierungen aus der
+ qualitativ-manuellen Forschung zu kontrastieren, empirisch zu untermauern oder zu
+ erweitern.<note type="footnote"> Vgl. <ref type="bibliography" target="#meier_websites_2016">Meier 2016</ref>, S. 429f.</note>
+ </p>
+ <p>Versuche eines computergestützten Vorgehens bei der Analyse multimodaler
+ Strukturen finden sich bei O’Halloran et al.<note type="footnote"> <ref type="bibliography" target="#ohalloran_analytics_2017">O'Halloran et
+ al. 2017</ref>.</note> Allerdings fokussieren sich die dort vorgestellten Ansätze auf
+ die (automatisierte) Analyse kürzerer Sequenzen (beispielsweise eines
+ Interviewausschnitts) oder sie arbeiten mit bereits annotierten oder anderweitig
+ vorstrukturierten Daten (siehe auch <ref type="intern" target="#hd2">Kapitel
+ 2</ref>).</p>
+ <p>Zusätzlich zur Etablierung eines (teil-)automatisierten Verfahrens möchte dieser
+ Artikel die Frage diskutieren, inwiefern die Klassifizierung der Multimodalität
+ von Webseiten im Zusammenhang mit den gesellschaftlichen Domänen steht, aus denen
+ die Webseiten stammen (<term type="figure">Politik</term>, <term type="figure"
+ >Wirtschaft</term>, <term type="figure">Religion</term>, <term type="figure"
+ >Universität</term>, <term type="figure">Journalismus</term>, <term
+ type="figure">Unterhaltung</term>). Es wäre zu fragen, ob bestimmte multimodale
+ Strukturen von Webseiten bereits unabhängig von der konkreten Semantik ihrer
+ verwendeten modes (beispielsweise eines dargestellten Kreuzes als bildliches
+ Element) zur domänenspezifischen Zeichengenerierung genutzt werden können.
+ Zugespitzt gefragt: Gibt es politische, wirtschaftliche oder religiöse multimodale
+ Strukturen auf Webseiten, die voneinander unterscheidbar sind, ohne die Semantik
+ der jeweils konkret verwendeten modes einzubeziehen? </p>
+ <p>Im Folgenden wird in einem ersten Schritt (<ref type="intern" target="#hd2">Kapitel
+ 2</ref>) nochmals detaillierter auf das Forschungsinteresse dieses Artikels
+ eingegangen. Hierbei richtet sich der Blick auf aktuelle Forschungen im Bereich
+ Multimodalität von Webseiten und deren potentielle Ergänzung durch ein
+ (teil-)automatisiertes Verfahren zur Analyse unbekannter Datensätze. Anschließend
+ werden die Methode und der Aufbau des Programms beschrieben, das die
+ (teil-)automatisierte Analyse und Kategorisierung der Webseiten in diesem Artikel
+ durchführen soll (<ref type="intern" target="#hd3">Kapitel 3</ref>). Auf Basis
+ dieses Programms wird im Analyseteil (<ref type="intern" target="#hd7">Kapitel
+ 4</ref>) ein erster Testdatensatz von Webseiten automatisiert analysiert und
+ kategorisiert, wobei die Untersuchung und der Nachvollzug der Ergebnisse im Fokus
+ stehen. Im abschließenden letzten Kapitel (<ref type="intern" target="#hd14"
+ >5</ref>) werden die Ergebnisse des (teil-)automatisierten Analysevorgangs
+ diskutiert und evaluiert. In diesem Zusammenhang stehen vor allem die Fragen nach
+ einer zukünftigen Ausweitung der Untersuchung auf größere Datenmengen sowie der
+ Mehrwert einer (teil-)automatisierten Vorgehensweise gegenüber klassischen
+ manuell-qualitativen Analysemethoden im Zentrum.</p>
+ </div>
+ <div type="chapter">
+ <head>2. Forschungsfrage und Forschungsstand</head>
+ <p>Die Forschungsfrage dieses Artikels betrifft die Möglichkeit einer automatisierten
+ Auswertung und Klassifizierung unbekannter Webseiten auf Basis ihrer multimodalen
+ Eigenschaften. Ansätze in Richtung einer automatisierten Auswertung multimodaler
+ Strukturen finden sich unter anderem bei O’Halloran et al.<note type="footnote">
+ Vgl. <ref type="bibliography" target="#ohalloran_analytics_2017">O'Halloran et al. 2017</ref>;
+ <ref type="bibliography" target="#wignell_language_2021">Wignell et al. 2021</ref>;
+ <ref type="bibliography" target="#ohalloran_discipline_2020">O’Halloran et al.
+ 2020</ref>.</note> und auf der Webseite des <ref
+ target="http://multimodal-analysis-lab.org/">Multimodal Analysis
+ Lab</ref>.<note type="footnote"> <ref type="bibliography" target="#idmi_analysis_2013">Multimodal Analysis Lab (Hg.) 2013</ref>.</note>
+ </p>
+ <p>Obwohl sich die Multimodalitätsforschung nicht auf Webseiten beschränkt, sondern
+ an unterschiedlichsten Medien und Formen der Multimodalität interessiert ist,<note
+ type="footnote"> Siehe die Beispiele in <ref type="bibliography" target="#jewitt_handbook_2017">Jewitt (Hg.) 2017</ref>.</note> konzentriert sich
+ dieser Artikel auf Webseiten. Webseiten haben gegenüber Werbeplakaten, gedruckten
+ Zeitungen oder Filmen den Vorteil, dass sie bereits in einer digitalen und in
+ Bezug auf ihre Multimodalität vorstrukturierten Form vorliegen. So sind
+ beispielsweise eingebundene Bilder auf Webseiten meist durch die Nutzung von
+ entsprechenden Tags wie <code><img /></code> gekennzeichnet, die sich
+ relativ leicht automatisiert identifizieren und mit entsprechenden Parsern
+ auslesen lassen. Selbiges gilt für Texte oder die Einbindung von Videos auf
+ Webseiten. Somit entfallen im Falle von Webseiten die ansonsten notwendigen und
+ zeitaufwendigen Schritte der Digitalisierung und anschließenden Vorstrukturierung
+ der Digitalisate, beispielsweise durch Annotationen.</p>
+ <p>Darüber hinaus sind Webseiten sehr populär und finden sich in fast allen
+ gesellschaftlichen Bereichen (<term type="figure">Wirtschaft</term>, <term
+ type="figure">Religion</term>, <term type="figure">Wissenschaft</term>, <term type="figure">private
+ Seiten</term> usw.). Diese Tatsache erlaubt es, im Kontext der Analyse und
+ Kategorisierung der Multimodalität von Webseiten die Frage zu stellen, inwieweit
+ Cluster von Webseiten mit ähnlichen multimodalen Strukturen mit den
+ gesellschaftlichen Feldern korrelieren, aus denen sie stammen. Gibt es
+ beispielsweise eine bestimmte Form von Multimodalität auf politischen Webseiten,
+ die sich von der religiöser Webseiten unterscheidet, sodass diese nicht nur auf
+ inhaltlicher, sondern auch auf formaler Ebene unterscheidbar sind? Oder lassen
+ sich multimodal-strukturelle Muster über die Grenzen gesellschaftlicher Domänen
+ hinweg verfolgen, sodass etwaige inhaltliche Unterschiede zwischen den Seiten
+ (Semantik) von einer gemeinsamen multimodalen Struktur (Form) überdeckt werden,
+ die einem übergreifenden Webseiten-Typ entsprechen? Um diese Frage(n) zu
+ beantworten, wurden die Webseiten aus dem Testdatensatz zum einen hinsichtlich der
+ gesellschaftlichen Domäne, aus der sie stammen, sowie auch des ihnen zuweisbaren
+ Webseiten-Typs nach Stefan Meier<note type="footnote"> <ref type="bibliography" target="#meier_websites_2016">Meier 2016</ref>, S. 429f.</note>
+ vorannotiert.<note type="footnote"> Eine solche Vorannotation scheint auf den
+ ersten Blick dem gerade geforderten Prinzip zuwider zu laufen, dass das
+ Verfahren auf die Analyse unbekannter und eben gerade nicht vorannotierter
+ Daten konzentriert ist. Dies ist aber nicht der Fall, denn bei der
+ Domänen-/Typen-Analyse handelt es sich um eine zusätzliche Fragestellung, die
+ unabhängig von dem eigentlichen Verfahren der Teilautomatisierung zu betrachten
+ ist und als Beispiel dazu dienen soll, wozu (teil-)automatisierte Verfahren
+ konkret genutzt werden können.</note>
+ </p>
+ <p>Im Folgenden soll eine Methode vorgestellt werden, wie ein solches Programm zur
+ (teil-)automatisierten Analyse von Multimodalität aussehen könnte. Die
+ (teil-)automatisierte Analyse wird im Kontext dieses Artikels mit der
+ Programmiersprache Python und durch eine Mischung aus selbstgeschriebenen Klassen
+ und interaktiver Arbeit mit <bibl>
+ <title type="desc">Jupyter Notebooks</title>
+ </bibl> implementiert. Hierbei handelt es sich jedoch nur um ein
+ Implementierungsbeispiel. Im Fokus steht die übergreifende Methode und nicht deren
+ konkrete Realisierung. Die hinter dem Programm stehende Methode sollte auch ohne
+ jede Programmierkenntnisse verständlich werden und entsprechende Passagen in
+ diesem Artikel, die Code-Beispiele enthalten, können ohne große Verluste
+ übersprungen werden. Auch ist das hier vorgestellte Python-Programm nicht als
+ Prototyp einer zukünftigen Softwarelösung misszuverstehen, sondern wird nur im
+ Kontext dieses Artikels verwendet, um die Analysen durchzuführen, und zu
+ Dokumentationszwecken auf meinem <ref
+ target="https://github.com/thomjur/zfdg_website_scraper">GitHub Account</ref>
+ bereitgestellt.<note type="footnote"> <ref type="bibliography" target="#jurczyk_zfdg_2021">Jurczyk 2021a</ref>.</note>
+ </p>
+ </div>
+ <div type="chapter">
+ <head>3. Methode und Implementierung</head>
+ <p>Die Methode der (teil-)automatisierten Analyse multimodaler Strukturen von
+ Webseiten besteht aus folgenden Schritten, die in Form eines in Python
+ geschriebenen Programms implementiert und ausgeführt werden.<note type="footnote">
+ Siehe das <ref target="https://github.com/thomjur/zfdg_website_scraper">GitHub
+ Repository</ref>, <ref type="bibliography" target="#jurczyk_zfdg_2021">Jurczyk 2021a</ref>.</note>
+ </p>
+ <p>Die hier vorgeschlagene Methode zur Analyse der Multimodalität von Webseiten
+ beschränkt sich auf die Startseiten der Webseiten (sogenannte <hi rend="italic"
+ >landing pages</hi>). Eine solche Beschränkung ist sinnvoll, weil sie nicht nur
+ die Operationalisierbarkeit stark vereinfacht, sondern in Anlehnung an die
+ Sehflächen aus dem Bereich der Bildlinguistik<note type="footnote"> Vgl. <ref type="bibliography" target="#meer_einfuehrung_2019">Meer /
+ Pick 2019</ref>, S. 59f.</note> den Schwerpunkt der Analysen auf den multimodalen
+ Ersteindruck der Seiten legt. Es geht also nicht darum, die Komplexität einzelner
+ Webseiten unter Einbezug ihrer Unterseiten und deren multimodaler Struktur zu
+ untersuchen, sondern den Bereich in den Fokus zu stellen, der sich den
+ Nutzer*innen beim erstmaligen Betreten der Seite eröffnet. </p>
+ <p>Weil diese Art der Erstwahrnehmung der Webseiten wiederum stark von den
+ verwendeten Endgeräten abhängt, mit denen sie geöffnet werden, ist es wichtig, zu
+ Beginn die Analysemodalitäten anzugeben. Die folgenden Untersuchungen wurden mit
+ einem Desktop Computer auf einem relativ großen Bildschirm durchgeführt (32 Zoll
