[论文解读] An Analysis of the Twitter Discussion on the 2016 Austrian Presidential Elections

Ema Kušen, Mark Strembeck|arXiv (Cornell University)|Jul 31, 2017

Social Media and Politics参考文献 50被引用 7

一句话总结

本研究利用网络科学、情感分析和机器人账号检测技术，分析了2016年奥地利总统选举期间343,645条德语和英语的Twitter消息。研究发现，亚历山大·范德贝伦在Twitter上的影响力超过其对手；情绪高度极化；尽管机器人活动极少，虚假信息仍显著传播；支持者形成了明显的回音室结构。

ABSTRACT

In this paper, we provide a systematic analysis of the Twitter discussion on the 2016 Austrian presidential elections. In particular, we extracted and analyzed a data-set consisting of 343645 Twitter messages related to the 2016 Austrian presidential elections. Our analysis combines methods from network science, sentiment analysis, as well as bot detection. Among other things, we found that: a) the winner of the election (Alexander Van der Bellen) was considerably more popular and influential on Twitter than his opponent, b) the Twitter followers of Van der Bellen substantially participated in the spread of misinformation about him, c) there was a clear polarization in terms of the sentiments spread by Twitter followers of the two presidential candidates, d) the in-degree and out-degree distributions of the underlying communication network are heavy-tailed, and e) compared to other recent events, such as the 2016 Brexit referendum or the 2016 US presidential elections, only a very small number of bots participated in the Twitter discussion on the 2016 Austrian presidential election.

研究动机与目标

• 理解2016年奥地利总统选举期间Twitter上政治话语的动力机制。
• 探究情绪、网络结构和自动化账号如何塑造公共辩论。
• 评估虚假信息和机器人活动在高风险全国性选举中影响公众舆论的作用。
• 研究候选人及其支持者之间的传播模式，包括转发行为和情感基调。
• 评估负面竞选活动和情感内容对社交媒体网络中信息传播的影响。

提出的方法

• 使用基于关键词的爬取技术收集了与2016年奥地利总统选举相关的343,645条Twitter消息。
• 应用情感分析对消息中的用户情绪进行分类，区分积极、消极和中性情绪。
• 构建传播网络和话题标签网络，以模拟用户之间的信息流动和话题关联。
• 使用网络科学技术分析入度和出度分布，识别出重尾幂律行为。
• 采用机器人检测算法识别并量化讨论中的自动化账号。
• 围绕两位主要候选人构建自指网络，分析其粉丝影响力和传播模式。

实验结果

研究问题

• RQ1 两位总统候选人在Twitter上的受欢迎程度和影响力如何比较？
• RQ2 关于亚历山大·范德贝伦的虚假信息传播程度如何？他的支持者是否参与了该信息的传播？
• RQ3 两位候选人支持者表达的情绪极化程度如何？
• RQ4 其底层传播网络的结构特征是什么，特别是度分布方面？
• RQ5 与近期其他政治事件相比，社交机器人在塑造Twitter讨论中的作用有多大？

主要发现

• 亚历山大·范德贝伦在Twitter上的受欢迎程度和影响力显著高于其对手诺伯特·霍弗。
• 范德贝伦的支持者尽管意图纠正错误，仍积极传播了关于他的虚假信息。
• 两位候选人支持者的情绪高度极化，负面情绪与霍弗的支持者强烈关联。
• 传播网络的入度和出度分布呈现出重尾幂律模式，表明网络具有无标度特性。
• 讨论中的机器人活动极低，显著低于2016年英国脱欧公投或美国总统选举中的水平。
• 两位候选人的支持者形成了彼此独立、内部高度连接的集群，表明存在回音室或过滤气泡现象。