Spørgsmål Flashcards

1
Q

Hvad er dit studies begrænsninger?

A

Aktanter små i data (black-boxed empiri), confirmation bias, mangel af kantonesisk, platform-specifik

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Hvad giver ANT-tilgangen, som andre ikke kunne give?

A

Mulighed for at afdække HVEM der er centrale mobiliserede aktanter og deres relationer - og dermed deres translationer -> den funktion de har I protesten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Hvad kunne andre tilgange end ANT have givet?

A

Hvordan sociale bevægelser opstår (RMT & POT), men teorier passede ikke rigtigt med case. RMT kunne have givet blik for hvordan bevægelsen akkumulerer ressourcer (her kunne aktanterne forstås som en ressource). POT kunne have muliggjort en analyse af politisk status quo.

Framing teori: har meget inspiration herfra. Men handler meget om hvordan mennesker tilskriver mening til ting, imod ANT, så distancerede mig lidt fra det.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Hvorfor har jeg valgt de metoder jeg har?

A

Fordi de gav mulighed for at belyse temporale udviklinger, som var en af mangelvarerne i det tidligere studie om demonstrationerne. Dette temporale potentiale var vigtigt for mig, da jeg derved kunne få et empirisk indblik i hvordan translationskæderne udviklede sig over tid. Ligeså gav metoderne mulighed for at estimere prævalensen af aktanterne, også over tid, hvilket også var en af de ting, vi ikke kunne i det tidligere studie. Så metoderne gav dermed mulighed for at belyse casen fra en anden vinkel, og indfange temporaliteten i aktanternes udviklingsforløb. Det er også derfor jeg valgte Twitter som empiritype, da social media data always-on karakteristik muliggjorde at pinpointe meget præcise tidspunkter for skift og aktivitet.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Hvorfor har jeg valgt den teori jeg har?

A

Jeg har valgt min teori ud fra, hvad der viste sig at være vigtigt i empirien, baseret på kvalitativ fordybelse. Det skal siges, at dette arbejde med valg af teori mv. i høj grad fandt sted under arbejdet i det forrige studie, hvor valget af teori faldt på, at vi i vores visuelle etnografi kunne identificere, at mange billeder med non-humane aktanter centrerede sig om overvågning og modstand til samme - og at måden hvorpå modstanden blev udøvet var yderst ekspressiv og visuel. Af den årsag valgte vi at fokusere på visualitet og overvågnings betydning, som jeg ligeså gør i dette projekt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Hvad er det unikke ved mit studie?

A

Det unikke ved mit studie, og dets bidrag, er den temporale analysetilgang, der giver et analytisk framework til at beskrive hvordan non-humane aktanter kan spille både praktiske og symbolske roller - eller med andre ord, et framework til at undersøge den processuelle symboldannelse omkring aktanter. Frameworket virker også i tilfælde, hvor det ikke er non-humane aktanter, der bliver symboler - fx kunne man undersøge forskellige translationer af frontpersoner i protestbevægelser over tid. Det er således muligheden for at indfange temporaliteten i sociale bevægelser, der er det unikke ved mit studie.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Hvad indebærer en Python tilgang?

A

I mit tilfælde indebærer det manipulation af data på forskellig vis. Python er blot et middel, hvorigennem jeg får både kvalitative og kvantitative indsigter. Det kræver selvfølgelig en stor indsigt i, hvad enkel kode gør. Og det interessante ved sådan en tilgang, synes jeg, er, at alle steps fra rå data til meningsfuld fortolkning gøres meget eksplicit, og kræver aktive valg fra koderen selv. Man kan dermed ikke alene forlade sig på intuition, men er konstant nødt til at træffe valg, der er afgørende for det resultat, man ender med.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Hvad har det af implikationer, at jeg kigger på engelske tweets? Hvilke begrænsninger ligger der I det?

A

Kan ikke sige jeg kigger på lokalt miljø

Men argumenter for link mellem tweets og det lokale I Hongkong: tidligere studie om konkrete situationer I Hongkong

(Evt. Overvej om det er det, at det er engelsk, der skyldes den lave tekstlige prævalens? - Der måske andre ting som fylder i empirien, netop fordi det er engelsk)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Hvordan kan du argumentere for, at det er centrale symboler, når de er så små I empirien?

A
  • Understreg de fylder mere visuelt
    • Understreg publikumsanalysen (opnår større publikum end andre tweets)
      Evt. Kommentar om at det kan skyldes deres momentane status som symboler, at der ikke er mange tweets om det. Det er fordi de er symboler I så korte perioder?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Du siger du analyserer 1,6 millioner tweets. Men du fokuserer på markant mindre. Hvad er implikationerne af det?

A
  • Manglende kendskab til stor del af dataen
    • 1,5 millioner af tweets gøres til genstand for analyse i publikumsanalysen, hvor de danner komparativt grundlag at sammenligne aktant-tweets med
    • Havde jeg haft mere plads og tid til projektet, havde jeg anvendt topic modeling som en eksplorativ proces, hvor jeg kunne få et bedre indblik i, hvad resten af empirien indeholdt.

