Utrecht Data School (Universiteit Utrecht) voerde in samenwerking met De Groene Amsterdammer een onderzoek uit naar de verspreiding van nieuwsfoto’s op Twitter. In een tijd waarin het politieke debat in steeds grotere mate gepolariseerd raakt, lijken verschillende groepen steeds vaker in een andere werkelijkheid te geloven. Hoe worden nieuwsfoto’s door Twitter-gebruikers ingezet om hun versie van de realiteit vorm te geven? En zijn er wezenlijke verschillen te zien tussen de typen foto’s die door gebruikers met verschillende politieke opvattingen worden gedeeld?
Om antwoorden op deze vragen te vinden, onderzochten we 8.028 afbeeldingen die werden gedeeld in tweets rondom vijf nieuwsgebeurtenissen in 2021: de bestorming van het Capitool in Washington, de Black Lives Matter-protesten, de brand in het vluchtelingenkamp op Moria, de coronaprotesten op het Museumplein in het voorjaar en de meest recente Israël-Palestina-crisis. We richtten ons hierbij uitsluitend op Nederlandstalige berichten.
Beeldherkenning
De eerste stap was in kaart brengen wat er op de meer dan achtduizend foto’s staat. We gebruikten hiervoor een beeldherkenningsmodel van Google dat is getraind op veertien miljoen afbeeldingen om de foto’s in onze dataset automatisch in te delen in groepen. Het model is in staat om visuele patronen in afbeeldingen te herkennen. Zijn er bijvoorbeeld veel luchtfoto’s van massa’s demonstranten? Dan herkent het model dat deze op elkaar lijken en worden ze samen tot een groep of klasse gerekend. Het resultaat zijn lijsten afbeeldingen die overeenkomende visuele kenmerken vertonen. Op deze manier analyseerden we per onderwerp alle gedeelde afbeeldingen.
Het model kan de foto’s groeperen, maar niet ‘begrijpen’: het snapt niet wát er op de foto’s staat en geeft hierdoor geen namen of omschrijvingen aan de groepen. We gaven daarom handmatig de resultaten van de modelanalyse een groepsnaam. Door de afbeeldingen binnen een groep met elkaar te vergelijken, kwamen we tot omschrijvingen die recht doen aan het onderwerp van de foto’s. Voor de afbeeldingen rondom het Israël-Palestina-conflict identificeerden we bijvoorbeeld afbeeldingsgroepen als ‘Puin na bombardementen’, ‘Demonstraties met vlaggen’ en ‘Gewonde kinderen’. De labels koppelden we vervolgens aan de originele dataset, zodat de data van elke tweet is verrijkt met een omschrijving van het type afbeelding dat door de gebruiker is gedeeld.
Netwerkanalyse
Nu we wisten welke soorten afbeeldingen werden gedeeld, gingen we over op de tweede stap: in kaart brengen door wie deze worden verspreid. Om dit te achterhalen, stelden we een dataset van een half miljoen willekeurige Nederlandstalige retweets samen die werden geplaatst in de periodes rondom de onderzochte nieuwsgebeurtenissen. Het doel van deze dataset was om een zo representatief mogelijk beeld te krijgen van welke Nederlandse Twitter-gebruikers over het algemeen elkaars boodschap versterken. Een retweet is niet altijd een teken van instemming, maar versterkt wel altijd de doorgestuurde boodschap. Uit onze netwerkanalyse en -visualisatie blijkt dat het in kaart brengen van retweets duidelijke gebruikersgroepen blootlegt. Omdat er duidelijke inhoudelijke verschillen tussen de geïdentificeerde groepen zichtbaar zijn, concluderen we dat retweeten meestal door gelijkgestemden gebeurt.
We gebruikten de open-source netwerkvisualisatiesoftware Gephi om de retweetdata om te zetten in een netwerk. Door de retweets op deze manier te visualiseren, kregen we inzicht in de structuur van het netwerk en de gemeenschappen die actief zijn op Twitter. Gebruikers worden in dit netwerk gerepresenteerd als bollen; de lijnen tussen hen betekenen dat ze elkaars berichten hebben geretweet. Met behulp van het Louvian-modulariteitsalgoritme berekenden we welke groepen gebruikers elkaar relatief vaak retweeten, en dus naar alle waarschijnlijkheid het vaakst met elkaar instemmen. Deze methode is vergelijkbaar met eerder onderzoek van Utrecht Data School en De Groene Amsterdammer.
