This study expanded on the previous research surrounding the Facebook and Twitter use of non-governmental sport for development and peace (SDP) organizations as well governmental Ministries of Sport. Following the theoretical framework of Lovejoy and Saxton (2012) this research examined specifically how non-governmental and governmental sport organizations share information, form a community and encourage action with their social media audiences. A content analysis of 6003 social media posts demonstrated that both Ministries of Sport and SDP non-governmental organizations (NGOs) primarily use social media to disseminate information to their followers, however, SDP NGOs were more likely to use social media posts for a community function compared to governmental sport organizations. Lastly the use of social media to encourage further action was limited by both types of organizations and on both platforms. The content analysis also revealed that cabinet ministries were more likely to discuss on social programming (e.g., education, youth development) compared to posting about sport. This study also has important theoretical and practical implications and provides further insight into the social media use of sport organizations based in Sub-Saharan Africa.

Problemformulering och syfte: I slutet av 2020 drabbades organisationen CD Projekt Red (CDPR) av en förtroendekris i samband med lanseringen av den nya produkten Cyberpunk 2077. Två år senare är produkten bästsäljande och CDPR har stor ekonomisk vinst, vilket tyder på att krisen bemästrades. Denna studie grundar sig i intresse för strategier som tillämpas av organisationer vidonline-kriskommunikation i det nuvarande medielandskapet. Studiens övergripande syfte eftersträvar kunskaper om vilka kvalifikationer som krävs för att bemästra en krissituation. Metod och material: I studien undersöks inlägg på Twitterunder utvalda tidsperioder genom kvantitativ innehållsanalys och i metoddelen redogörs tillämpning av metoden. Huvudresultat: Resultatet visar att online-kriskommunikation bidrar till framgångsrik krishantering när den överensstämmer med korrigerande handlingar.

No description available.

This study examines how television executive producers are utilizing the social media platform of Twitter as a public relations tool. Utilizing a qualitative textual analysis, this study examines 10 executive producers' use of Twitter over a three-week period. The results of the textual analysis indicated executive producers primarily used Twitter as a public relations tool in five different themes: clarification, compliment, gratitude, promotion, and engagement. Future research should utilize additional qualitative research through in-depth interviews with industry professionals such as television executive producers or public relations firms that work directly with the television industry and those who specifically work with television executive producers.

Antalet aktieägare i Sverige har de senaste åren nått nya rekordnoteringar. Tillsammans med ett digitaliserat samhälle har det resulterat i ett mer lättillgängligt informationsflöde där informationen används som underlag vid investeringsbeslut. Problemet är att många individer saknar grundläggande kunskaper vad gäller det privatekonomiska området och riskerar således att välja fel produkter eller tjänster på den finansiella marknaden. Således är det naturligt att mindre erfarna investerare söker sig till de erfarna. Människor har begränsad rationalitet och det finns kognitiva samt tidsmässiga gränser för hur mycket information vi kan bearbeta. Stora mängder information har visat sig svårhanterlig för mindre erfarna investerare vilket kan resultera i att de agerar irrationellt.  Twitter har etablerat sig som en av de mest använda plattformarna bland investerare för att interagera med likasinnade. Detta har resulterat i att det vuxit fram flertalet aktieprofiler på plattformen och tidigare studier visar på att individer påverkas av information som delas i sociala medier. Något som kan visa sig besvärligt är ifall individen tar genvägar för att förenkla sin investeringsprocess genom att söka vägledning från profiler på Twitter. Det finns näst intill obegränsat med aktier för investeraren att välja mellan och i kombination med stora informationsflöden är det intressant att undersöka vad som påverkar investeringsbeslutet.  Studiens syfte är att undersöka hur investerare på sociala medieplattformen Twitter påverkas i sina investeringsbeslut sett ur olika perspektiv kopplat till teorier inom beteendevetenskaplig finans. Studiens forskningsmetod är kvalitativ där vi använt oss av åtta semistrukturerade intervjuer för insamling av data. Deltagarna är indelade i erfarna investerare (EI) och mindre erfarna investerare (MEI) baserat på erfarenhet och antal följare på Twitter.  Studiens resultat visar att individer som använder sig av Twitter på ett eller annat sätt påverkas i sitt investeringsbeslut. Resultatet visar en tydlig skillnad på EI och MEI sett till hur de blir påverkade. EI är  betydligt mer  medvetna om de fördomar som förekommer  inom beteendevetenskaplig finans och  kan därför i större utsträckning undvika dessa fallgropar där erfarenhet är den främsta faktorn till detta.

