Analiza hashtagów bez magii: jak od trendu dojść do interpretacji

Dlaczego hashtagi to nie magia, tylko ślad po praktykach społecznych

Hashtag jak znak drogowy, a nie gotowa mapa

Hashtag działa jak znak przy autostradzie: wskazuje zjazd, ale nie opisuje całego miasta. #bodypositive, #protest, #heheszki – to nie gotowe „tematy”, tylko sygnały, gdzie skupiły się praktyki i emocje użytkowników. Kto zatrzymuje się przy tym znaku, jak się tam zachowuje, z kim wchodzi w interakcje – to dopiero zaczyna się okazywać, gdy odsłonisz samą treść postów, komentarze i szerszy kontekst.

Dlatego analiza hashtagów w badaniach internetu nie polega na patrzeniu w liczby trendów, tylko na traktowaniu hashtagów jako wskazówek do miejsc, gdzie dzieje się coś społecznie znaczącego. Jeśli zostaniesz na poziomie „ile razy użyto #xyz”, zobaczysz tylko ruch na autostradzie. Jeśli wejdziesz głębiej, możesz odkryć spór o tożsamość, nowy język memów albo sposób organizacji ruchu społecznego.

Hashtag jest też często skrótem myślowym – kapsułką sensu. Dla wtajemniczonych #kwejk albo #wykop to nie tylko nazwa serwisu, ale cały pakiet skojarzeń, norm i żartów. Z zewnątrz widać tylko słowo, od środka – małą kulturę z własnymi zasadami. Analiza zaczyna się wtedy, gdy odklejasz się od dosłownego brzmienia tagu i pytasz: „Co użytkownicy wkładają w to słowo?”.

Krótka historia: od #followfriday do globalnych kampanii

Pierwsze hashtagi na Twitterze (dziś X) miały proste zadanie: łatwiej zebrać rozmowy wokół jednego tematu. #followfriday zachęcał, by w piątki polecać inne konta. To było narzędzie porządkowania strumienia tweetów. Szybko jednak okazało się, że hashtag może robić o wiele więcej:

• organizować wydarzenia (#worldcup, #eurovision),
• oznaczać kampanie społeczne (#MeToo, #BlackLivesMatter),
• spinać akcje marketingowe (#shareacoke),
• tworzyć wewnętrzne żarty (#firstworldproblems, #adulting).

Z czasem hashtagi wyszły daleko poza Twittera. Na Instagramie zaczęły pełnić rolę katalogu wizualnych stylów (#flatlay, #foodporn), na TikToku – łączyć formaty wideo, choreografie i dźwięki (#TikTokMadeMeBuyIt), a na Facebooku pozostały raczej dodatkiem niż głównym sposobem porządkowania treści. Dziś, gdy patrzy się na metodologię badań mediów społecznościowych, hashtag stał się jednym z podstawowych punktów zaczepienia.

Różne funkcje: organizowanie, tożsamość, ironia, trolling, mobilizacja

Patrzenie na hashtagi tylko jak na etykiety tematyczne szybko kończy się nieporozumieniem. Ten sam tag może pełnić zupełnie inne funkcje w zależności od kontekstu. Kilka praktycznych kategorii:

• Organizacyjne – pomagają znaleźć treści na określony temat lub z wydarzenia:
  #konferencjanazwa, #Matura2024. Zwykle neutralne, „użytkowe”.
• Tożsamościowe – sygnalizują przynależność do grupy, stylu życia, orientacji politycznej:
  #vegan, #gamedev, #strajkkobiet, #LGBTQ. Często służą bardziej do pokazywania „kim jestem”, niż „o czym piszę”.
• Ironiczne i memiczne – np. #życie, #dorosłość, #takbyło. Niby opisują temat, ale kluczowe jest tu puszczenie oka do innych znających kod żartu.
• Trollujące i kontestujące – przechwytują tag, by kogoś wyśmiać albo podważyć akcję:
  parodie typu #AllLivesMatter wobec #BlackLivesMatter, albo lokalne żarty polityczne.
• Mobilizujące – tworzą wezwanie do działania: #IdęNaWybory, #zostańwdomu, #supportlocal.
  Tu liczy się efekt „zrób coś”, nie tylko mówienie o czymś.

Analizując hashtagi, zamiast pytać „co oznacza #xyz?”, przydatniejsze jest pytanie: „Jaką funkcję pełni #xyz w tej konkretnej społeczności i sytuacji?”. To przesuwa uwagę z abstrakcyjnych definicji na konkretne praktyki – czyli na to, co w netnografii i socjologii internetu najważniejsze.

Trend jako punkt startu, nie koniec drogi

Analiza trendów hashtagów kusi prostotą: wykres rośnie – temat jest „na fali”, spada – „umiera”. Taki wykres niewiele jednak mówi o tym, jak ludzie przeżywają i interpretują dane zjawisko. W praktyce:

• trend powie, kiedy jest wzmożenie,
• treści pod trendem ujawnią, jakie sensy się wtedy krystalizują lub ścierają.

Dlatego analiza trendów a interpretacja to dwa różne etapy. Trend pomaga odpowiedzieć na pytanie „kiedy zaglądać i na co zwrócić uwagę?”. Interpretacja wymaga wejścia w dyskusje, memy, konflikty i ciche porozumienia. „Magia danych” kończy się wtedy, gdy trzeba własnoręcznie przeczytać 300 postów i ułożyć z nich spójną opowieść.

