• Save
Latvijas politiķu un partiju identitātes Twitter komunikācijā: 10. Saeimas vēlēšanu piemērs
Upcoming SlideShare
Loading in...5
×
 

Latvijas politiķu un partiju identitātes Twitter komunikācijā: 10. Saeimas vēlēšanu piemērs

on

  • 1,076 views

 

Statistics

Views

Total Views
1,076
Views on SlideShare
935
Embed Views
141

Actions

Likes
0
Downloads
0
Comments
0

2 Embeds 141

http://www.nacionalaidentitate.lv 138
http://webcache.googleusercontent.com 3

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Latvijas politiķu un partiju identitātes Twitter komunikācijā: 10. Saeimas vēlēšanu piemērs Latvijas politiķu un partiju identitātes Twitter komunikācijā: 10. Saeimas vēlēšanu piemērs Presentation Transcript

    • Poli%ķu  un  par%ju  iden%tātes   Twi$er  kopienā  10.  Saeimas   priekšvēlēšanu  laikā     Jānis  Pencis,  Laura  Uzule,  Jurģis   Šķilters,  Monika  Kreile,  Uldis  Bojārs,   Inta  Brikše    Šis  darbs  izstrādāts  ar  Eiropas  Sociālā  fonda  atbalstu  projektā  «Atbalsts  doktora  studijām  Latvijas  Universitātē».    
    • MoKvācija  pēLt  idenKtāK  •  IdenKtāte  ir  aMsLbas  un  līdzsvara  meklēšana     –  Būt  atšķirīgam,  oriģinālam,  interesantam       –  Būt  pazīstamam,  paredzamam  un  uzKcamam  •  IdenKtāte  ietekmē  konkurētspēju  
    • TeorēKskais  rāmējums  •  Brewer,  1991,  Brewer  &  Gardner,  1996:   idenKtātes  veidošana  noKek  divos  simultānos   un  abpusēji  atkarīgos  sociālās  kategorizācijas   procesos   –  piederībā  (belongingness)  un     –  diferencēšanā  (differen3a3on)  
    • TeorēKskais  rāmējums  •  Lewin,  1936,  1951:  sociālajām  kopienām   eksistē  gan  savas  iekšējās,  gan  ārējās   struktūras,  kas  ir  vairāk  vai  mazāk  akLvas.  Tās   ir:   –  daļa-­‐veselais  struktūras;   –  atkarīgas  no  perspekLvas;     –  mērķorientētas;   –  saitēm,  kas  uzrāda  akKvitāK,  nav  jābūt  fiziskām.    
    • MoKvācija  pēLt  Twi6er  •  Twi6er  piedāvā  jaunus  paņēmienus   idenKtātes  konstruēšanai   –  Īsa  un  kodolīga  leksika,  saīsinājumi,  hipersaites   utml.   –  Virtuālās  savējo  un  citu  grupas  (in-­‐groups  /  out-­‐ groups)  
    • MoKvācija  pēLt  ar  poliKku  saisLtās   kategorijas  •  PoliKskās  kategorijas  ir  polarizētas  (Heit  &   Nicholson,  2010)  •  Iespējama  korelācija  starp  vēlēšanu  iznākumu   un  poliKķu  akKvitāK  Twi6er  (Lassen  &  Brown,   2010;  Hsu  &  Park,  2010)    
    • PēLjuma  mērķi  1.  Atklāt  faktorus,  kas  ietekmē  individuālās  un   kolekLvās  idenKtātes  formēšanu  virtuālajās   kopienās  (šī  pēLjuma  gadījumā:  Twi6er   kopienā);  2.  Izstrādāt  metodoloģiju  sociālo  mediju  satura   un  strukturālajai  analīzei;    3.  Noskaidrot,  vai  pastāv  korelācijas  starp   vēlēšanu  rezultāKem  un  poliKķu  un  parKju   idenKtātēm  Twi6er  kopienā.    
    • Metodoloģija  •  Datu  avoK   –  Primāri:  Twi6er  ziņas  10.  Saeimas  vēlēšanu  nedēļā  (iegūtas   ar  Twi6er  Streaming  API)     •  Satura  analīzei  31612  ziņas  (28.09.2010  –  01.10.2010)   •  Strukturālajai  analīzei  50032  ziņas  (28.09.2010  –  04.10.2010)   •  Sākotnējā  izlase  –  179  Twi6er  lietotāji-­‐poliKķi,  parKjas,  mediju   organizācijas,  žurnālisK  un  eksperK  ir  papildināK  ar  ciKem  Twi6er   lietotājiem,  kas  ir  pieminēK  viņu  ziņās,  līdz  1377  Twi6er  lietotāju   lielai  izlasei.         –  Sekundāri:  preses  publicitātes  indeksi,  reklāmas   monitorings  
