2026-05-17T12:22:03Z https://datacatalogue.cessda.eu/oai-pmh/v0/oai

3cfa79725dc336074c84e1c95108ede0e0cd338858d3577ec0eeefb3522b38b4 2025-06-17T03:32:16Z language:svopenaire_data

Developing a rule-based method for identifying researchers on Twitter: The case of vaccine discussions Swedish National Data ServiceSvensk nationell datatjänst Landing page Developing a rule-based method for identifying researchers on Twitter: The case of vaccine discussions Developing a rule-based method for identifying researchers on Twitter: The case of vaccine discussions snd1117-1-1.0https://doi.org/10.5878/akmc-va16 Ekström, Björn Swedish National Data ServiceSvensk nationell datatjänst 2019-08-23 Landing page classificationklassifikation Language Technology (Computational Linguistics)Språkteknologi (språkvetenskaplig databehandling)Social SciencesSamhällsvetenskapInformation StudiesBiblioteks- och informationsvetenskapHigher and further educationGymnasial och högre utbildningInformation societyInformationssamhälletLanguage and linguisticsSpråk och lingvistikEDUCATIONUTBILDNINGComputer and Information ScienceData- och informationsvetenskap (Datateknik)Media and CommunicationsMedie- och kommunikationsvetenskapMEDIA, COMMUNICATION AND LANGUAGEMEDIA, KOMMUNIKATION OCH SPRÅKNatural SciencesNaturvetenskap This study seeks to develop a method for identifying the occurrences and proportions of researchers, media and other professionals active in Twitter discussions. As a case example, an anonymised dataset from Twitter vaccine discussions is used. The study proposes a method of using keywords as strings within lists to identify classes from user biographies. This provides a way to apply multiple classification principles to a set of Twitter biographies using semantic rules through the Python programming language. The script used for the study is here deposited. Method development for Twitter biography classification concerning occurrences of academics, academically related groups and individuals, media, other groups and members of the general public. Written in the Python programming language.Denna studie söker utveckla en metod för att identifiera förekomster och proportioner av forskare, media- och andra professionella aktiva i Twitterdiskussioner. Som ett fallexempel används ett anonymiserat dataset från vaccindiskussioner på Twitter. Studien föreslår en metod som använder nyckelord som strängar inom listor för att identifiera klasser ifrån användarbiografier. Detta möjliggör en applicering av multipla klassifikationsprinciper till en mängd Twitterbiografier genom att använda semantiska regler genom programmeringsspråket Python. Det skript som använts för att genomföra studien är här deponerat. Metodutveckling för klassning av Twitterbiografier rörande förekomster av akademiker, grupper och individer relaterade till akademi, media, andra grupper samt allmänhet. Skriven i programmeringsspråket Python. GroupGruppIndividualIndividOrganization/InstitutionOrganisation/institutionOtherÖvrigt OtherÖvrigt OtherÖvrigt Access to data through SND. Data are freely accessible.Åtkomst till data via SND. Data är fritt tillgängliga. https://snd.gu.se snd1117-1 2019-09-20T13:25:13Z ddi:codebook:2_5