+ Bildschirmdiagonale). Somit muss während des Nachvollzugs der hier vorgenommenen
+ Auswertungen beachtet werden, dass sich die multimodalen Strukturen der Webseiten
+ bei der Verwendung anderer Endgeräte (beispielsweise Mobiltelefone) durchaus von
+ denen auf dem hier verwendeten Desktop Computer unterscheiden können.</p>
+ <p>Die Definition der ersten Wahrnehmungsebene einer Sehfläche aus der Bildlinguistik
+ wird in diesem Artikel dahingehend ausgeweitet, dass der automatisiert zu
+ untersuchende Bereich den gesamten Inhalt der Startseiten einbezieht. Diese
+ Entscheidung wurde getroffen, weil eine Beschränkung auf den beim Öffnen der
+ Webseiten sichtbaren Bereich, der im Browser dargestellt wird (und der meist
+ deutlich kleiner ist als der Bereich der gesamten Startseite), nur schwer
+ automatisiert vorzunehmen ist und von Bildschirm zu Bildschirm (beziehungsweise
+ Fenstergröße zu Fenstergröße) unterschiedlich ausfallen kann. Somit bezieht die
+ automatisierte Analyse nicht nur den anfänglichen Moment des Öffnens der Seite mit
+ ein, sondern inkludiert auch das Scrollen und somit die Wahrnehmung der gesamten
+ Startseite, was zwar über den Moment des Ersteindrucks hinausgeht, aber den
+ multimodalen Charakter der Webseite dafür adäquater repräsentiert.</p>
+ <p>Die Methode lässt sich in drei Schritte unterteilen: 1) Corpuserstellung, 2)
+ Datensammlung und -aufbereitung sowie 3) Analyse. Die ersten beiden Schritte der
+ Corpuserstellung und der Sammlung sowie Aufbereitung der multimodalen Daten müssen
+ dabei nur einmal durchgeführt werden, um das Corpus zu initialisieren. Eine
+ erneute Initialisierung des Corpus ist nur dann notwendig, wenn es sich ändert,
+ beispielsweise durch das Hinzufügen weiterer Webseiten, oder eine aktuelle Version
+ der Daten benötigt wird.</p>
+ <p>Diese drei Schritte werden im Folgenden detailliert diskutiert und anhand einer
+ exemplarischen Implementierung in Python umgesetzt.</p>
+ <div type="subchapter">
+ <head>3.1 Corpuserstellung</head>
+ <p>Der erste Schritt besteht aus der Erstellung eines Webseiten-Corpus mit den zu
+ untersuchenden Webseiten. Das Corpus muss in der hier vorzustellenden
+ Realisierung von den Nutzer*innen als CSV-Datei (›websites.csv‹) im Ordner des
+ Programms angelegt werden. Im Kontext dieses Artikels enthält die betreffende
+ CSV-Datei die folgenden drei Spalten:<note type="footnote"> Wie bereits
+ angemerkt, erfolgt die Auswertung unabhängig von den Domänen und Typen.
+ Diese können also in einer anderen Implementierung durchaus weggelassen
+ werden, ohne dass das eigentliche Verfahren davon beeinflusst würde. Sie
+ wurden in diesem Artikel hinzugefügt, um die zweite Forschungsfrage (siehe
+ Einleitung <ref type="intern" target="#hd2">Kapitel 2</ref>) besser
+ beantworten zu können.</note>
+ </p>
+ <table xml:id="multimodalitaet_2021_t1">
+ <row>
+ <cell>
+ <hi rend="bold">URL</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Domäne</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Typen nach Meier</hi>
+ </cell>
+ </row>
+ <row>
+ <cell>https://marginalie.hypotheses.org/</cell>
+ <cell>UNI</cell>
+ <cell>News</cell>
+ </row>
+ <trailer><ref type="intern" target="#tab1">Tab. 1</ref>: Beispiel eines Eintrags einer Webseite in der
+ Datei ›websites.csv‹. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t1"/></trailer>
+ </table>
+
+ <p>Die erste Spalte enthält die URLs der Webseiten, die zweite deren
+ gesellschaftliche Domäne (in der hier gezeigten Zeile UNI für <term
+ type="figure">Universität</term>)<note type="footnote"> Die
+ gesellschaftlichen Domänen sind <term type="figure">Universität /
+ Wissenschaft</term> (UNI), <term type="figure">Politik</term> (POL),
+ <term type="figure">Religion</term> (REL), <term type="figure"
+ >Unterhaltung</term> (ENT), <term type="figure">Wirtschaft</term> (ECO)
+ sowie <term type="figure">Journalismus</term> (JOU) und wurden aus der
+ Sichtung des Materials induktiv generiert. Diese können bei Erweiterung des
+ Datensatzes natürlich ebenfalls erweitert werden, beispielsweise durch <term
+ type="figure">Kunst</term> (ART) oder einer allgemeineren Kategorie <term
+ type="figure">Bildung</term> (EDU).</note> und die Einordnung der
+ Webseite nach den von Stefan Meier<note type="footnote"> Vgl. <ref type="bibliography" target="#meier_websites_2016">Meier 2016</ref>, S.
+ 429f.</note> vorgeschlagenen Webseiten-Typen in:</p>
+ <list type="unordered">
+ <item>Newsorientierte Webseiten</item>
+ <item>Imageorientierte Webseiten</item>
+ <item>Kampagnenorientierte Webseiten</item>
+ <item>Plattformorientierte Webseiten</item>
+ </list>
+ <p>Die URLs aus der Datei ›websites.csv‹ werden in das in Python geschriebene und
+ mit einem <bibl>
+ <title type="desc">Jupyter Notebook</title>
+ </bibl> ausgeführte Programm geladen.</p>
+ <list type="ordered">
+ <item> <code>from scraper import Corpus  </code></item>
+
+ <item><code> Â Â </code></item>
+
+ <item><code>cp = Corpus()  </code></item>
+
+ <item><code>cp.initCorpus()Â Â </code></item>
+ </list>
+ <p>Hierzu wird die Corpus-Klasse importiert und als Corpus-Objekt initialisiert.
+ Das Corpus wird daraufhin mit der Methode <code>initCorpus()</code>
+ initialisiert. Es reicht aus, das Corpus einmal zu initialisieren. Eine erneute
+ Initialisierung ist nur dann notwendig, wenn das Corpus verändert wurde oder
+ wenn die Nutzer*innen es für sinnvoll erachten, die Daten neu zu erheben.
+ Entsprechend muss dieser Teil des Programms nur einmal ausgeführt werden.</p>
+ <p>Die <code>initCorpus()</code>-Methode iteriert über die in ›websites.csv‹
+ befindlichen URLs und öffnet diese mit <bibl>
+ <title type="desc">Selenium</title>
+ </bibl>
+ <note type="footnote"> Bei Selenium handelt es sich hier um ein Framework, das
+ eine automatisierte Steuerung verschiedener Browser ermöglicht. Vgl. auch
+ die offizielle Webseite unter <ref target="https://www.selenium.dev/"
+ >SeleniumHQ Browser Automation</ref>. </note> in einem Browserfenster auf
+ Bildschirmgröße.<note type="footnote"> Im Falle der hier vorgestellten
+ Implementierung wird der <bibl>
+ <title type="desc">Edge Browser</title>
+ </bibl> verwendet.</note> Die User*innen sind daraufhin aufgefordert,
+ etwaige aufpoppende Banner beziehungsweise Abfragen manuell zu bestätigen.
+ Sobald dies erledigt ist, kann via Tastendruck das Speichern des Codes der
+ Webseite im <bibl>
+ <title type="desc">Jupyter Notebook</title>
+ </bibl> bestätigt werden. Nachdem automatisiert bis zum Ende der Webseite
+ gescrollt wurde,<note type="footnote"> Dies ist notwendig, falls gewisse
+ Bereiche der Seite erst nach und nach geladen werden, sobald diese von den
+ User*innen erreicht werden.</note> speichert das Programm für jede Seite den
+ beim Aufruf der Webseite aktuellen HTML-Code in einem separaten Ordner namens
+ ›CorpusData‹. Der Ordner enthält neben dem HTML-Code außerdem eine
+ automatisiert erstellte Text-Datei, die allgemeine Informationen wie Zeitpunkt
+ der Corpus-Initialisierung und die Anzahl der Webseiten enthält. Die
+ gespeicherten Daten dienen erstens der Dokumentation und werden zweitens im
+ weiteren Programmverlauf für die Extraktion bestimmter multimodaler
+ Eigenschaften wie der verwendeten Textmenge genutzt. Wenn das Corpus neu
+ initialisiert wird, werden alle Daten im Ordner ›CorpusData‹ überschrieben.</p>
+ <p>Warum wird dieser Vorgang lediglich teil- und nicht vollautomatisiert
+ durchgeführt? Der Hauptgrund hierfür liegt im Anspruch des Programms, sehr
+ diverse Webseiten in das Corpus aufnehmen und analysieren zu können. Komplexe
+ Seiten, die Inhalte dynamisch nachladen oder überhaupt erst durch eine
+ Bestätigung der User*innen aufgerufen werden können,<note type="footnote">
+ Beispielsweise, weil zuerst von den Nutzer*innen Einverständniserklärungen
+ zur Nutzung von Cookies usw. abgegeben werden müssen.</note> sind nur sehr
+ schwer ohne Kenntnisse des Webseitenaufbaus automatisiert abrufbar. <bibl>
+ <title type="desc">Selenium</title>
+ </bibl> wird in diesem Artikel gegenüber anderen Bibliotheken wie requests der
+ Vorzug gegeben, weil mit <bibl>
+ <title type="desc">Selenium</title>
+ </bibl> die Webseiten in einem Browser geöffnet werden, was das
+ Erscheinungsbild, wie es sich auch den User*innen beim Aufruf der Seite
+ offenbart, akkurat widerspiegelt. Dieser Aspekt ist für die Analyse
+ multimodaler Strukturen äußerst wichtig, da sich beispielsweise die
+ Darstellungen von Bildern abhängig von dem genutzten Device und der
+ Fenstergröße stark unterscheiden können.</p>
+ </div>
+ <div type="subchapter">
+ <head>3.2 Bilder, Videos und Texte</head>
+ <p>Nachdem das Corpus initialisiert wurde, muss im nächsten Schritt die
+ <code>DataPreparation()</code>-Klasse importiert werden. Diese Klasse dient
+ dazu, um mit Hilfe der Methoden <code>getImages()</code> und
+ <code>createAnalyzerDict()</code> eine Datei zu erstellen, die alle
+ notwendigen Informationen über den multimodalen Aufbau der Webseiten aus dem
+ Webseiten-Sample enthält (diese Datei wird als ›merged_data_dict.pickle‹ in
+ demselben Verzeichnis wie das <bibl>
+ <title type="desc">Jupyter Notebook</title>
+ </bibl> gespeichert). Ähnlich wie im Falle der Corpus-Initialisierung ist es
+ ausreichend, diese Analyse einmalig für jedes Corpus durchzuführen. </p>
+ <list type="ordered">
+ <item>
+ <code>from data_preparation import DataPreparation  </code>
+ </item>
+ <item> </item>
+ <item>
+ <code>dp = DataPreparation()</code>
+ </item>
+ <item>
+ <code>dp.getImages()</code>
+ </item>
+ <item>
+ <code>data_dict = dp.createAnalyzerDict()</code>
+ </item></list>
+ <p>Genau wie im ersten Schritt der Corpus-Initialisierung arbeitet die
+ <code>getImages()</code>-Methode ebenfalls mit <bibl>
+ <title type="desc">Selenium</title>
+ </bibl> und erfordert die manuelle Bestätigung der User*innen. Die
+ <code>getimages()</code>-Methode ruft die einzelnen Webseiten auf und
+ speichert die Bild- und Videoinformationen in einem Byte-File
+ (›image_data.pickle‹). Die Datei ›image_data.pickle‹ muss solange nicht neu
+ erzeugt werden, wie sich das Corpus nicht ändert oder die Daten veraltet sind.
