همگان هاي شبكه اي در توئيتر فارسي؛ تحليل خوشه هاي شبكه اي در توئيتر

Networked Publics in Farsi Twitter; an Analysis of the Twitter Network Clusters

اين مقاله به تحليل شبكه و مطالعه همگان هاي شبكه اي در توئيتر در ايران مي پردازد. توضيح آنكه توئيتر در رويدادهاي سياسي نقش پر رنگي يافته در حاليكه مطالعه منظم در اين باره به اندازه اهميت توئيتر رشد نكرده است. از اين جهت، با توجه به اهميت توئيتر در ايران و همچنين نقش همگان هاي شبكه اي در اين رسانه اجتماعي، گام اول براي تحليل نقش توئيتر در حوزه سياست در ايران، شناخت و تحليل ويژگي ها و ساختار اين همگان هاي شبكه اي است. بنابراين، هدف اين تحقيق شناسايي و تحليل ساختار همگان هاي شبكه اي در توئيتر فارسي است. گردآوري داده ها براي تحقيق در بازه زماني 25 روزه انتخابات رياست جمهوري 1396 انجام شد. براي اجراي تحقيق، علاوه بر استفاده از مفهوم نظري همگان شبكه اي، روشهاي تحليل شبكه اجتماعي و تحليل محتواي مردمنگارانه را تركيب كرده ايم. با استفاده از شاخص ماژولاريتي (خوشه خوشه شدگي)، سه خوشه اصلي در شبكه ريتوئيت شناسايي شد: 1- خوشه اصلاح طلبان، 2- خوشه اصولگرايان و 3- خوشه مهاجران. براي توصيف ويژگي هاي اين سه همگان، كاربران موثر هر يك را بر اساس شاخص رتبه صفحه (PageRank) شناسايي كرديم. يافته ها نشان مي دهد كه كاربران موثر اغلب از روزنامه نگاران، رسانه ها و شهروندان عادي تشكيل مي شوند. همچنين شكاف جنسيتي معناداري در همگان هاي شبكه اي وجود دارد. حساب كاربري اغلب اعضاي اين همگان ها بعد از انتخابات فعال مانده، اما اعضاي اين سه همگان از نظر داشتن هويت واقعي با يكديگر تفاوت دارند.

This paper examines how the networked publics on Twitter are taking shape in Iran. While Twitter's role in political events has increased, the systematic study on this issue has not grown as expected. Accordingly, considering the importance of Twitter in Iran as well as the role of networking publics in Twitter, the first step in analyzing Twitter's role in politics in Iran is to identify and analyze the characteristics and structure of such network publics. The purpose of this research paper, therefore, is to identify and analyze the structure of networking publics on Persian web site. We collected the necessary data during the 25 days of the presidential election of 2017. To do such research, in addition to using the theoretical concept of the public, we have combined the methods of social network analysis and ethnographic content analysis. The modularity of clusters indicates that there are three main clusters in the retwit network as follows: 1- the reformists' cluster, 2- the fundamentalists' cluster, and 3- Immigrant cluster. To describe the features of these three, we identified active users of each one based on the PageRank index. The findings indicate that active users are often made up of journalists, the media, and ordinary citizens. There is also a significant gender gap in the network of publics. Most of the members' accounts of these publics remained active after the election, but the members of these three network publics are different from each other in terms of their true identity.