Det er ikke utænkeligt, at en stor del af dataen indeholder en del støj, der ikke er analytisk interessant. Fx reklamer for virksomheder, tweets der kun indeholder hashtags o.lign. (trods mit forsøg på at fjerne støj og spam er det der nok stadig)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Der er mange hjelme på billedet. Hvorfor analyserer du ikke den aktant?

A

Hjelmen er et relativt frekvent syn, når man ser på protestsituationer i forskellige demonstrationer, og er derfor ikke rigtigt unikke for HK-demonstrationerne. Jeg kiggede på aktanten eksplorativt indledningsvist, og fandt ikke rigtigt evidens for, at hjelmen opnåede samme symbolstatus som fx masken gjorde. Det er dog rigtigt, at hjelmen er en udbredt aktant, der beskytter humane demonstranter i HK.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Hvordan kommer det til udtryk, at non-humane aktanter agerer på lige fod med mennesker?

A

Kigger man på protestsituationerne er det tydeligt, at de ikke ville have været ens, hvis de nonhumane aktanter ikke var til stede - både på autoriteternes og demonstranternes side. Det fremgår, at nonhumane aktanter spiller en meget stor rolle, og er yderst aktive i sammenstødene, hvor de agerer i alliance med humane aktanter. En pointe i ANT er, at ingen relationer er helt humane eller helt non-humane - det er altid relationer mellem de to, der udgør socialitet. Det samme ser vi også i den situation vi sidder i nu, hvor vores socialitet udgøres af os tre, men også internetkabler, Zoom-platformen og computerskærme. Disse aktanter indgår i aktør-netværkene ligesom mennesker, og muliggør det sociale.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Hvad mener du med, at symbolerne er dynamiske og temporalt betingede?

A

At det i høj grad afhænger af det tidspunkt i demonstrationsperioden man befinder sig i, hvilken aktant er det dominerende symbol. Dette kommer til udtryk ved at fx masker og lasers bliver symboler i det øjeblik, de mødes af modprogrammer fra autoriteter. Det er således omskifteligt, og dermed dynamisk, og afhænger i høj grad af øjeblikkets polemik og diskussion om demonstrationerne. Dette ses både ved at aktantens aktivitet stiger, og at netværkene i perioderne omkring de peaks indikerer symbolske oversættelser.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Hvorfor er den symbolsk-visuelle translation ikke praktisk?

A

Det er den for sig også, da det praktiske består i at aktanten repræsenterer bevægelsen på symbolsk og visuel vis. Den er blot ikke praktisk i mødet med autoriteter. Derfor laves det skel, men det skal understreges, at det er en analytisk skelnen, for at kunne beskrive forskelle i translationer. Lidt ligesom idealtyper er det ikke altid translationen eksisterer ‘rent’, men kan være hybrider mellem de to typer også.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Hvorfor har du valgt at afgrænse den periode du har, inden implementeringen af den nationale sikkerhedslov?

A

Fordi jeg ønskede at undersøge den periode, hvor der var størst intensitet i demonstrationer både på gaden i Hongkong og på Twitter. Efter årsskiftet er aktiviteten meget lav, og det virkede derfor ikke så sandsynligt, at symboldannelsen var i udvikling.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Har det med masker ikke bare noget med corona at gøre?

A

Nej, corona kom ikke til Hongkong i demonstrationsperioden. Jeg har tjekket netværkene for maske-aktanten igennem, og ikke et eneste indeholdt ord som corona eller covid. Dog er gasmasken blevet relevant igen i kølvandet på corona, da maskeringsforbuddet blev ophævet, hvilket førte til at sympatisører med anti-elab anvender gasmasken i det daglige på symbolsk vis.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Hvad har det af implikationer, at du undersøger det her på Twitter?

A

Som også fremhæves af Richard Rogers er studier som mit, hvor man undersøger fx kollektiv handlen på sociale medier, med den konsekvens, at ens fund i en eller anden grad er platformspecifikke. Det er også det der peges på af Salganik, når han beskriver big data som algoritmisk funderede. Algoritmerne på platforme såsom Twitter bærer indflydelse på dels der deles, hvordan det opnår opmærksomhed, og hvordan der skrives om ting. For eksempel er brugen af hashtags en relativt platform-specifik ting for Twitter, der har indflydelse på den type kommunikation der finder sted. Det er også derfor jeg fremhæver, at det kunne være en god ide at foretage denne undersøgelse med empiri fra en anden platform. Viser samme tendenser på tværs af platforme styrker det fundene, idet det vil vise at det ikke afhænger af platformen, at jeg har fundet frem til mine fund. Omvendt ved jeg jo også, at det ikke kun er på Twitter, at translationerne af aktanterne har fundet sted - mit tidligere studie viste jo også, at det fandt sted i konkrete situationer på gaden i Hongkong. Ligeledes mener jeg ikke det er særligt frugtbart at lave skellet mellem online og offline, når det kommer til sociale bevægelser i en digital tidsalder - ingen sociale bevægelser er offline, men er altid online, ligesom vi andre i det daglige liv.

