Análise de Redes Sociais sobre Candidatos Presidenciais 2014

Airstrip Research
Tipo de pesquisa: análise de usuários
Tema: presidenciáveis - eleições 2014.
setembro 2014

Com o objetivo de analisar e possivelmente descobrir padrões de comportamento e temas entre os usuários que comentam
sobre política no Twitter, o AirStrip pesquisou a atividade (quantidade, assuntos e tipos de posts, número de seguidores, data
de criação do perfil, etc...) de mais de 87 mil usuários que citaram, de 26.08 a 02.09, algum dos candidatos a presidência.
Pela análise identificamos dois grupos macro de usuários: padrão e replicadores, e dentro desses dois grupos maiores
encontramos sub-comunidades partidárias, que atuam dentro de um universo próprio, com HUBs de distribuição de informação
e usuários que atuam apenas por replicação.
Confia a análise completa nos slides seguintes.

1 Universo e metodologia
2 Análise dos usuários - totais.
3 Análise dos usuários - clusters sobre geração de conteúdo.
4 Análise de distribuição informacional - clusters sobre geração de conteúdo.

Recorte temporal e temático:1
Dados os 2 debates televisivos, dos candidatos a presidente, que aconteceram no ﬁnal de agosto e no começo
de setembro de 2014, captamos e analisamos posts do Facebook, Twitter e Instagram, sobre os candidatos
presidenciáveis e respectivas campanhas dos dias 26/08/2104 à 02/09/2014.
A análise geral desses dados estão no [ http://bit.ly/1tN7FT5 ; http://bit.ly/1ox15ZY ]
Recorte usuários:2
A partir de 501.115 posts/tweets, recortamos 87.415 usuários únicos do Twitter, organizados por categorias que representam
qual presidenciável esse usuário estava mencionando quando foi capturado. Por exemplo, um usuário que for
da categoria Aécio Neves, quer dizer que dentro do recorte temporal e temático da pesquisa esse usuário foi capturado por
um posts em que ele mencionava o candidato Aécio Neves - um usuário poderá fazer parte de mais de uma categoria,
caso ele tenha postado, por exemplo, sobre o Aécio Neves e sobre a Dilma Rousseff.

Metodologia3
Após a seleção dos usuários, analisamos além dos atributos do perﬁl do Twitter como data de criação, os hábitos e conteúdo
dos últimos 200 posts (quando chegavam a esse número) de cada um - foram 16.776.905 tweets ao total.
Uma das dúvidas que poderá surgir está na relação das categorias com o análise de conteúdo dos 200 últimos posts. Por
exemplo, o cluster dos usuários da categoria Dilma Rousseff podem ter entre os termos mais mencionados (wordcloud) Marina.
Isso quer dizer que os usuários desse cluster foram captados por um post que mencionava Dilma Rousseff e que nos últimos
200 posts somados desses usuários o termo Marina é um termo predominante em seus respectivos timelines.
Nesse report não foi aplicada a análise de sentimento, ou seja, não teremos a distinção entre os usuários que postaram a favor
ou contra o candidato tema da categoria, isso porque o objetivo desse report foi a análise da relação entre os usuários (a
distribuição informacional) versus os hábitos de postagem. Mesmo com a repetição de usuários entre as categorias dos
presidenciáveis a analise é enriquecida porque podemos avaliar o padrão do perﬁl versus o comportamento de distribuição
informacional sob os diferentes temas semânticos.

Será apresentado o padrão geral dos usuários analisados
Sumário dos capítulos analíticos

Análise sobre dois grandes grupos de usuários.
a) Replicadores.
Usuários que possuíam mais de 70% de RTʼs entre os 200
últimos posts.
b) Padrão.
Usuário com geração de conteúdo maior que 30%.

Social Network Analysis sobre os clusters:
a) Replicadores.
b) Padrão.

