Nr. 53 - Nicola Righetti, Petro Tolochko, Aytalina Kulichkina, Azade Kakavand, Daisuke Nakamura, Yuru Li, Paul Pressmann, Stephanie Geise, Annie Waldherr: A Longitudinal Approach to the Analysis of Social Media Engagement: The Case of Anger-Driven Climate-Skeptic Message Propagation During the 2021 German Elections

Soziale Medien sind zu einem wichtigen Raum für die Gestaltung politischer Agenden und Mobilisierung geworden, wobei das Engagement der Nutzer eine Schlüsselrolle bei der Verbreitung von Botschaften spielt. Dementsprechend haben frühere Untersuchungen das Engagement und das Sharing-Verhalten von Nutzern sozialer Medien umfassend untersucht. In dieser Studie untersuchen wir die Vorteile der Längsschnittmodellierung für die Analyse des Engagements in sozialen Medien im Vergleich zu Querschnittsansätzen, wobei wir uns auf den Zusammenhang zwischen emotionalen Reaktionen – insbesondere Wut – und der Verbreitung von Inhalten konzentrieren. Obwohl zur Analyse von Social-Media-Daten häufig Querschnittsansätze verwendet werden, sind Interaktionsmuster von Natur aus zeitlich begrenzt und erfordern daher einen longitudinalen, zeitkritischen Ansatz. Wir argumentieren, dass longitudinale Methoden für die Analyse der sich im Laufe der Zeit verändernden Interaktionsdynamik effektiver sein können als Querschnittsansätze. Diese Methoden stellen in der Tat einen Mittelweg zwischen den bekannten Querschnittsansätzen und den ausgefeilten Zeitreihentechniken dar, da sie einige Fallstricke der ersteren vermeiden und sich auf einfachere Annahmen als die letzteren stützen. Longitudinale Methoden reduzieren tatsächlich die Verzerrung durch ausgelassene Variablen, helfen bei der Berücksichtigung zeitabhängiger Faktoren – einschließlich algorithmischer Verstärkung und Störfaktoren durch Netzwerkverbreitung – und berücksichtigen unregelmäßige oder spärliche Social-Media-Daten. Wir untersuchen empirisch die Unterschiede zwischen Längsschnitt- und Querschnittsanalysen, indem wir Schätzungen der Auswirkungen von Wut auf das Teilen anhand von 1.137 Facebook-Beiträgen deutscher Parteien zum Thema Umwelt während der Bundestagswahl 2021 vergleichen, wobei wir uns auf die Alternative für Deutschland (AfD) und Die Grünen konzentrieren, die gegensätzliche Pole des umweltpolitischen Spektrums repräsentieren. Die Querschnittsschätzungen wurden anhand von drei Stichprobenstrategien abgeleitet: der letzten Beobachtung pro Beitrag, der ersten Beobachtung nach der Wahl und einer zufällig ausgewählten Beobachtung pro Beitrag. Sowohl für die Längsschnitt- als auch für die Querschnittsmodelle wurde eine bayessche Mehrebenenregression mit einer negativen binomialen Spezifikation angewendet. Unsere Ergebnisse zeigen, dass die Längsschnittmodellierung konservativere und präzisere Schätzungen liefert, während Querschnittsmethoden dazu neigen, die Effektgrößen und Unterschiede zwischen den Parteien zu übertreiben. Alle Modelle deuten darauf hin, dass Wut positiv mit dem Teilen für die AfD und negativ für Die Grünen assoziiert ist, aber die Längsschnittanalyse bietet eine größere inferenzielle Stabilität, indem sie zeitinvariante Störfaktoren und algorithmische Verstärkung kontrolliert. Insgesamt unterstreichen die Ergebnisse den Wert der Einbeziehung zeitlicher Dynamiken in die Social-Media-Forschung und zeigen gleichzeitig die Herausforderungen bei der Anwendung von Längsschnittansätzen auf digitale Spuren-Daten auf, insbesondere im Hinblick auf den Datenzugang.

