Twitter’da Aktör-Konu Ağlarının Otomatik Analizi: Sosyo-Semantik Ağ Analizine Yeni Yaklaşımlar-II

Twitter Data

Twitter verilerine odaklanmayı seçmemizin nedeni; Twitter’ın kullanıcılara #etiketleri kullanarak belirli konulara ait tweetleri etiketleme ve @kullanıcı adı ile diğer kullanıcılardan bahsetme olanağı sağlamasıdır.  Twitter’da etiketler, daha geniş tartışmalara tweet ekleme, diğer Twitter kullanıcılarının belirli konuları ve alakalı etiketleri takip etmeleri için kullanılabilir (Bruns & Burgess, 2011; Bruns & Stieglitz, 2013). Tartışma bölümünde, verinin diğer türlerinde kullanılmasına olan etkilerini irdelemekteyiz.

Genel olarak Twitter, kullanıcıların diğer kullanıcılara en fazla 280 karakterden oluşan kısa ileti göndermesine olanak sağlamaktadır. Gönderilecek ileti daha önce 140 karakter sınırına sahipken son yenilikle ile birlikte 280 karakter olmuştur. Sosyal medya, hedeflenen kullanıcının adından önce eklenen @ işaretleyicisi ile diğer belli kullanıcılara hitap etmeyi sağlar. Yeniden tweetlenen  iletiler (retweet) başka Twitter kullanıcısı tarafından yazılan iletilerdir. İletinin başındaki RT işareti kullanılır. (#) işareti kullanılarak iletiler etiketlenir (tag). İnternet sitelerine kurulan bağlantılarla  (link) iletiler yayılabilir (http://t.co/url). Twitter’a özgü bu teknolojik nitelikler (Foot  & Schneider, 2006)  otomatik veri çekmeye, sonrasında da iletilerin ve belirli işlevlerin analizine imkan tanır. Aşağıda, etiketler ve kullanıcı adlarıyla ilgili daha önceki bulguları tartışmaktayız.   

Twitter’daki amaca özgü, geçici kamuları (ad hoc public) tanımlamak için yapılan analizlerde etiketler (Örneğin, Bruns & Stieglitz, 2013; Perez- Altable, 2015; Holmberg ve Hellsten, 2016) ve anahtar kelimelerle beraber etiketler  (boyd, Golder ve Lotan, 2010; Himelboim, Smith, Rainie, Shneiderman ve Espina, 2017) veri seti olarak kullanılmıştır. boyd vd. (2010); tweetlerin yüzde 36’sının @kullanıcı adı içermesine karşın yüzde 5 gibi bir oranında #etiket bulunduğunu söylemektedirler. Oysa Gerlitz ve Rieder (2013)’ın daha yakın zamanda yaptığı araştırmada yüzde 57,2’sinin @kullanıcı adı ve yüzde 13’ünün bir ya da daha fazla #etiket içerdiğini göstermektedir.

Bizim veri setimizde; hem @kullanıcı adı hem de #etiket kullanım ortalaması daha önceki araştırmalardan daha yüksektir: Rio+20 tweetlerinin yüzde 88’inde @kullanıcı adı bulunmakta iken kuş gribi tweet veri setinin yüzde 55’i  bir @kullanıcı adından bahsetmektedir. Rio +20 veri setindeki tweetlerde ortalama 1.,3 (bir etiketteki tweetlerin yüzde 130’u), kuş gribi veri setinde 1.1 (yüzde 110) #etiket bulunmaktadır. Bu, hem @kullanıcı adının hem de #etiket kullanımının zamanla arttığını göstermektedir. Twitter’a özgü araçların kullanımının artışı, ortak oluşumlu etiketler ve hitaplı kullanıcı adlarının analizini otomatikleştirmeyi önemli hale getirmektedir.