Análise de perfil
2008
2,19%
2009
30,27%
2010
20,65%
2011
17,20%
2012
9,28%
2013
10,36%
2014
10,06%
Ano de criação dos perﬁs
5001-10000
14%
1001-5000
24%
0-1000
20%
10001-20000
15%
above-20000
26%
Quantidade de posts desde a criação do perﬁl
*2006 representou 0.01% e 2007 0.55%

Análise de perfil
dilma rousseff
33,26%
pastor everaldo
4,29%
aecio neves
35,53%
eduardo jorge
1,43%
luciana genro
12,78%
marina silva
9,14%
levy ﬁdelix
3,57%
Quantidade de perﬁs - categorias políticos
Padrão
88%
Replicadores
12%
Replicadores x Padrão
*Zé Maria representou 0.02%, Jose Maria Eymael 0.04%, Mauro Iasi 0.01% e Rui Costa Pimenta 0.00%

Análise do padrão de postagem [sobre 200 últimos posts]
0%
49%
0%
32%
0%
19%
manha tarde noite
Horário de postagem
windows mobile Desktop nokia blackberry android iphone
2.549.755
4.338.409
45.30516.991
9.188.382
297.590340.473
Tipos de devices utilizados para postagem

RTcloud

Wordcloud

Análise de perfil
2014
19,65%
2013
13,41%
2012
9,21%
2011
16,17%
2010
20,27%
2009
21,29%
*2006 representou 0.00% e 2007 0.003% e 2008 0.02%
2014
8,98%
2013
10,22%
2012
9,29%
2011
17,85%
2010
21,26%
2009
32,40%
*2006 representou 0.00% e 2007 0.007% e 2008 0.023%
Padrão Replicadores

Análise de perfil
2014
19,65%
2013
13,41%
2012
9,21%
2011
16,17%
2010
20,27%
2009
21,29%
*2006 representou 0.00% e 2007 0.003% e 2008 0.02%
2014
8,98%
2013
10,22%
2012
9,29%
2011
17,85%
2010
21,26%
2009
32,40%
*2006 representou 0.00% e 2007 0.007% e 2008 0.023%
Destaque para a diferença
acentuada
na quantidade de perﬁs criados
em 2014, entre padrão e
replicadores.

Análise de perfil
Acima de 20000
28%
10001-20000
16%
5001-10000
15%
1001-5000
23%
0-1000
19%
Padrão
Acima de 20000
15%
10001-20000
11%
5001-10000
13%
1001-5000
33%
0-1000
28%
Replicadores

Análise de perfil
Acima de 20000
28%
10001-20000
16%
5001-10000
15%
1001-5000
23%
0-1000
19%
Padrão
Acima de 20000
15%
10001-20000
11%
5001-10000
13%
1001-5000
33%
0-1000
28%
Replicadores
Enquando o cluster padrão
possuí mais de 53% de seus
perﬁs criados em 2009 e 2010,
os replicadores possuem 42%.
No entanto, os 2 clusters,
independente da curva
histórica, atingem um média de
posts por usuário/mês muito
próxima: 180/usuário para o
padrão e 175/usuário para o
replicadores.

Análise de perfil
Marina Silva
7,81%
Luciana Genro
11,81%
Levy Fidelix
3,30%
Everaldo
28,23%
Eduardo J.
1,30%
Aécio
22,52%
Dilma
25,03%
Quantidade de perﬁs - categorias políticos
Demais candidatos com índices inferior a 0%
Aécio
49,00%
Luciana Genro
6,30%
Everaldo
2,10%
Marina Silva
6,50%
Levy Fidelix
1,70%
Dilma
33,60%
Eduardo J.
0,80%

0%
36%
0%
39%
0%
25%
Manhã Tarde Noite
Horário de postagem Tipos de devices utilizados para postagem
36%39%25%
Padrão
Replicadores
54,87%
1,95%
1,75%
0,97%
24,07%
1,95%
14,42%
Iphone Blackberry Android Nokia Mobile Windows Desktop
Padrão
42,96%
2,48%
1,29%
0,99%
33,73% 0,50%
18,06%
Replicadores

RTcloud Padrão

Wordcloud Padrão

ReplicadoresRTcloud

Wordcloud Replicadores

Comunidades sub organizadas (cores) por
partilização por MODULARIDADE.
MODULARIDADE = aplicação que mede e organiza o
quão bem um comunidade divide-se entre sub-
comunidades (nós com maiores ligações entre si).
Rede de conexões - Análise replicadores
Estratégia analítica para composição dos grados
1
2 Foco na relação tipo RT entre usuários.
Um nó relaciona-se com outro por meio de um rt.
O nó que deu o rt terá no início do nome ‘proﬁle:’ e o
que sofreu o rt,‘rt:’.

