Social Media, Sentiments and Political Discourse – An Exploratory Study of the 2021 Canadian Federal Election
Notice bibliographique
Résumé
Social media are widely used for online political discourse. Opinions shared on social media have different sentiments associated with them. Given the very high adoption rates of X (formerly known as Twitter) among adults, those who share their opinions on X not only represent a sizable segment of the society, but also influence (through emotion contagion) an even larger segment who are passive (non-contributing) users of the platform. Furthermore, the discourse that is initiated on X typically spreads to other more traditional media. As a result, X is influential, which makes it useful to understand the factors related to the sentiments expressed in tweets. Such understanding can help policymakers to take actions that align with public needs and priorities. This research focuses on identifying the drivers (keywords) of sentiments associated with political discourse on X. We also explore virality, i.e., how much a message (the tweet) spreads, and the relationship between sentiments and virality. Finally, we explore whether the clustering of tweets among sentiment and virality groups can improve the potential of social media content for predicting election results. Sentiment Analysis of 764,000 tweets related to the 2021 Canadian Federal election was followed by text clustering to identify sentiment-driving topics. We found some keywords predominantly present within a positive or negative sentiment that are suggestive of entities or ideas to invest in or mitigate by political decision makers. We were also able to find partial evidence for “negativity bias” by detecting a negative relationship between sentiment (positivity) and virality (number of retweets). Finally, we demonstrated that high positivity on the political discourse does not reflect election outcomes and examining X content in more neutral groups can improve predictive power. Our findings have implications for political decision makers and social media analytics researchers.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».