Twitter bots for dummies
- 2. Tokom ovog istraživanja* Prikupljeno je i analizirano 15.700 tvitova koje je objavilo 7.459 tviteraša *nije povređen nijedan tviteraš
- 5. Na obuci za botove, osim edukacije ponudili smo i sendviče i sokiće
- 6. Na obuci za botove, osim edukacije ponudili smo i sendviče i sokiće
- 12. Udeo govora mržnje* u botovanoj i organskoj konverzaciji na nekom hashtagu Kada ima botova na hashtagu: 12% Kada nema botova: 1% *Govorom mržnje u najširem smislu, karakterišemo svaki govorni čin koji nosi tešku uvredu, bezrazložni ad hominem napad, ličnu kvalifikaciju, direktnu psovku...
- 15. Analiza pominjanja reči “botovi” u periodu od 30 dana 2.384 tvita 1.228 tviteraša Nijedan izvan Srbije 523 uvredljive reči / kvalifikacije 1.077 tvitova u kojima se optužuje SNS da su botovi 217 tvitova u kojima se optužuje opozicija (DS) da su botovi 939 tvitova opšteg pominjenja botova, bez adrese
- 16. Neki zaključci Nakon detaljne kvantitativne i kvalitativne analize dobijenih podataka moguće je predstaviti nekoliko instruktivnih zaključaka ovog istraživanja, kao i ponuditi njihovo naučno objašnjenje.
- 17. Polarizacija i autosegregacija Istraživanje je ukazalo na izuzetnu političku polarizaciju aktera obuhvaćenih ovim društvenim digitalnim eksperimentom. Korisnici određenog hashtaga u svojoj komunikaciji najčešće ne dolaze do nekih zajedničkih i/ili pomirljivih stavova, već političke zajednice koriste društvene mreže kao sredstvo autosegregacije.