Dr Mariusz Pisarski

Adiunkt w Katedrze Mediów i Dziennikarstwa i Komunikacji Społecznej. Autor szeregu publikacji i książek o kulturze cyfrowej. Tłumacz, wydawca i producent literatury cyfrowej. Założyciel pisma “Techsty. Literatura i nowe media”. Uczestniczy w międzynarodowych laboratoriach i projektach w USA (Washington State University, Vancouver) i na Słowacji (Słowacka Akademia Nauk, Uniwersytet Cyryla i Metodego w Trnawie). Czas wolny spędza wśród starych komputerów Macintosh, gitar elektrycznych, oraz na leśnych i górskich szlakach.

„Media społecznościowe, zamieniając każdego z nas w autonomiczny kanał informacyjny o potencjalnie milionowej publiczności, potrafią wygenerować wiadomościowe piekiełko. Na szczęście te same media dają nam w ręce narzędzia, dzięki którym możemy odkryć stojącą za informacją sieć powiązań.”

W świecie, w którym wiadomości, komentarze i refleksje na temat bieżących wydarzeń do wielu z nas trafiają najpierw poprzez media społecznościowe, a dopiero później poprzez radio, telewizję i prasę, nie sposób oddzielić informacyjnego ziarna od plew. Jeszcze trudniej odczytać intencję kogoś, od kogo informacja wychodzi. Polaryzacja, spadek zaufania do nauki, faktów i statystyk, wzrost wiary w teorie spiskowe i domorosłych autorytetów – to skutki niehierarchicznej dystrybucji wiadomości właściwej dla Facebooka, Instagramu i Twittera. Media społecznościowe, zamieniając każdego z nas w autonomiczny kanał informacyjny o potencjalnie milionowej publiczności, potrafią wygenerować prawdziwe wiadomościowe piekiełko. Na szczęście te same media dają nam w ręce narzędzia, dzięki którym możemy zobaczyć stojącą za informacją sieć powiązań: klarownie oddzielić wpływowego komentatora od trolla, odróżnić fakty od informacyjnego znachorstwa. Chodzi o tak zwane badania jakościowe sieci (ang. qualitative data analysis), które za sprawą coraz prostszych w obsłudze programów oferują sprawną, przyjazną dla każdego humanisty, dziennikarza, a nawet dociekliwego amatora, analizę i wizualizację przepływu informacji.

Jak możemy badać media społecznościowe?

Programy takie jak Gephi, Tags i Netlytic umożliwiają zebranie hurtowej ilości wpisów na Twitterze (Facebook od dawna przestał oferować narzędzia analityczne szerszej publiczności), a następnie ich wizualizację i obróbkę. Wystarczy podać hasło, bądź hasztag, najlepiej w kilku wariantach gramatycznych, aby po kilku sekundach dysponować bazą kilku tysięcy wpisów na interesujący nas temat z całą paletą metadanych o liczbie wzmianek, retweetów i lajków, które każdy z postów generuje. Po kilku dniach nasza baza rozrosnąć się może wielokrotnie. Jaki z tych danych pożytek? Otóż wymienione programy niemalże w locie wytwarzają interaktywne mapy społecznościowej sieci. Jej węzły to uczestnicy dyskusji, natomiast linki łączące te węzły to bezpośrednia liczba postów między sobą. Mapy sieci rozrysowują ranking najczęściej cytowanych postów i najbardziej aktywnych uczestników dyskusji . Pozwala to na błyskawiczne wizualne prześledzenie “dziejów” pojedynczego hasztagu i jego komentatorów: na mapach sieci społecznościowej widać jak na dłoni, że jeden tweet osoby o wysokim publicznym statusie jest wart dużo więcej niż dwadzieścia tweetów bezmyślnego hejtera lub trolla. Ci ostatni nie posiadając dużej publiczności obserwujących wytwarzają  jedynie szum, który najczęściej nie znajduje posłuchu.

Ilustracja 1. Dystrybucja noworocznego przesłania Urbi et Orbi Papieża w Twittersferze w programie Netlytic (https://netlytic.org). Widoczne są wyraźne kręgi nadawców i odbiorców, oraz wspólne punkty łączące media katolickie z mediami świeckimi. Więzi Watykanu z CNN okazuję się dużo mocniejsze niż z agencją Reuters i jej odbiorcami.

Olga Tokarczuk i szczepienia

Najcenniejszym narzędziem sieciowej wizualizacji są wbudowane w Gephi, Tags i Netlytic algorytmy wykrywania społeczności (ang. community detection algorithms). Mierząc stopień pokrewieństwa między węzłami i dystans miedzy nimi segregują one uczestników dyskusji w bliskie sobie ideologicznie i światopoglądowo grupy. Obserwując hasztagi #zwróćoldzeksiążkę czy #odszczepsię  mogłem zobaczyć, które z informacyjnych portali ze szczególnym naciskiem nakłaniają swoich czytelników do bojkotu polskiej Noblistki, jak duże są koła adoracji rzeczonych idei, a także prześledzić fascynujące powiązania między grupami zwolennikami i przeciwników. Ostatecznie żyjemy bowiem w jednym społeczeństwie i łączy nas dużo więcej niż poglądy.

Wizualizacja dyskusji na Twitterze dostarcza nam nowej formy tradycyjnej lektury prasy, czyli “prasówki”. Zamiast jednak, co było regułą, obierać tę samą informację z co najmniej dwóch źródeł i dwóch punktów widzenia, korzystamy z tysięcy żródeł. Ale ostatecznie, gdy algorytmy podzielą owe tysiące na społeczności, i tak zostajemy z kilkoma źródłami oraz z jedną, i jak się okazuje niezniszczalną, zasadą. Nie zależnie od tego, jak dużo i jak głośno coś się ogłasza (mythos), swą wiarygodność i status buduje się latami (ethos). To dobre wieści dla tych, którzy boją się o przyszłość rzetelnej informacji. Prasówka oparta na BIG DATA jest w stanie odcedzić internetowych troli, eksponować hejterów i demaskować źródła fake newsów.

Ilustracja 2. Graf Fruchtermana-Reingolda