Donald Trumps Twitter-aktivitet under presidentvalet 2016 bestod till stor del av tweets präglade av konkurrens. Han fokuserade på prestation, stil, personangrepp och hans ställning i opinionsmätningarna.

Kommunikationsforskare hänvisar till denna typ av politiska budskap som en strategiram, som i grunden använder krigets språk, och de omedelbara verkligheterna av att vinna eller förlora, att leverera sin poäng. Utfärda ramar, under tiden, ta itu med politiken, beslutsfattande, och identifiera problem och föreslå lösningar.

Inte förvånad över karaktären på Trumps tweets? Det finns mer.

Bland de andra stora republikanska hoppfulla, bara John Kasich, den sista av det ursprungligen fullsatta GOP-fältet som fortfarande står kvar innan Trump begav sig till konventet som partiets presumtiva kandidat, betonade strategi över frågor, enligt en ny studie av forskare från universitetet vid Buffalo och Georgia State University.

Forskarna använde ett nytt verktyg som de nyligen har utvecklat för att analysera alla (ja, alla) av de fler än 22, 000 tweets skickade av republikanska presidentförhoppningar under 2016 års primärval.

Resultaten publicerade i International Journal of Communication den 22 september, 2019 (Volym 13) visar också att kandidaternas inramning är dynamisk över tid. Till exempel, ärenderamar blir mer framträdande kring tv-debatter, medan strategin återupptar sitt grepp när valdagen närmar sig.

Forskningen, med de insikter som dess innovativa metod ger, ger en tidigare osynlig inblick i den i stort sett outforskade genetiken hos politikers Twitter-aktivitet i en tid då sociala medier inkräktar på och förbereder sig för att förmörka TV:s långvariga roll att definiera presidentkandidater för den amerikanska väljarkåren.

"Med varje valomgång, fler och fler människor får sin information direkt från kandidaterna via plattformar som Twitter, " säger Yotam Ophir, en biträdande professor vid UB:s institution för kommunikation, medförfattare till studien med Dror Walter, en biträdande professor vid Georgia State.

"Twitter ger kandidater mer kontroll och handlingsfrihet över sitt budskap än de traditionella massmedia - men vi vet lite om vad politiker gör med denna makt."

Kontrollen, Ophir nämner, härrör från det faktum att Twitter inte har någon av de traditionella massmediernas portvaktsfunktioner. Kontoinnehavare är informationsutgivare, och deras innehåll är en fråga om personligt val snarare än redaktionella bedömningar av TV, tidning eller radio.

Strategiutformning, dock, kommer med en kostnad. Ophir säger att forskning visar att det har visat sig konsekvent ha skadliga effekter på den demokratiska processen, eftersom det tenderar att öka cynismen bland väljarna.

Och precis som traditionella medier under de senaste decennierna har varit strategiinriktade på bekostnad av frågor, enligt Ophir, det var också de två mest framgångsrika GOP-bidragen i loppet – Kasich och Trump, varav den sistnämnda hade den största aktivitetsvolymen under primärvalen och använde det minsta antalet probleminramade tweets.

Men vem kan analysera alla dessa 22, 000 tweets? Ingen, faktiskt. Data kommer så snabbt och i en sådan torrent att manuell analys är omöjlig. Det är därför Ophir och Walter utvecklade sin analys av ämnesmodellnätverk (ANTMN), som är kapabel att bearbeta det som ligger utanför mänsklig räckvidd.

"Förr, om du ville veta hur politiker använde Twitter, du skulle förmodligen hitta ett representativt urval av hundra tweets, eller en kvantitet som kan läsas inom en rimlig tid, och koda dem manuellt, " säger Ophir. "Människor är bra på att läsa enskilda texter, men inte så bra på att läsa tusentals texter och urskilja mönstren."

Ämnesmodellering kan hantera big data och induktivt analysera tematiskt innehåll.

"Induktivt är viktigt, eftersom vi inte berättar för algoritmen vad vi förväntar oss att hitta, " säger Ophir. "Det är oövervakad inlärning och algoritmen identifierar mönster på egen hand genom att sammanställa distributionslistor med ord som tenderar att visas tillsammans."

Emnesmodelleringens brist är dess specificitet.

"Ett av ämnena från denna analys kan vara, "Trump attackerar media, men det är för specifikt för att lära dig något om de andra kandidaterna, säger Ophir.

För att komma till rätta med denna begränsning, när de har avslutat sin ämnesmodellering, Ophir och Walter gör en nätverksanalys där de behandlar varje ämne som en nod i ett nätverk.

"Precis som du kan analysera ett socialt nätverk och se vem som är vän med vem, eller se vänner från jobbet eller skolan, ANTMN ser associationer och skapar kluster av ämnen. I detta fall, den hittade strategi och problem – på egen hand och inte för att vi programmerade den att leta efter de två, säger Ophir.

2016 års primära analys är ett av de inledande stegen för detta verktyg och forskarna när de analyserar komplicerade datamängder och tillämpar det man lärt sig på viktiga teoretiska frågor.

"Vi får nu insikter om det politiska systemet som vi inte hade, " säger Ophir. "De enda två kandidaterna som nästan helt ignorerade frågor var de två sista i den republikanska rasen."

För 2016, Ophir säger att republikanerna, med partiets 12 huvudkandidater, försett studien med en rikare datauppsättning än det glesa demokratiska området, men han har fortfarande större planer för framtiden.

"Vi fortsätter att utveckla metoden. Vi vill testa den i större skala, och vi vill titta på effekterna, " säger han. "Vi antar att effekterna av strategiutformning på sociala medier är desamma som massmedia, men så kanske inte är fallet. Vi vet inte i nuläget."

Vad som är säkert är att Ophir och Walter kommer att använda sin metod för att analysera nästa presidentval.

"Vi kommer att använda det 2020, säger Ophir.