Uchambuzi wa kimahesabu wa mitandao ya kijamii ni familia ya mbinu inayowakilisha watumiaji wa mtandaoni kama nodi na mahusiano kati yao, kama vile retweet, kama viungo, kisha kuchunguza muundo, umarkazi, ujumuikaji katika makundi na mabadiliko ya mitandao ya mawasiliano kwa muda. Monografia ya kitaaluma ya Jeffrey Layne Blevins na James Jaehoon Lee inaunganisha mbinu hii na uchumi wa kisiasa, uchambuzi wa kimaelezo wa hashtag/maandishi, uchambuzi wa maudhui ya vyombo vya habari vya eneo na mahojiano na wanaharakati ili kuchunguza jinsi mitandao ya kijamii inavyoweza kufanya harakati za haki ya kijamii zionekane, na jinsi mitandao hiyo hiyo inavyoweza kuundwa na uandaaji wa kisiasa, shughuli za troll, bot, taarifa potofu na mienendo ya majukwaa ya kibiashara.

Msingi wa kiempiria wa kitabu umejengwa juu ya mazingira matatu ya kihistoria ya Twitter: maandamano ya Ferguson ya 2014 na mitandao inayohusiana na #BlackLivesMatter; mitandao inayozunguka #MAGA, #ImWithHer na hashtag nyingine za kisiasa wakati wa uchaguzi wa urais wa Marekani wa 2016; na mijadala ya haki ya kijamii na mijadala ya kisiasa inayopingana iliyokua baada ya vifo vya Ahmaud Arbery, Breonna Taylor na George Floyd katika majira ya joto ya 2020. Kisa cha Sam DuBose huko Cincinnati pia kilichunguzwa kwa kutafuta maudhui ya mashirika ya habari ya eneo na kufanya mahojiano na waandaaji wa haki ya kijamii.

Data ya Ferguson inaonyesha kwamba katika wimbi la kwanza la Twitter, hashtag elekezi zilizokuwa na majina ya watu au maeneo kama #MikeBrown zilitawala; takribani wiki moja–mbili baadaye, mifumo iliyobinafsishwa au ya kiitikadi kama #IfTheyGunnedMeDown, #BlackLivesMatter na baadaye #ICantBreathe ikawa na nguvu zaidi. Waandishi wanatafsiri hili kama kuundwa kwa “affective publics” au umma wa kihisia, ambapo watumiaji hawashiriki tukio kama habari mahususi tu bali hulihusisha na uzoefu wao binafsi wa maisha.

Katika uchambuzi wa uchaguzi wa 2016, muundo wa kuona wa mtandao ambao waandishi wanauita “continent effect” unaonekana wazi: ingawa katika baadhi ya ulinganisho idadi ya ujumbe wa pro-Trump ilikuwa ndogo kuliko ujumbe wa pro-Clinton, hashtag na akaunti za pro-Trump ziliunda makundi yenye msongamano mkubwa zaidi na yaliyounganishwa zaidi. Katika sampuli ya 25–27 Septemba 2016, @realDonaldTrump alikuwa na thamani ya juu zaidi kwa degree centrality ya 0,0456 na betweenness centrality ya 0,0990, huku @HillaryClinton akiwa na 0,0311 na 0,0805 mtawalia. Katika akaunti 50 zenye betweenness ya juu zaidi katika kipindi hicho, #MAGA ilionekana katika akaunti 26 na #ImWithHer katika akaunti 5 pekee. Tafsiri ya waandishi ni kwamba ujumbe wa mrengo wa kulia wa kisiasa katika mtandao ulikuwa umeratibiwa zaidi na wenye msongamano mkubwa zaidi wa kimuundo kuzunguka hashtag za pamoja.

Hata hivyo, umarkazi wa mtandao, msongamano wa retweet au kuonekana kwa hashtag kwa pamoja hauonyeshi moja kwa moja kwamba mpiga kura alishawishiwa kweli, tabia ya kupiga kura ilibadilika au kundi fulani la kisiasa liliungwa mkono zaidi katika idadi ya watu. Kitabu si jaribio linalodhibitiwa la ushawishi wa kisiasa. Vipimo vilivyochunguzwa hupima mwonekano wa kimuundo, msongamano wa viungo na nafasi katika mzunguko wa taarifa ndani ya mtandao wa Twitter.

Sehemu ya uchumi wa kisiasa ya kitabu inajadili jinsi umiliki, matangazo, matumizi ya vyanzo, “flak” na vichujio vya kiitikadi katika modeli ya propaganda ya Edward S. Herman na Noam Chomsky vinavyoweza kurekebishwa kwa mazingira ya majukwaa ya mtandaoni. Waandishi wanasema kwamba mitandao ya kijamii inaweza kuimarisha harakati za kijamii zinazojipanga kutoka chini kwenda juu; lakini mitandao hiyo hiyo inaweza kuelekezwa kwa njia ya bandia kupitia bot, mashamba ya troll, mifumo ya kulipia kutazamwa/kupendwa, mkusanyiko wa majukwaa na taarifa potofu. Kwa hiyo, hitimisho kuu la kitabu si kwamba “mitandao ya kijamii huleta haki ya kijamii” au “mitandao ya kijamii huzuia haki ya kijamii”; bali ni kwamba nguvu ya mawasiliano ya mtandaoni inategemea uhusiano kati ya muundo wa mtandao, umoja wa ujumbe, motisha za kiuchumi, utawala wa jukwaa na uwezo wa udanganyifu.

Tatizo kuu la utafiti wa kitabu

Kitabu kinaanzia katika mvutano huu wa msingi: mitandao ya kijamii inaweza kuwapa watu na harakati za kijamii zenye ufikiaji mdogo wa vyombo vya habari vya jadi uwezo wa kuchapisha moja kwa moja, kujenga mitandao na kusimulia hadithi. Miundombinu hiyo hiyo ya kiufundi pia inaweza kutumiwa na makundi ya chuki, kampeni za kisiasa, mitandao ya troll, akaunti za bot, wahusika wa upotoshaji wa habari na mifumo ya kibiashara ya mwonekano.