Saxton, Niyirora, Guo ve Waters (2015); savunuculuk örgütlerinin (advocacy organization) kullandığı etiket türlerini elle kodladı ve farklı örgüt türlerinin etiket içeren tweetlerinin retweet edilmesinin daha olası olduğunu buldu. Sivil toplum kuruluşları ve politik partiler gibi farklı kurumsal yazar türlerinin etiketleri bireylerden farklı olarak nasıl kullandıklarına odaklanan araştırmalar daha azdır. Enli ve Simonsen (2017), politikacıların tweetlerinde gazetecilerden çok daha fazla etiket kullandıklarını ortaya koymuştur. Bruns ve Steiglich (2013), retweetlenmeyen veya başka kullanıcılara cevap olmayan orijinal tweetlerde etiket kullanımının daha sık olduğunu göstermiştir. Ayrıca Oscar ödülü veya kraliyet düğünü gibi büyük medya etkinliklerinde etiket kullanımı yoğundur.

Daha önceki araştırmalar sıklıkla ya ortak oluşumlu etiketleri (Örneğin; Russell vd., 2011; Gerlitz & Rieder, 2013) ya da tweetlerdeki ortak oluşumlu kullanıcı adlarını (Ausserhofer & Maireder, 2013; Pearce, Holmberg, Hellsten ve Nerlich, 2014) analiz etmeye odaklanmasına karşın çok daha azı her ikisinin Twitter iletilerinde nasıl oluştuğuna odaklanmıştır. Kullanıcı adlarının kullanımı üzerine, Thelwall ve Cugelman (2017); Birleşmiş Milletler Kalkınma Programı’nın (UNDP) kampanyalarının başarısını ölçmek amacıyla bir rezonans konu metodunu önerdiler. Tweetlerde, başkalarından bahsederken ve başka kullanıcılara cevap verirken kullanıcı adlarının özellikle retweet sembolü “RT@” ile bağlantılı olarak kullanıldığını buldular. @Kullanıcı adlarının; başka Twitter kullanıcılarına hitap etmede kullanımındaki her iki işlevine dikkat çekmekteyiz. Retweetler, belirli bir konuya gösterilen önemin derecesi hakkında enformasyon sunduğundan veri örneklememize retweetleri dahil ettik.   

Yaklaşımı doğrulamak için, (i) veri seti boyutu, (ii) tweetlerde kullanılan diller ve (iii) tartışma türleri bakımından farklı iki veri setine bu metodu uygularız. Büyük ölçekli veri setimiz, 2012 Haziran sonunda Brezilya’nın Rio de Jenerio kentindeki Rio +20 toplantısı sırasında gönderilen 100.000’den fazla tweeti kapsamaktadır. Veri seti, açık kaynak bağlantı toplama (crawler) yazılımı olan Webometric Analyst’e “#Rio + 20” kelimesi yazılarak toplanmıştır. [1] Böylelikle toplanan veri Excel’de açılabilir ve her bir Twitter iletisinin dili için bir sütuna yer verebilir. Bu dil sütununu, analizimiz için bütün İngilizce Twitter iletilerini seçmek için kullandık. 19 Haziran ve 2 Temmuz 2012 tarihleri arasında gönderilen 100.073 Twitter iletisinin 75.710’u İngilizce idi. 20-22 Haziran 2012 arasındaki toplantı sırasındaki İngilizce tweetlere yoğunlaştık. Veri setindeki 72.077 tweetin daha detaylı analiz edilmesiyle sonuçlandı. Bütün matris yaklaşımı (whole-matrix approach) gerçekte sınırsız veri setine uygulanabilmesine karşın etiketlerin okunabilir olması için ağları görselleştirme yaklaşık 100 düğümle sınırlandırıldı. 72.077 tweetten oluşan bu örneklemin, 5211’inde tek kullanıcı adı ve 3150’sinde tek etiketten bahsedildi. Ve örneklem tweetlerde, toplamda #etiketler 96940 kez kullanılmasına karşın @kullanıcı adları 63475 kez kullanıldı.  