+ Der Vorteil in der Nutzung von <bibl>
+ <title type="desc">Selenium</title>
+ </bibl> liegt erneut darin, dass mit <bibl>
+ <title type="desc">Selenium</title>
+ </bibl> die Maße der aktuellen Darstellung eines Bildes beziehungsweise Videos
+ im Browser abgefragt werden können. Somit erlaubt die Nutzung von <bibl>
+ <title type="desc">Selenium</title>
+ </bibl> die Erstellung einer präzisen Momentaufnahme der multimodalen Struktur
+ einer Webseite.</p>
+ <p>Im abschließenden Schritt des Aufrufs der <code>createAnalyzerDict()</code>-Methode wird das für die Analyse zentrale ›merged_data_dict.pickle‹ erstellt.
+ Die Generierung der in dieser Datei enthaltenen Informationen werden
+ vollautomatisiert und auf Basis der in den vorangegangenen Schritten
+ gesammelten Daten durchgeführt. Die Datei ›merged_data_dict.pickle‹ enthält die
+ folgenden Informationen (im Datenformat eines Python Dictionary):</p>
+ <list type="unordered">
+ <item>Anzahl der Bilder auf der Webseite<note type="footnote"> SVG-Dateien
+ wurden bewusst nicht mitgezählt, da diese häufig lediglich für sehr
+ kleine graphische Elemente genutzt werden und damit möglicherweise ein
+ fälschliches Bild der Gesamtzahl an Bildern auf einer Webseite
+ vermitteln.</note>
+ </item>
+ <item>Anzahl der großen, mittleren, kleinen und sehr kleinen Bilder<note
+ type="footnote"> Groß: Größer als 700px (Höhe oder Breite). Mittel:
+ Größer als 348px (Höhe oder Breite). Klein: Größer als 35px (Höhe oder
+ Breite). Sehr klein: Größer als 1px (Höhe oder Breite).</note>
+ </item>
+ <item>Anzahl der Hintergrundbilder</item>
+ <item>Anzahl der Videos<note type="footnote"> Hier wurden nur die auf der Seite
+ befindlichen Video-Tags gezählt und analysiert. Es gibt Webseiten, auf
+ denen Videos anders integriert sind – zumeist werden diese dann aber auch
+ nicht live auf der Seite abgespielt, sondern sind als Links
+ implementiert.</note>
+ </item>
+ <item>Anzahl der großen und kleinen Videos<note type="footnote"> Groß: Größer
+ als 700px (Höhe oder Breite). Alle anderen Videos werden als ›klein‹
+ deklariert.</note>
+ </item>
+ <item>Die Gesamtlänge textlicher Elemente auf der Seite<note type="footnote">
+ Genauso wie die meisten anderen Abfragen ist auch dieser Wert mit
+ Vorsicht zu behandeln, da nicht immer zuverlässig feststellbar ist,
+ welche Texte wirklich für die Nutzer*innen sichtbar sind. Manche sind
+ eventuell in ausklappbaren Menüs versteckt. Für die Details, welche
+ Maßnahmen getroffen wurden, um möglichst nur den dargestellten Text
+ einzubeziehen, verweise ich auf den Code in meinem <ref
+ target="https://github.com/thomjur/zfdg_website_scraper">GitHub
+ Repository</ref>.</note>
+ </item>
+ <item>Die Anzahl der Ãœberschriften</item>
+ <item>Die Anzahl der Hyperlinks</item>
+ <item>Die Anzahl der internen Hyperlinks</item>
+ <item>Die Anzahl der externen Hyperlinks</item>
+ </list>
+ <p>Darüber hinaus enthält die Datei zu Dokumentationszwecken und für die weitere
+ Analyse die vollständigen Daten, darunter die URLs zu den Bildern und Videos,
+ die Domänen und Webseiten-Typen, sowie den kompletten Text der Webseiten,
+ welcher der Berechnung der Textlänge zugrunde liegt.</p>
+ </div>
+ <div type="subchapter">
+ <head>3.3 Analyse</head>
+ <p>Der Analyseteil der hier vorzustellenden Methode wurde in der Datei
+ ›analyzer.py‹ realisiert. Die Analyse basiert auf einem <term type="dh"
+ >k-Means-Clustering</term>, das es erlaubt, die Datensätze auf Basis ihrer
+ <term type="dh">Features</term>
+ <note type="footnote"> Unter Features versteht man im Kontext des maschinellen
+ Lernens die Eigenschaften oder Attribute, die für bestimmte Phänomene erhoben
+ werden (hier also Anzahl der Bilder, Textlänge, Anzahl Videos etc.), und deren
+ konkrete Werte (also zum Beispiel 10 Bilder, 2.540 Wörter, 2 Videos etc.) in
+ der Analyse genutzt werden. Die Begrifflichkeiten werden allerdings nicht immer
+ einheitlich verwendet. Vgl. <ref type="bibliography" target="#geron_learning_2019">Géron 2019</ref>, S. 8.</note> zu Gruppen mit ähnlichen
+ Eigenschaften zusammenzufassen.<note type="footnote"> Ein weiteres Beispiel, in
+ dem k-Means-Clustering für die Analyse von Multimodalität verwendet wurde,
+ findet sich in <ref type="bibliography" target="#ohalloran_analytics_2017">O'Halloran et al. 2017</ref>. Zur Funktionsweise von
+ k-Means-Clustering vgl. u. a. <ref type="bibliography" target="#geron_learning_2019">Géron 2019</ref> und mein Clustering Tutorial
+ »Clustering with Scikit-Learn« auf der Webseite <ref
+ target="https://programminghistorian.org/en/">The Programming
+ Historian</ref>, <ref type="bibliography" target="#jurczyk_clustering_2021">Jurczyk 2021b</ref>.</note> Die Klasse
+ <code>Analyzer()</code> arbeitet mit den Daten, die während des
+ vorangegangen Schrittes in der Datei ›merged_data_dict.pickle‹ abgespeichert
+ wurden. Auf Basis der in ›merged_data_dict.pickle‹ vorhandenen Daten generiert
+ die Klasse <code>Analyzer()</code> außerdem folgende relationale Werte:</p>
+ <p>Jeweils das Verhältnis zwischen großen / mittleren / kleinen / sehr kleinen
+ Bildern und der Gesamtzahl der Bilder auf einer Webseite</p>
+ <list type="unordered">
+ <item>Das Verhältnis zwischen der Gesamtzahl der Bilder auf einer Webseite und
+ der Textlänge</item>
+ <item>Das Verhältnis zwischen großen und mittleren Bildern und der
+ Textlänge</item>
+ <item>Das Verhältnis zwischen internen und externen Links</item>
+ <item>Das Verhältnis zwischen der Anzahl der Überschriften und der
+ Textlänge</item>
+ </list>
+ <p>Der Ablauf der Analyse besteht aus folgenden Schritten:</p>
+ <list type="ordered">
+ <item>In einem ersten Schritt werden die in die Analyse einzubeziehenden
+ Features festgelegt. Standardmäßig sind alle Features ausgewählt. Die
+ Auswahl der Features geschieht über die Methode
+ <code>setColumnSelection()</code>. Die aktuell ausgewählten Features
+ können mit der Methode <code>getColumnSelection()</code> abgerufen
+ werden.</item>
+ <item>Der zweite Schritt besteht in der Standardisierung der Daten mit Hilfe
+ der scikit-learn <code>StandardScaler()</code>-Klasse, die eine
+ Standardisierung der Daten durch Berechnung der <term type="dh"
+ >z-scores</term> ermöglicht.<note type="footnote"> Für die Details der
+ Klasse und Implementierung vgl. die offizielle scikit-learn-Dokumentation
+ auf <ref target="https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html">Sklearn.preprocessing.StandardScaler</ref>, <ref type="bibliography" target="#sklearn_preprocessing_2007">scikit-learn developers (Hg.) 2007</ref>.</note> Obwohl dieser
+ Schritt optional ist und die Analyse auch mit den nicht standardisierten
+ Daten erfolgen kann, ist eine solche Standardisierung anzuraten, weil es
+ ansonsten zu Cluster-Bildungen während der Analyse kommen kann, die vor
+ allem aus den unterschiedlichen Scales zwischen den Features
+ resultieren.<note type="footnote"> Beispielsweise kann es passieren, dass
+ Unterschiede in den Textlängen aufgrund ihrer größeren Differenz
+ plötzlich deutlich ausschlaggebender für die Clusterbildung werden als
+ Unterschiede in der Anzahl der Bilder, obwohl letzteres Feature für das
+ multimodale Arrangement der Webseiten vielleicht deutlich wichtiger ist
+ als die absolute Differenz in der Textmenge. </note>
+ </item>
+ <item>Anschließend können die ausgewählten (standardisierten) Features mit der
+ Methode <code>clusterDataKMeans()</code> analysiert werden. Hierbei ist es
+ möglich, der Methode die Anzahl k der gewünschten Cluster zu übergeben (der
+ <hi rend="italic">default</hi>-Wert ist k=3). Die Methode visualisiert
+ anschließend tabellarisch die Zuordnung der Webseiten zu den einzelnen
+ Clustern innerhalb des <bibl>
+ <title type="desc">Jupyter Notebook</title>
+ </bibl>.</item>
+ <item>Mit der Methode <code>createElbowPlot()</code> ist es außerdem möglich,
+ sich auf Basis der <hi rend="italic">inertia</hi> des Clustering-Algorithmus
+ einen sogenannten ›Elbow-Plot‹ anzeigen zu lassen, der dabei helfen kann,
+ die adäquate Anzahl von Clustern für den Datensatz und die gewählte
+ Feature-Auswahl zu ermitteln. Die ideale Anzahl der Cluster lässt sich
+ dadurch ermitteln, das in dem Plot nach der Anzahl k-Cluster gesucht wird
+ (X-Achse), bei der die Kurve des Plots einen Knick hat und merklich
+ abflacht.<note type="footnote"> Genauere Erläuterungen zu dieser Methode
+ der Ermittlung der Anzahl an k-Clustern für einen Datensatz finden sich
+ in <ref type="bibliography" target="#geron_learning_2019">Géron 2019</ref>, S. 245f. und in dem bereits erwähnten Tutorial ›Clustering
+ with Scikit-Learn‹ auf der Webseite <ref
+ target="https://programminghistorian.org/en/">The Programming
+ Historian</ref>, <ref type="bibliography" target="#jurczyk_clustering_2021">Jurczyk 2021b</ref>. Es sei an dieser Stelle erwähnt, dass neben den sogenannten
+ ›Elbow-Plots‹ weitere Verfahren wie die Analyse der Silhouette Scores
+ existieren, die ebenfalls dazu beitragen können, eine adäquate Anzahl
+ k-Cluster für einen Datensatz zu ermitteln. Im Falle einer Ausweitung des
+ zu untersuchenden Webseiten-Corpus bzw. der Ausarbeitung der hier
+ vorgeschlagenen Methode wäre es entsprechend sinnvoll, diese Verfahren
+ ebenfalls einzubinden. Dies ist aus Gründen des Umfangs und aus der
+ Tatsache heraus, dass die ›Elbow-Plots‹ im Kontext des hier zu
+ betrachtenden Corpus bereits gute Ergebnisse geliefert haben, noch nicht
+ geschehen.</note>
+ </item>
+ <item>Anschließend erlaubt es die Methode
+ <code>getScreenshotsFromClusters()</code> Screenshots von den in den
+ jeweiligen Clustern enthaltenen Webseiten zu erstellen und diese in
+ separaten Ordnern abzuspeichern. Die Screenshots werden dabei wie in <ref
+ type="intern" target="#hd4">Kapitel 3.1</ref> teilautomatisiert mit <bibl>
+ <title type="desc">Selenium</title>
+ </bibl> erstellt, wobei die User*innen dazu aufgefordert sind, etwaige
+ erscheinende Warnungen und Abfragen manuell zu entfernen. Die Sammlung von
+ Screenshots kann dazu dienen, die Cluster-Bildungen manuell visuell
+ nachzuvollziehen, indem die multimodalen Strukturen der Webseiten innerhalb
+ eines Clusters von den Nutzer*innen manuell miteinander verglichen
+ werden.<note type="footnote"> Wobei die Einbindung von Videoelementen nur
+ schwer darstellbar ist.</note>
+ </item>
+ </list>
