NodeXL: Interpretace grafického zobrazení zmínek o Miroslavu Kalouskovi na Twitteru: Porovnání verzí

(Rozdělení na Popis projektu a Reference)
m (úprava emailu)
 
Řádek 1: Řádek 1:
 
== Členové projektu ==
 
== Členové projektu ==
'''Lucie Trojanová ''', Studia nových médií, e-mail: [mailto:luci.trojanova@gmail.com luci.trojanova@gmail.com]
+
'''Lucie Trojanová ''', Studia nových médií, e-mail: [mailto:luci.trojanova;&#64gmail.com luci.trojanova@gmail.com]
  
 
== Vizualizace projektu ==
 
== Vizualizace projektu ==

Aktuální verze z 11. 1. 2016, 01:48

Členové projektu

Lucie Trojanová , Studia nových médií, e-mail: luci.trojanova@gmail.com

Vizualizace projektu

Popis projektu

NodeXL je opensource nástrojem umožňující stahovat a analyzovat data ze sociálních sítí jako je Facebook, Twitter, Youtube nebo Flickr v prostředí Excelu. Pro seznámení se s jeho možnostmi jsem se snažila zaměřit na téma, které je aktuální a zároveň bohaté. NodeXL totiž umožňuje stahovat data stará maximálně 9 dní a proto jsem si vybrala osobnost české politiky - Miroslava Kalouska na síti Twitter, kde má profil jako @kalousekm. Vyhledávala jsem tedy všechny zmínky, tweety a re-tweety, v nichž se vyskytovalo heslo „kalousekm“. Grafů jsem vytvořila několik, abych mohla pozorovat proměny v jednotlivých grafech a tím trochu obejít časové omezení NodeXL. K tomuto rozhodnutí mě přiměla i skutečnost, že 4. října 2015 se měl Miroslav Kalousek setkat se současným ministrem financí Andrejem Babišem v pořadu Otázky Václava Moravce (OVM). Setkání mělo proběhnout po roce a jejich rozhovor byl vyhlížen jako událost bohatou na emoce a jiskření mezi oběma politiky.

Grafy[1] jsou tři (shora dolů): dva ze 4.10. před zahájením OVM a po skončení pořadu a jeden ze dne 5.10. Sledovala jsem proměnu obsahu tweetů, nejčastějších hashtagů i jak se jednotliví uživatelé posouvají v rámci skupin a jak se síť proměňovala. Z náhledů vlevo je vidět, že síť kolem @kalousekm obsahuje čím dál více propojení. Na všech grafech jsou stálé dvě skupiny – kolem @kalousekm a @AndrejBabis. Uživatelé twitteru zřejmě často zmiňují @kalousekm v souvislosti s @AndrejBabis, což je zřejmé protože oba muži mají úzký vztah k ministerstvu financí a uživatelé jejich osobnosti i politiku často porovnávali, nebo byli k jejich krokům kritičtí, např.:

„@vojtechfiala: @AndrejBabis konečně v OVM. Bohužel však s @kalousekm, který ho stejně jako loni vyškolí.“

„@pazderskyjan: @kalousekm vemte mu koblihy a kakao! Třeba se z toho po.ere.“

@kalousekm vs. @AndrejBabis

Profily obou uživatelů se liší. Uživatel @kalousekm není moc aktivní, zatím napsal 231 tweetů a má 10.7K followerů, zatímco Andrej Babiš má followerů 159K a tweetů téměř dvojnásobek - 576 (ke dni 13.10.). Obsah tweetů na profilu Miroslava Kalouska je spíše informační a popisný, Andrej Babiš tweetuje mnohem více osobně. Za porovnání stojí tweety obou politiků ze dne 4.10., kdy kolem sebe pouze krouží a navzájem na sebe neukazují:

„@kalousekm: Dnes budu od 12:00 hostem pořadu Otázky Václava Moravce na ČT24.“ (RT: 6, F: 39)

@andrejbabis: Jednu věc se nenaučím: nereagovat a nevytočit se, když se účelově a naschvál lže. I když jsem to trénoval.“ (RT: 15, F: 119)

V tabulce níže je pak vidět, jak často uživatelé zmiňovali „kalousekm“ a jak často na něj reagovali – počet se postupně zvyšuje. Někteří uživatelé se v rámci vygenerovaných skupin přemisťovali, jiní zůstali na místě a diskutující postupně přibývali. Mezi uživatele, kteří heslo „kalousekm“ zmiňovali nejčastěji (edge weight) patřily zpočátku blesk24. Po skončení OVM se vedle blesk24 objevila silná vazba ze strany uživatele @pavelkout (webový grafik) a komentátora @alexandrmitrofa. Dne 5.10. pak byly nejsilnější vazby mezi @kalousekm a  @blanikz, @andrejbabis a @czechTV. Diskuze obou politiků v televizním pořadu zřejmě motivovala uživatele se vyjádřit ve svých tweetech, což je vidět na postupně rostoucím počtu uživatelů (vertices) i vazeb (edges) zmiňujících „kalousekm“. Hustota grafu (density), která není příliš vysoká, se ještě zmenšuje, ale zároveň se snižuje i „vzdálenost“ mezi uživateli (average geodesic distance). Znamená to, že se do diskuze zapojilo sice čím dál tím více uživatelů, ale bez vzájemných vazeb mezi sebou – reagovali tedy pouze na @kalousekm, ale mezi sebou OVM nediskutovali.

kalousekm Mentions „kalousekm" Replies to „kalousekm" Tweet from „kalousekm“ Vertices Edges Graph Density Average Geodesic Distance
4.10. před OVM 27 14 1 47 81 0,032377428 2,299683
4.10. po OVM 87 17 1 95 235 0,021500559 2,237119
5.10. 200 31 1 176 632 0,015909091 2,125323

Reference