Rede de conexões - Usuários replicadores

Rede de conexões - Usuários REPLICADORES
Comunidades Pró Dilma - PT
Comunidades Pró Aécio - PSDB
Comunidades de “garimpeiros de RTs e Follow”

Comunidades de “garimpeiros de RTs e Follow”
São comunidades desinteressadas em temas políticos
mas que em algum momento foram ativadas pelos
usuários interessados (em temas políticos).

As comunidades de replicadores partidários
são desenhadas a patir de replicadores hubs e
replicadores periféricos.

• Pontos focais de conteúdo ou distribuição de RTs - hubs de informação
• Alta densidade e concentração de nós e ligações
Comunidades de replicação partidária - HUBS
• Usuários das redes são monotemáticos:
1. Política (apoio ao candidato em questão e ataque aos outros)
Duas comunidades de disseminação - parte significativa dos usuários com pouca
criação de conteúdo e alto índice de replicação, inclusive entre si.

Comunidades de replicação partidária
Exemplos de usuários HUBS
Dilma - PT Aécio - PSDB

Análise de HUB - Comunidade pró-Aécio
• Média de mais de 200 tweets por dia para atingir o
total de atividade desde Novembro de 2009.
• Média de 50 tweets diários nos últimos 6 meses.
Análise de crescimento de SEGUIDORES - últimos 6 meses
24/03/2014 7.789
09/06/2014 9.956
10/06/2014 64.786
23/06/2014 118.959
18/09/2014 96.897
De 24/03 a 18/09 o crescimento de seguidores foi de 1144%
DATA SEGUIDORES

Análise de HUB - Comunidade pró-Dilma
• Média de 20 tweets por dia para atingir o
total de atividade desde Setembro de 2011.
• Média de 35 tweets diários nos últimos 6 meses.
Análise de crescimento de SEGUIDORES - últimos 6 meses
24/03/2014 7.982
23/06/2014 9.256
18/09/2014 11.034
De 24/03 a 18/09 o crescimento de seguidores foi de 38%
DATA SEGUIDORES

Exemplos de usuários periféricos (não focais)
Dilma - PT Aécio - PSDB

• Usuário @estradadomarrs - partidário de DILMA
A ligação ocorreu porque usuários partidários de Aécio deram RT
em um tweet irônico do usuário partidário a Dilma.
Exemplo de post replicado e distribuído entre as comunidades -
dinâmica de alto interesse na menção do candidato e baixo nível de
interpretação do texto.
Postagem original Postagem irônica que levou RTs

Dinâmica de distribuição informacional
HUB
Geradores de
notícias. Portais,
Blogs e outros.
Hub compartilha/RT
notícias partidárias.
PERIFÉRICOS
PERIFÉRICOS
PERIFÉRICOS
Periféricos dão RT
no conteúdo do HUB

Dinâmica de distribuição informacional
HUB
Geradores de
notícias. Portais,
Blogs e outros.
Hub compartilha/RT
notícias partidárias.
PERIFÉRICOS
PERIFÉRICOS
PERIFÉRICOS
Periféricos dão RT
no conteúdo do HUB
*
*Na dinâmica do Twitter o RT do RT aponta para o gerador de conteúdo.

Com o intuito de edificar a análise dos hubs e
comunidades, vale filtrarmos a rede para nós com
pelo menos 1000 ligações.

Ao eliminar os usuários com menor quantidade de ligações,
é possível afirmar a polarização das comunidades (egoícas)
centralizadas em HUBs já indicadas nos diagramas com a
rede mais completa.

