Arbeit ist hier zum bereit gestellt

Transcription

Hochschule für Technik, Wirtschaft und Kultur Leipzig
Fakultät Medien
Studiengang Museologie
Unternehmenskommunikation und Networking
Über die Nutzung von Microblogging
im deutschen Museumswesen
am Beispiel von Twitter
Diplomarbeit
vorgelegt von
Stefan Michael
Leipzig 2010
Michael, Stefan:
Unternehmenskommunkation und Networking :
Die Nutzung von Microblogging im deutschen Museumswesen am Beispiel von Twitter / Stefan
Michael – 2010. – 61 Bl.: Anl.
Leipzig, Hochschule für Technik, Wirtschaft und Kultur, Diplomarbeit, 2010
Das Internet wandelt sich vom Einweg-Informationslieferanten zum interaktiven Medium. Diese
Entwicklung geht auch am Museumswesen nicht vorüber. Social Networks, Weblogs und
Microblogging sind Schlagwörter, die allgegenwärtig scheinen. Dabei geht es längst nicht mehr
ausschließlich darum, auf dem aktuellsten Stand der Technik zu bleiben oder aufkommenden
Trends zu folgen. Vielmehr werden neue, kreative Lösungen gesucht, die Verbindung zwischen
den Museen und ihren Besuchern sowie Geschäftspartnern aufrecht zu erhalten und zu pflegen.
Außerdem geht es darum, Interessenten aufzuspüren und idealerweise als neue Besucher zu
gewinnen. Diese Diplomarbeit befasst sich mit dem Microblogging-Dienst Twitter und dessen
Nutzung im deutschen Museumswesen. Untersucht werden zum ersten die inhaltlichen Aspekte
– also, was die Museen mit Hilfe dieses neuen Mediums verbreiten – und zum zweiten wird die
Frage beantwortet, wen die Museen mit den verbreiteten Informationen derzeit tatsächlich
erreichen können. Dabei wird unterschieden, ob die Empfänger aus privaten oder geschäftlichen
Beweggründen agieren. Die Ergebnisse bilden die Grundlage, Chancen, Probleme und
Perspektiven für die künftige Nutzung von Microblogging im deutschen Museumswesen
abzuleiten.
Abbildungsverzeichnis
3
Inhaltsverzeichnis
Abbildungsverzeichnis ................................................................................................ 5 Tabellenverzeichnis..................................................................................................... 6 Einleitung .................................................................................................................... 7 1 Museen und Web 2.0 ....................................................................................... 11 1.1 Social Software ....................................................................................................................12 1.2 Weblogs ................................................................................................................................12 1.3 Microblogs ...........................................................................................................................13 2 Allgemeine Möglichkeiten der Nutzung von Twitter..................................... 14 2.1 Die Nutzung zur reinen Informationsrecherche ............................................................14 2.2 Die Nutzung zur Vernetzung mit anderen Museen.......................................................16 2.3 Die Nutzung zur Vernetzung mit Interessenten ............................................................16 2.4 Die Nutzung zur Vernetzung mit anderen Kanälen ......................................................17 3 Inhaltliche Aspekte der Tweets ....................................................................... 18 3.1 Die Methode ........................................................................................................................18 3.1.1 Frage- und Zielstellung für die Themen-Frequenzanalyse .....................................18 3.1.2 Hypothesen und Vorüberlegungen ............................................................................19 3.1.3 Entwicklung der Kategorien .......................................................................................20 3.1.4 Auswahl des Untersuchungsmaterials ........................................................................22 3.1.5 Die Stichprobe...............................................................................................................22 3.1.6 Durchführung der Codierung .....................................................................................23 3.2 Ergebnisse ............................................................................................................................24 4 Die Follower der Museen ............................................................................... 26 4.1 Die Methode ........................................................................................................................27 4.1.1 Besonderheiten der Online-Befragung ......................................................................27 4.1.2 Die Fragen......................................................................................................................29 4.1.3 Theoretischer Ablauf der Online-Befragung ............................................................32 4.1.4 Die Stichprobe...............................................................................................................34 4.1.5 Pretest und Datenerhebung.........................................................................................36 4.2 Ergebnisse ............................................................................................................................37 4.2.1 Allgemeine Ergebnisse der Online-Befragung .........................................................37 4.2.2 Follower mit privaten Interessen ................................................................................44 4.2.3 Follower mit geschäftlichen oder kooperativen Interessen ....................................49 5 Zusammenfassung ......................................................................................... 55 5.1 Momentaufnahme der Nutzung von Twitter im deutschen Museumswesen ............55 Abbildungsverzeichnis
4
Glossar ....................................................................................................................... 57 Literaturverzeichnis................................................................................................... 58 E-Books ......................................................................................................................................58 Online-Ressourcen ....................................................................................................................59 Erklärung ................................................................................................................... 62 Anlage 1: Codierbögen der Inhaltsanalyse ................................................................ 63 Anlage 2: PHP-Quelltext des Online-Fragebogens .................................................. 74 Abbildungsverzeichnis
5
Abbildungsverzeichnis
Abbildung 1: US-amerikanische Einzel-Besucher der Twitter-Website bis März 2009 .......... 9 Abbildung 2: Echtzeit-Ergebnisse der Twitter-Suche nach #Museum (Ausschnitt) ............15 Abbildung 3: Grafik: Eigene und externe Medien in Museums-Tweets .................................25 Abbildung 4: Ablaufplan des Fragebogens mit Filterfragen......................................................33 Abbildung 5: Grafik: Follower nach Altersgruppen ..................................................................38 Abbildung 6: Grafik: Altersgruppen der weiblichen Follower ..................................................39 Abbildung 7: Grafik: Altersgruppen der männlichen Follower ................................................39 Abbildung 8: Grafik: Verteilung der Account-Typen.................................................................41 Abbildung 9: Grafik: Verteilung der Follower auf die Museen.................................................42 Abbildung 10: Grafik: Museum vor Twitter unbekannt, Besuch ja .........................................43 Abbildung 11: Grafik: Altersgruppen der Follower mit Privat-Account.................................44 Abbildung 12: Grafik: Altersgruppen der weiblichen Follower mit Privat-Account .............45 Abbildung 13: Grafik: Altersgruppen der männlichen Follower mit Privat-Account ...........46 Abbildung 14: Grafik: Altersgruppen der Follower mit Corporate- und Misch-Account ....49 Abbildung 15: Grafik: Altersgruppen der weiblichen Follower
mit Corporate- und Misch-Account ................................................................................50 Abbildung 16: Grafik: Altersgruppen der männlichen Follower
mit Corporate- und Misch-Account ...............................................................................51 Abbildung 17: Grafik: Twitter-Eigenschaft der Follower
mit Corporate- und Misch-Account ................................................................................54 Abbildung 18: Grafik: Sonstige Twitter-Eigenschaften von Followern
mit Corporate- und Misch-Account ................................................................................54 Tabellenverzeichnis
6
Tabellenverzeichnis
Tabelle 1: Daten des Muster-Twitter-Accounts ..........................................................................14 Tabelle 2: Aus den Hypothesen abgeleitete Fragen ....................................................................20 Tabelle 3: Übersicht der Kategorien für die Inhaltsanalyse ......................................................21 Tabelle 4: Übersicht der Stichprobe für die Inhaltsanalyse .......................................................23 Tabelle 5: Übersicht der Stichprobe für die Online-Befragung ................................................35 Tabelle 6: Rücklaufstatistiken der Online-Befragung .................................................................37 Tabelle 7: Follower nach Bundesland , absteigend sortiert .......................................................40 Tabelle 8: Follower nach Herkunftsland ......................................................................................40 Tabelle 9: Follower mit Privat-Account nach Bundesland
+ Vergleich mit Gesamtanteil...........................................................................................47 Tabelle 10: Follower mit Privat-Account nach Herkunftsland
+ Vergleich mit Gesamtanteil...........................................................................................48 Tabelle 11: Follower mit Corporate- und Misch-Account nach Bundesland
+ Vergleich mit Gesamtanteil...........................................................................................52 Tabelle 12: Follower mit Corporate- und Misch-Account nach Herkunftsland
+ Vergleich mit Gesamtanteil...........................................................................................53 Einleitung
7
Einleitung
Mit den Worten „Verführung zum Besuch …“1 ist ein Vortrag der MAI-Tagung2 2009
überschrieben, in dem der Relaunch der Website des Frankfurter Städel Museums3 vorgestellt
wird. Darin ist die Erweiterung der bestehenden Internetpräsentation um Funktionen zur
Interaktion von Besuchern mit dem Museum, zur Vernetzung mit Interessenten und zur
Integration verschiedener Inhalte4 beschrieben. Der Titel „Verführung zum Besuch …“5 lässt
darauf schließen, dass die umfangreichen Erweiterungen unter anderem mit dem Ziel
durchgeführt wurden, neue Besucher für das Städel Museum zu gewinnen.
Zum besseren Verständnis werden zunächst die Neuerungen etwas näher erläutert. Um den
Lesefluss nicht zu beeinträchtigen, wird in dieser Diplomarbeit auf die weibliche Schreibweise
verzichtet. So meint zum Beispiel die Bezeichnung Benutzer, die Gesamtheit aller Benutzerinnen
und Benutzer.
Integrierter Bestandteil der neuen Städel-Website ist die sogenannte „Mein Städel-Community“6.
Diese bietet für registrierte Benutzer die Möglichkeit, die Optik der Internetpräsentation an ihre
Bedürfnisse und Interessen anzupassen. So sieht der Besucher beispielsweise auf einen Blick
seine Lieblingswerke und seinen Tageskalender7. Zusätzlich können Werke bewertet und
kommentiert werden8. Die Mitglieder der „Mein Städel-Community“ sind somit interaktiv an der