Kwa hiyo, swali la utafiti si tu “je, mitandao ya kijamii ni ya manufaa kwa harakati za haki ya kijamii?” Swali pana zaidi ni hili: Katika mitandao ya mtandaoni, nguvu ya mawasiliano hujikita kwa nani, ni ujumbe gani unaounganishwa na kupata mwonekano, na muundo wa kisiasa-kiuchumi wa majukwaa ya mitandao ya kijamii huundaje mchakato huu?

Waandishi hawakulishughulikia tatizo hili kwa tafsiri ya maandishi pekee; waliibua kwa njia ya kimahesabu mitandao ya Twitter, wakachunguza viungo vya tweet-retweet, wakafuatilia mwonekano wa hashtag kwa muda, wakalinganisha vipimo vya umarkazi, wakaondoa nodi kuu katika baadhi ya mitandao ili kuona jinsi muundo unavyobadilika, na kisha wakatafsiri matokeo haya katika muktadha wa mjadala wa kimaelezo na uchumi wa kisiasa.

Tabaka nne za mfumo wa uchambuzi

Data ya Twitter ilichakatwaje?

Katika tafiti za Ferguson na 2016, hashtag na maneno maalumu yalitolewa kutoka kwenye hifadhi ya kihistoria ya Twitter kwa kutumia Python 2.7. Matokeo yalihifadhiwa kama faili tambarare za JSON kwa kila siku na kubadilishwa kuwa miundo miwili kuu ya data.

Muundo wa kwanza wa data unawakilisha mahusiano ya tweet-retweet. Watumiaji ni nodi; mtumiaji mmoja anaporetweet mtumiaji mwingine, kiungo huundwa kati yao. Maelezo kama maandishi ya tweet na muda huhifadhiwa kwa uchambuzi wa baadaye.

Muundo wa pili wa data hutengeneza takwimu elekezi kwa istilahi za utafutaji. Hashtag au maneno yanaweza kupangwa kulingana na sifa kama hali ya tweet/retweet ya awali, saa na siku ya wiki.

Katika uonyeshaji wa mitandao, D3.js force-directed graph iliyorekebishwa ilitumika, huku crossfilter.js na dc.js zikitumika katika tabaka la kuchuja na mwingiliano. Katika uchakataji wa data za 2020, mbinu hii ya msingi ilihamishwa hadi Python 3.6.

Kisa cha Ferguson: hashtag ilibadilikaje kutoka lebo ya tukio hadi mfumo binafsi?

Waandishi walichunguza hifadhi ya kihistoria ya Twitter inayohusiana na #BLM katika kipindi cha miezi minne kilichoanza mara tu baada ya Michael Brown kuuawa Agosti 2014 na kuendelea hadi baada ya uamuzi wa kutomshtaki Darren Wilson.

Katika wimbi la kwanza, majina ya watu kama #MikeBrown na #MichaelBrown pamoja na viashiria vya tukio/eneo kama #Ferguson vilionekana zaidi. Hashtag hizi zilikuwa na kazi ya kueleza moja kwa moja nani, wapi na nini kuhusu tukio.

Baadaye, lebo za dhana kama #IfTheyGunnedMeDown zilipata mwonekano. Katika hashtag hii, watumiaji waliweka picha zao mbili tofauti kando kwa kando na kuuliza ni picha gani media ingeichagua ikiwa wangeuawa katika tukio la polisi. Waandishi wanatafsiri hili kama mpito kutoka tukio moja kwenda kwenye mfumo mpana zaidi wa rangi, uwakilishi na media.

Kufikia Novemba 2014, mifumo iliyobinafsishwa kama #IfTheyGunnedMeDown na #ICantBreathe pamoja na hashtag za kiitikadi kama #BlackLivesMatter zilianza kuzidi lebo za moja kwa moja za tukio kama #MikeBrown. Matukio ya baadaye, kama kifo cha Eric Garner na uamuzi wa kisheria kuhusu Darren Wilson, yalichangia kuunganisha mitandao ya hashtag ambayo hapo awali ilionekana kutenganishwa.

Je, Umarkazi wa Mtandao Katika Mitandao ya Kijamii ni Sawa na Nguvu ya Ushawishi wa Kisiasa?

Hapana. Degree na betweenness centrality huonyesha jinsi akaunti ilivyounganishwa ndani ya mtandao unaochunguzwa au kiwango ambacho iko katika nafasi ya daraja kati ya nodi tofauti; hazipimi moja kwa moja kwamba maoni ya wapiga kura yamebadilika, chaguo lao la kura limeathiriwa au ujumbe wa kisiasa umekubaliwa kuwa sahihi. Kwa hiyo, matokeo ya mitandao ya 2016 na 2020 katika kitabu ni ushahidi wa mwonekano wa kimuundo na uratibu, si kipimo cha kisababishi cha ushawishi wa kisiasa.

Degree centrality hutafsiriwaje?

Degree centrality huonyesha msongamano wa viungo vya nodi katika mtandao. Katika muktadha wa utafiti huu, akaunti ya Twitter yenye degree kubwa ina viungo na mwingiliano wenye msongamano mkubwa zaidi katika mtandao wa tweet-retweet unaochunguzwa.

Katika kipindi cha 25–27 Septemba 2016, kwa mujibu wa Figure 6.9 ya chanzo, thamani za juu zaidi za degree ni hizi:

Katika chanzo, sehemu kubwa ya akaunti 10 za kwanza kwa degree zimeainishwa kiutendaji kuwa za kumuunga mkono Trump au za mrengo wa kulia wa kisiasa. Uainishaji huu ni mfumo wa usimbaji wa utafiti wa waandishi: “right-leaning” inajumuisha akaunti zinazomuunga mkono Trump au kuchapisha maudhui dhidi ya Clinton, Chama cha Democratic au Obama; “left-leaning” inajumuisha akaunti zinazomuunga mkono Clinton au zilizo na msimamo mkali dhidi ya Trump.

Betweenness centrality huonyesha nini?

Betweenness centrality kwa dhana huonyesha kiwango ambacho nodi hufanya kazi ya daraja katika njia zinazounganisha maeneo tofauti ya mtandao au makundi ya watumiaji. Thamani kubwa ya betweenness haimaanishi tu kuwa akaunti ina viungo vingi; inaweza kuwa na nafasi ya kimkakati katika kuunganisha sehemu tofauti za mtandao.

Katika kipindi cha 25–27 Septemba, @realDonaldTrump ana betweenness = 0,0990 na @HillaryClinton ana 0,0805, wakiwa katika nafasi mbili za juu. Waandishi wanatafsiri ukweli kwamba akaunti nyingine nyingi za juu pia zinahusishwa na mrengo wa kulia wa kisiasa kama ishara ya muundo wa uratibu wenye msongamano mkubwa ndani ya mtandao huo huo.

Nini kilibadilika katika kipindi cha 6–8 Novemba 2016?

Katika sampuli ya 6–8 Novemba iliyokaribia siku ya uchaguzi, @realDonaldTrump alikuwa tena wa kwanza kwa degree = 0,0533. @DonaldJTrumpJr alikuwa wa pili kwa degree = 0,0327, na @HillaryClinton wa tatu kwa 0,0226.

Chanzo hapa kinaelekeza umakini katika ukweli kwamba akaunti zinazohusishwa na mrengo wa kulia wa kisiasa zilijitokeza tena kwa uthabiti katika nafasi za juu katika vipindi viwili tofauti vya tarehe. Waandishi wanatafsiri uthabiti huu kama ishara inayowezekana ya “umoja” au “cohesion” ya mtandao. Hata hivyo, hili si kipimo cha moja kwa moja cha umoja wa kiitikadi wa wapiga kura; ni uchambuzi wa muundo maalumu wa akaunti na retweet kwenye Twitter.

“Continent effect” ina maana gani?

“Continent effect” ni usemi wa kuona unaotumiwa na waandishi wa kitabu kuelezea jinsi akaunti na hashtag za pro-Trump zinavyounda kundi kubwa na lililounganishwa katika uonyeshaji wa mitandao wa 2016; si kipimo huru kilichosanifishwa cha mtandao wa kijamii.

Uchunguzi muhimu wa waandishi ni kwamba katika baadhi ya vipindi, hata kama idadi ya tweet za pro-Clinton ilikuwa kubwa zaidi, mtandao wa pro-Trump ulikusanyika kwa msongamano mkubwa zaidi. Kwa hiyo, idadi ghafi ya ujumbe na mpangilio wa kimuundo wa mtandao si kigezo kimoja.

Kuonekana kwa hashtag kwa pamoja kulionyesha nini?

Wakati akaunti 50 zenye betweenness ya juu zaidi katika kipindi cha 25–27 Septemba 2016 zilipochunguzwa, Figure 6.17 ya chanzo ilitoa jumla zifuatazo:

Chanzo pia kinabainisha kwamba #MAGA ilitumiwa pamoja na hashtag nyingine mara nyingi zaidi kuliko #ImWithHer. Ukweli kwamba hashtag mbili zilizotokea pamoja na #ImWithHer ni #MAGA na #TrumpTrain, ambazo zilifanyiwa usimbaji kama zenye mwelekeo wa kulia, unahusishwa na mjadala wa waandishi kuhusu hashtag “hijacking” au mkakati wa kuingia katika mkondo wa hashtag wa upande pinzani.

Hashtag Hijacking Ni Nini na Ilitumika Vipi Katika Kitabu Hiki?

Hashtag hijacking ni kutumia kwa makusudi mkondo wa hashtag uliokuwa umefanywa kuwa unaonekana na taasisi, harakati au jumuiya nyingine ili kuingiza ujumbe tofauti katika eneo lilelile la utafutaji na mwingiliano. Katika kitabu, matumizi ya #HottestCollegeInAmerica ya University of Cincinnati pamoja na #theIrate8 na kundi la Irate 8 huko Cincinnati yanaelezwa kama mfano wa makusudi uliobeba ujumbe wa haki ya kijamii wa kundi hilo hadi katika mkondo wa kidijitali wa chuo uliokuwa unaonekana zaidi, wakati kundi hilo bado halikuwa na akaunti thabiti ya kitaasisi.

Wanachama wa Irate 8 awali walichapisha kwa uratibu kutoka akaunti binafsi na kutumia hashtag #theIrate8 pamoja na hashtag maarufu ya chuo #HottestCollegeInAmerica. Katika mahojiano, Brittany Bibb alisema wazi kwamba matumizi haya yalikuwa ya makusudi. Baadaye shirika liliunda akaunti yake ya Twitter na kuendeleza mbinu iliyoratibiwa zaidi miongoni mwa wanachama kuhusu kupenda, kutoa maoni na kuretweet machapisho fulani.

Kitabu hakitazami hashtag hijacking kama mbinu ya makundi ya haki ya kijamii pekee. Katika uchambuzi wa uchaguzi wa 2016, baadhi ya akaunti zenye mwelekeo wa kulia zilionekana kutumia hashtag zinazohusishwa na upande pinzani, kama #ImWithHer, pamoja na ujumbe wao wenyewe. Kwa hiyo, mbinu hiyo hiyo ya mtandao inaweza kutumiwa kwa uanaharakati wa kutoka chini kwenda juu na pia kwa mkakati wa mwonekano wa kisiasa unaopingana.

Utafiti wa kisa wa Cincinnati: tofauti kati ya mitandao ya kijamii na media za jadi

Baada ya Sam DuBose kuuawa mwaka 2015, waandishi walifanya mahojiano ya kina na waandaaji wawili wa haki ya kijamii ili kuchunguza mikakati ya mitandao ya kijamii ya makundi kama Black Lives Matter Cincinnati na Irate 8, na pia walifanya utafutaji wa Boolean wa maneno muhimu katika tovuti za media za eneo.

Misemo iliyotafutwa:

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

Maandishi ya mbinu katika chanzo yanaeleza kipindi cha utafutaji kuwa Julai 2015–Novemba 2016. Mashirika yaliyochunguzwa ni The Cincinnati Enquirer, CityBeat, WXIX-TV na WCPO-TV. Cincinnati Herald pamoja na WKRC-TV na WLWT-TV hayakujumuishwa katika uchambuzi kwa sababu ya uwezo mdogo wa utafutaji kwenye tovuti zao.

Waandishi walisoma jumla ya habari 269 na pia kutathmini muktadha wa maudhui. Magazeti The Enquirer na CityBeat yalitofautisha shirika la eneo la “Black Lives Matter Cincinnati” na usemi wa jumla “Black Lives Matter” mara nyingi zaidi kuliko mashirika ya televisheni. Irate 8, kwa upande mwingine, ilitajwa mara tano tu kwa jumla katika mashirika manne.

Kuna kutokulingana muhimu kwa tarehe ndani ya chanzo. Aya ya mbinu inaeleza utafutaji kuwa Julai 2015–Novemba 2016, ilhali kichwa cha Figure 4.1 kinaandika Julai 2016–Novemba 2016. Data ya jedwali haijabadilishwa, na tarehe sahihi haijakisiwa na sisi.

Mahojiano na wanaharakati yalionyesha nini?

Mahojiano na viongozi wa Black Lives Matter Cincinnati yanaonyesha kwamba mitandao ya kijamii iliwapa kundi uwezo wa kutoa taarifa moja kwa moja kwa jina lao na kudhibiti ujumbe wao kuhusu watu au vitendo ambavyo walihisi vilihusishwa nao vibaya katika mashirika ya habari ya jadi.

Kwa upande mwingine, mitandao ya kijamii peke yake haifiki kila hadhira lengwa. Mahojiano yalisisitiza hasa uwepo wa watu katika jamii zenye kipato cha chini ambao hawana simu, kompyuta au intaneti ya nyumbani. Kwa hiyo, waandishi wanasema kuwa uanaharakati wa haki ya kijamii haupaswi kutenganishwa na masuala mapana ya mageuzi ya media kama ufikiaji wa kidijitali, miundombinu ya broadband, net neutrality na faragha.

Wanaharakati pia walieleza kukumbana na vitisho, ujumbe wa chuki na unyanyasaji katika akaunti zao za mitandao ya kijamii. Hivyo, jukwaa linaweza kuwa kwa wakati mmoja chombo cha kujieleza na kuunganishwa moja kwa moja na pia njia ya uhamasishaji pinzani na mashambulizi.

Social media mobbing

Katika kitabu, “social media mobbing” inaelezwa kama hali ambapo idadi kubwa ya watumiaji hukusanyika kwenye majukwaa ya kijamii kuzunguka mtu au mada na kukandamiza eneo la mjadala kwa matusi, mabishano, vitisho au bombardment ya meme.

Waandishi wanajadili jambo hili kupitia Leslie Jones, kisa cha Cincinnati Zoo/Harambe na visa vingine, na kupendekeza kwamba mjadala wa mtandaoni unaweza kukua kwa wingi huku ubora wa mjadala wa umma ukipungua. Hata hivyo, ni muhimu pia kwamba ulinganisho kati ya Harambe na visa vingine vya kifamilia haukuwa jaribio la takwimu lililodhibitiwa. Waandishi wenyewe wanasema ni vigumu kupima kwa uhakika tofauti za mwitikio wa kirangi kwa kiasi.

“Knockout experiment” ya 2016 ilikuwa nini?

Uchambuzi unaoitwa “knockout experiment” katika chanzo unatumia mfano wa kuondoa jeni katika biolojia. Watafiti waliondoa nodi muhimu kutoka kwenye uonyeshaji wa mtandao mkubwa wa Twitter na kutazama jinsi muundo wa mtandao ulivyobadilika.

Lengo lilikuwa kuchunguza kiwango ambacho akaunti inachangia ukamilifu wa kimuundo wa mtandao. Waandishi waliona kwamba hata baada ya kuondoa akaunti moja kuu katika mtandao wa pro-Trump, mitandao midogo mbalimbali kama bfraser747, TeamTrump na USA4TRUMP iliendelea kuwepo na walitafsiri hili kama ishara ya uimara wa kimuundo wa mtandao.

Mbinu hii si jaribio linalobadilisha tabia halisi ya watumiaji. Ni ulinganisho wa uonyeshaji wa mtandao unaofanywa kwa kuondoa nodi kwa njia ya uchambuzi kutoka kwenye seti ya data.

Mbinu na Matokeo ya Utafiti

Seti ya data ya Ferguson 2014

Chanzo kilitoa tweet zinazohusiana na #BLM kutoka hifadhi ya kihistoria ya Twitter ya chanzo huria katika kipindi cha Agosti–Desemba 2014 na kujenga mtandao unaoonyesha jinsi watumiaji walivyojibizana/kuretweet.

Programu ya utoaji ya Python 2.7 ilitafuta hashtag na maneno yaliyobainishwa; data ikahifadhiwa kwa kila siku katika JSON. Katika muundo wa mtandao, watumiaji waliwakilishwa kama nodi na retweet kama viungo.

Kiolesura elekezi kilitengeneza maoni manne makuu ya data:

1. Grafu ya marudio ya hashtag/muda ya Agosti 2014.
2. Mgawanyo wa tweet kwa saa wa Agosti 2014.
3. Grafu ya marudio ya hashtag/muda ya Novemba–Desemba 2014.
4. Mgawanyo wa tweet kwa saa wa Novemba–Desemba 2014.

Matokeo makuu ya kimaelezo ni kwamba, ingawa majina ya watu/maeneo yalitawala katika wimbi la kwanza, kwa muda hashtag zilizoonyesha uzoefu binafsi na mfumo wa kiitikadi zikawa sehemu muhimu zaidi za mtandao.

Seti ya data ya uchaguzi wa 2016

Uchambuzi mdogo wa kina katika sehemu ya 2016 haukutumia data yote ya Twitter. Chanzo kinaeleza wazi kuwa kilichunguza sampuli ya %1 ya data katika vipindi viwili vya tarehe:

• 25–27 Septemba 2016
• 6–8 Novemba 2016

Uchambuzi mitatu ulifanywa:

1. Degree na betweenness centrality za akaunti muhimu.
2. Kuonekana kwa hashtag kwa pamoja katika kundi lenye degree/betweenness ya juu zaidi.
3. Ulinganisho wa knockout ambapo nodi muhimu za mtandao ziliondolewa kwa njia ya uchambuzi.

Makundi ya “right-leaning” na “left-leaning” ya waandishi ni misimbo ya kiutendaji iliyoundwa kwa madhumuni ya utafiti. Kundi la kulia linajumuisha ujumbe wa kumuunga mkono Trump na ujumbe dhidi ya Clinton/Democrat/Obama; kundi la kushoto linajumuisha ujumbe wa kumuunga mkono Clinton au wenye upinzani mkubwa dhidi ya Trump.

