Hesablama sosial şəbəkə analizi, onlayn istifadəçiləri düyün, aralarındakı retvit kimi münasibətləri isə əlaqə kimi təmsil edərək kommunikasiya şəbəkələrinin quruluşunu, mərkəziliyini, klasterləşməsini və zaman ərzində dəyişməsini araşdıran metodlar ailəsidir. Jeffrey Layne Blevins və James Jaehoon Lee-nin akademik monoqrafiyası bu yanaşmanı siyasi iqtisad, keyfiyyət yönümlü həştəq/mətn təhlili, yerli media məzmun analizi və fəal müsahibələri ilə birləşdirərək sosial medianın sosial ədalət hərəkatlarını necə görünən edə bildiyini, eyni şəbəkələrin siyasi təşkilatlanma, troll fəaliyyəti, botlar, yanlış məlumat və kommersiya platforması dinamikaları tərəfindən necə formalaşdırıla bildiyini araşdırır.

Kitabın empirik əsası üç tarixi Twitter konteksti üzərində qurulub: 2014-cü il Ferguson etirazları və #BlackLivesMatter ilə əlaqəli şəbəkələr; 2016-cı il ABŞ prezident seçkisi zamanı #MAGA, #ImWithHer və digər siyasi həştəqlər ətrafındakı şəbəkələr; 2020-ci ilin yayında Ahmaud Arbery, Breonna Taylor və George Floyd-un ölümlərindən sonra inkişaf edən sosial ədalət və əks-siyasi diskurslar. Cincinnati-də Sam DuBose hadisəsi əlavə olaraq yerli xəbər qurumlarının məzmununun skan edilməsi və sosial ədalət təşkilatçıları ilə aparılan müsahibələr vasitəsilə araşdırılıb.

Ferguson məlumatları Twitter-də ilk dalğada #MikeBrown kimi şəxs və ya yer adlarını daşıyan təsviri həştəqlərin önə çıxdığını; təxminən bir–iki həftə sonra #IfTheyGunnedMeDown, #BlackLivesMatter və daha sonra #ICantBreathe kimi fərdiləşdirilmiş və ya ideoloji çərçivələrin daha dominant hala gəldiyini göstərir. Müəlliflər bunu istifadəçilərin hadisəni yalnız konkret xəbər hadisəsi kimi paylaşmaq əvəzinə öz həyat təcrübələri ilə əlaqələndirən “affective publics” və ya affektiv ictimaiyyətlər formalaşdırması kimi şərh edirlər.

2016 seçki təhlilində müəlliflərin “continent effect” adlandırdığı vizual şəbəkə quruluşu önə çıxır: bəzi müqayisələrdə pro-Trump mesajların sayı pro-Clinton mesajlardan az olsa da, pro-Trump həştəq və hesabları daha sıx və bir-birinə bağlı klasterlər yaradıb. 25–27 sentyabr 2016 nümunəsində @realDonaldTrump degree mərkəziliyində 0,0456 və betweenness mərkəziliyində 0,0990 ilə ən yüksək göstəriciyə malik olduğu halda, @HillaryClinton üçün bu dəyərlər müvafiq olaraq 0,0311 və 0,0805-dir. Eyni dövrün ən yüksək betweenness göstəricisinə malik 50 hesabında #MAGA 26 hesabda, #ImWithHer isə yalnız 5 hesabda görünür. Müəlliflərin şərhinə görə, şəbəkədə siyasi sağ mesajları ortaq həştəqlər ətrafında daha koordinasiyalı və struktur baxımından daha sıxdır.

Lakin şəbəkə mərkəziliyi, retvit sıxlığı və ya həştəq birgə-görünməsi seçicinin həqiqətən inandırıldığını, səsvermə davranışının dəyişdiyini və ya müəyyən siyasi qrupun əhali arasında daha çox dəstəkləndiyini birbaşa göstərmir. Kitab nəzarətli siyasi inandırma eksperimenti deyil. Araşdırılan metriklər Twitter şəbəkəsində struktur görünürlüyü, əlaqə sıxlığını və məlumat dövriyyəsindəki mövqeyi ölçür.

Kitabın siyasi iqtisad bölməsi Edward S. Herman və Noam Chomsky-nin təbliğat modelindəki sahiblik, reklam, mənbələrdən istifadə, “flak” və ideoloji filtrləri onlayn platforma mühitinə uyğunlaşdıraraq müzakirə edir. Müəlliflər sosial medianın aşağıdan yuxarı təşkil olunan ictimai hərəkatları gücləndirə bildiyini; lakin eyni şəbəkələrin botlar, troll fermaları, ödənişli baxış/bəyənmə sistemləri, platforma konsentrasiyası və yanlış məlumat yolu ilə süni şəkildə istiqamətləndirilə bildiyini müdafiə edirlər. Buna görə kitabın əsas nəticəsi “sosial media sosial ədaləti təmin edir” və ya “sosial media sosial ədalətin qarşısını alır” deyil; onlayn kommunikasiya gücünün şəbəkə quruluşu, mesaj birliyi, iqtisadi təşviqlər, platforma idarəçiliyi və manipulyasiya qabiliyyəti arasındakı münasibətdən asılı olduğudur.

Kitabın əsas tədqiqat problemi

Kitab bu əsas gərginlikdən çıxış edir: sosial media ənənəvi mediaya çıxışı məhdud şəxslərə və ictimai hərəkatlara birbaşa yayım, şəbəkələşmə və hekayə danışma gücü verə bilər. Eyni texniki infrastruktur nifrət qrupları, siyasi kampaniyalar, troll şəbəkələri, bot hesabları, dezinformasiya aktorları və kommersiya görünürlük sistemləri tərəfindən də istifadə oluna bilər.

Buna görə tədqiqatın sualı yalnız “sosial media sosial ədalət hərəkatları üçün faydalıdırmı?” deyil. Daha əhatəli sual belədir: Onlayn şəbəkələrdə kommunikasiya gücü kimlərdə cəmləşir, hansı mesajlar bir-birinə bağlanaraq görünürlük qazanır və sosial media platformalarının siyasi-iqtisadi quruluşu bu prosesi necə formalaşdırır?

