De Twitter-activiteit van Donald Trump tijdens de presidentiële voorverkiezingen van 2016 bestond grotendeels uit tweets die werden gekenmerkt door concurrentie. Hij richtte zich op prestaties, stijl, persoonlijke aanvallen en zijn positie in de peilingen.

Communicatieonderzoekers noemen dit soort politieke berichten een strategieframe, die fundamenteel de taal van de oorlog gebruikt, en de onmiddellijke realiteit van winnen of verliezen, zijn punt te leveren. Kaders uitgeven, ondertussen, omgaan met beleid, besluitvorming, en het identificeren van problemen en het voorstellen van oplossingen.

Niet verbaasd over de aard van de tweets van Trump? Er is meer.

Onder de andere grote Republikeinse hoopvolken, alleen John Kasich, de laatste van het oorspronkelijk drukke GOP-veld dat nog overeind stond voordat Trump naar de conventie ging als de vermoedelijke kandidaat van de partij, benadrukte strategie boven problemen, volgens een nieuwe studie door onderzoekers van de Universiteit van Buffalo en Georgia State University.

De onderzoekers gebruikten een nieuwe tool die ze onlangs hebben ontwikkeld om alle (ja, alle) van de meer dan 22, 000 tweets verzonden door Republikeinse presidentskandidaten tijdens de voorverkiezingen van 2016.

De bevindingen gepubliceerd in de Internationaal tijdschrift voor communicatie op 22 sept. 2019 (Volume 13) laat ook zien dat de framing van de kandidaten in de loop van de tijd dynamisch is. Bijvoorbeeld, probleemkaders worden prominenter rond televisiedebatten, terwijl de strategie weer voet aan de grond krijgt naarmate de stemdag nadert.

Het onderzoek, met de inzichten die zijn innovatieve methode biedt, biedt een voorheen ongeziene blik in de grotendeels onontgonnen genetica van de Twitter-activiteit van politici in een tijd waarin sociale-mediasites inbreuk maken op de al lang bestaande rol van televisie om presidentskandidaten voor het Amerikaanse electoraat te bepalen en deze te overschaduwen.

"Bij elke verkiezingsronde steeds meer mensen krijgen hun informatie rechtstreeks van de kandidaten via platforms zoals Twitter, " zegt Yotam Ofir, een universitair docent bij de afdeling Communicatie van de UB, co-auteur van de studie met Dror Walter, een assistent-professor aan de staat Georgia.

"Twitter geeft kandidaten meer controle en keuzevrijheid over hun boodschap dan de traditionele massamedia, maar we weten weinig over wat politici met deze macht doen."

De controle, Ofir vermeldt, komt voort uit het feit dat Twitter geen van de poortwachtersfuncties van de traditionele massamedia heeft. Rekeninghouders zijn informatie-uitgevers, en hun inhoud is een kwestie van persoonlijke keuze in plaats van de redactionele oordelen van televisie, krant of radio.

strategie framing, echter, komt met een kostprijs. Ophir zegt dat uit onderzoek blijkt dat het consequent nadelige effecten heeft op het democratische proces. omdat het de neiging heeft om het cynisme onder de kiezers te vergroten.

En net zoals traditionele media de afgelopen decennia gericht zijn geweest op strategie ten koste van problemen, volgens Ofir, dat gold ook voor de twee meest succesvolle GOP-inzendingen in de race - Kasich en Trump, de laatste hadden het grootste volume aan activiteit tijdens de voorverkiezingen en gebruikten het minste aantal tweets met tweets.

Maar wie kan al die 22, 000 tweets? Niemand, eigenlijk. De gegevens komen zo snel en in zo'n stortvloed aan dat handmatige analyse onmogelijk is. Daarom ontwikkelden Ophir en Walter hun Analysis of Topic Model Networks (ANTMN), die in staat is om te verwerken wat buiten het bereik van de mens ligt.

"Vroeger, als je wilde weten hoe politici Twitter gebruikten, je zou waarschijnlijk een representatieve steekproef van honderd tweets vinden, of een hoeveelheid die binnen een redelijke termijn kan worden gelezen, en codeer ze handmatig, " zegt Ophir. "Mensen zijn goed in het lezen van individuele teksten, maar niet zo goed in het lezen van duizenden teksten en het onderscheiden van de patronen."

Onderwerpmodellering kan omgaan met big data en thematische inhoud inductief analyseren.

"Inductief is belangrijk, omdat we het algoritme niet vertellen wat we verwachten te vinden, " zegt Ophir. "Het is leren zonder toezicht en het algoritme identificeert zelf patronen door distributielijsten samen te stellen van woorden die de neiging hebben om samen te verschijnen."

De tekortkoming van onderwerpmodellering is de specificiteit ervan.

"Een van de onderwerpen uit deze analyse zou kunnen zijn:'Trump valt de media aan, ' maar dat is te specifiek om iets over de andere kandidaten te weten te komen, ' zegt Ofir.

Om deze beperking aan te pakken, als ze klaar zijn met hun onderwerpmodellering, Ophir en Walter doen een netwerkanalyse waarbij ze elk onderwerp behandelen als een knoop in een netwerk.

"Net zoals je een social media-netwerk kunt analyseren en zien wie met wie bevriend is, of zie gemeenschappen van vrienden van werk of school, ANTMN ziet associaties en maakt clusters van onderwerpen. In dit geval, het vond strategie en probleem - op zichzelf en niet omdat we het hadden geprogrammeerd om naar die twee te zoeken, ' zegt Ofir.

De primaire analyse van 2016 is een van de eerste stappen voor deze tool en de onderzoekers bij het analyseren van gecompliceerde datasets en het toepassen van het geleerde op belangrijke theoretische vragen.

"We krijgen nu inzicht in het politieke systeem dat we niet hadden, ", zegt Ophir. "De enige twee kandidaten die de problemen bijna volledig negeerden, waren de laatste twee in de Republikeinse race."

voor 2016, Ofir zegt de Republikeinen, met de 12 belangrijkste kandidaten van de partij, voorzag de studie van een rijkere dataset dan het schaarse Democratische veld, maar hij heeft nog grotere plannen voor de toekomst.

“We blijven de methode ontwikkelen. We willen hem op grotere schaal testen, en we willen kijken naar de effecten, "zegt hij. "We gaan ervan uit dat de effecten van strategievorming op sociale media hetzelfde zijn als massamedia, maar dat is misschien niet het geval. Dat weten we op dit moment niet."

Wat zeker is, is dat Ophir en Walter hun methode zullen gebruiken om de volgende presidentiële race te analyseren.

"We zullen het in 2020 gebruiken, ' zegt Ofir.