{"id":2053,"date":"2014-04-12T16:56:14","date_gmt":"2014-04-12T15:56:14","guid":{"rendered":"http:\/\/pwipdm.uzh.ch\/wordpress\/?p=2053"},"modified":"2017-02-23T16:44:25","modified_gmt":"2017-02-23T15:44:25","slug":"schweizer-politiker-als-twitter-netzwerk-birds-of-a-feather-or-friend-of-a-friend","status":"publish","type":"post","link":"https:\/\/pwiweb.uzh.ch\/wordpress\/blog\/2014\/04\/12\/schweizer-politiker-als-twitter-netzwerk-birds-of-a-feather-or-friend-of-a-friend\/","title":{"rendered":"Schweizer Politiker auf Twitter: Birds of a Feather, or Friend of a Friend?"},"content":{"rendered":"<p>Nachdem ich in <a title=\"Die #MEI auf Twitter: Aufschrei statt Diskussion?\" href=\"http:\/\/pwiweb.uzh.ch\/wordpress\/?p=945\">meinem ersten Blog Post<\/a> die Aktivit\u00e4t von Schweizer Politikern auf Twitter in Bezug auf ein bestimmtes Thema untersucht habe, stehen in dieser Analyse die Politiker selbst und ihre Vernetzung im Fokus. Wie sehen die Positionen und Strukturen von politischen Netzwerkakteuren und ihre Verbindungen zueinander auf Twitter aus? Welches sind zentrale Akteure? Und wie k\u00f6nnen die Verbindungen zwischen den verschiedenen Politikern erkl\u00e4rt werden?<\/p><p>W\u00e4hrend f\u00fcr thematische Twitter-Untersuchungen die \u00ab#Hashtags\u00bb als strukturierende Merkmale im Zentrum stehen, sind f\u00fcr Netzwerkanalysen die \u00abfollowing\u00bb-Strukturen entscheidend. Im Gegensatz zum Beispiel zu Facebook handelt es sich bei Twitter um gerichtete Netzwerke. Das heisst, die Beziehungen zwischen den einzelnen Akteuren m\u00fcssen nicht auf Gegenseitigkeit beruhen. Jeder Twitter-User hat eine Anzahl Accounts, die ihm folgen, die sogenannten \u00abFollowers\u00bb, und eine andere Anzahl Accounts, denen er selbst folgt. Die zweite Kategorie werde ich hier \u00abFriends\u00bb nennen.\u00a0Nicht jeder Friend ist automatisch auch ein Follower und umgekehrt.<\/p><p><strong>Follower- und Friends-Strukturen als Ausgangspunkt<\/strong><br \/>\nDiese Friends- und Followers-Beziehungen sind in mehrerer Hinsicht interessant. Die Plattform <a href=\"http:\/\/somepolis.ch\">SoMePolis<\/a>\u00a0zum Beispiel vergleicht anhand dieser Angaben zusammen mit anderen Kennzahlen die <a href=\"http:\/\/somepolis.ch\/2014\/02\/rohdiamanten-in-social-media\/#more-1290\">Twitter-Profile der einzelnen Politiker und Parteien<\/a>. Der Politikwissenschaftler <a href=\"http:\/\/pablobarbera.com\">Pablo Barber\u00e1<\/a> argumentiert sogar, dass auf Basis der Follower- und Friends-Strukturen die ideologischen Positionen von normalen Nutzern und politischen Akteuren abgeleitet werden k\u00f6nnen. Diese Ansicht basiert auf der Annahme, dass Twitter Nutzer es vorziehen Leuten zu folgen, deren Ideologie \u00e4hnlich ist wie ihre eigene.<\/p><p>F\u00fcr die folgende Netzwerk-Analyse wurden alle National-, St\u00e4nde- und Bundesr\u00e4te erfasst, die einen Twitter-Account haben. Von den insgesamt 246 Mitgliedern der Bundesversammlung sind allerdings nur 68 National- und 11 St\u00e4nder\u00e4te auf Twitter aktiv, sowie Alain Berset als einziger Bundesrat. Erg\u00e4nzt um die acht zentralen Partei-Accounts ergibt dies eine Liste von 88 Twitter-Usern, von welchen alle Friends und Followers erfasst wurden. Dies zeigte, dass die politischen Accounts insgesamt mit mehr als 69&#8217;000 anderen Accounts entweder als Friend oder als Follower verbunden sind. Da f\u00fcr dieses erweiterte Netzwerk jedoch keine weiteren Informationen zu den einzelnen Nutzern bekannt sind, stehen in der folgenden Netzwerkanalyse zun\u00e4chst nur die Kernmitglieder und ihre Verbindungen untereinander im Mittelpunkt. Die Politiker stellen dabei die Knoten dar, die Verbindungen zwischen ihnen die Kanten.<\/p><p><!