#svenskatwitter

#svenskatwitter – En undersökning om svenska twitterkonton

Det finns 146 995 svenska twitterkonton (per sista veckan i november 2011). Utifrån det materialet kan vi plocka fram en massa spännande data om hur de svenska twitterkontona ter sig. Till exempel att ett konto i medel har 155 följare men att medianen bara har 20. Vi kommer att sammanställa all data vi samlat in i en rapport som kommer sista veckan 2011. Fram till dess kommer vi att twittra ut en massa spännande siffor på twitter.

Nu ska vi förklara hur vi gjort och vilka definitioner vi använder.

Ett svenskt twitterkonto definieras genom att det antingen:

1. Har angett Sverige, Sweden, eller någon av 20 svenska städer eller platser (inklusive vanliga förkortningar som sthlm och gbg) i sin location. Vi har valt bort några platser, t.ex Lappland, som vi vet finns i fler länder än Sverige.
2. Har skrivit sin presentation (bio) på svenska.

120 090 identifierades på sin location och de resterande 26 905 på sin presentation (bio).

Så här har vi gått till väga för att få fram de svenska kontona

För att identifiera språk gjorde vi en mycket enkel kontroll, där vi ser om de har skrivit minst två olika av de 112 vanligaste svenska orden, där vi har filtrerat bort ord som också är vanliga på engelska, franska, spanska, norska eller danska. Genom stickprov av ca 150 slumpmässiga konton som identifierades på sin bio kunde vi se att språkanalysen tog med två norska texter. Eftersom 26905 / 150 * 2 = 358 (0.25% av våra insamlade konton), kan vi även efter hänsyn till felmarginal i samplingen säga att andelen utländska konton som kommit med av misstag i språkanalysen bör vara under 1%.

För att få fram alla konton har vi börjat med ett startkonto (@fnedrik), identifierat om kontot är svenskt, enligt ovan och sedan tittat på kontots 100 senast tillagda friends (friends är de som ett konto följer) och rekursivt gjort samma analys på vänner och vänners vänner.

Det är svårt att uttala sig om mörkertalet, men med denna metod missar vi svenskar som inte angett location och samtidigt skrivit en bio som är 1) på annat språk än svenska 2) väldigt kort / tom. Vi missar dessutom de som inte följs av några andra svenskar. Man kan tänka sig små isolerade öar av svenskar, vars enda kontakt med omvärlden är genom utländska twittrare, eller inte alls.

Twitter är stingsliga med hur många anrop man får göra till deras API per timme, så för att spara in på det har vi inte gjort separata anrop där vi laddat ned tweets och språkanalyserat dem. Vi har inte heller gjort ett separat anrop där vi tittat på kontots followers, eftersom det ger fler utländska spamkonton och färre intressanta konton per anrop, jämfört med att titta på friends. Av samma skäl har vi bara tittat på de 100 senaste tillagda friendskontona för varje svenskt konto, eftersom att gå igenom alla friends kräver fler anrop och dessutom ger dålig utdelning per anrop för de som följer extremt många.

Självklart är det så att det finns en felmarginal, men som vi ser det är den ganska liten. 

Så här gör vi för att få fram fler data

När vi väl fått fram de svenska kontona kan vi förstås få fram en massa annat om dem. Vi tittar främst på vad som angetts i presentationer och vilka som är störst, minst och utmärker sig åt något håll. 

Något vi jobbar med är att ta fram hur många aktiva konton det finns. För att kunna göra det krävs att vi definierar aktiv på twitter. Vi menar att man måste skriva tweets för att vara aktiv. Med det sagt kommer vi att ta fram en lista med antal konton som varit aktiva senaste månaden, kvartalet, halvåret, året etc för att öppna för en egen tolkning av aktiv. Vi kommer också att presentera siffor på genomsnittliga antal följare och vänner. Det resultatet kommer att presenteras i vår sammanställning under sista veckan av 2011.

Fråga och kommentera gärna!

// statistiknördarna på Aitellu