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
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.
Yorumlar
Yorum Gönder