复杂社交媒体数据流中反映的关键社会事件的时间序列分析

社交媒体平台蕴藏着宝贵的见解，但提取关键信息可能具有挑战性。传统的自上而下方法往往难以在快速变化的事件中捕捉到关键信号。随着全球事件的迅速演变，包括虚假信息实例在内的社交媒体叙事成为了重要的见解来源。为满足归纳策略的需求，我们探索了小众社交媒体平台 GAB 和成熟的即时通讯服务 Telegram，以开发可适用于更广泛规模的方法论。本研究利用基于定量语料库的话语分析技术，调查了这些平台上的叙事演变。我们的方法是一种研究多个社交媒体领域的新模式，能够提炼出否则可能被掩盖的关键信息，从而提供有用且可操作的见解。本文详细阐述了收集和预处理 GAB 及 Telegram 数据的技术和方法方面，用于关键性（Log Ratio）指标分析，以识别用于深入探索的关键名词和动词。实证上，该方法应用于一个具有全球影响的明确事件案例研究：2023 年瓦格纳兵变。主要发现包括：(1) 时间线可被解构以提供有用的数据特征，从而实现更好的解释；(2) 应用了一种为泛化提供基础的方法论。主要贡献在于提出了一种方法，该方法在某些情况下能够以更高的置信度捕捉随时间动态变化的叙事转变。该方法可增强对关键社会运动的近实时评估，从而为明智的治理决策提供支持。这项研究至关重要，因为它提出了一种有用的时间序列相关信息筛选方法，能够启用积极社会参与的主动模式。