#bedemocracy på Instagram og Twitter

Besøkende til ustilingen #bedemocracy på Nobel Fredsentret bruker sosiale medier (Instagram og Twitter) for det meste for å informere om utstillingen. Den meste parten av postene er positive til utstilingen. Ikke noe spor av kontroversielle debatter forbundet til hastag #bedemocracy. Her er en oversikt over temaer og nøkkelord i postene med denne hastagen.

Twitter

Instagram

Det lønner seg å bli statsråd på Twitter

Høyre og Frp statsråder som var på Twitter før 2013-valg og som har blitt statsråd, og særlig statsminiteren har opplevd en betydelig økning i antall followers på Twitter:

What does Twitter say (about @jensstoltenberg)?

Gjorde Twitter noen forskjell i valgkampen 2013?

Gjorde Twitter noen forskjell i valgkampen 2013? I en ny rapport analyserer jeg sammen med  Kari Steen-Johnsen og Rune Karlsen dette spørsmålet. Studien, som bygger på en analyse av alle politiske tweets under valgkampen viser at Twitter endret styrkeforholdet mellom partiene og partilederne. Selv om massemediene  i hovedsak satte agenda for valgkampen, ble  Twitter et viktig, kritisk forum for debatt om politiske budskap. Men er det politiske Twitter, personifisert og drevet av en ny type elite, en velsignelse eller et problem for det representative demokratiet?

Styrkeforholdet mellom partier og partiledere endres på Twitter. 

De største partiene og de mest kjente politikerne fikk mest oppmerksomhet på Twitter i valgkampen. Arbeiderpartiet, Høyre og Fremskrittspartiet var klart størst.  Fremskrittspartiet på tross av at Twitter ikke var et satsningsområde for partiet.  Samtidig fikk Miljøpartiet de Grønne, SV og Venstre mer oppmerksomhet enn det velgeroppslutningen og partienes valgkampressurser skulle tilsi.

Lysbakken  mest effektiv på Twitter

Det foregikk mye mellom politikere og velgere på Twitter i valgkampperioden, men det ga seg sjelden utslag i direkte dialog. Mye handlet om spredning av informasjon fra politikernes side, og kommentarvirksomhet fra twitterbrukernes side. Partilederne varierte sterkt i hvor mye de brukte Twitter og i hvor effektive de var med å nå ut med sine budskap. 

Analysen av de ulike partiledernes twitteraktivitet og effektivitet viser at Audun Lysbakken, med sitt store antall twittermeldinger og høye antall retweets nådde ut til flest velgere. Muligheten til å nå ut er altså ikke bare betinget av partistørrelse. 

Samtidig påpeker han at Stoltenberg fikk klart mest oppmerksomhet på Twitter. 40 prosent av alle twittermeldingene om partiledere i valgkampen handlet om ham. 

Twitter – et kritisk forum

Kommunikasjonen på Twitter er en kompleks og uforutsigbar øvelse for politikerne. Tonen i valgkampen 2013 var overveiende kritisk, både i forhold til partier og politikere. De største partiene fikk mest negativ omtale på Twitter, og særlig Frp, Høyre og Ap. Blant de mindre partiene var en stor andel av postene negative til SP, SV og Venstre. KrF og partiene som ikke var på Stortinget fikk mest positiv omtale og minst negativ omtale.  

Dette mønsteret, at de største partiene utsettes for mest kritikk, ligner i stor grad på mønsteret fra tradisjonelle medier. Andelen negative twittermeldinger under valgkampen var likevel overraskende stor på Twitter – det var en klar overvekt av negative twittermeldinger. Dette gir en indikasjon om at fordelingen mellom positive og negative kommentarer ikke bare har å gjøre med twitterbrukernes holdninger til enkeltpartier, men om kulturen for å uttrykke seg på akkurat denne plattformen.

En utvidet offentlighet

Selv om det overordnede bildet er at massemediene fremdeles setter agenda for den norske offentligheten i en valgkamp, er ikke dette lenger like entydig. Både enkeltpolitikere, enkeltborgere og partier er i stand til å skape oppmerksomhet om sine budskap på Twitter. Å få oppmerksomheten avhenger av timing, beherskelse av Twitter som medium, og ikke minst av de nettverkene ulike aktører besitter.