Weiterlesen

Über die Autoren:

Nicola Righetti
Nicola Righetti ist Assistenzprofessor am Fachbereich Kommunikationswissenschaften, Geisteswissenschaften und Internationale Studien der Universität Urbino Carlo Bo in Italien. Seine Forschung konzentriert sich auf die Weiterentwicklung computergestützter sozialwissenschaftlicher Methoden und datengestützter Untersuchungen darüber, wie digitale Medien die Kommunikation, den öffentlichen Diskurs und das soziopolitische Verhalten beeinflussen. Er hat an mehreren internationalen Forschungsprojekten mitgewirkt, darunter Studien zur Polarisierung in der Kommunikation in sozialen Medien (PolarVis) und zur Entwicklung innovativer KI-Methoden zur Untersuchung der Online-Kommunikation (vera.ai). Darüber hinaus leitete er Projekte zur Politikberatung für Institutionen wie die Medienanstalt Nordrhein-Westfalen mit Schwerpunkt auf der Kommunikation in sozialen Medien während Wahlen sowie für die Europäische Kommission, wo er politikrelevante Forschungsarbeiten zur Umsetzung des Gesetzes über digitale Dienste (DSA) durch sehr große Online-Plattformen durchführt. Im Jahr 2024 war er Gastwissenschaftler am ZeMKI.

Petro Tolochko
Petro Tolochko ist Postdoktorand am Institut für Kommunikationswissenschaft der Universität Wien. Seine Forschungsinteressen umfassen quantitative Methoden in den Sozialwissenschaften, soziale Netzwerke, quantitative Textanalyse und automatisierte Sprachverarbeitung in den Sozialwissenschaften.

Aytalina Kulichkina
Aytalina Kulichkina ist Postdoktorandin am Institut für Kommunikationswissenschaft der Universität Wien. Ihre Forschungsinteressen umfassen politische Kommunikation, soziale Medien und computergestützte Methoden in den Sozialwissenschaften.

Azade Kakavand
Azade Kakavand ist Postdoktorandin im Bereich Computergestützte Methoden am Social Media Observatory des Forschungsinstituts für soziale Kohäsion und am Medienforschungslabor des Leibniz-Instituts für Medienforschung | Hans-Bredow-Institut (HBI).

Daisuke Nakamura
Daisuke Nakamura ist Masterstudent der Kommunikationswissenschaft und wissenschaftlicher Mitarbeiter am Computational Communication Science Lab der Universität Wien. Seine Forschungsinteressen umfassen politische Social-Media-Influencer, Polarisierung, politischen Extremismus und computergestützte Methoden in den Sozialwissenschaften.

Yuru Li
Yuru Li ist Doktorandin am Zentrum für Medien, Kommunikation und Information (ZeMKI) der Universität Bremen. Ihre Forschungsschwerpunkte sind computergestützte Ansätze zur politischen Kommunikation, visuelle Kommunikation und Social-Media-Studien. Derzeit ist sie am Labor für digitale Kommunikation und Informationsvielfalt tätig und verfügt über Erfahrung in der Anwendung von Computer Vision und NLP in der Social-Media-Forschung.

Paul Pressmann
Paul Pressmann ist Doktorand am Zentrum für Medien-, Kommunikations- und Informationsforschung (ZeMKI) der Universität Bremen. Seine Forschungsschwerpunkte liegen im Bereich der Wissenschaftskommunikation zum Klimawandel, insbesondere an der Schnittstelle zwischen computergestützter Kommunikationswissenschaft, digitaler Transformation und öffentlichem Diskurs. Er entwickelt und wendet groß angelegte Daten- und KI-basierte Methoden an, um visuelle Praktiken, Polarisierung und die Rolle neuer Kommunikatoren in der Online-Klimakommunikation zu untersuchen.

Stephanie Geise
Stephanie Geise ist Professorin für Kommunikations- und Medienwissenschaften mit Schwerpunkt Methodische Innovation am Zentrum für Medien-, Kommunikations- und Informationsforschung (ZeMKI) der Universität Bremen. Ihre Forschungsinteressen umfassen politische Kommunikation, visuelle Kommunikation, digitale Kommunikation, Methoden der empirischen Kommunikationsforschung, insbesondere computergestützte Beobachtungsmethoden, Medienrezeptionsprozesse und Medienwirkung, politische Partizipation sowie politischen Protest (Protestbewegungen).

Annie Waldherr
Annie Waldherr ist Professorin für Computational Communication Science an der Universität Wien. Sie untersucht die sich wandelnden Strukturen und Dynamiken in den heutigen digitalisierten öffentlichen Sphären und kombiniert dabei computergestützte und konventionelle empirische Methoden.