The Logic of Political Coverage on Twitter: Temporal Dynamics and Content

書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：

Jungherr, A. (2014). The Logic of Political Coverage on Twitter: Temporal Dynamics and Content. Journal of Communication, 64: 239–259.

導讀者：盧安邦                 

原作摘要：

重點整理：

本文分析2009德國聯邦選舉時期Twitter上的政治評論，本文發現Twitter上的時間動態與內容採用了一種混和邏輯，有時呈現出與傳統新聞媒體一致的邏輯，有時則呈現與網路政治表達相同的邏輯。

混和媒體系統(hybrid media system)中的政治傳播 

Andrew Chadwick 將現今的媒體環境稱之為「混和媒體系統」(hybrid media system) (Chadwick, 2013)，強調我們應該要將傳統媒體與社群媒體的政治互動視為相互連結且彼此依賴的系統。

本文延伸Chadwick的概念，研究2009年德國聯邦選舉中的twitter貼文，檢視其是否仍遵循傳統媒體邏輯，抑或呈現網路政治溝通的特有邏輯。

作者認為科技條件影響了資訊的產製與消費模式，電視廣播科技影響了記者對政治事件的報導模式以及觀眾的閱聽模式(甚至是「報導-閱聽」這種單向模式)，而新聞被視為商業產品也形塑了政治報導的樣貌(McManus, 1992)。作者認為，網路的出現可能帶來新的法則與動態。

政治報導：傳統媒體的邏輯

傳統新聞媒體背負規範性期待，身負守門人任務。然而，學者發現新聞的守門邏輯包含個人化(personalization)、競爭(contest)、負面報導(negative coverage) (Barnhurst & Nerone, 2002; Semetko, Blumler, Gurevitch, & Weaver, 1991; Takens, van Attenveldt, van Hoof, & Kleinnijenhuis, 2013)，這些邏輯並非總是遵守規範性期待。

學者認為，傳統媒體政治報導會系統性地偏向於官方設定的主題及其對事件的詮釋，且時常忽略政治光譜上的其他意見(Bennett, 1990; Bennett, Lawrence, & Livingston, 2007)；也有學者指出傳統新聞高度依賴於由政治行動者組織的規律事件，這便造成其資訊來源的偏頗。另方面，這些政治行動者變得越來越富於技巧，時常創造事件來回應新聞媒體這種固定的需求，並藉此讓他們的議題、候選人、觀點為人們所注意(Boorstin, 1961; Lang & Lang, 1984; Molotch & Lester, 1974)。

整理相關文獻後，作者認為可將傳統新聞的邏輯歸納如下：個人化的政治、強調政治鬥爭以及負面消息，且常引用掌權政治行動者的發言以對政治事件進行評論。

政治報導：Twitter的邏輯

作者認為，要清楚歸納Twitter的邏輯則相對困難，既有文獻發現：

對Twitter的討論多將焦點放在其幫助使用者自我表達以及公共互動的角色上，也有許多研究發現Twitter成為政治行動者以及公眾告知、動員、創造媒體關注的手段(Bennett & Segerberg, 2013; Jungherr & Jürgens, 2013; Papacharissi & de Fatima Oliveira, 2012; Poell & Borra, 2013; Tufekci & Wilson, 2012)。

對在Twitter上追蹤政治人物的使用者動機之研究，則指出Twitter扮演獲取政治資訊的頻道，並提供與政治精英互動的機會，同時也是人們表達政治信念、交換政治議題的平台。(Parmelee & Bichard, 2012)

Andrew Chadwick讓我們看見了傳統媒體記者如何常規地將Twitter訊息整合進其政治報導中。

Twitter使用者大量引用傳統媒體網站的連結(Kwak, Lee, Park, & Moon, 2010)

Zizi Papacharissi and Maria de Fatima Oliveira則使用「情緒新聞」(affective news)一詞描述Twitter新聞，他們認為Twitter上的新聞乃基於主體經驗、意見以及情緒(Papacharissi & de Fatima Oliveira, 2012)。

作者因而將Twitter邏輯歸納如下：Twitter上關於某事件的評論會跟著傳統新聞媒體評論的增加而相應增加。這些內容會包含主觀觀察、意見以及情緒性的評論。我們應該能在twitter中看到傳統的政治行動者以及政治生力軍，也應能到非傳統政治行動者與新黨派的支持者使用Twitter以動員民眾。

研究問題

本研究針對與2009年德國聯邦選舉人物相關的twitter文章，分析兩種特性的Twitter訊息(應指與「政黨」相關以及與「政治人物」相關者)是否與傳統新聞媒體擁有相同的邏輯，還是twitter有其自身獨特的討論邏輯。

首先，作者先檢視Twitter貼文的聲量波動是否與傳統新聞媒體一致。

接著，作者分析電視辯論日以及選舉日這兩天中RT數量前100名的文章，檢視這些內容是否與傳統新聞媒體採用類似的邏輯？

Dataset/method

使用的資料集：

一、2009年德國選舉歷時性研究媒體內容分析資料(the German Longitudinal Election Study (GLES) 2009 Campaign Media Content Analysis)：印刷媒體(德國六份主要新聞報導BILD, FAZ, FR, SZ, TAZ, and Die Welt)

