Developing a rule-based method for identifying researchers on Twitter: The case of vaccine discussions

Skapare/primärforskare:

Björn Ekström

Beskrivning:

Denna studie söker utveckla en metod för att identifiera förekomster och proportioner av forskare, media- och andra professionella aktiva i Twitterdiskussioner. Som ett fallexempel används ett anonymiserat dataset från vaccindiskussioner på Twitter. Studien föreslår en metod som använder nyckelord som strängar inom listor för att identifiera klasser ifrån användarbiografier. Detta möjliggör en applicering av multipla klassifikationsprinciper till en mängd Twitterbiografier genom att använda semantiska regler genom programmeringsspråket Python. Det skript som använts för att genomföra studien är här deponerat.

Ämnesområde:

gymnasial och högre utbildning, informationssamhället, språk och lingvistik (CESSDA Topic Classification)
Språkteknologi (språkvetenskaplig databehandling), Samhällsvetenskap, Biblioteks- och informationsvetenskap (Standard för svensk indelning av forskningsämnen 2011)

Nyckelord:

klassifikation, sociala media

Huvudman:

Högskolan i Borås

Tillgänglighet:

Åtkomst till data via SND
Data är fritt tillgängliga

Ladda ner data:

class.py (7.62 KB)

Ansvarig institution/enhet:

Högskolan i Borås, Akademin för bibliotek, information, pedagogik och IT

Skapare/primärforskare:

Björn Ekström

Identifierare:

SND-ID: SND 1117

Beskrivning:

Denna studie söker utveckla en metod för att identifiera förekomster och proportioner av forskare, media- och andra professionella aktiva i Twitterdiskussioner. Som ett fallexempel används ett anonymiserat dataset från vaccindiskussioner på Twitter. Studien föreslår en metod som använder nyckelord som strängar inom listor för att identifiera klasser ifrån användarbiografier. Detta möjliggör en applicering av multipla klassifikationsprinciper till en mängd Twitterbiografier genom att använda semantiska regler genom programmeringsspråket Python. Det skript som använts för att genomföra studien är här deponerat.

Språk:

Engelska

Tidsperiod(er) som undersökts:

2018-06-01 — 2019-10-31

Analysenhet:

Population:

Twitteranvändare

Tidsdimension:

Urvalsmetod:

Övrigt

Finansiering:

Horizon 2020 — dnr 770531

Ämnesområde:

gymnasial och högre utbildning, informationssamhället, språk och lingvistik (CESSDA Topic Classification)
Språkteknologi (språkvetenskaplig databehandling), Samhällsvetenskap, Biblioteks- och informationsvetenskap (Standard för svensk indelning av forskningsämnen 2011)

Nyckelord:

klassifikation, sociala media

Ladda ner metadata:

Publikationer

Sortera på namn | Sortera efter år

Ekström, B. (2019). Developing a rule-based method for identifying researchers on Twitter: The case of vaccine discussions. Poster abstract accepted to ISSI, 17th International Society of Scientometrics and Informetrics Conference, Rome, 2-5 September.

Om du publicerat något baserat på det här datamaterialet, meddela gärna SND en referens till din(a) publikation(er).


Är du ansvarig för katalogposten kan du själv uppdatera metadata/databeskrivningen via DORIS.

Version 1.0:

2019-08-23 doi:10.5878/akmc-va16

Ladda ner data:

class.py (7.62 KB)

Licens:

Creative Commons License

Rule-based method for identifying researchers on Twitter

Citeringsförslag:

Björn Ekström. Högskolan i Borås, Akademin för bibliotek, information, pedagogik och IT (2019). Rule-based method for identifying researchers on Twitter. Svensk nationell datatjänst. Version 1.0. https://doi.org/10.5878/akmc-va16

Skapare/primärforskare:

Björn Ekström

Beskrivning:

Metodutveckling för klassning av Twitterbiografier rörande förekomster av akademiker, grupper och individer relaterade till akademi, media, andra grupper samt allmänhet. Skriven i programmeringsspråket Python.

Dataformat / datastruktur:

Programvara

Publicerad: 2019-09-20