Negatieve tweets
4.3 Appraisal Theory
4.3.1.1 Attitudes in gehele dataset
De veertien mogelijke attitudes die eerder besproken zijn in het Theoretisch Kader en in Bijlage II worden onderverdeeld in drie categorieën, namelijk
uitingen van affect, judgements en appreciations. Deze categorieën zijn terug te vinden in de coderingstabel Appraisal Theory (bijlage II). In het cirkeldiagram hiernaast wordt een beeld gegeven van de frequentie van het verschijnen van de verschillende attitudes. Te zien is dat de meest geuite attitude een judgement is (39%), gevolgd door appreciations (34%). Tot slot is in 27% van alle attitudes een uiting van affect te vinden.
Aan de hand van dit cirkeldiagram wordt een beeld gegeven van de aanwezige attitudes binnen het
totale aantal geuite attitudes in de WOM-tweets. In de verdere analyse zullen de attitudes echter besproken worden binnen één tweet. In plaats van naar het totale aantal attitudes te kijken, wordt er dan gekeken naar het gebruik van een attitude (of een combinatie van attitudes) binnen één tweet.
53
4.3.1.2 Judgements
Judgements (beoordelingen) verwijzen direct of indirect naar een bepaald gedrag van een persoon, een groep of een product. Door iets te zeggen over het gedrag, wordt het karakter van de persoon of organisatie beoordeeld. Judgements kunnen opgedeeld worden in persoonlijke judgements en morele judgements. Persoonlijke judgements zijn gebaseerd op onze normen en waarden, op wat we goed en wat we slecht vinden. Morele judgements komen voort uit de regels en wetten die opgesteld zijn door de staat en de kerk. Tabel 4.3 laat voorbeelden zien van tweets waarin verschillende judgements te vinden zijn.
Positief (bewondering) Negatief (kritiek) Persoonlijk
Judgement
[4.7] RTL7 gaat de 24 uur van Le Mans in het geheel uitzenden. geniaal.
[4.8] Door die kut storing doet de tv et niet #ziggo
Moreel Judgement [4.9] En we hebben weer internet & telefoon. De monteurs van @ZeelandNet zijn in ieder geval super aardig en correct. Hulde!
[4.10] Die radio commercial van #peugeot is wel erg slecht maar ook onvertandig gejat / gekopeerd :S Bah! #fail
Tabel 4.3: voorbeelden van judgements in de positieve en de negatieve WOM-tweets.
Vooral in de negatieve WOM-tweets wordt veel gebruik gemaakt van judgements. In 63,9% van de tweets met daarin een negatieve mening vindt in ieder geval een judgement plaats. In de positieve tweets ligt dit aantal lager, namelijk op 47,8%. Tabel 4.4 laat zien dat wanneer er een beoordeling wordt gedaan dit vaak een persoonlijk judgement is. Van morele judgements is er bijna geen sprake. In de meeste negatieve judgements wordt een organisatie beoordeeld als ‘slecht’ door het niet functioneren van een service of product. In de tweet (4.8) in de tabel hierboven zien we dit ook gebeuren. De schrijver twittert over een storing waardoor de televisie het niet doet. Er is hier sprake van het uitblijven van gedrag, en van een negatieve beoordeling. In de positieve tweets wordt vaker daadwerkelijk gedrag beschreven van een organisatie, zoals het uitzenden van de autoraces (Le Mans) in tweet 4.7.
Negatief Positief Personal Judgement (negatief) 62,2% 0,5% Personal Judgement (positief) 0,4% 46,8% Moral Judgement (negatief) 0,9% 0% Moral Judgement (positief) 0,4% 0,5% Totaal 63,9% 47,8%
54 Soms plaatsen twitteraars meerdere attitudes in één tweet. Als dit het geval is worden de tweets meervoudig gecodeerd. Om patronen te ontdekken in het gebruik van meerdere attitudes zijn de tweets nogmaals geanalyseerd. Daarin is duidelijk geworden dat persoonlijke judgements vaak verschijnen in combinatie met een andere attitude. In het eerste patroon wordt zichtbaar dat tweets met daarin een persoonlijk judgement vaak ook een uiting van affect bevatten. In tweet 4.11 wordt er geklaagd over de telecommaatschappij Ziggo. De twitteraar probeert de klantenservice te bereiken, maar is na 20 minuten wachttijd nog steeds niet geholpen. Wederom duidt dit op het uitblijven van gedrag.
Tweet 4.11 Ziggo is weer lekker bezig. Wachttijd is 6 minuten. Na 20 minuten nog steeds niet geholpen. Toen maar opgehangen. #fail
Attitude: persoonlijk negatief judgement + negatief affect (ontevredenheid).
