• 1. Einleitung
• 2. Forschungsfrage und Forschungsstand
• 3. Methode und Implementierung
• 3.1 Corpuserstellung
• 3.2 Bilder, Videos und Texte
• 3.3 Analyse
• 4. Analyse eines Webseiten-Samples
• 4.1 Das Webseiten-Sample und Corpus-Erstellung
• 4.2 Analyse
• 4.2.1 Vollständige Features
• 4.2.2 Bild- und Video-Features
• 4.2.3 Text-Features
• 4.2.4 Text-, Video- und Bild-Features
• 5. Fazit
• Bibliographische Angaben
• Abbildungslegenden und -nachweise

3.1 Corpuserstellung

[17]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:[14]

[18]Die erste Spalte enthält die URLs der Webseiten, die zweite deren gesellschaftliche Domäne (in der hier gezeigten Zeile UNI für Universität)[15] und die Einordnung der Webseite nach den von Stefan Meier[16] vorgeschlagenen Webseiten-Typen in:

• Newsorientierte Webseiten
• Imageorientierte Webseiten
• Kampagnenorientierte Webseiten
• Plattformorientierte Webseiten

[19]Die URLs aus der Datei ›websites.csv‹ werden in das in Python geschriebene und mit einem Jupyter Notebook ausgeführte Programm geladen.

1. from scraper import Corpus  
3. cp = Corpus()  
4. cp.initCorpus()  

[20]Hierzu wird die Corpus-Klasse importiert und als Corpus-Objekt initialisiert. Das Corpus wird daraufhin mit der Methode initCorpus() 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.

[21]Die initCorpus() Methode iteriert über die in ›websites.csv‹ befindlichen URLs und öffnet diese mit Selenium[17] in einem Browserfenster auf Bildschirmgröße.[18] 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 Jupyter Notebook bestätigt werden. Nachdem automatisiert bis zum Ende der Webseite gescrollt wurde,[19] 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.

[22]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,[20] sind nur sehr schwer ohne Kenntnisse des Webseitenaufbaus automatisiert abrufbar. Selenium wird in diesem Artikel gegenüber anderen Bibliotheken wie requests der Vorzug gegeben, weil mit Selenium 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.

3.2 Bilder, Videos und Texte

[23]Nachdem das Corpus initialisiert wurde, muss im nächsten Schritt die DataPreparation()-Klasse importiert werden. Diese Klasse dient dazu, um mit Hilfe der Methoden getImages() und createAnalyzerDict() 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 Jupyter Notebook gespeichert). Ähnlich wie im Falle der Corpus-Initialisierung ist es ausreichend, diese Analyse einmalig für jedes Corpus durchzuführen.

1. from data_preparation import DataPreparation  
3. dp = DataPreparation()
4. dp.getImages()
5. data_dict = dp.createAnalyzerDict()

[24]Genau wie im ersten Schritt der Corpus-Initialisierung arbeitet die getImages() Methode ebenfalls mit Selenium und erfordert die manuelle Bestätigung der User*innen. Die getimages() 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 Selenium liegt erneut darin, dass mit Selenium die Maße der aktuellen Darstellung eines Bildes beziehungsweise Videos im Browser abgefragt werden können. Somit erlaubt die Nutzung von Selenium die Erstellung einer präzisen Momentaufnahme der multimodalen Struktur einer Webseite.

[25]Im abschließenden Schritt des Aufrufs der createAnalyzerDict() 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):

• Anzahl der Bilder auf der Webseite[21]
• Anzahl der großen, mittleren, kleinen und sehr kleinen Bilder[22]
• Anzahl der Hintergrundbilder
• Anzahl der Videos[23]
• Anzahl der großen und kleinen Videos[24]
• Die Gesamtlänge textlicher Elemente auf der Seite[25]
• Die Anzahl der Überschriften
• Die Anzahl der Hyperlinks
• Die Anzahl der internen Hyperlinks
• Die Anzahl der externen Hyperlinks

[26]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.

