Original title: Obsahová analýza twitterových komentářů vůči vybraným mužským a ženským kandidátům prezidentských voleb 2023
Translated title: Content analysis of Twitter comments towards selected male and female candidates in the 2023 presidential election
Authors: Millková, Tereza ; Svobodová, Tereza (advisor) ; Dvořák, Tomáš (referee)
Document type: Bachelor's theses
Year: 2023
Language: cze
Abstract: [cze] [eng]
Tato bakalářská práce se zabývá analýzou twitterových komentářů pod příspěvky tří vybraných kandidátů při prezidentských volbách 2023. Cílem je zmapovat, zda existují rozdíly mezi emocemi, genderovou stereotypizací či tématy vůči kandidátům konkrétního pohlaví a zda se tyto proměnné mění i na základě pohlaví autorů zkoumaných komentářů. Výzkumnou metodou je tematická obsahová analýza, konceptuálním rámcem poté genderové stereotypy v politice spojené s negativitou. Data jsou manuálně sbírána z platformy Twitter u příspěvků kandidátů. Pro sběr dat jsou zvoleny tři datumy během posledního měsíce před prvním kolem voleb, což umožňuje sledovat vývoj komentářů v čase. Výsledky odpovídají na šest předem stanovených hypotéz. Analýza se dělí na tři části, kterými jsou emoce sdělení, genderové zabarvení a vývoj v čase. Potvrdil se předpoklad, že vůči ženské kandidátce je mířeno větší množství komentářů s negativním sentimentem a nezáleží na tom, jestli je komentář psaný anonymním či neanonymním uživatelem. Dále se potvrdilo, že vůči ženské kandidátce jsou směřovány více komentáře s genderovým zabarvením a jsou nejčastěji zaměřené na vzhled. Oproti tomu u mužů jsou nejčastějším tématem genderové stereotypní narážky na schopnosti a sexuální narážky. V poslední části práce je popsán klesající vývoj negativity... This bachelor's thesis analyzes Twitter comments under the posts of three selected candidates during the 2023 presidential election. The goal is to map whether there are differences between emotions, gender stereotypes, or topics towards a particular candidate's gender, and whether these variables change reflecting the gender of Twitter users. Thematic content analysis is chosen as the research method. Data are manually collected on the Twitter platform for candidate posts. Three dates during the last month before the first round of elections are chosen for data collection. A coding method is further used for the analysis of the collected data. The results respond to six pre-selected hypotheses. The analysis is divided into three parts - a message emotion, gender aspect and progress in time. In the first part, it is shown that more comments with negative sentiment are aimed towards the female candidate, and it does not matter whether the comment is written by an anonymous or non-anonymous user. In the second part, it is confirmed that more comments with a gender aspect are aimed towards the female candidate, and they are mostly focused on appearance. In contrast, for the male candidate, gender stereotype allusions to ability and sexual innuendo are the most common themes. The last section of the...
Keywords: communication; content analysis; gender; negativity; politics; prejudice; presidential candidates; presidential election 2023; Twitter; gender; komunikace; negativita; obsahová analýza; politika; prezidentské volby 2023; prezidentští kandidáti; předsudky; Twitter

Institution: Charles University Faculties (theses) (web)
Document availability information: Available in the Charles University Digital Repository.
Original record: http://hdl.handle.net/20.500.11956/181933

Permalink: http://www.nusl.cz/ntk/nusl-528377


The record appears in these collections:
Universities and colleges > Public universities > Charles University > Charles University Faculties (theses)
Academic theses (ETDs) > Bachelor's theses