Entwicklung der Inhalte beteiligt.
Unter Integration versteht das Städel Museum unter anderem die Verknüpfung verschiedener
Medien, wie Videos, mit der Website9. Der dritte Punkt, welcher für diese Diplomarbeit von
essentieller Wichtigkeit ist, heißt Vernetzung. Mit der Aufforderung „Vernetzen Sie sich mit
1
bambergerpptmai2009.pdf, S. 1 [Online-Ressource] / Bamberger, Daniela. – Stand: 28.05.2009
http://www.mai-tagung.de/maitagung+2009/bambergerpptmai2009.pdf
2
MAI-Tagung - museums and the internet [Online-Ressource] /Stand: 2010
http://www.mai-tagung.de
3
Städel Museum [Online-Ressource] / Stand: 2010
http://www.staedelmuseum.de
4
vgl. bambergerpptmai2009.pdf, S. 2-19 [Online-Ressource] / Bamberger, Daniela. – Stand: 28.05.2009
5
bambergerpptmai2009.pdf, S. 1 [Online-Ressource] / Bamberger, Daniela. – Stand: 28.05.2009
6
vgl. bambergerpptmai2009.pdf, S. 3 [Online-Ressource]
7
8
9
vgl. bambergerpptmai2009.pdf, S. 17-19 [Online-Ressource]
Einleitung
8
uns!“10, möchte das Städel Museum dazu animieren, sich mit ihm zu vernetzen. Facebook,
YouTube und Twitter sind nur drei Plattformen, über die man sich dem Städel Museum als „Fan
anschließen“11,
den
„staedelmuseum-Video-Kanal“12
abonnieren
oder
den
aktuellen
„staedelmuseum-Tweets“13 „followen“ kann14.
Schwerpunkt dieser Diplomarbeit ist die Nutzung von Microblogging im deutschen
Museumswesen am Beispiel von Twitter, einem Webdienst der ursprünglich dazu gedacht ist,
seiner Umwelt in kurzer Form berichten zu können, was gerade passiert15. Seit 200616 ist Twitter
für die Öffentlichkeit verfügbar. Auch Museen nutzen diesen Service mit steigender Tendenz. In
den USA haben heute 28517 Museen einen Twitter-Account. Bereits 2008 schreibt Leslie MadsenBrooks, Ph.D in ihrem Weblog „Museum Blogging“18 über 10 Dinge, die Museen von Twitter
lernen können19. Dazu später mehr. In Deutschland gibt es im März 2010 6220 Museen, die
Twitter nutzen (4721 im Februar 2010).
Der Wiener Kulturmanager Christian Henner-Fehr stellt im Juni 2009 fest, dass sich in letzter
Zeit viele Kultureinrichtungen und Dienstleister in seinem Umfeld einen Twitter-Account
zugelegt haben22. Gleichzeitig zitiert er einen Beitrag des Weblogs „TechCrunch“, der den
Anstieg der us-amerikanischen Einzel-Besucher der Twitter-Website bis März 2009 auf 9,3
Millionen feststellt23, basierend auf einer Studie des Unternehmens ComScore24 (Abbildung 1).
10 bambergerpptmai2009.pdf, S. 15 [Online-Ressource] / Bamberger, Daniela. – Stand: 28.05.2009
11
Städel Museum | Facebook [Online-Ressource] / Stand: 2010
http://www.facebook.com/staedelmuseum
12
YouTube - Kanal von staedelmuseum [Online-Ressource] / Stand: 26.02.2010
http://www.youtube.com/staedelmuseum
13
staedelmuseum (staedelmuseum) on Twitter [Online-Ressource] / Stand: 25.03.2010
http://twitter.com/staedelmuseum
14
vgl. bambergerpptmai2009.pdf, S. 15 [Online-Ressource] / Bamberger, Daniela. – Stand: 28.05.2009
15
vgl. Simon, [Twitter, 2010], S. 21
16
17
vgl. Follow a Museum day – 1st February 2010 [Online-Ressource] / Stand: 01.02.2010
http://www.followamuseum.com/usa.html
18
Museum Blogging [Online-Ressource] / Madsen-Brooks, Leslie (Ph.D). – Stand: 19.03.2010
http://museumblogging.com/
19
vgl. 10 lessons museums can learn from Twitter [Online-Ressource] / Madsen-Brooks, Leslie (Ph.D). – Stand: 14.02.2008
http://museumblogging.com/2008/02/14/10-lessons-museums-can-learn-from-twitter/
20
vgl. Twitternde Museen 03/2010 [Online-Ressource] / Stand: 27.02.2010
http://www.visitatio.de/Twitter/Twitternde-Museen-03/2010.html
21
vgl Twittermania in deutschen Museen, S. 4 von 4 [Online-Ressource] / Stand: 27.01.2010
http://www.visitatio.de/Tourismus-in-Deutschland/Twittermania-in-deutschen-Museen/Rankingliste-der-twitterndenMuseen/
22
vgl. Twitter: Wiki in Echtzeit? [Online-Ressource] / Henner-Fehr, Christian. – Stand: 12.06.2009
http://kulturmanagement.wordpress.com/2009/06/12/twitter-wiki-in-echtzeit/
23
vgl. Boom! Twitter More Than Doubles Unique U.S. Visitors To 9.3 Million In March [Online-Ressource] /Schonfeld, Erick. –
Stand: 15.04.2009
http://techcrunch.com/2009/04/15/boom-twitter-more-than-doubles-unique-visitors-to-93-million-in-march/
Einleitung
9
Abbildung 1: US-amerikanische Einzel-Besucher der Twitter-Website bis März 200925
Es ist festzustellen, dass es sich um ein hochaktuelles Thema handelt, bei dessen näherer
Betrachtung, mit Fokus auf der Nutzung im deutschen Museumswesen, einige Fragen entstehen,
die in den folgenden Kapiteln dieser Diplomarbeit beantwortet werden. Ziel ist es, sowohl eine
Momentaufnahme der derzeitigen Nutzung von Twitter im deutschen Museumswesen zu
erhalten als auch eine Basis zu schaffen, um Potenziale zu erkennen und Anregungen für den
künftigen Einsatz von Twitter für die Museumsarbeit gewinnen zu können.
Für die Bearbeitung werden folgende Kernfragen zugrunde gelegt.
1. Welche Möglichkeiten der Nutzung bietet Twitter für Museen generell?
2. Welche Inhalte verbreiten deutsche Museen mit Hilfe von Twitter?
3. Welche Personen können derzeit von deutschen Museen über Twitter tatsächlich erreicht
werden und wie nutzen diese den Microblogging-Dienst?
Um die Möglichkeiten der Nutzung von Twitter in ihrer Gänze verstehen zu können, erfolgen im
ersten Kapitel einige Ausführungen zum Kontext des Web 2.0. Mit dieser Grundlage wird dann
im zweiten Kapitel die Frage 1 beantwortet.
Im dritten Kapitel liegt der Schwerpunkt auf der Frage 2. Die inhaltlichen Aspekte der „Tweets“
deutscher Museen werden analysiert, ausgewertet und die Ergebnisse entsprechend präsentiert.
Kapitel 4 befasst sich mit der Frage 3. Um etwas über die Personen und ihren Umgang mit
Twitter herauszufinden, die derzeit für Museen über diesen Kanal erreichbar sind, wird eine
24
comScore Media Metrix Ranks Top 50 U.S. Web Properties for March 2009 [Online-Ressource] / Stand: März 2009
http://www.comscore.com/Press_Events/Press_Releases/2009/4/
Twitter_Traffic_More_than_Doubles/%28language%29/eng-US
25
Quelle: Boom! Twitter More Than Doubles Unique U.S. Visitors To 9.3 Million In March [Online-Ressource] /Schonfeld,
Erick. – Stand: 15.04.2009
http://techcrunch.com/2009/04/15/boom-twitter-more-than-doubles-unique-visitors-to-93-million-in-march/
Einleitung
10
Online-Befragung durchgeführt, deren Ergebnisse anschließend analysiert, ausgewertet und
entsprechend präsentiert werden.
Schließlich werden die Erkenntnisse der gesamten Bearbeitungen in Kapitel 5 abschließend
resümiert.
Es ist anzumerken, dass sich im sogenannten „Paralleluniversum Web2.0“26 eine eigene
Fachterminologie entwickelt hat, deren Kenntnis für das Verständnis der folgenden Kapitel
hilfreich sein kann. So heißen zum Beispiel die kurzen Textnachrichten die man mit Hilfe von
Twitter versendet, „Tweets“. Daher wurde dieser Diplomarbeit ein Glossar mit den wichtigsten
Begriffen beigefügt. Künftig werden diese nicht mehr in Anführungszeichen gesetzt oder
anderweitig hervorgehoben. Zudem wird davon ausgegangen, dass die Sprache der Oberfläche
von Twitter auf Deutsch eingestellt ist.
26
Zeger, [Paralleluniversum, 2009], Titel
1 Museen und Web 2.0
1
11
Museen und Web 2.0
Die Betrachtung des Internets als Plattform, die es geschäftlich zu nutzen gilt, die Unterstützung
der Benutzer beim Networking sowie die Förderung der Kommunikation und des aufeinander
bezogenen Handelns zwischen den Nutzern, das ist Web 2.027. Auf Grund des sozialen
Charakters, der über die Mensch-Maschine-Interaktion hinausgeht, wird das Web 2.0 in einigen
Publikationen als Social Web28 bezeichnet.
Im Museum ist „... das Finden bzw. die Entwicklung der zielgruppen-adäquaten
Kommunikationsformen zur Übermittlung von Informationen und Bedeutungsinhalten ...“29,
eine wichtige Aufgabe der Kommunikationspolitik. Dabei ist zu beachten, dass Reizüberflutung
möglichst zu vermeiden ist, da diese bei einigen Zielgruppen nachlassende Aufnahmebereitschaft
bis hin zu Reaktanz verursacht30. Mit den Elementen des Web 2.0 kann man, wie auch mit den
Medien der klassischen Online-Kommunikation, Botschaften an relevante Zielgruppen
vermitteln31.
Eine weitere wichtige Aufgabe ist das Networking, so sollten sich Museen mit anderen
Kulturorganisationen, Kooperationspartnern, Unterstützern (Sponsoren, Spendern) und dem
eigenen Publikum, zum Zweck des Informationsaustauschs, vernetzen32.
Die Ausführungen am Beispiel des Frankfurter Städel Museums in der Einleitung dieser
Diplomarbeit deuten darauf hin, dass die Anwendungen des Web 2.0 in der Praxis selten isoliert
voneinander genutzt werden. Viel eher liegt der Schwerpunkt auf der sinnvollen Vernetzung der
Web 2.0-Elemente untereinander. Deshalb im Folgenden eine kurze Einführung in die
wichtigsten Elemente.
27
vgl. Kultur und Web 2.0, S. 4 [E-Book] / Henner-Fehr, Christian. – Stand: 2008
28
vgl. Vorläufer des Web 2.0 [Online-Ressource] / Schmidt, Jan. – Stand: 18.12.2007
http://www.schmidtmitdete.de/archives/50
29
Klein, [Kultur-Marketing, 2005], S. 423
30
vgl. Günter; Hausmann, [Kulturmarketing, 2009], S. 79
31
30
32
vgl. Klein, [Kultur-Marketing, 2005], S. 459
1.1
12
Social Software
Stellt man Facebook, YouTube und Twitter nebeneinander, haben alle drei etwas gemeinsam: Es
bildet sich ein soziales Netz innerhalb des jeweiligen Online-Portals. Dieses besteht aus den
registrierten Benutzern, die zum ersten die Inhalte des jeweiligen Anbieters konsumieren können,
zum zweiten untereinander kommunizieren können und zum dritten selbst Inhalte beisteuern
können. Alle webbasierten Kommunikationsplattformen, um die sich ein solches soziales
Netzwerk bildet, werden als Social Software bezeichnet33.
Facebook, YouTube und Twitter stehen dabei nur beispielhaft für eine ganze Reihe von
Anwendungen, wie Chats, Foren, Instant-Messaging-Anwendungen, Wikis, Blogs und
Microblogs34. Mittlerweile haben Unternehmen begonnen, die Potenziale von Social Software zu
prüfen und einzusetzen. Anwendungsgebiete von Social Software sind im Bereich der
unternehmensinternen
Dokumentationswerkzeug
Zusammenarbeit
zum
gemeinsamen
beispielsweise
bearbeiten
die
von
Nutzung
Inhalten
als
und/oder,
unternehmensextern, die Nutzung als Kommunikationswerkzeug um auf den Beziehungen
zwischen Kunden und Geschäftspartnern aufzubauen35.
1.2
Weblogs
Weblogs oder kurz Blogs sind Webinhalte in Form von tagebuchartigen Berichten (Weblog =
Web + Logbuch). Sie können sowohl von Privatpersonen betrieben werden als auch von
Unternehmen. Innerhalb eines Weblogs kann es mehrere Autoren geben. Ein weiteres
Charakteristikum ist die oftmals vorhandene Themenzentrierung. Inhalte können vom Betreiber
selbst erstellte Texte sein, aber auch die Kommentierung fremder Nachrichten. Eine Mischung
aus beidem ist möglich. Werden Beiträge aus anderen Weblogs kommentiert, entsteht durch die
trackback-Technik automatisch ein Link zwischen dem jeweiligen Beitrag und dem Kommentar.
Auf Grund dessen ist es sehr einfach, Weblogs mit ähnlichen Inhalten zu finden36.
33
vgl. Fischer; Hofer, [Lexikon der Informatik], S. 778
34
vgl. Fischer; Hofer, [Lexikon der Informatik], S. 778
35
vgl. Blumauer; Pellegrini, [Social Semantic Web], S. 44-45
36
vgl. Zeger, [Paralleluniversum, 2009], S. 25
13
Ausgewählte Beispiele aus dem Museumswesen:
•
Das Weblog des Deutschen Museums München37. In diesem schreiben Museumsleute aus
unterschiedlichen Bereichen über Neuigkeiten im Deutschen Museum und laden zum
mitlesen und kommentieren ein38.
•
Das Städel Museum Frankfurt betreibt ein Weblog, in dem das Projekt „Frankfurt baut
das neue Städel“39 für die Öffentlichkeit dokumentiert wird. Außerdem werden dort
Hinweise zu Aktionen und Veranstaltungen, die mit dem Projekt in Zusammenhang
stehen, veröffentlicht40.
1.3
Microblogs
Bei Microblog handelt es sich, wie der Name schon vermuten lässt, um die Verkleinerungsform
des Weblogs. Es geht um die Verbreitung von kleinsten Informationseinheiten in Textform, die
auf wenige Zeichen, meist 140, begrenzt sind. Bilder, Videos oder andere Medien können nicht
eingebettet werden41. Einzige Ausnahme sind Hyperlinks. Dies liegt darin begründet, dass die
Innovation von Microblogs in der Kombination von Mobiltelefonie und Internet42 liegt. Die
