06.11.2024, 14:00 - 16:00
– Campus Golm, Building 9, Room 2.22 and via Zoom
Institutskolloquium
Graphon Models for Inhomogeneous Random Graphs
Olga Klopp (Paris), Nicolas Verzelen (Montpellier)
Julia Fleischer (Universität Potsdam)
Talk by Julia Fleischer and Markus Seyfried
Das Projekt Kabinettwatch beschäftigt sich mit der Vorhersage der Zusammensetzung des Bundeskabinetts nach einer Bundestagswahl, während der Phase der Sondierungen und Verhandlungen zwischen künftigen Regierungsparteien. Mithilfe von supervised machine learning werden täglich sämtliche Aussagen, die zur künftigen Übernahme eines Ministeramts (Person oder Partei) getroffen werden, aus allen Artikeln und Meldungen der 20 größten deutschsprachigen Tageszeitungen und der drei deutschsprachigen Nachrichtenagenturen automatisiert identifiziert und in einen Datensatz überführt. Anschließend wird unter Hinzunahme weiterer Variablen auf Grundlage eines politikwissenschaftlichen Vorhersagemodells die Wahrscheinlichkeit geschätzt, dass die in den Medien diskutierten Personen (bzw. Parteien) auch tatsächlich Ministerämter im Bundeskabinett erhalten. Dieses Vorhersagemodell basiert auf bestehenden Forschungsergebnissen zu den Determinanten der Ämtervergabe nach früheren Bundestagswahlen (Fleischer/Seyfried 2015). In einem nächsten Schritt (für die nächste Bundestagswahl) soll der textanalytische Schritt unbeaufsichtigt erfolgen (die bisherigen Daten werden als Trainingsdatensatz zur Erstellung eines Algorithmus genutzt). Derzeit werten wir die Daten zur Sequenz und Dynamik der täglich ermittelten Kabinettszusammensetzung sowie zu den Verläufen der individuellen Wahrscheinlichkeit zur Übernahme eines Ministeramts aus und wollen u.a. zeigen, welche parteipolitischen, sektoralen aber auch prozeduralen Faktoren dieses empirische Phänomen erklären.
Invited by Sebastian Reich