At aktanterne er så små i empirien ift. datasættets størrelse kan potentielt skyldes nogle platform-specifikke strukturer på Twitter, hvor man ikke nødvendigvis beskriver ting i ord, men deler i billeder, links, memes mv.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Uddyb hvorfor du mener casen er ekstrem?

A

Fordi casen er det mest tydeligste eksempel på, at non-humane aktanter kan spille utroligt store rolle i protestsituationer og sociale bevægelser, som jeg har set. Ligeledes undergik demonstrationerne utrolig mange vendinger og kontroverser i løbet af perioden, som åbnede op for at undersøge betydningen af acceleration og temporalitet - formentlig mere end for eksempel Men in Black demonstrationerne i Danmark. Casen er således ekstrem på de parametre, som jeg ønskede at undersøge.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Hvorfor sætter du humane aktanter i baggrunden?

A

Jeg er bevidst om, at humane aktanter spiller en stor rolle i bevægelsen i Hongkong. Men for at illustrere mit speciales centrale pointe om, at non-humane aktanter kan være centrale i protestbevægelser, valgte jeg at indsnævre mit fokus til disse. Man kunne dog sagtens også have kortlagt relationer mellem humane aktanter, for eksempel ved at kigge på nogle af de fremtrædende repræsentanter for bevægelsen, der er humane, og kortlagt deres relationer til andre aktanter.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Hvordan kan ord og begreber være aktanter?

A

Jeg skriver fx at ‘freedom’ og ‘democracy’ er aktanter i min analyse. Dette skyldes, at jeg har operationaliseret aktanter som navneord, idet jeg, følgende det agnostiske princip i ANT, ikke ønskede at forhåndsbestemme, hvilke aktanter var centrale. Ligeledes er det centralt, at det ikke er typen af materialitet der bestemmer hvad som er en aktør i en ANT-analyse. Begreber og ideer som for eksempel frihed kan få deres eget liv, når de med tiden bliver black-boxed: der opstår stabil enighed omkring, hvad begrebet indebærer. Derved bliver begrebet en slags aktant, der formår at agere og influere andre aktanters handlen. Derfor anskuer jeg begreberne som aktanter på samme vis som fysiske objekter og teknologier.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Hvordan adskiller modprogrammer og programmer sig fra translationer?

A

Jeg anvender det som, at translationen af en aktant er en del af at programmere den på en bestemt måde: forstået som at iscenesætte/frame den på bestemt vis. Dette kan være med til at stabilisere opfattelsen/definitionen af en aktant - som dog mødes med modprogrammer, der gør det ustabilt igen. Det minder lidt om ‘framing’ fra framing teori.

Kort: translation er hvordan noget mobiliseres, programmer er hvordan noget iscenesættes.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Hvad mener du med at antallet af tweets er udtryk for aktantens forbundethed i netværket?

A

Når en aktant beskrives i et tweet, associeres den som minimum med brugeren bag tweetet, og potentielt med flere brugere, der liker eller retweeter. På den måde tydeliggøres det, at aktanten optræder i et aktør-netværk. Jo flere tweets, jo flere gange associeres en aktant. I perioder med mange tweets er forbundetheden derfor større, og omvendt ved færre.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Hvordan er Twitter en medkonstituerende aktant for bevægelsen?

A

Som beskrevet i specialet, anskues Twitter som et medie hvor aktanters translationer inskriberes. Dette bidrager til at danne aktør-netværket, der ville have set anderledes ud, end hvis sociale medier som fx Twitter ikke fandtes - det havde formentlig været mere lokalt, og ikke noget der rækkede ud over Hongkongs grænser i samme grad. Twitter er således med til at konstituere bevægelsen som både global og lokal.

Og så ville accelerationen jeg identificerer formentlig ikke eksistere på samme vis, hvis ikke sociale medier var med til at konstituere sociale bevægelser.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Hvorfor har du både modtager og afsender-tweets med i empirien?

A
  • Som beskrevet af Doerr bliver publikummet aktivt, når sociale bevægelser repræsenterer sig på sociale medier. Og det er derfor det giver mening både at have afsender/modtager-tweets med. De er begge involverede i at konstituere bevægelsen og har indflydelse på den repræsentation den opnår. Dette problematiserer også ideen om bevægelsen som noget lokalt - i en digital tidsalder er kommunikation både global og lokal, og derfor også protestbevægelsen.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Hvordan kan symboler handle?

A

Det kan de, da deres eksistens og indflydelse i netværket er med til at forme netværket på en bestemt måde, og da de tillader at bevægelsens budskaber kommer til udtryk gennem deres kommunikation. Ligeledes kan vi se i de konkrete situationer, at aktanterne som symboler er meget aktive, og at den visuelle eksistens ikke ville have kunnet finde sted uden aktanternes handlinger i situationerne.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Hvad er fordelen ved quali-quant tilgangen, som andre tilgange ikke ville kunne bidrage med?

