@inbook{55662,
  abstract     = {{<jats:p>Schneijderberg und Steinhardt zeichnen in diesem Beitrag nach, wie Akkreditierung als sanftes Konditionalprogramm in Bezug auf Diversity-Dimensionen gewirkt hat. Unter sanfter Konditionierung wird in Anlehnung an Luhmann die politische Steuerung durch Akkreditierungskriterien verstanden, die als Vehikel genutzt werden, um gesellschaftlich aktuell diskutierte Themen in den Hochschulen zu platzieren. Der Beitrag rekonstruiert in einem ersten Schritt, wie und welche Diversity-Dimensionen in Akkreditierungskriterien abgebildet wurden. Hierzu wurden die Hochschulrahmengesetze, die ländergemeinsamen Strukturvorgaben der Kultusministerkonferenz, die Akkreditierungskriterien sowie Tätigkeitsberichte und Protokolle des Akkreditierungsrates mittels einer Dokumentenanalyse ausgewertet. Um die Konditionierung nachzuzeichnen, wurde in einem zweiten Schritt eine Topic-Modeling-Analyse von 828 Selbstdokumentationen der Hochschulen, 743 Gutachtenberichte und 560 Beschlussbriefen durchgeführt.</jats:p>}},
  author       = {{Schneijderberg, Christian and Steinhardt, Isabel}},
  booktitle    = {{»Die Poesie der Reformen«. Zur Karriere des Diversity Management an Hochschulen in Deutschland}},
  editor       = {{Griem, Julika and Kaldewey, David and Il-Tschung, Lim}},
  isbn         = {{9783837666793}},
  issn         = {{2699-7681}},
  keywords     = {{Akkreditierung, Diversität, Topic Modeling}},
  pages        = {{89--108}},
  publisher    = {{transcript Verlag}},
  title        = {{{Kleine Strukturmacht statt großer Ideologie. Akkreditierung und Diversity}}},
  doi          = {{10.14361/9783839466797-006}},
  year         = {{2024}},
}

@article{4682,
  author       = {{Schmiedel, T. and Müller, Oliver and vom Brocke, J.}},
  journal      = {{Organizational Research Methods}},
  keywords     = {{online reviews, organizational culture, structural topic model, topic modeling, tutorial}},
  pages        = {{941----968 }},
  title        = {{{Topic Modeling as a Strategy of Inquiry in Organizational Research: A Tutorial With an Application Example on Organizational Culture}}},
  doi          = {{https://doi.org/10.1177/1094428118773858}},
  year         = {{2019}},
}

@article{4691,
  abstract     = {{Analysts have estimated that more than 80 percent of today’s data is stored in unstructured form (e.g., text, audio, image, video)—much of it expressed in rich and ambiguous natural language. Traditionally, to analyze natural language, one has used qualitative data-analysis approaches, such as manual coding. Yet, the size of text data sets obtained from the Internet makes manual analysis virtually impossible. In this tutorial, we discuss the challenges encountered when applying automated text-mining techniques in information systems research. In particular, we showcase how to use probabilistic topic modeling via Latent Dirichlet allocation, an unsupervised text-mining technique, with a LASSO multinomial logistic regression to explain user satisfaction with an IT artifact by automatically analyzing more than 12,000 online customer reviews. For fellow information systems researchers, this tutorial provides guidance for conducting text-mining studies on their own and for evaluating the quality of others.}},
  author       = {{Debortoli, Stefan and Müller, Oliver and Junglas, Iris and vom Brocke, Jan}},
  isbn         = {{9781615679119}},
  issn         = {{1529-3181}},
  journal      = {{Communications of the Association for Information Systems}},
  keywords     = {{Latent dirichlet allocation, Online customer reviews, Text mining, Topic modeling, User satisfaction}},
  pages        = {{555--582}},
  title        = {{{Text Mining for Information Systems Researchers: An Annotated Tutorial}}},
  doi          = {{10.17705/1CAIS.03907}},
  year         = {{2016}},
}