[论文解读] Networks of Power: Analyzing World Leaders Interactions on Social Media

Evgeniia Iakhnis, Adam Badawy|arXiv (Cornell University)|Jul 25, 2019

Social Media and Politics参考文献 33被引用 4

一句话总结

本研究利用193个联合国会员国的新型跨国数据集，分析了2012至2017年全球世界领导人之间在Twitter上的外交互动。通过社会网络分析发现，领导人的线上互动与现实中的外交模式一致，其中政体类型——尤其是民主政体——是聚类的最强预测因子；而由于透明度和互动性更高，民主领导人在线上网络中占据更中心的位置。

ABSTRACT

World leaders have been increasingly using social media platforms as a tool for political communication. However, despite the growing research on governmental accounts on social media, virtually nothing is known about interactions among world leaders. Using a novel, cross-national dataset of Twitter communication for leaders of 193 countries for the period of 2012-2017, we construct retweet and mention networks to explore the patterns of leaders communication. We use social network analysis to conclude that the leaders interactions on social media closely resemble their interactions in the offline world. Besides, consistent with the democratic peace theory that underscores a special connection between democracies, we identify political regime as the main predictor of clustering between countries on Twitter. Finally, we explore the patterns of the leaders centrality to identify features that determine which leaders occupy more central positions in the network. Our findings yield new insights on how social media is used by government actors, and have important implications for our understanding of the impact of new technologies on the new forms of diplomacy.

研究动机与目标

• 调查世界领导人如何通过社交媒体（尤其是转发和提及）相互互动。
• 检验领导人之间的线上互动在多大程度上反映现实中的外交模式，如区域联盟和层级定位。
• 评估政治政体类型（尤其是民主与非民主国家）在塑造Twitter上网络社群中的作用。
• 识别决定全球领导人社交媒体网络中领导力中心性的结构特征。
• 探讨这些发现对理解新型数字外交形式——“推特外交”（twiplomacy）——的启示。

提出的方法

• 构建了2012至2017年间193个联合国会员国领导人之间Twitter互动（提及与转发）的综合数据集。
• 应用社会网络分析方法，构建并分析提及与转发网络，使用PageRank和加权入度等指标评估中心性。
• 采用时间网络分析方法评估网络结构的稳定性，重点关注2015年及以后的数据，该时期占所有提及的86%。
• 运用统计建模方法检验政体类型、地理邻近性和政治层级对网络聚类的影响。
• 通过按每个时间段的入度总和对网络指标（如加权入度）进行标准化，确保不同时段之间的可比性。
• 使用百分位数（5th、25th、50th、75th、95th）评估PageRank和入度分布，以考虑幂律特征并衡量网络稳定性。

实验结果

研究问题

• RQ1 世界领导人在Twitter上的互动与他们的线下外交关系有何异同？
• RQ2 政体类型在多大程度上可预测领导人社交媒体网络中聚类的形成？
• RQ3 哪些领导人处于全球领导人Twitter网络的中心位置？其居于中心的原因是什么？
• RQ4 领导人Twitter互动的结构模式在时间上有多稳定？
• RQ5 相较于政体类型，物质能力或层级地位是否更能解释网络中心性？

主要发现

• 领导人的线上互动与线下外交模式高度一致，呈现出显著的地理区域和政治层级水平上的聚类。
• 政体类型是网络聚类的最强预测因子，民主领导人与其它民主领导人互动的可能性显著更高，与民主和平理论一致。
• 民主领导人在线上网络中占据更中心的位置，这一结果由PageRank和加权入度指标衡量，表明其具有更高的可见度和连通性。
• 网络结构在时间上保持稳定，尤其自2015年起，支持尽管存在时间数据差异，仍可使用静态网络模型。
• 没有证据表明物质能力或国家权力显著预测网络中心性，表明互动模式更多受政体类型和透明度的影响。
• 由于独裁国家缺乏活跃的Twitter账号，数据集对这些国家的代表性不足，导致非随机偏差，限制了跨政体比较的范围。