Twitter iletisi veri setimizin ikincisi, 1 Haziran 2015 ile 1 Haziran 2017 tarihleri aralığında “kuş gribi VE kümes hayvanları (vogelgriep AND pluimvee” arama kelimesi kullanılarak Coosto yazılım aracı ile toplandı. Coosto yazılım aracı, arama yaparken “en” (“ve”) kelimesini içererek Boolean* arama dizisinin (string) kullanımını gerektirmektedir. Başka yazılım araçlarının tersine sonuçların “ve” kelimesini içermesi zorunluluğu yoktur. 230 tekil #etiket ve 234 tekil @kullanıcı adını ihtiva eden 2139 Twitter ilesini indirdik. Veri setimiz, Hollandacadır lakin sonuçları İngilizce olarak tartışmaktayız. Toplamda, 2139 tweetten oluşan veri setinde 2368 kez #etiket ve 1182 kez @kullanıcı adı kullanıldı. Bu yöntemin kullanıldığı 704 tweetlik bir örneklemin daha detaylı analizi için, Hellsten, Jacobs ve Wonneberger (2019)’e bakınız.   
Yöntemler

https://leydesdorff.github.io/twitter adresinde bulunabilecek iki özel bilgisayar programı –tweet.exe ve frqtwt.exe- geliştirdik. Bütün kullanıcı adları ve etiketlerin anlamlı olduğu varsayıldığı için analizde; veri temizlemek için etkisiz kelimeler listesinin (stopword list) kullanımı gereksizdir. Kelimelerin alfabetik sıralaması; kelime sıklık listesinin en başında konumlandırılmış #etiketlerle sonuçlanır,  bunu @kullanıcı adları takip etmektedir. Eğer istenirse, ilgili eşikleri ayarlamada dosyaları ayırmak için en az tekrarlanan etiketler ve kullanıcı adları seçilebilir.  

İkincisi, alışagelmiş tweet.exe, “text.txt” ile birlikte kelime sıklık listesi bazında derlenen “words.txt” dosyasını okumaktadır ve Şekil 1 ve 2’de gösterilen matrisleri oluşturmaktadır. Kelimelere karşı ortaya çıkan dokümanların (tweet) ortak oluşum matrisi (etiketler ve kullanıcı adları Pajek (Örneğin; de Nooy vd., 2011) ve VOSViewer (Van Eck&Waltman, 2011) gibi yazılım paketleri sırasıyla kullanılarak analiz edilebilir ve görselleştirilebilir.

Sonuçlar

Öncelikle küçük bir veri setini kullanarak Hollanda’daki kuş gribi ve kümes hayvanları ile ilgili sonuçları sonrasında da 2012’deki Rio+20 çevre toplantısı sırasında gönderilen büyük bir Twitter ileti setinin sonuçlarını tartışmaktayız.

Kuş Gribi Tweetleri

Kuş gribi salgınları kümes hayvanlarını etkilemesine karşın zaman zaman özellikle 2005-2006’da H5N1 kuş gribi virüsünün Asya’da kümes hayvanlarından insana sıçradı ve salgınlara neden oldu. Kuş gribi Avrupa’daki kümes hayvanları çiftliklerine de bulaştı. Kümes hayvanları çiftliklerinin, hayvanlarını çiftlik içinde tutmaları, virüs bulaşmış bölgelerden tavuk ithalini ve kümes hayvanları nakliyesini geçici olarak durdurmak ve sınırlamak amacıyla düzenlemeler getirilmesine neden oldu. 2015-2017 arası Hollanda’da, kümes hayvanlarındaki kuş gribiyle ilgili Twitter tartışmalarına odaklanmaktayız. Bu dönemdeki tweet sayıları iki kez zirveye ulaşmıştır. Artışın sebebi, Aralık 2015’de Fransa’daki kümes hayvanları çiftliklerindeki yeni hastalık vakaları ile Kasım-Aralık 2016’da Hollanda’daki vakalardır (Hellsten, Jacobs, & Wonneberger, 2019). Pragmatik nedenlerle, ortaya çıkan görselleştirmede düğüm sayısını yaklaşık 100 düğüme sınırlamak için eşiği, veri setinde beş veya daha fazla etiketler ve kullanıcı adlarına ayarlamaktayız. Yine de  kullanıcı, özel yazılımımızı kullanırken belli bir araştırma sorusuna, verinin boyutuna veya araştırmanın amacına göre bu eşiği artırmak veya azaltmada serbesttir. Örneğin; etiketlerin çeşitliliğiyle ilgilenebilir ve belli etiketlerden ve/veya kullanıcı adlarından örneklem alabilir sonrasında örnek olaylar arasında karşılaştırma yapabilir.

