Twitter como herramienta de comunicación científica en España. Principales agentes y redes de comunicación.

  1. Pérez-Rodríguez, Ana Victoria
  2. González-Pedraz, Cristina
  3. Alonso Berrocal, José Luís
Journal:
Communication papers: media literacy and gender studies

ISSN: 2014-6752

Year of publication: 2018

Volume: 7

Issue: 13

Pages: 95-112

Type: Article

DOI: 10.33115/UDG_BIB/CP.V7I13.21986 DIALNET GOOGLE SCHOLAR lock_openOpen access editor

More publications in: Communication papers: media literacy and gender studies

Sustainable development goals

Abstract

El estudio de los principales agentes, redes de comunicación y flujos de información en Twitter es un objeto de investigación emergente. Se ha aplicado en ámbitos como la comunicación política, el deporte o el turismo, pero no a la comunicación de la ciencia. El presente trabajo está enfocado a detectar y medir a los principales agentes y redes de comunicación de la ciencia en Twitter a través de la Teoría de Redes. Se identifican los 109 usuarios personales e institucionales que están ejerciendo de influencers de la ciencia en España. Esta red se presenta como una comunidad estable y compacta. Los perfiles más productivos son los personales, lo que indica que la actividad en Twitter depende más de un interés y un compromiso individual que de disponer de un equipo de comunicación.Se detecta un uso de Twitter no tanto centrado en la difusión de contenidos y opiniones sobre ciencia, sino en la promoción de productos y eventos de divulgación. Un análisis restringido de los hashtags ha permitido comprobar la fuerte vinculación de los tuits con la actualidad científica nacional e internacional.También se evidencia el especial interés que suscita Atapuerca en las conversaciones sobre ciencia en Twitter en España.