Twitters rolle i valgkampen kan tolkes som et "laboratorium for hverdagslig politikk" i den forstand at folk tolket, ga mening til og fikk eierskap til politiske nyheter og politikernes utsagn gjennom tvitring og diskusjon på plattformen. Twitter utvider dermed rommet for tilegnelse av politisk informasjon og for meningsdannelse. Politisk meningsdanning og meningsbrytning som tidligere foregikk gjennom diskusjoner med familien, venner, på arbeidsplassen, eller i andre offentlige rom finner nå også sted på Twitter. 

Se også Kronikk på Aftenposten Viten: En mer kritisk offentlighet og mangfoldig valgkamp 

Big Data og Samfunnsforsknings fremtid

Denne bloggposten er en forkortet versjon av en artikkel publisert i Tidsskrift for Samfunnsforskning (NR 1, 2014) og som vil bli diskutert i seminaret "Digitale data - bruk og begrensinger". 

I kjølvannet av digitaliseringens fremvekst i alle deler av samfunnet har en teknologisk revolusjon som vil prege både samfunnet og samfunnsforskningen, funnet sted.  Mengden av tilgjengelige digitale data har eksplodert de siste årene. Det dreier seg om hverdagslige statusoppdateringer på Facebook, videoer lagt ut på YouTube, og Twitter-meldinger som er tilgjengelige for alle som vil lese dem. Det handler også om data fra kjøpstransaksjoner, søkemotorer, og andre digitaliserte transaksjoner i offentlig sektor, helsevesen, skoleverk, osv.  Vi snakker om Big Data – et moteord som antageligvis vil bli erstattet av en ny betegnelse i nærmeste fremtid, men også betegnelsen på en utvikling som har kommet for å bli.

Begrepet Big Data er en samlebetegnelse for data som er av et slikt omfang at de krever mer enn vanlig datakraft for å samles inn, lagres og analyseres. Begrepet brukes ofte ikke bare for å betegne selve dataene, men også for å beskrive de nye problemstillingene slike data reiser, både teknisk, juridisk og etisk. Felles for Big Data er at de innebærer en registrering av faktiske handlinger, interaksjoner og transaksjoner koblet til individer.

 «Big Data» betegner fenomenet hvor store datasett er fanget, lagret, aggregert og analysert i alle samfunnssektorer. Mengden av tilgjengelig data har eksplodert i løpet av de siste årene. Grunnen til denne utviklingen er en teknologisk revolusjon kjennetegnet av en rekke innovasjoner knyttet til overgangen til Web 2.0 (O’Reilly, 2005), det vil si fra statiske websider til interaktive web- tjenester. Disse innovasjonene, parallelt med utviklingen av mobile Internett-teknologier, har dannet grunnlaget for flere innovasjoner, blant annen knyttet til tingenes Internett, hvor ulike maskiner og apparater inkorporerer digitale elementer som er koblet mot Internett. Maskin-til-maskin-teknologi (M2M) innebærer å benytte fastnett, mobilnett eller trådløse nettverk for å kople opp enheter og terminaler. Det finnes et mangfold av gjenstand som har denne muligheten og som er brukt i ulike bransjer som transport, kapitalforvaltning, offentlige tjenester (vann- og strømleveranser, helsevesen). I tillegg til data generert av websbaserte tjenester, søkemotorer og sosiale medieplattformer, genererer internettkoblede enheter (mobile telefoner, GPS, bompasseringer, osv.), blir data fra kunder og operasjoner kontinuerlig lagret og analysert. Det er mulig å skille mellom fem ulike typer Big Data:

-          Web og sosiale medier data som består av klikkstrøm og oppdateringer fra Facebook, Twitter, LinkedIn og blogger.

-          Maskin-til-maskin data (M2M) som referer til teknologier som muliggjør at elektroniske systemer (trådløse eller ikke) kommuniser med hverandre. M2M kommunikasjoner danner det såkalte «tingenes Internett», hvor maskiner utstyrt med ulike sensorer produserer meningsfull informasjon (som for eksempel GPS posisjoner) som kan lagres for videre analyse.