Şekil 3 ve 4, @pluimveTweet tweetlerinde hedeflenen temel organizasyonla birlikte ağın merkezinde bulunan #vogelgriep ve #pluimvee temel etiketlerini göstermektedir. İkincisi kümes hayvanları çiftlikleri için tasarlanmış çevrimiçi haber akışıdır (newsfeed). Şekil 3 ve 4’de, kullanıcı adından kullanıcı adına bağlantı olmaması dikkat çekicidir. Ağ; son derece organize, merkez etiketlerin hakimiyetindedir.

Şekil 3. “Kuş gribi ve kümes hayvanları” ile ilgili 2139 twitter iletisi içerisinde 5 ve 5’den fazla olan 39 etiket (yeşil) ve 63 alıcı kullanıcı adının (kırmızı) iki parçalı 2-mod matrise göre görselleştirmesi. Ayrılan düğümler hariç tutularak en büyük bileşen 47 eyleyen içermektedir. Yerleşim için VOSviwer kullanıldı. Düğüm büyüklüğü, kelimenin kullanım sıklığını ve çizgi kalınlığı kelimeler arasındaki ortak oluşum sıklığını temsil etmektedir (Renkli şekil wileyonlinelibrary.com’da görülebilir.)

Veri setinde, durum güncellemeleri sıklıkla retweet edilmektedir. Örneğin; Ertesi gün yürürlüğe konulacak yeni yasal düzenlemelerle ilgili tweetlerde.

RT @DNPPROVANT: Kuş gribine dair güncelleme: Tedbirler yarın başlamaktadır @FAVV_Consument https://t.co/PVMhT9p6fX

Çoğu tweette hem kuş gribi  (“vogelgriep”) hem de kümes hayvanları (“pluimvee”) birlikte kullanıldığından tweet her iki konu için etiketlendi. Örneğin; haber akışı yapılan PluimveeTweet etiketi, aynı tweette oldukça yaygın her iki etiketi kullanarak Fransa’daki H5N1 salgınının yeni vak’alarına dair Twitter iletisi gönderilen ilk etikettir.  

Son derece patojenik N5N1 #kuşgribi Fransa’da ortaya çıktı. https://t.co/PdJzjwScqK #kümeshayvanları

Harita, çevrimiçi haber medyasının büyük çoğunluğundan (Örneğin; @PluimveeTweet, “poultryTweet” @GriepTweets, “fluTweets” ve @LandbouwNieuws, “agricultureNews”) ve kümes hayvanları çiftliklerinde kuş gribinden etkilenen belediyelerden (#Kapellen, #Deerlijk, # Heist-op-den-Berg, #Nijmegen) oluşmaktadır. Her iki şekil ayrıca Belçika Federal Gıda Güvenliği Kurumuna bağlı FAVV_Consument ile temel yasal düzenlemeler #ophokplict ve #ophokken (“kümes hayvanlarının kapalı mekanda muhafazası) etrafında aynı kümelenmenin olduğunu göstermektedir.

