Child pages
  • Abstract: Fake News Shelf life: Content, Reach, and Ephemerality of Hyperpartisan News, Y1
Skip to end of metadata
Go to start of metadata

This  project  aims  to  monitor  the  lifespan  of  hyperpartisan  content  that  circulates  on  Twitter  in  the  period  leading  up  to  national  elections  and  democratic  consultations.    In  our  past  research  we  have  identified  that  user-generated,  hyperpartisan  news  content  has  a  remarkably  short  shelf  life ,  a  marker  of  the  perishable  nature  of  digital  content  at  the  center  of  political  debates  in  liberal  democracies. Key to our monitoring efforts will be the storage of social media data as it is collected.  While we  will  rely  on  public  Twitter  Streaming  API to  track the  content  tweeted  by  users  associated  with  key global electoral events (US 2020 Election, Brexit Referendum, etc)   we require storage resources for the tweets that will  be  parsed for  real-time  archiving  of  embedded content including  images  and  URLs  embedded  to  the  message,  hence  identifying  and  archiving  the  content  of  webpages  tweeted  in  the  context  of  electoral  politics.  URLs  will  be  archived  daily  until  they  are  no  longer  accessible  (URL  decay).  From this archive of data, we  will  conduct an analysis workflow that will rely  on  topic  models  (Grün  &  Hornik,  2011;  Zhiqiang  et  al.,  2013)to  contrast  extant  and  extinct  URL  content  tweeted  in  the  period  leading  up  to  the  vote,  and  during  the  analysis,  we  also  estimate  the  size  of  the  retweet  cascade  that  vanished  and  probe  the relationship  between  content  (i.e.,  hyperpartisan  pieces  or  outright  fake  news)  and  content  shelf-life.  In  summary,  we  seek  to  establish  metrics  for  the  lifespan  of  fake  news  and user-generated,  hyperpartisan  news  articles.  We  expect  the  availability  of  this content  to  be  short-lived  and  we  therefore  hypothesize  that  the  news  cycle  of  hyperpartisan  news  deviates  from  the  regular  news  cycle,  including  the  dynamics  of  retweet  cascades  triggered  by  legitimate  news  pieces  featured  on  Twitter.  There is thus a storage and analysis component to this project, and our allocation request reflects this dual requirement.

  • No labels