Müəlliflər bu problemi yalnız mətn şərhi ilə araşdırmayıblar; Twitter şəbəkələrini hesablama üsulları ilə vizuallaşdırıb, tvit-retvit əlaqələrini araşdırıb, həştəqlərin zaman ərzində görünürlüyünü izləyib, mərkəzilik metriklərini müqayisə edib, bəzi şəbəkələrdə mərkəzi düyünləri çıxararaq quruluşun necə dəyişdiyinə baxıb və bunları keyfiyyət yönümlü diskurs və siyasi iqtisad kontekstində şərh ediblər.

Analitik çərçivənin dörd qatı

Twitter məlumatı necə emal edilib?

Ferguson və 2016 tədqiqatlarında Twitter tarixi arxivindən müəyyən həştəq və sözlər Python 2.7 ilə çıxarılıb. Nəticələr gün üzrə düz JSON fayllarına saxlanılıb və iki əsas məlumat quruluşuna çevrilib.

Birinci məlumat quruluşu tvit-retvit əlaqələrini təmsil edir. İstifadəçilər düyündür; bir istifadəçinin digər istifadəçini retvit etməsi aralarında əlaqə yaradır. Tvit mətni və zaman məlumatı kimi detallar sonrakı araşdırma üçün qorunur.

İkinci məlumat quruluşu axtarış terminləri üçün təsviri statistika yaradır. Həştəq və ya sözlər; orijinal tvit/retvit statusu, saat və həftənin günü kimi xüsusiyyətlərə görə qruplaşdırıla bilər.

Şəbəkələrin vizuallaşdırılmasında dəyişdirilmiş D3.js force-directed graph, filtrləmə və qarşılıqlı əlaqə qatında isə crossfilter.js və dc.js istifadə olunub. 2020 məlumatlarının emalında eyni əsas yanaşma Python 3.6-ya keçirilib.

Ferguson hadisəsi: həştəq hadisə etiketindən şəxsi çərçivəyə necə çevrildi?

Müəlliflər 2014-cü ilin avqustunda Michael Brown-ın öldürülməsindən dərhal sonra başlayan və Darren Wilson-ın ittiham edilməməsi qərarından sonrakı dövrə qədər davam edən dörd aylıq müddətdə #BLM ilə əlaqəli tarixi Twitter arxivini araşdırıblar.

İlk dalğada #MikeBrown və #MichaelBrown kimi şəxs adları ilə #Ferguson kimi hadisə/yer göstəriciləri daha görünəndir. Bu həştəqlər hadisənin kim, harada və nə olduğu barədə birbaşa təsviri funksiya daşıyır.

Daha sonra #IfTheyGunnedMeDown kimi konseptual etiketlər görünürlük qazanıb. Bu həştəqdə istifadəçilər özlərinə aid iki fərqli fotonu yanaşı yerləşdirərək polis müdaxiləsində öldürülsəydilər medianın hansı fotonu seçəcəyini sorğulayıblar. Müəlliflər bunu tək bir hadisədən daha ümumi irq, təmsilçilik və media çərçivəsinə keçid kimi şərh edirlər.

2014-cü ilin noyabrına gəldikdə #IfTheyGunnedMeDown və #ICantBreathe kimi fərdiləşdirilmiş çərçivələr ilə #BlackLivesMatter kimi ideoloji həştəqlər #MikeBrown kimi birbaşa hadisə etiketlərini üstələməyə başlayıb. Eric Garner-ın ölümü və Darren Wilson barədə verilən hüquqi qərar kimi sonrakı hadisələr əvvəl ayrılıqda görünən həştəq şəbəkələrinin bir-birinə bağlanmasına töhfə verib.

Sosial mediada şəbəkə mərkəziliyi siyasi inandırma gücü ilə eyni şeydirmi?

Xeyr. Degree və betweenness mərkəziliyi bir hesabın araşdırılan şəbəkədə nə qədər əlaqəli olduğunu və ya müxtəlif düyünlər arasında nə dərəcədə körpü mövqeyində yerləşdiyini göstərir; seçicilərin fikrinin dəyişdiyini, səs seçimlərinin təsirləndiyini və ya siyasi mesajın doğru qəbul edildiyini birbaşa ölçmür. Buna görə kitabın 2016 və 2020 şəbəkə tapıntıları struktur görünürlük və koordinasiya dəlilidir, səbəb-nəticə əsaslı siyasi inandırma ölçümü deyil.

Degree mərkəziliyi necə şərh olunur?

Degree mərkəziliyi bir düyünün şəbəkədəki əlaqə sıxlığını ifadə edir. Bu tədqiqat kontekstində yüksək degree dəyərinə malik Twitter hesabı araşdırılan tvit-retvit şəbəkəsində daha sıx əlaqə və qarşılıqlı təsir içindədir.

25–27 sentyabr 2016 dövründə mənbənin Figure 6.9-a görə ən yüksək degree dəyərləri bunlardır:

Mənbədə ilk 10 degree hesabının böyük əksəriyyəti Trump tərəfdarı və ya siyasi sağ kimi əməliyyat baxımından təsnif edilmiş hesablardan ibarətdir. Bu təsnifat müəlliflərin tədqiqat kodlamasıdır: “right-leaning” Trump-ı dəstəkləyən və ya Clinton, Demokrat Partiyası və ya Obama əleyhinə məzmun yayımlayan hesabları; “left-leaning” isə Clinton tərəfdarı və ya güclü Trump əleyhinə hesabları əhatə edir.

Betweenness mərkəziliyi nəyi göstərir?

Betweenness mərkəziliyi konseptual olaraq bir düyünün şəbəkənin müxtəlif sahələri və ya istifadəçi klasterləri arasındakı əlaqə yollarında nə dərəcədə körpü rolunu oynadığını göstərir. Yüksək betweenness dəyəri hesabın yalnız çoxlu əlaqəyə malik olması deyil, müxtəlif şəbəkə hissələrinin bir-birinə çatmasında strateji mövqeyə sahib ola bilməsi deməkdir.