3.3 Analyse

[27]Der Analyseteil der hier vorzustellenden Methode wurde in der Datei ›analyzer.py‹ realisiert. Die Analyse basiert auf einem k-Means-Clustering, das es erlaubt, die Datensätze auf Basis ihrer Features[26] zu Gruppen mit ähnlichen Eigenschaften zusammenzufassen.[27] Die Klasse Analyzer() 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 Analyzer() außerdem folgende relationale Werte:

[28]Jeweils das Verhältnis zwischen großen / mittleren / kleinen / sehr kleinen Bildern und der Gesamtzahl der Bilder auf einer Webseite

• Das Verhältnis zwischen der Gesamtzahl der Bilder auf einer Webseite und der Textlänge
• Das Verhältnis zwischen großen und mittleren Bildern und der Textlänge
• Das Verhältnis zwischen internen und externen Links
• Das Verhältnis zwischen der Anzahl der Überschriften und der Textlänge

[29]Der Ablauf der Analyse besteht aus folgenden Schritten:

1. 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 setColumnSelection(). Die aktuell ausgewählten Features können mit der Methode getColumnSelection() abgerufen werden.
2. Der zweite Schritt besteht in der Standardisierung der Daten mit Hilfe der scikit-learn StandardScaler()-Klasse, die eine Standardisierung der Daten durch Berechnung der z-scores ermöglicht.[28] 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.[29]
3. Anschließend können die ausgewählten (standardisierten) Features mit der Methode clusterDataKMeans() analysiert werden. Hierbei ist es möglich, der Methode die Anzahl k der gewünschten Cluster zu übergeben (der default-Wert ist k=3). Die Methode visualisiert anschließend tabellarisch die Zuordnung der Webseiten zu den einzelnen Clustern innerhalb des Jupyter Notebook.
4. Mit der Methode createElbowPlot() ist es außerdem möglich, sich auf Basis der inertia 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.[30]
5. Anschließend erlaubt es die Methode getScreenshotsFromClusters() Screenshots von den in den jeweiligen Clustern enthaltenen Webseiten zu erstellen und diese in separaten Ordnern abzuspeichern. Die Screenshots werden dabei wie in Kapitel 3.1 teilautomatisiert mit Selenium 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.[31]

[30]Der Code zur Realisierung der hier beschriebenen Analyse sieht in der hier vorgestellten Implementierung wie folgt aus:

1. from analyzer import Analyzer
3. # Initialisierung des Analyzer() Objekts
4. ana = Analyzer()
6. # Übersicht über die default Spalten
7. ana.getColumnSelection()
9. # In diesem Beispiel wird sich auf die Analyse der Textlänge ('total_length') und der Bildanzahl beschränkt ('total_images')
10. ana.setColumnSelection(['total_length', 'total_images'])
12. # Reduzierung des DataFrames auf die ausgewählten Spalten via Indexing mit pandas
13. df_small = ana.data_df[ana.column_selection]
15. # Standardisierung der Daten
16. standardized_data = ana.standardizeData(df_small)
18. # Clustering (k=3)
19. clustered_data = ana.clusterDataKMeans(standardized_data)
21. # Optional: Ermittlung Anzahl k-Clusters für die Analyse (danach evtl. erneut clustern)
22. ana.createElbowPlot(clustered_data)
24. # Screenshots der Webseiten in den jeweiligen Clustern
25. ana.getScreenshotsFromClusters(clustered_data)

[31]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.

[32]Die hier vorgestellte Methode und Implementierung sollen im Folgenden anhand eines ausgewählten Webseiten-Samples und dessen Analyse exemplifiziert werden.

4.1 Das Webseiten-Sample und Corpus-Erstellung

[35]Das in diesem Artikel gewählte Webseiten-Corpus enthält die folgenden zwanzig Webseiten:

[36]In einem ersten Schritt wird das Corpus wie in Kapitel 3.1 beschrieben initialisiert.[32] Daraufhin werden die Bilder und Videos der einzelnen Webseiten mit Hilfe der DataPreparation()-Klasse analysiert und die so gewonnen Daten in ›merged_data_dict.pickle‹ gespeichert (siehe Kapitel 3.2).