+ <p>Der Code zur Realisierung der hier beschriebenen Analyse sieht in der hier
+ vorgestellten Implementierung wie folgt aus:</p>
+ <list type="ordered">
+ <item><code>from analyzer import Analyzer</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># Initialisierung des Analyzer() Objekts</code>
+ </item>
+ <item>
+ <code>ana = Analyzer()</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># Übersicht über die default Spalten</code>
+ </item>
+ <item>
+ <code>ana.getColumnSelection()</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># In diesem Beispiel wird sich auf die Analyse der Textlänge ('total_length') und der Bildanzahl beschränkt ('total_images')</code>
+ </item>
+ <item>
+ <code>ana.setColumnSelection(['total_length', 'total_images'])</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># Reduzierung des DataFrames auf die ausgewählten Spalten via Indexing mit pandas</code>
+ </item>
+ <item>
+ <code>df_small = ana.data_df[ana.column_selection]</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># Standardisierung der Daten</code>
+ </item>
+ <item>
+ <code>standardized_data = ana.standardizeData(df_small)</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># Clustering (k=3)</code>
+ </item>
+ <item>
+ <code>clustered_data = ana.clusterDataKMeans(standardized_data)</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># Optional: Ermittlung Anzahl k-Clusters für die Analyse (danach evtl. erneut clustern)</code>
+ </item>
+ <item>
+ <code>ana.createElbowPlot(clustered_data)</code>
+ </item>
+ <item> </item>
+ <item>
+ <code># Screenshots der Webseiten in den jeweiligen Clustern</code>
+ </item>
+ <item>
+ <code>ana.getScreenshotsFromClusters(clustered_data)</code>
+ </item>
+ </list>
+ <p>Die auf diese Weise entstandenen Cluster können nun von den User*innen dazu
+ genutzt werden, weitere Untersuchungen durchzuführen, wobei ein erster Schritt
+ darin bestehen sollte, sich einen Überblick über die jeweils in den Clustern
+ befindlichen Webseiten zu verschaffen und sich mit den dieser Einteilung
+ zugrunde liegenden Werten, die von den für die Analyse ausgewählten Features
+ abhängen, vertraut zu machen. Die so entstandenen Cluster können außerdem für
+ Fragestellungen wie die nach dem Zusammenhang zwischen Webseiten-Typen,
+ gesellschaftlicher Domäne und der multimodalen Struktur genutzt werden.</p>
+ <p>Die hier vorgestellte Methode und Implementierung sollen im Folgenden anhand
+ eines ausgewählten Webseiten-Samples und dessen Analyse exemplifiziert
+ werden.</p>
+ </div>
+ </div>
+ <div type="chapter">
+ <head>4. Analyse eines Webseiten-Samples</head>
+
+ <p>Das in diesem Artikel verwendete Webseiten-Sample ist verhältnismäßig klein
+ gewählt, um eine Überprüfung der Analyseergebnisse zu gewährleisten. Prinzipiell
+ ist die Größe des Webseiten-Samples nicht limitiert. Es muss jedoch in die
+ Überlegungen während der Corpus-Erstellung mit einbezogen werden, dass zumindest
+ in der hier verwendeten Implementierung ein manuelles Eingreifen der User*innen an
+ zahlreichen Stellen notwendig ist. Eine zukünftig zu entwickelnde Verbesserung des
+ Programms könnte jedoch versuchen, den derzeit notwendigen manuellen Teil
+ ebenfalls zu automatisieren oder zumindest stark zu reduzieren. Auch ist erneut
+ darauf hinzuweisen, dass die hier vorgestellte Methode eher ergänzenden Charakter
+ hat und als Vorstufe einer zusätzlichen qualitativen Überprüfung oder Fortsetzung
+ der Analyse anzusehen ist. Eine qualitativ-manuelle Überprüfung ist ebenfalls ab
+ einer bestimmten Größe des Datensatzes nur noch schwer möglich.</p>
+ <p>Bei der Auswahl der Webseiten wurde darauf geachtet, Webseiten aus möglichst
+ diversen gesellschaftlichen Domänen sowie verschiedener Webseiten-Typen nach Meier
+ (siehe <ref type="intern" target="#hd4">Kapitel 3.1</ref>) miteinander zu
+ kombinieren. Dies soll dabei helfen, die eingangs aufgeworfene Frage zu
+ untersuchen, ob sich Webseiten aus derselben gesellschaftlichen Domäne
+ beziehungsweise solche desselben Webseiten-Typs hinsichtlich ihres multimodalen
+ Arrangements ähneln. Da die Startseiten von sozialen Netzwerken wie Facebook oder
+ Twitter zumeist das Einloggen der User*innen erfordern und kampagnenorientierte
+ Webseiten nicht immer leicht von imageorientierten Webseiten zu unterscheiden
+ sind, wurde die Auswahl der Webseiten-Typen der Einfachheit halber in dieser
+ Analyse auf die zwei Typen der newsorientierten und imageorientierten Webseiten
+ beschränkt. Eine spätere Integration der beiden anderen Typen kann jedoch leicht
+ nachträglich vorgenommen werden und wäre für eine Ausweitung der in diesem Artikel
+ beispielhaft behandelten Fragestellung interessant.</p>
+ <div type="subchapter">
+ <head>4.1 Das Webseiten-Sample und Corpus-Erstellung</head>
+
+ <p>Das in diesem Artikel gewählte Webseiten-Corpus enthält die folgenden zwanzig
+ Webseiten:</p>
+ <table xml:id="multimodalitaet_2021_t2">
+ <row>
+ <cell>
+ <hi rend="bold">URL</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">DOMAIN</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">TYPE</hi>
+ </cell>
+ </row>
+ <row>
+ <cell>https://marginalie.hypotheses.org/</cell>
+ <cell>UNI</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://www.ruhr-uni-bochum.de/de</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.uni-bielefeld.de/</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.faz.net/</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://www.heise.de/</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://www.nytimes.com/</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://netzpolitik.org/</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://www.nike.com/</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.adidas.com/</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.volkswagen.de/</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.lufthansa.com/</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.ekd.de/</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://ditib.de/</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.katholisch.de/</cell>
+ <cell>REL</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://www.gamestar.de/</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://www.prosieben.de/</cell>
+ <cell>ENT</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://de.ign.com/</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>https://www.spd.de/</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.cdu.de/</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>https://www.fdp.de/</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <trailer><ref type="intern" target="#tab2">Tab. 2</ref>: Das zu untersuchende Webseiten-Sample.
+ katholisch.de wurde als News-Webseite charakterisiert, da es sich der
+ Selbstbeschreibung nach um eine (katholische) Nachrichtenseite handelt, die
+ besonders auf tagesaktuelle Neuigkeiten fokussiert ist. Siehe für diese
+ problematische Einteilung auch das <ref type="intern" target="#hd13"
+ >Kapitel 4.2.4</ref>). [Jurczyk 2021]<ref
+ type="graphic" target="#multimodalitaet_2021_t2"/></trailer>
+ </table>
+ <p>In einem ersten Schritt wird das Corpus wie in <ref type="intern" target="#hd4"
+ >Kapitel 3.1</ref> beschrieben initialisiert.<note type="footnote"> Die im
+ Folgenden beschriebenen Daten basieren auf den Corpus-Webseiten, die am
+ 15.02.2021 initialisiert wurden. Siehe auch die Datei ›info.txt‹ im
+ entsprechenden Ordner des <ref
+ target="https://github.com/thomjur/zfdg_website_scraper">GitHub
+ Repository</ref>.</note> Daraufhin werden die Bilder und Videos der
+ einzelnen Webseiten mit Hilfe der <code>DataPreparation()</code>-Klasse
+ analysiert und die so gewonnen Daten in ›merged_data_dict.pickle‹ gespeichert
+ (siehe <ref type="intern" target="#hd5">Kapitel 3.2</ref>).</p></div>
+ <div type="subchapter">
+ <head>4.2 Analyse</head>
+ <p>Die Analyse mit Hilfe der <code>Analyzer()</code>-Klasse wird mit
+ unterschiedlichen Selektionen der Features der Corpus-Webseiten durchgeführt,
+ wobei alle Features zuerst via z-score standardisiert werden (siehe <ref
+ type="intern" target="#hd6">Kapitel 3.3</ref>):</p>
+ <list type="ordered">
+ <item>In einem ersten Schritt werden alle erhobenen Features in die Analyse
+ einbezogen (Vollständige Features; vgl. auch die Übersicht der Features in
+ <ref type="intern" target="#hd5">Kapitel 3.2</ref>)</item>
+ <item>In einem zweiten Schritt werden nur die Bild- und Video-Features als
+ Basis für das Clustering genutzt (Bild- und Video-Features)<note
+ type="footnote"> In die Analyse einbezogen werden die folgenden Features:
+ Hintergrundbilder, Bilder gesamt, große / mittlere / kleine / sehr kleine
+ Bilder, Verhältnisse zwischen großen / mittleren / kleinen / sehr kleinen
+ Bildern und der Gesamtzahl der Bilder, Anzahl großer und kleiner
+ Videos.</note>
+ </item>
+ <item>In einem dritten Schritt werden nur die Textlänge sowie die Anzahl der
+ Ãœberschriften einbezogen (Text-Features)</item>
+ <item>Der letzte Schritt enthält eine Kombination der Text-, Video- und
+ Bild-Features (Text- und Bild-Features)<note type="footnote"> In die Analyse
+ einbezogen werden die folgenden Features: Verhältnisse zwischen
+ Gesamtzahl der Bilder und der Textlänge sowie zwischen großen und
+ mittleren Bildern und der Textlänge. Außerdem wurde die Anzahl der großen
+ und kleinen Videos einbezogen.</note>
+ </item>
+ </list>
+ <p>Im Folgenden sollen die im Kontext der jeweilig ausgewählten Features
+ entstandenen Cluster vorgestellt und diskutiert werden. Dabei geht es während
+ der Besprechung zum einen darum, wie nachvollziehbar die Cluster in Bezug auf
+ das multimodale Erscheinungsbild der Webseiten sind. Als Vergleichswerte werden
+ die manuell vom Autor des Artikels aufgerufenen Webseiten und die angelegten
+ Screenshot-Sammlungen herangezogen und qualitativ analysiert. Zum anderen
+ sollen auch die anderen beiden Kategorien (Domänen und Webseiten-Typen) mit in
+ die Diskussion einbezogen werden, indem gefragt wird, inwieweit sich auch hier
+ Clusterbildungen erkennen lassen, die mit der Einteilung auf Basis der
+ multimodalen Features der Seiten korrelieren.</p>
+ <p>Jede Teilanalyse beginnt mit der Erstellung eines ›Elbow-Plot‹, um einen
+ Eindruck von der potentiell ›richtigen‹ Auswahl an Clustern zu erlangen.