maximale Länge einer SMS beträgt 160 Zeichen. Wenn ein Microblogging-Dienst wie Twitter
von einem Mobiltelefon aus genutzt wird, müssen in eine SMS sowohl die Nachricht als auch
eventuell nötige Steuerbefehle passen. Microblogging-Dienste können zudem über verschiedene
weitere Programme, Plattformen und Geräte angesteuert werden43.
37
Deutsches Museum: Blog [Online-Ressource] / Stand: 25.03.2010
http://www.deutsches-museum.de/blog/
38
vgl. Deutsches Museum: Über diesen Blog [Online-Ressource] / Stand: 2010
http://www.deutsches-museum.de/blog/ueber-diesen-blog/
39
Städel-Blog [Online-Ressource] / Stand: 25.03.2010
http://www.das-neue-staedel.de/
40
vgl. PROJEKT | Das neue Städel [Online-Ressource] / Stand: 2010
http://www.das-neue-staedel.de/konzept/
41
42
43
2 Allgemeine Möglichkeiten der Nutzung von Twitter
2
14
Allgemeine Möglichkeiten der Nutzung von Twitter
Die wichtigste Plattform für Microblogging ist Twitter44. Aber welche Möglichkeiten bietet
Twitter für Museen tatsächlich? Bevor diese Frage beantwortet wird, sind 3 wichtige Aspekte
voranzustellen. Diese stammen aus dem Artikel „10 Lektionen, die Museen von Twitter lernen
können“45 von Leslie Madsen-Brooks, Ph.D.
•
Menschen mögen Informationen in kleinen „Häppchen“
Die Herausforderung besteht darin, die Information in 140 Zeichen zu verpacken.
•
Menschen mögen es, einen individuellen „Informations-Strom“ zu haben, der direkt zu
ihnen geliefert wird.
•
Menschen mögen es, aus diesem „Informations-Strom“ das für sie Interessante
auszuwählen.
Schließlich können für Museen 4 Möglichkeiten der Nutzung von Twitter interessant sein, die im
Folgenden erläutert werden. Zur Veranschaulichung der weiteren Ausführungen wurde ein
Muster-Twitter-Account angelegt (Tabelle 1).
Tabelle 1: Daten des Muster-Twitter-Accounts46
Name
MusterMuseum
Adresse
http://www.twitter.com/mustermuseum/
2.1
Die Nutzung zur reinen Informationsrecherche
Die Nutzung von Twitter zu Informationszwecken ist sinnvoll, um herauszufinden, wer über
welche Themen, wie oft twittert. Dazu wird die Suchfunktion auf der Website
http://www.twitter.com47 eingesetzt. Bei gängigen Themen wird dem Suchbegriff ein RauteZeichen vorangestellt, ein sogenanntes Hashtag48. Die Ergebnisse werden in chronologischer
44
45
vgl. 10 lessons museums can learn from Twitter [Online-Ressource] / Madsen-Brooks, Leslie (Ph.D). – Stand: 14.02.2008
46
Quelle: Eigene Darstellung
47
Twitter [Online-Ressource] / Stand: 2010
http://www.twitter.com
48
15
Reihenfolge aufgelistet, das jüngste Tweet zuerst (Abbildung 2). Je größer die Zahl der
Suchergebnisse ist, desto populärer ist das Thema. Dies wird dann interessant, wenn
beispielsweise im Anschluss an eine Veranstaltung, die im eigenen Haus stattgefunden hat,
recherchiert wird, ob sie Gesprächsthema auf Twitter ist. Das entsprechende Hashtag könnte
etwa #Museumsfest2010 heißen und es muss im Vorfeld als offizielles Hashtag explizit für diese
Veranstaltung kommuniziert werden. Hashtags sind außerdem direkt in Tweets anklickbar,
woraufhin die Suchfunktion49 von Twitter automatisch aktiv wird.
Abbildung 2: Echtzeit-Ergebnisse der Twitter-Suche nach #Museum (Ausschnitt)50
49
50
Quelle: Screenshot http://www.twitter.com
2.2
16
Die Nutzung zur Vernetzung mit anderen Museen
Twitter ist sehr gut geeignet, um sich mit anderen Museen zu vernetzen. Der klassische Weg
dahin führt über die Funktion „Leute finden“. Diese Funktion ermöglicht es, direkt nach anderen
Museen zu suchen und ihnen dann als Follower beizutreten. In der Hoffnung, dass diese in der
Reaktion dem eigenen Museum ebenfalls als Follower beitreten werden. Ein zusätzlicher Anreiz
dafür, dass die anderen Museen tatsächlich zu eigenen Followern werden, ist die Antwort auf
Beiträge der entsprechenden Museen. Im Idealfall sind die eigenen Beiträge zusätzlich inhaltlich
passend und interessant für den potenziellen Follower.
Ein weiterer Weg ist durch Zufall gefunden zu werden. Dies funktioniert am besten, wenn die
eigenen Beiträge regelmäßig mit aussagefähigen Hashtags versehen werden. Auch Künstler,
Designer, Kooperationspartner oder andere Dienstleister können als potenzielle Follower für
Museen interessant sein.
2.3
Die Nutzung zur Vernetzung mit Interessenten
Ebenfalls sehr gut geeignet ist Twitter für die Vernetzung mit Interessenten des Hauses und
potenziellen Besuchern. Alle Nutzer die sich über Themen austauschen, die zum Inhalt des
eigenen Museums passsen, sind potenzielle Follower und können zu potenziellen
Museumsbesuchern werden. Auch hier kann ein zusätzlicher Anreiz zum Beitritt, durch
Antworten auf entsprechende Tweets, geschaffen werden.
Zusätzlich sollten alle bereits existierenden Interessenten des Museums, die beispielsweise im
Rahmen der Besucherbindung betreut werden, über das Vorhandensein eines Twitter-Accounts
informiert werden, damit sie den neuen Informationskanal bei Bedarf nutzen können. Dies kann
beispielsweise durch die Verlinkung des Microblogs auf der eigenen Website geschehen.
2.4
17
Die Nutzung zur Vernetzung mit anderen Kanälen
Twitter zeichnet sich nicht zuletzt dadurch aus, dass es mit anderen Kommunikationskanälen
vernetzbar ist. Am einfachsten ist es, Links zur eigenen Website oder anderen Online-Ressourcen
in die Tweets einzubauen. Um Zeichen zu sparen, werden diese mit Webdiensten wie
TinyURL.com51 auf eine akzeptable Länge reduziert. Mit etwas mehr technischem Aufwand ist es
außerdem Möglich neue Artikel aus einem Weblog automatisch zu twittern52. Diese ausgewählten
Exempel sollen in diesem Rahmen genügen.
Der größte Vorteil der generellen Vernetzung mit Interessenten und Kooperationspartnern ist,
dass die eigenen Follower immer in die Lage eines Vermittlers versetzt werden können, indem sie
die Tweets an ihre Follower weiterleiten. Eine solche Weiterleitung ist ein sogenanntes Retweet53.
Theoretisch kann dies unendlich lange fortgesetzt werden, denn die Follower des anderen
Museums können das Retweet wiederum an ihre Follower retweeten und so weiter. Eine einzelne
Person oder ein einzelnes Museum wird so in die Lage versetzt, mit einem Twitter-Account unter
Umständen mehr Menschen erreichen zu können, als mit Hilfe einer Zeitung oder eines TVSenders54.
51
TinyURL.com – shorten that long URL into a tiny URL [Online-Ressource] / Stand: 2010
http://www.tinyurl.com
52
53
vgl. Simon, [Twitter, 2010], S. 111-115
54
vgl. Hünnekens, [Ich-Sender, 2009], S. 12
3 Inhaltliche Aspekte der Tweets
18
3
Inhaltliche Aspekte der Tweets
3.1
Die Methode
Um herauszufinden, welcher Art die Inhalte der Informationen sind, die deutsche Museen mit
Hilfe von Twitter kommunizieren, müssen die Tweets nach bestimmten Kriterien analysiert
werden. Für diese Aufgabe kommt die Inhaltsanalyse, eine Methode der empirischen
Sozialforschung,
zum
Einsatz.
Dabei
wird
eine
Themen-Frequenzanalyse55,
an
die
Besonderheiten von Twitter, speziell auch in technischer Hinsicht, angepasst, durchgeführt.
3.1.1 Frage- und Zielstellung für die Themen-Frequenzanalyse
Die zentrale Forschungsfrage für die Themen-Frequenzanalyse ist äquivalent zur Frage 2 in der
Einleitung dieser Diplomarbeit:
•
Welche Inhalte verbreiten deutsche Museen mit Hilfe von Twitter?
Auf Grundlage der Analyse-Ergebnisse sollen die Tweets nach bestimmten Kriterien kategorisiert
werden. Um solche Kriterien entwickeln zu können, bedarf es zusätzlicher Indikatoren, die sich
in diesem konkreten Fall nicht vollständig aus der Forschungsfrage ableiten lassen. Zur besseren
Nachvollziehbarkeit werden im Folgenden die zur Kategorienbildung beitragenden Hypothesen
aufgeführt und die jeweils dazugehörigen theoretischen Vorüberlegungen offengelegt56.
55
vgl. Früh, [Inhaltsanalyse, 2007], S. 147
56
19
3.1.2 Hypothesen und Vorüberlegungen
Hypothese 1: Auf Grund der Begrenzung auf 140 Zeichen, sind häufig keine vollständigen Sätze
in Tweets zu finden.
Theoretische Vorüberlegung: Schlechte Orthografie und Grammatik, was auch fehlerhafte
Interpunktion einschließt, sind im Internet häufig anzutreffen, speziell in der Blogosphäre57.
Hypothese 2: Weil Twitter ein Kommunikationskanal ist, der eine große Reichweite erreichen
kann, twittern Museen bevorzugt in eigener Sache, das heißt für Zwecke der Öffentlichkeitsarbeit
oder der Werbung.
Theoretische Vorüberlegung: Ziel der Nutzung von Twitter könnte unter anderem die
Steigerung der Bekanntheit des Museums, mit Hilfe der Erhöhung der Zugriffszahlen auf die
eigene Website, sein58. In der Folge bedeuteten mehr Besucher auf der eigenen Website im
Idealfall mehr Museumsbesucher.
Hypothese 3: Weil in Tweets von Museen selten Hashtags gesetzt werden, können die
entsprechenden Museen in der Twitter-Suche schlecht gefunden werden, was dazu führt, dass
potenzielle Interessenten dem Museum nicht als Follower beitreten können.
Theoretische Vorüberlegung: Fast 75%59 der deutschen Museen die im März 2010 einen
Twitter-Account nutzen, haben unter 500 Followern. Dies kann unter anderem daran liegen,
dass sie ihre Tweets nicht optimal taggen.
Hypothese 4: Die meisten für diese Analyse relevanten Museen, haben eher regionale als
internationale Bedeutung, deshalb ist die bevorzugte Sprache, die in Tweets zum Einsatz kommt,
Deutsch.
Theoretische Vorüberlegung: Subjektive Einschätzung des Autors auf Grundlage der Liste
„Twitternde Museen 03/2010“60.
57
vgl. Ist Rechtschreibung vorgestrig? [Online-Ressource] / Klinger, Claudia. – Stand: 05.10.2007
http://www.webwriting-magazin.de/ist-rechtschreibung-vorgestrig/
58
vgl. Hünnekens, [Ich-Sender, 2009], S. 13
59
vgl. Twitternde Museen 03/2010 [Online-Ressource] / Stand: 27.02.2010
60
Twitternde Museen 03/2010 [Online-Ressource] / Stand: 27.02.2010
20
Hypothese 5: Auf Grund der begrenzten Länge der Informationseinheiten, ist es schwer die
gezielte Ansprache spezifischer Personengruppen wahrzunehmen.
Theoretische Vorüberlegung: Ausnahmen könnten hier auftreten, wenn durch den Aufbau
des Inhalts eindeutig auf eine formelle oder persönliche Ansprache zu schließen wäre oder
der Text mit Smileys ergänzt wurde.
3.1.3 Entwicklung der Kategorien
Aus den Hypothesen können nun Fragen abgeleitet werden, aus denen erkennbar ist, welche
theoretischen Konstrukte miteinander in Beziehung stehen, woraus sich schlussendlich die
Kategorien ergeben (Tabelle 2).
Tabelle 2: Aus den Hypothesen abgeleitete Fragen61
Hypothese 1
1.
Mit welcher Häufigkeit ist in Tweets von Museen
fehlerhafte Interpunktion zu beobachten?
Hypothese 2
2.
Wenn Museen bevorzugt in eigener Sache twittern,
in welchem Maße nutzen sie dann die Möglichkeit,
außerdem externe Inhalte in einer Antwort zu kommentieren oder
andere Tweets an ihre Follower weiterzuleiten (Retweet)?
3.
Wie oft nutzen Museen die Möglichkeit, andere Medien
innerhalb eines Tweets zu verlinken?
4.
Sind die verlinkten Medien überwiegend eigene, (zum Beispiel
die Museums-Website) oder fremde (etwa die Internetseite
einer Tageszeitung)?
5.
Wie häufig twittern Museen Status-Meldungen, wie „Ich mache gerade Pause.“,
die inhaltlich keinerlei Bezug haben?
Hypothese 3
6.
Wie häufig taggen Museen ihre Tweets?
Hypothese 4
7.
Welche ist die dominierende Sprache, die in Tweets von Museen
zum Einsatz kommt?
Hypothese 5
8.
Wie oft ist in Tweets von Museen die gezielte Ansprache bestimmter Personengruppen
in formeller oder persönlicher Form wahrnehmbar?
9.
61
Wie häufig werden die Tweets mit Smileys ergänzt?
Quelle: eigene Darstellung
21
Es ist anzumerken, dass im konkreten Fall der Analyse von Twitter-Nachrichten, absichtlich sehr
viele technische Aspekte Berücksichtigung finden, da diese unmittelbare Auswirkungen auf die
inhaltliche Gestaltung sowie deren Wirkung haben. So könnte beispielsweise das „Tor“ zu einem
aktuellen Blog-Beitrag auf der Museums-Website verschlossen bleiben, wenn das entsprechende
Tweet ausschließlich aus einem Link besteht, der möglichweise auf Grund seines kryptischen
Aussehens nicht zum anklicken einlädt. Der Inhalt des Blog-Beitrags wäre in diesem Fall für den
Follower interessant gewesen, er konnte ihn jedoch – ohne eigenes Verschulden – nicht
konsumieren.
Nachdem die Hypothesen und die daraus abgeleiteten Fragen theoriegeleitet62 analysiert wurden,
ergeben sich folgende Kategorien (Tabelle 3):