25–27 sentyabr dövründə @realDonaldTrump betweenness = 0,0990 ilə, @HillaryClinton isə 0,0805 ilə ilk iki yerdədir. Müəlliflər ilk sıralardakı digər hesabların çoxunun da siyasi sağ ilə əlaqəli olmasını eyni şəbəkə daxilində daha sıx koordinasiya quruluşunun göstəricisi kimi şərh edirlər.

6–8 noyabr 2016 dövründə nə dəyişdi?

Seçki gününə yaxınlaşan 6–8 noyabr nümunəsində @realDonaldTrump degree = 0,0533 ilə yenə birinci yerdədir. @DonaldJTrumpJr degree = 0,0327 ilə ikinci, @HillaryClinton isə 0,0226 ilə üçüncü olub.

Mənbə burada siyasi sağ ilə əlaqələndirdiyi hesabların iki ayrı tarix intervalında yuxarı sıralarda daha ardıcıl biçimdə yenidən görünməsinə diqqət çəkir. Müəlliflər bu davamlılığı şəbəkənin “birlik” və ya “cohesion” xüsusiyyətinin mümkün işarəsi kimi şərh edirlər. Lakin bu, seçicilərin ideoloji birlik səviyyəsinin birbaşa ölçümü deyil; Twitter-də müəyyən hesab və retvit nümunəsinin təhlilidir.

“Continent effect” nə deməkdir?

“Continent effect”, kitab müəlliflərinin 2016 şəbəkə vizuallaşdırmalarında pro-Trump hesab və həştəqlərin böyük, bir-birinə bağlı klaster yaratmasını təsvir etmək üçün istifadə etdiyi vizual ifadədir; standartlaşdırılmış müstəqil sosial şəbəkə metriyi deyil.

Müəlliflərin mühüm müşahidəsi budur ki, bəzi dövrlərdə pro-Clinton tvitlərin sayı daha çox olsa da, pro-Trump şəbəkəsi daha sıx şəkildə bir araya gəlib. Deməli, xam mesaj sayı ilə şəbəkənin struktur təşkilatlanması eyni dəyişən deyil.

Həştəq birgə-görünməsi nə göstərdi?

25–27 sentyabr 2016 dövründə betweenness baxımından ən yüksək 50 hesab araşdırıldıqda mənbənin Figure 6.17-si aşağıdakı yekunları verir:

Mənbə həmçinin #MAGA-nın digər həştəqlərlə #ImWithHer-a nisbətən daha tez-tez birlikdə istifadə edildiyinə diqqət çəkir. #ImWithHer ilə birgə-görünmə göstərən iki həştəqin də sağ meylli kimi kodlaşdırılan #MAGA və #TrumpTrain olması, müəlliflərin həştəq “hijacking” və ya qarşı tərəfin etiket axınına daxil olma strategiyası barədə müzakirəsi ilə əlaqələndirilir.

Hashtag Hijacking Nədir və Bu Kitabda Necə İstifadə Olunub?

Hashtag hijacking, başqa bir qurum, hərəkat və ya icma tərəfindən görünən hala gətirilmiş həştəq axınının fərqli mesajı eyni axtarış və qarşılıqlı əlaqə sahəsinə daxil etmək üçün qəsdən istifadə edilməsidir. Kitabda Cincinnati-də Irate 8 qrupunun University of Cincinnati-nin #HottestCollegeInAmerica etiketini #theIrate8 ilə birlikdə işlətməsi, qrupun hələ güclü institusional hesabı olmadığı halda öz sosial ədalət mesajını universitetin daha görünən rəqəmsal axınına daşıyan qəsdən edilmiş nümunə kimi təsvir olunur.

Irate 8 üzvləri əvvəlcə şəxsi hesablardan koordinasiyalı paylaşım edib və #theIrate8 etiketini universitetin populyar #HottestCollegeInAmerica etiketi ilə birlikdə istifadə ediblər. Müsahibədə Brittany Bibb bu istifadənin xüsusilə qəsdən olduğunu bildirib. Daha sonra təşkilat öz Twitter hesabını yaradıb; müəyyən paylaşımları bəyənmək, şərh etmək və retvit etmək barədə üzvlər arasında daha koordinasiyalı yanaşma inkişaf etdirib.

Kitab hashtag hijacking-i yalnız sosial ədalət qruplarına məxsus texnika kimi qiymətləndirmir. 2016 seçki təhlilində bəzi sağ meylli hesabların #ImWithHer kimi qarşı tərəflə əlaqələndirilən həştəqləri öz mesajları ilə birlikdə istifadə etdiyi görünür. Deməli, eyni şəbəkə texnikası həm aşağıdan yuxarı fəallıq, həm də əks-siyasi görünürlük strategiyası üçün istifadə oluna bilər.

Cincinnati hadisə araşdırması: sosial media ilə ənənəvi media arasındakı fərq

Sam DuBose-un 2015-ci ildə öldürülməsindən sonra Black Lives Matter Cincinnati və Irate 8 kimi qrupların sosial media strategiyalarını araşdırmaq üçün müəlliflər iki sosial ədalət təşkilatçısı ilə dərin müsahibə aparıb, əlavə olaraq yerli media saytlarında Boolean açar söz axtarışı həyata keçiriblər.

Axtarılan ifadələr:

• Sam Dubose
• Black Lives Matter
• Black Lives Matter Cincinnati
• Irate8

Mənbənin metod mətni axtarış dövrünü iyul 2015–noyabr 2016 kimi göstərir. Araşdırılan qurumlar The Cincinnati Enquirer, CityBeat, WXIX-TV və WCPO-TV-dir. Cincinnati Herald ilə WKRC-TV və WLWT-TV veb-saytlarındakı məhdud axtarış funksiyası səbəbindən təhlilə daxil edilməyib.

Müəlliflər ümumilikdə 269 xəbəri oxuyaraq məzmun kontekstini də qiymətləndiriblər. Qəzetlər The Enquirer və CityBeat yerli “Black Lives Matter Cincinnati” təşkilatını ümumi “Black Lives Matter” ifadəsindən televiziya qurumlarına nisbətən daha çox fərqləndirib. Irate 8 isə dörd qurumda cəmi beş dəfə qeyd olunub.