-          Big transaksjonsdata som består av helsejournaler, telekommunikasjonslogger, kundefakturering, osv.  Disse dataene inneholder også viktige metadata som kan utfordre personvernet. Metadata er informasjon (data) som beskriver dataene. Metadata (for eksempel et brukernavn, e-post eller IP adresse) er avgjørende for å kunne koble ulike typer strukturerte elle ustrukturerte data sammen og dermed identifisere enkelte personer, samt samle en mengde informasjon om denne personen. 

-          Biometriske data er knyttet til automatisk identifisering av personer basert på anatomiske kjennetegn. Anatomiske data er generert gjennom lagring av individuelle fysiske kjennetegn som fingeravtrykk, iris, retina, ansikt, stemmemønster, DNA.   

-          Menneskegenererte data består av data som for eksempel samtaletapping, e-poster, surveydata, elektroniske helseregistre, osv. som er produsert i ulike sammenheng og organisasjoner.

Overgangen fra Web 1.0 til Web 2.0 har blitt drevet av og har drevet utviklingen av Big data-teknologier. For å håndtere den stadig økende mengden av data har selskaper som Yahoo, Google, Amazon og Facebook utviklet nye modeller for datalagring basert på distribuert databehandling (distributed computing). Istedenfor å øke beregnings- og lagringskapasitet ved å utvikle stadig større datamaskiner, så muliggjør distribuert databehandling økning i beregnings- og lagringskapasitet ved å legge til flere beregningsenheter koblet sammen i et nettverk (cluster). Distribuert databehandling innebærer at flere tusen datamaskiner koblet sammen i et nettverk jobber sammen om de samme oppgavene. Den best kjente konkretisering av distribuert databehandling er de store Internettselskapenes datafarmer som består av flere tusener dataservere[1].

Big Data har mange eksisterende og potensielle bruksområder innen onlinetjenester, digital markedsføring, svindelavsløring, risikostyring, helse, offentlig sektor, osv. Big Data kombinert med maskinlæringsalgoritmer er basis for en rekke anvendelser i alle samfunnssektorer som predikerer individenes atferd. Et kjennetegn ved maskinlæringsalgoritmer er at deres ytelse øker med datamengden tilgjengelig for både trening og prediksjon. Teknologioptimister anser Big Data som løsningen som gjennom treffsikre prediksjoner vil bidra til effektivisering av ulike funksjoner i offentlig sektor, helse og næringsliv, og til bekjempelse av kriminalitet og terror.  Predictive Analytics (Siegel, 2013) er et område av datamining som har som hensikt å trekke ut informasjon fra data og bruke den til å forutse trender og atferdsmønstre. Datamining består i å analysere en stor mengde data ved hjelp av ulike statistiske og maskinlærings metoder for å finne mønstre. Resultater fra datamining prosesser (de estimerte modellene) kan anvende til prediksjon (prediktiv analyse).   Prediktiv analyse kan brukes blant annen for å identifisere mistenkte etter at en forbrytelse er begått eller kredittkortsvindel. Kjernen i prediktive analyser er å forutsi et ukjent utfall ved å estimere, gjennom Bayesianske metoder[2], sammenhenger mellom kjente forklaringsvariabler (førkunnskap) og den ukjente variabelen av interesse.

Fra et slikt perspektiv kan også Big data anses som et nytt verktøy for samfunnsforskningen.  Hovedgrunnen til at samfunnsforskningen skal investere i Big Data som metodisk verktøy er at samfunnsvitenskapene risikerer til å bli utryddet på sikt hvis de overlater Big Data til andre.

Ifølge Mayer-Schönberger og Cukier (2013) risikerer samfunnsvitenskapene å miste monopolet til å analysere samfunnet ettersom Big Data analyser vil erstatte tradisjonelle kvantitative og kvalitative metoder. Med Big Data forsvinner behovet for å trekke utvalg og for å designe case-studier. Med Big data er N= alle.  

