#vainkansanedustajajutut : Tutkielma Suomen kansanedustajien Twitter-aktiivisuudesta
Bibliographic record
Abstract
Tutkielma käsittelee suomalaisten kansanedustajien Twitter-aktiivisuutta vaalikauden ulkopuolella. Poliittisten edustajien ja kansalaisten välinen kommunikaatio on olennaista demokraattisen edustustehtävän onnistumiseksi. Edustajien ja edustettavien välinen kontakti lisää kansalaisten luottamusta poliittista järjestelmää kohtaan ja näin vahvistaa poliittisen järjestelmän legitimiteettiä. Internet ja erityisesti sosiaalinen media on nähty areenana, joka mahdollistaa edustajien ja kansalaisten välisen kommunikoinnin ennennäkemättömän suoralla ja rajoittamattomalla tavalla. Niin sanottu tasa-arvoistumisteoria näkee uusien verkkosovellusten luovan uusia mahdollisuuksia kansalaisten poliittiselle osallistumiselle, voimaannuttavan kansalaisia osallistumaan poliittiseen keskusteluun ja näin jyrsivän voimassa olevia valtarakenteita. Toisaalta normalisaatioteorian mukaan digitaalisen maailman vallanjako pelkästään heijastelee todellisen maailman valtasuhteita. Vaikka jälkimmäinen teorioista vaikuttaakin aikaisemman tutkimuksen perusteella olevan lähempänä totuutta, on sosiaalinen media tästä huolimatta merkittävä poliittinen osajulkisuus.\n\nTutkimuksessa tarkastellaan kansanedustajien Twitter-aktiivisuutta vaalikauden ulkopuolella olevan kuukauden aikajaksolla. Suomi on erityisen kiinnostava tutkimuskohde uniikin vaalijärjestelmänsä, maan poliittisen järjestelmän erityisten legitimiteettiongelmien sekä aktiivisesti verkossa viihtyvien kansalaistensa vuoksi. Tutkielmassa tarkastelun kohteena ovat niin Twitter-käyttäjätunnuksen omistaminen, julkaistujen twiittien määrä kuin @Käyttäjätunnus-ominaisuutta hyödyntävien eli keskustelutwiittien määräkin. Lisäksi tutkielmassa tarkastellaan tilastollisten menetelmien avulla, mitkä kansanedustajan tai hänen edustamansa puolueen ominaisuudet ovat yhteydessä tarkasteltaviin ilmiöihin. Tilastollisista menetelmistä tutkimuksessa hyödynnetään lineaarista ja logistista regressioanalyysia.\n\nAineiston pohjalta havaitaan, että suurimmalla osalla suomalaisista kansanedustajista on käyttäjätunnus Twitterissä, mutta moni palveluun rekisteröityneistä edustajista ei juuri hyödynnä palvelun tarjoamia mahdollisuuksia. Keskusteluviestejä suomalaiset kansanedustajat julkaisevat saman verran kuin muutkin eurooppalaiset kollegansa. Sekä julkaisu- että keskusteluaktiivisuus on vahvasti kasautunut tiettyjen edustajien harteille, sillä alle kymmenen prosenttia edustajista on vastuussa yli 40 prosentista edustajien tarkastelujaksolla julkaisemista twiiteistä. Sekä Twitterin omaksumista, Twitter-aktiivisuutta että Twitterkeskusteluaktiivisuutta selittää sama edustajaan liittyvä ominaisuus. Edustajan puolueeseen liittyvillä ominaisuuksilla ei tutkimuksen mukaan ole yhteyttä edustajan Twitter-käyttäytymiseen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.012 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".