[论文解读] Systematically Monitoring Social Media: the case of the German federal election 2017
本文提出了一套系统化、方法严谨的框架，用于在2017年德国联邦选举期间收集和分析来自Facebook和Twitter的社交媒体数据。通过解决内容效度、建构效度、信度以及数据共享问题，该研究建立了一个可复现的大规模数字痕迹数据收集框架，适用于政治传播研究。
It is a considerable task to collect digital trace data at a large scale and at the same time adhere to established academic standards. In the context of political communication, important challenges are (1) defining the social media accounts and posts relevant to the campaign (content validity), (2) operationalizing the venues where relevant social media activity takes place (construct validity), (3) capturing all of the relevant social media activity (reliability), and (4) sharing as much data as possible for reuse and replication (objectivity). This project by GESIS - Leibniz Institute for the Social Sciences and the E-Democracy Program of the University of Koblenz-Landau conducted such an effort. We concentrated on the two social media networks of most political relevance, Facebook and Twitter.
研究动机与目标
- 解决系统性收集大规模社交媒体数字痕迹数据的挑战，同时保持学术严谨性。
- 通过识别与2017年德国联邦选举相关的政治人物和帖子，确保内容效度。
- 通过将社交媒体平台（Facebook和Twitter）操作化为政治传播的主要场所，建立建构效度。
- 通过在整个竞选期间全面捕获社交媒体活动，提升信度。
- 通过开放数据共享促进客观性，使其他研究者能够重复使用和复现研究结果。
提出的方法
- 聚焦于2017年德国联邦选举期间最具政治相关性的两大社交媒体平台——Facebook和Twitter。
- 基于政治相关性和竞选活动参与度，定义了选择相关社交媒体账号的标准。
- 对数据收集过程进行操作化，以确保一致识别并捕获相关帖子与互动内容。
- 实施系统化的数据收集流程，以最大化覆盖范围并最小化遗漏相关数据。
- 优先考虑数据共享与文档记录，以支持透明度、数据复用及研究复现。
- 在整个数据收集过程中应用学术标准以保证数据质量，包括效度与信度评估。
实验结果
研究问题
- RQ1哪些与2017年德国联邦选举相关的社交媒体账号和帖子被系统性地捕获？它们是如何被定义为相关的？
- RQ2在政治传播研究中收集社交媒体数据时，如何确保内容效度？
- RQ3哪些方法论策略可确保跨平台大规模社交媒体数据收集的信度？
- RQ4在多大程度上可使数据收集流程透明化并可复用于未来研究？
- RQ5在将社交媒体平台定义为政治传播场所时，如何保持建构效度？
主要发现
- 该研究成功收集并整理了一套全面的政治传播数据集，涵盖2017年德国联邦选举期间的Facebook与Twitter平台。
- 该方法论框架通过系统性识别并纳入相关政治人物与帖子，确保了高水平的内容效度。
- 通过明确定义Facebook和Twitter为本研究中政治话语的主要平台，实现了建构效度。
- 数据收集过程通过系统化且可重复的程序，展现出高度的信度。
- 该研究建立了透明且可复用的数据基础设施，支持研究复现与进一步研究。
- 该框架为政治传播研究中大规模、学术严谨的社交媒体数据收集设立了新基准。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。