A

Fordelen er, at fortolkning bliver en iterativ proces, hvor bevægelsen mellem niveauer muliggør at se aktanterne fra forskellige vinkler og perspektiver. Ligeledes bidrager denne vekselvirkning til, at jeg er mindre i risiko for blinde vinkler: fx kunne man med kvant fortolkning fx misfortolke eksistensen af en aktant i netværket uden at kende til hvad det betyder, og omvendt kan man med kval fortolkning komme til at lægge noget vægt, som ikke kommer til udtryk på det kvantitative niveau.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Hvad er fordelen ved active/supervised learning frem for unsupervised?

A

At jeg ikke blindt forlader mig på en algoritmes klassificeringer, som altid vil have en indbygget bias fra den person der har kodet den, og den data, som den er trænet på. Hvis fx en topic model-algoritme er trænet på ‘hele’ dokumenter, er den potentielt dårligere gearet til at håndtere små tweets. Ligeså får jeg med min manuelle evaluering af modellerne indblik i fejl og misklassificeringer, som derfor kan undgås. Dog er ulempen, at processen er markant mere håndholdt end fx unsupervised topic modeling, der hurtigere og mere effektivt kan bearbejde større mængder data - hvorfor jeg potentielt mister perspektivet for bredden i empirien.

28
Q

Hvad er argumentet for at fund kan trianguleres ved at skifte metode og empiri?

A

Baseret på Krippendorff, at fortolkninger er mere robuste, hvis de holder til at blive udsat for tests gennem forskellige metoder og empiri. Viser det sig, er der større grundlag for at hævde, at der er noget om de fortolkninger, man har lavet. Omvendt giver det også mulighed for at justere ens fortolkninger.

29
Q

Hvordan opnåede du en mættet indblik i hashtags i samplingen?

A

Jeg lavede nedslag på forskellige tidspunkter i demonstrationsperioden og læste tweets fra perioden, og noterede hashtags. Dette gentog jeg flere gange, indtil jeg ikke længere oplevede konsekvent at støde på nye hashtags, og havde en god formodning om hvilke hashtags jeg kunne forvente i det næste ulæste tweet.

30
Q

Hvorfor har du ikke hashtags såsom umbrella, laser og mask med?

A

Jeg ønskede ikke at mit sample skulle blive alt for kurateret. Havde jeg inkluderet meget snævre og aktant-specifikke hashtags ville jeg have opnået et mere skævvredet datasæt, der formentlig ville overestimere aktiviteten omkring aktanterne. Derfor anvendte jeg i stedet bredere hashtags, der på et mere generelt plan omhandlede demonstrationerne. Ligeså var hashtags om aktanterne heller ikke særligt store, og kunne indeholde mange tweets, der ikke omhandlede demonstrationerne - fx folk der går en tur i regnen med en paraply.

31
Q

Hvad kunne feltarbejde have givet, som din tilgang ikke viser?

A
  • Jeg kunne have fået flere førstehåndsindtryk af oversættelser i konkrete situationer, uden at være afhængig af fx billeder eller tweets som et filter mellem jeg og aktanten. Ligeså kunne jeg have talt med flere demonstranter for at forstå hvordan de forstår og beskriver aktanten, og om de identificerer sig med den. Dog skal det understreges, at det formentlig ikke sker på et så bevidst og rationelt plan, at de ville fortælle om paraplyen som symbol.
    • Feltarbejde havde dog ikke kunne give samme rigide og systematiske dataindsamling, og jeg havde formentlig misset mange hændelser og nuancer, som historisk twitter data giver fordi den er always-on.
32
Q

Hvad har det af implikation, at du ikke kender til brugernes geografi?

A

At jeg ikke kan hævde at omtale bevægelsen som en lokalt hongkong-forankret bevægelse. Men i kraft af Castells og digitale medier mener jeg ikke, at man kan isolere bevægelsen inden for nationale grænser alligevel. Sociale medier gør, at bevægelser altid forholder sig til og kommunikerer med omverdenen, hvilket har indflydelse på deres konstituering.

33
Q

Hvad har det af implikation, at du fjerner dupliketter på tweettekstniveau?

A

Det mindsker sandsynligheden for at spambots får stor indflydelse på mine resultater. En ulempe er dog, at jeg kan komme til systematisk at fjerne tweets, der anvender bestemte slogans. For eksempel hvis mange tweets skrev “Hong Kong, a laser revolution” eller lignende, optræder dette kun en gang. Der er således risiko for, at jeg har fjernet en del tweets, der kunne være relevante. Jeg valgte det dog alligevel, da indflydelsen af spambots virkede som en større ulempe.

34
Q

Hvordan kan du hævde, at aktanterne er vigtige symboler for bevægelsen, når de er så små i datasættet?

