Οι ψυχολόγοι, γλωσσολόγοι και ειδικοί των υπολογιστών, με επικεφαλής τον Ντάνιελ Πριότιουτς-Πιέτρο του Κέντρου Θετικής Ψυχολογίας του Πανεπιστημίου της Πενσιλβάνια, που έκαναν τη σχετική δημοσίευση στο περιοδικό "PLoS One", μελέτησαν πάνω από δέκα εκατομμύρια σύντομα μηνύματα (tweets) από περίπου 5.200 χρήστες.
Οι επιστήμονες (μεταξύ των οποίων οι Βασίλειος Λάμπος και Νικόλαος Αλετράς του Τμήματος Επιστήμης των Υπολογιστών του University College του Λονδίνου) κατέληξαν στο συμπέρασμα ότι το ιστορικό των «τιτιβισμάτων» ενός χρήστη στο Twitter μπορεί να αποκαλύψει -και μάλιστα με αρκετή ακρίβεια- όχι απλώς αν είναι πλούσιος ή φτωχός, αλλά χονδρικά το επίπεδο του εισοδήματός του.
Το «μυστικό» βρίσκεται στο λεξιλόγιο που χρησιμοποιεί κανείς στο Twitter, καθώς ορισμένες λέξεις μπορούν να φανερώσουν το επάγγελμα του χρήστη και το εισοδηματικό επίπεδό του, με δεδομένο ότι κάθε επάγγελμα αντιστοιχίζεται με ένα διαφορετικό μέσο εισόδημα.
Ο ειδικός αλγόριθμος που δημιούργησαν οι ερευνητές, «διαβάζει» τα διαδοχικά tweets ενός χρήστη, εωσότου συμπεράνει τι δουλειά κάνει αυτός ο άνθρωπος, σε συνδυασμό με άλλα στοιχεία που μαθαίνει στην πορεία, όπως το φύλο, την ηλικία, άλλα κοινωνικά δεδομένα κ.α. Όλα αυτά μαζί οδηγούν σε μια εκτίμηση σχετικά με το εισόδημα του χρήστη.
Μεταξύ άλλων, σύμφωνα με τους ερευνητές, αποκαλύπτεται ότι οι φτωχότεροι στέλνουν μηνύματα με περισσότερες βρισιές, ενώ οι πλουσιότεροι είναι πιο συγκρατημένοι. Ακόμη, οι πιο φτωχοί τείνουν να χρησιμοποιούν παραδόξως πιο αισιόδοξες λέξεις, ενώ οι πιο πλούσιοι πιο απαισιόδοξες και να εκφράζουν συχνότερα άγχος και φόβο.
Επίσης, όπως δήλωσε ο Αλετράς, οι χρήστες χαμηλότερου εισοδήματος χρησιμοποιούν το Twitter περισσότερο ως μέσο επικοινωνίας μεταξύ τους, ενώ οι πιο ευκατάστατοι περισσότερο για να διαδώσουν κάποιες ειδήσεις και απόψεις τους. Ακόμη, οι δεύτεροι το χρησιμοποιούν συχνότερα για επαγγελματικούς παρά για προσωπικούς σκοπούς.
Γενικότερα, οι επιστήμονες πείθονται όλο και περισσότερο ότι οι λέξεις που χρησιμοποιούν οι χρήστες στα μέσα κοινωνικής δικτύωσης, μπορούν να φέρουν στο φως διάφορες αφανείς τάσεις, ακόμη και επερχόμενα γεγονότα. Για παράδειγμα, μια προηγούμενη μελέτη είχε δείξει ότι είναι δυνατό κανείς, αναλύοντας τα μηνύματα στο Twitter, να προβλέψει κινδύνους για την υγεία των χρηστών, καθώς και ένα μελλοντικό ξέσπασμα κάποιας επιδημίας γρίπης.