Ao analisarmos o conteúdo dos posts que geraram a rede entre os polos percebe-se que
uma comunidade replica a outro quando o tema é um terceiro candidato sendo criticado.
Principal ligação entre comunidades
2
1
Exemplos de usuários “ponte”
1. Partidário de Dilma - PT
2. Partidário de Aécio - PSDB

Ao analisarmos o conteúdo dos posts que geraram a rede entre os polos percebe-se que
uma comunidade replica a outro quando o tema é um terceiro candidato sendo criticado.
Principal ligação entre comunidades
Exemplos de usuários “ponte”
1. Partidário de Dilma - PT
2. Partidário de Aécio - PSDB
HUB PSDB
HUB PT

• Falta de pontos focais de distribuição de conteúdo
• Densidade média e concentração de nós e ligações
Comunidades de garimpo de interações
• Usuários se replicam a todo momento, mas não tem uma fonte principal de informação -
também não são monotemáticos e raramente mencionam temas políticos
• Usuários atuam no Twitter quase que exclusivamente por RTs

Exemplos de usuários da comunidade

Sub-Comunidade TIM BETA
• Grupo verde - exclusivamente de usuários TIM BETA
• Usuários TIM BETA são uma comunidade de pessoas que se organizam para aumentar as
próprias interações e número de seguidores e assim ganhar pontos no jogo Blablablametro -
que faz esse usuários conseguirem tarifas especiais.

Rede de conexões - Usuários Padrão

Rede de conexões - Usuários Padrão
Comunidades de disseminação e comentário de notícias políticas
- inclinações: neutro e direita.
Comunidades de disseminação de humor (política)
Rede de conexões - Análise Padrão
Comunidades de disseminação e comentário de notícias políticas
- inclinações: esquerda.

Essas comunidades possuem HUBs de informação, mas
esses HUBs são criadores de conteúdo, e não possuem
padrão apenas replicador.
As comunidades não são egoícas na disseminação de
informação, apenas na criação.
Os são grupos muito próximos, e as mensagens de
seus HUBs atingem quase que a rede inteira, não
apenas as subcomunidades em questão.

Os grupos são muito próximos, e as mensagens de
seus HUBs atingem quase que a rede inteira, não
apenas as subcomunidades em questão.

• Pontos focais de conteúdo - hubs (e fontes) de informação
• Alta densidade e concentração de nós e ligações, porém não apenas nas subcomunidades em si,
mas entre as comunidades
Comunidades de disseminação e comentário político
• São também comunidades opinativas - o tema política é dominante apenas em parte dos
usuários.
• As comunidades reﬂetem inclinações políticas, porém não são exclusivamente partidárias
como as comunidades “monotemáticas” dos replicadores.

EXEMPLOS DE PONTOS FOCAIS
@veja / @danilogentili / @silva_marina /
@CartaCapital / @cynaramenezes / LucianaGenro
• Perfis oficiais dos candidatos fazem parte dessas comunidades, porém não são os maiores
pontos focais.
• Pontos focais de conteúdo - hubs (e fontes) de informação
• Alta densidade e concentração de nós e ligações, porém não apenas nas subcomunidades em si,
mas entre as comunidades
• São também comunidades opinativas - o tema política é dominante apenas em parte dos
usuários (Conforme observado na wordcloud anteriormente).
• As comunidades refletem inclinações políticas, porém não são exclusivamente partidárias
como as comunidades “monotemáticas” dos replicadores.

Exemplos de HUBs (pontos focais)

• Pontos focais de conteúdo - hubs (e fontes) de informação e piadas
• A informação que viraliza é o humor, que se relaciona com os outros 2 grupos (mesmo que esses
apresentem inclinações ideológicas diferentes).
Comunidades de disseminação de humor
• O tamanho e a relevância (em ligações) da comunidade mostra a dimensão que o humor possui
e como é relacionado a temas políticos na internet.
EXEMPLOS DE PONTOS FOCAIS
@marinaecologia / @poxxaduduh / @dilmarousselff /
• A comunidade é composta por perﬁs com alto nível de seguidores (humor é o gênero mais
viral no Twitter) - por isso até usuários que atuaram como periféricos na subcomunidade
analisada podem ter um público grande.
• Esse tipo de comunidade não é encontrada na rede de replicadores.

Exemplos de HUBs (pontos focais)

Análise de Redes Sociais sobre Candidatos Presidenciais 2014

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Análise de Redes Sociais sobre Candidatos Presidenciais 2014

Ähnlich wie Análise de Redes Sociais sobre Candidatos Presidenciais 2014 (20)

Análise de Redes Sociais sobre Candidatos Presidenciais 2014