    • Metodoloģija  •  Primāro  datu  datorizēta  un  manuāla  analīze  ar   Natural  Language  Toolkit  Library  (hlp:// www.nltk.org/)  un  pašu  izstrādāKem  instrumenKem:   •  Vārdu  aizvietošana     •  Vārdu  biežuma  analīze   •  Kolokāciju  analīze  ar  PMI  algoritmu  (Pointwise  Mutual   Informa3on  metric,  Manning  &  Schutze,  2003)   •  Konkordances  rindu  analīze   •  Strukturālā  analīze     –  birkojumi  (hashtags)     –  pārsūLtās  ziņas  (retweets)  
    • Pieminējums  Twi6er,  presē  un  ziņu   aģentūrās     100  deputāK   Twiler,  presē  un  ziņu   aģentūrās   Twiler   Presē  un  ziņu  aģentūrās  1234  kandidāK   Nav  pieminēK   0%   20%   40%   60%   80%   100%  
    • Pieminējums  Twi6er,  presē  un  ziņu   aģentūrās    
    • Pieminējums  Twi6er,  presē  un  ziņu   aģentūrās    
    • InvesLcijas  reklāmā     (TNS  AdEx  2010)  LVL800,000LVL700,000LVL600,000LVL500,000LVL400,000LVL300,000LVL200,000LVL100,000 LVL0 L L SC S K ti A A ZZ Ci PL TV N B !B T! N LD PC BL O N BI LT IE AT V V
    • Tematu  konotācija  Twi6er  TOP  10  kolokāciju  kopa   Tematu   Pozi@vi   Neitrāli   Nega@vi   skaits  Dombrovskis   29   27.59%   68.97%   3.45%  Šlesers   12   25.00%   41.67%   33.33%  VienoLba   11   0.00%   54.55%   45.45%  PLL   14   21.43%   21.43%   57.14%  Draugi,  rīt  es  došos  vēlēt  par  Dombrovski,  jo  es  uz3cos  viņa  profesionālismam  (poziLvi);      Šlesers  apšauba  sociālo  mediju  objek3vitā3  (neitrāli);      Dombrovskis:  korupcijas  protežē  vai  reke3eris?  (negaLvi).    
    • Tematu  konotācija  Twi6er  TOP  10  kolokāciju  kopa   Tematu   Pozi@vi   Neitrāli   Nega@vi   Rei%ngs   skaits  Dombrovskis   29   27.59%   68.97%   3.45%   +24.14%  Šlesers   12   25.00%   41.67%   33.33%   -­‐8.33%  VienoLba   11   0.00%   54.55%   45.45%   -­‐45.45%  PLL   14   21.43%   21.43%   57.14%   -­‐35.71%  Draugi,  rīt  es  došos  vēlēt  par  Dombrovski,  jo  es  uz3cos  viņa  profesionālismam  (poziLvi);      Šlesers  apšauba  sociālo  mediju  objek3vitā3  (neitrāli);      Dombrovskis:  korupcijas  protežē  vai  reke3eris?  (negaLvi).    
    • Tematu  konotācija  Twi6er  TOP  10  kolokāciju  kopa   Tematu   Pozi@vi   Neitrāli   Nega@vi   Rei%ngs   skaits  Dombrovskis   29   27.59%   68.97%   3.45%   +24.14%  Šlesers   12   25.00%   41.67%   33.33%   -­‐8.33%  VienoLba   11   0.00%   54.55%   45.45%   -­‐45.45%  PLL   14   21.43%   21.43%   57.14%   -­‐35.71%   C   B   A   -­‐45.45%   -­‐35.71%   -­‐8.33%   +24.14%   VienoLba   PLL   Šlesers     Dombrovskis     -­‐40   -­‐30   -­‐20   -­‐10   0   +10   +20  
    • B   A  C   !
