Social Construction of Blockchain on Social Media: Framing Public Discourses on Twitter
Notice bibliographique
Résumé
Blockchain has become a hot topic in technology, finance, regulation, and the wider society in recent years. Along the way, various users and interests have shaped the technology materially and discursively. This paper investigates the debate taking place on Twitter surrounding blockchain technology to understand the nature and development of its online public discourses. We collected and analyzed a Twitter dataset containing a total of 267,512 tweets that reference blockchain by 105,734 unique users. We conducted a mixed method research study involving qualitative and quantitative approaches. The results indicate that the majority of the retweeted posts are educational and promotional in nature, while the lowest numbers of frames are critical or skeptical of the new technology. The most active users seem to be largely involved in promoting the technology including some that are human created bots. The paper employs the theory of Social Construction of Technology (SCOT) that emphasizes the way our actions and discourses shape technology. We argue that a number of active Twitter users, for a variety of motives including financial ones, are shaping the discourse about blockchain by mostly framing it as a positive development in the global market, allegedly creating a revolution in the financial sector. More importantly, the social construction of technology on Twitter does not seem to be exclusively organic, for it includes bots and online spammers who mostly tweet promotional blockchain hashtags.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».