Bununla birlikte, Şekil 4’deki Gelderland bölgesindeki Hollanda şehri Nijmegen ile bağlantısı #NieuwsTwitter ya da diğer çevrim içi haber akışları (soldaki ayrı küme) ve #niews gibi etiketlerde olduğu gibi iki parçalı ağın görselleştirmesi (Şekil 3) bölgesel etiket kümelerini kaçırmaktadır. Diğer bir ifadeyle, iki parçalı 2-mod görselleştirme sadece tek parçadan oluşan düğüm türlerinin -bizim örneğimizde, etiketler- kümelerini engellemektedir ve bu yüzden şu gibi tweetleri haritalayamaz:

#Nijmegen Yalnızca kümes hayvanları, su ve kanatsız kuşlar için ulusal önlemler  https://t.co/TaMs30tisW #nieuwstwitter

Bu tweet hem Nijmegen kentini hem de ana haber akışı (Ç.N. güncel haberlerin düzenli olarak yayınlandığı etiket) NieuwsTwitter’ı etiketleyerek Nijmegen’deki kümes hayvanları, su kuşları ve uçamayan kuşlara dair ulusal yasal düzenlemeler hakkında enformasyon sunmaktadır. Bütün matris ile karşılaştırıldığında iki parçalı 2-mod analiz (Şekil 3) 20 eyleyeni yok saymaktadır. 

Şekil 4. “Kuş gribi ve kümes hayvanları” ile ilgili 2139 twitter iletisi içerisinde 5 ve 5’den fazla olan 39 etiket ve 63 alıcı kullanıcı adının bütün matris görselleştirmesi. En büyük bileşen 67 eyleyen içermektedir. Yerleşim ve kümeleme için VOSviwer kullanıldı. Düğüm büyüklüğü, kelimenin kullanım sıklığını ve çizgi kalınlığı kelimeler arasındaki ortak oluşum sıklığını temsil etmektedir (Renkli şekil wileyonlinelibrary.com’da görülebilir.)

Tartışma türleri (Örneğin; krizler, zirve/toplantı, yıllardır süren politik tartışma vb.) farklı etiket-kullanıcı adı ağının oluşmasıyla sonuçlanmaktadır. Çünkü diğer tartışmalarda başka aktör türleri öne çıkabilir. Harita ayrıca kuş gribinin gıda üretimine etkisiyle ilgilenen Eyes_on_Animal gibi çevre konularında etkin Sivil Toplum Kuruluşlarını da göstermektedir. Kuş gribine dair Twitter tartışmalarında daha az rol oynadığı için bu tür kuruluşlar haritanın kenarlarında yer almaktadır. Ayrıca bakınız Hellsten, Jacops ve Wonneberger (2019).

Yöntemimiz etiketlerle birlikte farklı aktör türlerinin ortak oluşumlarını incelemek için analitik araç sunmakta ve belirli yazarların etiketleri nasıl kullandığına odaklanmaktadır. Sonuçlar kriz yönetiminde; Twitter’da çeşitli kurumların ve vatandaşların enformasyon yayılımı için kullandıkları ulusal, bölgesel ve yerel haber akışını saptamak amacıyla kullanılabilir. Karşılaştırma yapıldığında, bütün matris yaklaşımı bir düğüm tipi kümelerini (Örneğin; etiketler) göstermesine karşın iki parçalı 2-mod yaklaşımı bunları ana bileşenlerden ayırmaktadır. İki parçalı 2-mod yaklaşıma dayanan ağa göre bütün matris yaklaşımıyla daha eksiksiz enforme ediliriz.

Rio +20 Tweetleri

Yöntemi daha fazla doğrulamak için 2012’deki Birleşmiş Milletler Sürdürülebilir Gelişme Konferansı sırasında -Rio +20 toplantısı- gönderilen geniş bir veri setini kullanmaktayız. Biyoçeşitliliğin korunması ve iklim değişliği hakkındaki 1992 Rio’dan 20 yıl sonra gerçekleştirilen toplantı Dünya Zirvesi veya RioPlus20 toplantısı olarak da anılmaktadır. Rio+20 toplantısı boyunca gönderilen tweetler  birbirleriyle tartışan çok çeşitli kullanıcılar, (Örneğin; öğle yemeği toplantılarının yerleri, konuşmalar müddetince genel raporlama ve genel olarak toplantı hakkında), toplantı süresince canlı enformasyon sağlayan medya, kamuoyunu etkilemeye çalışan siyasi organlardan oluşmaktadır. Bu durum, tartışılan oldukça farklı alt başlıklardan oluşmasını beklediğimiz kısa dönemli bir etkinlik boyunca 72.000’den çok daha fazla tweetin olduğu geniş bir veri seti sunmaktadır. #RioPlus20 arama kelimesiyle verileri topladığımızdan bütün tweetler bu etiketi tanımlamaktadır. Dolayısıyla analizden bu etiketi çıkardık (Bkz. Şekil 5 ve 6).