Tabelle 3: Übersicht der Kategorien für die Inhaltsanalyse63
Beschreibung
Beziehung mit Frage
A
vollständiger Satz
1
B
eigene Meldung
2, 3, 4
C
externe Meldung
2, 3, 4
D
Sprache
7
E
Link
3
F
Hashtag(s)
6
G
Retweet/Antwort
2
H
eigener Link
4
I
externer Link
4
J
Status
5
K
persönlich
8
L
formell
8
M
Smiley(s)
9
62
63
22
3.1.4 Auswahl des Untersuchungsmaterials
Für die Auswahl des Untersuchungsmaterials ist zunächst eine Grundgesamtheit (GG)64
festzulegen. Die Forschungsfrage lautet: „Welche Inhalte verbreiten deutsche Museen mit Hilfe
von Twitter?“ Dementsprechend gehören alle deutschen Museen mit Twitter-Account zur
Grundgesamtheit. Es handelt sich im März 2010 um 6265 Museen.
Es ist also festzuhalten:
GG = 62
Als Untersuchungszeitraum werden mindestens 30 Tage angesetzt, um aussagefähige Ergebnisse
erzielen zu können.
3.1.5 Die Stichprobe
Es ist aus mehreren Gründen nicht möglich, alle Tweets der 62 Museen, die innerhalb der letzten
30 Tage kommuniziert wurden, zu analysieren. Zum ersten wird zu unterschiedlichen Tages- und
Nachtzeiten getwittert. Zum zweiten werden in der Weboberfläche die jüngsten Tweets nicht mit
Datum und Uhrzeit angezeigt, sondern nach dem Schema „about 15 hours ago via web“ und
zum dritten sind nicht nur die Tages- und Nachtzeiten der Tweets verschieden, sondern auch die
Tage, Wochen und Monate. Wenn die Person, die für ein Museum twittert, beispielsweise gerade
Urlaub hat, hieße das „Informationsstopp“ und demzufolge würde das Museum nicht in der
Analyse berücksichtigt werden können, weil es keine entsprechenden Tweets gibt.
Aus diesen Gründen wird die Untersuchung einer repräsentativen Stichprobe angestrebt. Diese
soll dadurch gekennzeichnet sein, dass alle Museen der Grundgesamtheit die gleiche Chance
haben, ausgewählt zu werden. Um dies zu gewährleisten, werden mit Hilfe der Funktion
„ZUFALLSBEREICH(1;62)“ aus der Tabellenkalkulation OpenOffice.org Calc (in Version 3.1)
7 Zufallszahlen zwischen 1 und 62 generiert. Grundlage der Auswahl ist die Liste „Twitternde
Museen 03/2010“66, welche museumsweise durchnummeriert ist, so dient eine generierte
Zufallszahl jeweils als eindeutiger Bezeichner für ein auszuwählendes Museum. In der Folge heißt
das, die Stichprobe umfasst 7 Museen, ein Anteil von 11,29% der Grundgesamtheit (Tabelle 4).
64
65
66
23
Die Museen der Stichprobe sind aus Deutschland und betreiben einen Twitter-Account, somit
entspricht die Stichprobe den Merkmalen der Grundgesamtheit in allen wesentlichen Punkten
und sie erlaubt den statistischen Induktionsschluss67 auf die Grundgesamtheit.
Eine weitere Auswertung des Datenmaterials der Liste „Twitternde Museen 03/2010“68 ergibt,
dass die Museen durchschnittlich 0,26 Tweets pro Tag kommunizieren. Auf 30 Tage aufaddiert,
wird ein Wert von 7,76 ermittelt. Theoretisch müssten jeweils die letzten 7,76 Tweets der Museen
aus der Stichprobe analysiert werden, um den Zeitraum von 30 Tagen abzudecken. Dieser Wert
wird auf 10 aufgerundet, um besser damit arbeiten zu können. Es ist also festzuhalten, dass
jeweils die 10 letzten Tweets der Museen aus der Stichprobe analysiert werden, insgesamt sind
das 70 Tweets.
Tabelle 4: Übersicht der Stichprobe für die Inhaltsanalyse69
Nr.
Twittername
Adresse
Museum
12
schuhmuseum
http://www.twitter.com/schuhmuseum/
Schuhmuseum Salzbergen
25
kunstsammlungen
http://www.twitter.com/kunstsammlungen/
Kunstsammlungen Chemnitz
40
neuesfilmmuseum
http://www.twitter.com/neuesfilmmuseum/
Deutsches Filmmuseum Frankfurt/Main
53
MainfrMuseum
http://www.twitter.com/mainfrmuseum/
Mainfränkisches Museum Würzburg
55
MDBKLeipzig
http://www.twitter.com/mdbkleipzig/
Museum der bildenden Künste Leipzig
59
MfVHamburg
http://www.twitter.com/mfvhamburg/
Museum für Völkerkunde Hamburg
6
SCHIRN
http://www.twitter.com/schirn/
Schirn Kunsthalle Frankfurt/Main
3.1.6 Durchführung der Codierung
Am 22.03.2010 wurde die Codierung durchgeführt. Die jeweils 10 letzten Tweets der Museen aus
der unter 3.1.5 beschriebenen Stichprobe wurden in die Tabellenkalkulation OpenOffice.org Calc
importiert und dort nach den Kategorien von Tabelle 3 codiert. Die vollständigen Codierbögen
sind in dieser Diplomarbeit in „Anlage 1: Codierbögen der Inhaltsanalyse“ beigefügt.
67
68
69
3.2
24
Ergebnisse
Die Auswertung der Codierbögen liefert die quantitativen Frequenzen der jeweiligen Kategorien.
Gleichzeitig bilden die Ergebnisse dieser Auswertung die Basis für Folgerungen über den
Wahrheitsgehalt der zugrunde gelegten Hypothesen. Die folgenden Darstellungen enthalten
neben den, auf ganze Zahlen gerundeten (Funktion RUNDEN(), OpenOffice.org Calc Version
3.1), quantitativen Frequenzen der Kategorien, die Antworten auf die aus den Hypothesen
abgeleiteten Fragen als Inferenz. Darüber hinausgehende Interpretationen oder Bewertungen der
Ergebnisse finden an dieser Stelle nicht statt.
Hypothese 1 behauptet, dass in Tweets häufig keine vollständigen Sätze zu finden wären,
woraufhin die Frage gestellt wurde, in welcher Häufigkeit fehlerhafte Interpunktion in Tweets
von Museen auftritt. Tatsächlich sind 36% der analysierten Tweets nur Wortgruppen oder
einzelne Links, ohne Zeichensetzung.
Auch Hypothese 2 bestätigt sich, denn die Museen kommunizieren zu 97% eigene Beiträge und
56% ihrer Tweets sind mit Links versehen, die zu eigenen Medien führen (Abbildung 3). Die
meistverlinkte Ressource ist das eigene Facebook-Profil des jeweiligen Museums, was wohl daran
liegt, dass man mit Hilfe von Facebook auch twittern kann. Jedes zehnte Tweet (10%) enthält
einen externen Link und je 4% enthalten eine externe Meldung oder ein Retweet,
beziehungsweise eine Antwort auf ein fremdes Tweet (Abbildung 3). Somit ist die Antwort auf
Frage 2, dass Museen die Möglichkeiten des Kommentierens und Weiterleitens erst in geringem
Maße nutzen. Summiert man die Prozentwerte der internen und externen Links, wird deutlich,
dass innerhalb von 66% der Tweets andere Medien verlinkt werden (Frage 3). Die Antwort auf
Frage 4 ergibt sich aus den Antworten der Fragen 2 und 3, die verlinkten Medien sind
überwiegend museumseigene. Reine Statusnachrichten, wie „Mittagspause. Lunchtime. #Rice mit
Huhn #Rice with chicken …“70, sind mit 4% vertreten.
Dass Museen wegen der zurückhaltenden Verwendung von Hashtags schlecht über die TwitterSuche gefunden werden könnten (Hypothese 3), lässt sich an dieser Stelle nicht zweifelsfrei
beweisen. Mit 17% beinhaltet fast jedes sechste Tweet ein oder mehrere solcher Hashtags
(Frage 6).
Hypothese 4 bestätigt sich eindeutig, denn der Anteil an deutschen Tweets beträgt 90% (Frage 7).
70
Peter Feldmann (schuhmuseum) on Twitter [Online-Ressource] / Feldmann, Peter. – Stand: Tweet vom 08.07.2008, 3:20 AM
via web
http://twitter.com/schuhmuseum
25
Dass die Wahrnehmung der gezielten Ansprache spezifischer Personengruppen bei einer
Zeichenbegrenzung auf 140 sehr schwierig sei, behauptet Hypothese 5. Die Analyse hat jedoch
gezeigt, dass in jedem zehnten Tweet (10%) eindeutig eine persönliche Ansprache wahrnehmbar
ist. In 1% der Tweets gibt es eine formelle Ansprache und 7% enthalten Smileys zur
Unterstützung ihrer Message (Fragen 8 und 9).
Angaben in %
97
56
4
10
4
externe Meldung
externer Link
eigene Meldung
eigener Link
Retw eet / Antw ort
Abbildung 3: Grafik: Eigene und externe Medien in Museums-Tweets71
71
4 Die Follower der Museen
4
26
Die Follower der Museen
Für Museen ist es heutzutage von entscheidender Bedeutung zu wissen, wer ihre Besucher sind,
was sie wollen, wie sie sich verhalten und wie sie sich informieren72. Genauso wichtig ist es zu
wissen, wer die Follower von Museen auf Twitter sind, was diese wollen und wie diese sich
verhalten. Dabei gilt es zunächst zu unterscheiden, aus welchen Beweggründen den Museen auf
Twitter gefolgt wird. Zum ersten ist es denkbar, dass Follower sich aus privatem Interesse über
das Museum auf dem Laufenden halten wollen. Entweder, weil sie es bereits kennen oder, weil
sie sich mittels dieses Kommunikationskanals über das Museum informieren möchten. Zum
zweiten
können
Unternehmen
als
Follower
auftreten,
die
entweder
bereits
eine
Geschäftsbeziehung mit dem Museum haben oder das Museum als potenziellen Kunden
gewinnen möchten. Dazu gehören auch freiberufliche Mitarbeiter oder Künstler. Die dritte
Möglichkeit ist eine Mischung aus privaten und geschäftlichen Interessen, beispielsweise wenn
jemand für ein Unternehmen twittert und mit dem gleichen Account, aus privatem Interesse,
einem oder mehreren Museen folgt.
Für die Untersuchung der Follower deutscher Museen ist eine Primärerhebung erforderlich, da
der Untersuchungsgegenstand derzeit noch kaum erforscht ist. Ziel dieser Untersuchung ist es,
allgemeine Aussagen über Soziodemografie und Twitterverhalten treffen zu können.
Zu letzterem gehören beispielsweise die eben erwähnten Beweggründe, die Frage, ob nur einem
einzigen oder mehreren Museen auf Twitter gefolgt wird sowie die Frage, ob ein Museum
besucht werden würde, weil Twitter als Kommunikationskanal benutzt wird.
Die Ergebnisse sind in verschiedenen Aspekten nützlich. Sie versetzen Museen, die Twitter
bisher noch nicht nutzen in die Lage, einschätzen zu können, ob eine künftige Nutzung dieses
Kommunikationskanals für sie relevant ist. Sei es für Zwecke der Werbung und
Öffentlichkeitsarbeit oder zur Vernetzung mit Kooperationspartnern. Museen die Twitter bereits
nutzen, können künftig ihr individuelles Follower-Relationship-Management73 optimieren und die
Möglichkeiten der Nutzung von Twitter besser ausschöpfen.
72
vgl. Klein, [Kultur-Marketing, 2005], S. 164
73
4.1
27
Die Methode
Die Primärforschung findet unter dieser Problemstellung als Teil der Kultur-Marketingforschung,
direkt am Absatzmarkt statt. Dort, wo sich der Untersuchungsgegenstand – die Follower der
deutschen Museen – befindet. So können die zu erhebenden Daten aus erster Hand gewonnen
werden und die Auswertung kann exakt auf die Fragestellung abgestimmt werden74. Ausgewähltes
Untersuchungsinstrument
ist
die
Online-Befragung,
eine
Methode
der
empirischen
Sozialforschung.
4.1.1 Besonderheiten der Online-Befragung
Im Vorfeld ist zu begründen, warum die Online-Befragung zum Einsatz kommt. Es sind mehrere
Aspekte, die für eine Verwendung der Online-Befragung als Untersuchungsinstrument sprechen.
Die Möglichkeiten, in kurzer Zeit sehr viele Daten sammeln zu können und diese anschließend
relativ unkompliziert in entsprechende Software zur Auswertung zu importieren, seien an dieser
Stelle genannt. Ein Einzelaspekt ist dabei ganz besonders zu betonen, weil dieser für den
endgültigen Entscheidungsimpuls verantwortlich ist. Es handelt sich um die Tatsache, dass die
Follower von Museen, als anonyme Personengruppe, ausschließlich online zu erreichen sind. Es
wäre in diesem Fall tatsächlich unmöglich, den zu befragenden Personen etwa einen Fragebogen
in Papierform zukommen zu lassen, weil es nicht möglich ist an die notwendigen Kontaktdaten
zu gelangen.
Obgleich es online möglich ist, in kurzer Zeit sehr viele Daten zu sammeln, ist auch in diesem
Medium die Verbreitung der Befragung mitunter problematisch. Bei der Frage, wie die zu
befragenden Follower am einfachsten auf den Online-Fragebogen zugreifen können, ergibt sich
folgender Ansatz: Die Museen könnten den Link zum Online-Fragebogen über ihren TwitterAccount an ihre Follower kommunizieren. Dies müsste während der Laufzeit der Befragung in
einer gewissen Regelmäßigkeit geschehen, damit ein einzelnes Tweet nicht in der Masse untergeht
und dadurch nur wenige Follower erreichen kann. So würde das Medium, dessen Nutzer zu
untersuchen sind, selbst als Hilfsmittel in die Untersuchung einbezogen. Soviel zur theoretischen
Vorbetrachtung.
Im Internet gibt es verschiedene Anbieter für kostenlose Online-Befragungen, mit
unterschiedlichem
Funktionsumfang.
Viele
dieser
Anbieter
finanzieren
sich
durch
Werbeeinblendungen, auch im laufenden Betrieb der Befragung. Ein Online-Fragebogen mit
74
vgl. Klein, [Kultur-Marketing, 2005], S. 165-166
28
Werbeeinblendungen kommt für diese Untersuchung jedoch nicht infrage, weil diese
möglicherweise etwaige Interessenten davon abhalten könnten, an der Befragung teilzunehmen.
Für die Auswahl eines geeigneten Service-Anbieters für die Online-Befragung, werden folgende
