← Neueste Arbeiten
📄 Sozialwissenschaften

Spatio-temporal Dynamics and Network Diffusion of Weibo Sentiment Toward U.S. Tariff Policies: A Geographic Perspective

Diese Studie analysiert 1,3 Millionen Weibo-Posts, um aufzuzeigen, wie die US-Zollpolitik zu Beginn des Jahres 2025 eine strukturierte, mehrgipfelige Sentiment-Evolution auslöste, bei der geografische Wirtschaftsfaktoren bis zu 57,2 % der lokalen Sentiment-Varianz erklärten und distinkte Nutzergruppen die Breite und Tiefe der Informationsdiffusion vorantrieben.

Ursprüngliche Autoren: Jianwei Deng

Veröffentlicht 2026-10-22
📖 5 Min. Lesezeit🧠 Tiefgang

Ursprüngliche Autoren: Jianwei Deng

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Wenn eine Regierung eine bedeutende Änderung der Handelsregeln ankündigt, wie etwa eine neue Steuer auf Waren aus einem anderen Land, ist die Reaktion selten nur eine Linie in einem Aktienchart. Es ist eine Welle menschlicher Gefühle, die durch die Gesellschaft rollt und sich in ihrer Intensität und Richtung verändert, je nachdem, wo die Menschen leben und mit wem sie sprechen. Jahrzehntelang haben Ökonomen diese Verschiebungen mithilfe langsamer Daten wie monatlichen Handelsberichten verfolgt, die oft erst eintreffen, nachdem die Öffentlichkeit bereits eine Meinung gebildet hat. Heute existiert jedoch eine andere Art von Sensor: der Social-Media-Feed. Plattformen wie Weibo in China fungieren als ein Echtzeit-Nervensystem der Nation, das Millionen individueller Reaktionen in dem Moment erfasst, in dem sich die Nachrichten verbreiten. Durch die Kombination der Untersuchung dessen, wie Menschen fühlen, mit der Untersuchung dessen, wie Informationen reisen, kann ein Forscher nun die Geografie der öffentlichen Emotion kartieren und sehen, nicht nur dass die Menschen verärgert sind, sondern exakt, wo die Wut am heißesten ist, wie sie sich von Person zu Person verbreitet und ob die Quelle der Nachricht beeinflusst, wie sie aufgenommen wird.

Anfang 2025 entstand eine neue Welle von Handelsspannungen, als die Vereinigten Staaten eine universelle Steuer auf chinesische Waren einführten – ein Schritt, der Exporte im Wert von Hunderten von Milliarden Dollar betraf. Um zu verstehen, wie dieser wirtschaftliche Schock in die öffentliche Stimmung überging, wandte sich ein Forscher an die riesige digitale Landschaft von Weibo. Er sammelte eine massive Menge von 1,3 Millionen Beiträgen im Zusammenhang mit den Zöllen, eine Aufgabe, die es erforderte, ein verrauschtes Meer von Texten zu durchsieben, um die bedeutsamen Signale zu finden. Da die Beiträge in einer Mischung aus formeller Polit-Sprache und ungezwungenem Internet-Slang verfasst waren, konnte der Forscher sich nicht auf einfache Wortzählungen verlassen. Stattdessen nutzte er ein hochentwickeltes Computerprogramm, das von einer leistungsstarken künstlichen Intelligenz trainiert wurde, um den emotionalen Ton jeder einzelnen Nachricht zu lesen und zu verstehen. Dies ermöglichte es ihm, Millionen von Beiträgen mit hoher Präzision zu klassifizieren, zwischen Angst, Wut und Ruhe zu unterscheiden und fast 230.000 von ihnen einer geografischen Lage zuzuordnen.

Der Forscher beobachtete daraufhin, wie sich die Konversation im Laufe der Zeit entwickelte, indem er den Sechs-Monats-Zeitraum basierend auf dem Rhythmus der Nachrichten in drei deutliche Kapitel unterteilte. Er fand heraus, dass die öffentliche Aufmerksamkeit nicht einfach in einer einzigen glatten Kurve anstieg und abfiel. Stattdessen gab es scharfe Spitzen, wann immer eine neue politische Maßnahme angekündigt wurde, gefolgt von einem allmählichen Abklingen, als der erste Schock nachließ. Die erste Phase, als die Zölle erstmals eingeführt wurden, sah einen schnellen Anstieg negativer Gefühle, während die Unsicherheit an Fahrt gewann. Als sich der Konflikt in der zweiten Phase verschärfte, erreichte das Volumen der Diskussion seinen höchsten Punkt, doch die Konversation weitete sich auf Debatten über Gegenmaßnahmen und wirtschaftliche Entlastung aus. In der dritten Phase, als die Spannungen nachließen, kühlte sich die emotionale Temperatur des Landes ab und kehrte zu einem Basiswert zurück. Dieses Muster zeigte, dass die Öffentlichkeit nicht auf ein einzelnes Ereignis reagiert, sondern auf eine Abfolge sich entfaltender Entwicklungen, wobei sich die emotionale Reaktion verschiebt, während sich die Geschichte ändert.

