Die sich entwickelnde Verbreitung von Informationen auf Twitter
Ein Blick darauf, wie Twitter die Verbreitung von Informationen heute verändert.
― 6 min Lesedauer
Inhaltsverzeichnis
Das Internet hat verändert, wie wir kommunizieren, und soziale Medien wie Twitter haben die Art und Weise, wie Informationen verbreitet werden, komplett umgekrempelt. Die traditionellen Vorstellungen darüber, wie Informationen zu den Leuten gelangen, passen nicht mehr zu diesen neuen Dynamiken. In diesem Artikel schauen wir uns an, wie Informationen auf Twitter verbreitet werden, und konzentrieren uns auf die verschiedenen Rollen, die Menschen in diesem Prozess spielen, wie Influencer und Meinungsführer.
Traditionelle Modelle der Informationsverbreitung
Vor vielen Jahren haben Forscher ein einfaches Modell entwickelt, um zu beschreiben, wie Informationen von Quellen zur breiten Öffentlichkeit gelangen. Dieses Modell schlug vor, dass Informationen in einem zwei-stufigen Prozess reisen: zuerst von einer Quelle zu Meinungsführern und dann von diesen zu einem breiteren Publikum. Zum Beispiel könnte ein Nachrichtenartikel von einer seriösen Quelle veröffentlicht werden, der dann von einem Meinungsführer geteilt wird, der die Informationen vereinfacht, bevor sie bei seinen Followern ankommen.
Allerdings haben die aktuellen Entwicklungen in den sozialen Medien dazu geführt, dass man erkannt hat, dass Informationen heute viel komplexer verbreitet werden. Die Leute können direkt auf Informationen von Quellen zugreifen, ohne durch Meinungsführer gehen zu müssen. Ausserdem können Informationen horizontal zwischen Einzelpersonen fliessen, was bedeutet, dass Menschen das, was sie lernen, untereinander teilen können, statt sich nur auf traditionelle Kanäle zu verlassen.
Die Rolle der Influencer
Eine neue Art von Akteuren ist in der Welt der Informationsverbreitung aufgetaucht: die Influencer. Influencer sind Leute, die sich auf sozialen Medien eine grosse Anhängerschaft aufgebaut haben und Trends und Meinungen schnell beeinflussen können. Im Gegensatz zu traditionellen Meinungsführern, die oft Fachwissen in bestimmten Bereichen haben, haben Influencer möglicherweise nicht unbedingt spezielles Wissen. Stattdessen gewinnen sie Einfluss durch ihre Fähigkeit, mit einem grossen Publikum zu kommunizieren.
Zum Beispiel konnten während der COVID-19-Pandemie Figuren wie Elon Musk die öffentliche Meinung durch ihre Reichweite in sozialen Medien beeinflussen, obwohl sie keine Experten in Gesundheitsfragen waren. Das hat zu einer neuen Art von Influencern geführt, die man als meinungsführende Influencer bezeichnet, die die Autorität traditioneller Meinungsführer mit der breiten Reichweite von Influencern kombinieren.
Methode und Datensammlung
Um zu verstehen, wie Informationen auf Twitter verbreitet werden, haben wir Tweets analysiert, die sich auf die US-Präsidentschaftswahlen 2020 bezogen. Unsere Datensammlung umfasste Millionen von Tweets, die Links zu verschiedenen Nachrichtenportalen enthielten. Wir haben uns auf Tweets konzentriert, die weit verbreitet wurden, um zu verfolgen, wie sich Informationen durch das Netzwerk der Nutzer bewegten.
Wir haben verschiedene Arten von Nutzern in diesem Netzwerk identifiziert, einschliesslich Quellen (Nachrichtenportale), Meinungsführer (informierte Personen oder Journalisten), Influencer (beliebte Figuren), meinungsführende Influencer (die sowohl Meinungsführer als auch Influencer sind) und Adopter (allgemeine Nutzer, die Informationen teilen).
Aufbau des Informationsflussnetzwerks
Wir haben ein Netzwerk aufgebaut, indem wir uns die Retweets angesehen haben, die Links zu Nachrichtenartikeln enthielten. Wir haben Verbindungen zwischen Nutzern erstellt, basierend darauf, wer wem retweetet hat. Jeder Nutzer bekam ein Gewicht basierend darauf, wie oft sie andere retweetet haben, was uns geholfen hat, zu sehen, wer einflussreicher beim Teilen von Informationen war.
Um sicherzustellen, dass unsere Verbindungen sinnvoll waren, haben wir unsere Links validiert, um uns nur auf statistisch signifikante Verbindungen zu konzentrieren und alle zufälligen oder unwichtigen zu entfernen. Dieser Prozess war entscheidend, um genau zu kartieren, wie Informationen auf Twitter zwischen den Nutzern verbreitet wurden.
Analyse der Netzwerkstruktur
Nachdem wir das Informationsflussnetzwerk aufgebaut hatten, haben wir Algorithmen verwendet, um die Struktur der Kommunikation zu erkunden. So konnten wir feststellen, wie viele Nutzer mit Quellen, Meinungsführern, Influencern und untereinander verbunden waren.
Unsere Analyse hat mehrere wichtige Ergebnisse ans Licht gebracht. Erstens greift eine signifikante Anzahl von Nutzern direkt auf Informationen von Quellen zu, ohne über Meinungsführer oder Influencer zu gehen. Das deutet darauf hin, dass viele Nutzer es vorziehen, Informationen direkt zu suchen, anstatt sich auf Zwischenhändler zu verlassen.