Hem iki parçalı 2-mod hem de bütün matris görselleştirmesinde (Şekil 5 ve 6) en önemli etiketlerden biri #futurewewant etiketidir. Her iki görselleştirmede de göze çarpar biçimde mevcuttur. Bu etiket, toplantı süresince @UN ve @UNNewscenter gibi birçok ana aktörü birbirine bağlamaktadır. Örnek olarak, etiket WWF Avustralia  tarafından bir iletiyi retweet etmek için kullanılmıştır ve @RioPlus 20 genel tanımıyla ortak etiketlenmiştir.

RT @WWF_Australia: .@UN_Rioplus20 Gelecekte herkese gıda, su & enerji sağlayacak bir dizi taahhütü içeren oyun değişikliği istiyoruz. @#futurewewant #RioPlus20

Her iki harita, enerji sorunları (#energy, #energyforall, ve @SGEnergyforall) ve kadınlar sorunları (#womenrio, @UNwomen) gibi birçok alt başlığın olduğunu göstermektedir. Oxfam, Greenpeace ve the World Wildlife Foundation (WWF) gibi küresel çevreci Sivil Toplumsal Kuruluşları her iki görselleştirmede de bulunmaktadır. Sivil Toplum Kuruluşu Greenpeace, @guardian gibi önemli bir gazete ile birlikte bahsedilen durumundadır.

@Greenpeace #RioPlus20’de ‘savaşa hazır’ beklemekte http://t.

co/nGjExgrN via @guardian

Şekil 5. 20-22 Haziran 2012’deki Rio+20 toplantısı süresince gönderilen 72.077 İngilizce Twitter iletisinde 150 ve daha fazla kez kullanılan 47 etiket (kırmızı) ve 58 kullanıcı adının iki parçalı 2-mod matris görselleştirmesi:  103 eyleyenin, en büyük bileşenlerinin görselleştirilme  yerleşiminde VOSviewer kullanıldı. Düğüm büyüklüğü, kelimenin kullanım sıklığını ve çizgi kalınlığı kelimeler arasındaki ortak oluşum sıklığını temsil etmektedir (Renkli şekil wileyonlinelibrary.com’da görülebilir.)

Her iki harita da, @Avaaz ve @dilmabr aktörleriyle bağlantılı #endfossilfuelsubsidies etiketi çevresinde güçlü bir aktivist kümesini göstermektedir: İkinci olarak eski Brezilya Başkanının kullanıcı adı gelmektedir (Şekil 5’in sağ tarafında ve Şekil 6’ın sol tarafında).

RT @Avaaz: # Fotoğrafları Facebook’daki EndFossilFuel-Subsidies sayfamızdan bulabilirsiniz: http://t.co/2qJ0Lcre & Flickr http://t.co/HXgNck4x # RioPlus20

Şekil 6. 20-22 Haziran 2012’deki Rio+20 toplantısı süresince gönderilen 72.077 İngilizce Twitter iletisinde 150 ve daha fazla kez kullanılan 47 etiket  ve 58 kullanıcı adının bütün matris görselleştirmesi:  104 eyleyenin, en büyük bileşenlerinin görselleştirilme  yerleşiminde VOSviewer kullanıldı. Düğüm büyüklüğü kelimenin kullanım sıklığını ve çizgi kalınlığı kelimeler arasındaki ortak oluşum sıklığını temsil etmektedir (Renkli şekil wileyonlinelibrary.com’da görülebilir.)