Mini-opowieść: badacz spotyka #bodypositive

Wyobraź sobie, że badacz zauważa rosnącą popularność #bodypositive. Na poziomie trendu widzi tylko: coraz więcej postów, rosnące zaangażowanie. Gdy jednak zaczyna czytać:

• odkrywa influencerki pokazujące „prawdziwe ciało” kontra wygładzone zdjęcia reklamowe,
• widzi spory o to, czy #bodypositive to akceptacja siebie czy „promowanie otyłości”,
• zauważa lokalne wątki: różnice między polskimi, a anglojęzycznymi treściami.

Czyli realnie styka się nie z „modnym hashtagiem”, ale z polem walki o normy piękna, zdrowia i wstydu. Licznik użyć hashtagów tego nie pokaże. Pokazuje to dopiero ich jakościowa interpretacja, osadzona w kontekście kulturowym i społecznym.

Jakie pytania badawcze naprawdę da się zadać hashtagom

Popularność a znaczenie: dwa różne sposoby patrzenia

Hashtagom można zadawać dwa zasadniczo różne typy pytań:

• ilościowe: co jest popularne, kiedy, jak szybko rośnie/spada,
• jakościowe: jak ludzie nadają znaczenie, jak się kłócą, z czego żartują, jak się organizują.

Jeśli pytasz tylko „co jest popularne?”, wystarczy ci analiza częstotliwości użycia hashtagów i prosty wykres. Jeśli jednak chcesz zrozumieć, dlaczego coś jest popularne, jakie wartości reprezentuje i komu służy, trzeba wejść w jakościową interpretację hashtagów. W praktyce najlepsze efekty daje łączenie obu podejść: liczby wskazują, gdzie zajrzeć, a lektura treści wyjaśnia, co tam się właściwie dzieje.

Przykładowe pytania: tożsamość, konflikty, ramy, mobilizacja, memy

Żeby uniknąć ogólników, warto przekuć ogólne zainteresowanie w konkretne, badawcze formuły. Przykłady pytań, które rzeczywiście da się zadać hashtagom:

• O tożsamość i przynależność:
  „Jak użytkownicy TikToka w Polsce wykorzystują hashtagi tożsamościowe (#queer, #slavicgirl, #studentlife) do budowania obrazu siebie?”.
• O konflikty i polaryzację:
  „Jakie narracje ścierają się wokół hashtagów #strajkkobiet i powiązanych tagów na Twitterze/X?”.
• O ramy interpretacyjne (framing):
  „Jakie ramy (np. „zdrowie”, „wolność”, „wspólnota”) pojawiają się w postach z #szczepienia i kontr-hashtagami?”.
• O mobilizację:
  „Jak NGO-sy i aktywiści używają hashtagów, by zachęcać do udziału w protestach lub zbiórkach i jakie strategie są bardziej angażujące?”.
• O memetyczność:
  „Jak rozwija się memiczna otoczka wokół hashtagów związanych z konkretnym politykiem/marką – jak powstają żartobliwe przeróbki i jak zmienia się ton dyskusji?”.

Każde z tych pytań kieruje uwagę nie tylko na same słowa za kratką, lecz na społeczności, które ich używają, oraz konflikty i żarty, które wokół nich narastają. To jest sedno: mapowanie społeczności wokół hashtagów, a nie kolekcjonowanie słów kluczowych.

Czego hashtagi nie powiedzą, nawet przy najlepszej analizie

Hashtagi są głośnymi sygnałami nadawanymi przez aktywnych użytkowników. To ma swoją cenę. Żaden, nawet najbardziej wyrafinowany model analizy, nie pokaże:

• milczącej większości – tych, którzy czytają, oglądają, ale nie publikują,
• odbioru poza platformą – rozmów na żywo, w grupach na komunikatorach,
• ukrytych intencji – ironii, której nie rozumiesz, bo nie znasz lokalnego kodu,
• nieoznaczonych treści – postów, które mówią o tym samym, ale bez hashtagów.

Dlatego rozsądnie jest traktować hashtagi jako okno na najbardziej widoczny i głośny fragment rzeczywistości, a nie pełny obraz. Przy większych projektach badawczych dobrze uzupełniać analizę hashtagów innymi danymi: wywiadami, obserwacją netnograficzną, analizą forów czy materiałami z mediów tradycyjnych.

Dopasowanie pytania do platformy: X, Instagram, TikTok, Reddit, fora

To samo pytanie badawcze zadziała inaczej na różnych platformach, bo inne są praktyki użytkowników i rola hashtagów.

• Twitter/X – tu hashtagi są częścią konwersacji publicznej, szczególnie politycznej i informacyjnej.
  Dobrze odpowiadają na pytania o debate publiczną, konflikty, ramy interpretacyjne.
• Instagram – mocno wizualny, hashtagi katalogują style i społeczności estetyczne.
  Świetny do badań tożsamości, wizerunku, stylu życia, ciała.
• TikTok – tagi wiążą się z trendami, dźwiękami, wyzwaniami.
  Sensowne pytania dotyczą rozprzestrzeniania formatów, memów, choreografii, młodzieżowych subkultur.
• Reddit – hashtagi są tam mniej istotne; większe znaczenie mają subreddity i tytuły.
  Jeśli chcesz analizować tagi, lepiej szukać ich użycia w określonych wątkach lub cross-postach.
• Fora i blogi – często brak klasycznych hashtagów, ale działają inne „tagi” (kategorie, etykiety).
  Da się je analizować podobnie, choć technicznie zbieranie danych wygląda inaczej.

