Visuelle Framing-Analyse in sozialen Medien – Entwicklung und Evaluation eines Bildklassifikationsmodells zur Erkennung politischer Darstellungsstrategien

In der Vergangenheit wurde politische Wahlkampfwerbung primär über Zeitungen und das Fernsehen verbreitet. Mit dem Aufkommen sozialer Medien hat sich die politische Kommunikation jedoch umfassend gewandelt, indem sie direkter und interaktiver geworden ist. Politische Akteure haben nun die Möglichkeit, auf digitalen Plattformen eine direkte und selbstbestimmte Form der Kommunikation zu nutzen, die es ihnen ermöglicht, ihre öffentliche Darstellung durch freies Gestalten, Bearbeiten und Veröffentlichen von Inhalten zu kontrollieren (Steffan, 2020; Gordillo-Rodríguez & Bellido-Pérez, 2023). Soziale Medien haben sich zu einem relevanten Kommunikationskanal in der Politik entwickelt, wobei insbesondere bildlastige Plattformen wie Instagram eine entscheidende Rolle bei der visuellen Wahrnehmung und Beurteilung politischer Kandidaten spielen. In dem Bestreben, die öffentliche Wahrnehmung zu beeinflussen und zusätzliche Unterstützer zu gewinnen, passen Bewerber für politische Ämter ihre Selbstpräsentation den veränderten Rahmenbedingungen an (Steffan, 2020).
Grabe und Bucy (2009) beschreiben diesen Prozess als „Visual Framing“. Dieser Begriff bezeichnet den strategischen Einsatz visueller Objekte und Merkmale, um die öffentliche Wahrnehmung von Personen, Ereignissen oder Themen gezielt zu beeinflussen. Durch den bewussten Einsatz von Kontextdarstellungen, Gestik, Mimik, Kameraperspektiven und Bildausschnitten können Kandidaten bestimmte Interpretationen verstärken und unerwünschte Aspekte ausblenden. In vielen Studien wurde der thematisierte Aspekt anhand von Inhaltsanalysen ausgewertet (Steffan, 2020). Allerdings ist die manuelle Analyse visueller Frames aufwendig und kostspielig; dies gilt besonders angesichts der wachsenden Zahl leicht produzierbarer Social-Media-Beiträge politischer Akteure sowie der tendenziellen Zunahme komplexer visueller Darstellungen.

In der gegenwärtigen Arbeit wird die Implementierung und Evaluation eines Bildklassifikationsmodells zur Analyse visueller Frames in politischen Social-Media-Bildern angestrebt. Der Fokus liegt auf der Untersuchung der Frage, ob sich die Visual Frames von Grabe und Bucy (2009) anhand maschineller Unterstützung klassifizieren lassen können. Hierzu sollen die visuellen Merkmale der beiden Frames Ideal Candidate und Populist Campaigner herangezogen werden, um einen Ground Truth Datensatz mithilfe von Annotationsprojekten zu erstellen. Das entwickelte CNN-Modell wird anhand dieser Daten trainiert und evaluiert, um visuelle Merkmale in Bildern zu erkennen und diese den entsprechenden visuellen Kategorien zuzuordnen. Im weiteren Verlauf werden verschiedene Ansätze getestet, um das Modell zu optimieren. Die Ergebnisse werden anschließend mit manuellen Annotationen sowie den Erkenntnissen aus der Literatur verglichen, um die Leistungsfähigkeit des entwickelten Ansatzes zu bewerten.

• Literaturrecherche
• Annotationsprojekt:
  • Erstellen und Testen einer ersten Annotationsanleitung
  • Überarbeiten der Merkmale
  • Rekrutierung von Teilnehmern
  • Durchführung des Annotationsprojektes
• Datenaufbereitung
• Implementierung des CNN-Models:
  • Trainieren, Evaluieren
  • Anpassen von Parametern
  • Ansätze testen
• Schriftliche Ausarbeitung

Gordillo-Rodríguez, M. & Bellido-Pérez, E. (2023). The visual frame of the political candidate on Instagram: the 2021 Catalan regional elections. Revista Dígitos, 9, 245–279. https://doi.org/10.7203/drdcd.v0i9.260
Grabe, M. E. & Bucy, E. P. (2009). Image bite politics. https://doi.org/10.1093/acprof:oso/9780195372076.001.0001
Steffan, D. (2020). Visual Self-Presentation Strategies of Political Candidates on Social Media Platforms: A Comparative Study. International Journal Of Communication, 14, 23. https://ijoc.org/index.php/ijoc/article/view/13128/3111