Er gebeurt hier echter nog iets anders. De schrijver plaatst ‘#fail’ achter de tweet, laat zien dat hij of zij vindt dat de organisatie ‘faalt’, en uit daarmee zijn of haar gevoel van ontevredenheid over de stand van zaken. In de positieve tweets zien we hetzelfde, maar tegenovergestelde, patroon verschijnen. Eerst wordt er een positief persoonlijk judgement geuit waarin gedrag wordt beoordeeld, vervolgens uit men zijn of haar gevoelens van tevredenheid.
Tweet 4.12 Net geweldig geholpen door #kpn helpdesk met nw mailaccount op IPad. Hulde! Was vastgelopen in de popserver-jungle....
Attitude: persoonlijk positief judgement + positief affect (tevredenheid).
Bijna de helft van alle tweets waarin een persoonlijk judgement wordt gedaan bevat nog een tweede attitude. In de meeste tweets is dit een uiting van tevreden- of ontevredenheid zoals in de vorige voorbeelden. In de negatieve dataset zien we nog een ander patroon frequent verschijnen. Na het persoonlijke judgement plaatst de twitteraar daarna een uiting van ongeluk (nogmaals affect). Tweet 4.13 is hier een voorbeeld van.
Tweet 4.13 Kut vodafoon. Geen bereik, net als ik wil bellen -_-
Attitude: persoonlijk negatief judgement + negatief affect (ongeluk)
In deze tweet wordt een negatieve mening geuit over Vodafone. Deze wordt toegeschreven aan twee onderliggende gevoelens. Ten eerste is dit het hebben van ‘geen bereik’: het niet-functioneren van een service. Daarnaast plaatst de twitteraar hier zijn of haar eigen gevoelens bij, namelijk ‘net als ik wil bellen’. Naast het functioneren wordt dan tegelijkertijd het ‘willen, maar niet kunnen’ (uiting van ongeluk) op de voorgrond geplaatst. Vervolgens wordt in een laatste patroon na een persoonlijk judgement als tweede attitude een appreciatie gecodeerd. De tweets waarin dit gebeurt, zien er meestal anders uit dan de vorige besproken tweets. In sommige gevallen wordt er eerst een judgement gedaan
55 waarop een appreciatie volgt, maar in de meeste tweets is er sprake van ambiguïteit. Deze ambiguïteit komt goed tot uiting in de volgende voorbeelden.
Tweet 4.14 Wat een kut liedje #radio538
Attitude: persoonlijk negatief judgement = negatieve appreciatie
Tweet 4.15 Daniels #dumpnummer op Qmusic, geniaal xd
Attitude: persoonlijk positief judgement = positieve appreciatie
In beide tweets is het niet duidelijk welke attitude de schrijver voorop plaatst. Worden de radiozenders (538 en Qmusic) beoordeeld omdat zij een bepaald liedje draaien? In dat geval zou de tweet een persoonlijk judgement zijn. Dit is echter maar één mogelijke interpretatie van de tweet. In een tweede mogelijke interpretatie kan gezegd worden dat enkel het liedje als goed of slecht beoordeeld wordt, en dat ‘radio538’ en ‘Qmusic’ slechts als toevoeging op de uiting gelden. Omdat er geen eenduidige attitude op de voorgrond treedt in deze tweets worden ze gezien als zowel een persoonlijk judgement als een appreciatie.
4.3.1.3 Samenvattend
In de meeste WOM-tweets wordt een beoordeling op basis van gedrag gedaan. Vooral in de negatieve tweets ligt dit aantal erg hoog. Maar de meeste judgements verschijnen niet alleen. Ze worden gedaan in combinatie met een andere attitude. De negatieve judgements richten zich vooral op het falen van een service of organisatie. Een bepaald gedrag wordt niet uitgevoerd en daar wordt vervolgens over geklaagd. Positieve judgements richten zich meer op het daadwerkelijke gedrag dat uitgevoerd wordt. Zowel negatieve (N=139) als positieve judgements (N=103) worden meestal niet geadresseerd. In onderstaande diagrammen wordt het gebruik van de judgements vergeleken met het gebruik van het apenstaartje, de hashtags en hyperlinks.
Het is opvallend dat de negatieve tweets die geadresseerd worden aan een organisatie (N=17) bijna allemaal, namelijk 15, een judgement bevatten. Ook bij de positieve tweets is dit het geval. Van de 14
Staafdiagram 4.4: gebruik hashtag bij een
judgement in een WOM-tweet.