Mənbədə burada mühüm tarix uyğunsuzluğu var. Metod paraqrafı axtarışı iyul 2015–noyabr 2016 kimi izah etdiyi halda Figure 4.1 başlığı iyul 2016–noyabr 2016 yazır. Cədvəl məlumatları dəyişdirilməyib, düzgün tarix tərəfimizdən təxmin edilməyib.

Fəal müsahibələri nə göstərdi?

Black Lives Matter Cincinnati liderləri ilə aparılan müsahibələr sosial medianın qrupa öz adından birbaşa açıqlama vermək və ənənəvi xəbər qurumlarında yanlış əlaqələndirildiyini düşündüyü şəxs və ya hərəkətlərə qarşı öz mesajını nəzarətdə saxlamaq imkanı verdiyini göstərir.

Bununla belə, sosial media təkbaşına bütün hədəf auditoriyaya çıxış təmin etmir. Müsahibələrdə aşağı gəlirli icmalarda telefon, kompüter və ya ev internetinə çıxışı olmayan şəxslərin mövcudluğu xüsusilə vurğulanıb. Müəlliflər buna görə sosial ədalət fəallığının rəqəmsal çıxış, genişzolaqlı infrastruktur, şəbəkə neytrallığı və məxfilik kimi daha geniş media islahatı məsələlərindən ayrı düşünülməməli olduğunu müdafiə edirlər.

Fəallar həmçinin sosial media hesablarında təhdid, nifrət mesajı və təqiblə üzləşdiklərini bildiriblər. Beləliklə, platforma eyni vaxtda həm birbaşa ifadə və əlaqə vasitəsi, həm də əks-mobilizasiya və hücum kanalı ola bilər.

Sosial media mobbing-i

Kitabda “social media mobbing” çox sayda istifadəçinin bir şəxs və ya mövzu ətrafında sosial platformalarda toplanaraq təhqir, mübahisə, təhdid və ya meme bombardmanı ilə diskurs sahəsini basqılaması kimi izah olunur.

Müəlliflər bu hadisəni Leslie Jones, Cincinnati Zoo/Harambe hadisəsi və başqa nümunələr üzərindən müzakirə edir; onlayn diskurs kəmiyyətcə böyüdükcə ictimai müzakirənin keyfiyyətini azalda biləcəyini irəli sürürlər. Lakin Harambe və digər ailə hadisələri arasındakı müqayisənin nəzarətli statistik eksperiment olmadığı da vacibdir. Müəlliflərin özləri irqi reaksiya fərqini kəmiyyətcə dəqiq ölçməyin çətin olduğunu bildirirlər.

2016 “knockout experiment” nə idi?

Mənbədə “knockout experiment” adlandırılan təhlil biologiyadakı gen çıxarma bənzətməsindən istifadə edir. Tədqiqatçılar böyük Twitter şəbəkəsində mühüm bir düyünü vizuallaşdırmadan çıxarıb şəbəkənin quruluşunun necə dəyişdiyinə baxıblar.

Məqsəd bir hesabın şəbəkənin struktur bütövlüyünə nə dərəcədə töhfə verdiyini araşdırmaqdır. Müəlliflər pro-Trump şəbəkəsində tək bir mərkəzi hesab çıxarıldıqdan sonra belə bfraser747, TeamTrump və USA4TRUMP kimi müxtəlif alt şəbəkələrin mövcudluğunu qoruduğunu müşahidə edib və bunu şəbəkənin struktur dayanıqlığının işarəsi kimi şərh ediblər.

Bu metod real istifadəçi davranışını dəyişdirən eksperiment deyil. Məlumat toplusundakı düyünün analitik şəkildə çıxarılması ilə aparılan şəbəkə vizuallaşdırma müqayisəsidir.

Tədqiqatın Metodu və Nəticələri

Ferguson 2014 məlumat dəsti

Mənbə avqust–dekabr 2014 dövründə açıq mənbəli Twitter tarixi arxivində #BLM ilə əlaqəli tvitləri çıxarıb və istifadəçilərin bir-birinə necə cavab verdiyini/retvit etdiyini göstərən şəbəkə yaradıb.

Python 2.7 çıxarış proqramı göstərilən həştəq və sözləri axtarıb; məlumatlar gün üzrə JSON-a saxlanılıb. Şəbəkə quruluşunda istifadəçilər düyün, retvitlər isə əlaqə kimi təmsil olunub.

Təsviri interfeys dörd əsas məlumat görünüşü yaradıb:

1. Avqust 2014 həştəq tezliyi/zaman qrafiki.
2. Avqust 2014 saatlıq tvit paylanması.
3. Noyabr–dekabr 2014 həştəq tezliyi/zaman qrafiki.
4. Noyabr–dekabr 2014 saatlıq tvit paylanması.

Əsas keyfiyyət tapıntısı ilk dalğada şəxs/yer adlarının dominant olmasına qarşılıq, zamanla şəxsi təcrübəni və ideoloji çərçivəni ifadə edən həştəqlərin şəbəkənin daha mühüm hissələrinə çevrilməsidir.

2016 seçki məlumat dəsti

2016 bölməsindəki ətraflı alt təhlil Twitter məlumatlarının hamısından istifadə etməyib. Mənbə açıq şəkildə iki tarix intervalındakı məlumatın %1 nümunəsini araşdırıb:

• 25–27 sentyabr 2016
• 6–8 noyabr 2016

Üç təhlil aparılıb:

1. Mühüm hesabların degree və betweenness mərkəzilikləri.
2. Ən yüksək degree/betweenness qrupunda həştəq birgə-görünməsi.
3. Mühüm şəbəkə düyünlərinin analitik olaraq çıxarıldığı knockout müqayisələri.

Müəlliflərin “right-leaning” və “left-leaning” sinifləri tədqiqat məqsədi ilə yaradılmış əməliyyat kodlarıdır. Sağ sinif Trump tərəfdarı və Clinton/Demokrat/Obama əleyhinə mesajları; sol sinif isə Clinton tərəfdarı və ya güclü Trump əleyhinə mesajları əhatə edir.