    • TV  reklāmu  naraLvi  Iniciators: PLL SC Vienot!ba ZZSSa!"m"js: B"rni, pension#ri V"l"t#js V"l"t#js LauksaimnieksVaronis: $lesers U%akovs, Urbanovi&s Dombrovskis Lembergs, Dklavs u.c.M"r(is: Zem#ki nodok)i, Aptur"t bag#to Tic"t, lepoties, str#d#t, Ilgtsp"j+ba, dabas l"t#kas z#les, apkure cilv"ku partijas, eksports, izaugsme, aizsardz+ba, liel#kas un transports, progres+vais darbavietas ES subs+dijas, valsts liel#kas pensijas un nodoklis, vienl+dz+ba, atvese)o%ana, tic"t, m#mi!u algas, str#d#t tikpat labi k# lepoties, nesdz"ties, nosarg#t me*us un R+gas dom" str#d#t LatvenergoPal+gs: V"l"t#js V"l"t#js God+gie un zino%ie V"l"t#jsPretinieks: Dombrovskis Bag#to cilv"ku $lesers, Kalv+tis, Nav (gr#matvedis, SVF) partijas Slakteris, kamp"ji, uz!"m"ju elite
    • Hipotēze  Jo  grupas  indivīda  komunikācija  ir  (1)  biežāka,  (2)  poziLvāka,  (3)  temaKski  daudzveidīgāka,  kā  arī  (4)  izplaLta  daudzveidīgākos  komunikācijas  kanālos,  jo  indivīds  kļūst  kogniLvi  nozīmīgāks  un  ietekmīgāks  par  grupu.    
    • Birkojumu  dinamika   30SEP   01OKT   02OKT   03OKT   04OKT   SUM  #velesanas   12   346   94   5   457  #ir   27   34   21   32   114  #nobalsoju   71   71  #twibbon   60   60  #pieKek   7   10   16   10   5   48  #vēlēšanas   35   11   46  #cieK   8   16   24  #fail   9   5   9   23  #velesanas2010   7   7  #pll   5   5  #poliKka   5   5  #politsports   5   5  #sleptareklama   5   5  
    • Birkojumu  izmantošana  idenKtātes   veidošanā  •  Birkojumi  palīdz  definēt  grupas  idenKtāK  divos   rekursīvos  veidos:  (1)  uzsverot  jautājumus,  ko   par  svarīgiem  uzskata  grupa,  un  (2)   demonstrējot  grupas  kā  sava  veida  kopienas,   kurās  šos  jautājumus  uzskata  par  svarīgiem.    
    • PārsūLto  ziņu  analīze  •  No  20  visvairāk  pārsūLtajiem  ziņojumiem  70%   ir  Kešā  veidā  saisLK  ar  vēlēšanām  (tajā  skaitā   divi  visvairāk  pārsūLKe  ziņojumi),  10%  ir  daļēji   saisLK,  bet  20%  ir  ar  poliKku  nesaisLK.    •  Puse  (7  no  14)  ar  vēlēšanām  saisLto  pārsūLto   ziņojumu  saLriskā  veidā  kriKzē  PLL  un  tās   poliKķus  Šleseru  un  Šķēli,  savukārt  vēl  divi  ciK   pārsūLtākie  ziņojumi  kriKzē  SC  un  PCTVL.    
    • Grupu  norobežošanas  mehānismi   Krievi   Viedokļa  līderi KorumpanK   (out-­‐group)   (in-­‐group)   (out-­‐group)  
    • Grupu  norobežošanas  mehānismi  •  Atkārtota  negaLvu  ziņu  veidošana  par  citām   grupām  (out-­‐groups)  •  Atkārtota  poziLvu  ziņu  veidošana  par  savējo   grupu  (in-­‐group)  •  Joki,  kas  sniedz  piederības  sajūtu  savējo  grupai   –  Zēns  pakrīt.  Šlesers  palīdz  viņam  piecelKes:  ”Tu   taču  balsosi  par  mani,  vai  ne?",  zēns:  "Es  taču   savainoju  Kkai  savu  pēdu  nevis  galvu!"    •  Birkojumu  lietošana  
    • Secinājumi  •  PoliKskā  vēsLjuma  efekKvitāK  vēlēšanu   diskursā  ietekmē  četri  faktori:  (1)   pieminēšanas  biežums,  (2)  poziLva  konotācija,   (3)  temaKskā  konteksta  dažādība,  kā  arī  (4)   izplaLšanas  kanālu  daudzveidība.    
    • Secinājumi  •  Twi6er  lietotāju  intereses  dinamiku  par  kādu   noKkumu  (vēlēšanām)  var  novērot,  analizējot   birkojumu  pielietojumu  un  visvairāk  pārsūLtos   ziņojumus,  kas  uzrāda  noskaņojumu  pret   poliKskajām  parKjām  un  to  kandidāKem.    
    • Secinājumi  •  Jo  grupas  indivīda  komunikācija  ir  (1)  biežāka,   (2)  poziLvāka,  (3)  temaKski  daudzveidīgāka,  kā   arī  (4)  izplaLta  daudzveidīgākos  komunikācijas   kanālos,  jo  indivīds  kļūst  kogniLvi  nozīmīgāks   un  ietekmīgāks  par  grupu.