-- iframe plugin v.6.0 wordpress.org\/plugins\/iframe\/ --><br \/>\n<iframe loading=\"lazy\" src=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/networkNEW1\/twitternetch.html\" width=\"1500\" height=\"800\" scrolling=\"yes\" class=\"iframe-class\" frameborder=\"0\"><\/iframe><\/p><p><em>Durch Klicken auf die einzelnen Knoten, werden alle Verbindungen dieses Politikers\/dieser Politikerin ersichtlich. Zus\u00e4tzlich k\u00f6nnen in der Legende die Parteien als Gruppen ausgew\u00e4hlt werden. Um die interaktive Grafik noch besser zu sehen klicken Sie <a href=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/networkNEW1\/twitternetch.html\">hier<\/a>.<\/em><\/p><p><strong>Gleich und gleich gesellt sich gern?<\/strong><br \/>\n<img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-2318 alignleft\" alt=\"legende-parteien\" src=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/legende-parteien.jpg\" width=\"153\" height=\"171\" \/>Wie die erste Grafik zeigt, sind alle Politiker der ausgew\u00e4hlten Gruppe relativ stark untereinander vernetzt. Die berechnete Netzwerkdichte ist 33.7%, was bedeutet, dass ungef\u00e4hr ein Drittel aller potenziell m\u00f6glichen Verbindungen tats\u00e4chlich auftritt. Ausserdem f\u00e4llt die Dominanz der SP-PolitikerInnen auf. Tats\u00e4chlich sind die verschiedenen Parteien sehr unterschiedlich stark auf Twitter vertreten, wie die nebenstehende Legende zeigt. F\u00fcr\u00a0diese erste Grafik wurden die Verbindungen innerhalb der Parteien absichtlich st\u00e4rker (dreifach) gewichtet als jene zwischen Politikern von verschiedenen Parteien um eine allf\u00e4llige Cliquenbildung hervorzuheben. Gem\u00e4ss den Vermutungen von Barber\u00e1 w\u00e4re n\u00e4mlich zu erwarten, dass die Politiker vermehrt mit anderen Politikern derselben Partei verbunden sind.<\/p><p><a href=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/Parteien-Dichte1.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"alignright size-full wp-image-2283\" alt=\"Netzwerkdichte nach Partei\" src=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/Parteien-Dichte1.jpg\" width=\"210\" height=\"206\" \/><\/a><\/p><p>Wie die Visualisierung zeigt, bilden sich trotz dieser st\u00e4rkeren Gewichtung nicht alle Parteien gleich stark als Gruppen heraus. Dieser Eindruck wird verst\u00e4rkt, wenn man die Netzwerkdichten der Sub-Netzwerke innerhalb der Parteien vergleicht. Bei der BDP sind alle drei Mitglieder wechselseitig verbunden (die Lega und EVP wurden hier nicht untersucht, da ihnen nur zwei respektive ein Account zugeordnet werden kann). Bei den gr\u00f6sseren Parteigruppen weist die SP mit einer Dichte von 72.2% eine deutlich st\u00e4rkere Vernetzung auf als die \u00fcbrigen Parteien, gefolgt von der Gr\u00fcnen Partei und der FDP. Alle Parteien\u00a0weisen jedoch eine h\u00f6here Dichte innerhalb der Parteigrenzen auf als das Netzwerk insgesamt.<\/p><p>F\u00fcr den zweiten Graphen wurden statt der Verbindungen innerhalb der Parteigrenzen, jene\u00a0innerhalb der Sprachgrenzen st\u00e4rker gewichtet. Auch hier treten die sich dadurch bildenden Gruppen unterschiedlich stark hervor. Im Gegensatz zu den Parteien, werden bei der Sprache die Cliquen deutlicher, je kleiner sie sind. Am deutlichsten zeigt sich die Cliquenbildung zwischen den \u00a0italienischsprachigen Politikern.<\/p>\n<p style=\"text-align: left;\"><a href=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/net-lang.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"alignright size-full wp-image-2285\" alt=\"Twitternetzwerk, gewichtet nach Sprache\" src=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/net-lang.jpg\" width=\"1024\" height=\"858\" \/><\/a><br \/>\n<img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-2272 aligncenter\" alt=\"Legende Sprachen\" src=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/legende-lang.jpg\" width=\"163\" height=\"79\" \/><span style=\"line-height: 1.5;\">Um Aussagen \u00fcber die Wichtigkeit der Parteizugeh\u00f6rigkeit und Sprachgemeinsamkeiten machen zu k\u00f6nnen, wurde das Netzwerk zus\u00e4tzlich zur deskriptiven Analyse mithilfe eines <\/span><a style=\"line-height: 1.5;\" href=\"http:\/\/www.sciencedirect.com\/science\/article\/pii\/S0378873306000372\">Exponential