Mənbə 2016-da hansı struktur nəticəni çıxarır?

Mənbənin qiymətləndirməsinə görə pro-Trump şəbəkələri eyni həştəqləri və mərkəzi hesabları daha ardıcıl təkrar edib, pro-Clinton şəbəkəsi isə daha səpələnmiş quruluş göstərib. Buna görə müəlliflər mesaj birliyi ilə şəbəkədə görünürlük arasında əlaqə ola biləcəyini müdafiə edirlər.

Lakin “daha təsirli” ifadəsi yalnız seçki nəticəsinə baxılaraq səbəb-nəticə şəklində şərh edilməməlidir. Mənbə Twitter şəbəkələrinin struktur xüsusiyyətləri ilə siyasi kampaniyanın daha geniş uğuru arasında bənzərlik qurur; istifadəçi səviyyəsində inandırma eksperimenti və ya səs dəyişimi modeli təqdim etmir.

2020 təhlilində məlumat seçimi necə aparıldı?

2020 bölməsində əsas məlumat çıxarış metodu Python 3.6 ilə tətbiq olunub. Tədqiqatçılar əvvəlcə üç hadisə pəncərəsi yaratmağı planlaşdırıblar:

• Breonna Taylor-ın öldürülməsindən sonrakı 13–17 mart 2020.
• Ahmaud Arbery videosunun yayımlanmasından sonrakı 5–9 may 2020.
• George Floyd-un öldürülməsindən sonrakı 26–30 may 2020.

Lakin mart dövründə müqayisə edilə bilən ölçüdə Twitter fəaliyyəti olmadığı üçün bu şəbəkədən eyni şəkildə istifadə olunmayıb. Floyd-un ölümündən sonrakı beş günlük məlumat isə vizuallaşdırma üçün həddindən artıq böyük olduğundan tədqiqatçılar şəbəkə təhlilini 26–27 may olmaqla iki günlə məhdudlaşdırıblar.

Bu qərar metodoloji baxımdan mühümdür. 2020 vizualları bütün etiraz yayınının tam Twitter kainatını deyil, tədqiqatçıların texniki olaraq emal edə bildiyi və müqayisə üçün seçdiyi tarix pəncərələrini təmsil edir.

2020-də həştəq quruluşu necə dəyişdi?

5 may 2020-də #AhmaudArbery şəbəkəsi əsasən mərkəzdə yerləşib. 9 maya gəldikdə #SeanReed, #SayHerName, #JusticeForBreonnaTaylor və #BlackLivesMatter kimi başqa etiketlər daha görünən hala gəlib.

George Floyd-un ölümündən sonrakı 26 may şəbəkəsində #GeorgeFloyd dominantdır. 27 mayda #BlackLivesMatter etiketi #GeorgeFloyd-u keçərkən #JusticeForGeorgeFloyd, #ICantBreathe, #SayHisName və #PoliceBrutality kimi daha geniş sosial ədalət çərçivələri də şəbəkədə görünən hala gəlib.

Müəlliflər bu keçidi ayrı-ayrı qurban adlarından daha geniş sosial ədalət narrativinə doğru sürətli şəbəkəvi çərçivələmə kimi şərh edirlər.

2020-də siyasi əks-şəbəkələr

Kitab 2020 məlumatını üç geniş həştəq kateqoriyası ilə təhlil edir:

Müəlliflərin nəticələrinə görə sosial ədalət mövzuları 2020-də say və mövzu müxtəlifliyi baxımından dominant hala gəlib. Buna baxmayaraq, əks-siyasi sağ şəbəkəsi daha az hesab və həştəq ehtiva etsə belə daha yüksək siyasi həmrəylik göstərən quruluş nümayiş etdirib. Bu ifadə kitabın müəyyən tarix intervallarındakı Twitter şəbəkələri haqqında şərhidir; ümumi ABŞ seçici davranışının ölçümü deyil.

Siyasi İqtisad Yanaşması Bu Kitabda Nəyi İzah Edir?

Kitabın siyasi iqtisad yanaşması sosial mediada hansı mesajın görünən olacağını yalnız fərdi istifadəçi seçimləri ilə izah etmək əvəzinə platforma sahibliyi, reklam modeli, kommersiya təşviqləri, xəbər mənbələrinin gücü, təşkilatlanmış təzyiq, bot/troll şəbəkələri və ideoloji çərçivələr kimi struktur şərtlərlə birlikdə araşdırır. Müəlliflər Herman və Chomsky-nin təbliğat modelini rəqəmsal mühitə uyğunlaşdırarkən modelin media quruluşunu formalaşdıran qüvvələri açıqladığını, müəyyən mesajın ictimai rəyə mütləq təsir etdiyini sübut etmədiyini xüsusilə qoruyurlar.

Təbliğat modelinin beş filtri

Herman və Chomsky-nin klassik modelində beş filtr var:

1. Sahiblik: Böyük və mənfəət yönümlü media qurumlarının iqtisadi/institusional maraqları.
2. Reklam: Reklam maliyyələşməsinin məzmun və çıxış üzərində struktur rolu.
3. Mənbələrdən istifadə: Xəbər qurumlarının müntəzəm və “avtoritet” hesab edilən mənbələrdən asılılığı.
4. Flak: Media məzmununa qarşı təşkilatlanmış siyasi və ya iqtisadi təzyiq və reaksiya.
5. İdeologiya: Klassik modeldə anti-kommunizm; sonrakı müzakirədə kapitalizm tərəfdarı ideoloji çərçivələr.

Blevins və Lee rəqəmsal şəbəkələrdə bu filtrlərin tam eyni şəkildə işləmədiyini; lakin sahiblik konsentrasiyası, reklam və diqqət iqtisadiyyatı, botlarla süni populyarlıq, yanlış məlumat mənbələrinin çoxalması və “fake news” diskursunun etibarlı jurnalistikanı nüfuzdan salmaq üçün istifadə oluna bilməsi vasitəsilə yeni formalar aldığını müdafiə edirlər.