Dlatego faza planowania badań powinna zawierać proste pytanie: „Czy moja platforma i sposób używania hashtagów pasują do tego, co chcę zrozumieć?”. Inaczej łatwo próbować mierzyć śrubokrętem temperaturę – teoretycznie można, ale po co.

Przekład celu praktycznego na sensowne pytania badawcze

Często punkt wyjścia jest praktyczny: NGO chce lepiej prowadzić kampanię, marka szuka insightu, badacz UX chce zrozumieć odbiór produktu. To jeszcze nie są pytania badawcze. Przykład:

Cel NGO: „Poprawić zasięg kampanii przeciw mowie nienawiści”. Z tego można zrobić:

• „Jakimi hashtagami posługują się osoby krytykujące mowę nienawiści w Polsce i jak te tagi różnią się między platformami?”
• „Jakie argumenty i emocje pojawiają się najczęściej pod #stophejt i pokrewnymi hasłami?”
• „Jakie typy postów (świadectwa osobiste, humor, edukacja) generują największe zaangażowanie przy danych hashtagach?”

Z tak zdefiniowanych pytań w naturalny sposób wynikają: wybór platform, zakres czasowy, metoda zbierania danych oraz to, czy bardziej liczy się analiza sieci wokół hashtagów, czy raczej głęboka, jakościowa lektura treści.

Wybór hashtagów i pola badania: od chaosu do sensownego wycinka

Od pojedynczego hashtagu do sieci powiązanych tagów

Start zazwyczaj jest chaotyczny: w głowie krąży ogólne hasło typu #ekologia, #feminizm, #gaming. To jednak zwykle za szerokie punkty zaczepienia. Sensowna strategia polega na:

• wybraniu jednego tagu bazowego – np. #strajkkobiet, #bodypositive, #ekomama,
• sprawdzeniu powiązanych tagów – co pojawia się obok? Jakie są synonimy, wersje anglojęzyczne, parodie?
• zbudowaniu listy 10–30 powiązanych hashtagów, które razem tworzą „pole badawcze”.

Tworzenie „rodziny hashtagów”: rdzeń, peryferia i opozycje

Pojedynczy hashtag rzadko żyje w próżni. Bardziej przypomina rodzinę z głośnymi kuzynami, odległymi wujkami i parodiującymi go sąsiadami. Jeśli chcesz coś zrozumieć, musisz zobaczyć:

• rdzeń – 2–5 tagów najbliżej związanych z twoim tematem (#bodypositive, #bodyneutrality, #selflove),
• peryferia – tagi, które pojawiają się obok, ale wprowadzają inne wątki (#fitgirl, #dietculture, #wellness),
• opozycje i parodie – hashtagi krytyczne, ironiczne, wyśmiewające (#bodynegative, #fitspo, #noexcuses).

Taki podział pomaga zbudować bardziej świadomy zestaw badanych hashtagów. Możesz go narysować choćby na kartce: w środku rdzeń, dalej peryferia, na zewnątrz opozycje. Potem dopiero przekładać to na zapytania do API czy narzędzi analitycznych.

Ustalanie granic: czas, język, geografia, typy kont

Zbyt szerokie pole badania zamienia się w nieprzebrany śmietnik. Zbyt wąskie – w anegdotę. Dlatego sensownie jest wprowadzić kilka prostych ograniczeń:

• Czas – np. 3 miesiące wokół konkretnego wydarzenia (protestu, kampanii, premiery filmu) albo stałe okno (np. ostatnie 6 miesięcy). Inaczej mieszasz stare memy z nowymi wątkami.
• Język – filtrowanie po języku (jeśli platforma na to pozwala) lub ręczne odsiewanie. Hashtag #feminism w polskich i amerykańskich dyskusjach potrafi znaczyć coś zupełnie innego.
• Geografia – lokalizacja użytkowników czy treści. Czasem wystarczy skupić się na jednym kraju, mieście albo regionie, zamiast „całego świata”.
• Typy kont – osobno analizować media, polityków, marki, zwykłych użytkowników. Mieszanie wszystkich w jednym worku utrudnia interpretację.

W praktyce dobrym krokiem jest zapisanie dosłownie na pół strony: „Analizuję posty z #X i #Y, opublikowane między marcem a lipcem, po polsku, z kont nieinstytucjonalnych”. To twoja umowa z samym sobą. Później, przy interpretacji, bardzo pomaga.

Pilot: mały test, który ratuje duże badanie

Zanim uruchomisz wielkie pobieranie danych, zrób mały test: np. 200–300 postów. Taki pilotaż zdradza kilka rzeczy:

• czy wybrane hashtagi rzeczywiście odnoszą się do tego, co chcesz badać,
• czy nie ma ogromnej liczby spamowych treści, botów, konkursów,
• czy nie przeoczyłeś ważnego, alternatywnego hashtagu (np. lokalnej pisowni, inside-joke’u).

To trochę jak próbowanie zupy przed podaniem na stół. Jeden łyk mówi więcej niż trzy strony planu badania.