Staafdiagram 4.3: gebruik apenstaartje bij een judgement in een WOM-tweet.
Staafdiagram 4.5: gebruik hyperlink bij een judgement in een WOM-tweet.
56 tweets die geadresseerd worden aan een organisatie, bevindt er zich in tien een judgement. Een ander opvallend resultaat is het gebruik van de hyperlinks in de tweets. In de positieve tweets met een judgement bevindt zich in ruim 75% een hyperlink. Het lijkt erop dat de hyperlinks gebruikt worden als een bepaalde uitleg bij een tweet (zoals in tweet 4.16 en 4.17). De hyperlink verwijst dan ook meestal naar een video of een foto waarin het beschreven gedrag uitgelegd wordt. In de negatieve tweets met daarin een judgement is een hyperlink meestal afwezig (89%).
Tweet 4.16 Haha, briljant! RT @Jan_zegt: Echt, de creativiteit van #Aldi kent letterlijk geen grenzen http://t.co/UbsPfu4W
Tweet 4.17 Briljant dit! Mooie Mannen Maand bij #Net5 #EK http://t.co/f5WmyYDv
4.3.2 Affect
Affect heeft te maken met uitingen die positieve en negatieve gevoelens registreren. Tabel 4.5 geeft de verschillende vormen van affect weer die Martin en White (2005) beschrijven. Daarbij worden voorbeelden vanuit het corpus gegeven.
Affect Positief Negatief
(On)geluk [4.18] Ik vind tv kijken op de iPad geniaal. Ik hou hiervan.
[4.19] OMG KLOTE UPC IK HAATJE MET JE KLOTE WIFI, IK FLIP EM HIER FOCKYOU
(On)tevredenheid [4.20] Petje af voor de nieuwe #ING app! Werkt lekker!
[4.21] Kut blackberry, ik word er nu al helemaal gek van.
(On)zekerheid [4.22] Mijn vertrouwen in TomTom wordt beloond met mega fantastische Apple deal. Welk ander Nederlands bedrijf kan ze dat nazeggen? Hulde!
[4.23] Gretver. #KPN #internet #storing #Haarlem. Hoop dat het snel weer werkt. #Fail
Geneigdheid - [4.24] Wat is Windows toch KUT. Volgende pc word een Mac.
Tabel 4.5: voorbeelden van affect in de positieve en de negatieve WOM-tweets
In meer dan de helft (52%) van de negatieve tweets is een uiting van affect aanwezig. In de positieve tweets ligt dit aantal fors lager, namelijk op 26,7%. Zoals tabel 4.6 laat zien, zijn de meeste attitudes, attitudes van tevredenheid of ontevredenheid, gevolgd door gevoelens van geluk of ongeluk. Tweets waarin een positieve neiging geuit wordt zijn geheel afwezig. Er wordt echter wel in 6,7% van alle tweets een negatieve neiging geuit. Vaak richt deze zich op het overstappen van een abonnement of het kopen van een nieuw product, zoals in tweet 4.24. Tot slot worden er in de tweets bijna geen attitudes van (on)zekerheid geuit.
57 Affect Positieve tweets Negatieve tweets Totaal Tevredenheid 19,7% 0,4% 20,1% Ontevredenheid 0% 32,9% 32,9% Geluk 5,5% 0,9% 6,4% Ongeluk 0% 8,9% 8,9% Neiging (positief) 0% 0% 0% Neiging (negatief) 0,5% 6,2% 6,7% Zekerheid 0,5% 0% 0,5% Onzekerheid 0,5% 2,7% 3,2% Totaal 26,7% 52% 78,7%
De attitudes van affect zijn vervolgens nader onderzocht. Specifiek is er gekeken naar welke attitude het meest vaak voorkomt en welke combinaties er het meest vaak gevormd worden, ook wel patronen genoemd. De grootste groep, (on)tevredenheid, is in de vorige deelparagraaf al kort besproken. Dat deze attitude vaak voorkomt in combinatie met een andere attitude, zoals in het persoonlijke judgement, blijkt wanneer de uitingen van affect nader bestudeerd worden. De attitude (on)tevredenheid wordt namelijk zowel in de positieve als in de negatieve data het meest frequent als tweede attitude gecodeerd. In de negatieve tweets gebeurt dit het meest door gebruik te maken van de hashtag #fail.