Kriterien zugrunde gelegt:
•
Es sollte möglichst viele optische Gestaltungsmöglichkeiten geben.
•
Die Fragen sollten in unterschiedlichen Kategorien verwaltet werden können.
•
Die Befragung muss, zumindest für die Teilnehmer, werbefrei sein.
•
Mehrfachauswahlen und Filterfragen müssen unterstützt werden.
•
Die erhobenen Daten müssen exportierbar sein und in einer gängigen Software für
Tabellenkalkulation ausgewertet werden können.
•
Es muss die Möglichkeit geben, die Befragung vorab zu testen, Daten probeweise zu
exportieren und auszuwerten.
•
Es muss die Möglichkeit geben, die erhobenen Daten des Vorab-Tests zu löschen, ohne
ein neues Befragungsprojekt anlegen zu müssen.
•
Es sollte die Möglichkeit geben, die Online-Befragung uneingeschränkt extern zu
verlinken.
Auf Grundlage dieser Kriterien wird schließlich der Onlinefragebogen 2.0 von
http://www.soscisurvey.de75 gefunden. Dieser Service scheint zunächst alle Kriterien zu
erfüllen, ist jedoch eine Betaversion. Deshalb folgt ein umfangreicher Test im Rahmen eines
Probeprojekts vom 15. bis 19. Februar 2010. Alle wichtigen Fragetypen werden getestet
sowie eine Probeauswertung durchgeführt. Erhebliche Probleme konnten nicht festgestellt
werden, somit wird der Onlinefragebogen 2.0 für die Verwendung bei dieser Untersuchung
ausgewählt.
75
oFb – der onlineFragebogen 2.0 [Online-Ressource] / Stand: 2010
http://www.soscisurvey.de
29
4.1.2 Die Fragen
Nachdem ein Benutzerkonto auf http://www.soscisurvey.de76 eingerichtet wurde, kann nun der
Fragebogen erstellt werden. Dieser Prozess orientiert sich strikt an der Fragestellung. Wie in der
Vorüberlegung unter Gliederungspunkt 4 festgelegt, sollen zum einen soziodemografische Daten
der Follower erhoben werden und zum anderen, Daten über das Twitterverhalten. Es werden
zunächst beide Kategorien im System des Online-Fragebogens angelegt. Danach werden die
einzelnen Fragen entwickelt und kategorienweise eingetragen. Jede Frage enthält einen
eindeutigen Bezeichner in Form einer ID und der Fragetyp wird exakt festgelegt. Um der
Eventualität Rechnung zu tragen, dass einige Follower deutscher Museen, nicht deutschsprachig
sind, werden alle Fragen parallel ins Englische übersetzt.
4.1.2.1
Fragen der Kategorie Soziodemografie
SD01
Zu welcher Altersgruppe gehören Sie? Bitte wählen Sie aus der Liste.
Your age-class? Please choose from the list.
SD02
Ihr Geschlecht:
Your Gender:
SD03
Ihr Wohnort
Your place of residence:
SD04
Land: Bitte wählen Sie das Land, in welchem Ihr Wohnort liegt
Your country:
76
http://www.soscisurvey.de
30
SD05
Bitte wählen Sie Ihr Bundesland aus. Wenn Ihr Wohnnort nicht in der Bundesrepublik
Deutschland liegt, wählen Sie bitte "mein Wohnort liegt nicht in Deutschland".
If your place of residence is not in Germany, please select "my place of residence is not in Germany".
4.1.2.2
Fragen der Kategorie Twitterverhalten
TV01
Welchen Museen, die an der Studie teilnehmen, folgen Sie auf Twitter?
Bitte wählen Sie das ensprechende Museum, bzw. die entsprechenden Museen aus der Liste aus.
Which museums from the list below are you following on Twitter?
Please select the relevant items.
TV02
Nutzen Sie Ihren Twitter-Account eher privat oder geschäftlich?
Bitte wählen Sie zwischen reiner Privatnutzung, reiner geschäftlichen Nutzung oder der
gemischten Nutzung.
Is your Twitter account basically for private purposes or for business purposes?
Please choose between private, corporate or "mixed".
TV03
Sie Nutzen Ihren Twitter-Account hauptsächlich aus geschäftlichem Interesse bzw. haben einen
Misch-Account: In welcher Eigenschaft twittern Sie?
Your Twitter account is basically for business purposes or you have a mixed-account. In which capacity are you
twittering?
31
TV04, TV06, TV08, TV10, TV12, TV14, TV16, TV18, TV20
Sie folgen dem Musem "MusterMuseum" - kannten Sie das Museum schon, bevor Sie ihm auf
Twitter gefolgt sind?
You are following the "ExampleMuseum" - did you know the museum before following it on Twitter?
TV05, TV07, TV09, TV11, TV13, TV15, TV17, TV19, TV21
Sie kannten das "MusterMuseum" vorher noch nicht. Würden Sie es besuchen, nachdem
Sie ihm nun auf Twitter als Follower beigetreten sind?
You did not know the "ExampleMuseum" before. Would you visit the museum because
you are attending as a follower on Twitter?
32
4.1.3 Theoretischer Ablauf der Online-Befragung
Aus den in Abschnitt 4 aufgeführten Beweggründen, ergeben sich drei Möglichkeiten der
Fragestellung. Alle Teilnehmer bekommen die Fragen TV01 und TV02 gestellt. In TV01 wählt
der Teilnehmer aus, welchen Museen er auf Twitter folgt. TV02 ergibt dann die erste
Verzweigung.
1. Der Teilnehmer agiert ausschließlich aus privaten Interessen (Privat-Account)
¾ Er wird umgehend zu den Fragen TV04 bis TV20 weitergeleitet, wo er gefragt wird, ob er
die Museen, denen er auf Twitter folgt, schon kennt. Sollte mindestens eine dieser Fragen
mit „nein“ beantwortet werden, bekommt er die jeweils folgende Frage mit einer
ungeraden Kennung gestellt – also TV05 bis TV21. In diesen wird er gefragt, ob er das
Museum, nachdem er ihm nun auf Twitter folgt, besuchen würde.
2. Der Teilnehmer agiert ausschließlich aus geschäftlichen Interessen (Corporate-Account)
¾ Ihm wird als nächstes die Frage TV03 gestellt, in der er auswählen muss, in welcher
Funktion er twitter. So zum Beispiel für ein anderes Museum, für einen Dienstleister oder
als Künstler.
3. Der Teilnehmer agiert sowohl aus privaten als auch aus geschäftlichen Interessen (MischAccount)
¾ Ihm werden sowohl die Frage TV03 als auch die Fragen TV04 bis 20 sowie TV05 bis
TV21 gestellt.
Anschließend werden allen Teilnehmern die Fragen aus der Kategorie Soziodemografie gestellt.
Es ist zum besseren Verständnis anzumerken, dass die Anzeige der Fragen TV04 bis TV20 sowie
TV05 bis TV21 davon abhängt, wie vielen und welchen Museen jeweils gefolgt wird. Insgesamt
gibt es 9 Museen zur Auswahl, wie diese Zahl zustande kommt, wird im Unterkapitel 4.1.4 „Die
Stichprobe“ erläutert. Zur Veranschaulichung der Erklärung über die Möglichkeiten der
Fragestellung dient der vereinfachte Programmablaufplan in Abbildung 4.
Zur technischen Umsetzung der Filterfragen bietet das System des Onlinefragebogen 2.0 die
Möglichkeit vorgefertigte Funktionen für die Programmiersprache PHP zu nutzen. Damit ist die
Realisierung kein Problem. Der komplette, kommentierte Quelltext befindet sich in „Anlage 2:
PHP-Quelltext des Online-Fragebogens“ dieser Diplomarbeit. Es ist anzumerken, dass in den
PHP-Kommentaren mitunter eine vereinfachte Sprache zum Einsatz kommt. So treten
Beispielsweise Konstrukte wie „Besuchsfrage für Privatler“ auf. Diese dienen der Verknappung
und dem besseren Verständnis.
33
Abbildung 4: Ablaufplan des Fragebogens mit Filterfragen
34
4.1.4 Die Stichprobe
Nachdem alle theoretischen Vorbetrachtungen und die Entwicklung des Online-Fragebogens
abgeschlossen sind, stellt sich an dieser Stelle die Frage nach einer Voll- oder Teilerhebung. Aus
der Problemstellung ergibt sich die Gesamtheit aller deutschen Museen, die einen TwitterAccount betreiben als Grundgesamtheit. Basierend auf der „Liste der twitternden Museen
03/2010“77 sind dies derzeit 62 Museen. Da aber Museen darunter sind, die zwar einen TwitterAccount haben, diesen aber noch nie genutzt haben, kann nicht damit gerechnet werden, dass
jedes Museum bereit ist, den Link an seine Follower zu kommunizieren. Desweiteren kann nicht
davon ausgegangen werden, dass alle Follower, die das entsprechende Tweet erhalten, auch auf
den Link zum Online-Fragebogen klicken. Ein sofortiges Schließen oder frühzeitiges Abbrechen
der Befragung ist außerdem denkbar. Die logische Konsequenz daraus ist eine Teilerhebung mit
der Ziehung einer Stichprobe.
Für die Inhaltsanalyse in Kapitel 3 dieser Diplomarbeit wird bereits eine Stichprobe eingesetzt,
die auf der Grundgesamtheit der 62 deutschen Museen mit Twitter-Account basiert. Für die
Ziehung der neuen Stichprobe für die Online-Befragung ist es zu vermeiden, dass die gleichen
Museen erneut gezogen werden können. Dies dient der Sicherstellung der Zufälligkeit der
Ziehung. Daraus folgt die Verringerung der Grundgesamtheit (GG) um die Größe der
Stichprobe aus Unterkapitel 3.1.5.
Es ist also festzuhalten:
GG = (62 – 7) = 55
Im Mittel haben die Museen der „Liste der twitternden Museen 03/2010“78 242,26 Follower. Das
heißt, um zu gewährleisten, dass die Stichprobe repräsentativ ist, werden 242,26 vollständig
ausgefüllte Online-Fragebögen benötigt. Mit einer Stichprobe, die aus 10 Museen besteht,
können maximal 2422,6 Follower erreicht werden. Bei einer Rücklaufquote von 10% hätte die
Online-Befragung demzufolge repräsentativen Charakter.
Für die Ziehung der Stichprobe werden mit Hilfe der Funktion „ZUFALLSBEREICH(1;55)“
aus der Tabellenkalkulation OpenOffice.org Calc (in Version 3.1), 10 Zufallszahlen zwischen 1
und 55 generiert. Diese sind wiederum eindeutige Bezeichner für die auszuwählenden Museen
aus der Liste. Die Stichprobe aus 10 Museen entspricht einem Anteil von 18,2% der
Grundgesamtheit (Tabelle 5).
77
78
35
Es ist anzumerken, dass das Städel Museum Frankfurt kurzfristig nicht an der Unterstützung der
Studie teilnehmen konnte, daher wurde die Stichprobe nachträglich verkleinert. In der
Neuberechnung mit 9 Museen beträgt diese 16,4 % der Grundgesamtheit. Die Zahl der maximal
zu erreichenden Follower liegt mit dieser Stichprobengröße bei 2180,34, was zur Folge hat, dass
die Mindest-Rücklaufquote, welche für die Repräsentativität der Ergebnisse ausschlaggebend ist,
auf 11,2% ansteigt. Die theoretische Überlegung mit 10 Museen als Stichprobe ist jedoch für das
Nachvollziehen des Entwicklungsprozesses der Stichprobenziehung unverzichtbar und wurde
daher vollständig in die Ausführungen aufgenommen.
Tabelle 5: Übersicht der Stichprobe für die Online-Befragung79
Nr.
Twittername
Adresse
Museum
1
Mueritzeum
http://www.twitter.com/mueritzeum
Müritzeum Waren (Müritz)
[3]
[staedelmuseum]
[http://www.twiiter.com/staedelmuseum]
[Städel Museum Frankfurt/Main]
7
ddrmuseum
http://www.twitter.com/ddrmuseum
DDR-Museum Berlin
8
Alamannenmuseum
http://www.twitter.com/alamannenmuseum
Alamannenmuseum Ellwangen
15
Neandertal1
http://www.twitter.com/neantertal1
Neanderthal-Museum Mettmann
21
skdmuseum
http://www.twitter.com/skdmuseum
Staatliche Kunstsammlungen Dresden
24
LindenMuseum
http://www.twitter.com/lindenmuseum
Lindenmuseum Stuttgart
26
schaubude
http://www.twitter.com/schaubude
Schaustellermuseum Essen
30
LWLMuseumArchae
http://www.twitter.com/lwlmuseumarchae
Westfälisches Landesmuseum für Archäologie Herne
45
MuseumHattingen
http://www.twitter.com/museumhattingen
Stadtmuseum Hattingen
79
36
4.1.5 Pretest und Datenerhebung
Für die Verbreitung des Fragebogens wird nun die theoretische Vorbetrachtung aus Unterkapitel
4.1.1 umgesetzt. Die ausgewählten Museen aus der Stichprobe wurden über Twitter kontaktiert
und gebeten, den Link zum Online-Fragebogen an ihre Follower zu kommunizieren. Zusätzlich
wurde ihnen ein Weg aufgezeigt, dies automatisiert zu realisieren. Wichtig dabei war ein
Zeitpuffer, um dies vorher auf reibungslose Funktionalität zu testen.
In der Zeit vom 25.02.2010 bis 28.02.2010 wird der Online-Fragebogen im Status Pretest
getestet. In dieser Zeit ist er nur mit einem Passwort zugänglich, welches den Museen der
Stichprobe übermittelt wurde.
Die eigentliche Datenerhebung findet vom 01.03.2010 bis 16.03.2010 statt. Während dieser Zeit
ist der Online-Fragebogen für alle, die auf einen über Twitter kommunizierten Link klicken,
zugänglich. Der Titel der Online-Befragung lautet: „Studie über die Nutzung von Microblogging
im deutschen Museumswesen“ Der Link wird über die gesamte Laufzeit jeweils 10 Uhr, 15 Uhr
und 20 Uhr automatisiert kommuniziert. Dafür wurden im Vorfeld 3 Tweets vorbereitet und an
die Museen übermittelt:
•
Bitte teilnehmen #twitmus: Studie über die Nutzung v. Twitter (Microblogging) im dt.
Museumswesen. Klick: http://tinyurl.com/yzcgvr4 Danke!
•
Please participate #twitmus: Survey about usage of Twitter (microblogging) by German
museums. Click: http://tinyurl.com/yzcgvr4 Thank you!
•
Studie über die Nutzung von Twitter im dt. Museumswesen. Vielen Dank für die
