Nacionālās identitātes izpausmes populārajā kultūrā: "Prāta Vētras" konstrukc...
Latvijas politiķu un partiju identitātes Twitter komunikācijā: 10. Saeimas vēlēšanu piemērs
1. Poli%ķu
un
par%ju
iden%tātes
Twi$er
kopienā
10.
Saeimas
priekšvēlēšanu
laikā
Jānis
Pencis,
Laura
Uzule,
Jurģis
Šķilters,
Monika
Kreile,
Uldis
Bojārs,
Inta
Brikše
Šis
darbs
izstrādāts
ar
Eiropas
Sociālā
fonda
atbalstu
projektā
«Atbalsts
doktora
studijām
Latvijas
Universitātē».
2. MoKvācija
pēLt
idenKtāK
• IdenKtāte
ir
aMsLbas
un
līdzsvara
meklēšana
– Būt
atšķirīgam,
oriģinālam,
interesantam
– Būt
pazīstamam,
paredzamam
un
uzKcamam
• IdenKtāte
ietekmē
konkurētspēju
3. TeorēKskais
rāmējums
• Brewer,
1991,
Brewer
&
Gardner,
1996:
idenKtātes
veidošana
noKek
divos
simultānos
un
abpusēji
atkarīgos
sociālās
kategorizācijas
procesos
– piederībā
(belongingness)
un
– diferencēšanā
(differen3a3on)
4. TeorēKskais
rāmējums
• Lewin,
1936,
1951:
sociālajām
kopienām
eksistē
gan
savas
iekšējās,
gan
ārējās
struktūras,
kas
ir
vairāk
vai
mazāk
akLvas.
Tās
ir:
– daļa-‐veselais
struktūras;
– atkarīgas
no
perspekLvas;
– mērķorientētas;
– saitēm,
kas
uzrāda
akKvitāK,
nav
jābūt
fiziskām.
5. MoKvācija
pēLt
Twi6er
• Twi6er
piedāvā
jaunus
paņēmienus
idenKtātes
konstruēšanai
– Īsa
un
kodolīga
leksika,
saīsinājumi,
hipersaites
utml.
– Virtuālās
savējo
un
citu
grupas
(in-‐groups
/
out-‐
groups)
6. MoKvācija
pēLt
ar
poliKku
saisLtās
kategorijas
• PoliKskās
kategorijas
ir
polarizētas
(Heit
&
Nicholson,
2010)
• Iespējama
korelācija
starp
vēlēšanu
iznākumu
un
poliKķu
akKvitāK
Twi6er
(Lassen
&
Brown,
2010;
Hsu
&
Park,
2010)
7. PēLjuma
mērķi
1. Atklāt
faktorus,
kas
ietekmē
individuālās
un
kolekLvās
idenKtātes
formēšanu
virtuālajās
kopienās
(šī
pēLjuma
gadījumā:
Twi6er
kopienā);
2. Izstrādāt
metodoloģiju
sociālo
mediju
satura
un
strukturālajai
analīzei;
3. Noskaidrot,
vai
pastāv
korelācijas
starp
vēlēšanu
rezultāKem
un
poliKķu
un
parKju
idenKtātēm
Twi6er
kopienā.
8. Metodoloģija
• Datu
avoK
– Primāri:
Twi6er
ziņas
10.
Saeimas
vēlēšanu
nedēļā
(iegūtas
ar
Twi6er
Streaming
API)
• Satura
analīzei
31'612
ziņas
(28.09.2010
–
01.10.2010)
• Strukturālajai
analīzei
50'032
ziņas
(28.09.2010
–
04.10.2010)
• Sākotnējā
izlase
–
179
Twi6er
lietotāji-‐poliKķi,
parKjas,
mediju
organizācijas,
žurnālisK
un
eksperK
ir
papildināK
ar
ciKem
Twi6er
lietotājiem,
kas
ir
pieminēK
viņu
ziņās,
līdz
1377
Twi6er
lietotāju
lielai
izlasei.
– Sekundāri:
preses
publicitātes
indeksi,
reklāmas
monitorings
9. Metodoloģija
• Primāro
datu
datorizēta
un
manuāla
analīze
ar
Natural
Language
Toolkit
Library
(hlp://
www.nltk.org/)
un
pašu
izstrādāKem
instrumenKem:
• Vārdu
aizvietošana
• Vārdu
biežuma
analīze
• Kolokāciju
analīze
ar
PMI
algoritmu
(Pointwise
Mutual
Informa3on
metric,
Manning
&
Schutze,
2003)
• Konkordances
rindu
analīze
• Strukturālā
analīze
– birkojumi
(hashtags)
– pārsūLtās
ziņas
(retweets)
10. Pieminējums
Twi6er,
presē
un
ziņu
aģentūrās
100
deputāK
Twiler,
presē
un
ziņu
aģentūrās
Twiler
Presē
un
ziņu
aģentūrās
1234
kandidāK
Nav
pieminēK
0%
20%
40%
60%
80%
100%
13. InvesLcijas
reklāmā
(TNS
AdEx
2010)
LVL800,000
LVL700,000
LVL600,000
LVL500,000
LVL400,000
LVL300,000
LVL200,000
LVL100,000
LVL0
L
L
SC
S
K
ti
A
A
ZZ
Ci
PL
TV
N
B
!B
T!
N
LD
PC
BL
O
N
BI
LT
IE
AT
V
V
14. Tematu
konotācija
Twi6er
TOP
10
kolokāciju
kopa
Tematu
Pozi@vi
Neitrāli
Nega@vi
skaits
Dombrovskis
29
27.59%
68.97%
3.45%
Šlesers
12
25.00%
41.67%
33.33%
VienoLba
11
0.00%
54.55%
45.45%
PLL
14
21.43%
21.43%
57.14%
Draugi,
rīt
es
došos
vēlēt
par
Dombrovski,
jo
es
uz3cos
viņa
profesionālismam
(poziLvi);
Šlesers
apšauba
sociālo
mediju
objek3vitā3
(neitrāli);
Dombrovskis:
korupcijas
protežē
vai
reke3eris?
