Wahlprognosen durch Analyse von Tweets unter Berücksichtigung ortsbezogener demografischer Daten

Abstract

Diese Arbeit hat 6 Monate vor den US-Wahlen 2020 Tweets mit positiven Hashtags bzgl. der Kandidaten oder Parteien heruntergeladen und auf diesen Tweets Algorithmen angewendet um Wahlprognosen für die US-Präsidentschaftswahlen der 50 US-Bundesstaaten, sowie für die 435 Repräsentantenhauswahlen zu erstellen. Dafür wurde ein Fokus auf die demografische Zuordnung der Benutzer gelegt. Die Demografie konnte nur bei weniger als 40% der Nutzer festgestellt werden, aber dies reichte um durch eine dementsprechende Nachjustierung Ergebnisse zu erzielen, die mit den Prognosen traditioneller Wahlforschungsinstituten mithalten können. Wichtig dabei ist allerdings ein Tweets-Datensatz, der einen möglichst geringen Bias hat.

This thesis downloaded tweets with positive hashtags regarding a candidate or political party for 6 months before the 2020 US elections and applied algorithms to these tweets to generate election forecasts for the US presidential elections of the 50 US states, as well as the 435 House elections. For this purpose, the focus was placed on the demographic allocation of the users. The demographic background could only be determined for less than 40% of the users, but this was enough to achieve results, with a corresponding readjustment, that can keep up with the forecasts of traditional election pollsters. However, it is important to have a tweets dataset that has a low bias.