همگان های شبکه ای و قالب بندی شبکه ای موضوعات در انتخابات: تحلیل قالب های موضوعی شکل گرفته در جریان انتخابات ریاست جمهوری 1396 در توئیتر (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
توئیتر در سال های اخیر به رسانه محبوب در بین کاربران خصوصاً در جریان رویدادهای سیاسی و اجتماعی تبدیل شده است. با توجه به تأثیرگذاری کنشگری در توئیتر بر رویدادهای سیاسی در ایران، این پژوهش به دنبال شناسایی و تحلیل این مسئله است که همگان های شبکه ای در توئیتر فارسی چگونه انتخابات ریاست جمهوری سال 1396 را به عنوان رویدادی سیاسی قالب بندی کرده اند تا از این رهگذر چگونگی برساخت واقعیت در بین آن ها مشخص شود. برای انجام پژوهش، از مفهوم همگان شبکه ای و قالب بندی شبکه ای استفاده شده است. داده های پژوهش (2,596,284 توئیت) در دوران انتخابات با روش گلوله برفی و با استفاده از 94 کلیدواژه و هشتگ از API توئیتر گردآوری شدند و با انتخاب 10,416 توئیت از 50 کاربر مؤثر در هر همگان شبکه ای، قالب های شبکه ای شکل گرفته در توئیتر فارسی شناسایی شدند. رویکرد تحلیلی پژوهش ترکیبی از روش تحلیل محتوای مردم نگارانه و تحلیل گفتمان انتقادی رسانه های اجتماعی بود. نتایج پژوهش نشان داد که تبلیغات انتخاباتی، ویژگی های اخلاق مداری نامزدهای انتخاباتی و حامیانشان، فساد، و مسائل مرتبط با کارآمدی یا شایستگی نامزدها قالب های مسلط در کل شبکه بوده اند. همچنین، سه همگان اصلی در توئیتر فارسی شکل گرفته بود (همگان های اصلاح طلبان، اصول گرایان و مهاجران). یافته های پژوهش نشان داد که کاربران عادی در هر سه همگان نقش مؤثری در تولید این قالب ها داشته اند.Networked Framing in Election: An Analysis of Framing Iran 2017 Presidential Election on Persian Twitter
This paper identified and explored how Iranian Twitter users framed Iran 2017 presidential election in a networked practice. Employing networked framing theory, we tried to identify which subjects were framed by networked publics on Persian Twitter. Moreover, we analyzed the similarities and differentiates in framing the election by different networked publics. We combined social network analysis, ethnographic content analysis and social media critical discourse study approach. First, we collected 2596284 tweets during the election period. Then, we focused on retweet (RT) network as the information diffusion network, and discovered networked publics by applying cluster analysis on this corpus. Afterwards, we identified 50 top influential users in each cluster based on their Page Ranks. Finally, we collected all tweets of these users in the whole network and analyzed them. We used three coders to code the selected sample of 10416 tweets in three rounds. Results showed that ‘Election campaigns’, Candidates and their fans ethical practices’, ‘Corruption’, and ‘Candidates’ qualifications’ were the most dominant networked frames. Furthermore, ordinary users were mainly responsible in framing these subjects. .
تبلیغات