Süni populyarlıq niyə siyasi iqtisad problemidir?

Kitab sosial media görünürlüyünün hər zaman orqanik insan marağını təmsil etmədiyini vurğulayır. Bot hesabları, satın alınan bəyənmə/baxış xidmətləri, koordinasiyalı troll şəbəkələri və hashtag hijacking texnikaları bir mesajın real baza dəstəyindən daha böyük görünməsinə səbəb ola bilər.

Siyasi iqtisad baxımından problem yalnız yanlış mesajın mövcudluğu deyil; platforma iqtisadiyyatının diqqət, qarşılıqlı əlaqə və çıxışı mükafatlandıran quruluşunun süni şəbəkə fəaliyyəti ilə birləşə bilməsidir.

Mənbələrdən istifadə rəqəmsal mühitdə necə dəyişir?

Ənənəvi jurnalistikada “sourcing” jurnalistin məlumat üçün güclü qurumlara və rəsmi mənbələrə asılılığını ifadə edir. Kitab sosial mediada bunun iki istiqamətli hala gəldiyini müdafiə edir.

Bir tərəfdən bot və süni qarşılıqlı əlaqə sistemləri müəyyən mənbənin populyarlıq görüntüsünü yarada bilər. Digər tərəfdən adi istifadəçilər bəyənmə, retvit və paylaşım vasitəsilə hansı mənbənin görünürlüyünün artacağına birbaşa töhfə verirlər.

Mənbənin istinad etdiyi başqa tədqiqatda 2016 seçkisindən əvvəlki bir ay ərzində 70.000 Twitter hesabından gələn 10 milyondan çox tvit araşdırılıb və 6,6 milyon tvitin saxta xəbər və ya konspirasiya xəbəri yayımlayanlara keçid verdiyi; saxta xəbər keçidlərinin %65-nin yalnız 10 sayta getdiyi bildirilib. Bu rəqəm Blevins və Lee-nin öz Twitter məlumat dəsti deyil, siyasi iqtisad müzakirəsində müraciət etdikləri xarici tədqiqatdır.

Fake news ilə “flak” arasındakı əlaqə

Müəlliflər təbliğat modelindəki flak anlayışının rəqəmsal mühitdə yalnız media qurumuna yönəlmiş tənqiddən daha geniş funksiya daşıya biləcəyini müdafiə edirlər. “Fake news” termini həqiqi yanlış məlumatı təsvir etmək üçün istifadə edilə bildiyi kimi, arzuolunmaz və ya tənqidi jurnalistikanı nüfuzdan salmaq məqsədi ilə də istifadə oluna bilər.

Buna görə kitab post-truth mühitində problemin yalnız yanlış xəbər miqdarı olmadığını; məlumat mənbəsinin etibarlılığının necə qiymətləndirilməsinin də siyasi mübarizə mövzusuna çevrildiyini irəli sürür.

Kitabın “marketplace of ideas” tənqidi

ABŞ ifadə azadlığı ənənəsində yanlış fikirlərə qarşı həllin daha çox və daha doğru danışıq olduğu düşüncəsi tez-tez “marketplace of ideas” metaforası ilə izah edilir. Kitab sosial media mühitində botlar, koordinasiyalı şəbəkələr, süni görünürlük və dezinformasiya səbəbindən həqiqətin yalnız daha çox danışıq yaradılması ilə avtomatik olaraq üstün gələcəyi fərziyyəsinin problemli ola biləcəyini müzakirə edir.

Bu bölmə empirik bir “həqiqət uduzdu” ölçümü təqdim etmir. Müəlliflərin siyasi iqtisad və epistemologiya çərçivəsində inkişaf etdirdiyi nəzəri şərhdir.

Kitabın dəstəklədiyi nəticələr

• Twitter Ferguson dövründə sosial ədalət aktorlarının ənənəvi mediadan kənarda öz hekayələrini və çərçivələrini yayması üçün mühüm kanal təmin edib.
• Ferguson şəbəkəsində şəxs/yer adlarından daha konseptual və fərdiləşdirilmiş həştəqlərə doğru zaman ərzində görünən diskurs dəyişikliyi baş verib.
• 2016-cı ilin araşdırılan Twitter nümunələrində Trump tərəfdarı kimi təsnif edilmiş hesablar mərkəzilik və ortaq həştəq istifadəsi baxımından daha sıx, təkrarlanan və bir-birinə bağlı şəbəkə yaradıb.
• #MAGA 25–27 sentyabr 2016 nümunəsində ən yüksək betweenness dəyərinə malik 50 hesabın 26-sında; #ImWithHer isə 5-ində görünüb.
• Cincinnati hadisə araşdırması sosial medianın yerli fəallara öz açıqlamalarını birbaşa yayımlamaq imkanı verdiyini, lakin rəqəmsal çıxış bərabərsizliyi və onlayn təqibin mühüm məhdudiyyətlər yaratdığını göstərir.
• 2020-də araşdırılan şəbəkələrdə ayrı-ayrı qurban adlarından #BlackLivesMatter və #ICantBreathe kimi daha geniş sosial ədalət çərçivələrinə sürətli keçid görülüb.
• 2020-nin araşdırılan kritik anlarında sosial ədalət mövzuları say və müxtəliflik baxımından güclü olsa da, müəlliflərin siyasi sağ kimi kodlaşdırdığı şəbəkələr daha kiçik olmalarına baxmayaraq daha sıx siyasi birlik nümayiş etdirib.
• Sosial media görünürlüyü yalnız orqanik istifadəçi fəaliyyətinin nəticəsi deyil; bot, troll, ödənişli qarşılıqlı əlaqə və koordinasiyalı şəbəkə fəaliyyəti görünürlük quruluşunu dəyişə bilər.

