编者荐语：
文章引入一个全新的“族群组织在线数据集”（EO2），专注于全球少数族群组织的在线传播渠道。这不仅扩展现有族群政治研究的边界，还为学者们提供一个新的工具来研究数字时代的族群动员与传播。本文通过三个具体的应用实例展示EO2数据集的潜在价值，从社交媒体的采用、选举对传播频率的影响，到群体权力地位如何影响传播内容，全面展示数据集的研究潜力。这一数据集不仅对学术界有重要的研究价值，还为政策制定者提供实用的数据工具，帮助他们理解和应对当代族群政治中的在线动态。
点击标题下方蓝字
关注
+
星标
“Political理论志”
不错过社会科学前沿精彩信息哦
具体操作如右 →
随着族群群体作为政治行为体的重要性不断提升，学术文献试图识别并研究代表这些群体的族群组织。这些组织如何利用数字传播渠道与国内外受众进行互动，已成为研究的核心议题之一。为深入探讨此问题，本文创建“族群组织在线数据集”，这是一个专注于少数族群组织在线传播渠道的全新数据集。该数据集包括四种主要传播渠道：Twitter（自2023年7月起被更名为X）、Facebook、Instagram和普通网站。该数据集依赖于“族群权力关系—组织”数据库，因此与整个族群政治数据集系列兼容。数据集中涵盖265个族群群体使用的2000多个在线渠道，使研究人员能够研究与数字动员相关的多种问题。
Frederik Gremler,
德国康斯坦茨大学政治与公共管理系
Nils B Weidmann,
德国康斯坦茨大学政治与公共管理系
Gremler, F., & Weidmann, N. B. (2024). Ethnic politics via digital means: Introducing the Ethnic Organizations Online dataset.
Journal of Peace Research
, 0(0).
本文作者之一
Frederik Gremler
在过去的几十年中，族群政治研究取得显著进展，帮助学者们更深入地理解群体投票、选民引导、民主化以及群体冲突等一系列议题。这些进展在很大程度上得益于相关数据集的建立，其使研究人员能够识别相关族群群体，追踪其诉求随时间而产生的变化，以及其他相关特征。在数据库建立过程中，最著名的便是“族群权力关系”（Ethnic Power Relations，简称EPR）数据集的创建，此数据集由多个相互关联的数据集合构成，且所有数据集合都基于统一的群体定义。
然而，群体通常并不以单一行为体的形式作出决策和采取行动，这也是为什么研究人员将研究重点放在那些声称代表族群群体行事的政治组织上。这些组织，如政党、非政府组织或社会运动组织，可以影响群体认同、促进动员，甚至通过暴力手段追求目标。
在现有研究基础上，本文进一步提出“族群组织在线”数据集（Ethnic Organizations Online，简称EO2）。
该数据集是首个试图系统地捕捉全球范围内族群组织在线活动的数据集合，旨在为学者和政策制定者提供一个工具，以更好地理解当代族群政治的动态趋势。
EO2数据集的创建是通过系统地收集和整理全球范围内活跃族群组织在各类在线平台上的活动记录而实现的。这些平台包括但不限于官方网站、社交媒体账户、论坛以及其他在线社区。数据收集的时间范围涵盖近年来在线活动显著增长的时期，以确保数据的时效性和代表性。
EO2数据集旨在识别族群组织使用的数字传播渠道。该数据集并未重新记录这些组织，而是基于“族群权力关系—组织”（EPR-O）数据集的内容，该数据集涵盖90个国家的354个族群，共收录了1154
个族
群组织，时间范围为2000年至2019年。
EO2数据集在EPR-O的基础上，识别所有官方的Twitter、Facebook、Instagram渠道及其网站。我们特别关注这些渠道，因为它们在不同背景中被广泛使用。例如，Facebook在2022年的月活跃用户达到30亿，其中包括众多世界领导人和政治组织。尽管Twitter在2022年的月活跃用户仅为2.3亿，但其涉及较多的公共政治内容。通过结合组织各类网站的数据，我们希望为研究人员提供比较不同平台和国家在线传播模式的工具
。
EO2数据集的构建依赖于人工编码。编码人员被分配到不同的国家，负责在EPR-O数据集中搜索该国2000年之后仍然存在组织的所有在线渠道。由于大多数编码人员也参与过EPR-O数据集的编制工作，其对分配国家的相关组织已经有相当的了解。编码人员通过一个在线电子表格界面，逐一查找并记录每个组织的所有在线渠道。在编码手册中，我们严格详细说明如何可靠地检测Twitter、Facebook、Instagram及各类网站账户。例如，我们要求编码人员首先搜索该组织的网站，并检查这些网站是否链接到社交媒体账户，以全面了解该组织的社交媒体生态系统。此外，编码人员还通过查看社交媒体上“关于我们”页面、个人资料图片、发布内容或是否有蓝色认证标记（“已验证”）来评估
