Mid Sweden University

miun.sePublications
System disruptions
We are currently experiencing disruptions on the search portals due to high traffic. We are working to resolve the issue, you may temporarily encounter an error message.
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
PewDiePie vs. Gammelmedia: En kvantitativ och kvalitativ studie för PewDiePies prenumerantsstatistik, krishantering samt nyhetsmedias rapportering under Fiverr-kontroversen
Mid Sweden University, Faculty of Science, Technology and Media, Department of Media and Communication Science.
Mid Sweden University, Faculty of Science, Technology and Media, Department of Media and Communication Science.
Mid Sweden University, Faculty of Science, Technology and Media, Department of Media and Communication Science.
2021 (Swedish)Independent thesis Basic level (university diploma), 5 credits / 7,5 HE creditsStudent thesis
Abstract [sv]

Problemformulering och syfte: Fenomenet “ursäktsvideor” har blivit allt mer vanligt frånYouTube-kreatörer ifall de har varit med om en kontrovers, då kan de använda sig av den parasociala relation som de har med sina prenumeranter. Men hur rapporteras det i traditionell media och hur gestaltar traditionell media kreatören PewDiePie? Påverkas antalet prenumeranter för YouTube-kanalen PewDiePie när nyhetsrapporteringen kring incidentensker? Syftet med denna studie är att se över hur PewDiePie, i särklass den största YouTube-kanalen, blev gestaltad i traditionell media och om det hade någon påverkan på antalet prenumeranter på kanalen. Studien syftar även till att undersöka hur PewDiePie arbetat sig igenom krisen. Metod och material: Studien använder sig av både en kvantitativ metod och en kvalitativ metod. Den kvantitativa metoden används för att samla in data på antalet prenumeranter för PewDiePie-kanalen i tre instanser av statistik som sträcker sig under tre olika perioder underj anuari, februari och mars 2017. Den kvalitativa metoden är en innehållsanalys med nyhetsartiklar under perioden då Fiverr-incidenten skedde samt YouTube-videor och ett blogginlägg från PewDiePie under samma period. Materialet till den här studien är statistikfrån Trackalytic, direkta citat från Kjellbergs responsvideo och Fiverr-videon samt ett Tumblr-inlägg. Huvudresultat: I sin krishantering, som bestått av responsvideor samt inlägg på sinTumblr-blogg, använder Kjellberg sig av de flesta strategierna inom Image Repair Theory.Nyhetsmedia har, sett utifrån studiens mätningsmetod, inte haft någon större påverkan när det kommer till antalet prenumeranter för PewDiePie-kanalen. Gestaltningen av Kjellberg i nyhetsmedia hade till största dels en negativ ton. Sett ur studiens urval kopplar många avartiklarna Kjellberg med antisemitiska budskap.

Place, publisher, year, edition, pages
2021. , p. 39
Keywords [sv]
PewDiePie, YouTube, prenumeranter, gestaltning, Fiverr, traditionell media, nymedia, antisemitiska budskap
National Category
Media and Communications
Identifiers
URN: urn:nbn:se:miun:diva-43776OAI: oai:DiVA.org:miun-43776DiVA, id: diva2:1612720
Subject / course
Media and Communication Science MK1
Educational program
Communications and Public Relations Programme SKOPG 180 credits
Supervisors
Examiners
Available from: 2021-11-19 Created: 2021-11-19 Last updated: 2025-02-07Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
Department of Media and Communication Science
Media and Communications

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 128 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf