توییتر به عنوان یک زیر ساخت اجتماعی میتواند ابزار بسیار مناسبی برای شکل گیری و حتی هدایت و مدیریت کنشهای اجتماعی باشد. نقش توئیتر در هماهنگ کردن معترضان و اطلاع رسانی سریع و بلادرنگ در انقلاب اخیر مصر شاهدی بر این مدعاست. در تحقیقی که قبلاً هم در موردش نوشته بودم و به تازگی به اتمام رسیده است، من و همکارانم به بررسی تاثیر کاربران توئیتر بر دیگران و عوامل تعیین کننده شدت این تاثیر پرداختهایم. در این تحقیق، حدود ۱۱۰ هزار توئیت با هشتگ Egypt را در فاصله زمانی ۲۲ ژانویه تا ۱۲ فوریه سال ۲۰۱۱ جمع کردیم.
ریتوییت شدن تویئتهای کاربران به عنوان یک پروکسی از میزان تاثیرگذاری آنها در توئیتر در نظر گرفتیم. به بیان دیگر، هر چقدر که توییتهای یک کاربر بیشتر توسط دیگر کاربران ریتوییت شود، تاثیر کاربر در فضای توییتر بیشتر است. این معیاری است که غالباً در تحقیقات مشابه در زمینه توییتر توسط دیگر پژوهشگران مورد استفاده قرار میگیرد. نکته جالب اینجاست که در بین حدود ۷۰۰۰ کاربری که در دادههای ما قرار داشتند، هیچ یک از پر تاثیرترین کاربران، مستقل نبودند. بدین معنا که حساب کاربری آنها یا متعلق به یک شبکه معتبر خبری مثل الجزیره و سیانان بود، یا کاربران نیمه مستقلی بودند که فعالیت آنها شدیداً توسط شبکههای معتبر خبری پوشش داده شده بود، مثل وائل غنیم.
میزان تاثیرگذاری ۱۰ کاربر پر تاثیر در طی بازه زمانی مورد بررسی را میتوانید در نمودار زیر ببینیند.
چیزی که در اینجا مهم است، این است که بر خلاف تصور عموم، تاثیر همه کاربران در شبکههای اجتماعی به یک اندازه نیست، و بدتر از آن، در فضای شبکههای اجتماعی، رسانههای معتبر و رسمی تاثیری بسیار بیشتر از کاربران عادی دارند. به بیان دیگر، دموکراسی و تساوی تاثیری که کاربران در شبکههای اجتماعی انتظار آنر دارند، تحقق نمیابد. ما دادههای خود را به ۴ بازه زمانی منطبق با رویدادهای مهم در جریان انقلاب مصر تقسیم کردیم. گراف شبکه بین کاربران بر اساس ریتوییتهای آنها در هر یک از بازههای زمانی به ترتیب در شکلهای زیرنشان داده شده است.اندازه گرهها بر اساس تعداد ریتوییتهایی است که دیگر کاربران از توییتهای یک کاربر خاص انجام دادهاند.
همانطور که پیداست، شبکهها در طی زمان فشردهتر شده و یک هسته مرکزی تشکیل میدهند، ضمن اینکه میزان تاثیرگذاری کاربران (متناسب با اندازه آنها) در طی زمان بیشتر میشود. کل دادهها را در ساختار پنل درآوردیم تا بتوانیم تاثیراتی این چنینی که در طی زمان متغیرند را بررسی کنیم. با استفاده از این ساختار دادهها، میتوانیم میزان تاثیرگذاری هر کاربر را به عنوان تابعی از تاثیروی در دورههای قبل، تعداد فالورها، مدت زمانی که در مورد مصر توئیت میکرده است، و همینطورEigenvector centrality هر کاربر که بر اساس شبکه اجتماعی تهیه شده از Mentionها در توئیتر محاسبه کردیم، مدل کنیم. تخمین مدل روش «تاثیرات تصادفی» (randm effects method) نتایج جالبی ارائه میدهد.
اول اینکه بر خلاف نتایج قبلی پژوهشگران، تعداد فالورها، تاثیر مستقیمی در میزان تاثیر یک کاربر دارد. بر اساس تحقیقات قبل از ما، رابطهای قوی بین تعداد فالورها و تاثیر کاربران در توئیتر وجود ندارد. نتایج ما دقیقاً بر خلاف این است. ما این نکته را نشان میدهیم که موضوع توئیت و فرد توئیت کننده در میزان تاثیر گذاری آن اهمیت زیادی دارد. به عنوان مثال اگر یک هنرپیشه در مورد یک رویداد هنری توئیت کند، تاثیر بسیار بیشتری خواهد داشت در مقایسه با زمانی که وی در مورد یک رویداد اقتصادی توئیت کند.
نکته جالبتر اینکه تعداد تویئتهای کاربر در میزان تاثیرگذاری وی بیاثر است. این نتیجه نیز بر خلاف تصور جاری است. آنچه که هم اکنون انتظار میرود این است که هر چقدر در توئیتر فعالتر باشیم و بیشتر توئیت کنیم، میتوانیم نقض پررنگ تری در توئیتر داشته باشیم. تحقیقات من و همکارانم این فرضیه را پشتیبانی نمیکند. به زبان خودمانی، مثال کم گوی و گزیده گوی در توییتر نیز صادق است.
اما از همه جالبتر، نقش Eigenvector centrality در شبکه Mention ها است. قبلا در مورد Eigenvector centrality توضیح دادهام. به بیان ساده، این معیار مرکزیت در شبکههای اجتماعی، میزان نزدیکی کاربران به دیگر کاربران پر نفوذ را نشان میدهد. ما شبکهای از کاربران بر اساس دفعاتی که به نام کاربری یکدیگر اشاره (mention) میکنند تهیه کردیم. در این شبکه، Eigenvector centrality بالاتر به این معنا است که به کاربر در توییتهای کاربران پر اشاره توسط دیگر کاربران، اشاره شده است. تاثیر این عامل بسیار بیشتر و قویتر از همه عوامل دیگر در اثرگذاری بر توییتر است.
بنابراین، اگر میخواهید تاثیر زیادتری در توییتر داشته باشید، اول از همه موضوعی را که فکر میکنید بیشتر در آن درگیرید انتخاب کنید و توئیتهای خود را محدود به آن موضوع کنید، فالورهای زیادی جذب کنید و سعی کنید به نوعی دیگر کاربران معروف به شما در توئیتهای خود اشاره کنند!
پستهای مشابه :
http://feeds.feedburner.com/riskpersia/jtZi