Dane, dane, dane – jak sensownie zbierać treści powiązane z hashtagami

Trzy ścieżki: ręcznie, półautomatycznie, przez API

Sposób zbierania danych zależy od skali i zasobów. Z grubsza masz trzy możliwości:

• Ręczne zbieranie – sprawdza się przy małych, jakościowych projektach. Wchodzisz na hashtag, zapisujesz linki, robisz zrzuty ekranu lub kopiujesz treści do arkusza. Zaleta: widzisz kontekst, interfejs, komentarze. Wada: czasochłonne, mała skala.
• Półautomatyczne narzędzia – wtyczki do przeglądarki, narzędzia monitoringu internetu, proste skrypty. Pozwalają ściągnąć większą liczbę postów, ale zwykle z ograniczonym zakresem metadanych.
• API platformy – najczystsza, ale też najbardziej wymagająca ścieżka. Potrzebujesz klucza deweloperskiego, znajomości dokumentacji i często programisty. W nagrodę dostajesz uporządkowane dane i duże wolumeny.

W małych projektach badawczych często działa przyziemna kombinacja: 200–500 postów ręcznie i ewentualnie większy zrzut z narzędzia typu „social listening” do wsparcia ilościowego.

Metadane, bez których interpretacja kuleje

Sam tekst posta to za mało. Przy zbieraniu danych opłaca się pilnować kilku pól, które później są bezcenne:

• data i godzina publikacji,
• liczba reakcji (lajków, serduszek, itd.) i komentarzy,
• informacja o autorze (typ konta, samoopis, liczba obserwujących – jeśli to możliwe),
• pełna lista hashtagów użytych w poście, nie tylko tych, które cię interesują,
• link do posta lub jego identyfikator (żeby móc wrócić po kontekst).

Dzięki temu później da się np. zobaczyć, czy pewien typ treści rośnie w czasie, które hashtagi przyciągają większe zaangażowanie i czy wokół twojego tagu krążą głównie konta osobiste, czy raczej marki i media.

Uwagi etyczne i prawne: prywatność, regulaminy, wrażliwe treści

Hashtagi kuszą poczuciem „to przecież publiczne”. To jednak za mało. Przy zbieraniu danych z mediów społecznościowych trzeba mieć z tyłu głowy kilka zasad:

• Regulaminy platform – różne serwisy wprost zakazują scrapowania treści bez użycia oficjalnego API. Zignorowanie tego może skończyć się zablokowaniem konta albo problemem prawnym.
• Prywatność użytkowników – nawet jeśli post jest publiczny, nie znaczy, że jego autor zgadza się na cytowanie z nickiem w raporcie. W badaniach akademickich często się anonimizuje: zmienia nick, czasem parafrazuje treść.
• Treści wrażliwe – przy hashtagach dotyczących zdrowia, przemocy, mniejszości – jednym z obowiązków badacza (tak, również w NGO czy firmie) jest minimalizowanie krzywdy. Choćby przez to, jak cytuje się wypowiedzi i komu pokazuje się surowe dane.

Dobrym zwyczajem jest myślenie o użytkowniku jak o uczestniku badania jakościowego: ma prawo nie być zaskoczony tym, gdzie i jak jego słowa wylądują.

Próbkowanie: nie zawsze „bierzemy wszystko”

Czasem hashtagu jest mało – wtedy faktycznie można ściągnąć wszystkie posty z określonego okresu. Ale przy dużych, głośnych tagach trzeba wybrać próbę. Do wyboru masz kilka prostych strategii:

• Przypadkowa próbka – np. losujesz co 10. post z ciągu albo używasz funkcji „sample” w narzędziu. Dobre do ogólnego obrazu.
• Próbka „top” – bierzesz posty o największym zasięgu. Świetnie pokazują dominujące narracje, ale gubią głosy mniejszości.
• Próbka „ogonowa” – zbierasz mniej popularne posty, żeby poszukać alternatywnych wątków i niszowych głosów.
• Próbka warstwowa – łączysz różne kryteria, np. po trochu z każdego tygodnia, po trochu „top” i „reszty”. Najbardziej zbalansowana, ale wymaga odrobiny planu.

W badaniu jakościowym często dobrze działa próbka mieszana: trochę najgłośniejszych postów, trochę przypadkowych, kilka przykładów z niszowych kont. To daje pełniejszy obraz ekosystemu wokół hashtagu.

Porządkowanie materiału: od surowych postów do używalnego korpusu badawczego

Dlaczego „folder z linkami” nie wystarczy

Surowy zrzut postów to jak plecak wypchany notatkami z całego semestru. Coś tam jest, ale trudno z tego wycisnąć sensowną analizę. Dlatego potrzebny jest krok pośredni: uporządkowany korpus.

Korpus to po prostu zebrane treści w takiej formie, żeby dało się je filtrować, przeszukiwać i kodować. Najczęściej kończy się to w arkuszu kalkulacyjnym, bazie danych albo w programie do analizy jakościowej (NVivo, MAXQDA, Atlas.ti).

Minimalna struktura: kolumny, które robią różnicę

Przy porządkowaniu materiału dobrze z góry ustawić kilka podstawowych kolumn (lub pól w bazie), które przydadzą się niezależnie od tematu:

• ID posta (lub link),
• tekst posta (plus transkrypcja, jeśli pracujesz z wideo),
• data/godzina,
• platforma (jeśli łączysz dane z kilku miejsc),
• lista hashtagów, najlepiej każdy w osobnej komórce lub jako osobne pole,
• typ konta (np. osoba prywatna, media, marka, polityk, NGO) – choćby wstępnie zaklasyfikowany,
• metryki zaangażowania (reakcje, komentarze, udostępnienia).