For Savage og Burrows (2007), hviler de empiriske samfunnsvitenskapene på distinkte empiriske redskaper, survey og det kvalitative forskningsintervju, som i stadig mindre grad blir sentrale innenfor den forskningsinfrastrukturen som kunnskapskapitalismen utgjør. Samfunnsforskningens metoder har en historisitet: deres sentralitet er knyttet til den øvrige kunnskapsproduksjonen dvs. forhold som kjennetegner både andre kunnskapsprodusenter og kunnskapsbehovene i samfunnet. Surveyens suksess skyldes de mulighetene den gir til generalisering og prediksjon ved hjelp av begrensede ressurser. Den var svært kostnadseffektiv da den kom, men er i økende grad utfordret av fallende responsrater og av konkurranse fra kommersielle aktører (markedsanalyse). Gitt tilgangen til digitale transaksjonsdata fremstår Big data som mer effektive – fordi slike data er komplette og baserer seg på reelle transaksjoner.

Big Data gjør det også mulig å analysere flere sosiale objekter med kvantitative metoder: tekst, bilder, videoer, osv. Savage og Burrows mener det kvalitative intervjuet er mindre egnet for å generere sofistikerte forståelser av de veldig ulike og varierte verdensanskuelser som eksiterer i dagens samfunn. Det kvalitative intervjuet risikerer til, i økende grad, å bli erstattet av metoder (basert på Big Data og web-mining[3]) som vil gi mulighet til å analysere kvalitative objekter i stor skala samt til å generalisere funnene til hele populasjon (N=alle).

Big Data vil kunne utfordre samfunnsforskningens tradisjonelle datagrunnlag på flere måter. For det første utgjør Big data en ny kilde for data innsamling som fanger opp både handlinger (transaksjonsdata) og meninger (publiserte tekster og bildet), ikke bare holdninger og selvrapporterte handlinger. For det andre muliggjør Big Data innsamling av alle relevante data og ikke bare et utvalg, det som kan oppfattes som mer pålitelig enn generalisering basert på et utvalg. For det tredje risikerer prediksjon basert på Big Data til å erstatte kausale analyser basert på «small data».   

Big Data generer både utopiske og dystopiske profetier om hvordan de vil kunne påvirke både samfunnsutvikling og samfunnsforskning (boyd & Crawford, 2012). Teknologien produserer ofte både positive og negative effekter. Big Data, etter min mening, vil forandre samfunnsforskning. Det betyr ikke at de tradisjonelle samfunnsforskningsmetodene vil være utdaterte og forsvinne, men det innebærer at nye data og nye metoder vil være tilgjengelig og vil kunne anvendes til problemstillinger som er sentrale for samfunnsforskning. Spørsmålet er om disse metoder og data vil bli benyttet av samfunnsforskerne eller om deler av samfunnsforskning vil konstituere et nytt felt for den voksende computervitenskapen. 

Referanser

boyd. d., & Crawford, K., 2012, “Critical questions for Big Data”, Information, Communication & Society, 15:5, 662-679.

 Brown, I. & Mardsen, C.T., 2013, Regulating code. Good governance and better regulation in the information age. Cambridge: The MIT Press.

Hoff, P.D., 2009, A first course in Bayesian statistical methods. New York: Springer

Lessig, L., 2006, Code 2.0. New York: Basic Books.

Mayer-Schönberger, V. & Cukier, K., 2013, Big Data. A revolution that will transform how we live, work, and think. Boston: Houghton Mifflin Harcourt.

Morozov, E., 2013, To save everything click here. The folly of technological solutionism. New York: Public Affairs.

O’Reilly, T., 2005, “What Is Web 2.0. Design Patterns and Business Models for the Next Generation of Software”. http://oreilly.com/web2/archive/what-is-web-20.html

 Savage & Burrows, 2007, “The coming crisis of Empirical Sociology”, Sociology, 41:5, 885–899.

Schmidt, E., Cohen, J., 2013, The new digital age. Reshaping the future of people, nations and business. New York: Knopf  

 Shy, O., 2001, The economics of network industries, Cambridge, Cambridge University Press.

 Siegel, E., 2013, Predictive Analytics. Hoboken: Wiley.

---

[1] Distribuert databehandling har blitt muliggjort gjennom to innovasjoner, den ene er Google File System sin open source versjon Hadoop som styrer lagring og beregning gjennom alle datamaskiner som danner en cluster, og det andre er algoritmen «Map Reduce» som effektiviserer databehandling av store mengder data. Parallelt, har også nye databaseløsninger blitt utviklet som har erstattet det dominerende databaseparadigmet kjent som SQL (Structured Query Language) for Big Data applikasjoner. Det nye database-paradigmet, relasjonell eller noSQL database, er tilpasset interaktive webteknologier og distribuerte databehandlingssystemer.  

