Социальные медиа как инструмент избирательной кампании: стратегии российских политиков в Твиттере в ходе губернаторских выборов в России в сентябре 2014 г.
определение стратегий ведения Twitter, которых придерживались кандидаты в губернаторы от партии большинства Государственной Думы Российской Федерации и кандидаты от оппозиционных партий на выборах в 2014 году.
Задачи исследования:
1. рассмотреть существующие подходы к изучению новых социальных медиа в политическом контексте;
2. проанализировать контент сообщений, которые были размещены кандидатами в губернаторы в период с июня 2014 года по ноябрь 2014 года включительно, относительно их цели и тематики;
3. выявить и описать стратегии, которых придерживались кандидаты в губернаторы от партий различной направленности по отношению к власти в период региональных выборов в 2014 году.
С появлением Интернета использование электронных медиа является частью избирательных кампаний. В целом, социальные медиа могут сыграть решающую роль в формировании политических предпочтений граждан, а проведение избирательной кампании в Интернете может повлиять на исход голосования, что обусловливает актуальность работы. В основном существующие исследования социальных медиа сосредоточены вокруг аккаунтов американских или европейских политиков, а аккаунты российских политиков не были изучены. Следовательно, вопрос о том, какие стратегии используют российские политики в своих социальных сетях, остается неразрешенным. Исходя из этого, цель работы - определение стратегий ведения Twitter, которых придерживаются российские политики.
В качестве основного метода исследования была выбрана классификация, поскольку этот метод позволяет проанализировать большое количество текстовой информации на входе и сгруппировать имеющиеся объекты в соответствии с определенными однородными категориями на выходе. В работе предпочтение отдается классификации с обучающей выборкой, поскольку эта группа методов позволяет избежать проблем при классификации слов, отсутствующих в специальных словарях для кодирования. Выбранный метод анализа включает в себя три этапа: создание обучающей выборки,оценивание параметров модели, лежащей в основе метода классификации, на сформированной обучающей выборке, и применение оцененной модели для классификации наблюдений тестовой выборки. В качестве основных методов машинного обучения с учителем были выбраны метод опорных векторов, метод случайных лесов, метод k-ближних соседей и логистическая регрессия с регуляризацией, как одни из наиболее эффективных методов, способных работать в многомерном пространстве.
Эмпирическим материалом являются 10 000 сообщений, размещенных в Twitter 33 кандидатами из 20 регионов на губернаторских выборах 2014 года в период с 1 июня 2014 г. по 31 ноября 2014 г. Выбор данного периода обусловлен тем, что именно с начала июня в регионах началось проведение предвыборных кампаний кандидатов. Дата окончания периода выбрана в виду того, что после выборов в регионах проходили церемонии вступления губернаторов в должность, что также отмечалось в аккаунтах кандидатов.
Основным результатом работы явялется выявление того факта, что кандидаты от правящей и оппозиционных партий придерживаются различных стратегий ведения своих Twitter-аккаунтов. В частности, сообщения, размещаемые представителями этих двух групп, различаются по цели и тематике. Так, наиболее распространенной целью сообщений среди кандидатов от правящей партии является распространение информации, в то время как среди кандидатов от оппозиционных партий наиболее популярны сообщения, связанные с прямой коммуникацией или личные сообщения. Можно предположить, что это связано с тем, что большинство кандидатов от «Единой России» в выбранный период являлись действующими главами региона, поэтому их основной стратегией было освещение событий в регионе, поскольку они могут являться показателями успешности политика. Кандидаты от оппозиционных партий не имели возможности рассказывать о региональных событиях как о достижениях своего губернаторства, поэтому среди них наиболее распространенной стратегией ведения аккаунта оказалась апелляция к своей личности посредством размещения личных сообщений, а также прямая коммуникация со своими читателями.
Стоит отметить, что российские политики в выбранный период также уделяли внимание освещению различных тем. Так, среди кандидатов от «Единой России» наиболее популярными оказались сообщения, связанные с региональными событиями и вопросами, а также сообщения, связанные с тематикой встреч и политической деятельностью кандидата. Можно заметить, что наиболее распространенная тематика сообщений совпадает с наиболее распространенными целями сообщений, что может быть связано, как уже было отмечено выше, с тем фактом, что кандидаты от «Единой России» в рассматриваемый период уже занимали главенствующие должности в регионе. Среди кандидатов от оппозиционных партий наиболее распространенными были сообщения, посвященные тематике выборов. Можно предположить, что это связано с тем, что, в отличие от кандидатов от правящей партии, другие кандидаты не могли опираться на успех в разрешении региональных вопросов, поэтому они напрямую апеллировали к своим избирателям в контексте выборов.
Различия между кандидатами относительно тематики и цели их сообщений были также выявлены в ходе проверки гипотезы о равенстве долей сообщений кандидатов от «Единой России» и других кандидатов в каждом выделенном классе. Так, гипотеза о равенстве долей отвергается на 90% уровне доверия для всех выделенных классов. Следовательно, можно сказать, что между контентом Twitter-аккаунтов кандидатов в действительности существуют статистически значимые различия.
В дальнейшем данное исследование может быть продолжено в направлении использования других методов анализа текста (например, анализ тональности текста), которые помогут выделить другие аспекты выявленных стратегий.
2. Beauchamp N. Predicting and Interpolating State-level Polling Using Twitter Textual Data.
3. Goldbeck J. et al. Twitter Use by the U.S. Congress.
4. Hemphill, L., Otterbacher, J., & Shapiro, M. What’s Congress Doing on Twitter?
5. O’Connor B. et al. From Tweets to Polls: Linking Text Sentiment to Public Opinion Time Series.
6. Ross K., Buerger T. Face to Face(book): Social Media, Political Campaigning and the Unbearable Lightness of Being There.
7. Shi L. et al. Predicting US Primary Elections with Twitter.
8. Tumasjan A. et al. Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment.
9. Vaccari C. et al. Social Media and Political Communication: A Survey of Twitter Users during the 2013 Italian General Election.