Chanzo kinatoa hitimisho gani la kimuundo kuhusu 2016?

Katika tathmini ya chanzo, mitandao ya pro-Trump ilirudia kwa uthabiti zaidi hashtag zilezile na akaunti kuu, huku mtandao wa pro-Clinton ukionyesha muundo uliotawanyika zaidi. Kwa hiyo, waandishi wanapendekeza kuwa kunaweza kuwa na uhusiano kati ya umoja wa ujumbe na mwonekano katika mtandao.

Hata hivyo, neno “wenye ufanisi zaidi” halipaswi kufasiriwa kisababishi kwa kuangalia tu matokeo ya uchaguzi. Chanzo kinaona ufanano kati ya sifa za kimuundo za mitandao ya Twitter na mafanikio mapana ya kampeni ya kisiasa; hakitoi jaribio la ushawishi katika kiwango cha mtumiaji wala modeli ya mabadiliko ya kura.

Data ilichaguliwaje katika uchambuzi wa 2020?

Katika sehemu ya 2020, mbinu kuu ya kutoa data ilitekelezwa kwa Python 3.6. Watafiti awali walipanga kuunda madirisha matatu ya matukio:

• 13–17 Machi 2020 baada ya Breonna Taylor kuuawa.
• 5–9 Mei 2020 baada ya video ya Ahmaud Arbery kuchapishwa.
• 26–30 Mei 2020 baada ya George Floyd kuuawa.

Hata hivyo, kwa sababu hakukuwa na shughuli ya Twitter yenye ukubwa unaolinganishwa katika kipindi cha Machi, mtandao huo haukutumiwa kwa namna ileile. Data ya siku tano baada ya kifo cha Floyd ilikuwa kubwa mno kwa uonyeshaji, hivyo watafiti walipunguza uchambuzi wa mtandao hadi siku mbili, 26–27 Mei.

Uamuzi huu ni muhimu kimetodolojia. Picha za 2020 haziwakilishi ulimwengu mzima wa Twitter wa majira yote ya maandamano, bali madirisha ya tarehe ambayo watafiti waliweza kuchakata kiufundi na kuyachagua kwa ulinganisho.

Muundo wa hashtag ulibadilikaje mwaka 2020?

Tarehe 5 Mei 2020, mtandao wa #AhmaudArbery ulikuwa umetawala katikati. Kufikia 9 Mei, hashtag nyingine kama #SeanReed, #SayHerName, #JusticeForBreonnaTaylor na #BlackLivesMatter zilionekana zaidi.

Katika mtandao wa 26 Mei baada ya kifo cha George Floyd, #GeorgeFloyd ilitawala. Tarehe 27 Mei, #BlackLivesMatter ilipita #GeorgeFloyd huku mifumo mipana ya haki ya kijamii kama #JusticeForGeorgeFloyd, #ICantBreathe, #SayHisName na #PoliceBrutality pia ikionekana katika mtandao.

Waandishi wanatafsiri mpito huu kama uundaji wa haraka wa mfumo wa kimtandao kutoka majina ya wahanga binafsi kwenda simulizi pana la haki ya kijamii.

Mitandao ya kisiasa inayopingana mwaka 2020

Kitabu kinachambua data ya 2020 kwa makundi matatu mapana ya hashtag:

Kulingana na hitimisho la waandishi, mada za haki ya kijamii zilitawala mwaka 2020 kwa idadi na utofauti wa mada. Hata hivyo, mtandao wa mrengo wa kulia unaopingana kisiasa, hata ukiwa na akaunti na hashtag chache zaidi, ulionyesha muundo wenye mshikamano wa kisiasa wa juu zaidi. Kauli hii ni tafsiri ya kitabu kuhusu mitandao ya Twitter katika vipindi mahususi vya tarehe; si kipimo cha tabia ya jumla ya wapiga kura wa Marekani.

Mbinu ya Uchumi wa Kisiasa Inaeleza Nini Katika Kitabu Hiki?

Mbinu ya uchumi wa kisiasa ya kitabu haielezi ni ujumbe gani utaonekana katika mitandao ya kijamii kwa uchaguzi wa watumiaji binafsi pekee, bali huuchunguza pamoja na hali za kimuundo kama umiliki wa jukwaa, modeli ya matangazo, motisha za kibiashara, nguvu ya vyanzo vya habari, shinikizo lililopangwa, mitandao ya bot/troll na mifumo ya kiitikadi. Waandishi, wanapobadilisha modeli ya propaganda ya Herman na Chomsky kwa mazingira ya kidijitali, wanahifadhi kwa makusudi tofauti kwamba modeli hiyo inaeleza nguvu zinazounda muundo wa media lakini haithibitishi kwamba ujumbe mahususi lazima uwe na athari kwa maoni ya umma.

Vichujio vitano vya modeli ya propaganda

Katika modeli ya kawaida ya Herman na Chomsky kuna vichujio vitano:

1. Umiliki: Maslahi ya kiuchumi/kitaasisi ya mashirika makubwa ya media yanayolenga faida.
2. Matangazo: Jukumu la kimuundo la ufadhili wa matangazo katika maudhui na ufikiaji.
3. Matumizi ya vyanzo: Utegemezi wa mashirika ya habari kwa vyanzo vya kawaida vinavyochukuliwa kuwa “vyenye mamlaka”.
4. Flak: Shinikizo na mwitikio wa kisiasa au kiuchumi uliopangwa dhidi ya maudhui ya media.
5. Itikadi: Katika modeli ya kawaida, kupinga ukomunisti; katika mjadala wa baadaye, mifumo ya kiitikadi inayounga mkono ubepari.

Blevins na Lee wanasema kwamba vichujio hivi havifanyi kazi kwa namna ileile kabisa katika mitandao ya kidijitali; lakini vinachukua maumbo mapya kupitia mkusanyiko wa umiliki, matangazo na uchumi wa umakini, umaarufu bandia kwa bot, kuongezeka kwa vyanzo vya taarifa potofu na uwezekano wa kutumia mjadala wa “fake news” kudhoofisha uaminifu wa uandishi wa habari unaotegemewa.