Random Graph Models (ERGM)<\/a><span style=\"line-height: 1.5;\">\u00a0statistisch analysiert. In einem ERGM werden Verbindungen zwischen den Knotenpunkten in einem Netzwerk als zuf\u00e4llige Variablen betrachtet. Die Form des Netzwerkes wird dabei durch spezifische Annahmen \u00fcber die Abh\u00e4ngigkeiten zwischen diesen zuf\u00e4lligen Kanten-Variablen bestimmt. Hier sind m\u00f6gliche Annahmen, dass sich h\u00e4ufiger Kanten bilden zwischen Akteuren, die die gleiche Parteizugeh\u00f6rigkeit und\/oder Sprache haben. Die ERGM-Analyse ergab einen signifikanten Einfluss der Parteizugeh\u00f6rigkeit auf die Verbindungen innerhalb des Netzwerkes. Eine Aufsplittung nach Parteien zeigte jedoch, dass dieser Zusammenhang nicht bei allen Parteien signifikant ist (zum Beispiel nicht f\u00fcr die SVP). Und nur f\u00fcr die SP ist die Wahrscheinlichkeit gr\u00f6sser als 50%, dass eine zus\u00e4tzliche Verbindung innerhalb derselben Partei bleibt. F\u00fcr die Sprachzugeh\u00f6rigkeit ergab sich ebenfalls einen signifikanter Einfluss auf die Form des Netzwerkes. Auch hier zeigten sich Unterschiede je nach Sprache. Aufgesplittet ist der Effekt nur f\u00fcr Franz\u00f6sisch und Italienisch signifikant und deutlich am gr\u00f6ssten f\u00fcr die italienischsprachigen Akteure.<\/span><\/p><p><span style=\"line-height: 1.5;\"> Die Resultate dieser ERGM-Analyse sind allerdings mit Vorsicht zu interpretieren. Einerseits wird der Effekt abgeschw\u00e4cht, wenn man andere Einfl\u00fcsse wie die Reziprozit\u00e4t im Modell ber\u00fccksichtigt. Reziprozit\u00e4t steht f\u00fcr die Wahrscheinlichkeit, dass jemand, der ein Friend ist, gleichzeitig auch ein Follower ist und umgekehrt (in den interaktiven Visualisierungen \u00abmutual\u00bb genannt). Andererseits konnte kein Modell erstellt werden, das den statistischen G\u00fctekriterien gen\u00fcgt. S<\/span><span style=\"line-height: 1.5;\">prich, es konnte kein Modell erstellt werden, dass dem tats\u00e4chlichen Netzwerk ausreichend \u00e4hnlich.<\/span><\/p><p><strong>Friend of a Friend-Effekt, oder bloss Prestige?<\/strong><\/p><p>Die H\u00f6he der Reziprozit\u00e4t weist darauf hin, dass nicht nur gemeinsame Eigenschaften der Akteure entscheidend sind f\u00fcr die Verbindungen der Politiker auf Twitter. Auf Twitter wird man stets \u00fcber neue Followers informiert und dazu animiert, diesen ebenfalls zu folgen. Neben der Reziprozit\u00e4t k\u00f6nnte auch die Transitivit\u00e4t die Form des Netzwerkes beeinflussen. Transitivit\u00e4t bezieht sich auf die Anzahl \u00abTryaden\u00bb und bezeichnet die Wahrscheinlichkeit, dass zwei Friends oder Followers eines Akteurs ebenfalls miteinander verbunden sind. Ganz nach dem Motto: Der Freund meines Freundes ist auch mein Freund. Die Wahrscheinlichkeit solcher Dreiecksbeziehungen liegt im untersuchten Netzwerk bei 65% und ist damit ebenfalls relativ hoch. Diese Zahlen zeigen auch, dass die Anzahl Friends sich positiv auf die Anzahl Followers auswirkt, was auf Twitter h\u00e4ufig der Fall ist.<\/p><p>Ein weiterer Einflussfaktor k\u00f6nnte das Prestige der Politiker auf dem Politikparkett sein. So verf\u00fcgt Alain Berset als einziger Vertreter des Bundesrates deutlich \u00fcber die gr\u00f6sste Anzahl Beziehungen und die h\u00f6chste \u00abBetweenness Centrality\u00bb, was bedeutet, dass er sehr viele k\u00fcrzeste Wege zwischen verschiedenen Politikern verbindet. Dies kann allerdings nicht auf das ganze Netzwerk \u00fcbertragen werden. So verf\u00fcgt SVP-Parteipr\u00e4sident Toni Brunner zum Beispiel \u00fcber eine ziemlich unwichtige Position im Netzwerk, was unter anderem darauf zur\u00fcckzuf\u00fchren ist, dass er selbst keinem der 88 Politiker folgt. Nicht nur das Prestige in der Realit\u00e4t hat also vermutlich einen Einfluss, sondern auch das Prestige innerhalb von Twitter, das unter anderem stark von der Anzahl Followers eines Nutzers gepr\u00e4gt wird. Dieser Vermutung wird in der dritten Grafik nachgegangen, in welcher die Gr\u00f6sse der Knoten der Anzahl Followers insgesamt entspricht, also inklusive der Twitter-Nutzer ausserhalb des untersuchten politischen Netzwerkes.