كنشگري همگان هاي شبكه اي در توئيتر فارسي؛ نوع توئيت، لحن توئيت و جهت گيري نسبت به شخصيت ها در انتخابات رياست جمهوري سال 1396

Decoding networked publics on Persian Twitter: Tweet type, tone and orientation to characters in Iran 2017 presidential election

توئيتر در حال حاضر به يكي از رسانه هاي اصلي براي كنشگري در جريان رويدادهاي سياسي تبديل شده است. در اين تحقيق، با تمركز بر مفهوم همگان شبكه اي تلاش مي كنيم تا چگونگي كنشگري اين همگان ها در توئيتر فارسي را در جريان انتخابات رياست جمهوري سال 1396 مطالعه كنيم. براي انجام اينكار، نوع توئيت هاي توليد شده، لحن توئيت ها و همچنين قالب بندي شخصيت ها در توئيتر فارسي را تحليل مي كنيم. داده هاي تحقيق (دو ميليون و 596 هزار و 284 توئيت) در دوران انتخابات با روش گلوله برفي و استفاده از 94 كليدواژه و هشتگ، از API توئيتر گردآوري شد و ما با انتخاب 10416 توئيت از 50 كاربر موثر در هر همگان شبكه اي، تلاش كرديم به پرسشهاي تحقيق پاسخ دهيم. رويكرد تحليلي تحقيق نيز تركيبي از روش تحليل محتواي مردمنگارانه و تحليل گفتمان انتقادي رسانه هاي اجتماعي بود. نتايج تحقيق نشان داد تفسير، نقل قول و خبر پربسامدترين انواع توئيت در توئيتر فارسي هستند. همچنين، لحن جدي و كنايي در همگان هاي شبكه اي بسامد بيشتري دارد. يافته ها همچنين نشان داد كه منازعه اصلي در توئيتر فارسي بين توئيت هاي حمايتي اصلاح طلبان و انتقادي اصولگرايان در مورد روحاني شكل گرفته است.

This research sheds light on networked publics’ activism on Persian Twitter. Networked publics is a phenomena to understand dynamics and practices of social media users. Based on this concept and networked framing theory, we investigated tweet types, tweet tones and the ways of framing characters (and tweet orientation toward them) by networked publics on Persian Twitter during Iran 2017 presidential election. 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 PageRanks. Finally, we collected all tweets of these users in the whole network and analyzed them. We used 3 coders to code the selected sample of 10416 tweets in 3 rounds. Results showed that commentary, quotation and news are the most frequent tweet types. Furthermore, Iranian users mostly tweeted using serious and sarcastic tones. Finally, our finding showed that Rouhani was the first name in framed characters.