Kwa nini umaarufu bandia ni tatizo la uchumi wa kisiasa?

Kitabu kinasisitiza kwamba mwonekano wa mitandao ya kijamii hauwakilishi kila wakati maslahi ya asili ya binadamu. Akaunti za bot, huduma za kununua likes/views, mitandao ya troll iliyoratibiwa na mbinu za hashtag hijacking zinaweza kufanya ujumbe uonekane mkubwa kuliko uungwaji mkono wake halisi wa msingi.

Kwa mtazamo wa uchumi wa kisiasa, tatizo si uwepo wa ujumbe usio sahihi pekee; ni kwamba muundo wa uchumi wa jukwaa unaozawadia umakini, mwingiliano na ufikiaji unaweza kuunganishwa na shughuli bandia za mtandao.

Matumizi ya vyanzo hubadilikaje katika mazingira ya kidijitali?

Katika uandishi wa habari wa jadi, “sourcing” humaanisha utegemezi wa mwanahabari kwa taasisi zenye nguvu na vyanzo rasmi ili kupata taarifa. Kitabu kinasema kwamba katika mitandao ya kijamii hali hii imekuwa ya pande mbili.

Kwa upande mmoja, bot na mifumo ya mwingiliano bandia inaweza kutengeneza mwonekano wa umaarufu wa chanzo fulani. Kwa upande mwingine, watumiaji wa kawaida huchangia moja kwa moja katika kukuza mwonekano wa chanzo fulani kwa kupenda, kuretweet na kushiriki.

Katika utafiti mwingine uliotajwa na chanzo, zaidi ya tweet milioni 10 kutoka akaunti 70.000 za Twitter katika mwezi mmoja kabla ya uchaguzi wa 2016 zilichunguzwa, na iliripotiwa kwamba tweet milioni 6,6 ziliunganisha kwa wachapishaji wa habari bandia au habari za njama; %65 ya viungo vya habari bandia vilielekea kwenye tovuti 10 pekee. Idadi hii si seti ya data ya Twitter ya Blevins na Lee wenyewe, bali ni utafiti wa nje walioutumia katika mjadala wa uchumi wa kisiasa.

Uhusiano kati ya fake news na “flak”

Waandishi wanasema kwamba dhana ya flak katika modeli ya propaganda inaweza kuwa na kazi pana zaidi katika mazingira ya kidijitali kuliko ukosoaji unaolenga shirika la media pekee. Neno “fake news” linaweza kutumiwa kueleza taarifa ya kweli isiyo sahihi, lakini pia linaweza kutumiwa kudhoofisha uaminifu wa uandishi wa habari usiotakikana au wa kukosoa.

Kwa hiyo, kitabu kinasema kwamba katika mazingira ya post-truth tatizo si kiasi cha habari isiyo sahihi pekee; jinsi uaminifu wa chanzo cha taarifa unavyotathminiwa pia umekuwa eneo la mapambano ya kisiasa.

Ukosoaji wa “marketplace of ideas” katika kitabu

Katika jadi ya uhuru wa kujieleza ya Marekani, wazo kwamba suluhisho kwa mawazo yasiyo sahihi ni mazungumzo mengi zaidi na sahihi zaidi mara nyingi huelezwa kwa sitiari ya “marketplace of ideas”. Kitabu kinajadili kwamba kutokana na bot, mitandao iliyoratibiwa, mwonekano bandia na dezinformation katika mazingira ya mitandao ya kijamii, dhana kwamba ukweli utashinda kiotomatiki kwa kuzalisha mazungumzo zaidi inaweza kuwa na matatizo.

Sehemu hii haitoi kipimo cha kiempiria cha “ukweli umeshindwa”. Ni tafsiri ya kinadharia iliyotengenezwa na waandishi katika mfumo wa uchumi wa kisiasa na epistemolojia.

Hitimisho zinazoungwa mkono na kitabu

• Twitter iliwapa wahusika wa haki ya kijamii katika kipindi cha Ferguson njia muhimu ya kusambaza hadithi na mifumo yao nje ya media za jadi.
• Katika mtandao wa Ferguson, kulikuwa na mabadiliko yanayoonekana ya mjadala kwa muda kutoka majina ya watu/maeneo kwenda hashtag zilizo za kidhana zaidi na zilizobinafsishwa.
• Katika sampuli za Twitter za 2016 zilizochunguzwa, akaunti zilizoainishwa kuwa za kumuunga mkono Trump ziliunda mtandao wenye msongamano mkubwa, unaojirudia na uliounganishwa zaidi kwa upande wa umarkazi na matumizi ya hashtag za pamoja.
• #MAGA ilionekana katika akaunti 26 kati ya akaunti 50 zenye betweenness ya juu zaidi katika sampuli ya 25–27 Septemba 2016; #ImWithHer ilionekana katika 5.
• Utafiti wa kisa wa Cincinnati unaonyesha kwamba mitandao ya kijamii iliwapa wanaharakati wa eneo uwezo wa kuchapisha taarifa zao moja kwa moja, lakini ukosefu wa usawa katika ufikiaji wa kidijitali na unyanyasaji wa mtandaoni uliweka mipaka muhimu.
• Katika mitandao iliyochunguzwa mwaka 2020, kulikuwa na mpito wa haraka kutoka majina ya wahanga binafsi kwenda mifumo mipana ya haki ya kijamii kama #BlackLivesMatter na #ICantBreathe.
• Katika nyakati muhimu zilizochunguzwa mwaka 2020, mada za haki ya kijamii zilikuwa na nguvu kwa idadi na utofauti, lakini mitandao ambayo waandishi waliainisha kama ya mrengo wa kulia wa kisiasa ilionyesha umoja wa kisiasa wenye msongamano mkubwa zaidi licha ya kuwa midogo.
• Mwonekano wa mitandao ya kijamii si matokeo ya shughuli za asili za watumiaji pekee; bot, troll, mwingiliano wa kulipia na shughuli za mitandao iliyoratibiwa zinaweza kubadilisha muundo wa mwonekano.

