Is there anything Left?: A Global Analysis on Changes in Engagement with Political Content on Twitter in the Musk Era
Notice bibliographique
Résumé
Over the past few years, Twitter (now X) has become an influential platform for political discourse. However, prior research suggests that Twitter may be biased towards right-wing content. Following the change in ownership in October 2022, there have been several changes to Twitter’s policies, particularly in content flagging and Twitter Blue Verification. Understanding how any shifts in outcomes vary across different political ideologies is important for comprehending the evolving political discourse, especially given recent developments. To explore this issue, we examine shifts in engagement (characterized by likes and retweets) for political figures before and after November 2022, focusing on describing how engagement has changed over time. We perform a global analysis by collecting tweets from 6550 accounts belonging to political leaders and parties from twelve countries among the ones with the highest user activity on the platform, namely, Argentina, Brazil,Canada, Colombia, France, Germany, India, Japan, Mexico, Spain, the United Kingdom, and the United States, between June 2021 and June 2023. Our findings indicate that the number of likes on political tweets increased after November 2022. However, we observe that the number of retweets decreased significantly, along with a marginal decrease in the likes-to-retweet ratio, with no statistically significant difference between the Left and the Right. Our study is the first to offera global perspective by examining how platform engagement has shifted during the Musk Era. To support further research, we release the data on politicians and parties used in this study, with their Twitter data available upon request.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».