Teilnahme! #twitmus Klick: http://tinyurl.com/yzcgvr4
Durch den Einsatz des Hashtags #twitmus, kann die Verbreitung der Tweets während des
Befragungszeitraums über die Twitter-Suche beobachtet werden. Der Link zum OnlineFragebogen, www.soscisurvey.de/twittermuseen/, wurde auf http://tinyurl.com/yzcgvr480
gekürzt. Die Automatisierung der Tweets wird durch den Service von http://www.twaitter.com81
umgesetzt.
80
http://www.tinyurl.com
81
Twaitter – Twitter Business and Marketing Tools [Online-Ressource] / Stand: 2010
http://www.twaitter.com
4.2
37
Ergebnisse
Die erhobenen Daten der vollständig ausgefüllten Online-Fragebögen wurden in die
Tabellenkalkulation OpenOffice.org Calc (Version 3.1) importiert und ausgewertet. Folgende
Rücklaufstatistiken sind zu verzeichnen:
Tabelle 6: Rücklaufstatistiken der Online-Befragung82
Gesamtzugriffe
2105
abgebrochene Befragungen
1851
vollständig ausgefüllte Online-Fragebögen
254
Rücklaufquote
12,1 %
Es ist festzustellen, dass die angestrebte Repräsentativität erreicht wurde und der statistische
Induktionsschluss83 auf die Grundgesamtheit möglich ist. Desweiteren ist anzumerken, dass die
Ergebnisse auf ganzzahlige Werte gerundet sind (Funktion RUNDEN(), OpenOffice.org Calc
Version 3.1), außer im Falle von Werten, die kleiner als 1 sind.
4.2.1 Allgemeine Ergebnisse der Online-Befragung
Auswertung der soziodemografischen Daten
Zunächst werden die Soziodemografischen daten der Follower ausgewertet, um zu erfahren
welche Altersgruppen dominieren und wie die Follower regional verteilt sind.
Follower nach Altersgruppe
Die Auswertung der Follower nach Altersgruppen zeigt eine deutliche Dominanz der 20- bis 40jährigen, welche mit 63% vertreten sind. Rang 2 belegt die Altersgruppe der 40- bis 60-jährigen,
die mit einem knappen Drittel (31%) vertreten ist. Gleichauf liegen die Gruppen der Unter-20jährigen und der 60- bis 80-jährigen, mit je 3%. bilden sie eine Minderheit. Über 80-jährige
Follower sind nicht zu verzeichnen (Abbildung 5). Die Kategorisierung der Altersgruppen
82
83
38
erfolgte auf Basis der Daten zur „Bevölkerung nach Altersguppen“84 des Statistischen
Bundesamts.
Angaben in %
63
31
3
3
20-40 Jahre
unter 20 Jahre
40-60 Jahre
0
60-80 Jahre
80 Jahre und älter
Abbildung 5: Grafik: Follower nach Altersgruppen85
Follower nach Geschlecht
Ein Drittel der Follower der deutschen Museen sind weiblich (34%). Dem stehen zwei Drittel
männliche Follower gegenüber (66%).
Altergruppe nach Geschlecht der Follower
Die weiblichen Follower sind in 76% der Fälle, zwischen 20 und 40 Jahren alt und in 19% der
Fälle, zwischen 40 und 60 Jahren. 2% der Frauen sind unter 20 Jahre und 3% zwischen 60 und 80
Jahren (Abbildung 6).
84
Bevölkerung nach Altersgruppen [Online-Ressource] / Stand: 2008
http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/Content/Statistiken/Zeitreihen/LangeReihen/Be
voelkerung/Content100/lrbev01ga,templateId=renderPrint.psml
85
39
Abbildung 6: Grafik: Altersgruppen der weiblichen Follower86
Die männlichen Follower sind in 57% der Fälle, zwischen 20 und 40 Jahren alt und in 38% der
Fälle, zwischen 40 und 60 Jahren. 3% der Männer sind unter 20 Jahre und 2% zwischen 60 und
80 Jahren (Abbildung 7).
Abbildung 7: Grafik: Altersgruppen der männlichen Follower87
86
87
40
Follower nach Bundesland
Tabelle 7: Follower nach Bundesland , absteigend sortiert88
Bundesland
Anteil in %
Nordrhein-Westfalen
22
Sachsen
14
Berlin
12
Baden-Württemberg
9
Bayern
7
Mecklenburg-Vorpommern
6
Niedersachsen
4
Hessen
4
Sachsen-Anhalt
3
Thüringen
2
Brandenburg
2
Schleswig-Holstein
2
Hamburg
2
Rheinland-Pfalz
0,79
Saarland
0,79
Bremen
0,4
Wohnsitz nicht in Deutschland
10
Follower nach Land
Tabelle 8: Follower nach Herkunftsland89
Land
Deutschland
Österreich
Schweiz
88
89
Anteil in %
90
1
0,4
41
EU-Ausland
5
Nicht-EU-Ausland
3
Auswertung des Twitterverhaltens
An dieser Stelle wird das Twitterverhalten der Follower ausgewertet. Ausgehend von der Art des
Twitter-Accounts, über die Verteilung der Follower auf die einzelnen Museen, bis hin zu den
Fragen, wieviele Twitter-Nutzer mehr als 2 Museen oder allen Museen folgen.
Art des Twitter-Accounts
Prozentual am höchsten sind die Privat-Accounts vertreten (43%). Rang 2 belegen die MischAccounts mit 36% und der Anteil an Corporate Accounts liegt bei 21% (Abbildung 8).
Abbildung 8: Grafik: Verteilung der Account-Typen90
90
42
Verteilung der Follower auf die Museen
Betrachtet man die Verteilung der Follower auf die teilnehmenden Museen, so ist das DDRMuseum Berlin mit 32% an der Spitze, dicht gefolgt von den Staatlichen Kunstammlungen
Dresden (31%). Das Müritzeum Waren (Mürzitz) belegt mit 26% Rang 3, gefolgt vom
Neanderthal-Museum Mettmann mit 24%. Dem Westfälischen Landesmuseum für Archäologie
folgen 22% der Teilnehmer dieser Befragung. 21% halten sich über das Alamannenmuseum
Ellwangen auf dem Laufenden, 15%
Schaustellermuseum
in
Essen
über das Lindenmuseum Stuttgart, 12% über das
und
9%
über
das
Stadtmuseum
Hattingen
(Abbildung 9).
Abbildung 9: Grafik: Verteilung der Follower auf die Museen91
Museum vor Twitter unbekannt, aber besuchenswert
Ob das Museums noch unbekannt war, bevor deren Follower dessen Tweets auf Twitter
abonniert haben und ob die Follower das Museum besuchen würden, weil sie es auf Twitter
gefunden haben, beleuchtet dieser Teil der Auswertung.
Das Stadtmuseum Hattingen war für 83% seiner Follower vorher unbekannt, 42% derer könnten
sich jedoch vorstellen, es zu besuchen, seitdem sie ihm auf Twitter folgen. Das
Schaustellermuseum Essen war für 71% seiner Follower vorher nicht bekannt. 26% dieser
würden es besuchen, weil sie ihm auf Twitter folgen. 69% der Follower des Alamannenmuseums
kannten dieses bisher nicht. Einen Besuch wagen würden 31% davon. Beim Müritzeum Waren
liegt das Verhältnis bei 65% zu 26%. Beim Lindenmuseum Stuttgart bei 59% zu 21%.
91
43
Das Neanderthal-Museum kannten 52% der Follower vorher noch nicht, 15% davon würden es
besuchen. Das westfälische Landesmuseum für Archäologie war für 47% seiner Follower vorher
unbekannt, 20% davon würden es besuchen. Das DDR-Museum Berlin war für 42% seiner
Follower vor der Nutzung von Twitter unbekannt. 14% davon würden es seitdem besuchen.
Schließlich waren die Staatlichen Kunstsammlungen Dresden für 34% ihrer Follower noch nicht
bekannt, 6% von ihnen würden es besuchen, seitdem sie ihm auf Twitter folgen (Abbildung 10).
Aus diesen Werten lässt sich feststellen, dass im Mittel etwa 22% derer, die einem Museum auf
Twitter folgen, das sie vorher noch nicht kannten, es tatsächlich besuchen würden, weil sie ihm
auf Twitter folgen.
Abbildung 10: Grafik: Museum vor Twitter unbekannt, Besuch ja92
Follower von mehr als einem Museum
Es ist festzustellen, dass 38% aller Teilnehmer der Online-Befragung mindestens 2 Museen
gleichzeitig folgen. 4% aller Teilnehmer folgen allen 9 Museen.
92
44
4.2.2 Follower mit privaten Interessen
An dieser Stelle werden die Ergebnisse der soziodemografischen Daten mit Bezug auf die
Follower mit Privat-Accounts ausgewertet. Daraus lässt sich erkennen, ob es bei Followern mit
privaten Interessen Verschiebungen in der soziodemografischen Struktur im Vergleich zur
Gesamtheit aller Follower gibt.
Follower mit privaten Interessen nach Altersgruppe
Die Auswertung der Altersgruppen von Followern mit Privat-Account zeigt nur minimale
Abweichungen von der Altersstruktur der Gesamtheit aller Follower (Abbildung 11).
Abbildung 11: Grafik: Altersgruppen der Follower mit Privat-Account93
Follower mit privaten Interessen nach Geschlecht
Der weibliche Anteil ist bei den privaten Followern mit 38% um 4% höher als bei der
Gesamtheit aller Follower. Der männliche Anteil beträgt 62% und ist somit um 4% geringer.
93
45
Altersgruppe nach Geschlecht der Follower mit Privat-Account
Bei den weiblichen Followern mit Privat-Account ist die Altersgruppe der 20- bis 40-jährigen
unverändert mit 76% vertreten. Kleinere Verschiebungen um 3% nach oben gibt es jedoch bei
den Altersgruppen der Unter-20-jährigen (5%) und der 60- bis 80-jährigen (5%) zu verzeichnen.
Eine Verschiebung um 4% nach unten ist bei der Altersgruppe der 40- bis 60-jährigen
festzustellen (15%) (Abbildung 12).
Abbildung 12: Grafik: Altersgruppen der weiblichen Follower mit Privat-Account94
94
46
Bei den männlichen Followern mit Privat-Account sind in der Altersgruppe der 20- bis 40jährigen 6% Reduktion (51%) und in der Altersgruppe der 60- bis 80-jährigen 1% Reduktion (1%)
vorhanden. In der Altersgruppe der 40- bis 60-jährigen sind 2% Anstieg (40%) und in der
Altersgruppe der Unter-20-jährigen ein Anstieg um 4% zu verzeichnen (7%) (Abbildung 13).
Abbildung 13: Grafik: Altersgruppen der männlichen Follower mit Privat-Account95
95
47
Follower mit Privat-Account nach Bundesland
Tabelle 9: Follower mit Privat-Account nach Bundesland + Vergleich mit Gesamtanteil96
Bundesland
Anteil in %
Vergleich
Differenz
Gesamtanteil
in %
in %
Nordrhein-Westfalen
28
22
+6
Sachsen
10
14
-4
Berlin
6
12
-6
Baden-Württemberg
7
9
-2
Bayern
8
7
+1
6
6
0
Niedersachsen
5
4
+1
Hessen
4
4
0
Sachsen-Anhalt
4
3
+1
Thüringen
3
2
+1
Brandenburg
5
2
+3
Schleswig-Holstein
4
2
+2
Hamburg
3
2
+1
Rheinland-Pfalz
2
0,79
+1,21
Saarland
0
0,79
-0,79
Bremen
0
0,4
-0,4
6
10
-4
96
48
Follower mit Privat-Account nach Land
Tabelle 10: Follower mit Privat-Account nach Herkunftsland + Vergleich mit Gesamtanteil97
Land
Anteil in %
Vergleich
Differenz
Gesamtanteil
in %
in %
Deutschland
94
90
+4
Österreich
1
1
0
Schweiz
0
0,4
-0,4
EU-Ausland
5
5
0
Nicht-EU-Ausland
1
3
-2
Follower mit Privat-Account von mehr als einem Museum
Es ist festzustellen, dass 27% der Follower mit Privat-Account mindestens 2 Museen gleichzeitig
folgen. Keiner der Follower mit Privat-Account folgt jedoch allen 9 Museen.
97
49
4.2.3 Follower mit geschäftlichen oder kooperativen Interessen
An dieser Stelle werden die Ergebnisse mit Bezug auf die Follower mit Corporate-Accounts und
Misch-Accounts ausgewertet. Zunächst geht es wieder um die soziodemografischen Daten zum
Vergleich mit der Gesamtheit aller Follower. Bei den Followern mit geschäftlichen oder
kooperativen Interessen geht es jedoch ganz speziell um die Frage, in welcher Funktion getwittert
wird. Daraus lässt sich erkennen, welche Arten der Geschäftsbeziehungen die Follower zu den
Museen pflegen, beziehungsweise, welche Arten der Kooperation oder Geschäftspartnerschaft
sie anstreben.
Follower mit Corporate- und Misch-Account nach Altersgruppe
Die Auswertung der Altersgruppen von Followern mit Corporate- und Misch-Account zeigt
einige Abweichungen gegenüber der Gesamtheit aller Follower. Die Altersgruppe der Unter-20jährigen ist übehaupt nicht vertreten, ebenso die Altersgruppe der 80-jährigen und älteren. Mit
65% dominieren die 20- bis 40-jährigen. Die 40- bis 60-jährigen sind mit 32% dabei und die 60bis 80-jährigen mit 3% (Abbildung 14).
Angaben in %
65
32
3
0
20-40 Jahre
unter 20 Jahre
40-60 Jahre
0
60-80 Jahre
80 Jahre und älter
Abbildung 14: Grafik: Altersgruppen der Follower mit Corporate- und Misch-Account98
98
50
Follower mit Corporate- und Misch-Account nach Geschlecht
Der weibliche Anteil bei den Followern mit Corporate- und Misch-Account ist mit 31% um 3%
geringer als bei der Gesamtheit aller Follower. Der männliche Anteil beträgt 69% und ist somit
um 5% höher.
Altersgruppe nach Geschlecht der Follower mit Corporate- und Misch-Account
Bei den weiblichen Followern mit Corporate- und Misch-Account ist die Altersgruppe der 20- bis
40-jährigen unverändert mit 76% vertreten. Die Altersgruppe der 60- bis 80-jährigen (2%) hat 3%
weniger Anteil. Eine Verschiebung um 7% nach oben ist bei der Altersgruppe der 40- bis 60jährigen festzustellen (22%) (Abbildung 15). Die Altersgruppe der Unter-20-jährigen ist nicht
vertreten.
Abbildung 15: Grafik: Altersgruppen der weiblichen Follower mit Corporate- und Misch-Account99
Bei den männlichen Followern mit Corporate- und Misch-Account sind in der Altersgruppe der
20- bis 40-jährigen 61% vertreten und in der Altersgruppe der 40- bis 60-jährigen 31%. In der
Altersgruppe der 60- bis 80-jährigen (3%) ist 2% Anstieg zu verzeichnen. Die Altersgruppe der
Unter-20-jährigen ist nicht vertreten (Abbildung 16).
