Olen viime päivinä twiittaillut Twitterin #seuraajaverkosto'jen visualisointeja. Tänään päästään kiinnostavimpaan aiheeseen, eli #disinformaatio'on ja miten se kuplautuu seuraajiensa myötä. Kas tässä kuva suomitwitterin disinfokuplasta (1/7)
Kirjoitin aiheesta informaatioteknologian ja yhteiskuntatieteellisen tutkimuksen (nimensä mukaisesti!) rajapinnassa kulkevan @RajapintaCo:n sivuille. Rinnastan siinä disinfokuplan "informaation mustaan aukkoon," josta faktatieto ei pääse pakenemaan (2/7) rajapinta.co/2023/03/08/ens…
Ymmärtääkseen kuplautumisen visualisaation, kannattaa kurkistaa aikaisempi ketju #politiikkatwitter'stä (3/7)
Kun on vauhtiin päästy, lisää Twitterin #seuraajaverkosto'jen visualisointeja 🤓 Minua kiinnosti se, miten #politiikkatwitter ja #mediatwitter ryhmittyvät seuraajiensa perusteella. Tätä varten muodostin ensin n. 700000 käyttäjän verkoston isojen medioiden seuraajista (1/8)
Tuossa ei ole mitään kovin ihmeellistä, muuta kuin että käyttäjiä on hurjasti. En ole löytänyt kovin varmaa tietoa siitä, kuinka paljon suomalaisia Twitter-käyttäjiä arvioidaan olevan, mutta DNA:n teettämän tutkimuksen vastaajista 30% kertoi käyttävänsä sitä viikottain (2/8)
Jos kyse todella on väestöä hyvin edustavasta otoksesta, Suomessa voitaisiin arvioida olevan jopa 1,66 miljoonaa Twitterin käyttäjää. Oheisia viittä valtavirran median tiliä seuraa tällöin jopa 42% käyttäjistä (3/8)
#Vaalikone'iden #nelikentät ja puolueiden asemat lienevät viime aikoina tulleet monelle #politiikkatwitter'in seuraajalle tutuksi. Mutta oletko tullut ajatelleeksi, että samankaltainen ilmiö näkyy myös suoraan Twitterin #seuraajaverkosto'ssa? Se onpi ketjun paikka! 🧵 (1/18)
Alkuun pientä metodologista taustaa ja huonoja uutisia. Twitter on pitkään ollut sosiaalisen median tutkijoiden lemmikki, koska se on tarjonnut erinomaisen rajapinnan (nk. API) monipuolisen datan noutamiseen - ilmaiseksi. (2/18)
Paitsi että tämä on mahdollistanut vireän tutkimuskentän rahoituksesta riippumatta, Twitterin API on ollut oiva työväline myös ohjelmoinnin opetukseen. Itsekin olen oppinut #Python-kielen peruskurssilla paljon ohjelmoinnista nimenomaan Twitterin dataa analysoimalla. (3/18)
Kuten on nyt hyvin tiedossa, Venäjän suunnalta on odotettavissa kiukuttelua. Yksi näkökulma on mahdollinen #informaatiovaikuttaminen, mutta sen tarkempi käsitteellistäminen ja laadullinen tarkastelu on jäänyt vähemmälle. Se on siis ketjun paikka! 1/39
Alkuun huom: en ole informaatiovaikuttamisen varsinainen asiantuntija, mutta aihe on tullut tutuksi vuosien varrella lääketieteellisen misinformaation juoksuhaudoissa. Olen myös res. ylil ja pitänyt silmällä sen maanpuolustuksellista näkökulmaa
Venäjän informaatiovaikuttaminen on osa vanhempaa ja laajempaa sotilaallista doktriinia, nimeltään maskirovka. Se tarkoittaa nimensä mukaisesti naamioimista, ja kattaa monenlaisia keinoja millä todelliset teot pyritään peittämään ja kieltämään 3/ en.wikipedia.org/wiki/Russian_m…
I find this quite interesting; the estimates for the association between wearing a #mask and some coronavirus infection in non-hc setting (0.56, 95% CI: 0.40-0.79) is roughly the same magnitude as the association for #bicyclehelmet and head injury (0.49, 95% CI: 0.42-0.57) 1/9
Are they both confounded? You bet. But they're also both mechanistically plausible. And there's some major issues with conducting RCTs for both. Ethical reasons for helmets, and for masks, statistical power issues (adherence, sample size, disease prevalence) seem pretty bad 2/9
With helmets, the people wearing them probably have some different characteristics than non-users, that causes confounding. Probably they're more cautious and take less risks in traffic. It's also possible that for some individuals, helmet causes risk compensation... 3/9
This is a pretty cool and elegant study: Monogenic vs Polygenic Hypercholesterolemia and Atherosclerotic #Cardiovascular Disease Risk ja.ma/2UYCZ4G
A brief 🧵 (1/11)
Key point was to compare the risk between three groups:
1️⃣ LDL high because of a pathogenic single-gene variant
2️⃣ LDL high because of a particularly strong effect from a combination of variants in 223 genes
3️⃣ LDL high but neither of the above genetic effects
(2/n)
In other words the comparison is between:
1️⃣ One physiological LDL pathway malfunctioning
2️⃣ Some combination of multiple pathways producing high LDL
3️⃣ LDL high mainly due to non-genetic effects (most likely diet, exercise, the usual)