Mäta förtroendesiffror med hjälp av sentimentanalys på Twitter

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