همگان‌هاي شبكه‌اي و قالب‌بندي شبكه‌اي موضوعات در انتخابات: تحليل قالب‌هاي موضوعي شكل‌گرفته در جريان انتخابات رياست‌جمهوري 1396 در توئيتر

Networked Framing in Election: An Analysis of Framing Iran 2017 Presidential Election on Persian Twitter

توئيتر در سال­هاي اخير به رسانۀ محبوب در بين كاربران خصوصاً در جريان رويدادهاي سياسي و اجتماعي تبديل شده است. با توجه به تأثيرگذاري كنشگري در توئيتر بر رويدادهاي سياسي در ايران، اين پژوهش به ­دنبال شناسايي و تحليل اين مسئله است كه همگان­ هاي شبكه­ اي در توئيتر فارسي چگونه انتخابات رياست‌جمهوري سال 1396 را به­ عنوان رويدادي سياسي قالب­بندي كرده ­اند تا از اين رهگذر چگونگي برساخت واقعيت در بين آن‌ها مشخص شود. براي انجام پژوهش، از مفهوم همگان شبكه­ اي و قالب بندي شبكه ­اي استفاده شده است. داده­ هاي پژوهش (2,596,284 توئيت) در دوران انتخابات با روش گلوله برفي و با استفاده از 94 كليدواژه و هشتگ از API توئيتر گردآوري شدند و با انتخاب 10,416 توئيت از 50 كاربر مؤثر در هر همگان شبكه­ اي، قالب­هاي شبكه ­اي شكل‌گرفته در توئيتر فارسي شناسايي شدند. رويكرد تحليلي پژوهش تركيبي از روش تحليل محتواي مردم ­نگارانه و تحليل گفتمان انتقادي رسانه­ هاي اجتماعي بود. نتايج پژوهش نشان داد كه تبليغات انتخاباتي، ويژگي­ هاي اخلاق ­مداري نامزدهاي انتخاباتي و حاميانشان، فساد، و مسائل مرتبط با كارآمدي يا شايستگي نامزدها قالب­ هاي مسلط در كل شبكه بوده ­اند. همچنين، سه همگان اصلي در توئيتر فارسي شكل گرفته بود (همگان­ هاي اصلاح‌طلبان، اصول‌گرايان و مهاجران). يافته­ هاي پژوهش نشان داد كه كاربران عادي در هر سه همگان نقش مؤثري در توليد اين قالب­ها داشته ­اند.

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.