Kitabın dəstəkləmədiyi nəticələr

• Twitter şəbəkəsində mərkəzilik bir namizədin seçki nəticəsinə səbəb olduğunu sübut etmir.
• #MAGA-nın şəbəkədə yüksək birgə-görünməsi bütün ABŞ əhalisinin siyasi seçimini ölçmür.
• Retvit sayı mesajın doğru hesab edildiyi və ya istifadəçi tərəfindən dəstəkləndiyi mənasını məcburi şəkildə daşımır.
• Bot və ya troll mövcudluğu müəyyən istifadəçinin fikrinin dəyişdiyini göstərmir.
• 2014, 2016 və 2020 Twitter şəbəkələri bugünkü X platformasının alqoritmi və ya istifadəçi davranışı üçün birbaşa aktual ölçüm deyil.
• Sağ və sol şəbəkələr barədə kitabda aparılan müqayisələr bütün ideoloji qrupların hər dövrdə eyni şəbəkə quruluşuna malik olduğu mənasını daşımır.
• Cincinnati-də iki fəalla aparılan müsahibələr bütün sosial ədalət təşkilatlarının təcrübəsini təmsil etmir.
• Yerli media məzmun axtarışı bütün Cincinnati xəbər qurumlarını əhatə etmir.
• Kitabda siyasi iqtisad çərçivəsi ilə müzakirə olunan təbliğat və yanlış məlumat mexanizmləri hər hansı şəxsin psixoloji və ya səsvermə davranışına dair birbaşa səbəb-nəticə təsir ölçüsü vermir.

Əsas metodoloji məhdudiyyətlər

Platforma məhdudiyyəti: Empirik şəbəkə təhlillərinin əsas platforması Twitter-dir. Facebook, YouTube və digər şəbəkələr daha çox kontekstual müzakirələrdə yer alır.

Tarixi kontekst: Əsas məlumat pəncərələri 2014, 2016 və 2020-dir. Platforma dizaynı, API çıxışı, moderasiya və alqoritmik paylanma zaman ərzində dəyişib.

2016 nümunələmə məhdudiyyəti: Ətraflı seçki təhlili yalnız iki üç-günlük zaman pəncərəsindəki Twitter məlumatlarının %1-lik nümunəsinə əsaslanır.

2020 render məhdudiyyəti: Floyd-dan sonrakı beş günlük şəbəkə həddindən artıq böyük olduğu üçün yalnız 26–27 may məlumatları vizuallaşdırılıb. Bu, bütün etiraz dövrünün tam şəbəkəsi deyil.

Yerli media əhatəsi: Cincinnati Herald, WKRC-TV və WLWT-TV veb-axtarış funksiyalarının məhdudluğu səbəbindən yerli media məzmun təhlilinə daxil edilməyib.

Müsahibə əhatəsi: Cincinnati hadisə bölməsində ətraflı sahə şərhi iki sosial ədalət təşkilatçısı ilə aparılan müsahibələrə əsaslanır.

Səbəblilik: Sosial şəbəkə mərkəziliyi və həştəq görünürlüyü ilə real siyasi inandırma və ya davranış arasındakı səbəb-nəticə əlaqəsi eksperimental olaraq yoxlanılmayıb.

Kodlaşdırma məhdudiyyəti: “right-leaning” və “left-leaning” kateqoriyaları tədqiqatçıların tvit məzmununa əsaslanan əməliyyat təsnifatlarıdır; bütün istifadəçinin hərtərəfli ideoloji profilini ölçmür.

Mənbə-daxili tarix uyğunsuzluğu: Cincinnati media axtarışı metod mətnində iyul 2015–noyabr 2016, Figure 4.1 başlığında iyul 2016–noyabr 2016 kimi keçir.

Kitabın ümumi elmi töhfəsi

Monoqrafiyanın ən güclü töhfəsi sosial media müzakirəsini yalnız “fəallar platformalardan istifadə edə bilər” səviyyəsində saxlamamasıdır. Müəlliflər eyni platforma arxitekturasının ictimai hərəkat, kampaniya, jurnalistika, nifrət nitqi, troll fəaliyyəti, bot şəbəkələri və kommersiya görünürlük mexanizmləri tərəfindən eyni vaxtda istifadə oluna bildiyini göstərən çoxqatlı təhlil qururlar.

Buna görə onlayn sosial hərəkatı yalnız həştəq sayı ilə anlamaq kifayət deyil. Şəbəkənin kimlər tərəfindən bir-birinə bağlandığı, mesajların hansı ortaq etiketlərlə sıxlaşdırıldığı, mərkəzi hesablar çıxarıldıqda quruluşun nə qədər dəyişdiyi, sosial media narrativinin ənənəvi xəbərə necə daşındığı və platformanın iqtisadi təşviqlərinin görünürlükdə necə rol oynadığı birlikdə qiymətləndirilməlidir.

Mənbə və Metod Qeydi

Orijinal əsər: Social Media, Social Justice and the Political Economy of Online Networks

Müəlliflər: Jeffrey Layne Blevins və James Jaehoon Lee.

Mənbə növü: Akademik tədqiqat monoqrafiyası / açıq çıxışlı akademik kitab.

Rəyçilik statusu: University of Cincinnati Press-in rəsmi açıq çıxış kolleksiyası açıq çıxışlı kitablarının peer reviewed və faculty board approved olduğunu bildirir; bu əsər də həmin kolleksiyada siyahıya alınıb.

Nəşriyyat: University of Cincinnati Press, Cincinnati, Ohio, ABŞ.

Mənbə PDF müəllif hüququ tarixi: 2021.

Biblioqrafik versiya qeydi: Bəzi müasir nəşriyyat və kataloq qeydləri çap/paylanma versiyasını 2022 kimi siyahıya alır. Mənbə PDF-nin öz müəllif hüququ səhifəsində 2021 göstərilir; iki tarix bir-biri ilə səssizcə birləşdirilməyib.

Açıq çıxış ISBN: 978-1-947602-86-1.

Paperback ISBN: 978-1-947602-84-7.

ePUB ISBN: 978-1-947602-85-4.

DOI: Yüklənmiş PDF-də etibarlı, tam kitab DOI-si göstərilmir; buna görə DOI təxmin edilməyib.

Açıq çıxış statusu: Mənbə PDF TOME — Toward an Open Monograph Ecosystem dəstəyi ilə açıq çıxış kimi təqdim edildiyini bildirir.