To dopiero początek. Następne kolumny pojawią się na etapie kodowania i interpretacji.

Czyszczenie danych: usuwanie szumów i dubli

Surowe dane z hashtagów zawsze zawierają szum: konkursy, spam, boty, powtarzające się treści. Bez ich odfiltrowania wnioski będą zniekształcone. Kilka typowych kroków:

• Usuwanie duplikatów – te same posty zaciągnięte kilkukrotnie, retweety bez komentarza, cross-posty 1:1.
• Filtrowanie spamu – masowe posty o niczym, konta o podejrzanym profilu (tysiące postów dziennie, brak zdjęcia, powtarzające się slogany).
• Filtrowanie technicznych treści – np. automatyczne tweety z innych aplikacji, które nie wnoszą nic do dyskusji.

Przy bardziej zaawansowanych projektach buduje się kryteria „podejrzanego konta” (np. na podstawie częstotliwości publikacji), ale nawet proste ręczne przejrzenie i usunięcie najoczywistszych śmieci potrafi dużo zmienić.

Kodowanie tematyczne: od surowych słów do kategorii

Kluczowy krok to nadanie postom kodów, czyli etykiet opisujących, o czym jest dana treść, z jakiej perspektywy mówi, jakim tonem. To może być bardzo proste (np. „za”, „przeciw”, „neutralne”) albo wielowymiarowe:

• temat (np. zdrowie, polityka, rodzina, praca),
• emocja dominująca (gniew, nadzieja, ironia, smutek),
• rodzaj wypowiedzi (świadectwo osobiste, komentarz, żart, instrukcja),
• adresat (rząd, marka, „oni”, społeczność wewnętrzna).

Na początku kody są robocze i zmieniają się w trakcie pracy. Kilkadziesiąt pierwszych postów koduje się często „brudno”, potem dopiero porządkuje i tworzy spójny słownik kodów. To normalny proces – analiza jakościowa to nie księgowość.

Łączenie jakości z ilością: liczenie kodów i porównania

Skoro masz już uporządkowany korpus i kody, możesz połączyć dwa światy: interpretację i liczby. Kilka prostych sztuczek:

• policzyć, ile procent postów ma dany kod (np. „ironia”, „gniew”) i jak rozkłada się to w czasie,
• sprawdzić, które hashtagi najczęściej pojawiają się w postach z konkretnym kodem (np. „mobilizacja do protestu”),
• porównać ton wypowiedzi między typami kont (np. NGO vs. zwykli użytkownicy).

Dzięki temu liczby zaczynają wspierać opowieść, zamiast ją zastępować. Widzisz nie tylko „co głośne”, ale też „co powtarzalne” i „co specyficzne dla danej grupy”.

Hashtag w sieci relacji: podstawy analizy sieci i współwystępowania

Od listy hashtagów do grafu: kto z kim występuje razem

Gdy uporządkujesz dane, możesz zrobić jeszcze jeden krok: zobaczyć hashtagi nie jako osobne byty, ale jako węzły w sieci. Podstawowa idea jest prosta:

• każdy hashtag to węzeł,
• między dwoma węzłami rysujesz krawędź, jeśli pojawiają się razem w tym samym poście,
• grubość krawędzi zależy od tego, jak często ta para współwystępuje.

Na tej bazie możesz zbudować prostą sieć współwystępowania hashtagów. Narzędzia? Od zwykłych skryptów w Pythonie po programy typu Gephi, Cytoscape czy NodeXL.

Co mówi sieć: grupy, mosty, peryferia

Jak czytać klaster hashtagów: mini-światy tematyczne

Na wizualizacji sieci szybko zobaczysz skupiska – zbitki hashtagów, które częściej występują razem niż z resztą. To klastry tematyczne, coś w rodzaju „mini-światów”, w których krążą powtarzalne wątki i aktorzy.

Typowy przykład: analizujesz #protest i nagle na mapie wyłaniają się trzy wyraźne grupy. W jednej tagi związane z polityką i partiami, w drugiej – z lokalnymi miastami i organizatorami, w trzeciej – z mediami i relacjonowaniem wydarzeń. Same hashtagi nie mówią jeszcze, kto ma „rację”, ale pokazują pola grawitacji: gdzie skupia się dyskusja, a gdzie tylko orbituje.

Do interpretacji klastrów przydają się trzy proste kroki:

• opis – co łączy hashtagi w danym skupisku (temat, emocja, środowisko?),
• przegląd reprezentatywnych postów – kilka-kilkanaście wpisów z danego klastra, żeby zobaczyć język i ton,
• porównanie między klastrami – które wątki są „wewnętrzne” (tylko w jednym klastrze), a które przecinają kilka grup naraz.

To właśnie na tym etapie widać, że hashtag nie jest jedną „opowieścią”, tylko zbiorem współistniejących narracji, czasem wręcz ze sobą sprzecznych.

Mosty i „węzły pośredniczące”: kto spina światy

Drugim ważnym zjawiskiem są hashtagi, które łączą różne klastry. Na grafie przyjmują one często rolę mostów: leżą na granicach grup, ściągają krawędzie z kilku kierunków. W analizie sieci nazywa się to często pośrednictwem (betweenness centrality), ale intuicja jest prosta: bez tych węzłów sieć by się „rozpadła” na kilka osobnych kawałków.