Bibliographic References

  • • Akhtar, N., & Ahamad, M. V. (2017). Graph Tools for Social Network Analysis. Graph Theoretic Approaches for Analyzing Large-Scale Social Networks, 18.
  • • Alonso Berrocal, J. L., Gómez Díaz, R., Figuerola, C. G., Zazo Rodríguez, Á. F., y Cordón García, J. A. (2012). “Propuesta de estudio del campo semántico de los libros electrónicos en Twitter”. Scire, 18(2), 87-97.
  • • Antenucci, D., Handy, G., Modi, A., y Tinkerhess, M. (2011). “Classification of tweets via clustering of hashtags”. EECS, 545, 1-11.
  • • Ausserhofer, J., y Maireder, A. (2013). “National politics on Twitter: Structures and topics of a networked public sphere”. Information, Communication & Society, 16(3), 291-314.
  • • Barbagallo, D., Bruni, L., Francalanci, C., y Giacomazzi, P. (2012). “An Empirical Study on the Relationship between Twitter Sentiment and Influence in the Tourism Domain”. En: Information and Communication Technologies in Tourism 2012 (pp. 506-516). Springer, Vienna.
  • Boyd, D., Golder, S., y Lotan, G. (2010). “Tweet, tweet, retweet: Conversational aspects of retweeting on twitter”. En: System Sciences (HICSS), 2010 43rd Hawaii International Conference.
  • • Bonetta, L. (2009). “Should you be tweeting?”. Cell, 139(3), 452-453
  • • Brown Jarreau, P. (2014). An explosion of alternatives. EMBO reports, e201439130.
  • • Brown, D., y Hayes, N. (2008). Influencer marketing. Who really influences your customers? Routledge.
  • • Burt, R. S. (1999). “The social capital of opinion leaders”. The Annals of the American Academy of Political and Social Science, 566(1), 37-54.
  • • Castillo, C., Mendoza, M., y Poblete, B. (2011). “Information credibility on twitter”. En: Proceedings of the 20th international conference on World wide web (pp. 675-684). ACM.
  • • Cha, M., Benevenuto, F., Haddadi, H., y Gummadi, K. (2012). “The world of connections and information flow in twitter”. IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans, 42(4), 991-998.
  • • Chamberlin, L., y Lehmann, K. (2011). “Twitter in higher education”. Cutting-edge Technologies in Higher Education, 1, 375-391.
  • • Chen, S.-C., Yen, D. C., y Hwang, M. I. (2012). “Factors influencing the continuance intention to the usage of Web 2.0: An empirical study”. Computers in Human Behavior, 28(3), 933-941.
  • • De Semir, V. (2010). “El «mutatis mutandis» de la comunicación científica en la era de Internet”. ArtefaCToS, 3(1), 49-79. Disponible en:
  • • Dehkharghani, R., Mercan, H., Javeed, A., & Saygin, Y. (2014). Sentimental causal rule discovery from Twitter. Expert Systems with Applications, 41(10), 4950-4958.
  • • Dehmer, M., Emmert-Streib, F., y Pickl, S. (2015). Computational Network Theory: Theoretical Foundations and Applications (Vol. 5). John Wiley & Sons.
  • • Del Fresno Garcia, M., Daly, A. J., y Segado Sanchez-Cabezudo, S. (2016). “Identifying the new Influences in the Internet Era: Social Media and Social Network Analysis”. Revista Española de Investigaciones Sociológicas, 153: 23-40.
  • • Dubois, E., y Gaffney, D. (2014). “The multiple facets of influence: identifying political influentials and opinion leaders on Twitter.” American Behavioral Scientist, 58(10), 1260-1277.
  • • Fernández de Lis, P. (2013). “Ciencia y periodismo en la red”. Quaderns de la Fundació Dr. Antoni Esteve, 28, 15-19.
  • • Garcia Esparza, S., O’Mahony, M. P., y Smyth, B. (2012). “Mining the real-time web: a novel approach to product recommendation”. Knowledge-Based Systems, 29, 3-11.
  • • Gerber, A. (2014). “Science Caught Flat-Footed: How Academia Struggles with Open Science Communication”. En: Bartling, S., y Friesike, S. Opening Science. Springer International Publishing. Págs 73-80.
  • • Java, A., Song, X., Finin, T., y Tseng, B. (2007). “Why we twitter: understanding microblogging usage and communities”. En: Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 workshop on Web mining and social network analysis (pp. 56-65). ACM.
  • • Kahle, K., Sharon, A. J., y Baram-Tsabari, A. (2016). “Footprints of Fascination: Digital Traces of Public Engagement with Particle Physics on CERN’s Social Media Platforms”. PloS one, 11(5), e0156409
  • • Kelly, R. (2009). “Twitter study reveals interesting results about usage”. PearAnalytics. August 12th.
  • • King, C. W., y Summers, J. O. (1970). “Overlap of opinion leadership across consumer product categories”. Journal of Marketing Research, 43-50.
  • • Kiss, C., y Bichler, M. (2008). “Identification of influencers—measuring influence in customer networks”. Decision Support Systems, 46(1), 233-253.
  • • Kwak, H., Lee, C., Park, H., y Moon, S. (2010). “What is Twitter, a social network or a news media?”. En: Proceedings of the 19th international conference on World wide web (pp. 591- 600). ACM.
  • • Lanthaler, M., y Gütl, C. (2012). “On using JSON-LD to create evolvable RESTful services”. En: Proceedings of the Third International Workshop on RESTful Design (pp. 25-32). ACM.