A
  • Det kan jeg, da publikumsanalysen viste, at trods aktanterne kvantitetsmæssigt fyldte meget lidt i empirien, opnåede de et markant større publikum og interaktion end tweets, der ikke nævner aktanterne. Der er jo ikke moderation på Twitter, så alle kan poste og blive en del af datasættet, men opnår ikke interaktion, hvis det ikke opfattes som vigtigt af andre. Omvendt opnår aktanterne megen interaktion, hvilket indikerer, at de opfattes som vigtige. Ligeledes viser billedanalysen, at aktanterne formentlig fylder meget mere i empirien, blot i form af billeder og tegninger, da de forbindes med bevægelsens visuelle udtryk.
    • Det er heller ikke usandsynligt, at jeg misser en del tweets om aktanterne, som jeg ikke indfanger, idet jeg ikke har nogle ord med i mine dictionaries. For eksempel blev jeg nødt til at fjerne ordet ‘protection’ om fx laser og paraply, idet der kom for meget støj ind i datasættet. Ligeledes kunne jeg ikke have ‘light’ med i laser, da det var for upræcist. Jeg valgte derfor præcision som det primære mål, på bekostning af et større datasæt om aktanterne.
    • Det er dog uden tvivl dette forhold, at aktanterne er små i empirien, der stiller størst spørgsmålstegn ved mine fortolkninger af dem som dominerende symboler. At fx paraply og laser er så små kan også skyldes, at de netop kun opnår symbolstatus momentant, og hurtigt decelerer hen i inaktivitet igen. Hvorimod masken er mere vedvarende, og derfor nævnes i flere tweets.
35
Q

Hvorfor degree score, og ikke betweenness eller centrality?

A

Betweenness var et alternativ, men fordi netværkene også indeholder hashtags optager disse naturligt meget høje betweenness score ift. andre ord. Dette er ikke så hensigtsmæssigt ift. at undersøge associationer mellem aktanterne. Derfor anvendes degree score, der tæller hvor ofte en node optræder sammen med ego-noden, som en operationalisering på hvor ofte de to aktanter associeres med hinanden. Det er meget lokalt mål, men da jeg kigger på ego-netværk, og ikke større globale netværk generelt, er det meningsfuldt at anvende i denne sammenhæng, da jeg får indblik i de mest fremtrædende direkte relationer.

36
Q

Hvorfor anvendes netværksanalysen over for eksempel en diskursanalyse?

A

Fordi jeg i kraft af min ANT-baserede tilgang forstår associationer som det, der har betydning for hvordan en aktant opfattes og agerer. Det er for sin vis også en diskursanalyse, blot hvor ord anskues som aktanter.

37
Q

Hvordan har du udvalgt de tidsperioder, som vi præsenteres for?

A

Det har jeg gjort på baggrund af at præsentere tidsperioder, hvor der er fundet en substitution sted: aktantens translation er ændret sig og den har bevæget sig videre i translationskæden. Imellem de netværk i præsenteres for er tidsperioder, hvor aktantens translationer er meget lignende de forrige, dog selvfølgelig med variationer i mellem.

Tidsperioderne er ikke inddelt rent vilkårligt, men finder sted på baggrund af peaks. Dog er de resultater jeg når frem til meget afhængige af denne inddeling, hvor andre skel kunne have ført til andre netværk. Det er dog et vilkår for ANT-studier at de resulterende beskrivelser og fakta er konstruerede.

38
Q

Er der andre etiske overvejelser, du har gjort dig?

A

Ja, jeg har tænkt lidt over implikationerne af mit projekt for opfattelsen af protester og oprør. Jeg skriver jo lidt om demonstranterne nogle relativt fredelige og nydelige demonstranter, der udøver modstand på ikke voldelig vis - og politiet som brutale og undertrykkende. Men sandheden er, at virkeligheden nok er lidt mere nuanceret end det. Det kunne jeg evt. have brugt lidt mere energi på at afdække.

39
Q

Hvad er ulemperne ved din måde at udlede kvalitative eksempler?

A

Måden hvorpå jeg gør det er relativt sensitiv for bekræftelsesbias, da jeg aktivt opsøger tweets som potentielt bekræfter min fortolkning, og forkaster tweets, der potentielt kunne tale imod den. Dog har jeg været opmærksom på denne risiko, og været kritisk over for mine egne fortolkninger, når der har været indikationer på, at den er ambivalent. Ligeledes har jeg opsøgt tweets med noder, hvis eksistens i netværket forundrede mig, for at afdække om fortolkningen skulle justeres.

40
Q

Hvorfor er det afgørende i publikumsanalysen, hvor stort engagement aktanterne opnår?

A

Aktanterne er ret små i dataen. Men hvis de opnår et større engagement end andre tweets kan det indikere, at de tillægges mere vægt af twitter-brugerne end tweets, som ikke inkluderer aktanterne. Twitter er jo meget demokratisk i den forstand at alle kan poste, uden at være kvalitet eller anerkendt af andre - men likes, retweets mv. kan være en indikator for, at noget opleves som mere vigtigt end andet. Tweets der ikke opnår dette kan mere eller mindre være et råb i et krater, som ingen hører.

41
Q

Hvorfor er det betydningsfuldt i publikumsanalysen, hvilken type bruger der er bag tweets?