<\/p><p>Insgesamt zeigt sich, dass sich die Verbindungen zwischen den Politikern im untersuchten Netzwerk nicht ganz so stark nach dem Motto\u00a0<a href=\"http:\/\/smapp.nyu.edu\/papers\/paper_barbera.pdf\">\u00abBirds of the same feather tweet together\u00bb<\/a>\u00a0bilden, wie man h\u00e4tte annehmen k\u00f6nnen, sondern auch andere Effekte und Einfl\u00fcsse eine wichtige Rolle spielen. Um diese Zusammenh\u00e4nge besser zu untersuchen, m\u00fcsste in einem n\u00e4chsten Schritt gr\u00f6ssere Netzwerke untersucht werden, die auch Politiker auf Kantons- und Gemeindeebene beinhalten. Zudem verdeutlicht die Analyse, dass die Politiker, die auf Twitter vertreten sind, noch l\u00e4ngst nicht repr\u00e4sentativ sind f\u00fcr die politische Landschaft der Schweiz.<\/p><p><!-- iframe plugin v.6.0 wordpress.org\/plugins\/iframe\/ --><br \/>\n<iframe loading=\"lazy\" src=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/networkFollowers\/twitternetch-followers.html\" width=\"1300\" height=\"800\" scrolling=\"yes\" class=\"iframe-class\" frameborder=\"0\"><\/iframe><\/p><p><em>Durch Klicken auf die einzelnen Knoten, werden alle Verbindungen dieses Politikers\/dieser Politikerin ersichtlich. Zus\u00e4tzlich k\u00f6nnen in der Legende die Parteien als Gruppen ausgew\u00e4hlt werden. Um die interaktive Grafik noch besser zu sehen klicken Sie\u00a0<a href=\"http:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2017\/02\/networkFollowers\/twitternetch-followers.html\">hier<\/a>.<\/em><\/p><p>&nbsp;<\/p><p><span style=\"line-height: 1.5;\">Literatur:<\/span><\/p><p>Barber\u00e1, Pablo (2013): Birds of the Same Feather Tweet Together. Bayesian Ideal Point Estimation Using Twitter Data.\u00a0<em>APSA 2012 Annual Meeting Paper,\u00a0<\/em>S. 1-50.<\/p><p>Goodreau, Steven M.\/Kitts, James A.\/Morris, Martina (2009):\u00a0BIRDS OF A FEATHER, OR FRIEND OF A FRIEND? USING EXPONENTIAL RANDOM GRAPH MODELS TO INVESTIGATE ADOLESCENT SOCIAL NETWORKS*. In:\u00a0<em>Demography<\/em>, Vol. \u00a046-Nr. 1, S. 103\u2013125.<\/p><p>Robins, Garry\/Pattison, Pip\/Kalish, Yuval\/Lusher, Dean (2006): An introduction to exponential random graph (p*) models for social networks. \u00a0In: <em>Social Networks<\/em> 29, S. 173-191.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Nachdem ich in meinem ersten Blog Post die Aktivit\u00e4t von Schweizer Politikern auf Twitter in Bezug auf ein bestimmtes Thema untersucht habe, stehen in dieser Analyse die Politiker selbst und ihre Vernetzung im Fokus. Wie sehen die Positionen und Strukturen von politischen Netzwerkakteuren und ihre Verbindungen zueinander auf Twitter aus? Welches sind zentrale Akteure? Und [&hellip;]<\/p>\n","protected":false},"author":6,"featured_media":12219,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[296],"tags":[66,101,167,169,210,221,256],"class_list":["post-2053","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-12-april-2014","tag-ergm","tag-graph","tag-network","tag-netzwerkanalyse","tag-schweiz","tag-social-network-analysis","tag-twitter"],"_links":{"self":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts\/2053","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/comments?post=2053"}],"version-history":[{"count":2,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts\/2053\/revisions"}],"predecessor-version":[{"id":11419,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts\/2053\/revisions\/11419"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/media\/12219"}],"wp:attachment":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/media?parent=2053"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/categories?post=2053"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/tags?post=2053"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}