+ Getestet werden dabei k-Means Durchläufe mit k-Werten zwischen zwei und acht.
+ Anschließend werden die Daten mit dem aus der Analyse des ›Elbow-Plot‹
+ resultierenden k-Wert mit einem k-Means-Clustering gruppiert und die Ergebnisse
+ wie oben beschrieben besprochen. </p></div>
+ <div type="subchapter">
+ <head>4.2.1 Vollständige Features</head>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_001"
+ url=".../medien/multimodalitaet_2021_001.png">
+ <desc>
+ <ref type="intern" target="#abb1">Abb. 1</ref>: Elbow-Plot der vollständigen
+ Feature-Auswahl. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_001"/>
+ </desc>
+ </graphic>
+ </figure>
+ <p>Wie an dem ›Elbow-Plot‹ erkennbar ist, bietet es sich im Kontext der
+ vollständigen Features an, einen möglichst hohen k-Wert für die Anzahl der
+ Cluster zu wählen. In diesem Falle wurden sieben Cluster gewählt. Die k-Means
+ Clusterbildung sieht mit k=7 Clustern wie folgt aus:</p>
+ <table xml:id="multimodalitaet_2021_t3">
+ <row>
+ <cell>
+ <hi rend="bold">URL</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Cluster</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Domäne</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Typ</hi>
+ </cell>
+ </row>
+ <row>
+ <cell>ditib.de</cell>
+ <cell>0</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>marginalie.hypotheses.org</cell>
+ <cell>0</cell>
+ <cell>UNI</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>de.ign.com</cell>
+ <cell>1</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>ekd.de</cell>
+ <cell>1</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>faz.net</cell>
+ <cell>1</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>gamestar.de</cell>
+ <cell>1</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>heise.de</cell>
+ <cell>1</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>katholisch.de</cell>
+ <cell>1</cell>
+ <cell>REL</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>netzpolitik.org</cell>
+ <cell>2</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>cdu.de</cell>
+ <cell>2</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>lufthansa.com</cell>
+ <cell>2</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>nike.com</cell>
+ <cell>2</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>spd.de</cell>
+ <cell>2</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>uni-bielefeld.de</cell>
+ <cell>2</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>volkswagen.de</cell>
+ <cell>2</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>nytimes.com</cell>
+ <cell>3</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>adidas.com</cell>
+ <cell>4</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>prosieben.de</cell>
+ <cell>5</cell>
+ <cell>ENT</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>fdp.de</cell>
+ <cell>6</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>ruhr-uni-bochum.de</cell>
+ <cell>6</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <trailer><ref type="intern" target="#tab3">Tab. 3</ref>: Tabelle mit farblich markiertem k-Means
+ Clustering des Webseiten-Samples unter Einbezug aller Features. [Jurczyk
+ 2021]<ref type="graphic" target="#multimodalitaet_2021_t3"/></trailer>
+ </table>
+ <p>Das Clustering unter Einbezug aller Features macht es auf den ersten Blick
+ schwierig, eine Struktur beziehungsweise ein Muster in der Clusterbildung zu
+ erkennen, was unter anderem durch die hohe Anzahl an Clustern für eine relativ
+ geringe Anzahl an Webseiten bedingt ist. Dies kann jedoch als Hinweis gewertet
+ werden, dass die Webseiten in der Tat relativ divers sind, was gut an den
+ Single-Webseiten-Clustern 3, 4 und 5 deutlich wird.</p>
+ <p>Neben der Feststellung, dass die Webseiten unter Einbezug aller Features
+ relativ divers sind, stechen zwei Cluster besonders hervor (Cluster 1 und
+ Cluster 2).</p>
+ <p>Cluster 1 enthält vor allem Webseiten vom Typ ›News‹, die sich allerdings über
+ ganz unterschiedliche Domänen erstrecken und von Entertainment Seiten (ign.com)
+ über klassische journalistische Angebote (faz.net) bis hin zur religiösen
+ Newsportalen (katholisch.de) reichen. Es gibt jedoch zwei Webseiten vom Typ
+ ›News‹, die nicht in Cluster 2 enthalten sind. Der erste <hi rend="italic"
+ >outlier</hi> ist die Webseite netzpolitik.org, deren multimodale Struktur
+ sich von der anderer News-Webseiten in der Form absetzt, dass netzpolitik.org
+ verhältnismäßig wenige Überschriften (netzpolitik.org: 70, faz.net: 167,
+ heise.de: 164), dafür allerdings viele große Bildern beinhaltet
+ (netzpolitik.org: 11, faz.net: 3, heise.de: 0)<note type="footnote"> Dies liegt
+ allerdings bei heise.de nur daran, dass viele der Bilder nur ganz knapp an
+ der Grenze für große Bilder (700px) gescheitert sind. </note>, was die Seite
+ zusammen mit der Anordnung der News in nur einer Spalte deutlich aufgeräumter
+ wirken lässt.<note type="footnote"> Die absoluten Werte der Features für das
+ hier verwendete Webseiten-Sample können in der CSV-Datei
+ ›data_abs_values.csv‹ im GitHub Repository nachvollzogen werden, vgl.
+ <ref type="bibliography" target="#jurczyk_zfdg_2021">Jurczyk 2021a</ref>.</note> Der zweite <hi rend="italic">outlier</hi> ist die
+ amerikanische News-Webseite nytimes.com. Diese fällt in eine gesonderte
+ Kategorie, weil nytimes.com als einzige der hier aufgeführten News-Webseiten
+ direkt abgespielte Videos auf der Startseite eingebaut hat, die sie in der Tat
+ aus multimodaler Perspektive von den anderen Seiten abhebt.</p>
+ <p>Cluster 2 enthält vor allem Webseiten vom Typ ›Image‹, die ebenfalls aus
+ verschiedenen gesellschaftlichen Bereichen stammen, wobei der Bereich der
+ ›Ökonomie‹ (ECO) dominiert. Ein Blick auf die Werte der Features zeigt, dass im
+ Falle die Webseiten vom Type ›Image‹ vor allem das Verhältnis zwischen großen
+ Bildern und der Anzahl der Gesamtbilder deutlich größer und umgekehrt das
+ Verhältnis zwischen kleinen Bildern und der Gesamtzahl der Bilder deutlich
+ kleiner ist als im Falle von Cluster 1. Auch unterscheiden sich die Webseiten
+ in Cluster 1 und Cluster 2 hinsichtlich ihrer Textmenge und Anzahl der
+ Ãœberschriften.</p>
+ <p>Zusammenfassend kann festgehalten werden, dass der Einbezug aller Features
+ bereits in ersten sinnvollen Clusterbildungen des multimodalen Arrangements
+ mündet, die insbesondere mit dem Typ der Webseiten korrelieren und unter
+ anderem zwischen Webseiten mit (wenigen) großen Bildern (imageorientierte
+ Webseiten) und Webseiten mit (vielen) kleineren Bildern und einer größeren
+ Textmenge (newsorientierte Webseiten) unterscheiden. </p></div>
+ <div type="subchapter">
+ <head>4.2.2 Bild- und Video-Features</head>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_002"
+ url=".../medien/multimodalitaet_2021_002.png">
+ <desc>
+ <ref type="intern" target="#abb2">Abb. 2</ref>: ›Elbow-Plot‹ der Bilder- und
+ Video-Feature Auswahl. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_002"/>
+ </desc>
+ </graphic>
+ </figure>
+ <p>Im Falle der Bild- und Video-Feature-Auswahl wird im ›Elbow-Plot‹ deutlich,
+ dass sich eine Clusteranzahl von k=6 für die Analyse anbietet. Ein
+ durchgeführtes k-Means-Clustering mit k=6 Clustern ergibt die folgende
+ Einteilung des Webseiten-Samples:</p>
+ <table xml:id="multimodalitaet_2021_t4">
+ <row>
+ <cell>
+ <hi rend="bold">URL</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Cluster</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Domäne</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Typ</hi>
+ </cell>
+ </row>
+ <row>
+ <cell>de.ign.com</cell>
+ <cell>0</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>ruhr-uni-bochum.de</cell>
+ <cell>1</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>fdp.de</cell>
+ <cell>1</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>adidas.com</cell>
+ <cell>1</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>ekd.de</cell>
+ <cell>1</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>faz.net</cell>
+ <cell>1</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>gamestar.de</cell>
+ <cell>1</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>heise.de</cell>
+ <cell>1</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>katholisch.de</cell>
+ <cell>1</cell>
+ <cell>REL</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>cdu.de</cell>
+ <cell>1</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>lufthansa.com</cell>
+ <cell>1</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>spd.de</cell>
+ <cell>1</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>netzpolitik.org</cell>
+ <cell>1</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>uni-bielefeld.de</cell>
+ <cell>2</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>nike.com</cell>
+ <cell>2</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>volkswagen.de</cell>
+ <cell>2</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>ditib.de</cell>
+ <cell>3</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>marginalie.hypotheses.org</cell>
+ <cell>3</cell>
+ <cell>UNI</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>prosieben.de</cell>
+ <cell>4</cell>
+ <cell>ENT</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>nytimes.com</cell>
+ <cell>5</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <trailer><ref type="intern" target="#tab4">Tab. 4</ref>: Tabelle mit farblich markiertem k-Means
+ Clustering des Webseiten-Samples unter Einbezug der Bild- und
+ Video-Features. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t4"/></trailer>
+ </table>
+ <p>Die Analyse basierend auf den Bild- und Video-Features ist in Bezug auf die
+ Domänen und Webseiten-Typen deutlich schwieriger zu interpretieren als im Falle
+ der Inklusion aller Features. Ein Blick auf die Werte der Features in der
+ Tabelle ›data_abs_values.csv‹ macht deutlich, dass die Cluster vor allem aus
+ der unterschiedlichen Verteilung von großen (Cluster 2), mittleren (Cluster 1)
+ und sehr kleinen (Cluster 0) Bildern innerhalb des Webseiten-Samples
+ resultieren. Hinzu kommt die unterschiedliche Verwendung von Videos. Durch die
+ nur sehr geringe und optisch kaum wahrnehmbare Differenz zwischen mittleren
+ Bildern, die oft nur knapp unter 700px groß sind (heise.de), und großen
+ Bildern, die teils nur knapp über 700px groß sind (netzpolitik.org), ist ein
+ Clustering auf Basis dieser Daten zumindest im Kontext dieses Webseiten-Samples
+ kaum geeignet, um das multimodale Arrangement der Webseiten zu klassifizieren.