Depression and bipolar disorder are two mental disorders which left untreated can have a devastating effect on a persons life as they are considered both chronic and disabling. Seeking help is often a big step that can be procrastinated for years, and misdiagnosis is a very common problem once contact with psychiatric care has finally been established. This paper investigates the correlation between posting patterns on Twitter and suffering from these diagnoses. For each day of the past year we quantify cues for emotional intensity and polarity, involvement with their social network and activity as well as metrics previously shown to be associated with depression. A number of statistical tests, including Anova, t-testing and Covariance analysis, are then constructed and fitted over our data. Our results show a significant difference between our groups in affective language use tied to emotional polarity as well as an elevated use of first person personal pronouns for both the depressed and bipolar group. These findings indicate strongly that our approach is valid for finding cues about mental illness, however the strong limitations in our data collections approach needs to be addressed in order for our results to have real scientific merit. This study is motivated by the need for finding predictive models for mental disorders, and to better understand the disorders themselves. Predictive models can be helpful for proper diagnosis by a clinical psychologist as well as for helping more people seek treatment. / Depression och bipolär sjukdom är två psykiska sjukdomar som obehandlade kan ha en förödande effekt på en persons liv eftersom de anses både kroniska och förlamande. Att söka hjälp är ofta ett väldigt stort steg som kan prokrastineras i flera år, och dessutom är feldiagnosticering ett väldigt stort problem när en kontakt med psykiatrin väl har upprättats. Denna rapport undersöker korrelationen mellan inläggsmönster på Twitter och dessa två diagnoser. Vi kvantifierar varje enskild dag av det senaste året i termer av kännetäcken för en människas emotionella intensitet och polaritet, engagemang med sitt sociala nätverk och aktivitet, såväl som parametrar som i tidigare forskning visat sig associerade med depression. Vi använder sedan statistiska modeller såsom variansanalys, t-test och kovariansanalys över vår data. Våra resultat visar på en signifikant skillnad mellan våra grupper i affekterat språkbruk och hur det kopplas till emotionell polaritet. Vi visar även på ökat användande av pronomen i första person singular hos våra bipolära och deprimerade grupper. Dessa resultat tyder på att vår metod är giltig för att hitta indikationer för mental ohälsa, men begränsningar i vår datainsamling behöver adresseras innan våra resultat kan ha riktig vetenskaplig betydelse. Den här studien är motiverad av behovet av att finna modeller med prediktiv kraft för psykisk ohälsa, och att bättre förstå depression och bipolar sjukdom som helhet. Prediktiva modeller kan vara hjälpsamma för korrekt diagnossättning av en klinisk psykolog samt att hjälpa individer att söka behandling.

In a time when information and opinions are to a large extent shared via social media, it is important to find a way to determine how credible the content is. The purpose of this study is to investigate whether PageRank based algorithms can be used to deter- mine how credible a Twitter user is based on how much the user’s posts are retweeted by other users. Two different algorithms based on PageRank have rated the credibility of Twitter users in a network. This ranking has been compared with a manual credibil- ity check on the users to determine how close to reality the credibility distribution from the algorithms is. The results show that the algorithms can be said to preform better than random, but they still assign inaccurate credibility scores to many users. The simplicity of the algorithms is an advantage compared to other methods used in previous research. The conclusion is that the algorithms in their current states are not suitable for determin- ing the credibility of Twitter users. / I en tid då information och åsikter till stor del delas via sociala medier är det viktigt att finna ett sätt att avgöra hur trovärdig detta innehåll är. Syftet med denna studie är att utreda om det med hjälp av algoritmer baserade på PageRank-algoritmen går att avgö- ra hur trovärdig en Twitteranvändare är, baserat på hur mycket användarens inlägg bli- vit delade av andra användare. Två olika algoritmer baserade på PageRank har rankat trovärdigheten hos Twitteranvändare i ett nätverk. Denna rankning har sedan jämförts med en manuell trovärighetstilldelning av användarna för att avgöra hur nära verklighe- ten algoritmernas trovärdighetsfördelning är. Resultaten visar att algoritmerna kan anses prestera bättre än slumpen, men att de trots detta tilldelar en fleaktig trovärdighet till många användare i nätverket. Algoritmernas triviala natur ger dem en fördel gentemot algoritmer som använts i tidigare studier. Slutsatsen är att algoritmerna i deras nuvaran- de form inte är lämpade för att fastställa trovärdighet hos Twitteranvändare.

