Hinweis: Aufgrund von geplanten Wartungsarbeiten werden die Web-Auftritte der TU Dortmund am 17. April 2024, zwischen 18:00 und 20:00 Uhr mehrmals für kurze Zeit nicht erreichbar sein.
Wir bitten dadurch entstandene Unannehmlichkeiten zu entschuldigen und bedanken uns für Ihr Verständnis.
Zum Inhalt
Fakultät Statistik
Promovierender

M.Sc. Kai-Robin Lange

Kontakt

Technische Universität Dortmund
Fakultät Statistik
Lehrstuhl für Wirtschafts- und Sozialstatistik
CDI-Gebäude, Raum 4
44221 Dortmund

E-Mail: kalangestatistik.tu-dortmundde
Tel.: +49 231 755 5477

Porträtfoto von Kai-Robin Lange © Kai-Robin Lange​/​privat
  • seit November 2021: Wissenschaftlicher Mitarbeiter und Promovierender am Lehrstuhl für Wirtschafts- und Sozialstatistik
  • 2020-2021: Wissenschaftliche Hilfskraft am Lehrstuhl für Wirtschafts- und Sozialstatistik
  • 2019-2021: M.Sc. Statistik, TU Dortmund
    Masterarbeit: Resampling strategies for unsupervised sentiment analysis using lexicon-based text embedding methods
  • 2016-2019: B.Sc. Statistik, TU Dortmund
  • Forschungsgebiet Text Mining
    • Inhaltliche Auswertung politischer Debatten, Reden und Dokumente
    • Auswertung Embedding-basierter Methoden
    • Erkennung von Narrativen und Ereignissen in Textkorpora
  • Weiterführendes methodisches Interesse
    • Resamplingverfahren
    • Boosting
    • Kausale Inferenz

GitHub Profil

ORCiD, Google Scholar

  • Lange, K.-R., Jentsch, C. (2023). SpeakGer: A meta-data enriched speech corpus of German state and federal parliaments. Proceedings of the 3rd Workshop on Computational Linguistics for Political Text Analysis. Poster. pdf. download.
  • Lange, K.-R., Rieger, J., Benner, N. und Jentsch, C. (2022). Zeitenwenden: Detecting changes in the German political discourse. Proceedings of the 2nd Workshop on Computational Linguistics for Political Text Analysis, 47-53. pdf. GitHub.
  • Rieger, J., Lange, K.-R., Flossdorf, J. und Jentsch, C. (2022). Dynamic change detection in topics based on rolling LDAs. Proceedings of the Text2Story'22 Workshop. CEUR-WS 3117, 5-13. pdf. GitHub.

Pre-prints und Working paper

  • Lange, K.-R., Rieger, J. und Jentsch, C. (2022). Lex2Sent: A bagging approach to unsupervised sentiment analysis. arXiv. DOI. GitHub.
  • Lange, K.-R., Reccius, M., Schmidt, T., Müller, H., Roos, M., und Jentsch, C. (2022).  Towards extracting collective economic narratives from texts. Ruhr Economic Papers #963. Link
  • Benner, N., Lange, K.-R., und Jentsch, C. (2022).  Named Entity Narratives. Ruhr Economic Papers #962. Link
  • "Identifying economic narratives in large text corpora" Sixth International and Interdisciplinary Conference on the Quantitative and Computational Analysis of Textual Data (COMPTEXT) 2024. Amsterdam, Niederlande (05/2024).
  • "SpeakGer: A meta-data enriched speech corpus of German state and federal parliaments" CPSS Workshop @KONVENS 2023. Potsdam, Deutschland (09/2023).
  • "Roll2Vec: updating diachronic embeddings with a rolling window ". Statistische Woche 2023. Dortmund, Deutschland (09/2023).
  • "Zeitenwenden: Detecting changes in the German political discourse" CPSS Workshop @KONVENS 2022. Potsdam, Deutschland (09/2022).
  • Seminar: Advanced Text Mining Methods (SoSe 2024)
  • Natural Language Processing (WiSe 2023/24)
  • Seminar: Advanced Text Mining Methods (WiSe 2022/23)
  • Asymptotic Theory (WiSe 2022/23)
  • Text as Data (WiSe 2022/23)
  • Entscheidungstheorie (SoSe 2022)
  • Asymptotic Theory (WiSe 2021/22)