Studi menunjukkan seberapa cepat pihak-pihak menyimpang dari pandemi – Sains Terkini

Politisasi cepat pandemi COVID-19 dapat dilihat dalam pesan yang dikirim anggota Kongres AS tentang masalah tersebut di situs media sosial Twitter, sebuah analisis baru ditemukan.

Menggunakan kecerdasan buatan dan sumber daya dari Ohio Supercomputer Center, para peneliti melakukan analisis yang mencakup semua 30.887 tweet yang dikirim anggota tentang COVID-19 dari yang pertama pada 17 Januari hingga 31 Maret.

Algoritma yang mereka ciptakan dapat dengan benar mengklasifikasikan partai politik anggota yang mengirim setiap tweet 76 persen dari waktu, berdasarkan hanya pada teks tweet dan tanggal dikirim.

"Kami menemukan bahwa begitu para pihak mulai mencari tahu implikasi politik dari masalah ini, polarisasi terbukti dalam tweet dengan cukup cepat," kata Jon Green, rekan penulis studi dan mahasiswa doktoral dalam ilmu politik di The Ohio State University.

Studi ini dipublikasikan hari ini (24 Juni 2020) dalam jurnal Kemajuan Sains.

"Luar biasa bahwa kami dapat mengidentifikasi keberpihakan bahkan ketika anggota hanya memiliki 280 karakter untuk mengirim pesan mereka di Twitter," kata rekan penulis studi Skyler Cranmer, Carter Phillips dan Sue Henry Profesor Ilmu Politik di Negara Bagian Ohio.


Demokrat mengirimkan lebih banyak tweet (19.803) tentang COVID-19 daripada yang dilakukan Partai Republik (11.084), penelitian menunjukkan.

Kesenjangan dalam jumlah tweet yang dikirim oleh politisi Demokrat versus Republik melebar setelah kasus pertama penyebaran komunitas diidentifikasi di California dan tumbuh lebih lanjut setelah deklarasi darurat nasional.

"Ini menunjukkan anggota Demokrat mengirimkan sinyal sebelumnya dan lebih kuat kepada konstituen mereka bahwa mereka harus khawatir tentang krisis," kata Cranmer.

Apa yang ditweet oleh Demokrat dan Republik mengenai pandemi itu juga berbeda.

Misalnya, kata "kesehatan" digunakan di 26 persen tweet Demokrat, tetapi hanya 15 persen tweet Republik.

Secara keseluruhan, Demokrat lebih mungkin membahas kesehatan dan keselamatan publik, serta pekerja Amerika, sementara Partai Republik menekankan kebutuhan umum untuk persatuan nasional, membahas Cina dan bisnis, dan menjebak pandemi sebagai perang.

Sebagai salah satu komponen analisis, para peneliti mengidentifikasi anggota yang berada dalam kisaran apa yang mereka sebut "partisan overlap." Anggota kongres di daerah yang tumpang tindih ini adalah mereka yang memiliki tweet lebih cenderung dibingungkan oleh algoritme dengan orang-orang dari pihak lain.

Hanya 31 persen anggota yang jatuh di area ini.

"Itu berarti untuk 69 persen anggota, tweet mereka lebih partisan daripada anggota yang paling mirip dari partai lain," kata Green.

Polarisasi tidak konstan sepanjang waktu.

Dalam minggu penuh pertama setelah penyebutan pertama COVID-19, algoritma yang dikembangkan oleh para peneliti memiliki akurasi yang relatif rendah ketika mencoba menentukan apakah seorang Demokrat atau seorang Republikan menulis tweet tertentu. Itu menunjukkan ada sedikit polarisasi.

Namun, polarisasi dengan cepat naik, memuncak selama minggu mulai 9 Februari. Kemudian sedikit menurun pada awal hingga pertengahan Maret sebelum naik lagi pada akhir Maret ketika para pihak memperdebatkan paket bantuan ekonomi.

Temuan menunjukkan bahwa Kongres melewatkan peluang di awal pandemi untuk mengembangkan konsensus yang bisa membantu Amerika Serikat menanggapi krisis, kata Cranmer.

"Sesuatu pada skala COVID-19 memerlukan respons pemerintah berskala besar. Pemerintah dapat merespons jauh lebih baik ketika disatukan dalam misinya," katanya.

Green dan Cranmer, ikut menulis studi ini dengan rekan-rekan ilmu politik negara bagian Ohio mereka Jared Edgerton dan Daniel Naftel, bersama dengan Kelsey Shoub dari University of South Carolina.

Referensi:

Material disediakan oleh Universitas Negeri Ohio. Asli ditulis oleh Jeff Grabmeier. Catatan: Konten dapat diedit untuk gaya dan panjangnya.


You may also like...

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.