Pablo Jost / Frank Mangold / Pascal Jürgens

Herausforderungen und Potenziale der Nutzung digitaler Beobachtungsdaten auf Facebook – eine longitudinale Perspektive

Bei der Interaktion mit Inhalten auf sozialen Netzwerken wie Facebook hinterlassen Nutzer digitale Spurendaten (bspw. Likes). Diese können in Ihrer aggregierten Form Aufschluss über Hinwendung oder gar Bewertung von Inhalten geben und damit die in der Medienwirkungsforschung etablierten (experimentellen) Befragungen um nicht-reaktive Online-Analysen ergänzen. Bisherige Studien beschränken sich allerdings auf die Analyse vorwiegend positiv konnotierter Popularity-Cues und erfassen diese erst retrospektiv im Aggregat. Unklar bleibt, über welchen Zeitraum sich die Interaktionen erstrecken und welche Dynamiken – angestoßen durch algorithmische Rahmenbedingungen sowie soziale Prozesse – deren Zustandekommen beeinflussen. Der Beitrag sucht diese Lücke mittels hochfrequenter Erhebung von Reactions zu Facebook-Posts deutscher Nachrichtenmedien zu schließen. Die Ergebnisse zeigen, dass Nutzer insbesondere in den ersten Stunden nach Veröffentlichung mit einem Beitrag interagieren und die Sättigung des Wachstums der Reactions durchschnittlich nach rund zwölf Stunden erreicht ist. Wird ein Post zu einer Tageszeit veröffentlicht, in der wenige Nutzer online sind, verlängert sich der Wachstumszyklus. Zudem lässt sich die Verteilung der verschiedenen Reaction-Typen bereits eine Stunde nach Veröffentlichung recht präzise voraussagen, ein Meinungsumschwung zeigt sich nicht mehr. Daraus ergibt sich, dass die wesentlichen Determinanten des letztlichen Stimmungsbilds in stabilen Faktoren zu suchen sind, die bereits bei der Publikation feststehen. Der Beitrag ordnet die Ergebnisse vor dem Hintergrund sozialer und technischer Rahmenbedingungen ein und erläutert darüber hinaus methodische Implikationen für zukünftige Studien.

Schlagworte: digitale Spurendaten, Facebook, hochfrequente Datenerhebung, Algorithmus

[PDF-Download]