idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
idw - Informationsdienst
Wissenschaft
Digitale soziale Medien, wie beispielsweise Twitter, sind aus der heutigen Medienlandschaft nicht mehr wegzudenken und beeinflussen bzw. spiegeln politische, gesellschaftliche und ökonomische Diskurse. VHB expert Andranik Tumasjan, Professor für Management und Digitale Transformation der Johannes Gutenberg-Universität Mainz, über die Vorhersagekraft von Stimmungslagen in sozialen Medien am Beispiel von Startups.
Lassen sich aus der Aggregation einer großen Anzahl von Nachrichten zu bestimmten Themen oder Inhalten (z.B. über bestimmte Unternehmen, Technologien, Produkte usw.) gehaltvolle Informationen zur Beschreibung politischer, gesellschaftlicher und ökonomischer Phänomene gewinnen? Sind Social Media gar Informationsmärkte, deren aggregierte Signale für Vorhersagen von ökonomischen, politischen und gesellschaftlichen Phänomenen genutzt werden können? VHB expert Andranik Tumasjan, Professor für Management und Digitale Transformation der Johannes Gutenberg-Universität Mainz, über die Vorhersagekraft von Stimmungslagen in sozialen Medien am Beispiel von Startups.
Boom der Social Media-Forschung
In den letzten 10-15 Jahren haben weltweit tausende Publikationen den Informationsgehalt von sozialen Medien für die Vorhersage bzw. Beschreibung von unterschiedlichen Phänomenen untersucht, wie beispielsweise: politische Wahlen und Meinungsbilder, Aktienmärkte, Marketingerfolg, Kinokarten-Verkaufszahlen, epidemiologische Daten, Cybersicherheitsrisiken oder Naturkatastrophen. Für die Untersuchung wurden hierbei verschiedene Textmining-Methoden zur automatisierten Analyse einer Vielzahl von Texten verwendet.
Twitter-Stimmungslage zu innovativen Technologien aussagekräftig
Eine aktuelle Studie (Tumasjan et al., 2021) untersucht, ob das Informationssignal „Stimmungslage auf Twitter zu einer innovativen Technologie“ (z.B. Blockchain) die Risikokapital-Bewertung und den Erfolg von Startups, deren Geschäftsmodell auf dieser Technologie beruht, vorhersagen kann. Die Ergebnisse zeigen, dass in der Tat die Risikokapitalbewertung der Startups durch Risikokapitalunternehmen, nicht aber der langfristige Erfolg der Startups (d.h. Börsengang oder Akquisition) vorhergesagt werden kann.
Patente haben langfristig stärkste Vorhersagekraft
Risikokapitalunternehmen beziehen Twitter-Signale in ihre Bewertungen ein – auch sachkundige und erfahrene Akteure sind also nicht immun gegen einen „Twitter-Hype“. Hingegen sagen die von den Startups gehaltenen Patente bzw. Patentanträge sowohl die Bewertung als auch den langfristigen Erfolg vorher. Insgesamt können aggregierte Informationen auf Twitter somit als „schwaches Signal“ im Vergleich zu etablierten „starken Signalen“, wie Patenten, interpretiert werden.
Prof. Dr. Andranik Tumasjan
Johannes Gutenberg-Universität Mainz
Lehrstuhl für Management und Digitale Transformation
E-Mail: antumasj@uni-mainz.de
https://idw-online.de/de/news762868
Andranik Tumasjan, Reiner Braun, Barbara Stolz
Twitter sentiment as a weak signal in venture capital financing
Journal of Business Venturing, 29. Januar 2021
DOI: 10.1016/j.jbusvent.2020.106062
https://vhbonline.org/vhb-experts
Twitter
Brett Jordan
Merkmale dieser Pressemitteilung:
Journalisten, Wirtschaftsvertreter
Medien- und Kommunikationswissenschaften, Recht, Wirtschaft
überregional
Forschungs- / Wissenstransfer, Forschungsergebnisse
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