Przykład z praktyki: przy analizie dyskusji o zdrowiu psychicznym okazało się, że tagi związane z psychoterapią łączyły światy pacjentów, aktywistów i mediów. Każda z tych grup miała swoje ogródki (#selfcare, #psychologia, #depresja, nazwy kampanii), ale to wspólne mosty umożliwiały wymianę treści między nimi.

Mosty są szczególnie ciekawe, gdy:

• przenoszą treści z jednego języka do drugiego (np. od żargonu eksperckiego do memów),
• łączą różne poziomy dyskusji (lokalne wydarzenia z ogólnokrajową polityką),
• spajają grupy o odmiennych stanowiskach w konflikcie.

Zamiast zaczynać interpretację od „najpopularniejszego” hashtagu, często ciekawiej jest przyjrzeć się właśnie tym, które stoją na skrzyżowaniach. One ujawniają, gdzie przebiegają granice, a gdzie powstają pomosty.

Centralne węzły: nie tylko popularność

Analizując sieć, łatwo ulec pokusie: „największy węzeł = najważniejszy hashtag”. Popularność ma znaczenie, ale w analizie społecznej rządzi trochę inna logika. Liczy się nie tylko to, ile ktoś ma połączeń, ale też z kim.

Dwa proste wskaźniki, które można przełożyć na język „zdroworozsądkowy”:

• stopień węzła (degree) – z iloma innymi hashtagami jest połączony; mówi coś o zasięgu tematycznym i ogólnym „przyklejaniu się” do innych wątków,
• pośrednictwo (betweenness) – jak często dany węzeł leży na najkrótszych ścieżkach między innymi; wskazuje na rolę tłumacza, kuriera, pośrednika między grupami.

Hashtag z wysokim stopniem, ale niskim pośrednictwem może być po prostu wszędzie (np. #news, #polska), ale niekoniecznie coś organizuje. Z kolei tag o mniejszej liczbie połączeń, ale wysokim pośrednictwie może spajać kilka krytycznych osi sporu albo łączyć grupy, które inaczej w ogóle by się nie widziały.

Użytkownicy jako węzły: kto podnosi który hashtag

Sieć można zbudować nie tylko z hashtagów, ale też z kont. Wtedy krawędź oznacza, że:

• użytkownik użył danego hashtagu,
• udostępnił czyjś post z tym hashtagiem,
• wejście w interakcję (komentarz, odpowiedź) odbyło się „pod” danym tagiem.

Tak powstaje sieć dwudzielna (użytkownicy–hashtagi), z której można „wyprowadzać” dwie perspektywy: kto jest blisko kogo pod względem używanych tagów oraz które tagi są „wspólne” dla różnych społeczności. To dobry sposób, żeby zobaczyć, czy np. NGO i zwykli użytkownicy posługują się podobnym słownikiem wokół tego samego zagadnienia, czy raczej żyją w dwóch równoległych rzeczywistościach.

W badaniu praktycznym często wystarcza prostszy wariant: dla każdego ważniejszego klastra hashtagów sprawdzasz:

• jakie typy kont w nim dominują (np. dziennikarze, aktywiści, fani kultury popularnej),
• czy pojawiają się tam „super-nadawcy” – konta, które generują znaczną część treści,
• czy klastry są „zamknięte” (wypowiada się garstka tych samych kont) czy raczej otwarte na nowych uczestników.

Kierunek relacji: kto na kogo reaguje

Klasyczna sieć współwystępowania hashtagów jest najczęściej bez skierowania – po prostu „razem czy osobno”. Ale w mediów społecznościowych wiele relacji ma charakter kierunkowy: ktoś odpowiada komuś, cytuje go, przekazuje dalej. Warto więc czasem dorysować strzałki.

Przykład: w sporze politycznym jeden obóz przejmuje hashtag wymyślony przez drugi i używa go ironicznie. Bez kierunku zobaczysz tylko, że oba środowiska korzystają z tego samego taga. Po uwzględnieniu relacji (kto kogo cytuje, kto kogo atakuje) widać już, że dochodzi do zawłaszczenia i odwrócenia znaczenia.

Prosty zabieg: do relacji dodatkowo zapisujesz typ interakcji (zgoda, krytyka, żart, neutralne cytowanie). Nie trzeba tu zaawansowanej automatyzacji – nawet zakodowanie kilkuset najważniejszych interakcji daje o wiele bogatszy obraz niż sama liczba postów z hashtagiem.

Od grafu do mapy konfliktu: kiedy hashtagi stają się „sztandarami”

W intensywnych sporach publicznych hashtagi zaczynają pełnić rolę sztandarów. Przestają być tylko techniczną etykietą ułatwiającą wyszukiwanie, a stają się deklaracją: „tu jest moja strona”. W sieci widać to jak na dłoni.

Jak to rozpoznać?

• Hashtagi tworzą dwa (lub więcej) wyraźnie oddzielone klastry, między którymi jest mało bezpośrednich połączeń.
• Na granicach klastrów pojawiają się ironiczne lub przechwycone tagi: ta sama etykieta ma odmienne znaczenie w różnych grupach.
• Rzadko występują posty „mostowe”, które w tym samym wpisie zestawiają hashtagi z różnych obozów bez wyraźnej wrogości.

Taką mapę można potem skonfrontować z jakością treści: czy konflikt jest głównie symboliczny (walka na memy i slogany), czy przekłada się na konkretne praktyki (protesty, bojkoty, wsparcie finansowe). Hashtagi podpowiadają, gdzie konflikt jest zagęszczony, ale dopiero lektura samych postów mówi, jak jest przeżywany.

