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

Ladda ner data

class.py (7.62 KB)

Ansvarig institution/enhet

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

Finansiär: Horizon 2020

Diarienummer hos finansiär: 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

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
https://doi.org/10.5878/akmc-va16

Ladda ner citering

Ladda ner data

class.py (7.62 KB)

Licens

Creative Commons Erkännande 4.0 Internationell (CC BY 4.0)

Rule-based method for identifying researchers on Twitter

Citeringsförslag

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

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