science >> Wetenschap >  >> anders

Hoe COVID-19 de Australische politiek polariseerde:#IStandWithDan versus #DictatorDan

Twee-mode hashtag-netwerk afgeleid van de volledige dataset. Nodes zijn accounts en hashtags, randen worden gewogen door het aantal keren dat gebruiker A hashtag B heeft gepost, kleuren vertegenwoordigen gemeenschapsclusters (modulariteit), knoopgrootte is evenredig met in-graad, netwerk wordt gefilterd op minimumgraad = 50. Credit:https://journals.sagepub.com/doi/10.1177/1329878X20981780

Uit een QUT-onderzoek van twee onderling gerelateerde Twitter-hashtagcampagnes in verband met de manier waarop de Victoriaanse premier Dan Andrews de tweede golf van COVID-19 aanpakte, bleek dat de activiteit werd aangedreven door een "kleine, hyperpartijdige kern van zeer actieve deelnemers" en geen bot-accounts.

Meer dan de helft van de top 50 Twitter-accounts die de anti-Dan-hashtags tweeten, kwalificeerden zich als anonieme 'sockpuppet'-accounts, vergeleken met een derde van de #IStandWithDan-accounts.

Een sockpuppet-account wordt gedefinieerd als door mensen beheerd met gefabriceerde of anonieme profieldetails, vaak gemaakt om een ​​specifieke persoon of organisatie te ondersteunen of te bekritiseren, zich voordoen als een onafhankelijke derde partij die niet is aangesloten bij de exploitant van de hoofdrekening.

Het QUT Digital Media Research Center verzamelde gegevens van 397, 000 tweets verzonden door 40, 000 profielen met de bevindingen die het idee van Twitter als de 'stem van het volk' uitdagen.

De resultaten zijn gepubliceerd in een toptijdschrift Media International Australië .

Belangrijkste bevindingen

  • wijst op het aanhoudende probleem van 'zuurstof van versterking', waarbij journalistieke uitvergroting van valse of misleidende inhoud deze zichtbaarder en invloedrijker maakt dan anders het geval zou zijn geweest
  • 10 procent van de #IStandWithDan-accounts plaatste 74 procent van al zijn tweets vergeleken met 73 procent voor #DictatorDan en 62 procent voor #DanLiedPeopleDied
  • Hetzelfde patroon toegepast op retweetgedrag
  • 87 procent heeft #IstandWithDan geretweet en 83 procent van alle retweets in #DictatorDan leverde versterking voor de top 10 procent meest prominente accounts, vergeleken met 76 procent voor #DanLiedPeopleDied
  • 18,6 procent van alle accounts die deelnemen aan #DanLiedPeopleDied en 19 procent voor #DictatorDan zijn gemaakt in het jaar 2020, vergeleken met 10,7 procent voor #IStandWithDan-deelnemers
  • Ondanks wijdverbreide beschuldigingen van bot-accounts van tegengestelde campagnes, bots vertegenwoordigden een verwaarloosbare fractie van de totale activiteit.

Hoofdonderzoeker Timothy Graham zei dat de analyse onthulde dat een kleine maar intens geconcentreerde inspanning van de deelnemers achter de campagnes zat om de politieke hashtags trending in Australië te krijgen.

"De Victoriaanse lockdown was een verdeeldheid zaaiende politieke kwestie in Australië en het gepolariseerde Twitter-slagveld zorgt voor een geweldig spektakel. ' zei Dr. Graham.

"Maar er is een vicieuze cirkel van feedback tussen de Australische Twittersfeer en partijdige berichtgeving door de reguliere media en elite-commentatoren."

Dr. Graham zei dat de DictatorDan-hashtag op 3 april is gemaakt, 2020 door een anoniem randaccount dat op 17 mei werd opgepikt door het Victoriaanse liberale parlementslid Tim Smith.

"Het beeld van Premier Andrews in Mao's beroemde olijfgroene pet, broeken en overhemden met knoopjes werden later een veel voorkomende stijlfiguur in de cartoons van de redactionele krant van News Corporation, " hij zei.

Universitair hoofddocent en co-auteur Daniel Angus zei dat de studie de complexe en diepgewortelde morele vragen benadrukte waarmee journalisten en belanghebbenden die een stem hebben in de publieke sfeer, worden geconfronteerd.

"De bevindingen tonen aan dat Twitter een probleem heeft met informatiestoornissen waarbij een paar intens geconcentreerde maar zeer actieve mensen hun hashtag kunnen dwingen om op een trendlijst te komen, " hij zei.

"We smeken journalisten en politieke belanghebbenden om door experts geïnformeerde kaders aan te nemen om desinformatie en andere problematische inhoud te identificeren en te bestrijden."

De gegevensverzamelingsmethoden van de studie omvatten:

  • Sociaal-semantische netwerkanalyse van hashtaggebruik
  • Botometer-detectietool die op machine learning gebaseerde benadering gebruikte om geautomatiseerde accounts te scoren
  • VADER rekenhulpmiddel dat het sentiment in social media data kwantificeert
  • Kwalitatieve inhoudsanalyse en digitaal forensisch onderzoek van accountprofielen en tweetactiviteit
  • Dataset voor de studie werd verzameld met behulp van Twarc open-source bibliotheek, dat is een hulpmiddel voor het verzamelen en archiveren van tweets