[2] Bayesiansk metoder estimerer en posterior sannsynlighet ut fra to størrelser: en prior sannsynlighet og en likelihood funksjon basert på en statistisk modell tilpasset dataene som er estimert. Bayesiansk inferens beregner den posterior sannsynligheten ifølge Bayes regel. Se Hoff (2009) for mer detaljer.

[3] Web mining er anvendelsen av data mining teknikker til Internett. Avhengig av målet for analysen, kan web mining deles inn i tre forskjellige typer, Web bruk mining (hvordan Internett brukes), webinnhold mining (innhenting av data og informasjon fra websidenes innhold) og Web struktur mining (bruker grafteorien for å analysere nettverks struktur på Internett).

Det paradoksale ved dette valget gjenspeiles på Twitter

Jens Stoltenberg mest populær enn noensinne på Twitter i denne valgkampen mens Erna Solberg blir Statminister: 

Livvaktene måtte brøyte vei for Norges nye statsminister: Erna Solberg tatt med storm på Høyres valgvake på Ra... http://t.co/ikwJM42Nvc

RT @Ungehoyre Erna Solberg er Norges neste statsminister. Endelig får vi en #nyregjering

RT @TV2Davy Vår neste statsminister viser seg fra en raus, storsinnet og flott side! Bravo, Erna!

RT @NRKvalg SISTE: @jensstoltenberg erkjenner nederlag, vil søke avskjed for regjeringen etter at statsbudsjettet er lagt fram: http://t.co/9ZbArQfPpA

RT @maikengronseth Jeg er glad for at #minstatsminister @jensstoltenberg klarer å holde en saklig og verdig avskjed i motsetning til andre #mornajens

RT @hpnhansen Kjære @Siv_Jensen_FrP - jeg synes @jensstoltenberg fortjener mer enn som så etter åtte år bak roret :) http://t.co/CWjfVc6onW

RT @hakloevdal Tusen takk til @jensstoltenberg for åtte flotte år! Ingen kunne styrt Norge bedre. En ekte leder! Vi er tilbake om fire år!

Siste trender for partier på Twitter før valget

Rett før valget er det dødsløp mellom AP og Frp på Twitter. Mdg og Venstre kommer i fjerde og femte posisjon etter Høyre. Dette avvikker fra meningsmålinger. Siden meningsmålinger ikke greier å fange opp Frps styrke i opinionen på en tilfredsstilende måte, blir det spennende å se om dette tyder på et bedre resultat for Frp enn antatt. Det samme gjelder for Mdg og Venstre. 

Hvem vant den siste partiledere debatt på Twitter?

NRKs siste partiledere debatt har generert mye omtaler for alle partiledere på Twitter. Selv om Jens Stoltenberg og Erna Solberg får mest oppmerksomhet, har Trine Skei Grande provosert flere omtaler enn  noensine  i denne valgkampen. 

Hvis man ser på variasjon i positive og negative omtaler i perioden 6 september-7 september, øker de positive vurderingene for Trine Skei Grande med 80% og for Siv Jensen med 67% samtidig som de negative omtalene øker for Liv Signe Navarsete, Jens Stoltenberg, Audun Lysbakken og Erna Solberg.

Ut fra disse to trendene er det mulig å konkludere at Trine Skjei Grande vant debatten på Twitter.

Trine Skei Grande og Siv Jensen får mest oppmerksomhet på Twitter i sammenheng med NRKs partiledere debatt

Figuren viser stemningen på Twitter fredag 06 september kl. 11.00 rett etter NRKs siste partiledere debatt. Trine Skei Grande og Siv Jensen har fått økt omtaler. Både Jens Stoltenberg og Erna Solberg ser ikke ut til å engasjere Twitter like mye som før. 

Partienes relative styrker på Twitter

Figuren viser de nasjonale politikere (som sitter på Storting, i regjering, eller er partilder) fordelt etter partier og antall followers på Twitter. Arbeiderpartiet er klart størst på Twitter etterfulgt av Høre og SV. 

Hvem partilederne snakker med på Twitter?