Hitimisho ambazo kitabu hakiungi mkono

• Umarkazi katika mtandao wa Twitter hauthibitishi kwamba mgombea alisababisha matokeo ya uchaguzi.
• Kuonekana kwa #MAGA kwa pamoja kwa kiwango kikubwa katika mtandao hakupimi chaguo la kisiasa la idadi yote ya watu wa Marekani.
• Idadi ya retweet haimaanishi lazima kwamba ujumbe umeonekana kuwa sahihi au umeungwa mkono na mtumiaji.
• Uwepo wa bot au troll hauonyeshi kwamba maoni ya mtumiaji fulani yamebadilika.
• Mitandao ya Twitter ya 2014, 2016 na 2020 si kipimo cha moja kwa moja cha sasa cha algoriti au tabia ya watumiaji katika jukwaa la X la leo.
• Ulinganisho wa mitandao ya kulia na kushoto katika kitabu haumaanishi kwamba makundi yote ya kiitikadi yana muundo uleule wa mtandao katika kila kipindi.
• Mahojiano na wanaharakati wawili huko Cincinnati hayawakilishi uzoefu wa mashirika yote ya haki ya kijamii.
• Utafutaji wa maudhui ya media za eneo haujumuishi mashirika yote ya habari ya Cincinnati.
• Mbinu za propaganda na taarifa potofu zinazojadiliwa katika mfumo wa uchumi wa kisiasa wa kitabu hazitoi ukubwa wa athari ya moja kwa moja ya kisababishi kwa saikolojia au tabia ya kupiga kura ya mtu yeyote.

Vikwazo vikuu vya kimetodolojia

Kizuizi cha jukwaa: Jukwaa kuu la uchambuzi wa kiempiria wa mtandao ni Twitter. Facebook, YouTube na mitandao mingine hujitokeza zaidi katika mijadala ya kimuktadha.

Muktadha wa kihistoria: Madirisha makuu ya data ni 2014, 2016 na 2020. Muundo wa jukwaa, ufikiaji wa API, moderation na usambazaji wa kialgoriti vimebadilika kwa muda.

Kizuizi cha sampuli ya 2016: Uchambuzi wa kina wa uchaguzi unategemea sampuli ya %1 tu ya data ya Twitter katika madirisha mawili ya siku tatu.

Kizuizi cha render ya 2020: Kwa sababu mtandao wa siku tano baada ya Floyd ulikuwa mkubwa mno, data ya 26–27 Mei pekee ndiyo iliyoonyeshwa. Huu si mtandao kamili wa kipindi kizima cha maandamano.

Upeo wa media za eneo: Cincinnati Herald, WKRC-TV na WLWT-TV hazikujumuishwa katika uchambuzi wa maudhui ya media za eneo kwa sababu ya uwezo mdogo wa utafutaji wa wavuti.

Upeo wa mahojiano: Tafsiri ya kina ya eneo katika sehemu ya Cincinnati inategemea mahojiano na waandaaji wawili wa haki ya kijamii.

Usababishi: Uhusiano wa kisababishi kati ya umarkazi wa mtandao na mwonekano wa hashtag kwa ushawishi halisi wa kisiasa au tabia haukujaribiwa kwa njia ya majaribio.

Kizuizi cha usimbaji: Makundi ya “right-leaning” na “left-leaning” ni uainishaji wa kiutendaji wa watafiti unaotegemea maudhui ya tweet; haupimi wasifu kamili wa kiitikadi wa mtumiaji.

Kutokulingana kwa tarehe ndani ya chanzo: Utafutaji wa media za Cincinnati unaonekana kama Julai 2015–Novemba 2016 katika maandishi ya mbinu na Julai 2016–Novemba 2016 katika kichwa cha Figure 4.1.

Mchango wa jumla wa kisayansi wa kitabu

Mchango mkubwa zaidi wa monografia ni kwamba hauachi mjadala wa mitandao ya kijamii katika kiwango cha “wanaharakati wanaweza kutumia majukwaa”. Waandishi wanaunda uchambuzi wa tabaka nyingi unaoonyesha kwamba usanifu uleule wa jukwaa unaweza kutumiwa kwa wakati mmoja na harakati za kijamii, kampeni, uandishi wa habari, hotuba ya chuki, shughuli za troll, mitandao ya bot na mifumo ya kibiashara ya mwonekano.

Kwa hiyo, haitoshi kuelewa harakati za kijamii za mtandaoni kwa kuhesabu hashtag pekee. Ni lazima kutathmini pamoja ni nani anayeunganisha mtandao, ni hashtag zipi za pamoja zinazoimarisha ujumbe, ni kwa kiasi gani muundo hubadilika akaunti kuu zinapoondolewa, simulizi la mitandao ya kijamii linahamiaje kwenye habari za jadi, na motisha za kiuchumi za jukwaa zina nafasi gani katika mwonekano.

Maelezo ya Chanzo na Mbinu

Kazi asilia: Social Media, Social Justice and the Political Economy of Online Networks

Waandishi: Jeffrey Layne Blevins na James Jaehoon Lee.

Aina ya chanzo: Monografia ya utafiti wa kitaaluma / kitabu cha kitaaluma cha ufikiaji wazi.

Hali ya mapitio: Mkusanyiko rasmi wa ufikiaji wazi wa University of Cincinnati Press unaeleza kwamba vitabu vyake vya ufikiaji wazi ni peer reviewed na faculty board approved; kazi hii pia imeorodheshwa katika mkusanyiko huo.

Mchapishaji: University of Cincinnati Press, Cincinnati, Ohio, Marekani.

Tarehe ya hakimiliki ya PDF ya chanzo: 2021.

Maelezo ya toleo la bibliografia: Baadhi ya rekodi za sasa za mchapishaji na katalogi zinaorodhesha toleo la uchapishaji/usambazaji kama 2022. Ukurasa wa hakimiliki wa PDF ya chanzo yenyewe una 2021; tarehe hizi mbili hazijaunganishwa kimya kimya.

ISBN ya ufikiaji wazi: 978-1-947602-86-1.

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

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

DOI: PDF iliyopakiwa haina DOI kamili ya kitabu inayoweza kuthibitishwa; kwa hiyo DOI haijakisiwa.

Hali ya ufikiaji wazi: PDF ya chanzo inaeleza kwamba ilitolewa kwa ufikiaji wazi kwa msaada wa TOME — Toward an Open Monograph Ecosystem.