Buna karşın iki parçalı 2-mod matris Şekil 5’deki @Avaaz ve @dilmabr arasındaki bağlantıyı yok saymaktadır. Yukarıda bahsedilen kuş gribi ve kümes hayvanları olayına benzer biçimde aynı tip düğümler arasındaki bağlantıların atlanması nedeniyle olmaktadır. Rio+20 olayında @kullanıcı adları arasındaki bağlantılar dahil edilmemektedir.

Etiket-Kullanıcı Adı Ağlarına Yazar Ekleme

Analiz örneğin, konu hakkında sıklıkla ileti gönderen tweet yazarlarını seçip sonra belli bir aktif Twitter kullanıcısı ve kuruluşunun tweetlerde ortak oluşumlu kullanıcı adlarına ve etiketlerine odaklanarak Twitter iletilerinin yaratımına dönük olarak daha ayrıntılı hale getirilebilir (Hellsten, Jacobs & Wonneberger, 2019). Bu daha fazla ayrıntılandırma özellikle uluslararası bir toplantı sırasındaki Twitter iletileri gibi büyük ve ayrışık (heterojen) veri setlerinde faydalıdır. Örneğin biz Rio’daki üç günlük toplantı süresince 150’den fazla tweet yazan iki farklı tür kuruluş tarafından gönderilen tweetleri seçtik. Birileri de bütün matrisinin sağ tarafına ek (üçüncü) nitelik seti olarak yazarları ekleyebilir (Şekil 1).

Konferans sırasında toplam 173 tweet yazan Greenpeace (Greenpeace_de, Greenpeace_UPA, GreenpeaceCA ve GreenpeaceNZ gibi kendisinin farklı Twitter kullanıcı hesaplarından atılan) ile veri setimizde 160 tweet göndermiş Asian Development Bank’ı (ADB) (Bankanın ADB_Manila, ADBandNGOs, ADBClimate ve ADBEnviroment gibi farklı yerel Twitter kullanıcı adlarıyla  atılmış) seçtik. 3 günlük toplantı süresince Greenpeace’in yazarı olduğu 173 tweette, 15 tekil etiket ve 15 tekil kullanıcı adı iki veya daha fazla kez kullanılırken ADB’in yazarı olduğu 160 tweet, iki veya daha sık kullanılan 30  tekil etiket ve 20 kullanıcı adına atıfta bulunmaktadır. Her iki yazar için; tweetlerde “AU.” ön ekiyle söz edilen bu etiketleri ve kullanıcı adlarını dahil ettik (Şekil 7). 

Şekil 7. Görselleştirme iki ana kuruluşun (Greenpeace ve ADB) yazar olarak 3-mod ağı ve Rio+20 toplantısı süresince 173 ve 160 tweette bahsettikleri etiketlere ve kullanıcı adlarına dayanmaktadır. 61 eyleyen ve iki yazarın ana bileşeni; kümelenmesi ve yerleşiminde VOSviewer kullanıldı.

Şekil 7; çok aktif iki kuruluşun (gönderilen tweet sayısı bakımından)               -Greenpeace ve ADB- toplantı süresince kendi alt tartışmalarının ana katılımcısı olduğunu göstermektedir. Şekil 5 ve 6’da da merkezde olan #futurewewant paylaşılan ana etikettir. Her iki kuruluş @UNRioPlus20 ve @FAONews gibi paylaşılan kullanıcı adlarından bahsetmektedir.

Greenpeace temelde 2020’e kadar sıfır ormansızlaşmayı teşvik etmek amacıyla ormanları korumak için baykuşları boyama kampanyasına atıfta bulunan  @CallingAllOwls kullanıcı adıyla bağlantı olarak #RioPlus20 ile #deforestration konularından birlikte bahsetmektedir. Greenpeace’in gönderdiği tipik bir twet aşağıda gösterilmektedir:

Greenpeace is @CallingAllOwls (Greenpeace, Bütün Baykuşlara Seslenmektedir.) – lütfen RT edin ve liderlere @ (mention yapın/bahsedin) #RioPlus20 + Sıfır #deforestation. Bin sesten biri: http://t.co/K9WiD5R0

İlginç bir biçimde Greenpeace’in bahsettiği ana etiket #deforestration,  Rio+20 toplantısı süresince gönderilen bütün tweetler bağlamında izole edilmiş olarak kalmıştır (Şekil 6). Bu durum, toplantı esnasında kampanyanın diğer Twitter kullanıcılar tarafından fazla retweet edilmediğine işaret etmektedir.  