4.2 Analyse

[37]Die Analyse mit Hilfe der Analyzer()-Klasse wird mit unterschiedlichen Selektionen der Features der Corpus-Webseiten durchgeführt, wobei alle Features zuerst via z-score standardisiert werden (siehe Kapitel 3.3):

1. In einem ersten Schritt werden alle erhobenen Features in die Analyse einbezogen (Vollständige Features; vgl. auch die Übersicht der Features in Kapitel 3.2)
2. In einem zweiten Schritt werden nur die Bild- und Video-Features als Basis für das Clustering genutzt (Bild- und Video-Features)[33]
3. In einem dritten Schritt werden nur die Textlänge sowie die Anzahl der Überschriften einbezogen (Text-Features)
4. Der letzte Schritt enthält eine Kombination der Text-, Video- und Bild-Features (Text- und Bild-Features)[34]

[38]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.

[39]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.

4.2.1 Vollständige Features

Abb. 1: Elbow-Plot der vollständigen Feature-Auswahl. [Jurczyk 2021]

[40]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:

[41]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.

[42]Neben der Feststellung, dass die Webseiten unter Einbezug aller Features relativ divers sind, stechen zwei Cluster besonders hervor (Cluster 1 und Cluster 2).

[43]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 outlier 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)[35], was die Seite zusammen mit der Anordnung der News in nur einer Spalte deutlich aufgeräumter wirken lässt.[36] Der zweite outlier 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.

[44]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 Überschriften.

[45]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.

4.2.2 Bild- und Video-Features

Abb. 2: ›Elbow-Plot‹ der Bilder- und Video-Feature Auswahl. [Jurczyk 2021]

[46]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:

[47]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 outlier 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 <figure> 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.

[48]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.

4.2.3 Text-Features

Abb. 3: ›Elbow-Plot‹ der Text-Feature-Auswahl. [Jurczyk 2021]

[49]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:

[50]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 Überschriften anbetrifft. Cluster 1 umfasst Webseiten, die ebenfalls eine mittlere Menge an Text umfassen, aber einen ausgiebigen Gebrauch von Überschriften machen. Besonders im Falle von nytimes.com muss jedoch darauf aufmerksam gemacht werden, dass beispielsweise die Verwendung von <h2> 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.[37]

[51]Cluster 2 enthält News-Webseiten, die eine große Anzahl an Wörtern und viele Überschriften 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 Überschriften beinhalten.

[52]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 Überschrift).

[53]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 Kapitel 4.2.2, 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.

4.2.4 Text-, Video- und Bild-Features

Abb. 4: ›Elbow-Plot‹ der Bild-, Video- und Text-Feature-Auswahl. [Jurczyk 2021]

[54]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 Kapitel 4.2.1. 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:

[55]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.

[56]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.[38] 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.[39]

Abb. 5: Ansicht Startseite spd.de (Zoom-Stufe 50 %, 17.02.2021). [Jurczyk 2021]

Abb. 6: Ansicht Startseite volkswagen.de (Zoom-Stufe 50 %, 17.02.2021). [Jurczyk 2021]

[57]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.

Abb. 7: Ansicht Startseite faz.de (Zoom-Stufe 50 %, 17.02.2021). [Jurczyk 2021]

Abb. 8: Ansicht Startseite katholisch.de (Zoom-Stufe 50 %, 17.02.2021). [Jurczyk 2021]

[58]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).

[59]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).

[60]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.[40] 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.

5. Fazit

[61]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.

[62]Die Analyse in Kapitel 4 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 (Kapitel 4.2.4) 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.

[63]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.

[64]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 Kapitel 4.2.4) 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 Überlappungen auf, indem auch imageorientierte Webseiten (ekd.de) die multimodale Form einer News-Webseite annehmen können.

[65]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 Politik, Wirtschaft und Universität (sowie teilweise Religion 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 Universität, die sowohl als professionell gestaltete imageorientierte Webseiten oder aber in Form eines Blogs (marginalien.hypothesis.de) in Erscheinung treten kann.