datetime.date(2023, 6, 22)
1
Loading tweets for 2023-06-22
Category: Temperatur
Category: Niederschlag
Category: Wind
Saving 4463 tweets to file
Classifying tweets for 2023-06-22
Auf dieser Seite stellen wir tagesaktuelle Informationen zu der Rezeption von Wetter- und Klimaereignissen in Sozialen Medien, speziell das deutschsprachige Twitter, bereit. Dazu sammeln wir vollautomatisch relevante deutsche Tweets und analysieren diese in Bezug auf die darin ausgedrückte Stimmungslage. Unsere Machine-Learning-Modelle kategorisieren hierbei die Tweets in die Klassen positiv, neutral und negativ. Diese automatische Klassifizierung von Texten nennt man Sentiment Analysis.
Wir aktualisieren diese Seite jeden Tag mit den neuesten Daten vom Vortag. Die folgenden Kästen zeigen einen Überblick der deutschen Tweets, die sich um bestimmte Wetter-/Klimaaspekte drehen. Dabei zeigen wir Trends bezüglich der Anzahl und Stimmungslage gegenüber den Tagen davor an. Daraus lassen sich einerseits Trends über die Relevanz („Werden Wetter- und Klimathemen aktuell mehr oder weniger stark besprochen?“) als auch über die Stimmungslage („Werden Wetter- und Klimathemen aktuell positiver oder negativer bewertet?“) ablesen.
Im Vergleich zu den 7 Tagen zuvor, wurden Wetter- und Klimathemen gestern bei Twitter tendenziell...
...mehr besprochen.
...positiver bewertet.
Im Vergleich zu den 7 Tagen zuvor, wurde das Thema „Temperatur“ gestern bei Twitter tendenziell...
...weniger besprochen.
...positiver bewertet.
Im Vergleich zu den 7 Tagen zuvor, wurde das Thema „Niederschlag“ gestern bei Twitter tendenziell...
...weniger besprochen.
...positiver bewertet.
Im Vergleich zu den 7 Tagen zuvor, wurde das Thema „Wind“ gestern bei Twitter tendenziell...
...mehr besprochen.
...positiver bewertet.
Genau wie die Anteile kann der Ausschlag des oben gezeigten „Stimmungsbarometers“ pro Aspekt über die Zeit gezeigt werden. So können besonders hohe Temperaturen im Sommer womöglich zunächst als positiv erfahren werden, während bei fortwährender Hitze diese Stimmung ins Negative umschlägt. Bitte beachten Sie, dass die Schwankungen sehr wahrscheinlich relativ gering ausfallen, da hier die Stimmungslage über viele Tweets berechnet wird. Da die Streuung zwischen den Tweets recht hoch ist, mitteln sich extreme Stimmungslagen normalerweise heraus.
Zum Vergleich mit den Daten von Twitter stellen wir ebenso Daten vom Deutschen Wetterdienst (DWD) zur Verfügung. Hierbei bilden wir das Mittel der Messwerte von 50 zufällig ausgewählten Wetterstationen in Deutschland, um repräsentative Trends für ganz Deutschland zu generieren.
Wir können mithilfe der gegebenen Daten sogenannte Korrelationen ausrechnen. Die (Pearson) Korrelation liegt zwischen -1 und 1 und gibt an, wie stark zwei Größen linear abhängig sind. Beispielsweise kann man annehmen, dass die Anzahl der verkauften Eiskugeln eines Cafés bei steigender Temperatur ebenfalls steigt. Hier handelt es sich also um eine positive Korrelation (> 0). Gibt es einen negativen linearen Zusammenhang, ist die Korrelation negativ (< 0). Gibt es keinen Zusammenhang, ist die berechnete Korrelation sehr nah bei 0.
Bei den gegebenen Daten können wir vermuten, dass bei steigenden Temperaturen positivere Tweets abgesetzt werden (im Normalfall; es kann natürlich auch zu heiß sein). Wir vermuten hier also eine positive Korrelation. Bei Niederschlag und Wind ist die Korrelation vermutlich eher negativ, d.h. bei mehr Niederschlag und Wind ist die Stimmung vermutlich schlechter.
Die untenstehenden Kästen zeigen die in den angezeigten Daten vorhandenen Zusammenhänge als Satz. Bestätigen sich die Vermutungen? Und wie stark sind die Zusammenhänge?
Steigt die Temperatur an, so wird die Stimmungslage bezüglich der Temperatur schlechter (Korrelation: -0.08).
Regnet es mehr, wird die Stimmungslage bezüglich des Niederschlags schlechter (Korrelation: -0.31).
Gibt es höhere Windgeschwindigkeiten, so wird die Stimmungslage bezüglich des Windes schlechter (Korrelation: -0.09).