← Band 2: Digitale Methoden in der Kommunikationswissenschaft
Twitter-Öffentlichkeiten: Identifikation und Interpretation der Strukturen von Follower-Netzwerken
Axel Maireder & Stephan Schlögl
Berlin, 2015
DOI 10.17174/dcr.v2.6 (SSOAR)
Zusammenfassung: Der Beitrag nimmt die Struktur der Follower-Verknüpfungen zwischen TwitternutzerInnen in den Blick, die sich an bestimmten Themen und Diskursen beteiligen. Verdichtungen in diesen Netzwerken verstehen die Autoren als (Teil-)öffentlichkeiten, deren Analyse Einblicke in die Partizipationsstrukturen in öffentlichen Kommunikationsprozessen ermöglicht. Anhand zweier Beispiele aus dem Feld der politischen Kommunikation wird die Vorgehensweise bei der Datensammlung, -aufbereitung und -analyse dargelegt und vor dem Hintergrund des methodologischen Konzepts diskutiert. Die Ergebnisse der beiden Fallstudien werden anschließend verglichen und daraus Faktoren für die Beschreibung von Twitter-Communities in politischen Kontexten abgeleitet. Der Beitrag schließt mit einem Ausblick auf weiterführende Analysen und Anwendungsfelder von Clusteranalysen in Twitter-Follower-Netzwerken.
Dr. Axel Maireder ist wissenschaftlicher Leiter des Social Media Intelligence Center der GfK und war bis Ende 2014 Mitarbeiter am Institut für Publizistik- und Kommunikationswissenschaft der Universität Wien
Mag. Stephan Schlögl ist wissenschaftlicher Mitarbeiter am Social Media Intelligence Center der GfK und promoviert an der Universität Wien im Fach Internationale Entwicklung
Maireder, A., & Schlögl, S. (2015). Twitter-Öffentlichkeiten: Identifikation und Interpretation der Strukturen von Follower-Netzwerken. In A. Maireder, J. Ausserhofer, C. Schumann, & M. Taddicken (Hrsg.), Digitale Methoden in der Kommunikationswissenschaft (S. 115-139). doi: 10.17174/dcr.v2.6
Diese Publikation erscheint Open Access und ist lizensiert unter Creative Commons Attribution 4.0 (CC-BY 4.0).
Die persistente Langzeitarchivierung erfolgt mit Hilfe des Social Science Open Access Repository sowie der Registrierungsagentur für Sozial- und Wirtschaftsdaten da|ra.