Wut in Zeitlupe: Analyse von Empörungswellen auf Twitter
https://19.re-publica.com/de/session/wut-zeitlupe-analyse-emporungswellen-auf-twitter https://lucahammer.com/2019/05/07/talk-wut-in-zeitlupe-analyse-von-emporungswellen-auf-twitter/ Short thesis Wenn hunderttausende Tweets zu einem Thema veröffentlicht werden, ist es schwer den Überblick zu behalten. Um zu zeigen wie man es schaffen kann, schauen wir uns eine Empörungswelle (auch bekannt als Shitstorm) an. Vom Identifizieren der relevanten Begriffe für die Suchanfrage über das Sammeln der Tweets und das Erstellen von Retweet- und Follow-Netzwerken bis zum Interpretieren der Ergebnisse. Description Twitter als Puls der Gesellschaft. Oder auch nicht. Nur 4% der Deutschen nutzen Twitter wöchentlich (ARD/ZDF Studie 2018). Deshalb kann man Aussagen über Twitternutzer_innen nicht ohne weiteres auf die gesamte Bevölkerung umlegen. Beachtet man dies, erfährt man in Echtzeit was Tausende von Menschen jeden Tag bewegt. Nicht jede Empörungswelle ist gleich. Um ein grundsätzliches Gefühl zu bekommen, reicht die Twitter-Suche. Möchte man aber nachvollziehen, wie sie sich entwickelt hat, wer die wichtigsten Akteure sind, welche Websites sie befeuert haben, ob sie manipuliert wurde, muss man tiefer gehen. Welche Tools gibt es zum Sammeln der Tweets? Was ist der Unterschied zwischen Standard-API und Premium-API? Muss ich dafür programmieren können? Wie erkenne ich eigentlich Bots? Wie liest man einen Netzwerkgraphen? Auch wenn man selbst nicht vorhat Twitter zu analysieren, zeigt der Vortrag, wie bei Analysen vorgegangen wird, um diese in Zukunft besser zu verstehen.
Recommandé
Recommandé
Contenu connexe
Similaire à Wut in Zeitlupe: Analyse von Empörungswellen auf Twitter
Similaire à Wut in Zeitlupe: Analyse von Empörungswellen auf Twitter (20)
Plus de Luca Hammer
Wut in Zeitlupe: Analyse von Empörungswellen auf Twitter
- 1. Wut in Zeitlupe Analyse von Empörungswellen auf Twitter @Luca #rp19 #wutlupe
- 2. Hallo! Luca Hammer Social Media Analyst @Luca lucahammer.com 2
- 7. Eigene Tools Accounts analysieren (Freemium) accountanalysis.lucahammer.com Tweets Sammeln (Open Source) pip install twecoll3 github.com/lucahammer/twecoll3
- 8. Ziele des Vortrags ▹ Grundlagen Twitteranalyse ▹ Einblick in meine Arbeit Bei Fragen: @luca #wutlupe fragen@lucahammer.com 8
- 9. 1. Entdeckung Was weckt meine Neugier?
- 10. 10
- 11. Empfehlung Aufräumen im Trollhaus: Hetze und Gegenrede in Kommentarbereichen mit Nicole Diekmann 11
- 12. 2. Fragestellung Was interessiert mich an dem Thema?
- 13. “Wie ist es entstanden? Wie verbreitet? Wie viele beteiligen sich? Welche Accounts? Werden Bots eingesetzt? Nicht alle Fragen lassen sich durch Datenanalyse beantworten. 13
- 14. Empfehlung Wie Populisten uns auf Social Media vor sich hertreiben - und was wir dagegen tun können von Eva Horn 14
- 15. 15 NazisRaus OR (Nazis raus) until:2019-01-05 (lang:de OR lang:und)
- 16. Weitere Operatoren -begriff from:luca to:luca min_faves:10 min_retweets:100 min_replies:500 filter:verified / media / images / links / safe / retweets / replies / native_video / news near:Berlin within:10km filter:follows (Tweets von Accounts, denen man folgt) list:luca/science (Tweets von Accounts auf der Liste “Science”) Gastbeitrag: freshvanroot.com/blog/2019/twitter-search-guide-by-luca
- 17. 17
- 18. 18
- 19. 19
- 20. “ Wie ist es entstanden? Wie verbreitet? Wie viele beteiligen sich? Welche Accounts? Werden Bots eingesetzt? 20
- 21. 3. Datenerhebung Wie man auf Twitter etwas herausfindet
- 22. Twitter Search Streaming API - Echtzeit - Hohes Volumen - Begriffe vorab Web Suche - Komplettes Archiv - Kein Limit - 128 Querylength - Nicht maschinenlesbar 22
- 23. Twitter Search APIs Standard API - 7-10 Tage - 100 Tweets/Request (- 180 req/user/15min) - 450 req/app/15min -> 180 000 Tweets/h - 128 Querylength Premium API - 30 Tage oder alles - 500 Tweets/Request - 30¢/req oder 1$/req - Enrichments - 1024 Querylength 23
- 24. Tweets sammeln mit twecoll3 Code: github.com/lucahammer/twecoll3 Anleitung: lucahammer.com/2016/ 24
- 29. 4. Auswertung Was man mit den Daten machen kann
- 38. “ Wie ist es entstanden? Wie verbreitet? Wie viele beteiligen sich? Welche Accounts? Werden Bots eingesetzt? 38
- 39. 39
- 40. 40
- 41. 41
- 42. 42
- 43. 43
- 44. 44
- 45. #NazisRaus 45
- 49. 49
- 50. 50
- 51. 51
- 52. bit.ly/twitteranalyse Methodik und Algorithmen am Beispiel der Bayernwahl für BR24. 52
- 53. “ Wie ist es entstanden? Wie verbreitet? Wie viele beteiligen sich? Welche Accounts? Werden Bots eingesetzt? 53
- 54. “ Wie ist es entstanden? Wie verbreitet? Wie viele beteiligen sich? Welche Accounts? Werden Bots eingesetzt? 54
- 55. “ Wie ist es entstanden? Wie verbreitet? Wie viele beteiligen sich? Welche Accounts? Werden Bots eingesetzt? 55
- 58. 58
- 59. 59 botRnot R script. Machine Learning. Vergleicht zahlreiche Features auf bothaftigkeit. https://mikewk.shinyapps.io/botornot/
- 60. 60
- 61. 61
- 62. 62 botometer Ähnlich botRnot. Machine Learning. Vergleicht zahlreiche Features auf bothaftigkeit. https://botometer.iuni.iu.edu/
- 65. 65
- 66. 66
- 67. 67
- 70. “ Wie ist es entstanden? Wie verbreitet? Wie viele beteiligen sich? Welche Accounts? Werden Bots eingesetzt? 70
- 71. 71 hoaxy Suche nach URLs/Begriffen. Netzwerk über Retweets und Mentions. Botscores von botometer. https://hoaxy.iuni.iu.edu/
- 72. 72 TAGS Twitter Archiving Google Sheet Tweets als Tabelle sammeln ohne selbst zu programmieren. https://tags.hawksey.info/
- 74. Danke Feedback zum Talk ▹ Direktorin Novemberregen @novemberregen ▹ Benedikt Geyer @BenediktGeyer ▹ Stefan Blumenthal @DerSpucky ▹ Andreas Rosenthal @rosenthaltech ▹ Ray Serrato @raymserrato Slides und Fotos ▹ Template von SlidesCarnival ▹ Foto der aufzeigende Hand von Unsplash