+ Hinzu kommen <hi rend="italic">outlier</hi> wie prosieben.de. Diese
+ unterscheidet sich optisch nur geringfügig von anderen News-Webseiten, die
+ Klassifizierung in einem separaten Cluster erfolgt in diesem Falle aufgrund der
+ ausgiebigen Nutzung von Hintergrundbildern, die allerdings in
+ <code><figure></code>-Tags verwendet werden und sich dort sowohl in
+ Sachen Größe als auch Erscheinungsbild kaum von regulären Bildern
+ unterscheiden. Dies weist erneut auf die angesprochene Schwierigkeit hin,
+ diverse und idealiter unbekannte Webseiten vollautomatisiert miteinander zu
+ vergleichen. </p>
+ <p>Insgesamt ist die Einschränkung der Features auf Bilder und Videos zwar
+ geeignet, eine allgemeine Einschätzung der Distribution von Elementen zu
+ erlangen, die durch ihre vielfache Verwendung und oftmals sehr präsente
+ Positionierung auf Webseiten eine wichtige Rolle während der multimodalen
+ Zeichengenerierung spielen, aber um sie als alleinige Merkmale für das
+ Clustering heranzuziehen, scheinen sie in ihrer diversen Verwendung zumindest
+ im derzeitigen Zustand des Programms ohne eine Ausarbeitung der
+ Bildklassifizierungsstrategien während der Datengenerierung nicht geeignet.</p></div>
+ <div type="subchapter">
+ <head>4.2.3 Text-Features</head>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_003"
+ url=".../medien/multimodalitaet_2021_003.png">
+ <desc>
+ <ref type="intern" target="#abb3">Abb. 3</ref>: ›Elbow-Plot‹ der
+ Text-Feature-Auswahl. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_003"/>
+ </desc>
+ </graphic>
+ </figure>
+ <p>Im Falle der Text-Features lässt sich der ›Elbow‹ bei k=3 oder k=4 Clustern
+ erkennen, wobei in diesem Beispiel k=4 Cluster ausgewählt wurden. Das
+ k-Means-Clustering mit k=4 Clustern resultiert in der folgenden Einteilung des
+ Webseiten-Samples:</p>
+ <table xml:id="multimodalitaet_2021_t5">
+ <row>
+ <cell>
+ <hi rend="bold">URL</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Cluster</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Domäne</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Typ</hi>
+ </cell>
+ </row>
+ <row>
+ <cell>volkswagen.de</cell>
+ <cell>0</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>nike.com</cell>
+ <cell>0</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>katholisch.de</cell>
+ <cell>0</cell>
+ <cell>REL</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>gamestar.de</cell>
+ <cell>0</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>ekd.de</cell>
+ <cell>0</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>netzpolitik.org</cell>
+ <cell>0</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>marginalie.hypotheses.org</cell>
+ <cell>0</cell>
+ <cell>UNI</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>prosieben.de</cell>
+ <cell>1</cell>
+ <cell>ENT</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>nytimes.com</cell>
+ <cell>1</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>faz.net</cell>
+ <cell>2</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>heise.de</cell>
+ <cell>2</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>de.ign.com</cell>
+ <cell>2</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>ruhr-uni-bochum.de</cell>
+ <cell>3</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>fdp.de</cell>
+ <cell>3</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>adidas.com</cell>
+ <cell>3</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>cdu.de</cell>
+ <cell>3</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>lufthansa.com</cell>
+ <cell>3</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>spd.de</cell>
+ <cell>3</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>uni-bielefeld.de</cell>
+ <cell>3</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>ditib.de</cell>
+ <cell>3</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <trailer><ref type="intern" target="#tab5">Tab. 5</ref>: Tabelle mit farblich markiertem k-Means
+ Clustering des Webseiten-Samples unter Einbezug der Text-Features. [Jurczyk
+ 2021]<ref type="graphic" target="#multimodalitaet_2021_t5"/></trailer>
+ </table>
+
+ <p>Im Falle des Text-Clustering lassen sich eindeutige Trends erkennen, die vor
+ allem mit den Webseiten-Typen korrelieren (Cluster 1, Cluster 2 sowie Cluster
+ 3). Cluster 0 enthält Webseiten, die ungefähr in der Mitte liegen, was die
+ Textmenge und die Verwendung von Ãœberschriften anbetrifft. Cluster 1 umfasst
+ Webseiten, die ebenfalls eine mittlere Menge an Text umfassen, aber einen
+ ausgiebigen Gebrauch von Ãœberschriften machen. Besonders im Falle von
+ nytimes.com muss jedoch darauf aufmerksam gemacht werden, dass beispielsweise
+ die Verwendung von <code><h2></code>-Tags im unteren Bereich der Webseite
+ von der Darstellung her kaum von einem regulären Text zu unterscheiden ist,
+ weshalb nytimes.com eher in Cluster 2 einzuordnen ist.<note type="footnote">
+ Siehe auch die Diskussion in <ref type="intern" target="#hd11">Kapitel
+ 4.2.2</ref> betreffs der Verwendung von Hintergrundbildern im Falle von
+ prosieben.de. Die hier vorhandene Verwendung von Ãœberschriften-Tags, die
+ nicht wirklich als Überschriften deutlich werden, geht bezüglich ihrer
+ Problematik für die automatisierte multimodale Analyse von Webseiten in eine
+ ähnliche Richtung.</note>
+ </p>
+ <p>Cluster 2 enthält News-Webseiten, die eine große Anzahl an Wörtern und viele
+ Ãœberschriften aufweisen und die damit als Idealtypen von News-Webseiten gelten
+ können. Cluster 3 hingegen enthält Webseiten (imageorientierte Webseiten nach
+ Meier), die im Vergleich zu den anderen Webseiten eine geringe Textmenge und
+ wenige Ãœberschriften beinhalten.</p>
+ <p>Insgesamt kann das auf den Textmengen basierende Clustering als durchaus
+ sinnvoll angesehen werden, um den Typ einer Webseite zu klassifizieren. Auch
+ deuten die Unterschiede in der Verwendung von Text, trotz der offensichtlich
+ vorhandenen Schwierigkeiten (siehe nytimes.com), auch auf eine unterschiedliche
+ Verwendung eines wichtigen multimodalen Elements hin (Schrift und deren
+ verschiedentliche Verwendung, beispielsweise als Fließtext oder als
+ Ãœberschrift).</p>
+ <p>Der letzte Analyseschritt führt die Text-Features mit den Video- und
+ Bild-Features zusammen. Im Gegensatz zum ersten Analyseschritt, der alle
+ Features einbezogen hat, werden im folgenden Schritt die Hyperlinks und die
+ Hintergrundbilder ignoriert, da letztere zumindest in diesem Webseiten-Sample
+ zu falschen Aussagen geführt haben (siehe <ref type="intern" target="#hd11"
+ >Kapitel 4.2.2</ref>, Diskussion um prosieben.de) und außerdem zu fragen
+ ist, inwieweit Hyperlinks einen Einfluss auf die Erstwahrnehmung der Sehfläche
+ einer Webseite haben, deren Analyse hier im Fokus steht.</p></div>
+ <div type="subchapter">
+ <head>4.2.4 Text-, Video- und Bild-Features</head>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_004"
+ url=".../medien/multimodalitaet_2021_004.png">
+ <desc>
+ <ref type="intern" target="#abb4">Abb. 4</ref>: ›Elbow-Plot‹ der Bild-, Video- und
+ Text-Feature-Auswahl. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_004"/>
+ </desc>
+ </graphic>
+ </figure>
+ <p>Im Falle einer Kombination der Text-, Bild- und Video-Features ist die Wahl der
+ Clusteranzahl auf Basis des ›Elbow-Plot‹ erneut schwierig und erinnert an die
+ Analyse unter Einbezug aller Features in <ref type="intern" target="#hd10"
+ >Kapitel 4.2.1</ref>. In diesem Falle habe ich mich dazu entschieden, das
+ k-Means-Clustering mit k=8 Clustern durchzuführen, da ein ›Elbow‹ innerhalb des
+ Plots nur schwer erkennbar ist. Die Einteilung der Webseiten des
+ Webseiten-Samples sieht mit k=8 Clustern wie folgt aus:</p>
+ <table xml:id="multimodalitaet_2021_t6">
+ <row>
+ <cell>
+ <hi rend="bold">URL</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Cluster</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Domäne</hi>
+ </cell>
+ <cell>
+ <hi rend="bold">Typ</hi>
+ </cell>
+ </row>
+ <row>
+ <cell>nytimes.com</cell>
+ <cell>0</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>spd.de</cell>
+ <cell>1</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>volkswagen.de</cell>
+ <cell>1</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>uni-bielefeld.de</cell>
+ <cell>1</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>nike.com</cell>
+ <cell>1</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>cdu.de</cell>
+ <cell>1</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>ekd.de</cell>
+ <cell>2</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>gamestar.de</cell>
+ <cell>2</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>lufthansa.com</cell>
+ <cell>2</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>heise.de</cell>
+ <cell>2</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>katholisch.de</cell>
+ <cell>2</cell>
+ <cell>REL</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>faz.net</cell>
+ <cell>2</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>netzpolitik.org</cell>
+ <cell>2</cell>
+ <cell>JOU</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>ditib.de</cell>
+ <cell>3</cell>
+ <cell>REL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>marginalie.hypotheses.org</cell>
+ <cell>3</cell>
+ <cell>UNI</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>prosieben.de</cell>
+ <cell>4</cell>
+ <cell>ENT</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>ruhr-uni-bochum.de</cell>
+ <cell>5</cell>
+ <cell>UNI</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>fdp.de</cell>
+ <cell>5</cell>
+ <cell>POL</cell>
+ <cell>Image</cell>
+ </row>
+ <row>
+ <cell>de.ign.com</cell>
+ <cell>6</cell>
+ <cell>ENT</cell>
+ <cell>News</cell>
+ </row>
+ <row>
+ <cell>adidas.com</cell>
+ <cell>7</cell>
+ <cell>ECO</cell>
+ <cell>Image</cell>
+ </row>
+ <trailer><ref type="intern" target="#tab6">Tab. 6</ref>: Tabelle mit farblich markiertem k-Means
+ Clustering des Webseiten-Samples unter Einbezug der Bild-, Video- und
+ Text-Features. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t6"/></trailer>
+ </table>
+ <p>Das hier ersichtliche feingliedrige Clustering zeichnet ein realistisches Bild
+ der multimodalen Struktur der im Webseiten-Sample enthaltenen Webseiten.
+ Besonders hervorzuheben sind Cluster 1 und Cluster 2.</p>
+ <p>Cluster 1 kann als ›Werbe-Cluster‹ bezeichnet werden, da es ausschließlich
+ Webseiten vom Typ ›Image‹ enthält, die sich durch eine relativ geringe
+ Textmenge und eine geringe Anzahl an Bildern auszeichnen, die dafür aber meist
+ sehr groß sind. Die Ersteindruck der Seiten erinnert damit an Werbeplakate oder
+ Reklame in gedruckten Magazinen.<note type="footnote"> <ref type="bibliography" target="#meer_einfuehhrung_2019">Meer / Pick 2019</ref>, S.
