Ben je geïnteresseerd in de wereld van wetenschap & technologie en wil je hier graag meer over lezen? Word dan lid van KIJK!
Nieuw onderzoek van de Universiteit van Indiana concludeert dat politieke verdeling op Twitter niet ontstaat door het social mediaplatform, maar door de gebruiker zelf.
Toen Donald Trump in 2016 de Amerikaanse verkiezingen won, werd voor veel wetenschappers duidelijk dat polarisatie op het internet een groot probleem is. Nooit eerder stonden republikeinen en democraten op Twitter zó lijnrecht tegenover elkaar.
Internetgebruikers consumeren bevooroordeelde en eenzijdige informatie, waardoor ze vast blijven hangen in hun eigen denkbeeld. Vaak wordt daarom gedacht dat social mediaplatformen, waaronder Twitter, de oorzaak zijn van polarisatie. Onderzoekers aan de Universiteit van Indiana (VS) hebben het mechanisme achter deze verdeling op het internet onderzocht. Hun conclusie luidt: het ligt niet aan het platform, maar aan de gebruiker zelf.
Lees ook:
Robots als twitteraars
Als iemand constant informatie consumeert die zijn denkbeeld bevestigt, zit hij in een zogeheten echokamer. Omdat de persoon voortdurend zijn gelijk krijgt, wordt het moeilijk te herkennen wat er mis is met zijn opvattingen. De Amerikaanse onderzoekers wilden de oorzaak van echokamers op het internet achterhalen.
De informatiewetenschappers leggen uit dat Twitter vaak wordt gezien als de oorzaak voor echokamers. Het platform zou zijn gebruikers expres links of rechts politieke berichten aanbieden. Zo worden de gebruikers in echokamers van politieke ideeën gepropt, waarmee ze eigenlijk niets te maken willen hebben. Maar is dat wel zo?
Voor onderzoek naar de partijdigheid van een platform, zijn neutrale gebruikers nodig. Daarom heeft het team van de Indiana University vijftien robots ‘aangewezen’ die ieder hun eigen Twitteraccount beheerden. Voor de bots aan de slag konden, zorgde het team ervoor dat ieder account een linkse, rechtse of een politicus daartussenin volgde op Twitter. Daarna werden de mechanische Twitteraars losgelaten op het internet. Daar konden ze berichten consumeren en posten, door accounts te volgen, berichten te liken en te retweeten.
Al snel werd duidelijk dat de ‘vrienden’ die de bots als eerste volgden, de meeste impact hadden op de informatie die ze voorgesteld kregen op Twitter. Dat geldt natuurlijk niet alleen voor bots, maar ook voor mensen. Als jij conservatieve kennissen volgt, zul je conservatieve posts gepresenteerd krijgen op je feed. En dit, zeggen de wetenschappers, is een keuze waar niet het platform, maar de gebruiker invloed op heeft.
Echokamers en filterbubbels
Toch laten de onderzoekers een belangrijk concept onvermeld: de filterbubbel. Met onze persoonlijke datageschiedenis kunnen algoritmen op sociale mediaplatformen zien welke berichten wij bekijken, liken en delen. Zo kunnen ze afleiden welke informatie we wel en niet leuk vinden en ons informatie voorschotelen waarin we geïnteresseerd zijn. Hierdoor kunnen we in een bubbel aan informatie terechtkomen die onze interesses en vooroordelen in stand houdt. Klinkt als een echokamer, maar er is wel degelijk een verschil.
Zo ontstaan filterbubbels uitsluitend door filterende algoritmen op platformen zoals Twitter. Daarmee zijn ze een specifiekere versie van echokamers. Echokamers, daarentegen, kunnen ook andere oorzaken hebben, zoals religie, propaganda in boeken of op televisie, of politiek uitgesproken vrienden.
Het onderscheid tussen filterbubbels en echokamers is een belangrijke, maar wordt niet meegenomen in de conclusie van de onderzoekers. Daarom is het moeilijk om de resultaten van de studie zomaar voor waar aan te nemen. Want, waar de gebruiker verantwoordelijk is voor het volgen van zijn vrienden, zorgen de algoritmen weer voor het uitkiezen en filteren van voorgestelde content op basis van deze vrienden. De gebruikers zitten niet zomaar in een echokamer, maar in een filterbubbel. Je kunt dus nog steeds stellen dat Twitter verantwoordelijk is voor politieke polarisatie op het platform, en niet de gebruiker.
Bronnen: Nature Communications, Phys.org
Beeld: iStock/Getty Images