二、the GLES 2009 Campaign Media Content Analysis：電視(四家德國主要電視台的晚間新聞報導ARD, ZDF, RTL, and SAT1)

三、由Pascal Jürgens以及作者本人蒐集之資料集，蒐集2009年德國聯邦選舉時期所有德國「政治意見發言」使用者(politically vocal Twitter users)的貼文內容。

印刷媒體關注以下

一、報導發表時間；

二、報導中被提及的政治行動者(政治人物或是政黨)；

三、文章的標題(title)以及主題(topic)。

電視關注以下：

一、新聞節目的首播時間； 

二、報導中被提及的政治行動者(政治人物或是政黨)；

三、節目的主題(topic)。

總計每日提及次數，包括兩位主要候選人Angela Merkel以及Frank-Walter Steinmeier、五個政黨(CDU/CSU, SPD, FDP, Bündnis 90/Die Grünen, and Die Linke)以及被提及的政黨政治人物。印刷媒體資料集包括6月29日到9月26日所有曾被主要德國新聞報紙提及的前述行動者。報紙的周日版則未被包含在此資料集中，因此共78則；電視則包括June 29至September 26四大新聞台的晚間新聞內容，共91則。

本研究使用的Twitter資料則使用Twitter API抓取6月27日到10月1日間「政治意見發言」使用者所發表的所有貼文。

符合條件的使用者皆在選舉活動期間曾使用過19個預先決定的政治相關hashtags(如政黨名稱、候選人名字、選舉相關hashtag等)中的至少一個，使用者只要貼出一則包含了這些hashtags的文章，他的所有文章都會被我們蒐集起來。

而在本文的分析中，僅將焦點放在那些在hashtag中明顯標示政治行動者的訊息(e.g., #cdu, #spd, #grüne, #piraten, #merkel, and #steinmeier)。

這樣選擇可能會使得對twitter較不熟悉，未使用#的內容被排除，但作者認為使用hashtags來識別資料可以過濾出有明確政治對話意圖的訊息，若以關鍵字作為篩選方式則可能增加大量雜訊。

作者蒐集June 27至October 1之間的資料，期間共有18,832 個使用者發表了至少一篇使用標的hashtags的文章，共蒐集到194,425則使用了標的hashtags的貼文。

Results

這場選舉打得有點不情不願，因為

一、德國兩個主要政黨CDU/CSU以及SPD組成聯盟，在2005至2009年間主導德國。

二、雖然財政危機正在沸騰，但CDU/CSU與SPD皆未在此次選舉活動中主打此議題。

選舉受二事件影響：

一、8月30在Saarland、Saxony與Thuringia舉辦的州選舉，而這三州普遍被認為聯邦選舉的指標州。

二、9月13舉辦的二候選人電視辯論。

傳統媒體以及Twitter中政治報導的時間動態

研究問題一：不同媒體中提及政治行動者的報導是否遵循一樣的時間模式？或者不同媒體對政治事件有著不同的反應模式？

研究者將選舉活動分為21個時間序列，紀錄序列中不同媒體對政治行動者的提及次數，並對時間序列進行principal component analysis (PCA)，檢驗不同媒體是否具有不同動態。

PCA將資料集中的變項轉換為更小的新變項，這些新變項稱之為「基本因素」(principal components)，這些基本因素可視為驅動外顯變項（Manifest variable）的基本程序(processes)，而這些基本程序是很難被測量的，因此也被稱為「潛在變項」(latent variables) (如本研究關注的動態)。此分析中，PCA幫助我們藉由組合基本因素中的外顯變項而找到潛在變項。

如果所有報導政治行動者的媒體都採用相似的邏輯，那麼我們將會辨識出七個基本組合(兩位主要候選人+五個政黨)；而如果不同媒體有著不同政治報導動態，那麼我們可以預期出現三類基本組合(Y1 = newspapers, Y2 = TV, and Y3 = Twitter).

從圖一可發現不同媒體的波動皆非常受到事件的影響(event sensitive)；而在相異處方面，主流媒體報導高峰出現在8月30日的州選舉當天，而Twitter上的討論高峰則出現在兩位候選人的電視辯論當天以及聯邦大選當天。

作者指出，Twitter相關討論高峰出現在媒體事件之後，可視為公眾對這些媒體事件意義的討論與協商，「一旦媒體事件建立了一個政治事實後，Twitter使用者便開始以較之過去更為強烈的態勢評論此事件。」(p.247)

PCA操作流程如下：

一、把資料集切成每日，不同媒體上，七類關鍵字各自當日總計。

二、如此一來，可得21個變項以及78個觀測對象(observations) (應該是三類媒體x七類關鍵字=21；78觀測對象則因為研究者將電視與twitter周日資料刪除以配合印刷媒體進行比較)

三、計算每個基本因素(principal component)的eigenvalues

四、進行因素分析，分為三個因素。

五、rotation of the coordination system to facilitate the interpretation of the identified components by increasing the component loadings of the variables。因為作者假設因素間有相關，故在rotate時使用“oblimin” method in the R package “psych”。