  • • Lee, K., Palsetia, D., Narayanan, R., Patwary, M. M. A., Agrawal, A., y Choudhary, A. (2011). “Twitter trending topic classification”. Paper presented at the Data Mining Workshops (ICDMW), IEEE 11th International Conference.
  • • Liang, X., Su, L. Y. F., Yeo, S. K., Scheufele, D. A., Brossard, D., Xenos, M., ... y Corley, E. A. (2014). “Building Buzz (Scientists) Communicating Science in New Media Environments”. Journalism & Mass Communication Quarterly.
  • • Li, N., Akin, H., Su, L. Y. F., Brossard, D., Xenos, M., y Scheufele, D. A. (2016). “Tweeting disaster: an analysis of online discourse about nuclear power in the wake of the Fukushima Daiichi nuclear accident. JCOM, 15(05), A02-2.
  • • Lozano, E., y Vaca, C. (2017). “Crisis management on Twitter: Detecting emerging leaders”. En: eDemocracy & eGovernment (ICEDEG), 2017 Fourth International Conference on (pp. 140-147). IEEE.
  • • Mandavilli, A. (2011). “Trial by twitter”. Nature, 469 (7330), 20. • Montenegro, V., y Escudero, H. (2013). “Las redes sociales y la difusión de la tecnología y la innovación”. En: III Congreso Internacional de Comunicación Pública de la Ciencia, Santa Fe, Argentina.
  • • Narr, S., De Luca, E. W., y Albayrak, S. (2011). “Extracting semantic annotations from twitter”. En: Proceedings of the fourth workshop on Exploiting semantic annotations in information retrieval.
  • • Nentwich, M., y König, R. (2014). “Academia Goes Facebook? The Potential of Social Network Sites in the Scholarly Realm”. En: Bartling, S., y Friesike, S. Opening Science. 107-124. Springer International Publishing.
  • • Ogan, C., y Varol, O. (2017). “What is gained and what is left to be done when content analysis is added to network analysis in the study of a social movement: Twitter use during Gezi Park”. Information, Communication & Society, 20(8), 1220-1238.
  • • Pearce, W., Holmberg, K., Hellsten, I., y Nerlich, B. (2014). “Climate change on Twitter: Topics, communities and conversations about the 2013 IPCC Working Group 1 report”. PloS one, 9(4), e94785.
  • • Peters, H. P., Dunwoody, S., Allgaier, J., Lo, Y. Y., y Brossard, D. (2014). “Public communication of science 2.0”. EMBO reports, 15(7), 749-753. • Pont Sorribes, C., Cortiñas Rovira, S., y Di Bonito, I. (2013). “Challenges and opportunities for science journalists in adopting new technologies: the case of Spain”. JCOM, 12 (03).
  • • Quiñónez Gómez, H., y Sánchez Colmenares, M. (2016). “Uso de Twitter en el periodismo científico. Los casos de los diarios El Nacional y El Universal en Venezuela”. Questión, 1.
  • • Razis, G., y Anagnostopoulos, I. “InfluenceTracker: Rating the Impact of a Twitter Account”. (2016). En: Iliadis, L., Maglogiannis, I., Papadopoulos, H., Sioutas, S., y Makris, C. Artificial Intelligence Applications and Innovations. Springer International Pu.
  • • Ribas, C. (2012). “La divulgación y la comunicación de la ciencia, en la encrucijada”. SEBBM, 173, 10-12.
  • • Rogers, R. (2013, May). “Debanalizing Twitter: The transformation of an object of study”. En: Proceedings of the 5th Annual ACM Web Science Conference, 356-365. ACM.
  • • Runge, K. K., Yeo, S. K., Cacciatore, M., Scheufele, D. A., Brossard, D., Xenos, M., y Su, L. Y. F. (2013). “Tweeting nano: How public discourses about nanotechnology develop in social media environments”. Journal of nanoparticle research, 15(1), 1-11.
  • • Simmie, D., Vigliotti, M. G., y Hankin, C. (2014). “Ranking twitter influence by combining network centrality and influence observables in an evolutionary model”. Journal of Complex Networks, 2(4), 495-517.
  • • Sriparasa, S. S. (2013). JavaScript and JSON essentials. Packt Publishing Ltd.
  • • Veletsianos, G. (2012). “Higher education scholars’ participation and practices on Twitter”. Journal of Computer Assisted Learning, 28(4), 336-349.
  • • Veltri, G. A. (2013). Microblogging and nanotweets: Nanotechnology on Twitter. Public Understanding of Science, 22(7), 832-849. • Westerman, D., Spence, P. R., y Van Der Heide, B. (2012). “A social network as information: The effect of system generated reports of connectedness on credibility on Twitter”. Computers in Human Behavior, 28(1), 199-206.
  • • Willis, A., Fisher, A., y Lvov, I. (2015). “Mapping networks of influence: tracking Twitter conversations through time and space”. Participations: Journal of Audience & Reception Studies, 12(1), 494-530.
  • • Yerva, S. R., Miklós, Z., y Aberer, K. (2012). “Quality-aware similarity assessment for entity matching in Web data”. Information Systems, 37(4), 336-351.
  • • Zhao, W. X., Jiang, J., Weng, J., He, J., Lim, E. P., Yan, H., y Li, X. (2011). “Comparing twitter and traditional media using topic models”. En: European Conference on Information Retrieval (pp. 338-349). Springer, Berlin, Heidelberg.
Data source: Dialnet