A

Fordi der er forskel på om en enkeltperson og et stort nyhedsmedie er det, som tweeter. Det sidste har formentlig langt større chance for engagement, også fordi de har større following på Twitter generelt. Er det derfor konsekvent kun nyhedsmedier som rapporterer om paraplyer i det sample, kan det være grunden til de højere gennemsnit.

42
Q

Hvordan har din konstruktion af samplene potentielt haft indflydelse på publikumsanalysens resultater?

A

Jeg har anvendt kontekstuel og case-specifik viden og forhåndsindsigter som fundament til ordlisterne, der klassificerer aktant-tweets. Denne viden er blandt andet opnået på baggrund af, hvad der har været markante debatter og begivenheder under demonstrationerne - som derfor potentielt har fået større engagement på Twitter. En måde at komme uden om det på kunne være at bruge topic modeling, hvor emner genereres unsupervised, uden min humane bias. Det er dog langt fra sikkert, at de genererede topics ville være brugbare givet mit analytiske fokus på non-humane aktanter.

43
Q

Hvorfor mener du at peaks er perioder hvor aktanter oversættes?

A

Stigningen i aktivitet indikerer stigning i associationer, hvilket indebærer at aktanten translateres mere gennem dens relationer. Ligeledes er det interessant at få indblik i hvad skyldes stigningen: det viser sig jo flere gange at det skyldes en oversættelseskamp mobliseres omkring aktanten, hvor protestbevægelsens og autoriteternes programmer kolliderer i forsøget på at få lov at definere aktanten. Det er med andre ord flere gange de perioder, hvor der opstår kontrovers omkring aktanten.

44
Q

Du viser 5,8 % af billederne er af paraplyer. Det var stadig ikke meget (s 42)?

A

Det er en meget markant forandring fra den tekstlige prævalens, som var lige under en halv promille. Så relativt set er det en stor stigning. Og så er estimatet jo også meget konservativt, det reelle antal billeder (og antal paraplyer i billeder) er med stor sandsynlighed meget større, hvis estimatet om lav recall er korrekt.

45
Q

Hvordan kan det være en tidszone-forskel når den ene demo er før, og den anden er efter (side 43)?

A

Det skyldes formentlig at billederne ikke er blevet delt på datoen for demonstrationen, men efter, i tilfældet med d. 30. april. Der er dog uoverensstemmelser mellem lokale begivenheder og tweets generelt grundet tidszoneforskelle. Dette gælder også for resten af analysen.

46
Q

Du nævner en bias i billedanalysen. Kan du uddybe, og hvad har det af betydning (s 49)?

A

Algoritmen er biased baseret på den data, den er trænet på, som i overvejende grad er billeder af paraplyer, hvor den oversættes ‘konventionelt’ - som et middel mod regn eller sol. Derfor er algoritmen bedre til at genkende paraplyer i den translation, frem for paraplyer der rammes af vandkanoner eller som er slået sammen og bruges som enten stav eller slagtøjsredskab. Det har den betydning, at jeg kan komme til at lægge for meget vægt på den symbolsk-visuelle translation, som er tættere på den konventionelle brug af paraplyer, og miste blik for andre translationer af paraplyen.

47
Q

Hvordan kan du gennem kvalitativ fordybelse sige de andre aktanter formentlig har større visuel prævalens (s 50) ?

A

Jeg har læst mange tweets. RIGTIG mange. Og ofte er de tweets suppleret med billeder af fx demonstranter med masker på, hvor teksten ikke nævner masken, men fx bruger et slogan eller er Kina-kritisk. Det samme gælder laseren. Dette peger på, at de fylder mere visuelt end tekstligt, men det er selvfølgelig ikke en klokkeklar sikkerhed.

48
Q

Hvorfor er der så stor forskel på antal tidsperioder for aktanterne (bilag 5)?

A

Fordi jeg ville lade det være op til mængden af peaks i deres aktivitetskurve. Det var dermed aktanterne selv, der bestemte antal tidsperioder (jeg følger aktanterne) - og ikke et valg truffet på forhånd af mig for kontinuitet og at være konsekvent.

49
Q

Hvad har det af betydning, at paraply-aktanten var et symbol tidligere?

A

At dens translation er blevet mere konsensus-præget, hvorfor den allerede starter ud som symbol i Anti-ELAB. Derimod er de to andre aktanter ikke konsensus-prægede / black-boxede endnu, så der får vi et indblik i deres praktiske start mod symbolik. Omvendt bevæger paraplyen sig fra symbolsk mod praktisk, givet dens tidligere historie.

50
Q

Hvordan er laseren en aktant, der kritiserer overvågning?

A

Fordi den ekspliciterer overvågningen, som ellers er usynlig, ved at pålyse og udpege den. Så der er en slags oplysende modstand i kritikken af kinesisk overvågning, når laseren mobiliseres. Eksemplet viser igen hvordan aktanterne reelt handler, idet det ville være markant sværere at påpege overvågning uden laserens ageren.

51
Q

Hvad er en modundervågnings-strategi?