99
Abbildung 16: Grafik: Altersgruppen der männlichen Follower mit Corporate- und Misch-Account100
100
51
52
Follower mit Corporate- und Misch-Account nach Bundesland
Tabelle 11: Follower mit Corporate- und Misch-Account nach Bundesland + Vergleich mit Gesamtanteil101
Bundesland
Anteil in %
Vergleich
Differenz
Gesamtanteil
in %
in %
Nordrhein-Westfalen
17
22
-5
Sachsen
17
14
+3
Berlin
17
12
+5
Baden-Württemberg
10
9
+1
Bayern
6
7
-1
6
6
0
Niedersachsen
3
4
-1
Hessen
3
4
-1
Sachsen-Anhalt
3
3
0
Thüringen
1
2
-1
Brandenburg
1
2
-1
Schleswig-Holstein
0
2
-2
Hamburg
1
2
-1
Rheinland-Pfalz
0
0,79
-0,79
Saarland
1,39
0,79
+0,6
Bremen
0,69
0,4
+0,29
13
10
+3
101
53
Follower mit Corporate- und Misch-Account nach Land
Tabelle 12: Follower mit Corporate- und Misch-Account nach Herkunftsland + Vergleich mit Gesamtanteil102
Land
Anteil in %
Vergleich
Differenz
Gesamtanteil
in %
in %
Deutschland
88
90
-2
1
1
0
0,69
0,4
+0,29
EU-Ausland
6
5
+1
Nicht-EU-Ausland
5
3
+2
Österreich
Schweiz
Follower mit Corporate- und Misch-Account von mehr als einem Museum
Es ist festzustellen, dass 47% der Follower mit Corporate- und Misch-Account mindestens 2
Museen gleichzeitig folgen. 8% der Follower mit Corporate- und Misch-Account folgen allen 9
Museen.
Twitter-Eigenschaft der Follower mit Corporate- und Misch-Account
Die Auswertung der Follower mit Corporate- und Misch-Accounts ergibt, dass 28% für einen
Dienstleister twittern, 27% als „sonstiger Freiberufler“, 13% für ein Museum, 10% für eine
andere Kultureinrichtung und 8% als freischaffender Künstler (Abbildung 17). 15% haben
„sonstiges“ ausgewählt und dies wie folgt näher bezeichnet: 3% twittern aus wissenschaftlichen
Gründen, ebenfalls 3% twittern für eine Versicherung. Je 0,69% twittern für eine Band, eine
Werbeagentur, als Student oder für alle in Abbildung 17 aufgeführten Institutionen
(Abbildung 18).
102
54
Angaben in %
10
andere Kultureinrichtung
15
Sonstiges
27
sonstiger Freiberufler
freischaffender Künstler
8
28
Dienstleister
13
Museum
Abbildung 17: Grafik: Twitter-Eigenschaft der Follower mit Corporate- und Misch-Account103
Angaaben in %
2
keine Angabe
eigenes Unternehmen
0,69
for a band
0,69
Werbeagentur
0,69
3
Versicherung
Student
0,69
Selbstständig
1
Informand
0,69
3
w issenschaftliche Gründe
all above
0,69
Abbildung 18: Grafik: Sonstige Twitter-Eigenschaften von Followern mit Corporate- und Misch-Account104
103
104
5 Zusammenfassung
5
Zusammenfassung
5.1
Momentaufnahme der Nutzung von Twitter im deutschen
55
Museumswesen
Nach Abschluss aller Bearbeitungen und eingehender Betrachtung der Auswertungen lässt sich
feststellen, dass sehr viel Bewegung in der „musealen Twittersphäre“ herrscht. Einige Museen
nutzen regelmäßig die Möglichkeit, Inhalte über Twitter zu verbreiten. Bevorzugt verlinken sie
dabei ihre eigenen vorhandenen Kommunikationskanäle, wie die Museums-Website, das
Facebook-Profil oder den YouTube-Kanal. Bei der Verfassung von Tweets wird in den meisten
Fällen ein deutschsprachiges Publikum angesprochen, wobei selten zu erkennen ist, ob eine
explizite Zielgruppe gemeint ist. Wenn beispielsweise die Information über eine geplante
Kinderveranstaltung kommuniziert wird, geschieht dies in neutraler Form. Weder die Kinder
selbst, noch die Eltern werden durch die Verwendung spezieller Satzstrukturen oder anderer
sprachlicher Mittel direkt angesprochen.
Mitunter ist der Versuch der gezielten persönlichen Ansprache zu erkennen. Dabei bleibt jedoch
in der Regel offen, ob eher eine junge Zielgruppe oder ein „langjähriger Museumsfreund“, der
durchaus einer älteren Personengruppe angehören kann, angesprochen wird. Es sind Ansätze zu
erkennen, die Möglichkeiten von Twitter dahingehend zu optimieren, um zu bestimmten
Themen besser gefunden zu werden. Einige Tweets sind dafür mit Hashtags versehen. Meistens
handelt es sich dabei um populäre Begriffe und eher selten um Hashtags in eigener Sache.
Zusammenfassend lässt sich sagen, dass der Schwerpunkt in den inhaltlichen Aspekten der
Tweets deutscher Museen, zum Zeitpunkt in den Bereichen der Öffentlichkeitsarbeit zu suchen
ist. Zusätzlich gibt es mitunter Anzeichen dafür, dass experimentell ausprobiert wird, was die
Möglichkeiten von Twitter noch bieten.
Betrachtet man den Bereich der Follower deutscher Museen auf Twitter, muss man feststellen,
dass das Verhältnis zwischen reinem Privatinteresse und dem geschäftlichen Fokus relativ
ausgeglichen ist. Männliche Nutzer im Alter zwischen 20 und 40 Jahren bilden den Großteil der
Follower deutscher Museen. Mit etwas Abstand gefolgt von der Altersgruppe der 40- bis 60jährigen. Das bedeutet, im Moment ist der durchnittliche Follower deutscher Museen jünger, als
der durchschnittliche Twitter-Nutzer. Denn laut einer aktuellen Studie der Firma ComScore, die
5 Zusammenfassung
56
kürzlich von der Frankfurter-Allgemeinen-Zeitung-Online105 vorgestellt wurde, ist die
dominierende Altersgruppe auf Twitter, 55+.
Abschließend ist festzuhalten, dass die Menge der Follower, die deutschen Museen aus
geschäftlichem Interesse folgen, größer, als es die Inhalte der Tweets von selbigen Sendern
vermuten lassen.
105
F.A.Z.-Community [Online-Ressource] / Stand: 18.03.2010
http://faz-community.faz.net/blogs/netzkonom/archive/2010/03/16/facebook-nutzer-sind-aelter-als-vz-nutzer.aspx
Glossar
57
Glossar
Facebook
Derzeit größtes soziales Netzwerk im Internet.
YouTube
Portal zur kostenfreien Verbreitung von Videomaterial im Internet.
Relaunch
Veröffentlichung einer Internetseite nach Überarbeitung.
Tweet
Informationseinheit von Twitter, auf 140 Zeichen begrenzt.
Follower
Derjenige, der die Tweets konsumieren will und dafür dem jeweiligen Sender
“folgt”.
Retweet
Weiterleitung einer Nachricht eines anderen Twitter-Nutzers an seine eigenen
Follower.
Antwort
Kommentar zu einem Tweet. Wird mit einem vorangestellten @ versandt.
taggen
Verschlagwortung von Blogbeiträgen oder Tweets.
Hashtag
Spezielle Form der Verschlagwortung in Tweets, dem Begriff wird ein RauteZeichen vorangestellt. Unterstützt die Suchfunktion auf Twitter.
Twittersphäre
Die Gemeinschaft aller Nutzer von Twitter und aller Service-Anbieter und
Kanäle, die auf Twitter zugreifen können.
Blogosphäre
Die Gemeinschaft aller Weblogs und Blogger, derjenigen, die die Beiträge
verfassen.
trackback
Automatisches Verfahren zur Setzung von rückführenden Links, z.B. in
Weblogs.
Literaturverzeichnis
58
Blumauer, Andreas [Hrsg.]
Social Semantic Web : Web 2.0 – Was nun? / Andreas Blumauer ; Tassilo Pellegrini.Berlin ; Heidelberg : Springer, 2009.- XV, 509 S. : Ill., graph. Darst.
Fischer, Peter
Lexikon der Informatik / Peter Fischer ; Peter Hofer.- 14., überarb. Aufl.- Berlin ; Heidelberg :
Springer, 2008.- XVIII, 966 S.
Früh, Werner
Inhaltsanalyse : Theorie und Praxis / Werner Früh.- 6., überarb. Aufl.- Konstanz :
UTB/BRO, 2007.- 310 S. : 15 schw.-w. Ill.
Günter, Bernd
Kulturmarketing / Bernd Günter ; Andrea Hausmann.- 1. Aufl.- Wiesbaden : VS, Verl. für
Sozialwiss.- 2009.- 131 S. : graph. Darst.
Hünnekens, Wolfgang
Die Ich-Sender : das Social Media-Prinzip ; Twitter, Facebook & Communitys erfolgreich
einsetzen / Wolfgang Hünnekens.- Göttingen : BusinessVillage,- 2009.- 156 S. : Ill.
Klein, Armin
Kultur-Marketing : das Marketingkonzept für Kulturbetriebe / von Armin Klein.- 2., aktualisierte
Aufl.- München : Dt. Taschenbuch-Verl.- 2005.- VII, 536 S. : graph. Darst.
Zeger, Hans G.
Paralleluniversum Web 2.0 : wie Online-Netzwerke unsere Gesellschaft verändern / Hans G.
Zeger.- Wien : K & S.- 2009.- 159 S.
E-Books
Henner-Fehr, Christian
Kultur und Web 2.0 : Wie sie das Web 2.0 für Ihre Arbeit nutzen können [E-Book] / Christian
Henner-Fehr.- Stuttgart : Dr. Josef Raabe Verlag.- 2008.- 22 S. : Ill.
59
Online-Ressourcen
bambergerpptmai2009.pdf [Online-Ressource] / Bamberger, Daniela. – Stand: 28.05.2009
Adresse: http://www.mai-tagung.de/maitagung+2009/bambergerpptmai2009.pdf
Gesehen: 18.03.2010
MAI-Tagung - museums and the internet [Online-Ressource] /Stand: 2010
Adresse: http://www.mai-tagung.de
Gesehen: 18.03.2010
Städel Museum [Online-Ressource] / Stand: 2010
http://www.staedelmuseum.de
Gesehen: 18.03.2010
Städel Museum | Facebook [Online-Ressource] / Stand: 2010
Adresse: http://www.facebook.com/staedelmuseum
Gesehen: 18.03.2010
YouTube - Kanal von staedelmuseum [Online-Ressource] / Stand: 26.02.2010
Adresse: http://www.youtube.com/staedelmuseum
Gesehen: 18.03.2010
staedelmuseum (staedelmuseum) on Twitter [Online-Ressource] / Stand: 25.03.2010
Adresse: http://twitter.com/staedelmuseum
Gesehen: 18.03.2010
Follow a Museum day – 1st February 2010 [Online-Ressource] / Stand: 01.02.2010
Adresse: http://www.followamuseum.com/usa.html
Gesehen: 01.03.2010
Museum Blogging [Online-Ressource] / Madsen-Brooks, Leslie (Ph.D). – Stand: 19.03.2010
Adresse: http://museumblogging.com/
Gesehen: 19.03.2010
10 lessons museums can learn from Twitter [Online-Ressource] / Madsen-Brooks, Leslie (Ph.D).
– Stand: 14.02.2008
Gesehen: 19.03.2010
60
Gesehen: 23.03.2010
Twittermania in deutschen Museen [Online-Ressource] / Stand: 27.01.2010
http://www.visitatio.de/Tourismus-in-Deutschland/Twittermania-in-deutschenMuseen/Rankingliste-der-twitternden-Museen/
Gesehen: 23.03.2010
Twitter: Wiki in Echtzeit? [Online-Ressource] / Henner-Fehr, Christian. – Stand: 12.06.2009
http://kulturmanagement.wordpress.com/2009/06/12/twitter-wiki-in-echtzeit/
Gesehen: 18.03.2010
Boom! Twitter More Than Doubles Unique U.S. Visitors To 9.3 Million In March [OnlineRessource] /Schonfeld, Erick. – Stand: 15.04.2009
http://techcrunch.com/2009/04/15/boom-twitter-more-than-doubles-unique-visitors-to-93million-in-march/
Gesehen: 18.03.2010
comScore Media Metrix Ranks Top 50 U.S. Web Properties for March 2009 [Online-Ressource]
/ Stand: März 2009
Adresse: http://www.comscore.com/Press_Events/Press_Releases/2009/4/
Twitter_Traffic_More_than_Doubles/%28language%29/eng-US
Gesehen: 18.03.2010
Vorläufer des Web 2.0 [Online-Ressource] / Schmidt, Jan. – Stand: 18.12.2007
Adresse: http://www.schmidtmitdete.de/archives/50
Gesehen: 18.03.2010
Deutsches Museum: Blog [Online-Ressource] / Stand: 25.03.2010
Adresse: http://www.deutsches-museum.de/blog/
Gesehen: 25.03.2010
Deutsches Museum: Über diesen Blog [Online-Ressource] / Stand: 2010
Adresse: http://www.deutsches-museum.de/blog/ueber-diesen-blog/
Gesehen: 18.03.2010
Städel-Blog [Online-Ressource] / Stand: 25.03.2010
Adresse: http://www.das-neue-staedel.de/
Gesehen: 25.03.2010
61
PROJEKT | Das neue Städel [Online-Ressource] / Stand: 2010
Adresse: http://www.das-neue-staedel.de/konzept/
Gesehen: 25.03.2010
Twitter [Online-Ressource] / Stand: 2010
Adresse: http://www.twitter.com
Gesehen: 25.03.2010
Adresse: http://www.tinyurl.com
Gesehen: 18.03.2010
Ist Rechtschreibung vorgestrig? [Online-Ressource] / Klinger, Claudia. – Stand: 05.10.2007
Adresse: http://www.webwriting-magazin.de/ist-rechtschreibung-vorgestrig/
Gesehen: 23.03.2010
Peter Feldmann (schuhmuseum) on Twitter [Online-Ressource] / Feldmann, Peter. – Stand:
Tweet vom 08.07.2008, 3:20 AM via web
Adresse: http://twitter.com/schuhmuseum
Gesehen: 18.03.2010
Adresse: http://www.soscisurvey.de
Gesehen: 25.03.2010
Twaitter – Twitter Business and Marketing Tools [Online-Ressource] / Stand: 2010
Adresse: http://www.twaitter.com
Gesehen: 23.03.2010
Bevölkerung nach Altersgruppen [Online-Ressource] / Stand: 2008
Adresse: http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/Content/
Statistiken/Zeitreihen/LangeReihen/Bevoelkerung/Content100/lrbev01ga,templateId=renderPr
int.psml
Gesehen: 27.02.2010
F.A.Z.-Community [Online-Ressource] / Stand: 18.03.2010
Adresse: http://faz-community.faz.net/blogs/netzkonom/archive/2010/03/16/facebooknutzer-sind-aelter-als-vz-nutzer.aspx
Gesehen: 23.03.2010
Erklärung
62
Erklärung
Hiermit erkläre ich, dass ich die vorliegende Diplomarbeit selbständig angefertigt habe. Es
wurden nur die in der Arbeit ausdrücklich benannten Quellen und Hilfsmittel benutzt. Wörtlich
oder sinngemäß übernommenes Gedankengut habe ich als solches kenntlich gemacht.
Ort, Datum
Unterschrift
Anlage 1: Codierbögen der Inhaltsanalyse
63
64
65
66
67
68
69
70
71
72
73
Anlage 2: PHP-Quelltext des Online-Fragebogens
<?php