Hashtag jako praktyka: od liczb do interpretacji

W tym wszystkim najłatwiej zgubić jedną rzecz: hashtag to nie tylko string znaków, który można policzyć i zmapować. To praktyka komunikacyjna. Ludzie używają tagów po coś – dla widoczności, identyfikacji, ironii, sabotażu, wsparcia innych. Sieć i współwystępowania pomagają odtworzyć te praktyki, ale ich nie zastępują.

Kilka pytań, które warto sobie zadawać, patrząc na statystyki:

• Co użytkownicy robią przez dany hashtag? Organizują, żartują, wyrażają gniew, szukają pomocy?
• Kto ma prawo „nazwać” zjawisko – czy nazwa przyszła od instytucji, mediów, oddolnej inicjatywy?
• Czy dana etykieta jest stabilna, czy jej znaczenie zmienia się w czasie (np. przechwycenie przez marketing, politykę, trolli)?
• Jak obecność lub brak określonych hashtagów zmienia odbiór tej samej treści? Ten sam post z tagiem #reklama i bez niego to dwie różne sytuacje komunikacyjne.

Dopiero w takim ujęciu hashtagi przestają być „magiczne” i stają się tym, czym są w rzeczywistości: cyfrowym śladem po praktykach społecznych, które można cierpliwie odczytywać, porównywać i konfrontować z innymi źródłami wiedzy.

Przekład z sieci na język raportu: jak opowiadać o hashtagach

Na koniec pozostaje jeszcze jedno wyzwanie: jak o tym wszystkim opowiedzieć innym. Zarówno naukowcy, jak i osoby pracujące w NGO czy firmach często mają głowę pełną wykresów i grafów, ale odbiorcy raportu chcą zrozumieć, „co to znaczy”.

Kilka praktycznych wskazówek do takiego przekładu:

• Zamiast pokazywać całą, skomplikowaną sieć, wybierz kilka klastrów i opowiedz je jak mini-historie: kto, o czym, z jakim językiem.
• Łącz cytaty z postów z fragmentami grafu: pokazuj kawałek sieci i od razu ilustruj go 2–3 reprezentatywnymi wpisami.
• Zamiast „centralność pośrednictwa była wysoka”, napisz: „kilka hashtagów łączyło światy, które inaczej prawie się nie stykały – np. #… spinał język aktywistów i polityków”.
• Wyraźnie opisuj ograniczenia: z jakiej platformy pochodzą dane, z jakiego okresu, które głosy z definicji mogły zostać pominięte.

Hashtagi same z siebie nie opowiadają historii. To ty, jako badacz lub badaczka, składasz z nich narrację – transparentnie, z szacunkiem dla kontekstu i z dystansem do własnych założeń. Wtedy liczby, grafy i mapy stają się nie celem, ale narzędziem rozumienia, jak ludzie naprawdę używają języka i technologii, żeby coś w świecie zrobić lub o coś się spierać.

Najczęściej zadawane pytania (FAQ)

Na czym polega analiza hashtagów w badaniach internetu?

Analiza hashtagów polega na traktowaniu ich nie jak magicznych „słów-kluczy”, lecz jak śladów po praktykach społecznych. Sam licznik użyć #xyz mówi głównie, kiedy coś stało się głośne. Dopiero wejście w treść postów, komentarzy i powiązanych dyskusji pokazuje, jakie emocje, spory i style komunikacji kryją się za danym tagiem.

Badacz patrzy więc na to, kto używa hashtagu, w jakim kontekście, z jakim tonem (poważnym, ironicznym, agresywnym), oraz jak łączy go z innymi tagami. Zamiast pytać „co znaczy #bodypositive?”, pyta raczej: „jak ludzie używający #bodypositive mówią o ciele, wstydzie, zdrowiu i pięknie?”.

Czym różni się analiza trendów hashtagów od ich interpretacji?

Analiza trendów odpowiada głównie na pytanie „kiedy” i „jak bardzo”: kiedy hashtag zaczął być popularny, jak szybko wzrósł, kiedy zainteresowanie spadło. To poziom wykresów i statystyk – widać ruch na autostradzie, ale nie to, co dzieje się przy zjeździe.

Interpretacja zaczyna się wtedy, gdy badacz wchodzi w same posty i próbuje zrozumieć, jakie sensy się tam ścierają: kto kogo wspiera, kto kogo wyśmiewa, jakie obrazy świata są budowane. Trend podpowiada moment „zajrzyj tu teraz”, a interpretacja opowiada, co tam się właściwie wydarza społecznie.

Jakie funkcje mogą pełnić hashtagi poza oznaczaniem tematu?

Hashtagi rzadko są tylko etykietami tematycznymi. Mogą organizować wydarzenia (#Matura2024), budować tożsamość (#vegan, #LGBTQ), tworzyć wspólnotę żartu (#takbyło, #życie), a także służyć do trollowania czy podważania innych narracji (#AllLivesMatter wobec #BlackLivesMatter).

Często jeden i ten sam tag bywa używany na kilka sposobów naraz. Dla jednych #strajkkobiet to wyraz wsparcia ruchu, dla innych – okazja do krytyki czy ironii. Dlatego w badaniach pytanie brzmi raczej „jaką funkcję ma ten hashtag w danej sytuacji?”, a nie „jaką ma definicję w słowniku”.

Jakie pytania badawcze można sensownie zadawać hashtagom?

