Automatisierte politische Kommunikation auf Twitter
Popularität und Einfluss automatisierter Accounts in Online-Konversationen zur US-Präsidentschaftswahl 2016
Keywords:
Socialbots, Politische Kommunikation, Twitter, Netzwerkanalyse, Online-KonversationenAbstract
Der Kurznachrichtendienst Twitter hat sich zu einer bedeutsamen Plattform der politischen Online-Kommunikation entwickelt. Doch nicht nur Politiker/innen und Parteien sowie das Publikum des politischen Systems scheinen auf Twitter aktiv zu sein. Zunehmend spielen auch automatisierte Accounts - sogenannte Socialbots - eine wichtige Rolle in der Online-Kommunikation und werden systematisch dazu eingesetzt, laufende Kommunikationsprozesse zu beeinflussen und zu manipulieren. Doch auch wenn entsprechende automatisierte Accounts gemeinhin als Problem und Gefahr für Prozesse der Meinungsbildung im Internet betrachtet werden, existiert bisher nur wenig gesichertes Wissen darüber, inwieweit es ihnen tatsächlich gelingt, öffentliche Debatten auf Twitter zu beeinflussen. Vor diesem Hintergrund zielt der Beitrag am Beispiel von Online-Konversationen zur US-Präsidentschaftswahl 2016 darauf ab, erste Einsichten über Popularität und Einfluss automatisierter Accounts in politischer Online-Kommunikation zu vermitteln. Diese Einsichten wurden mithilfe eines Methodenmixes aus formalen Methoden der sozialen Netzwerkanalyse und qualitativen Methoden zur Kategorisierung der Eigenschaften und Aktivitäten von Twitter-Accounts gewonnen und verweisen darauf, dass automatisierte Accounts es zwar nicht schaffen Spitzenwerte hinsichtlich Popularität und Einfluss auf laufende Konversationen zu erlangen, aber dennoch im Vergleich zu »normalen« User/innen überdurchschnittlich erfolgreich in ihren Bemühungen darum sind.
References
Bessi, Alessandro, und Emilio Ferrara. 2016. Social Bots distort the 2016 U.S. Presidential Election Online Discussion. First Monday 21.
Bruns, Axel, und Hallvard Moe. 2014. Structural Layers of Communication on Twitter. In Twitter and Society, Hrsg. Jean Burgess, Merja Mahrt, Axel Bruns und Katrin Weller, 15–28. New York [u.a.]: Pe-ter Lang.
Cha, Meeyoung, Hamed Haddadi, Fabricio Benevenuto und Krishna P. Gummadi. 2010. Measuring user influence in Twitter: The million follower fallacy. In Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media (ICWSM 2010), 10–17. Menlo Park, CA: AAAI Press.
Kind, Sonja, Tobias Jetzke, Sebastian Weide, Simone Ehrenberg-Silies und Marc Bovenschulte. 2017. Social Bots. TA-Vorstudie. TAB-Horizon-Scanning 3: Büro für Technikfolgen-Abschätzung beim Deutschen Bundestag (TAB).
Kollanyi, Bence, Philip N. Howard und Samuel C. Woolley. 2016. Bots and Automation over Twitter during the U.S. Election. Data Memo 2016.4. Oxford, UK: Project on Computational Propaganda.
Kuckartz, Udo. 2016. Qualitative Inhaltsanalyse. Methoden, Praxis, Computerunterstützung. 3., überarbei-tete Auflage. Weinheim a.]: Beltz Juventa.
Mayring, Philipp. 2015. Qualitative Inhaltsanalyse. Grundlagen und Techniken. 12., überarbeitete Auflage. Weinheim, Basel: Beltz.
Messmer, Heinz. 2003. Der soziale Konflikt. Kommunikative Emergenz und systemische Reproduktion. Stuttgart: Lucius & Lucius.
Muhle, Florian, Robert Ackland und Timothy Graham. 2018. Socialbots in politischen Online-Konversationen. Eine (überschätzte) Gefahr für demokratische Willensbildung im Internet? Zeit-schrift für Parlamentsfragen 49:600–620.
Mutschke, Peter. 2010. Zentralitäts- und Prestigemaße. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 365–378. Wiesbaden: VS Verlag für Sozialwissenschaften.
Riquelme, Fabián, und Pablo González-Cantergiani. 2016. Measuring user influence on Twitter: A survey. Information Processing & Management 52:949–975.
Schmidt, Jan-Hinrik. 2018. Social Media. Wiesbaden: Springer Fachmedien Wiesbaden.
Thieltges, Andree, und Simon Hegelich. 2018. Falschinformationen und Manipulation durch social bots in sozialen Netzwerken. In Computational Social Science: Die Analyse von Big Data, 1. Aufl., Hrsg. Andreas Blätte, Joachim Behnke, Kai-Uwe Schnapp und Claudius Wagemann, 357–378. Baden-Baden: Nomos Verlagsgesellschaft mbH & Co. KG.
Thimm, Caja, Mark Dang-Anh und Jessica Einspänner. 2014. Mediatized Politics – Structures and Strategies of Discursive Participation and Online Deliberation on Twitter. In Mediatized Worlds: Culture and Society in a Media Age, Hrsg. Andreas Hepp und Friedrich Krotz, 253–270. London: Palgrave Macmillan UK.
Twitter Inc. 2017. Automatisierungsregeln. https://help.twitter.com/de/managing-your-account/connect-or-revoke-access-to-third-party-apps (Zugegriffen: 16. Januar 2019).
Wang, Gang, Manish Mohanlal, Christo Wilson, Xiao Wang, Miriam Metzger, Haitao Zheng und Ben Y. Zhao. 2012. Social Turing Tests. Crowdsourcing Sybil Detection. http://arxiv.org/pdf/1205.3856.
Woolley, Samuel C., und Philip N. Howard, Hrsg. 2019. Computational Propaganda. Political Parties, Politicians and Political Manipulation on Social Media. Oxford Studies in Digital Politics. New York, NY: Oxford University Press.
Ye, Shaozhi, und Felix Wu. 2013. Measuring message propagation and social influence on Twitter.com. International Journal of Communication Networks and Distributed Systems 11:59–76.
Downloads
Published
How to Cite
Issue
Section
License
Beiträge im Verhandlungsband des 39. Kongresses der Deutschen Gesellschaft für Soziologie werden unter der Creative Commons Lizenz "Namensnennung-Nicht kommerziell 4.0 International (CC BY-NC 4.0)" veröffentlicht.
Dritte dürfen die Beiträge:
-
Teilen: in jedwedem Format oder Medium vervielfältigen und weiterverbreiten
-
Bearbeiten: remixen, verändern und darauf aufbauen
unter folgenden Bedinungen:
-
Namensnennung: Dritte müssen angemessene Urheber- und Rechteangaben machen, einen Link zur Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden
-
Nicht kommerziell: Dritte dürfen das Material nicht für kommerzielle Zwecke nutzen