Zweitens haben wir festgestellt, dass Meinungsführer eine reduzierte Rolle bei der Informationsverbreitung im Vergleich zu Influencern und meinungsführenden Influencern hatten. Das deutet darauf hin, dass traditionelle Meinungsführer stark im Wettbewerb mit Influencern stehen, die sich an die Landschaft der sozialen Medien angepasst haben.
Unterschiede im Informationsfluss nach Ideologie
Wir haben auch untersucht, ob der Informationsfluss zwischen links- und rechtsgerichteten Quellen unterschiedlich war. In unseren Ergebnissen war der Unterschied in der Informationsverbreitung auffällig. Bei linksgerichteten Quellen floss die Information tiefer durch mehrere Schichten, während rechtsgerichtete Quellen eher einen oberflächlichen Informationsfluss hatten.
Zum Beispiel wurde im zweiten Schritt des Informationsflusses für linksgerichtete Quellen ein grösserer Prozentsatz an Knoten und Verbindungen gefunden im Vergleich zu rechtsgerichteten Quellen. Das zeigt, dass Informationen zu linksgerichteten Themen tendenziell häufiger und breiter innerhalb des Twitter-Netzwerks geteilt werden.
Im Kontext der rechtsgerichteten Quellen spielten Influencer eine bedeutende Rolle und machten viele Verbindungen im zweiten Schritt der Informationsverbreitung aus. Auf der anderen Seite hatten Meinungsführer in diesem Kontext einen minimalen Einfluss.
Aktive vs. Nicht-aktive Adopter
Wir haben zwischen zwei Arten von Adoptern unterschieden: aktiven und nicht-aktiven. Aktive Adopter setzen sich mit den Informationen, die sie erhalten, auseinander, indem sie sie retweeten oder mit anderen teilen, während nicht-aktive Adopter Informationen erhalten, ohne sie weiter zu teilen. Diese Unterscheidung beleuchtet, wie Informationen letztendlich das grössere Publikum erreichen.
Aktive Adopter machten einen erheblichen Teil des Netzwerks aus. Sie spielten eine wichtige Rolle im Informationsfluss und halfen, Inhalte weiter zu verbreiten. Im Gegensatz dazu wirkten nicht-aktive Adopter eher wie Informationssenken, die Inhalte absorbieren, ohne eine weitere Verbreitung zu erleichtern.
Fazit
Der Aufstieg sozialer Medien hat grundlegend verändert, wie Informationen in der Gesellschaft reisen. Unsere Analyse der Informationsverbreitung auf Twitter während eines bedeutenden Ereignisses, wie den US-Präsidentschaftswahlen, zeigt, dass verschiedene Modelle der Informationsverbreitung notwendig sind, um die Komplexität dieser Interaktionen zu erklären.
Während traditionelle Zwei-Stufen-Modelle immer noch eine gewisse Relevanz haben, deuten unsere Ergebnisse darauf hin, dass ein komplizierteres Mehr-Stufen- und Mehr-Akteur-Modell die Dynamik besser erfasst. Influencer und meinungsführende Influencer sind nun zentrale Figuren in der Gestaltung öffentlicher Meinungen und Ideen, und traditionelle Meinungsführer müssen sich anpassen, um ihren Einfluss in der digitalen Welt aufrechtzuerhalten.
Insgesamt hebt unsere Forschung die Bedeutung hervor, die neuen Dynamiken des Informationsflusses zu verstehen, besonders in politisch polarisierten Landschaften. Da sich die sozialen Medien weiterhin weiterentwickeln, ist weitere Forschung nötig, um Unterschiede zwischen verschiedenen Plattformen zu analysieren und wie Designentscheidungen die Verbreitung von Informationen beeinflussen.
Zusammenfassend lässt sich sagen, dass wir wahrscheinlich nicht zu den einfacheren Dynamiken der Vergangenheit zurückkehren werden, aber der Bedarf an Vermittlung und Führung in der Informationsverbreitung bleibt bestehen, auch wenn neue Akteure auftauchen. Diese Veränderungen zu verstehen wird entscheidend sein, um die Zukunft der Kommunikation im digitalen Zeitalter zu navigieren.
Titel: Analysis of flows in social media uncovers a new multi-step model of information spread
Zusammenfassung: Since the advent of the internet, communication paradigms have continuously evolved, resulting in a present-day landscape where the dynamics of information dissemination have undergone a complete transformation compared to the past. In this study, we challenge the conventional two-step flow model of communication, a long-standing paradigm in the field. Our approach introduces a more intricate multi-step and multi-actor model that effectively captures the complexities of modern information spread. We test our hypothesis by examining the spread of information on the Twitter platform. Our findings support the multi-step and multi-actor model hypothesis. In this framework, influencers (individuals with a significant presence in social media) emerges as new central figures and partially take on the role previously attributed to opinion leaders. However, this does not apply to opinion leaders who adapt and reaffirm their influential position on social media, here defined as opinion-leading influencers. Additionally, we note a substantial number of adopters directly accessing information sources, suggesting a potentialdecline if influence in both opinion leaders and influencers. Finally, we found distinctions in the diffusion patterns of left- and right-leaning groups, indicating variations in the underlying structure of information dissemination across different ideologies.
Autoren: Matteo Serafino, G. Virginio Clemente, James Flamino, Boleslaw K. Szymanski, Omar Lizardo, Hernan A. Makse
Letzte Aktualisierung: 2024-09-02 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2409.01225
Quell-PDF: https://arxiv.org/pdf/2409.01225
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.