ADB (Asian Development Bank) ise #poverty, #inequality, #healthcare gibi farklı tartışma konularına (sol altta) ve #greeneconomy, #sustainabledevelopment (sağda) katıldı :

#transport (ulaşımın) yetersizliği #schools (okullara), #healthcare (sağlık hizmetlerine), pazar & iş fırsatlarına erişimi kısıtlayarak #poverty (yoksulluğu) ve #inequality (eşitsizliği) artırmaktadır. # rioplus20

Sonuçlar; Twitter’daki tartışmalara katılan yazarlar olarak seçilen kuruluşların aktivitelerine dair daha detaylı bir görünüm summaktadır. Verilerin, yazarların tweetlerine göre daha fazla etiketlenmesinin bir avantajı, farklı yazar türlerinin ayrıntılı olarak karşılaştırılabilir olmasıdır. Örneğin; altgrafların (subgraph) daha küçük boyutu nedeniyle ağ görselleştirmesinde, iki veya daha sık kullanılan etiketleri ve kullanıcı adlarını dahil etmek olasıdır.

Özetle, Şekil 1’de sunulduğu gibi bütün matrisini dikkate aldığından bu yöntem 3-mod veya daha yüksek dereceli ağ analizine genişletilebilir. Borgatti ve Foster’ın (2003) iki parçalı 2-mod yaklaşımıyla karşılaştırıldığında bu bir ilerlemedir. Bütün matris yaklaşımı,  iki düğüm tipinden ortak bahsedilen sosyo-semantik ağ analizinde daha iyi sonuç vermektedir. İki parçalı 2-mod yaklaşımı yalnızca benzer düğüm tiplerinden oluşan kümeleri içermektedir.

@ işareti sadece bir kullanıcı adının başka bir kullanıcı adından bahsettiği durumlarda kullanılmadığı aynı zamanda bir konumu göstermek için basitçe “at (-de, -da)” kelimesinin yerine de kullanıldığı dikkatten kaçırılmamalıdır (2012’de).

RT @makower: Ted Turner @UN Foundation akşam yemeği: “Temiz kömür. Saçmalık!” #rioplus20

Bütün matris yaklaşımında; elle değiştirerek veya veri setinde @ sembolünün konuma atıf yapan yer olarak kullanımını kaldırarak @ sembolünün her iki kullanımı arasında ayrım yapabilir. (2015-2017 veri setinde @ işareti diğer Twitter kullanıcılarına hitap etmek için geleneksel bir yol olarak özellikle bir kullanıcı adıyla birlikte kullanılıyordu. Belki de bu zamanla sosyal medya araçlarının kullanımındaki değişiklikleri işaret etmektedir.) Buna karşın, Twitter’ın ötesinde diğer sosyal medya araçlarının kullanımının zamanla nasıl evrim geçirdiğini analiz etmek için daha fazla araştırmaya ihtiyaç duyulmaktadır. Böylesine gelişmeler sosyal medya içeriğinin uzun vadeli çalışmalarıyla ilgilenen sosyal bilimciler için yeni zorluklar doğurmaktadır. Bütün matris yaklaşımının daha fazla etkilerini Tartışma ve Sonuç bölümünde tartışmaktayız.                                                                                                                                                                       ./..

---

[1] 2012’deki veri setini toplarken Mike Thelwall’un yeni metodunu kullandık. Rio+20 tweetlerini anlamlı biçimde analiz etmek sadece onun yeni metodu ile mümkün oldu. Bunun için kendisine minnettarız.