Hashtagi dobrze „odpowiadają” na pytania ilościowe i jakościowe. Po stronie ilości pojawiają się kwestie: co jest popularne, kiedy rośnie zainteresowanie, w jakich krajach lub grupach językowych tag jest najczęstszy.

Po stronie jakościowej można pytać na przykład:

• jak użytkownicy budują swoją tożsamość za pomocą hashtagów (#queer, #slavicgirl, #studentlife),
• jakie narracje ścierają się wokół tagów politycznych i protestacyjnych,
• jak NGO-sy używają hashtagów mobilizujących do działania (#IdęNaWybory, #supportlocal),
• jak rozwija się memiczna otoczka wokół hashtagów związanych z marką lub politykiem.

Takie pytania kierują uwagę z samych słów na praktyki i relacje między ludźmi.

Jak analizować hashtagi na różnych platformach (Twitter/X, Instagram, TikTok)?

Na Twitterze/X hashtagi często porządkują debaty, akcje polityczne i newsy. Łatwo tu śledzić konflikty, polaryzację i kampanie społeczne. Instagram bardziej przypomina katalog stylów życia i estetyk: #flatlay, #foodporn czy #bodypositive spajają obrazy i narracje wokół wyglądu, pracy, „ładnego życia”.

TikTok dokłada do tego jeszcze formaty wideo, dźwięki i choreografie – hashtagi łączą tu całe „przepisy” na treść (#TikTokMadeMeBuyIt, #BookTok). W praktyce oznacza to, że badacz musi dopasować metody do platformy: raz silniej patrzy na tekst i debatę, innym razem na obraz, ruch i dźwięk, a hashtag traktuje jak klamrę spinającą te elementy.

Czego nie da się wyczytać z hashtagów, nawet przy zaawansowanej analizie?

Hashtagi pokazują głównie aktywnych, głośnych użytkowników. Nie widać w nich „milczącej większości”, która tylko czyta i ogląda, ale sama nic nie taguje ani nie komentuje. Nie dowiemy się też, jakie były faktyczne motywacje autora posta – możemy je jedynie ostrożnie wnioskować z kontekstu.

Hashtagi nie są też dobrym źródłem do mierzenia całej opinii publicznej. Mogą pokazać intensywny spór, ale nie powiedzą, jak myślą osoby, które w ogóle się w niego nie włączyły. Dlatego w poważnych badaniach dane hashtagowe łączy się z innymi źródłami: wywiadami, ankietami, analizą mediów tradycyjnych.

Jak zacząć własną analizę hashtagów jako badacz lub marketer?

Dobrym pierwszym krokiem jest wybranie kilku konkretnych hashtagów i zebranie próby postów z określonego czasu. Najpierw warto „rzucić okiem” na liczby: kiedy było wzmożenie, jakie inne tagi najczęściej współwystępują, kto (jakie typy kont) dominuje w rozmowie.

Później zaczyna się ręczna, jakościowa robota: czytanie postów, oznaczanie powtarzających się motywów, emocji, ram interpretacyjnych. To trochę jak uczenie się nowego dialektu – z każdym kolejnym postem lepiej widać, jakie żarty, konflikty i niepisane zasady rządzą daną społecznością wokół hashtagu.

Najważniejsze wnioski

• Hashtag nie jest gotowym „tematem”, lecz drogowskazem do miejsc, w których koncentrują się konkretne praktyki, emocje i interakcje użytkowników – sens ujawnia się dopiero w treści postów, komentarzy i kontekstu.
• To, co z zewnątrz wygląda jak zwykłe słowo poprzedzone kratką, od środka bywa skrótem myślowym i kapsułką mikro-kultury (np. #kwejk, #wykop), niosąc pakiet norm, żartów i niepisanych zasad rozumianych tylko przez „wtajemniczonych”.
• Jeden hashtag może pełnić różne funkcje: organizować informacje i wydarzenia, sygnalizować tożsamość, budować ironię i memy, służyć trollowaniu lub przechwyceniu dyskusji, a także mobilizować do działania – kluczowe jest pytanie „co on robi tu i teraz?”, a nie „co on ogólnie znaczy?”.
• Analiza samych trendów (liczby użyć, wykresy wzrostów i spadków) daje jedynie informację o tym, kiedy rośnie zainteresowanie, natomiast zrozumienie znaczeń wymaga wejścia w jakościową lekturę treści, sporów, memów i lokalnych kodów.
• Przykład #bodypositive pokazuje, że za „modnym hashtagiem” kryją się konflikty o normy piękna, zdrowia i wstydu, a także różnice kulturowe między społecznościami – tego nie widać w liczniku użyć, lecz w tym, jak ludzie się wspierają, kłócą i negocjują granice.

Bibliografia

• Netnografia. Badania etnograficzne online. Wydawnictwo Naukowe PWN (2020) – Podstawy netnografii, analiza praktyk i kultur w środowiskach cyfrowych
• Hashtag Publics: The Power and Politics of Discursive Networks. Peter Lang (2015) – Teoretyczne ujęcie hashtagów jako sieci dyskursywnych i narzędzi mobilizacji
• Twitter and Tear Gas: The Power and Fragility of Networked Protest. Yale University Press (2017) – Rola mediów społecznościowych i hashtagów w ruchach protestu
• #HashtagActivism: Networks of Race and Gender Justice. The MIT Press (2020) – Analiza kampanii typu #MeToo, #BlackLivesMatter i polityki tożsamości