A

Hvor en modovervågnings-strategi er når subjekter prøver at modstå overvågning oppefra, er modundervågning, når den overvågede enhed strategisk forsøger at hæmme den overvågedes mulighed for at dokumentere overvågningen eller undertrykkelsen. Når politibetjente således udøver vold mod demonstranter, og samtidigt blænder journalisters kameraer, kan det tolkes som modundervågning, da det kan skyldes de ikke ønsker hændelsen skal kunne dokumenteres. Forskellen mellem modovervågning og modundervågning handler således om den position, som udøveren har - som magthavende eller som civil.

52
Q

Uddyb hvordan den symbolsk-visuelle translation kan bidrage til undervågning (87) ?

A

Der er et praktisk element i den symbolske oversættelse: opmærksomhed fra omverdenen, synlighed, og undervågning. Det praktiske er blot noget der opstår uden for den konkrete protestsituation, modsat i den praktisk-konfrontatoriske translation. Ved at danne symboler om modovervågnings-aktanter, og bruge dem til at skabe opmærksomhed på undertrykkelse og overvågning, får symbolet en praktisk dimension

53
Q

Hvad er ulemperne for en social bevægelse ved, at symboldannelsen er så flygtig (87)?

A

Det bliver en større udfordring at skabe kontinuitet og stabilitet i netværket, når det konstant skal omkonfigureres. Så det indebærer den risiko, at bevægelsen bliver mere usikker og mindre stadfæstet. Omvendt muliggør denne omskiftelighed at bevægelsen kan holde sig relevant, trods tendensen til konstant at skifte til nye emner på sociale medier. Der er også et organiserende element i at danne symboler, da denne dannelse kan være med til at reproducere ideen om et protestkollektiv, og derved har organiserende effekt.

54
Q

Hvorfor er det ikke tilstrækkeligt kun at beskrive ‘succesfulde’ symboler?

A

Fordi der er et nærmest genealogisk potentiale i at afdække den temporale symboldannelse. Ved at undersøge både succesfulde og momentante symboler får man et indblik i vejen til det succesfulde, og dermed en dybere forståelse for, hvorfor netop det symbol, blev det succesfulde. Ligeledes kan denne temporale analyse give indblik i hvilke issues, der er det centrale for bevægelsen, da dette ofte indfanges i de symboler, som konstrueres. Det bliver dermed en ‘rigere’ forståelse for den sociale bevægelse, end man kan få med en statisk symbol-analyse.

55
Q

Hvordan kunne du have gjort, så datasættet blev mindre black-boxed (88)?

A

eg kunne fx have anvendt topic modeling som eksplorativt værktøj til at se, hvad der fylder i empirien.

Jeg har forsøgt mig med en smule LDA topic modeling efter aflevering. Her fandt jeg (med en meget overfladisk analyse), at der var rigtig mange tweets om emner såsom politibrutalitet (det største emne), men også et emne om amerikanske politikere var ret stort. Et emne var særligt stor, hvor ord som ‘world’, ‘please’, mv. fyldte, hvilket tyder på, at kald på hjælp fra omverdenen fylder utroligt meget i datasættet. Og så var der et emne, der var centreret omkring Uyghuerne i Vestkina. Men dette er meget overfladisk, jeg har ikke erfaring med metoden, og flere emner var meget svære at se et mønster i. Havde jeg gjort det mere dybdegående, kunne jeg have fået dybere indsigt i, hvad der fylder i de mange tweets.

Ved nærmere syn på det, er der mange emner der overrasker mig fylder en del i topic modeling. Fx Mulan og Boycott Mulan, Blizzard og Hearthstone, amerikanske senatorer, mv. Dette er nok det med at emner skifter så meget på sociale medier, hvorfor en stor del af empirien omhandler ting, der er ret meget uden om selve demonstrationerne - hvor aktanterne jo ellers fylder. Det er måske derfor de er så små.

56
Q

Hvad kunne du have gjort for at undgå bekræftelsesbias i kvalitativ fordybelse (89)?

A

Brugt mere tid på det og kigget på tilfældigt udvalgte tweets kun baseret på kriterie om at nævne aktanten. Ville give bredere indsigt. Da jeg ikke havde tid nok til dette, valgte jeg i stedet kun at opsøge tweets der nævnte noder, der talte imod min fortolkning af netværket. Dette resulterede nogle gange i, at jeg justerede mine fortolkninger.

57
Q

Du har kun engelske tweets med. Hvad betyder det for, hvem du udtaler dig om (90)?

A

Det betyder, at jeg ikke kan afgrænse bevægelsen til Hongkong. Tværtimod udtaler jeg mig om alle, der engagerer sig i HK-debatten på Twitter. Dog er det også i stigende grad sværere at hævde at protestbevægelser er specifikt afgrænsede, da de sjældent kræver reelt medlemskab, og med sociale medier, er nationale grænser mv. meget udviskede. I stedet vælger jeg at sige, at jeg kigger på protestbevægelsen som den udgøres af kommunikation - både af der går på gaden, og de der sidder bag et tastatur. Jævnfør ANT’s agnostiske princip kan jeg ikke på forhånd sige hvem de centrale aktanter er - en tweeter fra Rusland kan være lige så betydelig som en demonstrant på gaden i Hongkong. Derfor ville jeg alligevel ikke på forhånd afgrænse mit netværk.