Tweet 4.25 Jammer dat er een stuk foto en deel artikel ontbreekt in NRC Weekend... #fail @nrc http://t.co/538NBHOO
Attitude: affect (ongeluk) + affect (ontevredenheid)
Tweet 4.26 #Facebook-app voor #iphone wordt ook steeds meer een ergernis. Laden, laden en vastlopen. Tijd voor een bugfix? #fail
Attitude: affect (ongeluk) + affect (ontevredenheid)
Meestal volgt de attitude ontevredenheid op een negatief persoonlijk judgement. In de voorbeelden 4.25 en 4.26 volgt de attitude echter op een uiting van affect, namelijk ongeluk. De twitteraar laat eerst zien dat hij of zij gevoelens van ongeluk ervaart ten opzichte van een organisatie door het gebruik van woorden als jammer en ergernis. Vervolgens wordt het gevoel van ontevredenheid geuit door middel van de #fail. In sommige gevallen wordt een tweet echter geheel gewijd aan het (ontevreden) gevoel van de gebruiker. De tweet in voorbeeld 4.27 is daar een voorbeeld van. Wanneer positieve tweets geheel gewijd worden aan gevoelens, wordt er echter meestal een gevoel van geluk geuit, zoals in 4.28 gebeurt. Omdat deze attitudes erg vaak voorkomen in de data, worden ook deze gezien als een veelvoorkomend patroon.
58 Tweet 4.27 Kut blackberry, ik word er nu al helemaal gek van.
Attitude: affect (ontevredenheid).
Tweet 4.28 Ik vind tv kijken op de iPad geniaal. Ik hou hiervan. Attitude: affect (geluk)
Tot slot is er een laatste patroon zichtbaar in de positieve dataset. In deze tweets uit de gebruiker eerst gevoelens van tevredenheid ten opzichte van een organisatie of product. Zo geeft de gebruiker in 4.29 de reisorganisatie NS eerst een compliment. Daarna worden de gevoelens toegelicht door het gedrag te beschrijven van de organisatie. Deze laatste uiting is een positief persoonlijk judgement.
Tweet 4.29 Petje af voor de conducteur en de machinist van de trein. Ze verschaffen on s van duidelijke informatie. #ns
Attitude: affect (tevredenheid) + positief persoonlijk judgement.
4.3.2.1 Samenvattend
Positieve tweets worden weinig gebaseerd op gevoelens (26,7%). In de negatieve tweets gebeurt dit bijna twee keer zoveel (52%). Wanneer er gevoelens in een tweet geuit worden richten deze zich meestal op tevreden- of ontevredenheid ten opzichte van een product of service. Meestal wordt (on)tevredenheid in combinatie geplaatst met een andere attitude. Wanneer het gebruik van de uitwisselingsmogelijkheden in combinatie met uitingen van affect bestudeerd worden, lijkt het er op dat hier meer gebruik van wordt gemaakt dan bij een judgement. Een uitzondering vormt het gebruik van hyperlinks. In de uitingen waar affect plaatsvindt, wordt bijna nooit een hyperlink geplaatst. (te zien in staafdiagram 4.8)
Op één negatieve tweet na doen twitteraars in alle geadresseerde tweets aan een organisatie een uiting waarbij gevoelens komen kijken. Dit aantal lag ook al erg hoog bij de judgements. Er kan nu gesteld worden dat er in ieder geval een combinatie van een judgement met een uiting van affect plaatsvindt in deze tweets. Twitteraars willen blijkbaar dat, wanneer de organisatie bereikt wordt, deze duidelijk weet heeft over welk gedrag er geklaagd wordt, maar tegelijkertijd ook welke gevoelens hierbij komen Staafdiagram 4.6: gebruik apenstaartje bij
een uiting van affect in een WOM-tweet.
Staafdiagram 4.7: gebruik hashtag bij een uiting van affect in een WOM-tweet.
Staafdiagram 4.8: gebruik hyperlink bij een uiting van affect in een WOM-tweet.
59 kijken. In de positieve tweets ligt dit aantal lager. Hier wordt vaker de moeite genomen gevoelens te melden (en dus te adresseren) aan een ander account. Een laatste opvallend detail is dat in de negatieve dataset in veel tweets één of meerdere hashtags aanwezig zijn. Wederom geeft dit aan dat de twitteraar in deze uitingen extra moeite neemt om de tweet zo interactief mogelijk te maken.
4.3.3 Appreciations
Met een appreciatie worden ‘dingen’ of ‘fenomenen’ geëvalueerd. Bij een judgement is het duidelijk dat het om gedrag gaat en uitingen van affect draaien om gevoelens. Bij een appreciation wordt de waardering echter vaak toegeschreven aan het product, de organisatie of de service, zonder dat daarbij een verdere uitleg wordt gegeven. De waardering is dan simpelweg een eigenschap of kwaliteit van het geëvalueerde object.