Maelezo ya leseni: Hakuna msimbo mahususi wa Creative Commons ulioandikwa katika taarifa za mwanzo za PDF ya chanzo. Metadata ya mradi mahususi kwa kichwa hicho katika University of Cincinnati Press Manifold inaonyesha kizuizi cha CC BY-NC-ND. Kwa hiyo, vielelezo vya chanzo havijanakiliwa moja kwa moja; data na mahusiano yameelezwa upya kwa michoro huru ya Verianla.

Taasisi ya mwandishi — Jeffrey Layne Blevins: University of Cincinnati; katika wasifu rasmi wa mchapishaji anatambulishwa kama mkuu wa Journalism Department wakati kitabu kilipochapishwa.

Taasisi ya mwandishi — James Jaehoon Lee: University of Cincinnati; anatambulishwa kama Digital Scholarship Center Director, Associate Dean of Research for Libraries na Associate Vice Provost for Digital Scholarship.

Corresponding author: Katika muundo wa monografia ya kitaaluma, PDF ya chanzo haitaji corresponding author maalumu.

Mchango sawa: PDF ya chanzo haina tamko la mchango sawa/uandishi wa kwanza sawa.

Ufadhili / msaada wa uchapishaji: Toleo la ufikiaji wazi lilifanywa lipatikane kwa msaada wa TOME — Toward an Open Monograph Ecosystem. Taarifa hii haijafasiriwa kuwa sawa na ruzuku ya mradi wa utafiti.

Mgongano wa maslahi: Hakuna tamko la mgongano wa maslahi katika muundo wa kawaida wa jarida katika taarifa za mwanzo/mwisho za monografia ya chanzo.

Data na rasilimali za kidijitali: Toleo la ufikiaji wazi la kitabu lilibuniwa pamoja na uonyeshaji shirikishi wa mitandao na seti za data za utafiti. Chanzo pia kinaeleza kwamba algoriti za machine learning/uchambuzi na zana za uonyeshaji zilizotumiwa zilifunguliwa kwa matumizi ya watafiti na wanafunzi katika jukwaa la cloud.

Mbinu kuu ya utafiti: Nadharia ya uchumi wa kisiasa + uchambuzi wa mitandao ya kijamii + uchambuzi wa kimahesabu wa hifadhi ya Twitter + uchambuzi wa hashtag/maandishi + mahojiano na wanaharakati + uchambuzi wa maudhui ya habari za eneo.

Kipindi cha data ya Ferguson: Agosti–Desemba 2014; hifadhi ya kihistoria ya Twitter inayohusiana na #BLM.

Uchakataji wa data ya Ferguson: Python 2.7; flat JSON ya kila siku; nodi za watumiaji; viungo vya retweet; D3.js force-directed graph; crossfilter.js; dc.js.

Sampuli ya kina ya uchaguzi wa 2016: %1 ya data ya Twitter katika vipindi vya 25–27 Septemba 2016 na 6–8 Novemba 2016.

Uchambuzi wa 2016: Degree centrality; betweenness centrality; kuonekana kwa hashtag kwa pamoja; ulinganisho wa kuondoa nodi kwa njia ya uchambuzi ambao waandishi waliuita “knockout experiment”.

Uchakataji wa data ya 2020: Python 3.6; toleo lililoboreshwa la mbinu ileile ya mtandao wa nodi–retweet.

Madirisha ya data ya 2020: Kwa Ahmaud Arbery 5–9 Mei 2020; kwa George Floyd 26–27 Mei 2020 kwa sababu ya ukubwa wa mtandao. Dirisha la Machi lililopangwa kwa Breonna Taylor halikutumiwa kwa namna ileile kwa sababu halikutoa shughuli ya mtandao inayolinganishwa.

Maudhui ya media za Cincinnati: The Cincinnati Enquirer, CityBeat, WXIX-TV na WCPO-TV. Kulingana na maandishi ya mbinu ya chanzo, Julai 2015–Novemba 2016.

Kutokulingana kwa tarehe ya Cincinnati ndani ya chanzo: Kichwa cha Figure 4.1 kinasema Julai 2016–Novemba 2016. Chanzo hakielezi tofauti hii.

Uchambuzi wa maudhui ya Cincinnati: Jumla ya habari 269; utafutaji wa Boolean wa wavuti na usomaji wa kimaelezo kwa istilahi Sam DuBose, Black Lives Matter, Black Lives Matter Cincinnati na Irate8.

Mfumo wa uchumi wa kisiasa: Urekebishaji wa kina wa modeli ya propaganda ya Edward S. Herman na Noam Chomsky kwa mazingira ya mitandao ya kidijitali; umiliki, matangazo, matumizi ya vyanzo, flak na vichujio vya kiitikadi.

Kizuizi kikuu cha usababishi: Umarkazi wa mtandao, msongamano wa hashtag na kuonekana kwa pamoja si vipimo vya moja kwa moja vya kisababishi vya ushawishi wa kisiasa au tabia ya kupiga kura.

Kizuizi cha ujanibishaji wa muda: Mitandao ya kiempiria inaakisi muundo wa Twitter katika vipindi vya 2014, 2016 na 2020; haitoi ushahidi wa moja kwa moja wa sasa kuhusu mfumo wa usambazaji wa kialgoriti wa jukwaa la X la leo.

Uundaji upya wa kuona: Mtiririko wa mbinu wa chanzo umejengwa upya kama inline SVG huru; idadi kamili za hashtag za Figure 6.17 zimejengwa upya kama jedwali la data na grafu huru ya nguzo ya SVG. Koordinati tata za force-directed za mtandao wa chanzo au picha za skrini hazijanakiliwa moja kwa moja.

Ufaafu wa Verianla Live: Unafaa. Mageuzi ya hashtag za Ferguson yanaweza kuwasilishwa kama Live Process yenye vigezo vilivyowekwa; idadi za umarkazi na kuonekana kwa hashtag kwa pamoja za 2016 kama Live Data/Live Compare; na mbinu kutoka hifadhi ya Twitter hadi JSON na uonyeshaji wa mtandao kama Live Process/Live Architecture. Si sahihi kisayansi kumruhusu mtumiaji kuongeza nodi au hashtag na kuzalisha “athari ya kisiasa”, uwiano wa kura au alama ya ushawishi mpya ambayo haipo katika chanzo.