Grafen under viser hvem partilederne snakker med (twitterbrukere son er nevnt med mention @ minst 2 ganger) på twitter. Dataene ble samlet i dette forsøket for Jens Stoltenberg, Erna Solberg, Siv Jensen og Audun Lysbakken.  Grafen viser en polarisering, hvor Erna og Jens dominerer. De snakker i veldig liten grad på tvers av sine politiske venner. Nicecap og Marisimonsen danner en bro mellom de to kretsene.  

NRKs hashtag #hjertesak ikke særlig populær på Twitter

NRKs hashtag #hjertesak har ikke vært særlig populær på Twitter. Bare 246 poster så langt.

Karl I Hagen generer negativ buzz for FrP på Twitter

Arbeiderpartiet, Høyre, Frp, Miljøpartiet de Grønne og Venstre får mest oppmerksomhet på Twitter denne uken. Er dette en pekepinne mot valgresultatet? I dag skyldes en god del av FrPs oppmerksomhet Karl I Hagens utalelse på Facebook. 

Burde ikke Frp gi munnkurv til slike løse kanoner som Hagen? #frp #idioti #politikk


Carl I. Hagen er for FRP nå, det som Lance armstrong er for sykkelsporten


Har Carl I. Hagen vist FRP sine virkelige verdier og holdninger med de EKSTREMT ufølsomme og tåpelige kommentarene rundt Ålesunddrapet?

Av og til lurer jeg på om Carl I. Hagen er ansatt av de rødgrønne for å aktivt drite ut Fremskrittspartiet fra innsiden... #nyregjering

Sep 5, 2013

Er betydning av Twitter for politikere betinget av hvor interaktive de er?

I dag har NRK igjen flaget en sak om politikernes bruk av sosiale medier med den samme vinkelen, nemlig noen politikere er bedre enn andre for å svare og debattere direkte på Twitter med velgere. Jeg undrer meg om at dette fokus  kommer  stadig tilbake når man skal drøfte betydning av sosiale medier for politikken og valgkampen.

For det første ligger i denne vinklingen en normative vurdering om at det finnes en riktig måte å bruke sosiale medier på. Ofte fremført av kommunikasjonseksperter, journalister og forskere gjenspeiler denne vurderingen den digitale kulturelitens preferanser og praksiser. En del av kultureliten bruker Twitter og Facebook for å føre en kontinuerlig debatt om store og små temaer, helst med en ironisk tone, og med selvpromotering som hensikt. Dermed blir denne bruken av sosiale medier etablert som norm for alle.

For det andre,  garanterer ikke den dialogiske bruken av sosiale medier en effektiv bruk. Jeg har bevisst i en annen bloggpost at politikerne som twitrer mest og som er mest innstilt til å debattere ikke er de som generer mest retweet per tweet eller generer mest retweet samlet sett. Effektivitet er ikke nødvendigvis knyttet til interaktivitet.

For det tredje, har sosiale medier antageligvis andre viktigere funksjoner for politikere enn direkte kontakt med velgere. I boken "Liker Liker ikke" har vi demonstrert at digitale sosiale nettverk spiller en viktig rolle for informasjonsformidling gjennom blant annen informasjons kaskader. Politiske budskap er ofte formidlet gjennom opinionsleder, og det er antageligvis viktig for politikere å nå opinionsledere i digitale nettverk hvis de vil nå  "vanlig folk". I tillegg gir sosiale medier en mulighet for partiledere og partiorganisasjoner til å styre, i større grad enn gjennom tradisjonelle medier den politiske dagsorden. Sosiale medier gir også mulighet for personifisering av budskapet, en mulighet som har vært lite utnyttet i den norske valgkampen sammenliknet med den amerikanske.

Det er ikke noe tvil om at sosiale medier bidrar til å demokratisere politikken ved at flere kommer til ord i den offentlig debatten (det som ikke innebære nødvendigvis at de blir hørt eller får innflytelse). I den grad at vanlig folks stemmer får innflytelse på grunn av sosiale medier og i den grad sosiale medier åpner for nye kommunikasjonstrategier for politikere,  skjer det  gjennom flere sosiale mekanismer som er mer komplekse enn direkte interaksjon mellom sosiale medier brukere og politikere. Så jeg har en bønn til NRK og andre medier: slutte å fokusere på hvor ofte politikere svarer på Twitter og om de gjør det selv eller gjennom deres kommunikasjonrådgivere. Sosiale medier får en økende betydning for den politiske kommunikasjonen, men ikke bare gjennom direkte interaksjoner. Jeg drømmer om en journalistikk som er i stand til å grave dypere enn den etablerte doxa... men det er vel en drøm...

