Att använda nätverk av innehållsproducenter och användaruppfattning för att upptäcka online-diskursiva gemenskaper

Varför samtal online klustras i läger

Den som scrollat igenom sociala medier under ett val har känt hur snabbt samtal delar upp sig i motsatta läger. Endast en mycket liten andel konton inleder dock i praktiken de där konversationerna; de flesta av oss gillar, delar eller retweetar mest. Denna artikel frågar hur de få synliga rösterna formar den övergripande debatten och visar ett sätt att kartlägga politiska "ekkokammare" genom att först studera ledarna och först därefter deras publik.

Få talare, många lyssnare

På plattformar som Twitter/X är deltagandet mycket ojämnt. En relativt liten grupp användare — politiker, partier, mediemärken och andra offentliga personer — producerar majoriteten av de inlägg som driver politiska samtal. Majoriteten av konton konsumerar och vidarebefordrar i huvudsak detta innehåll, till exempel genom att retweeta. Författarna hävdar att dessa ledare, eftersom de talar ofta och tar med sig sina offentliga rykten, vanligtvis intar tydligare och mer stabila positioner än vanliga användare. Om vi kan gruppera ledarna på ett tillförlitligt sätt kan vi därefter härleda var den bredare massan står genom att observera vilka de förstärker.

Två sätt att se vem som står tillsammans

Studien introducerar ett ramverk som delar alla användare i två uppsättningar: innehållsproducenter (ledare) och alla andra (publiken). Därefter byggs ett nätverk av relationer bland ledarna och standardalgoritmer för att hitta gemenskaper körs på det mindre, renare nätverket. Det centrala valet är hur länkarna mellan ledarna definieras. I en version, kallad MonoDC, kopplas ledare ihop när de ofta retweetar varandra, vilket fångar direkt stöd och signalering inom politiska kretsar. I den andra versionen, kallad BiDC, länkas ledare när de retweetas av liknande publiker, så att två politiker med överlappande följare hamnar i samma läger även om de aldrig interagerar direkt.

Filtrera bort brus från sociala data

Råa sociala mediedata är extremt brusiga: vissa personer twittrar konstant, andra sällan; vissa inlägg går viralt av en slump. För att undvika att missta slumpmässig aktivitet för verklig struktur använder författarna verktyg från informationsteori för att filtrera sina nätverk. De jämför de observerade interaktionerna med vad som skulle förväntas i en randomiserad värld där varje användare behåller samma totala aktivitetsnivå men där kopplingarna annars blandas om. Endast band som är mycket starkare än vad denna "slumpvärld" skulle förutsäga behålls. Detta filter är lätt för den direkt-retweetande versionen (MonoDC) men avgörande för versionen med delad publik (BiDC), där enkel popularitet annars skulle kunna skapa missvisande likheter.

Offentliga personer som ankare för online-läger

Forskarna testar sin metod på tre stora italienska politiska debatter på Twitter/X 2022: presidentvalet, en regeringskris och parlamentsvalet. Viktigt är att all data härrör från innan plattformen införde betald verifiering, då den blå bocken mest signalerade offentlig igenkänning och inte en prenumeration. Författarna behandlar verifierade konton som ledare och klassificerar manuellt några hundra av dem efter parti och valkoalition. De finner att även innan något filter tillämpas så faller retweet-länkarna bland dessa verifierade politiker redan i distinkta politiska block. När de tillämpar sina ledarbaserade, statistiskt filtrerade metoder blir överensstämmelsen med verkliga partier och koalitioner mycket starkare än med standardalgoritmer som körs på det fulla, ofiltrerade retweet-nätverket.

Vad som fungerar — och vad som fungerar mindre bra

MonoDC, som bygger på direkta retweets mellan ledare, är särskilt bra på att upptäcka enskilda partier: politiker lyfter främst sin egen sida. BiDC, som grupperar ledare efter delade publiker, speglar bättre bredare valkoalitioner som samlar flera partier under samma paraply. Författarna prövar också alternativa sätt att välja ledare, såsom konton med många följare eller ett högt "retweet-index". Dessa aktivitetsbaserade urval presterar sämre. De tenderar att inkludera journalister och kommentatorer vars publiker spänner över ideologiska gränser och därigenom suddar ut gränserna mellan lägren. Däremot ger före-2022 verifierade politiska aktörer, vars roller utanför nätet knyter dem till specifika partier, ett mer stabilt skelett för att kartlägga den online-diskursen.

Varför detta spelar roll för förståelsen av digital debatt

För en lekmannaläsare är huvudbudskapet att politiska samtal online inte är en platt idéhandel. Istället är de strukturerade kring en relativt liten uppsättning igenkännbara aktörer, och resten av oss avslöjar våra lutningar genom vilka budskap vi väljer att sprida. Genom att först identifiera dessa ledare, noggrant filtrera deras kopplingar och först därefter tilldela vanliga användare till gemenskaper kan författarna återskapa mycket av den underliggande politiska kartan från begränsade data. Deras metod, även om den utvecklats på italiensk Twitter/X, kan i princip tillämpas på många plattformar där ett fåtal synliga konton formar vad de många ser, och erbjuder ett praktiskt sätt att studera ekkokammare även när plattformar begränsar datatillgång eller ändrar sina verifieringsregler.

Citering: Guarino, S., Mounim, A., Caldarelli, G. et al. Leveraging content producer networks and user perception to detect online discursive communities. Sci Rep 16, 11911 (2026). https://doi.org/10.1038/s41598-026-39477-5

Nyckelord: polariserade sociala medier, politiska gemenskaper, Twitter-diskurs, nätverksanalys, online-ekkokammare