همگان‌های شبکه‌ای و قالب‌بندی شبکه‌ای موضوعات در انتخابات: تحلیل قالب‌های موضوعی شکل‌گرفته در جریان انتخابات ریاست‌جمهوری 1396 در توئیتر

توئیتر در سال های اخیر به رسانۀ محبوب در بین کاربران خصوصاً در جریان رویدادهای سیاسی و اجتماعی تبدیل شده است. با توجه به تاثیرگذاری کنشگری در توئیتر بر رویدادهای سیاسی در ایران، این پژوهش به دنبال شناسایی و تحلیل این مسئله است که همگان های شبکه ای در توئیتر فارسی چگونه انتخابات ریاست‌جمهوری سال 1396 را به عنوان رویدادی سیاسی قالب بندی کرده اند تا از این رهگذر چگونگی برساخت واقعیت در بین آن‌ها مشخص شود. برای انجام پژوهش، از مفهوم همگان شبکه ای و قالب بندی شبکه ای استفاده شده است. داده های پژوهش (2,596,284 توئیت) در دوران انتخابات با روش گلوله برفی و با استفاده از 94 کلیدواژه و هشتگ از api توئیتر گردآوری شدند و با انتخاب 10,416 توئیت از 50 کاربر موثر در هر همگان شبکه ای، قالب های شبکه ای شکل‌گرفته در توئیتر فارسی شناسایی شدند. رویکرد تحلیلی پژوهش ترکیبی از روش تحلیل محتوای مردم نگارانه و تحلیل گفتمان انتقادی رسانه های اجتماعی بود. نتایج پژوهش نشان داد که تبلیغات انتخاباتی، ویژگی های اخلاق مداری نامزدهای انتخاباتی و حامیانشان، فساد، و مسائل مرتبط با کارآمدی یا شایستگی نامزدها قالب های مسلط در کل شبکه بوده اند. همچنین، سه همگان اصلی در توئیتر فارسی شکل گرفته بود (همگان های اصلاح‌طلبان، اصول‌گرایان و مهاجران). یافته های پژوهش نشان داد که کاربران عادی در هر سه همگان نقش موثری در تولید این قالب ها داشته اند.

Networked Framing in Election: An Analysis of Framing Iran 2017 Presidential Election on Persian Twitter

This paper identified and explored how Iranian Twitter users framed Iran 2017 presidential election in a networked practice. Employing networked framing theory, we tried to identify which subjects were framed by networked publics on Persian Twitter. Moreover, we analyzed the similarities and differentiates in framing the election by different networked publics. We combined social network analysis, ethnographic content analysis and social media critical discourse study approach. First, we collected 2596284 tweets during the election period. Then, we focused on retweet (RT) network as the information diffusion network, and discovered networked publics by applying cluster analysis on this corpus. Afterwards, we identified 50 top influential users in each cluster based on their Page Ranks. Finally, we collected all tweets of these users in the whole network and analyzed them. We used three coders to code the selected sample of 10416 tweets in three rounds. Results showed that ‘Election campaigns’, Candidates and their fans ethical practices’, ‘Corruption’, and ‘Candidates’ qualifications’ were the most dominant networked frames. Furthermore, ordinary users were mainly responsible in framing these subjects..