Was diese Studie besonders aufschlussreich machte, war ihr Blick darauf, woher diese Gefühle kamen. Der Forscher entdeckte, dass die Intensität der öffentlichen Stimmung nicht überall gleich war; sie war tief mit den lokalen wirtschaftlichen Realitäten verknüpft. In Provinzen, in denen die Wirtschaft stark vom Export von Waren in die Vereinigten Staaten abhing, war die Reaktion weitaus intensiver und negativer als in Regionen, die weniger dem Handel ausgesetzt waren. Durch die Verwendung einer statistischen Methode, die diese lokalen Unterschiede berücksichtigt, fand der Forscher heraus, dass wirtschaftliche Faktoren mehr als die Hälfte der Variation in der Art und Weise erklären konnten, wie die Menschen im ganzen Land empfanden. Dies bedeutet, dass die Reaktion einer Person auf eine nationale Politik nicht nur eine Frage der persönlichen Meinung war, sondern signifikant durch ihren lokalen Arbeitsmarkt und die Gesundheit ihrer regionalen Industrien geprägt wurde. Die Daten zeigten, dass die Karte der öffentlichen Emotion ein direktes Spiegelbild der Karte der wirtschaftlichen Verwundbarkeit war.

Die Studie legte auch die Schichten darunter frei, wie diese Informationen durch das Netzwerk reisten, und enthüllte eine klare Arbeitsteilung zwischen verschiedenen Arten von Nutzern. Wenn offizielle Staatsmedien-Konten, die mit einem blauen Häkchen verifiziert sind, Nachrichten teilten, verbreiteten sich die Informationen unglaublich weit, blieben aber oberflächlich; sie erreichten viele Menschen in einem einzigen Schritt, ohne viel weitere Diskussion. Diese Konten fungierten als breite Rundfunkstationen, die die Agenda für das ganze Land setzten. Im Gegensatz dazu bewegten sich Informationen anders, wenn einzelne Influencer oder reguläre Nutzer einen Beitrag teilten. Die Information wanderte tiefer, passierte mehrere Ebenen von Freunden und Followern und erzeugte lange Ketten von Konversationen. Der Forscher fand heraus, dass negative Emotionen der Treibstoff für diese tiefen Ketten waren; wütende oder besorgte Beiträge wurden viel wahrscheinlicher über mehrere Trennungsgrade hinweg weitergegeben als positive oder neutrale. Dies deutet darauf hin, dass offizielle Stimmen zwar allen sagen können, was passiert, es aber das Grassroots-Netzwerk aus gewöhnlichen Menschen und lokalen Influencern ist, das bestimmt, wie tief diese Gefühle Wurzeln schlagen und wie weit sie durch das soziale Gefüge reisen.

Letztendlich zeichnet die Forschung das Bild einer Gesellschaft, in der die digitale öffentliche Meinung durch zwei mächtige Kräfte mitgestaltet wird: die harten wirtschaftlichen Realitäten der lokalen Regionen und die hierarchische Struktur der sozialen Netzwerke. Die Ergebnisse zeigen, dass die Regierung und die offiziellen Medien zwar eine Botschaft instantan an die gesamte Nation senden können, die wahre Tiefe der emotionalen Reaktion der Öffentlichkeit jedoch durch den lokalen wirtschaftlichen Schmerz und die organischen, vielschichtigen Teilhabegewohnheiten der alltäglichen Nutzer angetrieben wird. Die Studie bestätigt, dass man zur Untersuchung einer nationalen Krise in der modernen Ära sowohl auf die Karte der Wirtschaft als auch auf die Karte des Netzwerks blicken muss, da die beiden untrennbar miteinander verbunden sind, um zu formen, wie eine Nation über ihre Zukunft fühlt.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →