TopicENA: Automatisierte ENA mit BERTopic ermöglicht skalierbare Analyse

Epistemic Network Analysis (ENA) untersucht die Verknüpfungen von Konzepten in Texten, indem sie gemeinsam auftretende Begriffe als Netzwerke darstellt. Traditionell erfordert ENA jedoch umfangreiche manuelle Expertencodierung, was die Skalierbarkeit stark einschränkt. Durch die Kombination von BERTopic, einem automatisierten Topic‑Modell, mit ENA entsteht das neue Framework TopicENA, das die manuelle Codierung durch automatisch generierte Themen ersetzt, ohne die Fähigkeit zur Modellierung struktureller Zusammenhänge zu verlieren.

In drei exemplarischen Anwendungsfällen wurde die Wirkung verschiedener Modellierungsentscheidungen untersucht. Erstens zeigte sich, dass bei großen Datensätzen grobkörnige Themen die bessere Wahl sind, während bei kleineren Stichproben feinere Themen die Analyse verbessern. Zweitens wurde die Einbeziehungsschwelle für Themen angepasst, wobei Qualitätsindikatoren als Leitfaden dienten, um die Konsistenz und Interpretierbarkeit des Netzwerks zu optimieren. Drittens demonstrierte die Anwendung von TopicENA auf ein deutlich größeres Datenset die Skalierbarkeit des Ansatzes, was bisher bei herkömmlichen ENA-Studien nicht möglich war.

Die Ergebnisse belegen, dass TopicENA eine praxisnahe und interpretierbare ENA‑Analyse in großem Umfang ermöglicht und gleichzeitig konkrete Konfigurationsrichtlinien für die optimale Nutzung liefert. Damit eröffnet das Verfahren neue Perspektiven für die Analyse umfangreicher Textkorpora ohne den Aufwand manueller Codierung.