Rumor Media Sosial Bisa Memprediksi Hasil Pemilu Lebih Awal dalam Perlombaan Jarak Dekat

Karena platform media sosial berfungsi sebagai kotak sabun bagi politisi, kampanye, dan pemilih, lembaga survei dapat memprediksi hasil pemilu dengan lebih baik dengan melacak rumor tentang masing-masing kandidat di media sosial, menurut sebuah studi baru yang diterbitkan oleh tim peneliti dari Penn State. Universitas Stanford dan Universitas Florida.

Temuannya, diterbitkan (21 November) masuk Jejaring Sosial + Masyarakatmenyarankan agar obrolan media sosial seputar masing-masing kandidat dapat menjadi indikator yang berguna sentimen publik. Dengan menganalisis jumlah harian kandidat yang disebutkan (dikenal sebagai “ikut-ikutan”) pada postingan di Senat tahun 2016 dan 2018.

“Kami melacak pergerakan masing-masing kandidat dengan menghitung berapa kali namanya disebutkan di Twitter, sebelum ia berganti nama menjadi X, dan menemukan bahwa untuk sebagian besar pemilu yang kami periksa, baik volume maupun sentimen penyebutan dapat diprediksi. hasil pemilu di awal musim kampanye,” kata S. Shyam Sundar, Profesor Universitas Evan Pugh dan Profesor Efek Media James P. Jimirro di Penn State dan salah satu penulis penelitian ini.

“Ketika

Menurut Sundar, pemilu tradisional sering kali hanya mengandalkan pemanggilan pemilih yang terdaftar secara dingin, dan semakin sulit untuk mengajak masyarakat berpartisipasi dan mendapatkan sampel yang baik.

“Ada kebutuhan mendesak untuk mengukur sentimen publik yang tidak hanya bergantung pada telepon, karena jajak pendapat menjadi kurang dapat diandalkan dalam pemilihan umum yang ketat,” kata Sundar. “Pekerjaan ini menambah lebih banyak data dan dapat membantu kami memprediksi balapan jarak dekat.”

Pada platform media sosial seperti X, metrik popularitas secara otomatis dihasilkan untuk pengguna melalui suka dan berbagi. Para peneliti mengumpulkan kumpulan data mereka dari API Premium Twitter, yang menyediakan akses ke semua tweet publik yang tidak dihapus sejak tahun 2006, sehingga memungkinkan pengumpulan data berdasarkan kata kunci pencarian tertentu.

Untuk menganalisis tweet tersebut, tim peneliti mengembangkan alat pemodelan untuk mengidentifikasi momen di mana dukungan terhadap kandidat yang bersaing mulai berbeda. Para peneliti kemudian memilih persaingan Senat AS pada tahun 2014 untuk menguji metodologi mereka sebelum menerapkannya dalam delapan pemilihan umum yang ketat pada tahun 2016 dan 2018.

Mereka mengumpulkan total tweet harian selama siklus pemilu yang dimulai pada tanggal 1 September, menggunakan hashtag khusus untuk setiap pemilu. Mereka menganalisis lebih dari 800.000 tweet baik dari segi sentimen maupun volume. Volume di sini mengacu pada ukuran rangkaian, atau jumlah publikasi, seputar seorang kandidat. Ikut-ikutan sentimen mengacu pada konten postingan.

“Model sentimen berkinerja sedikit lebih baik dibandingkan model volume dalam memprediksi hasil pemilu. Dengan menggabungkan kedua metrik ini, kami dapat memprediksi tujuh dari delapan pemilu dalam sampel kami,” kata penulis utama Jinping Wang, asisten profesor jurnalisme dan komunikasi di University of Florida yang memperoleh gelar doktor di Penn State.

Dengan kata lain, menurut para peneliti, kualitas (bukan sekadar kuantitas) publikasi tentang seorang kandidat dapat menunjukkan hasil pemilu mereka dengan lebih baik.

“Meskipun penyebutan negatif mungkin lebih baik daripada tidak disebutkan dalam hal menarik perhatian, data kami menunjukkan bahwa sifat penyebutan dapat memberikan perbedaan, dan semakin banyak penyebutan positif, semakin baik,” kata Sundar, yang juga menjabat sebagai salah satu direktur di Laboratorium Penelitian Efek Media. “Ini bukan hanya soal jumlah tweet. Kata-kata kami membuat perbedaan dan menyerukan informasi yang salah terkait seorang kandidat tidak akan melanggengkannya.”

Para peneliti membandingkan hasil mereka dengan data survei dari sumber seperti Marist College, YouGov dan Emerson College yang diambil pada periode waktu yang sama.

“Kami terkejut saat mengetahui bahwa kami dapat mendeteksi tren ini sejak bulan September di tujuh dari delapan siklus pemilu yang kami analisis, dan analisis kami konsisten dengan hasil pemilu“kata Wang.

Tim juga memeriksa aktivitas bot atau postingan yang dihasilkan oleh program otomatis yang meniru perilaku manusia platform media sosial. Para peneliti menemukan bahwa tweet yang dibuat oleh bot hanya menyumbang 3% hingga 5% dari postingan, dibandingkan dengan sekitar 20% pada pemilihan presiden.

“Prediksi berbasis tren sangat akurat dan dapat terbentuk jauh lebih awal dibandingkan survei,” kata Nilàm Ram, profesor komunikasi dan psikologi di Universitas Stanford dan bagian dari tim peneliti. “Meskipun kami dapat mengidentifikasi pemenang utama lebih cepat, kami tidak menyarankan untuk mengganti jajak pendapat dengan analisis media sosial, namun hanya menawarkan indikator nilai lainnya. Dalam persaingan politik yang kompetitif seperti ini, sumber data tambahan, seperti metrik media sosial, dapat meningkatkan kualitas prediksi pemilu.”

Wang mencatat bahwa media sosial kemungkinan besar memainkan peran lebih besar di kalangan pengguna muda.

“Kebanyakan orang menerima berita dan informasi melalui ponsel mereka, dan semakin meningkat melalui media sosial karena pentingnya media tradisional secara bertahap memudar. Prediksi yang trendi mungkin lebih baik untuk beberapa populasi,” katanya.

Prediksi tren juga lebih baik dalam melacak pasang surut dukungan terhadap seorang kandidat, kata para peneliti.

Alasannya media sosial dapat digunakan untuk memprediksi hasil dan perasaan pada tahap awal a siklus pemilu “Itu karena mereka memberikan gambaran harian, tidak seperti survei yang cenderung kurang teratur,” kata Sundar.

Meskipun para peneliti berfokus pada tweet politik menjelang pemilihan Senat AS, mereka mengatakan bahwa efek tren yang ditunjukkan dan pendekatan analitis yang digunakan dalam proyek ini dapat diterapkan pada beberapa bidang lain untuk memprediksi dan memahami fenomena politik yang lebih luas, termasuk penyebaran informasi yang salah. dan tren fenomena yang berhubungan dengan kesehatan, seperti adopsi vaksin.