Twitter från ett informetriskt perspektiv

Transkript

1 Twitter från ett informetriskt perspektiv Metod, etik, praktik David Gunnarsson Lorentzen

2 Following tweets around En informetrisk studie av metod Utgångspunkt: Twitter som demokratiskt verktyg lösning på sociala och politiska problem källa för allmän opinion

3 Vad Twitter egentligen är Ett intressebaserat, elitcentrerat, digitalt socialt nätverk producerat på en kommersiell plattform En mikroblogg vars aktiva användare inte är representativa för populationen Illusion av kontroll över ens bubbla Illusion av kompletta dataset

4 Intresse av Twitter-data? Twittercensus Filterbubblan Domänspecifik forskning (political science, hälsovetenskap, geovetenskap mm)

5 Mitt problem Utveckla och tillämpa metoder för att fånga aktiviteterna inom klustret kring politiska hashtags, samt hur studiet av aktiviteterna kan förstås

6 Att samla in tweets Programmerade instruktioner skickade till ett API Tillgång och ingångar är begränsade Filtrera strömmen utifrån nyckelord, geografiska koordinater eller användare (streaming API) Skicka upprepade sökningar (search API) 1%-sampeln

7 Big data? Konversationer? Velocity, volume, veracity, variety (e.g. Ning et al) Rich data komplett data? Men hur är det med svar som inte matchar sökkriterier?

8 Datainsamling Programmeringskunskap krävs för att undvika bekvämlighetsfällan Trots det: materialet har en lutning mot (åsikterna hos) elitanvändare APIet tvingar fram ett val ( fokus på 1000) Slumpmässig sampel är omöjlig (e.g. boyd & Crawford)

9 Twitter filtrerar fram och bort Hashtags, retweets populära hashtags trendar fer deltagare Populära tweets/användare har större chans att starta konversationer Ett svar avgränsar medan en retweet breddar publik Konversationer kräver täta nätverk med olika synpunkter representerade, samt ett laddat ämne

10 Hur mäter vi Twitter-aktivitet? Spridare och konversatörer Aktivitet och synlighet Typ av aktivitet Nätverk och centralisering

11 Konversationsimpact? I de fall då det faktiskt blir diskussion: Gómez, Kaltenbrunner & López: the hindex h of a post is [...] the maximum nesting level i which has at least h > i comments

12 Etiska frågor Dokument eller människor? Medgivande eller ej? Publikt/personligt eller privat? You are what you tweet Möjligt att avanonymisera (Narayan & Shmatikov; Korayem & Crandall)

13 Rekommendationer från AoIRs* ethics committee tillämpade Samma kontext för forskare och användare Inga användar-idn, användarnamn, åsikter eller tweets görs tillgängliga (anonymisering) Information ska inte kunna kopplas till individ/organisation Inga citat *) Association of Internet Researchers

14 Ett komplement till altmetri? Konversationer kring forskningspublikationer (Nelhans & Lorentzen) Vilken typ av källor omnämns och återtwittras? Vilka discipliner/ämnen representerar artiklarna som hänvisas till i konversationerna? Hur ser konversationerna ut och hur hänvisas det till artiklarna i dessa?

15 Makronivå Vos viewer Tidskrifter: bibliographic coupling

16 Tweets som skapar reaktion? En tweet som refererat till en DOI samt tweets kopplade till denna genom svar Korta diskussioner, få deltagare

17 Några slutsatser Mest vidarebefordrat är inte samma som mest diskuterat eller omnämnt Tidskrifter som refereras till via Twitter är inte samma som de som oftast citeras Self promotion, argument (fakta), konversationsstartare

18 Vad ska vi med detta till? Hur reagerar människor på forskning? Hur reagerar människor på nyheter? Medborgarvs professionell journalistik? Spåra pandemier? Hur kommunicerar vi i samband med kriser? Dock: Twitter är ett komplement, en del av kommunikationsplattformsekologin och långt från representativt

19 TACK! :)

20 Referenser boyd, d. & Crawford, K. (2012). Critical questions for big data. Information, Communication & Society, Vol. 15 (5), Gómez, V., Kaltenbrunner, A., & López, V. (2008). Statistical analysis of the social network and discussion threads in Slashdot. WWW 08 Proceedings of the 17th international conference on World Wide Web, pp Korayem, M. & Crandall, D. J. (2013). De-anonymizing users across heterogeneous social computing platforms. In ICWSM, The 7th International AAAI Conference on Weblogs and Social Media. AAAI, Boston, USA. Markham, A. & Buchanan, E. (2012). Ethical decision-making and Internet research, Version 2.0: Recommendations from the A oir Ethics Working Committee.

21 References Narayanan, A. & Shmatikov, V. (2009). De-anonymizing social networks. 30th IEEE Symposium on Security and Privacy Nelhans, G. & Lorentzen, D.G. (2015). Twitter conversation patterns related to research papers. Information Research, 21(2), paper SM2. Ning, H., Belanger, D. G., Xia, Y., Piuri, V., & Zomaya, A. Y. (2015). Guest editorial special issue on big data analytics and management in Internet of things. IEEE Internet of Things Journal, Vol. 2 (4),