+ 65–68.</note> Die Seite adidas.de (Cluster 7) fällt nur deshalb aus diesem
+ Cluster heraus, weil sie ein (sehr großes) Video auf der Startseite platziert
+ hat, und damit ein anderes multimodales Arrangement aufweist. Ein
+ vergleichender Blick auf zwei Webseiten aus Cluster 1 (spd.de und
+ volkswagen.de) unterstreicht die Kohärenz des Clustering in Bezug auf deren
+ multimodale Struktur und den Ersteindruck beim Öffnen der Webseiten. Beide
+ Webseiten werden eindeutig von großen Bildern und wenig Text, der eher den
+ Bildern zuzuarbeiten scheint, dominiert.<note type="footnote"> Die folgende
+ Auswahl zeigt immer nur zwei Screenshot-Beispiele pro Cluster. Die
+ restlichen Screenshots finden sich im GitHub Repository. Die Webseiten aus
+ den einzelnen Clustern wurden mit einer sehr geringen Zoomstufe (50 %)
+ vorgenommen, um so einen besseren Eindruck von dem gesamten Aufbau der
+ Webseite zu erhalten. Dies ist beispielsweise im Falle von ign.com wichtig,
+ da sich der Kopfbereich kaum von dem anderer Nachrichtenseiten
+ unterscheidet. Sobald aber gescrollt wird, werden die Unterschiede deutlich,
+ die hier in der sehr großen Anzahl kleiner Bilder gepaart mit kurzen
+ Teaser-Texten liegen, die in nur einer Spalte angelegt sind. Die Screenshots
+ der Webseiten wurden am 17.02.2021 erstellt (und damit einige Tage nach
+ Initialisierung des Corpus).</note>
+ </p>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_005"
+ url=".../medien/multimodalitaet_2021_005.png">
+ <desc>
+ <ref type="intern" target="#abb5">Abb. 5</ref>: Ansicht Startseite spd.de (Zoom-Stufe
+ 50 %, 17.02.2021). [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_005"/>
+ </desc>
+ </graphic>
+ </figure>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_006"
+ url=".../medien/multimodalitaet_2021_006.png">
+ <desc>
+ <ref type="intern" target="#abb6">Abb. 6</ref>: Ansicht Startseite volkswagen.de
+ (Zoom-Stufe 50 %, 17.02.2021). [Jurczyk 2021] <ref type="graphic"
+ target="#multimodalitaet_2021_006"/>
+ </desc>
+ </graphic>
+ </figure>
+ <p>Cluster 2 umfasst Webseiten mit, im Vergleich zu Cluster 1, viel Text, der
+ außerdem durch zahlreiche Überschriften unterteilt wird. Webseiten in Cluster 2
+ enthalten darüber hinaus relativ viele Bilder. Cluster 2 steht damit
+ idealtypisch für News-Webseiten. Die Strukturähnlichkeiten der Webseiten dieses
+ Clusters lassen sich erneut durch einen manuellen Nachvollzug des Ersteindrucks
+ der Webseiten bestätigen, der sich deutlich von dem der Webseiten in Cluster 1
+ unterscheidet. Als Beispiele für Cluster 2 wurden die Webseiten faz.net und
+ katholisch.de ausgewählt.</p>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_007"
+ url=".../medien/multimodalitaet_2021_007.png">
+ <desc>
+ <ref type="intern" target="#abb7">Abb. 7</ref>: Ansicht Startseite faz.de (Zoom-Stufe
+ 50 %, 17.02.2021). [Jurczyk 2021] <ref type="graphic"
+ target="#multimodalitaet_2021_007"/>
+ </desc>
+ </graphic>
+ </figure>
+ <figure>
+ <graphic xml:id="multimodalitaet_2021_008"
+ url=".../medien/multimodalitaet_2021_008.png">
+ <desc>
+ <ref type="intern" target="#abb8">Abb. 8</ref>: Ansicht Startseite katholisch.de
+ (Zoom-Stufe 50 %, 17.02.2021). [Jurczyk 2021] <ref type="graphic"
+ target="#multimodalitaet_2021_008"/>
+ </desc>
+ </graphic>
+ </figure>
+ <p>Dass in Cluster 2 auch zwei Webseiten vom Typ ›Image‹ erscheinen, zeigt, dass
+ sich auch imageorientierte Webseiten durchaus als Newsportale multimodal
+ strukturieren können, was beispielhaft an der Webseite ekd.de deutlich wird.
+ Die Webseite ekd.de orientiert sich ebenfalls in Form klassischer
+ Artikelstrukturen (Teaser-Text kombiniert mit kleinen bis mittleren
+ Teaser-Bildern im Kachelformat) an den News-Webseiten, allerdings überwiegt in
+ der thematischen Ausrichtung der Hauptseite im Gegensatz zu bspw. katholisch.de
+ noch die allgemeine Funktion eines digitalen Informationsportals der EKD, das
+ nicht primär auf tagesaktuelle Geschehnisse ausgerichtet ist. Dahingegen ist
+ katholisch.de zwar ebenfalls eine kirchlich orientierte Webseite, versteht sich
+ aber laut Impressum ausdrücklich als News-Webseite, die Neuigkeiten aus dem
+ Bereich der Katholischen Kirche berichtet bzw. in den Vordergrund stellt.
+ Dennoch bleibt die Einteilung bezüglich des Webseiten-Typs in diesem Falle
+ problematisch, und das gemeinsame Erscheinen von sowohl ekd.de als auch
+ katholisch.de in einem News-orientierten Cluster weist darauf hin, dass beide
+ Seiten in ihrer multimodalen Struktur mehr Gemeinsamkeiten als Unterschiede
+ aufweisen, weshalb die Einteilung in unterschiedliche Webseiten-Typen noch
+ einmal zu überdenken wäre (was durchaus als positives bzw. erkenntnisförderndes
+ Ergebnis des Clusterings zu werten ist).</p>
+ <p>Die Webseite nytimes.com fällt aufgrund eines zentral eingebundenen, wenn auch
+ relativ klein ausfallenden Videos aus diesem Cluster heraus (und bildet mit
+ Cluster 0 in Bezug auf die multimodale Struktur überzeugend ein separates
+ Cluster). </p>
+ <p>Besonders hervorzuheben ist außerdem das Cluster 3, das mit der Seite
+ marginalien.hypothesis.org und ditib.de zwei Webseiten enthält, die
+ gewissermaßen Außenseiter innerhalb des Webseiten-Samples darstellen.<note
+ type="footnote"> Diese beiden Webseiten sind auch in den vorangegangenen
+ k-Means-Clustering Verfahren mit anderen Feature-Selektionen häufig als
+ Cluster aufgetreten.</note> Die Webseite marginalien.hypothesis.org
+ repräsentiert einen klassischen Blog, der nur wenige Bilder, dafür aber relativ
+ viel Text enthält, und sich entsprechend von sowohl den imageorientierten
+ Webseiten in Cluster 1 und den News-Webseiten in Cluster 2 absetzt. Die Seite
+ ditib.de ist spartanisch gehalten, insbesondere was ihre Größe anbetrifft – so
+ handelt es sich um die einzige Webseite des Samples, bei der von den User*innen
+ nicht gescrollt werden muss, um das Ende der Seite zu erreichen.</p>
+ </div>
+ <div type="chapter">
+ <head>5. Fazit</head>
+ <p>Dieser Artikel hat es sich zur Aufgabe gemacht, ein (teil-)automatisiertes
+ Verfahren zur Analyse des multimodalen Arrangements von Webseiten vorzustellen,
+ anzuwenden und kritisch zu diskutieren. Im Fokus stand dabei die erste
+ Wahrnehmungsebene der multimodalen Struktur der Webseiten, die während des
+ initialen Aufrufs der Webseiten eine zentrale Rolle spielt (erste
+ Wahrnehmungsebene der Sehfläche). Im Zentrum stand dabei die Analyse der Video-,
+ Bild-, Hyperlink- und Textelemente der Webseiten, die anhand eines in Python
+ geschriebenen Programms gesammelt, verarbeitet und schließlich mit Hilfe eines
+ k-Means-Clustering analysiert wurden.</p>
+ <p>Die Analyse in <ref type="intern" target="#hd7">Kapitel 4</ref> hat gezeigt, dass
+ unterschiedliche Selektionen von Features zu unterschiedlichen Clusterbildungen
+ des Webseiten-Samples führen, die sich gegenseitig ergänzen. Als besonders
+ geeignet für die Analyse des multimodalen Arrangements hat sich eine Kombination
+ aus Video-, Bild- und Text-Features (<ref type="intern" target="#hd13">Kapitel
+ 4.2.4</ref>) herausgestellt, die anhand von acht Clustern überzeugend in der
+ Lage war, den Testdatensatz auf Basis des multimodalen Erscheinungsbildes der
+ Webseiten zu strukturieren. Dies macht Hoffnung für die Möglichkeit eines
+ zukünftigen Ausbaus und einer Weiterführung der hier vorgeschlagenen Methode, die
+ dazu dienen könnte, deutlich größere Webseiten-Samples vorzustrukturieren, um so
+ unter anderem eine gezieltere qualitative Analyse ihrer Multimodalität zu
+ ermöglichen, die durch das hier aufgezeigte quantitative Verfahren keineswegs
+ ersetzt, sondern lediglich ergänzt und vereinfacht werden soll.</p>
+ <p>Neben der Vorstellung dieses (teil-)automatisierten Verfahrens hat es sich dieser
+ Artikel ebenfalls zur Aufgabe gemacht zu fragen, inwieweit die auf Basis der
+ multimodalen Features gruppierten Webseiten Hinweise auf mögliche Domänen-Cluster
+ liefern beziehungsweise inwieweit die von Meier vorgeschlagenen Webseiten-Typen
+ mit den gefundenen Clustern korrelieren.</p>
+ <p>Insbesondere in Bezug auf die letztgenannten Webseiten-Typen kann nach
+ Durchführung der Analyse gesagt werden, dass entsprechende Parallelen erkennbar
+ waren, obwohl einschränkend hinzugefügt werden muss, dass sich dieser Artikel
+ lediglich auf zwei der vier von Meier vorgeschlagenen Typen beschränkt hat. So
+ korrelierten verschiedene Cluster (wie in <ref type="intern" target="#hd13">Kapitel
+ 4.2.4</ref>) mit Meiers News- oder Image-Typen, wobei das hier vorgeschlagene
+ Analyseverfahren dazu in der Lage war, innerhalb der jeweiligen Webseiten-Typen
+ noch einmal feiner zu unterscheiden (beispielsweise, ob News-Webseiten Videos
+ eingebunden hatten). Dabei traten Ãœberlappungen auf, indem auch imageorientierte
+ Webseiten (ekd.de) die multimodale Form einer News-Webseite annehmen können.</p>
+ <p>Keine Korrelation wurde hingegen zwischen den Clustern der multimodalen Analyse
+ und den gesellschaftlichen Domänen ersichtlich, aus denen die jeweiligen Webseiten
+ stammen. Vielmehr wurde deutlich, dass sich Webseiten aus verschiedenen
+ gesellschaftlichen Bereichen durchaus auf ein ›gemeinsames‹ multimodales
+ Arrangement einigen können, was im Falle des hier vorliegenden Webseiten-Samples
+ besonders an den Domänen <term type="figure">Politik</term>, <term type="figure"
+ >Wirtschaft</term> und <term type="figure">Universität</term> (sowie teilweise
+ <term type="figure">Religion</term> und journalistische Webseiten) deutlich
+ wurde, die allesamt eine ähnliche multimodale Struktur aufweisen. Somit scheint es
+ zumindest in Bezug auf das multimodale Arrangement erst einmal keine von der
+ Semantik der einzelnen modes unabhängige übergreifende Semantik zu geben, die aus
+ der Struktur der Seiten resultiert und die beispielsweise einen spezifischen
+ politischen oder religiösen Wert hätte. Vielmehr orientiert sich der Gebrauch
+ multimodaler Elemente und deren Arrangement aus Sicht der Domänen an der
+ intendierten Wirkung der Webseite, die sich gut anhand der von Meier
+ vorgeschlagenen Kategorien klassifizieren lässt. So können beispielsweise
+ religiöse Webseiten sowohl als News-Webseiten (katholisch.de) oder auch als
+ imageorientierte Seiten (ditib.de) mit unterschiedlichsten multimodalen
+ Arrangements auftreten. Dasselbe gilt für die Domäne der <term type="figure"
+ >Universität</term>, die sowohl als professionell gestaltete imageorientierte
+ Webseiten oder aber in Form eines Blogs (marginalien.hypothesis.de) in Erscheinung
+ treten kann.</p>
+
+ </div>
+ </div>
+ <div>
+ <div type="bibliography">
+ <head>Bibliographische Angaben</head>
+ <listBibl>
+ <bibl xml:id="freudenberg_representations_2021">Maren Freudenberg / Dunja Sharbat Dar: Popular Cultural Representations of
+ Femininity in the International Christian Fellowship: An Analysis of the
+ »Ladies Lounge 2021« Webpage. In: Zeitschrift für Religion, Gesellschaft und
+ Politik. [im Erscheinen] <ptr type="gbv" cRef="868314412"/></bibl>
+ <bibl xml:id="geron_learning_2019">Aurélien Géron: Hands-on machine learning with Scikit-Learn, Keras, and
+ TensorFlow. Concepts, tools, and techniques to build intelligent systems.