Uit deze analyse kwamen vier grote, opvallend afgebakende clusters gebruikers naar voren, die zich in brede zin laten omschrijven als ‘Nederlands links’ (of links/neutraal) en ‘Nederlands rechts’ (of populistisch-rechts), en ‘Vlaams links’ en ‘Vlaams rechts’. De aanwezigheid van de Vlaamse clusters is te verklaren doordat we Nederlandstalige tweets hebben verzameld, ongeacht de locatie van de gebruiker. Omdat we in dit onderzoek enkel waren geïnteresseerd in de Nederlandse context, lieten we deze Vlaamse clusters buiten de inhoudelijke beschouwing.
De onderverdeling in links en rechts is natuurlijk heel breed. Deze termen doen dan ook niet volledig recht aan de verscheidenheid aan gebruikers die we in de desbetreffende clusters aantreffen. We lichten daarom aan de hand van een aantal voorbeelden toe hoe we tot deze onderverdeling zijn gekomen.
In de ‘linkse’ groep treffen we de accounts van (centrum-)linkse politici als Renske Leijten (SP) en Jan Paternotte (D66), maar ook bijvoorbeeld journalist en opiniemaker Sander Schimmelpenninck. In dit cluster vinden we daarnaast ook veel politiek neutrale accounts, zoals die van politie en gemeenten. Omdat deze neutrale partijen opvallend genoeg ontbreken in het rechtse cluster, duiden we het linkse cluster aan als ‘links/neutraal’.
Het rechtse cluster wordt gedomineerd door een populistisch geluid. Thierry Baudet (FvD), Wybren van Haga (BVNL) en Geert Wilders (PVV) nemen allen een centrale positie in deze groep in. We komen hier ook controversiële opiniemakers als Joost Niemöller en Maurice de Hond tegen. De term ‘Nederlands rechts’ duidt in deze context dus vooral op populistisch-rechts.
Wie naar de netwerkvisualisatie kijkt, zal snel opmerken dat de groep rechtse gebruikers veel groter en actiever lijkt te zijn. We zien dat binnen het rechtse cluster inderdaad veel vaker berichten worden geretweet. Het is echter belangrijk om te onthouden dat deze analyse slechts één dimensie van het Twitter-debat weergeeft, namelijk het retweetgedrag. Andere vormen van interactie, zoals mentions of replies, zouden mogelijk andere verhoudingen kunnen blootleggen. Omdat we in dit geval specifiek op zoek zijn naar gebruikers die middels retweets met elkaar instemmen, laten we die andere interactievormen buiten beschouwing.
De twee clusters lijken strak afgebakend, maar zijn ze écht hermetisch van elkaar afgesloten? Nee: in het grensgebied tussen het linkse en rechtse cluster treffen we accounts die door beide groepen veelvuldig worden geretweet. Dit zijn voornamelijk nationale nieuwsmedia (NOS, RTL, AD en NU.nl), maar ook de berichten van Pieter Omtzigt blijken door zowel links als rechts vaak te worden gedeeld.
Meest gedeelde afbeeldingen
De resultaten van de netwerkanalyse – de twee politieke clusters – combineerden we met de rest van de dataset. We hebben op dit punt dus een verzameling tweets die is verrijkt met twee labels: de omschrijving van de bijgevoegde foto en het ideologische cluster waar het account toe behoort. We keken vervolgens per nieuwsgebeurtenis naar de vijftien meest gedeelde foto’s door linkse en rechtse accounts, om zo, naast het kwantitatieve onderzoek, via een inhoudelijke analyse een gedetailleerder beeld te krijgen van de foto’s die het in de groepen ‘goed doen’.
Om deze analyse op visuele inhoud te kunnen uitvoeren (en niet op tekstuele), en om vergelijkbare sets afbeeldingen te verkrijgen, filterden we de screenshots met alleen tekst en memes (zoals smileys en emoji’s) uit deze sets.
Nederland is niet Twitter
Bij deze analyse is het belangrijk scherp te blijven op de context van de dataset. Hoewel Twitter onverminderd populair is onder fanatieke nieuwsvolgers, moeten we ons er bewust van zijn dat de Nederlandse Twitter-gebruikers niet representatief zijn voor de Nederlandse bevolking in haar geheel. Marginale stemmen worden op Twitter uitvergroot; mensen met sterke meningen uiten deze sneller dan zij die geen uitgesproken opinie hebben. Daarnaast moeten we in acht nemen dat Twitter slechts één communicatiekanaal is, en dat gebruikers ook in aanraking kunnen komen met berichtgeving en nieuwsfoto’s via kranten, nieuwssites, televisie, en andere sociale media. Tweets zijn doorgaans slechts één onderdeel van het bredere mediadieet.