Çevrimiçi söylemsel toplulukları tespit etmek için içerik üretici ağları ve kullanıcı algısından yararlanma

Çevrimiçi konuşmanın neden kamplara ayrıldığı

Bir seçim döneminde sosyal medyada gezinmiş olan herkes, konuşmaların ne kadar çabuk karşıt kamplara bölündüğünü hissetmiştir. Yine de bu konuşmaları aslında başlatan hesapların oranı çok küçüktür; çoğumuz esasen beğenir, paylaşır veya retweet ederiz. Bu makale, bu birkaç görünür sesin genel tartışmayı nasıl şekillendirdiğini sorguluyor ve siyasi "yankı odalarını" önce liderlere bakarak, ardından onların izleyicilerine bakarak haritalandırmanın bir yolunu gösteriyor.

Az sayıda konuşmacı, çok sayıda dinleyici

Twitter/X gibi platformlarda katılım son derece dengesizdir. Göreceli olarak küçük bir kullanıcı grubu — siyasetçiler, partiler, medya markaları ve diğer kamuya mal olmuş kişiler — siyasi söylemi yönlendiren paylaşımların çoğunu üretir. Hesapların büyük çoğunluğu ise bu içeriği tüketir ve yeniden dağıtır; örneğin retweet yaparak. Yazarlar, bu liderlerin sıkça konuşmaları ve kamu itibarıyla taşımaları nedeniyle sıradan kullanıcılardan daha net, daha sabit pozisyonlar alma eğiliminde olduklarını savunuyor. Eğer liderleri güvenilir şekilde gruplayabilirsek, geniş kitlelerin nerede durduğunu onları kimin yükselttiğini izleyerek çıkarabiliriz.

Kimlerin birlikte durduğunu görmenin iki yolu

Çalışma, tüm kullanıcıları iki kümeye ayıran bir çerçeve sunar: içerik üreticileri (liderler) ve geri kalan herkes (izleyici). Ardından liderler arasındaki ilişkilerden oluşan bir ağ kurar ve bu daha küçük, daha temiz ağ üzerinde standart topluluk bulma algoritmaları çalıştırır. Ana seçim, liderler arasındaki bağlantıların nasıl tanımlanacağıdır. MonoDC adı verilen bir versiyonda, liderler birbirlerini sıkça retweetlediklerinde bağlantılı sayılır; bu, siyasi çevrelerde doğrudan onay ve sinyalleşmeyi yakalar. Diğer versiyon olan BiDC'de ise liderler benzer izleyiciler tarafından retweetlendiklerinde bağlanır; böylece takipçileri çakışan iki siyasetçi doğrudan etkileşimde bulunmasalar bile aynı kampta yer alır.

Sosyal verideki gürültüyü filtrelemek

Ham sosyal medya verileri son derece gürültülüdür: bazı kişiler sürekli tweet atar, bazıları nadiren; bazı paylaşımlar tesadüfen viral olur. Rastgele etkinliği gerçek yapı sanmamak için yazarlar ağlarını filtrelemek amacıyla bilgi teorisinden araçlar kullanır. Gözlemlenen etkileşimleri, her kullanıcının toplam etkinlik düzeyini koruduğu ama bağlantıların karıştırıldığı rastgeleleştirilmiş bir dünyada beklenene kıyasla karşılaştırırlar. Sadece bu "rastgele dünya"dan çok daha güçlü olan bağlar korunur. Bu filtreleme doğrudan-retweet versiyonu (MonoDC) için hafiftir ama ortak-izleyici versiyonu (BiDC) için hayati önem taşır; aksi halde basit popülerlik yanıltıcı benzerlikler yaratabilir.

Kamu figürleri çevrimiçi kampların çıpası olarak

Araştırmacılar yaklaşımlarını 2022'de Twitter/X'te gerçekleşen üç büyük İtalyan siyasi tartışmasında test eder: cumhurbaşkanlığı seçimi, bir hükümet krizi ve genel seçimler. Önemli olarak, tüm veriler platformun ücretli doğrulamayı getirmesinden önceki döneme aittir; o zaman mavi tik çoğunlukla tanınma, abonelik değil anlamına geliyordu. Yazarlar doğrulanmış hesapları liderler olarak ele alır ve birkaç yüzünü parti ve seçim koalisyonuna göre elle sınıflandırır. Filtreleme yapılmamış hâlde bile, bu doğrulanmış politikacılar arasındaki retweet bağlantılarının zaten belirgin siyasi bloklara ayrıldığını bulurlar. Lider-temelli, istatistiksel olarak filtrelenmiş yöntemlerini uyguladıklarında, gerçek dünya parti ve koalisyonlarıyla uyum, tam, filtrelenmemiş retweet ağı üzerinde çalışan standart algoritmalara göre çok daha güçlü olur.

Ne işe yarıyor — ve ne daha az işe yarıyor

Liderler arasındaki doğrudan retweetlere dayanan MonoDC, bireysel partileri tespit etmede özellikle iyidir: siyasetçiler çoğunlukla kendi taraflarını destekler. Ortak izleyicilerle liderleri gruplayan BiDC ise birkaç partiyi aynı çatı altında toplayan daha geniş seçim koalisyonlarını daha iyi yansıtır. Yazarlar ayrıca liderleri seçmenin alternatif yollarını da dener; çok takipçisi olan hesaplar veya yüksek "retweet endeksi"na sahip hesaplar gibi. Bu etkinlik-temelli seçimler daha zayıf performans gösterir. Genellikle izleyici kitlesi ideolojik çizgileri aşan gazeteciler ve yorumcuları dahil etme eğilimindedirler; bu da kamplar arasındaki sınırları bulanıklaştırır. Buna karşılık, çevrimdışı rolleri onları belirli partilere bağlayan 2022 öncesi doğrulanmış siyasi figürler, çevrimiçi söylemi haritalamak için daha sabit bir omurga sağlar.

Bu dijital tartışmayı anlamak için neden önemli

Gayri uzman bir okuyucu için ana mesaj şudur: çevrimiçi siyasi tartışma düz bir fikirler pazarı değildir. Bunun yerine, nispeten küçük, tanınabilir bir aktör seti etrafında yapılandırılmıştır ve geri kalanımız hangi mesajları iletme seçeneğini tercih ettiğimize göre eğilimlerimizi ortaya koyar. Önce bu liderleri tanımlayarak, bağlantılarını dikkatle filtreleyerek ve ancak sonra sıradan kullanıcıları topluluklara atayarak, yazarlar sınırlı verilerden altında yatan siyasi haritanın büyük bir kısmını yeniden oluşturabilir. Yaklaşımları İtalyan Twitter/X üzerinde geliştirildiği hâlde, ilk bakışta birkaç görünür hesabın birçok kişinin gördüklerini şekillendirdiği pek çok platforma uygulanabilir; bu da platformlar veri erişimini kısıtlasa veya doğrulama kurallarını değiştirse bile yankı odalarını çalışmak için pratik bir yol sunar.

Atıf: 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

Anahtar kelimeler: sosyal medya kutuplaşması, politik topluluklar, Twitter söylemi, ağ analizi, çevrimiçi yankı odaları