Javascript är avstängt eller blockerat i din webbläsare. Detta kan leda till att vissa delar av vår webbplats inte fungerar som de ska. Sätt på javascript för optimal funktionalitet och utseende.

Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

nils holmberg

Nils Holmberg

Universitetslektor

nils holmberg

Computational methods for querying and sampling the Twitter disinformation datasets

Författare

  • Nils Holmberg

Summary, in English

This study attempts to apply computational methods to the Twitter Election Integrity Datasets in order to derive a basic descriptive overview of this disinformation data, and to suggest some possible routes for developing these methods to address future research questions. The results indicate substantial variations in tweet frequency over time and geographical regions, as well as differences in relative importance of tweet words across regions. Aggregated tweet measures provide basic descriptive statistics for the datasets.

Avdelning/ar

  • Institutionen för strategisk kommunikation

Publiceringsår

2020-11-24

Språk

Engelska

Dokumenttyp

Konferens - annat

Ämne

  • Communication Studies

Nyckelord

  • social media
  • disinformation
  • computational methods
  • text analysis
  • content analysis
  • R package

Conference name

The Carnegie Partnership for Countering Influence Operations

Conference date

2020-11-17 - 2020-11-24

Conference place

United Kingdom

Status

Unpublished

Projekt

  • Web-based influence campaigns - computational content analysis and user gaze interaction