58
Q

Hvorfor har du ikke ‘social movement’ med i dine søgestrenge (bilag 1)?

A

Fordi jeg ønskede at have fokus på protestbevægelser, og social movement havde tendens til at indfange bevægelser og organisationer, der var anderledes derfra. Havde jeg skullet lave et mere dybdegående litteraturreview, havde jeg valgt at inkludere keywordet.

I studier om digitale metoder havde jeg det dog med, da fokus ikke så meget var på protestbevægelser her, men snarere metoden til at undersøge kollektiv handlen.

59
Q

Hvilke forskellige typer tweets har du set? Har de forskellige roller og funktioner?

A

Ja meget forskelligt. Særligt ift. modovervågning er det forskelligt, hvordan tweetsne fungerer og hvilken rolle de spiller. Nogle har meget fokus på at beskrive, hvad der sker - at der overvåges, politimænd slår, der affyres tåregas. Andre er mere mobiliserende, hvor de organiserer demonstrationer imod overvågning og opfordrer til at lasere osv. mobiliseres. Det er ikke rigtigt noget jeg kan indfange med min netværksanalysen, men jeg har set eksempler på det i min kvalitative fordybelse. Og det tyder jo blot på, at overvågning reelt er et central problematik i disse demonstrationer, og har tendens til at gennemsyre det hele.

60
Q

Beskriv antagelserne bag Mann Whitney U-testen

A

Antagelse 1: Afhængig variabel er kontinuerlig (kan tage alle værdier) eller ordinal (rangordnede kategorier). Followers, likes og retweets lever op hertil - men IKKE billedevariabel.

Antagelse 2: Uafhængig variabel der kan være dikotom (lever jeg op til, aktanttweets vs ikke-aktanttweets)

Antagelse 3: Uafhængighed mellem observationer i samples. Lever jeg op til, ingen tweets er i begge grupper.

Antagelse 4: Sammenligner man medianer, kræver det at begge samples har samme ‘shape’, dvs. de fordeler sig på værdierne på lignende vis, men er blot forskudt højere eller lavere fra hinanden (shift in location -> shift in median). Dette har jeg faktisk ikke tjekket, og udføres testen på samples med forskellige shapes sammenligner man i stedet stokastisk dominans.

61
Q

Beskriv antagelserne bag Z-testen

A

1: De to samples skal være uafhængige af hinanden (tjek, ingen tweets er i begge samples)
2: Populationen som de to data stammer fra skal være normalfordelt, og hvis ikke standardafvigelser kendes skal samples være over 30 (sidste tjek, ikke sikker på normalfordelt - men med størrelsen på samples antager jeg med rimelighed de er normalfordelt)

62
Q

Beskriv antagelserne bag Chi2-testen

A

Chi2 test fordi variablen er kategorisk (Bernoulli variabel) og opstillet i et contingency table. En af antagelserne bag testen er netop at dataen er kategorisk. Alle fire tests viser at der er association mellem aktanttweets og tendens til at have billeder tilknyttet. H0-hypotesen (ingen signifikant association mellem type tweet og tendens til at indeholde billeder) forkastet til fordel for H1-hypotesen (signifikant association mellem type tweet og tendens til at indeholde billeder). Det skal dog understreges, at der ikke er tale om kausalitet – det kan testen ikke sige noget om – kun sammenhæng.

63
Q

Forklar bootstrapping

A

Resampler samples fra min samples, udregner gennemsnit i bootstrap sample, og gentager dette 10.000 gange. Herefter kan jeg estimere et konfidensinterval med 99% sikkerhed for gennemsnit. Dette resulterer i ret brede estimater, men jeg viser at der ikke er overlap i konfidensintervallerne. Havde jeg et lavere signifikansniveau ville variansen formentligt være mindre. ‘Prikken’ er middelværdien, dvs. den værdi der er opnået flest gange med bootstrap samples - det ‘bedste’ estimat på gennemsnittet.

64
Q

Hvad kunne controversy mapping have vist?

A

Det kunne være noget at gøre i et fremtidigt studie. Jeg forestiller mig fx, efter at have fundet ud af, at surveillance virker til at være det store issue som bevægelsen har, at man kunne prøve at følge det issue over tid - og kortlægge hvordan kontroversen udvikler sig. Fx noget med netværk over de hashtags, som bruges i ord om surveillance - potentielt ændrer disse sig i takt med at situationen i Hongkong ændrer sig. Potentielt bliver aktanterne pludselig en del af kontroversen.

Man kunne også prøve på bruger-niveau at se om der var forskelle i de hashtags, som brugere der diskuterer aktanterne på Twitter, bruger - for at se om forskellige lejre eksisterer i empirien. Fx nogle mere hk-venlige end andre?

65
Q

Hvorfor valgte du Twitter som empirisk grundlag?

A

Temporale kvaliteter, protester ikke kun på gaden men også online, Twitter udbredt anvendt af protestbevægelser