Twitter bots for dummies
- 2. Tokom ovog istra転ivanja* Prikupljeno je i analizirano 15.700 tvitova koje je objavilo 7.459 tvitera邸a *nije povreen nijedan tvitera邸
- 5. Na obuci za botove, osim edukacije ponudili smo i sendvie i sokie
- 6. Na obuci za botove, osim edukacije ponudili smo i sendvie i sokie
- 12. Udeo govora mr転nje* u botovanoj i organskoj konverzaciji na nekom hashtagu Kada ima botova na hashtagu: 12% Kada nema botova: 1% *Govorom mr転nje u naj邸irem smislu, karakteri邸emo svaki govorni in koji nosi te邸ku uvredu, bezrazlo転ni ad hominem napad, linu kvalifikaciju, direktnu psovku...
- 15. Analiza pominjanja rei botovi u periodu od 30 dana 2.384 tvita 1.228 tvitera邸a Nijedan izvan Srbije 523 uvredljive rei / kvalifikacije 1.077 tvitova u kojima se optu転uje SNS da su botovi 217 tvitova u kojima se optu転uje opozicija (DS) da su botovi 939 tvitova op邸teg pominjenja botova, bez adrese
- 16. Neki zakljuci Nakon detaljne kvantitativne i kvalitativne analize dobijenih podataka mogue je predstaviti nekoliko instruktivnih zakljuaka ovog istra転ivanja, kao i ponuditi njihovo nauno obja邸njenje.
- 17. Polarizacija i autosegregacija Istra転ivanje je ukazalo na izuzetnu politiku polarizaciju aktera obuhvaenih ovim dru邸tvenim digitalnim eksperimentom. Korisnici odreenog hashtaga u svojoj komunikaciji naje邸e ne dolaze do nekih zajednikih i/ili pomirljivih stavova, ve politike zajednice koriste dru邸tvene mre転e kao sredstvo autosegregacije.