L'activité Twitter de Donald Trump lors des primaires présidentielles de 2016 était en grande partie composée de tweets caractérisés par la concurrence. Il s'est concentré sur la performance, style, attaques personnelles et sa position dans les sondages.

Les chercheurs en communication appellent ce type de message politique un cadre stratégique, qui utilise fondamentalement le langage de la guerre, et les réalités immédiates de gagner ou de perdre, pour livrer son point. Émettre des cadres, entre temps, faire face à la politique, la prise de décision, et identifier les problèmes et proposer des solutions.

Pas surpris de la nature des tweets de Trump ? Il y a plus.

Parmi les autres grands espoirs républicains, seulement John Kasich, le dernier du champ GOP à l'origine bondé encore debout avant que Trump ne se rende à la convention en tant que candidat présumé du parti, mis l'accent sur la stratégie plutôt que sur les problèmes, selon une nouvelle étude menée par des chercheurs de l'Université de Buffalo et de la Georgia State University.

Les chercheurs ont utilisé un nouvel outil qu'ils ont récemment développé pour tout analyser (oui, tous) des plus de 22, 000 tweets envoyés par les candidats républicains à la présidentielle lors des primaires de 2016.

Les conclusions publiées dans le Revue Internationale de Communication le 22 septembre 2019 (Volume 13) montre également que le cadrage des candidats est dynamique dans le temps. Par exemple, les cadres de problèmes deviennent plus importants autour des débats télévisés, tandis que la stratégie reprend du poil de la bête à l'approche du jour du scrutin.

La recherche, avec les éclairages apportés par sa méthode innovante, offre un aperçu inédit de la génétique largement inexplorée de l'activité Twitter des politiciens à un moment où les sites de médias sociaux empiètent et se préparent à éclipser le rôle de longue date de la télévision dans la définition des candidats présidentiels pour l'électorat américain.

"A chaque tour des élections, de plus en plus de personnes obtiennent leurs informations directement des candidats via des plateformes comme Twitter, " dit Yotam Ophir, professeur assistant au département de communication de l'UB, co-auteur de l'étude avec Dror Walter, professeur assistant à Georgia State.

"Twitter donne aux candidats plus de contrôle et d'agence sur leur message que les médias de masse traditionnels. Pourtant, nous savons peu de choses sur ce que les politiciens font avec ce pouvoir."

Le contrôle, Ophir mentionne, découle du fait que Twitter n'a aucune des fonctions de contrôle des médias de masse traditionnels. Les titulaires de compte sont des éditeurs d'informations, et leur contenu est une question de choix personnel plutôt que les jugements éditoriaux de la télévision, journal ou radio.

Cadrage de la stratégie, cependant, vient avec un coût. Ophir dit que la recherche montre qu'il a systématiquement des effets néfastes sur le processus démocratique, car il tend à accroître le cynisme chez les électeurs.

Et tout comme les médias traditionnels au cours des dernières décennies ont été axés sur la stratégie au détriment des problèmes, selon Ophir, de même que les deux entrées GOP les plus réussies de la course - Kasich et Trump, ces derniers ont eu le plus grand volume d'activité pendant les primaires et ont utilisé le moins de tweets encadrés.

Mais qui peut analyser tous ces 22, 000 tweets ? Personne, réellement. Les données arrivent si vite et dans un tel torrent que l'analyse manuelle est impossible. C'est pourquoi Ophir et Walter ont développé leur Analysis of Topic Model Networks (ANTMN), qui est capable de traiter ce qui est hors de portée humaine.

"Autrefois, si vous vouliez savoir comment les politiciens utilisaient Twitter, vous trouverez probablement un échantillon représentatif d'une centaine de tweets, ou une quantité qui pourrait être lue dans un laps de temps raisonnable, et les coder manuellement, " dit Ophir. " Les humains sont bons pour lire des textes individuels, mais pas très doué pour lire des milliers de textes et discerner les motifs."

La modélisation thématique peut gérer les mégadonnées et analyser de manière inductive le contenu thématique.

"L'induction est importante, parce que nous ne disons pas à l'algorithme ce que nous nous attendons à trouver, " dit Ophir. " C'est un apprentissage non supervisé et l'algorithme identifie des modèles par lui-même en assemblant des listes de distribution de mots qui ont tendance à apparaître ensemble. "

Le défaut de la modélisation thématique est sa spécificité.

"L'un des sujets de cette analyse pourrait être, 'Trump attaque les médias, ' mais c'est trop précis pour apprendre quoi que ce soit sur les autres candidats, " dit Ophir.

Pour remédier à cette limite, une fois qu'ils ont terminé leur modélisation de sujet, Ophir et Walter font une analyse de réseau où ils traitent chaque sujet comme un nœud dans un réseau.

"Tout comme vous pouvez analyser un réseau de médias sociaux et voir qui est ami avec qui, ou voir des communautés d'amis du travail ou de l'école, ANTMN voit des associations et crée des clusters de sujets. Dans ce cas, il a trouvé une stratégie et un problème - tout seul et non parce que nous l'avons programmé pour rechercher ces deux-là, " dit Ophir.

L'analyse primaire de 2016 fait partie des premières étapes de cet outil et des chercheurs lors de l'analyse d'ensembles de données complexes et de l'application de ce qui a été appris à des questions théoriques importantes.

« Nous avons maintenant un aperçu du système politique que nous n'avions pas, ", dit Ophir. "Les deux seuls candidats qui ont presque entièrement ignoré les questions étaient les deux derniers dans la course républicaine."

Pour 2016, Ophir dit les Républicains, avec les 12 principaux candidats du parti, a fourni à l'étude un ensemble de données plus riche que le champ démocrate clairsemé, mais il a encore de plus grands projets pour l'avenir.

« Nous continuons à développer la méthode. Nous voulons la tester à plus grande échelle, et nous voulons regarder les effets, " dit-il. " Nous supposons que les effets du cadrage stratégique sur les médias sociaux sont les mêmes que ceux des médias de masse, mais ce n'est peut-être pas le cas. Nous ne savons pas pour le moment."

Ce qui est sûr, c'est qu'Ophir et Walter utiliseront leur méthode pour analyser la prochaine présidentielle.

"Nous l'utiliserons en 2020, " dit Ophir.