账户的
真实性。
当然，
一个组织在某个平台上可能拥有多个渠道（账号），
编码人员会在收集所有可能渠道的同时，去
尝试确定哪个在线渠道是该平台上的最主要渠道，即该组织的最主要交流工具。同
时，编码人员也会检索那些不再活跃的休眠渠道，以尽量确保数据的收集没有遗漏
。
EO2主表中的每一行描述了EPR-O数据集中归属于某个族群组织的在线渠道。每个渠道都有以下几个关键变量：
URL：
特定在线渠道的URL。对于网页来说，这是首页；对于社交媒体平台来说，这是访问账户的URL。如果公开可见，我们还提供Facebook和Twitter账户的个人资料识别码。
渠道类型
：该渠道是否为网页，或是Twitter、Facebook、Instagram账户。
主要渠道：
该在线渠道是否被视为该组织在特定平台上的主要渠道。对于每个平台上的任一类型渠道，只能有一个主要渠道。如果一个组织在同一平台上有多个渠道，编码人员会评估其真实性以选择主要渠道。
信任度：
编码人员对渠道真实性的信任度估计（1 = 低，5 = 高）。尽管这是编码人员的主观评价，但编码手册列出严谨详细的标准。
首次/最后一次快照：
Wayback Machine上该渠道的首次和最后一次快照。
EO2数据集总共涵盖86个国家的265个族群，共收录2120个在线渠道。表1展示与2000年之前尚未解散的所有EPR-O组织相关的不同渠道（第一行）及其主要渠道（第二行）的数量。在EO2数据集中，Facebook上的组织渠道有764个，使其成为最受欢迎的平台。此外，许多组织还运营着自己的官方网站（415个主要账户），凸显官方网站这一时常被忽视平台的重要性。尽管Twitter和Instagram等相对较新的平台也颇受欢迎，但使用这些平台的组织数量要少得多。
结合Twitter API，EO2数据集还提供了有关组织使用Twitter情况的一些有趣见解。例如，我们的数据揭示各国之间的显著差异：表1展示了与地图上显示的族群相关的组织发布推文的频率，这些族群的聚居区数据取自地理参照族群权力关系数据集。一些组织（如秘鲁的秘鲁族群主义党）平均每月发布211条推文，而南非的族群自由党每月仅发布约8条。表1还展示了将EO2数据集与EPR系列其他数据集结合使用的好处：研究人员可以轻松地将数字踪迹数据与其他类型的数据源结合起来，分析在线传播模式
。
表1. “族群组织在线”数据集中拥有组织的群体的推文频率
图2展示社交媒体在族群组织传播中日益重要的作用。通过分析所有被识别为主要在线渠道的账户推文，该图显示多年来每月推文的平均数量。大部分推文数量的峰值可归因于国家层面的事件，尤其是在选举期间，例如，2020年的峰值与美国总统大选以及随后2021年1月6日的国会大厦事件相对应。这些数据总共包括截至2022年10月1日EO2账户的近350万条推文。
图二
.
“族群组织在线”Twitter账户的推文数量分布
接下来，我们提供三个利用该数据集进行实证分析的示例，分别是：
(a) 社交媒体的使用；(b) 随时间变化的使用频率；(c) 在线传播渠道的内容。
最新研究表明，社交媒体可以帮助组织接触国际受众，从而推动其目标。例如有研究指出利比亚的叛乱组织如果倡导民主理想并强调政府暴行，会获得更多国际支持。这意味着族群组织的在线传播也可以吸引国际非政府组织（NGO）和外国政府的关注，从而对国际组织施加压力以支持这些组织的目标。因此，对于那些试图建立独立族群国家或追求不可分割目标的族群组织而言，数字媒体可作为一种强有力的手段来表明其意图并赢得国际支持。因此，我们预计拥有分离主义目标的族群组织更有可能采用数字渠道，并更频繁地在网络中表达自身立场。此外，这种分离主义目标会进一步具象化在语言的使用上。为与国际行为者（如欧盟、联合国和国际非政府组织）互动，我们预计这些组织会比其他族群组织更频繁地使用国际通用语言—英语。
为分析这种模式，我们利用EO2数据集对相关组织是否在Twitter和Facebook上运营社交媒体渠道进行编码。许多社交媒体文献通常只关注单一平台，主要是Twitter。然而，我们的数据表明，Facebook或常规网站等其他类型平台同样重要，甚至在某些情况下更为关键。如果某组织在EO2数据集中拥有Facebook或Twitter账户（或两者兼有），则相应的虚拟变量值为1，否则为0。我们还构建了一个变量，用于测量组织推文中英语的使用比例。自变量中关于分离主义或不可分割目标的编码来自现有EPR-O数据库。
