Innovativt værktøj analyserer alle 22, 000 tweets fra 2016 republikanske præsidentkandidater

Donald Trumps Twitter-aktivitet under præsidentvalgets primærvalg i 2016 bestod stort set af tweets præget af konkurrence. Han fokuserede på præstationer, stil, personangreb og hans stilling i meningsmålingerne.

Kommunikationsforskere omtaler denne type politiske budskaber som en strategiramme, som grundlæggende bruger krigens sprog, og de umiddelbare realiteter med at vinde eller tabe, at levere sin pointe. Udsted rammer, mellemtiden, beskæftige sig med politik, beslutningstagning, og identificere problemer og foreslå løsninger.

Ikke overrasket over karakteren af ​​Trumps tweets? Der er mere.

Blandt de andre store republikanske håbefulde, kun John Kasich, den sidste af det oprindeligt overfyldte GOP-felt, der stadig står, før Trump tog til konventet som partiets formodede kandidat, understregede strategi over spørgsmål, ifølge en ny undersøgelse foretaget af forskere fra University at Buffalo og Georgia State University.

Forskerne brugte et nyt værktøj, de for nylig har udviklet til at analysere alle (ja, alle) af de mere end 22, 000 tweets sendt af republikanske præsidentkandidater under primærvalgene i 2016.

Resultaterne offentliggjort i International Journal of Communication den 22. september, 2019 (bind 13) viser også, at kandidaternes rammer er dynamiske over tid. For eksempel, problemstillinger bliver mere fremtrædende omkring tv-debatter, mens strategien genoptager sit fodfæste, når afstemningsdagen nærmer sig.

Forskningen, med den indsigt, som dens innovative metode giver, giver et hidtil uset indblik i den stort set uudforskede genetik af politikeres Twitter-aktivitet på et tidspunkt, hvor sociale medier griber ind i og forbereder sig på at formørke tv's mangeårige rolle med at definere præsidentkandidater for de amerikanske vælgere.

"Med hver valgrunde, flere og flere mennesker får deres information direkte fra kandidaterne gennem platforme som Twitter, " siger Yotam Ophir, en adjunkt i UB's Institut for Kommunikation, medforfatter af undersøgelsen sammen med Dror Walter, en adjunkt ved Georgia State.

"Twitter giver kandidater mere kontrol og handlefrihed over deres budskab end de traditionelle massemedier - men vi ved lidt om, hvad politikere gør med denne magt."

kontrollen, Ophir nævner, stammer fra, at Twitter ikke har nogen af ​​de traditionelle massemediers gatekeeper-funktioner. Kontohavere er informationsudgivere, og deres indhold er et spørgsmål om personligt valg snarere end fjernsynets redaktionelle domme, avis eller radio.

Strategiudformning, imidlertid, kommer med en omkostning. Ophir siger, at forskning viser, at det konsekvent har vist sig at have skadelige virkninger på den demokratiske proces, da det har en tendens til at øge kynismen blandt vælgerne.

Og ligesom traditionelle medier gennem de sidste par årtier har været strategifokuseret på bekostning af problemer, ifølge Ophir, det samme var de to mest succesrige GOP-tilmeldinger i løbet – Kasich og Trump, sidstnævnte havde det største aktivitetsvolumen under primærvalgene og brugte det færreste antal problemrammede tweets.

Men hvem kan analysere alle de 22, 000 tweets? Ingen, rent faktisk. Dataene kommer så hurtigt og i sådan en torrent, at manuel analyse er umulig. Det er derfor, Ophir og Walter udviklede deres analyse af emnemodelnetværk (ANTMN), som er i stand til at behandle det, der er uden for menneskelig rækkevidde.

"I fortiden, hvis du ville vide, hvordan politikere brugte Twitter, du vil sandsynligvis finde et repræsentativt udsnit af hundrede tweets, eller en mængde, der kunne aflæses i et rimeligt tidsrum, og kode dem manuelt, " siger Ophir. "Mennesker er gode til at læse individuelle tekster, men ikke så god til at læse tusindvis af tekster og skelne mønstrene."

Emnemodellering kan klare big data og induktivt analysere tematisk indhold.

"Induktiv er vigtig, fordi vi ikke fortæller algoritmen, hvad vi forventer at finde, " siger Ophir. "Det er uovervåget læring, og algoritmen identificerer mønstre på egen hånd ved at samle distributionslister over ord, der har tendens til at optræde sammen."

Emnemodelleringens mangel er dens specificitet.

"Et af emnerne fra denne analyse kan være, 'Trump angriber medierne, ' men det er for specifikt til at lære noget om de andre kandidater, " siger Ophir.

For at imødegå denne begrænsning, når de er færdige med deres emnemodellering, Ophir og Walter laver en netværksanalyse, hvor de behandler hvert emne som en node i et netværk.

"Ligesom du kan analysere et socialt medie-netværk og se, hvem der er venner med hvem, eller se fællesskaber af venner fra arbejde eller skole, ANTMN ser associationer og skaber klynger af emner. I dette tilfælde, den fandt strategi og problem – alene og ikke fordi vi programmerede den til at lede efter de to, " siger Ophir.

Den primære analyse fra 2016 er blandt de indledende trin for dette værktøj og forskerne, når de analyserer komplicerede datasæt og anvender det lærte på vigtige teoretiske spørgsmål.

"Vi får nu indsigt i det politiske system, som vi ikke havde, " siger Ophir. "De eneste to kandidater, der næsten fuldstændig ignorerede spørgsmål, var de sidste to i den republikanske race."

For 2016, Ophir siger, at republikanerne, med partiets 12 hovedkandidater, forsynede undersøgelsen med et rigere datasæt end det sparsomme demokratiske felt, men han har stadig større planer for fremtiden.

"Vi bliver ved med at udvikle metoden. Vi vil gerne teste den i større skala, og vi vil se på effekterne, " siger han. "Vi antager, at virkningerne af strategiudformning på sociale medier er de samme som massemedier, men det er måske ikke tilfældet. Vi ved det ikke på nuværende tidspunkt."

Hvad der er sikkert er, at Ophir og Walter vil bruge deres metode til at analysere det næste præsidentvalg.

"Vi vil bruge det i 2020, " siger Ophir.