(negaLvi).
15. Tematu
konotācija
Twi6er
TOP
10
kolokāciju
kopa
Tematu
Pozi@vi
Neitrāli
Nega@vi
Rei%ngs
skaits
Dombrovskis
29
27.59%
68.97%
3.45%
+24.14%
Šlesers
12
25.00%
41.67%
33.33%
-‐8.33%
VienoLba
11
0.00%
54.55%
45.45%
-‐45.45%
PLL
14
21.43%
21.43%
57.14%
-‐35.71%
Draugi,
rīt
es
došos
vēlēt
par
Dombrovski,
jo
es
uz3cos
viņa
profesionālismam
(poziLvi);
Šlesers
apšauba
sociālo
mediju
objek3vitā3
(neitrāli);
Dombrovskis:
korupcijas
protežē
vai
reke3eris?
(negaLvi).
18. TV
reklāmu
naraLvi
Iniciators: PLL SC Vienot!ba ZZS
Sa!"m"js: B"rni, pension#ri V"l"t#js V"l"t#js Lauksaimnieks
Varonis: $lesers U%akovs, Urbanovi&s Dombrovskis Lembergs, D'klavs
u.c.
M"r(is: Zem#ki nodok)i, Aptur"t bag#to Tic"t, lepoties, str#d#t, Ilgtsp"j+ba, dabas
l"t#kas z#les, apkure cilv"ku partijas, eksports, izaugsme, aizsardz+ba, liel#kas
un transports, progres+vais darbavietas ES subs+dijas, valsts
liel#kas pensijas un nodoklis, vienl+dz+ba, atvese)o%ana, tic"t,
m#mi!u algas, str#d#t tikpat labi k# lepoties, nes'dz"ties,
nosarg#t me*us un R+gas dom" str#d#t
Latvenergo
Pal+gs: V"l"t#js V"l"t#js God+gie un zino%ie V"l"t#js
Pretinieks: Dombrovskis Bag#to cilv"ku $lesers, Kalv+tis, Nav
(gr#matvedis, SVF) partijas Slakteris, kamp"ji,
uz!"m"ju elite
19. Hipotēze
Jo
grupas
indivīda
komunikācija
ir
(1)
biežāka,
(2)
poziLvāka,
(3)
temaKski
daudzveidīgāka,
kā
arī
(4)
izplaLta
daudzveidīgākos
komunikācijas
kanālos,
jo
indivīds
kļūst
kogniLvi
nozīmīgāks
un
ietekmīgāks
par
grupu.
21. Birkojumu
izmantošana
idenKtātes
veidošanā
• Birkojumi
palīdz
definēt
grupas
idenKtāK
divos
rekursīvos
veidos:
(1)
uzsverot
jautājumus,
ko
par
svarīgiem
uzskata
grupa,
un
(2)
demonstrējot
grupas
kā
sava
veida
kopienas,
kurās
šos
jautājumus
uzskata
par
svarīgiem.
22. PārsūLto
ziņu
analīze
• No
20
visvairāk
pārsūLtajiem
ziņojumiem
70%
ir
Kešā
veidā
saisLK
ar
vēlēšanām
(tajā
skaitā
divi
visvairāk
pārsūLKe
ziņojumi),
10%
ir
daļēji
saisLK,
bet
20%
ir
ar
poliKku
nesaisLK.
• Puse
(7
no
14)
ar
vēlēšanām
saisLto
pārsūLto
ziņojumu
saLriskā
veidā
kriKzē
PLL
un
tās
poliKķus
Šleseru
un
Šķēli,
savukārt
vēl
divi
ciK
pārsūLtākie
ziņojumi
kriKzē
SC
un
PCTVL.
24. Grupu
norobežošanas
mehānismi
• Atkārtota
negaLvu
ziņu
veidošana
par
citām
grupām
(out-‐groups)
• Atkārtota
poziLvu
ziņu
veidošana
par
savējo
grupu
(in-‐group)
• Joki,
kas
sniedz
piederības
sajūtu
savējo
grupai
– Zēns
pakrīt.
Šlesers
palīdz
viņam
piecelKes:
”Tu
taču
balsosi
par
mani,
vai
ne?",
zēns:
"Es
taču
savainoju
Kkai
savu
pēdu
nevis
galvu!"
• Birkojumu
lietošana
25. Secinājumi
• PoliKskā
vēsLjuma
efekKvitāK
vēlēšanu
diskursā
ietekmē
četri
faktori:
(1)
pieminēšanas
biežums,
(2)
poziLva
konotācija,
(3)
temaKskā
konteksta
dažādība,
kā
arī
(4)
izplaLšanas
kanālu
daudzveidība.
26. Secinājumi
• Twi6er
lietotāju
intereses
dinamiku
par
kādu
noKkumu
(vēlēšanām)
var
novērot,
analizējot
birkojumu
pielietojumu
un
visvairāk
pārsūLtos
ziņojumus,
kas
uzrāda
noskaņojumu
pret
poliKskajām
parKjām
un
to
kandidāKem.
27. Secinājumi
• Jo
grupas
indivīda
komunikācija
ir
(1)
biežāka,
(2)
poziLvāka,
(3)
temaKski
daudzveidīgāka,
kā
arī
(4)
izplaLta
daudzveidīgākos
komunikācijas
kanālos,
jo
indivīds
kļūst
kogniLvi
nozīmīgāks
un
ietekmīgāks
par
grupu.