+ Beijing u. a. 2019. <ptr type="gbv" cRef="1039858198"/></bibl>
+ <bibl xml:id="idmi_analysis_2013">Multimodal Analysis Lab. Hg. von Interactive & Digital Media Institute
+ (IDMI). 2013. [<ref target="http://multimodal-analysis-lab.org/"
+ >online</ref>]</bibl>
+ <bibl xml:id="jewitt_handbook_2017">The Routledge handbook of multimodal analysis. Hg. von Carey Jewitt. 2.
+ Auflage. London u. a. 2017. (= Routledge handbooks) <ptr type="gbv" cRef="873110331"/></bibl>
+ <bibl xml:id="jurczyk_zfdg_2021">Thomas Jurczyk (2021a): ZfdG Website Scraper. In: GitHub. 22.02.2021. [<ref
+ target="https://github.com/thomjur/zfdg_website_scraper">online</ref>] </bibl>
+ <bibl xml:id="jurczyk_clustering_2021">Thomas Jurczyk (2021b): Clustering with Scikit-Learn in Python. In: The
+ Programming Historian (2021). [im Erscheinen]</bibl>
+ <bibl xml:id="kress_mode_2017">Gunther Rolf Kress: What is mode? In: The Routledge handbook of multimodal
+ analysis. Hg. von Carey Jewitt. 2. Auflage. London u. a. 2017, S. 60–76. (=
+ Routledge handbooks) <ptr type="gbv" cRef="873110331"/></bibl>
+ <bibl xml:id="lyons_multimodality_2016">Agnieszka Lyons: Multimodality. In: Research Methods in Intercultural
+ Communication. Hg. von Zhu Hua. Wiley-Blackwell, NJ 2016, S. 268–280.
+ Siehe auch <ptr type="gbv" cRef="833446169"/></bibl>
+ <bibl xml:id="meer_einfuehrung_2019">Dorothee Meer / Ina Pick: Einführung in die Angewandte Linguistik.
+ Gespräche, Texte, Medienformate analysieren. Stuttgart 2019. <ptr type="gbv" cRef="166688314X"/></bibl>
+ <bibl xml:id="meier_websites_2016">Stefan Meier: Websites als multimodale digitale Texte. In: Handbuch Sprache
+ im multimodalen Kontext. Hg. von Hartmut Stöckl / Nina-Maria Klug. Berlin u. a.
+ 2016, S. 410–436. (= Handbücher Sprachwissen, 7) <ptr type="gbv" cRef="86788794X"/></bibl>
+ <bibl xml:id="ohalloran_discipline_2020">Kay O’Halloran / Sabine Tan / Peter Wignell / Rui Wang / Kevin Chai /
+ Rebecca Lange: Towards a Discipline of Multimodality: Parallels to Mathematics
+ and Linguistics and New Ways Forward. In: Multimodality. Disciplinary Thoughts
+ and the Challenge of Diversity. Hg. von Janina Wildfeuer. 1. Auflage. Boston MA
+ 2020, S. 93–112. <ptr type="gbv" cRef="102676919"/></bibl>
+ <bibl xml:id="ohalloran_analytics_2017">Kay L. O'Halloran / Marissa K. L. E / Sabine Tan: Multimodal analytics.
+ Software and visualization techniques for analyzing and interpreting multimodal
+ data. In: The Routledge handbook of multimodal analysis. Hg. von Carey Jewitt.
+ 2. Auflage. London u. a. 2017, S. 386–396. (= Routledge handbooks)
+ <ptr type="gbv" cRef="873110331"/></bibl>
+ <bibl xml:id="selenium_browser_2021">SeleniumHQ Browser Automation. In: selenium.dev. Hg. von Software Freedom Conservancy. 2004-2021. [<ref target="https://www.selenium.dev/"
+ >online</ref>]</bibl>
+ <bibl xml:id="sklearn_preprocessing_2007">Sklearn.preprocessing. StandardScaler. In: scikit learn.org. Hg. von scikit-learn developers. 2007-2021. [<ref
+ target="https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html"
+ >online</ref>]</bibl>
+ <bibl xml:id="stoeckl_sprache_2011">Hartmut Stöckl: Sprache-Bild-Texte lesen. Bausteine zur Methodik einer
+ Grundkompetenz. In: Bildlinguistik. Theorien - Methoden - Fallbeispiele. Hg.
+ von Hans-Joachim Diekmannshenke / Michael Klemm / Hartmut Stöckl. Berlin 2011,
+ S. 45–70. (= Philologische Studien und Quellen, 228) <ptr type="gbv" cRef="638409357"/></bibl>
+ <bibl xml:id="stoeckl_multimodalitaet_2016">Hartmut Stöckl: Multimodalität. Semiotische und textlinguistische
+ Grundlagen. In: Handbuch Sprache im multimodalen Kontext. Hg. von Hartmut
+ Stöckl / Nina-Maria Klug. Berlin u. a. 2016, S. 3–35. (= Handbücher
+ Sprachwissen, 7) <ptr type="gbv" cRef="86788794X"/></bibl>
+ <bibl xml:id="wignell_language_2021">Peter Wignell / Kevin Chai / Sabine Tan / Kay O’Halloran / Rebecca Lange:
+ Natural Language Understanding and Multimodal Discourse Analysis for
+ Interpreting Extremist Communications and the Re-Use of These Materials Online.
+ In: Terrorism and Political Violence 33 (2021), H. 1, S. 71–95.
+ <ptr type="gbv" cRef="170144887"/></bibl>
+ </listBibl>
+ </div>
+ <div type="abbildungsnachweis">
+ <head>Abbildungslegenden und -nachweise</head>
+
+ <desc type="graphic" xml:id="tab1"><ref type="intern" target="#multimodalitaet_2021_t1">Tab. 1</ref>: Beispiel
+ eines Eintrags einer Webseite in der Datei ›websites.csv‹. [Jurczyk 2021]<ref
+ type="graphic" target="#multimodalitaet_2021_t1"/></desc>
+ <desc type="graphic" xml:id="tab2"><ref type="intern" target="#multimodalitaet_2021_t2">Tab. 2</ref>: Das zu
+ untersuchende Webseiten-Sample. katholisch.de wurde als News-Webseite
+ charakterisiert, da es sich der eigenen Ausrichtung nach um eine (katholische)
+ Nachrichtenseite handelt. Siehe für diese
+ problematische Einteilung auch das <ref type="intern" target="#hd13"
+ >Kapitel 4.2.4</ref>). [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t2"/></desc>
+ <desc type="graphic" xml:id="abb1">Elbow-Plot der vollständigen Feature-Auswahl.
+ [Jurczyk 2021]<ref type="graphic" target="#multimodalitaet_2021_001"/></desc>
+ <desc type="graphic" xml:id="tab3"><ref type="intern" target="#multimodalitaet_2021_t3">Tab. 3</ref>: Tabelle mit
+ farblich markiertem k-Means Clustering des Webseiten-Samples unter Einbezug
+ aller Features. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t3"/></desc>
+ <desc type="graphic" xml:id="abb2">›Elbow-Plot‹ der Bilder- und Video-Feature
+ Auswahl. [Jurczyk 2021]<ref type="graphic" target="#multimodalitaet_2021_002"
+ /></desc>
+ <desc type="graphic" xml:id="tab4"><ref type="intern" target="#multimodalitaet_2021_t4">Tab. 4</ref>: Tabelle mit
+ farblich markiertem k-Means Clustering des Webseiten-Samples unter Einbezug der
+ Bild- und Video-Features. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t4"/></desc>
+ <desc type="graphic" xml:id="abb3">Elbow-Plot der Text-Feature Auswahl. [Jurczyk
+ 2021]<ref type="graphic" target="#multimodalitaet_2021_003"/></desc>
+ <desc type="graphic" xml:id="tab5"><ref type="intern" target="#multimodalitaet_2021_t5">Tab. 5</ref>: Tabelle mit
+ farblich markiertem k-Means Clustering des Webseiten-Samples unter Einbezug der
+ Text-Features. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t5"/></desc>
+ <desc type="graphic" xml:id="abb4">›Elbow-Plot‹ der Bild-, Video- und
+ Text-Feature-Auswahl. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_004"/></desc>
+ <desc type="graphic" xml:id="tab6"><ref type="intern" target="#multimodalitaet_2021_t6">Tab. 6</ref>: Tabelle mit
+ farblich markiertem k-Means Clustering des Webseiten-Samples unter Einbezug der
+ Bild-, Video- und Text-Features. [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_t6"/></desc>
+ <desc type="graphic" xml:id="abb5">Ansicht Startseite spd.de (Zoom-Stufe 50 %,
+ 17.02.2021). [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_005"/></desc>
+ <desc type="graphic" xml:id="abb6">Ansicht Startseite volkswagen.de (Zoom-Stufe
+ 50 %, 17.02.2021). [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_006"/></desc>
+ <desc type="graphic" xml:id="abb7">Ansicht Startseite faz.de (Zoom-Stufe 50 %,
+ 17.02.2021). [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_007"/></desc>
+ <desc type="graphic" xml:id="abb8">Ansicht Startseite katholisch.de (Zoom-Stufe
+ 50 %, 17.02.2021). [Jurczyk 2021]<ref type="graphic"
+ target="#multimodalitaet_2021_008"/></desc>
+ </div>
+ </div>
+ </div>
+ </body>
+ </text>
+</TEI>