Positief Negatief
[4.30] Die reclame van C1000 is gewoon Geniaal. [4.31] die reclame van mcdonalds dat ze de duitse ambassade helemaal oranje hebben geverft is echt geniaal !!
[4.32] Radio538 #geniaal gwn haha
[4.33] RT @brameuwes: Die Grolsch reclame met dat Wilhelmus is echt zo geniaal !
[4.34] klote t-mobile
[4.35] Wat een kut blackberry zeg ! [4.36] RT @naommmx: kut blackberry
[4.37] Hahahah FAAL windows heeft nu ook een tablet...
Tabel 4.7: voorbeelden van appreciations in positieve en negatieve WOM-tweets
Het valt direct op in de tabel (4.6)hierboven dat appreciations vaak kortere uitingen zijn dan de eerder besproken attitudes. Meestal wordt een appreciatie dan ook alleen geplaatst en bevat deze geen tweede of derde attitude. Ook het verschil van onderwerp, eerder aangekaart in de inleiding, komt vooral naar voren in deze waarderingen. Positieve appreciaties richten zich vooral op commercials of radiozenders. Twitter wordt in deze gevallen als ‘backchannel’ gebruikt, als kanaal voor het communiceren op de achtergrond van een bepaalde gebeurtenis (Zappavigna, 2012). Negatieve appreciaties richten zich op een product, en schrijven deze een kenmerk of eigenschap toe zonder deze verder toe te lichten.
60 Positieve tweets Negatieve tweets Appreciatie (positief) 63,8% 0,4% Appreciatie (negatief) 0,9% 34,7% Totaal 64,7% 35,1%
Een ander opvallend detail in de dataset is het gebruik van appreciaties in de positieve en negatieve tweets. In de positieve tweets vindt er bijna twee keer zo vaak een appreciatie plaats (64,7%) als in de negatieve tweets (35,1%). Opvallend is ook dat er soms een negatieve appreciatie in de positieve tweets voorkomt, en een positieve appreciatie in de negatieve tweets. Een voorbeeld hiervan zien we in tweet 4.38. In deze tweet plaatst de gebruiker eerst een negatieve appreciatie, en vervolgt hij zijn uiting met een positieve appreciatie.
Tweet 4.38 Niet te zuipen, maar die reclame van grolsch is wel geniaal.
Wanneer er in een tweet met een positieve appreciatie een tweede attitude wordt geuit is dit meestal een positief persoonlijk judgement. Deze gevallen zijn echter al behandeld in de paragraaf judgements, en zullen hier daarom niet verder besproken worden. Het laatste patroon wat dan zichtbaar wordt valt in de negatieve dataset. Na een negatieve appreciatie volgt vaak een negatieve neiging. In het eerste gedeelte van de tweet beoordeelt de schrijver de organisatie of product als ‘slecht’, zonder dat daarbij een uitleg (van gevoel of gedrag) wordt gegeven. Vervolgens wordt er beweerd over te stappen, een ander product te kopen of het huidige product af te schaffen. De volgende voorbeelden zijn tweets van het patroon negatieve appreciatie in combinatie met een negatieve neiging:
Tweet 4.39 Wat is Windows toch KUT. Volgende pc word een Mac. Negatieve appreciatie + affect (negatieve neiging)
Tweet 4.40 Me vaders bmw is naar de klote hij gaat nieuwe auto kopen Negatieve appreciatie + affect (negatieve neiging)
4.3.3.1 Samenvattend
Appreciations zijn vaak korte tweets met maar één uiting en één attitude. Ze komen vooral voor in de positieve dataset. Wanneer hier een tweede attitude gecodeerd wordt, komt dit niet doordat er twee attitudes aanwezig zijn in de tweet, maar omdat de tweet ambigu is. Alleen in de negatieve dataset verschijnt een appreciation vaker met een andere attitude, namelijk met de negatieve neiging. Het lijkt Tabel 4.8: Appreciations in de positieve en negatieve
61 er op het eerste gezicht op dat er in deze appreciations weinig moeite gedaan wordt om interactie te creëren met een ander. Het zijn korte uitingen, en vaak nemen twitteraars niet eens de moeite om hun attitude duidelijk over te brengen. Er valt dus te verwachten dat ook van de uitwisselingsmogelijkheden weinig gebruik wordt gemaakt. De staafdiagrammen hieronder bevestigen deze gedachte. De tweets worden meestal niet geadresseerd, bevatten vaak geen hashtags en ook geen hyperlinks. Dit is vooral het geval in de negatieve tweets.