Lisenziya qeydi: Mənbə PDF-nin ön künyəsində müəyyən Creative Commons kodu yazılmayıb. University of Cincinnati Press Manifold-da başlığa məxsus layihə metadatası CC BY-NC-ND məhdudiyyətini göstərir. Buna görə mənbə fiqurları birbaşa kopyalanmayıb, məlumatlar və münasibətlər müstəqil Verianla sxemləri ilə yenidən ifadə olunub.

Müəllif qurumu — Jeffrey Layne Blevins: University of Cincinnati; rəsmi nəşriyyat bioqrafiyasında kitabın yayımlandığı dövrdə Journalism Department rəhbəri kimi təqdim olunur.

Müəllif qurumu — James Jaehoon Lee: University of Cincinnati; Digital Scholarship Center Director, Associate Dean of Research for Libraries və Associate Vice Provost for Digital Scholarship kimi təqdim olunur.

Corresponding author: Akademik monoqrafiya quruluşunda mənbə PDF müəyyən corresponding author təyin etmir.

Bərabər töhfə: Mənbə PDF-də bərabər töhfə/bərabər birinci müəlliflik bəyanatı yoxdur.

Maliyyələşdirmə / nəşr dəstəyi: Açıq çıxış versiyası TOME — Toward an Open Monograph Ecosystem dəstəyi ilə əlçatan edilib. Bu məlumat tədqiqat layihəsi qrantı ilə eyni şey kimi şərh edilməyib.

Maraqlar toqquşması: Mənbə monoqrafiyanın ön/son künyəsində standart jurnal formasında maraqlar toqquşması bəyanatı yoxdur.

Məlumat və rəqəmsal resurslar: Kitabın açıq çıxış versiyası interaktiv şəbəkə vizuallaşdırmaları və tədqiqat məlumat dəstləri ilə birlikdə hazırlanıb. Mənbə əlavə olaraq istifadə olunan maşın öyrənməsi/təhlil alqoritmlərinin və vizuallaşdırma alətlərinin bulud platformasında tədqiqatçı və tələbələrin istifadəsinə açıldığını bildirir.

Əsas tədqiqat yanaşması: Siyasi iqtisad nəzəriyyəsi + sosial şəbəkə analizi + hesablama Twitter arxiv analizi + həştəq/mətn təhlili + fəal müsahibələri + yerli xəbər məzmun analizi.

Ferguson məlumat dövrü: Avqust–dekabr 2014; #BLM ilə əlaqəli tarixi Twitter arxivi.

Ferguson məlumat emalı: Python 2.7; gündəlik flat JSON; istifadəçi düyünləri; retvit əlaqələri; D3.js force-directed graph; crossfilter.js; dc.js.

2016 ətraflı seçki nümunəsi: 25–27 sentyabr 2016 və 6–8 noyabr 2016 dövrlərindəki Twitter məlumatlarının %1-i.

2016 təhlilləri: Degree mərkəziliyi; betweenness mərkəziliyi; həştəq birgə-görünməsi; müəlliflərin “knockout experiment” adlandırdığı analitik düyün çıxarma müqayisələri.

2020 məlumat emalı: Python 3.6; eyni düyün–retvit şəbəkə yanaşmasının inkişaf etdirilmiş forması.

2020 məlumat pəncərələri: Ahmaud Arbery üçün 5–9 may 2020; George Floyd üçün şəbəkə ölçüsü səbəbindən 26–27 may 2020. Breonna Taylor üçün planlaşdırılan mart pəncərəsi müqayisə edilə bilən şəbəkə fəaliyyəti vermədiyi üçün eyni şəkildə istifadə olunmayıb.

Cincinnati media məzmunu: The Cincinnati Enquirer, CityBeat, WXIX-TV və WCPO-TV. Mənbə metod mətninə görə iyul 2015–noyabr 2016.

Cincinnati mənbə-daxili tarix uyğunsuzluğu: Figure 4.1 başlığı iyul 2016–noyabr 2016 yazır. Mənbə bu fərqi izah etmir.

Cincinnati məzmun təhlili: Cəmi 269 xəbər; Sam DuBose, Black Lives Matter, Black Lives Matter Cincinnati və Irate8 terminləri üzrə Boolean veb axtarışı və keyfiyyət yönümlü oxu.

Siyasi iqtisad çərçivəsi: Edward S. Herman və Noam Chomsky-nin təbliğat modelinin rəqəmsal şəbəkə mühitinə tənqidi uyğunlaşdırılması; sahiblik, reklam, mənbələrdən istifadə, flak və ideoloji filtrlər.

Əsas səbəblilik məhdudiyyəti: Şəbəkə mərkəziliyi, həştəq sıxlığı və birgə-görünmə siyasi inandırma və ya səsvermə davranışı üçün birbaşa səbəb-nəticə metriyi deyil.

Zamansal ümumiləşdirmə məhdudiyyəti: Empirik şəbəkələr Twitter-in 2014, 2016 və 2020 dövrlərindəki quruluşunu əks etdirir; bugünkü X platformasının alqoritmik paylanma sistemi üçün birbaşa aktual dəlil deyil.

Vizual yenidən qurma: Mənbə metod axını müstəqil inline SVG kimi; Figure 6.17-nin dəqiq həştəq sayları məlumat cədvəli və müstəqil SVG sütun qrafiki kimi yenidən qurulub. Mənbənin mürəkkəb force-directed şəbəkə koordinatları və ya ekran görüntüləri birbaşa kopyalanmayıb.

Verianla Live uyğunluğu: Uyğundur. Ferguson həştəq təkamülü sabit-parametrli Live Process; 2016 mərkəzilik və həştəq birgə-görünmə sayları Live Data/Live Compare; Twitter arxivindən JSON və şəbəkə vizuallaşdırmasına gedən metod Live Process/Live Architecture kimi təqdim edilə bilər. İstifadəçinin düyün və ya həştəq əlavə edərək mənbədə olmayan yeni “siyasi təsir”, səs nisbəti və ya inandırma skoru yaratması elmi baxımdan uyğun deyil.