因素分析三結果：

因素1代表了提及政黨的傳統媒體報導(報紙與電視)，此因素之驅力顯然為傳統新聞報導邏輯。

因素2代表提及政黨的Twitter文章，此因素之背後驅力顯然有其特殊動態，讓Twitter上提及政黨的討論有其特殊性。

因素3包含了提及Frank-Walter Steinmeier的新聞節目以及提及兩位候選人的報紙新聞與Twitter文章。

作者認為，之所以提及Angela Merkel 的新聞節目不存於任何因素中，並在印刷媒體上呈現出weak factor loading，原因可能在於她的總理身分讓她在報導中被以不同的邏輯處理。

此外值得注意的是，提及雙方候選人的Twitter文章則呈現出與提及雙方候選人的傳統媒體一樣的邏輯。

PCA 呈現出兩種模式： 

一、提及政黨的文章在傳統媒體與Twitter上呈現出不同的動態。

二、第二個觀察則沒有那麼明確，電視節目在呈現Angela Merkel時會採用與呈現其他政治行動者不同的模式，甚至也與報紙及Twitter的呈現模式不同。

作者認為，整體而言，在提及「政黨」的文章方面，twitter與傳統新聞媒體擁有不同的時間動態、不同的邏輯。在提及「雙方候選人」的文章方面，Twitter與傳統新聞媒體則呈現出類似的時間動態模式、採用相同的邏輯。

The content of popular tweets

針對推特文章的內容分析，研究者選擇文章數最多的電視辯論(September 13)以及選舉日(September 27)這兩天的資料進行分析，找出每日轉推次數最多的100則內容，藉此將分析焦點放在使用者認為最為重要的訊息。

9月13日，電視辯論當日，4,341名使用者在Twitter上發表了25,444則包含了標的hashtag的訊息，與資料蒐集期間所蒐集到的所有訊息相較，可發現這天發表的推文占了整體的20%，這天發文的使用者並占了所有標示出的使用者中的25%。

作者先對資料結構進行分析，發現貼文中有提及電視辯論(23% retweets, 12% @messages, 66% contained links)與選舉日(22% retweets, 16% @messages, 66% contained links)的內容呈現出類似的用法，然而，在電視辯論當日提及電視辯論的發文中，17% retweets, 8% @messages且僅有10% contained links；選舉日的案例中則21% retweets, 9% @messages, 26% contained links。作者指出，因為這兩天人們主要關注的是媒體事件，因此傾向利用twitter評論內容，RT、@與link也就較少。

因此，Twitter扮演了公眾回應媒體事件的數位頻道，這些回應先前一直被侷限在閱聽人客廳裡的私人場域中(Dayan & Katz, 1992)。

其次，作者對這兩日RT數量最高的前100則貼文(共200則)進行內容分析(9/13資料RT範圍為4到46次；9/27資料則為14到92次RT)。

結果如下：

一、在電視辯論相關內容方面，大多數貼文包含了評論，無論是事實性的或是諷刺的； 

二、選舉日當天針對選舉結果的評論也很突出，但最多的是動員使用者投票，占了前100名的半數，有趣的是，這所有的動員推特文章都傾向於海盜黨，而沒有一則傾向五大黨。

三、有少數引用傳統民調，或希望大家參與線上民調的貼文。

四、辯論日當天有些許關於誰在辯論中勝出的評論。

作者指出，辯論日的資料中有兩件有趣的現象：

一、海盜黨(Pirate Party)與社會民主黨(Social Democrats)的支持者使用 #tvduell 來連結到他們的活動內容，這些政治行動者挪用此hashtag，將公眾注意力轉移到他們自身想要傳播的資訊上，這樣的行動被我們稱之為「hashtag hijacking」

二、使用者會去轉推候選人的發言引用，無論是搭配贊成或反對的評論。藉此將之編入索引。

因此，作者認為熱門RT文章呈現出混和的媒體邏輯，甚麼樣的混和媒體邏輯呢？

舊的媒體邏輯：

一、熱門RT文章呼應了傳統新聞價值如個人化(personalization)以及競爭(contest)，常評論政治人物以及記者的表現，或評估誰在辯論中勝出。

二、與民調相關內容則顯示傳統賽馬式報導(horserace coverage)也在線上討論中出現。

三、貼文常引用候選人的聲明，雖然大多數時候引用的目的在於挑戰其主當的有效性。

但除了傳統邏輯外，也有些新邏輯的證據：

一、海盜黨在挾持hashtag以及動員方面的使用模式呈現出新的政治行動者試圖利用熱門hashtag吸引注意力，進而傳散自身政治主張、突顯其他議題。

二、多數在電視辯論期間引用候選人發言的貼文目的在於與政治人物的主張進行對抗，此時Twitter提供了一般使用者以及反對陣營的政治行動者一個機會，得以對抗掌權政治人物的論述與主張。

三、多數twitter上的評論採用諷刺的修辭方式，與Papacharissi and de Fatima Oliveira (2012)提出的「情感新聞」(affective news)相互呼應。