<page ident="ST" intID="1">
<info>Startseite</info>
<text id="BG" intID="2" />

</page>

<page ident="FBS1" intID="3">
<info>Fragebogen Seite 1</info>
<text id="S1" intID="19" />
<question id="TV01" intID="4" />
<question id="TV02" intID="6" />
</page>

<info>Fragebogen Seite 2</info>
<php intID="7">
switch (value('TV02')) {
case 1: //Bekanntheitsfrage für Privatler
if (value('TV01_01') == 2) {
question('TV04');
}
if (value('TV01_02') == 2) {
question('TV06');
}
if (value('TV01_03') == 2) {
question('TV08');
}
if (value('TV01_04') == 2) {
question('TV10');
}
if (value('TV01_05') == 2) {
question('TV12');
}
if (value('TV01_06') == 2) {
question('TV14');
}
if (value('TV01_07') == 2) {
question('TV16');
}
if (value('TV01_08') == 2) {
question('TV18');
}
if (value('TV01_09') == 2) {
question('TV20');
}
break;
case 2: //TwitterEigenschaft Frage für Corporatler
question('TV03');
break;
case 3: //TwitterEigenschaft Frage für Misch-Accountler
question('TV03');
break;
}
</php>
</page>
74
75

<php intID="9">
$items = 10; // Anzahl der auswählbaren Museen +1
$qk1 = 'TV0'; // Kennung der Fragen für TV01 - TV09
$qk2 = 'TV'; // Kennung der Fragen ab TV10
$zaehler_qk = 4; // interner Zähler
case 1: //Besuchsfrage für Privatler
for ($i=1; $i<=$items; $i++) // Äußere Schleife, die alle Fragen durchlaufen
// soll.
{
for ($i=1; $i<=4; $i++)
// Schleife für 1. bis 4. Durchlauf.
{
$item=$qk1.$zaehler_qk;
// Kennung der Frage, z.B. TV04, generieren.
if ($zaehler_qk < 10)
// Prüfen, ob interner zähler kleiner als 10 ist.
{
if (value($item) == 2)
// Prüfen, ob Frage "vorTwitter" mit "NEIN"
// beantwortet wurde.
{
// Wenn dem so ist:
$item_f=$qk1.($zaehler_qk+1); // Kennung Folgefrage,
// z.B. TV05 generieren.
question($item_f);
// Folgefrage mit ungerader Kennung
ausgeben!
$zaehler_qk=($zaehler_qk+2); // Internen Zähler um 2 erhöhen, damit
// im nächsten Durchlauf wieder eine Frage
// mit gerader Kennung bearbeitet werden
kann.
} else {
$zaehler_qk=($zaehler_qk+2); // Falls Frage "vorTwitter" mit "JA"
// beantwortet wurde,
// muss nur der interne Zähler
// um 2 erhöht werden.
}
} // end if
} // end for
for ($i=5; $i<=$items; $i++) // Schleife für 5. bis letzten Durchlauf.
{
$item=$qk2.$zaehler_qk;
// Kennung der Frage, z.B. TV10, generieren.
if (value($item) == 2)
// Prüfen, ob Frage "vorTwitter" mit "NEIN"
{
// Wenn dem so ist:
question($item_f);
ausgeben!
kann.
} else {
$zaehler_qk=($zaehler_qk+2); // Falls Frage mit "vorTwitter" mit "JA"
if ($zaehler_qk > 20) {
goToPage('FBS6');
}
}
} // end for
} // end for
break;
case 2: //Weg zur Soziodemographie für Corporatler
goToPage('FBS6');
break;
case 3: //Bekanntheitsfrage
if (value('TV01_01') ==
question('TV04');
}
if (value('TV01_02') ==
question('TV06');
}
if (value('TV01_03') ==
question('TV08');
}
if (value('TV01_04') ==
question('TV10');
}
if (value('TV01_05') ==
question('TV12');
}
if (value('TV01_06') ==
question('TV14');
}
if (value('TV01_07') ==
question('TV16');
}
if (value('TV01_08') ==
question('TV18');
}
if (value('TV01_09') ==
question('TV20');
}
break;
76
für Misch-Accountler
2) {
2) {
2) {
2) {
2) {
2) {
2) {
2) {
2) {
}
</php>
</page>

<php intID="16">
$items = 10; // Anzahl der auswählbaren Museen +1
$qk1 = 'TV0'; // Kennung der Fragen für TV01 - TV09
$qk2 = 'TV'; // Kennung der Fragen ab TV10
$zaehler_qk = 4; // interner Zähler
case 3: //Besuchsfrage für Misch-Accountler
for ($i=1; $i<=$items; $i++) // Äußere Schleife, die alle Fragen durchlaufen
// soll.
{
for ($i=1; $i<=4; $i++) // Schleife für 1. bis 4. Durchlauf.
{
$item=$qk1.$zaehler_qk; // Kennung der Frage, z.B. TV04, generieren.
if ($zaehler_qk < 10)
// Prüfen, ob interner zähler kleiner als 10 ist.
{
if (value($item) == 2) // Prüfen, ob Frage "vorTwitter" mit "NEIN"
{
// Wenn dem so ist:
question($item_f);
ausgeben!
kann.
} else {
}
77
} // end if
} // end for
for ($i=5; $i<=$items; $i++) // Schleife für 5. bis letzten Durchlauf.
{
$item=$qk2.$zaehler_qk; // Kennung der Frage, z.B. TV10, generieren.
if (value($item) == 2) // Prüfen, ob Frage "vorTwitter" mit "NEIN"
{
// Wenn dem so ist:
$item_f=$qk2.($zaehler_qk+1); // Kennung Folgefrage, z.B. TV11
generieren.
question($item_f);
ausgeben!
kann.
} else {
if ($zaehler_qk > 20) {
goToPage('FBS6');
}
}
} // end for
} // end for
break;
default: //alle anderen sollen hier schon zur Soziodemographie
goToPage('FBS6');
break;
}
</php>
</page>

<info>Soziodemographie</info>
<text id="ST" intID="20" />
<question id="SD01" intID="11" />
<php intID="18">
preset('SD04',1); //Voreinstellung auf Deutschland
</php>
</page>
?>

<h1>Danke für Ihre Teilnahme!</h1>
<p>Ich möchte mich ganz herzlich für Ihre Mithilfe bedanken.</p>
<h1>Thank you very much!</h1>
<p>Have a nice day.</p>
<h1><i>Let's tweet...</i></h1>

Arbeit ist hier zum bereit gestellt

Transcription

Similar documents

4264 - Landtag

Digital Communication Research.de

Sport und Spiel – im Freien

Richtlinien zur formalen Gestaltung von wissenschaftlichen Arbeiten

PDF Abschlussarbeit

PDF - LfM

Twitter und Journalismus