Viralitet på Twitter i valkampen

I går fikk arbeiderpartiet en kraftig økning i negative omtaler på Twitter:

Hva skjedde? Svaret er enkel. En tweet ble viral: "RT @TufteJo Rykter om at AP vil selge Jonas Gahr Støre til Høyre før midnatt. Støre sier han alltid har drømt Høyre og at han vil være på et vinnerlag." og retwitring skapte en kaskade. Her er Ordskyet for Arbeiderpartiet (negative sentiment) i går (02-09-2013):

  

Meningsmålingene viser borgerlig flertall. Hva sier Twitter?

NRKs meningmåling viser at Frp går frem,  SV er under sperregrensen, og AP er forsatt landets største parti. Aftenpostens måling viser at SV går frem men er fortsatt under sperregrensen, Sp går tilbake, og AP går tilbake. Høyre er fortsatt størst, men går tilbake. KrF går tilbake mens Venstre er på fremgang. 

Miljøpartiet De Grønne faller under sperregrensen. 

Twitter peker i mer eller mindre samme rettning som målingene. Frp er i fremgang, AP er forsatt større enn Høyre men går tilbake. Venstre øker sin opplutning, og MDG stabiliserer seg. SV får større andel av omtaler på Twitter enn meningsmålingene tilsier. Selv om opinionens bevelgeser er mye større og følsomme på Twitter virker det forsatt som om trendene på Twitter varierer i den samme rettningen som opinionen for øvrig.

Opinion på Twitter om Erna Solberg og Jens Stoltenberg etter NRKs debatt om økonomisk politikk

I går (29 august) var temaet for debatten på NRK økonomisk politikk. Det sto mye på spill for både Jens Stoltenberg og Erna Solberg. Hvordan reagerte Twitter? Jens Soltenberg var fokuset for twitring med nesten 80 prosent av alle tweets som handlet om Jens eller Erna. Erna Solberg opplevde en økning av negative omtaler mens debatten pågikk mens Jens Stoltenberg opplevde en liten økning av positive omtaler. Likevel er opinionen på Twitter samlet sett forsatt mest positiv for Erna Solberg og mest negativ for Jens Stoltenberg.

Hva AP politikere bruker Twitter til?

Hvilke formål bruker politikere til? Her undersøker jeg et utvalg AP politikere. Deres tweets i løpet av 2013 ble samlet og analysert ved hjelp av en klassifikasjonsalgoritme. Etter manuelt koding av et utvalg av tweets, klassifiserer  algoritmen mengder av tweets automatisk. I dette eksemplet er 9000 tweets gjennomgått automatisk. Fire kategorier er brukt:

• Positioning: det å posisjonere seg i forhold til andre politikere eller politiske saker. 

• Conversation: det å utveksle meninger i en samtale med andre brukere; svare til andre.

• Narration: fortelling om sine aktiviteter, sin dag.

• Thanking: det å utrykke  komplimenter om andre eller takke andre.

Figuren under viser at politikerne bruker Twitter mest til posisjonering og fortelling. Dialog og samtale utgjør for de fleste en marginal andel av deres tweets. Twitter er mest brukt til å bygge politikerens eget image og standspunkter. Analysen bekrefter tesen om at sosiale medier bidrar til personfokusering i politikken.

Partiledernes popularitet på Twitter 14 dager før valget

Jens Stoltenberg dominerer forsatt i antall omtaler på Twitter, mens antall omtaler av de andre partilederne har flattet ut siden den siste lederdebatten. 

Partiledernes og partienes popularitet på Twitter (målt i volume) sammenfaller selv om partiledernes popularitet fluktuerer mer. Figuren under eksemplifiserer dette for Jens Stoltenberg / Arbeiderpartiet og Erna Solberg / Høyre.

Liv Signe Navarsete og Siv Jensen får forsatt mest negative omtaler.

Ingen forbedring for #OL2020 på Twitter