Twitter network analysis: S. Korean Politician case

1. 소셜 미디어 트위터 연결망 분석: 정치인 연결망 관계의 다중성 박한우 (교신저자) 영남대언론정보학과 부교수 WCU 웹보메트릭스연구소 http://www.hanpark.net 윤호영 일리노이대 사회학과 박사과정WCU 웹보메트릭스 연구소

2. 연구 질문 √트위터 사용 : 정치인들의 트위터 사용에 연관된 변인들의 효과는? √정치인들의 트위터 연결망의 특징은 무엇인가? - Following, Follower, Mention, Reply, Retweet √정치인들은 어떤 메세지를 트위터를 통해 발신하는가? - (work in progress, to be updated)

5. Mention 연결망이 오프라인에서의 만남 관계 및 소통에 관한 적절한 잣대로 기능

6. 오프라인 만남은 본회의기간에 참석한 빈도로 측정√정치인들은 어떤 메세지를 트위터를 통해 발신하는가 - (work in progress, to be updated)

7. 자료 √ 정치인의 정의 : 309 명 - 국회의원 297명 및 유력 정치인 12명 포함 √ 자료 수집 - 2010년 11월 중, 자동화된 API 로 수집 √ 분석에 포함된 정치인 수 -트위터 계정을 가지고 있는 정치인 - 수집당시 192명의 정치인 중 보호된 계정 등 자료수집이 가능한 189명

8. 자료 √ 트위터 연결망 분석에 포함된 정치인 수

9. 정당계정의 트위터 사용 통계 √한국 √미국

10. 통계 분석 √ 트위터 사용에 영향을 미치는 개인적인 변인들 : 트위터 계정 존재에 관한 로지스틱 회귀분석 AIC : 403.720BIC : 426.062 * P<.05 ** P<.01 - 연령 1세의 증가는 트위터 계정이 있을 확률을 5%씩 떨어뜨리는 효과 - 다선일 경우 트위터 계정이 있을 확률이 증가

11. 통계 분석 √ 트위터 사용이 다른 이들보다 늦어지는 이유에 관한 분석 : 음이항 회귀분석 AIC : 2439.581BIC : 2462.543 *** P<.001 - 연령, 교육수준 등 다른 변수를 통제하고나서도, 야당이 여당보다 더 빨리 트위터를 사용하는 것으로 나타남

12. 통계 분석 √ 트위터 메세지 수에 관한 분석 : 음이항 회귀분석 AIC : 2353.283BIC : 2379.132 * P<.05 ** P<.01 - 늦게 시작할 수록 트위터 메세지 수가 떨어지는 당연한 결과. - 그러나, 다선의원일 수록 트위터 메세지의 수 역시 적어지는 효과 역시 존재.

13. 연결망 : Following, Follower √ 여당(Blue) 과 야당(Red)비교 √ 트위터연결망 중 가장 밀도가 높은 연결망

16. 연결망 : Following, Follower 한나라당Blue 민주당Yellow 민주노동당Green 진보신당Red 자유선진당Gray 창조한국당Shallow Blue 미래희망연대Pink 국민참여당Orange 무소속Purple

17. Hanara (Blue) DP(Yellow) DLP(Green) NPP(Red) LFP(Gray) CKP(Shallow Blue) FHP(Pink_ CPP(Orange) Indep.(Purple)

18. 한나라당Blue 민주당Yellow 민주노동당Green 진보신당Red 자유선진당Gray 창조한국당Shallow Blue 미래희망연대Pink 국민참여당Orange 무소속Purple

19. 연결망 : Following, Follower √ Visualization using boundary spanner method √ Boundary spanner값이 높은 노드는 이 노드가 사라지면, 전체 연결망의 balance가 불안정해진다는 의미로, 전체 연결망에서 연결이 갈라지는 집단들을 연결해준다는 의미가 있음

20. 연결망 : Following, Follower √ 연결망 밀도는 여당과 야당이 각각 비슷한 수준 √ E-I 지수에 따르면, 두 집단이 다른 집단과 연결되는 수준은 다소 비슷하게, 집단 내부와 외부간 큰 차이없이 균등한 연결망 밀도를 보이고 있음

22. 연결망 : 128명의 멘션 연결망 √Following-Follower 연결망에 표기된 멘션 연결망 그래프

25. 연결망 : 128명의 멘션 연결망

28. 연결망 : 128명의 멘션 연결망

29. 연결망 : 128명의 멘션 연결망 √ 블록 모델링 분석에 따르면, 몇몇 여당 정치인들은 오히려 야당쪽에 더 가까운 연결을 보이는 경향이 나타남

30. 연결망 : 128명의 멘션 연결망 여당의 경우 멘션을 많이 받는 여당 1위에서 3위까지 정치인들당 사무총장 및 웹가시성이 기존에 높은 정치인 여당 정치인에게 멘션을 하지 않은 경우 초선의원으로 활동을 열심히하는 정치인으로, 인수위원회에 속한 경력

31. 연결망 : 128명의 멘션 연결망 야당의 경우 천정배, 전병현, 김진애 의원등이 면센을 받는 순위가 높음 (1위에서 3위까지) 여당의원하고만 멘션을주고 받은 정치인

32. 연결망 : 128명의 멘션 연결망 각 집단 내부 야당 여당

33. 연결망 : 128명의 멘션 연결망 √ 멘션 연결망은 앞서 팔로잉-팔로워 연결망과는 확연히 다른 경향을 보이고 있음 √ 그 중 한가지는, 멘션의 경우 주로 같은 집단(여당은 여당, 야당은 야당)내부에서 이루어지는 경향이 매우 높은 것으로 나타남: E-I Index가 -1에 가까움

34. 리플라이 연결망 : 116명

40. 116명의 리플라이 연결망 √ Blue (Ruling Party: GNP) Red (Non-Ruling Party: other parties)

41. 116명의 리플라이 연결망 √ 여당 (68 subjects)

42. 116명의 리플라이 연결망 √ 야당 (48 subjects)

43. 116명의 리플라이 연결망 √ 리플라이는 그 밀도가 멘션에 비해 그 밀도가 떨어지는 연결망 형태 (Recap. Mention : Between Ruling Party(0.131) Between Non-RP(0.525) √ 리플라이 연결망의 경우, 그 형태가 멘션 연결망과 비슷한 형태로 같은 집단내에서 이루어지고 있음.

44. 179명의 이름언급 연결망(singletone)

45. 179명의 이름언급 연결망(singletone)

46. 179명의 이름언급 연결망(singletone): 같은 당끼리는 제외

47. 179명의 이름언급 연결망(singletone) √ 이름 언급 연결망의 밀도 √ 이름언급 연결망 E-I Index √ 이름언급 연결망은 시기의 영향을 많이 받는 것으로 사료됨(실제 수집된 자료를 자세히 봐야 할 필요성 : 현재 살펴보는 과정). 예를 들어, 11월 안상수 보온병 사건과 한명숙 전 총리 재판 등의 영향이 있을 것으로 예상

48. Network : Retweet ( 39 subjects) Longest Retweet Path