[论文解读] Twitter Corpus of the #BlackLivesMatter Movement And Counter Protests: 2013 to 2020

Salvatore Giorgi, Sharath Chandra Guntuku+5 more|arXiv (Cornell University)|Sep 1, 2020

Social Media and Politics参考文献 6被引用 13

一句话总结

本论文介绍了一个公开可用的推特语料库，包含2013年至2021年间6390万条涉及#BlackLivesMatter、#AllLivesMatter或#BlueLivesMatter的推文，支持对布莱克生命运动及其反示威活动的 discourse、时间趋势和空间模式的大规模分析。该数据集包含LDA主题模型，旨在支持计算社会科学、政治学和自然语言处理领域的研究，重点关注系统性种族主义、抗议动态和种族不平等等议题。

ABSTRACT

This data set contains all currently available tweets from the beginning of the Black Lives Matter (BLM) movement in 2013 to 2021. All tweets contain the following keywords BlackLivesMatter, AllLivesMatter, and BlueLivesMatter, or some variation (e.g., #blacklivesmatter or black lives matter). The data set consists of 63.9 million tweets from 13.0 million users from over 100 countries. Instructions on pulling the Twitter data from the Twitter API are here. Please use the following citation if you use this data in a paper: Giorgi, S., Guntuku, S. C., Himelein-Wachowiak, M., Kwarteng, A., Hwang, S., Rahman, M., &amp; Curtis, B. (2022). Twitter Corpus of the #BlackLivesMatter Movement And Counter Protests: 2013 to 2021. In <em>Proceedings of the International AAAI Conference on Web and Social Media</em>

研究动机与目标

• 提供2013年至2021年期间关于#BlackLivesMatter运动及其反示威活动的全面、公开获取的推特对话数据集。
• 支持对系统性种族主义、基层 activism 和社交媒体在塑造政治话语与抗议动员中作用的研究。
• 支持对超过100个国家中与BLM相关的语言模式、时间变化和空间趋势的分析。
• 为每个关键词提供LDA主题模型，以促进对抗议与反示威话语中语义主题的自动识别。
• 通过仅向学术机构和非营利组织分发，限制监控风险，促进伦理的、非商业的研究。

提出的方法

• 使用推特公开API和归档工具，收集2013年1月至2021年12月期间所有包含#BlackLivesMatter、#AllLivesMatter或#BlueLivesMatter的公开推文。
• 仅通过推文ID分发数据，以遵守推特的服务条款并保护用户隐私。
• 应用潜在狄利克雷分布（LDA）自动识别与每个话题标签相关的文本中语义一致的主题聚类。
• 利用ISO 639-1语言代码和用户提供的位置元数据，对推文进行地理空间和语言分析，以绘制全球及国家层面的趋势图。
• 与外部数据集（如Project Implicit的IAT）整合，以在县一级层面关联种族态度。
• 通过推特API重新获取推文内容，以支持对回复、转发和用户网络的分析，同时承认隐私限制的存在。

实验结果

研究问题

• RQ1 从2013年到2021年，#BlackLivesMatter、#AllLivesMatter和#BlueLivesMatter的使用模式和语言主题如何演变？
• RQ2 与BLM相关的论述中占主导地位的语义主题是什么？它们与反示威叙事有何不同？
• RQ3 BLM相关活动的空间模式在美国和全球范围内有何差异？
• RQ4 与BLM相关的推文在多大程度上与警察暴力事件和全国性抗议活动等现实事件相关？
• RQ5 该数据集如何用于研究社交媒体对种族态度、心理健康和政治动员的影响？

主要发现

• 该数据集包含来自1306万名用户、覆盖100多个国家的6390万条推文，其中#BlackLivesMatter占全部推文的88.6%。
• #BlackLivesMatter在5670万条推文中被使用，显著高于#AllLivesMatter（430万条）和#BlueLivesMatter（508万条）。
• 时间分析显示，乔治·弗洛伊德被谋杀后，#BlackLivesMatter的活跃度急剧上升，2020年5月31日被认定为推特历史上最悲伤的一天。
• LDA主题建模成功识别出每个话题标签的独立主题聚类，实现了对抗议与反示威话语中语言模式的自动发现。
• 该数据集包含来自86,641个不同地理位置的地理标记推文，活动在美国及英语、法语、西班牙语和葡萄牙语主要使用地区具有显著的全球覆盖范围。
• 该数据集旨在支持对系统性种族主义、抗议动态以及警察暴力对心理健康影响的研究，同时设有伦理保障措施，以限制监控和非研究用途。