表2. 分离主义诉求对社交媒体采用、推文频率
及推文中英语使用比例的影响
作为控制变量，我们纳入EPR中最新一年各国EPR族群的数量，并用族群居住区的人均夜间照明量作为经济财富的指标。我们还包括2010年（最新可用数据）各国族群人口（对数转换）以及组织的年龄（从成立到解散的年数）。最后，我们还控制EPR-O数据集中记录的组织是否曾参与全国选举。
对于与多个族群群体有关联的组织，我们取各族群群体变量的平均值。与其为每个组织-群体链接选择一个值或将组织多次纳入分析，我们计算群体级协变量（夜间照明、人口数量）的平均值。与此同时，我们剔除EPR-O数据集中2009年前解散的组织，因为这是我们数据中首次出现组织在两个平台上都有社交媒体账户的年份，我们还排除EO2数据集中未标记为主要渠道的次要渠道。
表2显示分析结果。模型1是一个逻辑回归模型，用于估计某组织是否开设了Twitter或Facebook账户。模型2是一个线性回归模型，用于估算组织的月平均推文数量（自然对数）。模型3则是一个
线性回归模型，用于估算组
织推文中英语的使用比例。
EO2数据集还可用于研究政治环境如何影响社交媒体上的政治传播。在此，我们分析政治组织在应对选举时的表现，并探讨专制国家和民主国家之间的差异。
民主国家的一个显著特点是通过有竞争性的选举来填补行政职位，因此从定义上讲，民主国家的选举比专制国家的选举更具意义。在民主政体中，政治组织通常会围绕选举投入资源，以动员选民并获取政治利益。与此同时，大多数专制国家尽管仍然定期举行选举，但由于选举结果往往是预先确定的，政治组织通常不会大力投资于选举动员：对于反对派来说，选举操纵和镇压削弱他们的成功机会；而对于现任者而言，由于选举结果几乎是既定事实，无需进行额外的动员。因此，我们预计，专制国家的政治组织在选举日前后对数字传播的投资动机较弱。为检验这一假设，我们利用EO2数据集中来自68个国家的近300万条推文进行分析。
表3. 多层次模型估计距离下次选举（模型1）或最近选举（模型2）的时间对每周推文数量的影
响
我们的观察单位是某一国家的族群组织在特定一周内发布的推文数量。对于数据集中每条推文，我们使用国际选举制度基金会公开发布的《选举指南》来测量距离最近全国大选的周数，并进行对数变换。为测量政权类型，我们采用了V-Dem的主要民主变量v2xregime，该变量将政权类型区分为封闭式专制政体、选举式专制政体、选举式民主政体和自由民主政体。我们将这一变量重新编码为二分类变量，区分为专制政体（封闭式和选举式）和民主政体（选举式和自由式）。
表3列出两个多层次模型，以特定周内推文数量的自然对数为因变量。控制变量与之前的分析相同；由于我们的因变量是国家层面的指标，因此我们将观察结果嵌套在组织和国家中。对于距离下一次选举的周数（模型1）和距离最近一次选举的周数（模型2），我们将民主政权变量与选举时间变量进行了交互分析。为便于解释，我们在图3中展示了模型1的边际效应。
图3. 基于表3中模型1的效果图，展示了选举临近程度如何影响推文频率
这些模型支持我们的预期，
即民主国家的选举对促使政治组织更频繁地发帖具有积极且显著的影响。图3显示，民主国家的政治组织在选举期间的每周发帖量约为50条，而在选举前约50周时，这一数字仅接近10条。这与专制国家形成鲜明对比，后者的差异要小得多。
为说明如何利用EO2数据集研究数字传播的内容，我们分析组织所代表的群体的政治权力地位如何影响其传播信息的类型。我们借鉴Gadjanova（2021年）的研究成果，他认为在竞选期间，现任的非洲总统候选人往往会倾向于采用有针对性的转移支付和物质奖励，而强大的反对党候选人则会利用族群不满情绪来攻击并分裂执政联盟。对于现任者来说，诉诸不满情绪的可信度较低，因为他们本有能力解决（甚至减少）这些不满。
基于这一逻辑，我们假设与掌权群体有关联的族群政党在其网络传播中会尽量避免强调族群问题的不满。相反，我们预计他们会通过宣传自己的活动来强调其政治工作的意义。根据这一思路，Barberá等人的研究表明，在国内争议和选举期间，世界领导人往往会转向在Twitter和Facebook上强调外交政策。虽然强调外交政策是一种可行的策略，但我们关注的是另一种路径：淡化甚至不再强调政策问题本身。因此，我们假设，与反对派团体有关联的政党会更多地提及政策问题（包括不满情绪），而现任族群政党则更倾向于通过报道组织活动来强调其政府工作。