Sentimentanalys av Twitterinlägg, samt kvantifiering och analys av dess resultat har de senaste decenniet fått enallt större spridning, både i den akademiska världen och i näringslivet. Denna undersökning har som mål attgranska huruvida det är möjligt att bestämma den amerikanska presidentens förtroendesiffror med hjälp av 259774 insamlade Twitterinlägg och ett dataset innehållandes förtroendesiffror för samma tidsperiod sammanställdfrån olika institut som genomför opinionsundersökningar. Potentiella intressenter av studien skulle kunna varavalforskare, lingvister och analytiker på olika institut såsom Gallup. Sentimentvärdet för varje Twitterinlägg bestämdes med hjälp av två olika listor med polaritetsvärdare ord, BPMoch AFINN. Det första är ett egensammansatt lexikon och det andra är ett lexikon framtaget för sentimentanalysinom framförallt sociala medier. Den kvantifierade datan kunde sedan jämföras med de manuellt sammanställdaförtroendesiffrorna från opinionsundersökningarna. Korrelation mellan våra sentimentvärderade Twitterinläggoch referensdatan var väldigt låg, vilket skiljer vår studie från andra liknande studier. Mer generella slutsatserkunde dras vid noggrannare undersökning och tydning av resultatet. Framtida studier bör ta hänsyn till sentimentanalysens ofta väldigt lågt prediktiva förmåga vid utförandet avliknande parametrar som i denna studie, d.v.s. med en värdering som bara returnerar positiva, negativa ellerneutrala resultat. / Sentimentanalysis of tweets, as well as quantification and analys of obtained results, has in the last decadereceived a fair share of attention, both in the academic world and the private sector. This study aims to toexamine whether or not it is possible to accurately assess the approval ratings of the President of the UnitedStates using a dataset containing 259.777 tweets and another where the approval ratings were accumulated overthe same time period from two different polling aggregators. Potential person with interest in this studie couldbe researchers who specialize in election, linguists and analyst at institutes such as Gallup. The sentiment value for each collected tweet was accrued using two different sentimentlexicons, AFINN and theone designed by us BPM. This quantified data could then be compared to the manually aggregated approvalratings. An exact mirroring of the result from the reference data and our own could not be made but moregeneral conclusions could be drawn such as that the general consensus on Twitter seems to be as negative as theapproval ratings.

As new forms of propaganda and information control spread across the internet, the need for novel ways of identifying them increases as well. One increasingly popular method of spreading false messages on microblogs like Twitter is to disseminate them from seemingly ordinary, but centrally controlled and coordinated user accounts – sockpuppets. In this paper we examine a number of potential methods for identifying these by way of applying plagiarism detection algorithms for text, and evaluate their performance against this type of threat. We identify one type of algorithm in particular – that using vector space modeling of text – as particularly useful in this regard. / Allteftersom  nya  former  av  propaganda  och  informationskontroll  sprider sig över internet krävs också nya sätt att identifiera dessa. En  allt mer populär metod för att sprida falsk information på mikrobloggar  som  Twitter  är  att  göra  det  från  till  synes  ordinära,  men  centralt  kontrollerade och koordinerade användarkonton – på engelska kända  som “sockpuppets”. I denna undersökning testar vi ett antal potentiella  metoder  för  att  identifiera  dessa  genom  att  applicera  plagiatkontrollalgoritmer  ämnade  för  text,  och  utvärderar  deras prestanda mot denna sortens hot. Vi identifierar framför allt en typ av  algoritm  –  den  som  nyttjar  vektorrymdsmodellering  av  text  –  som speciellt användbar i detta avseende.

No description available.