Hoeveel haatdragende tweets ontvangen Nederlandse journalisten?

Met de uitkomsten van andere studies naar haatdragende tweets gericht aan bijvoorbeeld journalisten en politici in het achterhoofd (Saris & Van de Ven, 2021), viel ons gedurende het proces van coderen en kalibreren allereerst op dat het overgrote deel van alle reacties tamelijk alledaagse communicatie tussen journalisten en hun volgers en lezers betreft. Van felicitatie- of condoleancewensen tot discussies over voetbaluitslagen, corona of de politiek; de meerderheid van de geanalyseerde tweets bevatte een kleurrijke, soms grappige, soms onvriendelijke, mengeling van

21 Het computermodel (robbert-dutch-base-toxic-comments) behaalde tijdens cross-validatie een gemiddelde F1-score van .7. Het aantal false positives en false negatives was daarbij in balans, hetgeen betekent dat het computermodel met een in het veld aanvaardbare nauwkeurigheid wel/niet als zodanig gecodeerde haatdragende tweets van elkaar kan onderscheiden. Uit figuur 6 blijkt daarnaast dat modelmatige en handmatige schattingen vrij dicht bij elkaar liggen.

52 trivialiteiten en meer inhoudelijke discussies. Een deel van deze niet-haatdragende berichten van journalisten bevatte daarnaast sporen van zogenaamd ‘complotdenken’, verwijzend naar bijvoorbeeld theorieën over Klaus Schwab, het WEF en de ‘Great Reset’. Veel verschillende journalisten, zo bleek ook uit de gesprekken die wij voerden met diverse journalisten (zie hoofdstuk 5), ontvingen in de door ons onderzochte periode dergelijke reacties.

Voor bijna vijf op de honderd berichten geldt dat deze als haatdragend (in brede zin) zijn aangemerkt.

Dat wil zeggen dat zij ofwel duidelijk gericht waren aan de vermelde journalist, ofwel op andere personen of groepen die uitgescholden werden of aangesproken werden op stereotypische aspecten van hun sociale identiteiten. De aantallen die wij in dit onderzoek vinden, hoewel waarschijnlijk een onderschatting van de totale circulerende online haat, zijn daarmee iets lager dan de eerder aangehaalde vergelijkbare studies door Amnesty International en De Groene Amsterdammer laten zien. Daarnaast blijkt uit onze analyse dat mannelijke journalisten gemiddeld iets meer (1 procentpunt) haatdragende tweets ontvangen dan vrouwelijke journalisten, hetgeen, gelet op de dominantie van mannelijke stemmen in de journalistieke Twittersfeer, niet onverklaarbaar is. Tweets met een overduidelijk bedreigend karakter kwamen we overigens nauwelijks tegen tijdens de handmatige coderingsfase. Mogelijk zijn deze tweets verwijderd voor we ze hebben kunnen downloaden via de Twitter API, maar het lijkt erop dat dergelijke berichten journalisten eerder via andere, minder openbare kanalen bereiken (Twitter Direct Message, WhatsApp, Facebook Messenger, e-mail).

Omwille van de gevoeligheid van de materie kiezen we er bewust voor om de aantallen en percentages haatdragende berichten niet (gerangschikt) per journalist te presenteren. De grote verschillen in het totale aantal Twitterreacties per journalist maken voorts dat elke uitsnede, bijvoorbeeld absoluut of relatief, een ander beeld oplevert. Ook het vergelijken van subgroepen journalisten was, vanwege de grote diversiteit aan journalisten in onze selectie (in termen van rollen, posities en achtergronden), niet goed mogelijk. Tegelijkertijd wordt uit de vergelijking van de verschillende uitsneden die we hebben bekeken duidelijk dat online haat een diffuse richting heeft, wat maakt dat het een probleem is waar vrijwel alle journalisten op enigerlei wijze mee in aanraking komen.

Opvallend is dat zich, zo werd al tijdens het coderingsproces duidelijk, geen eenduidige patronen aftekenden in de richting en dynamiek van online haat. Dat wil zeggen dat wij geen sterke kwantitatieve aanwijzingen vonden voor het bestaan van grote verschillen tussen groepen, bijvoorbeeld tussen mannelijke en vrouwelijke journalisten. Over de gehele linie lijken journalisten met uiteenlopende rollen, identiteiten en volgersaantallen berichten te ontvangen die zowel door ons als de computer-geassisteerde annotaties als haatdragend zijn aangemerkt. De met deze studie vergelijkbare onderzoeken door De Groene Amsterdammer en Amnesty International, hoewel alleen gericht op vrouwelijke politici en journalisten, geven eenzelfde diffuus beeld (Delisle et al., 2019; Saris

& Van de Ven, 2021). Online haat is een meer algemeen probleem dat, afhankelijk van de specifieke personen of groepen waarop het zich richt, verschillende kwalitatieve verschijningsvormen aanneemt.

Zo worden vrouwelijke journalisten bijvoorbeeld eerder seksistisch benaderd, terwijl journalisten van kleur veelal met racistische stereotyperingen te maken hebben. Oudere journalisten krijgen daarentegen vaak haatdragende reacties waarin verwezen wordt naar hun leeftijd. Journalisten met meerdere kwetsbare sociale identiteiten, bijvoorbeeld vrouwen met een migratieachtergrond, zijn niet zelden het slachtoffer van een stapeling van vormen van online haat. De hiernavolgende sectie,

53 waarin uiteenlopende vormen van online haat besproken worden, is illustratief voor het feit dat zowel de richting als de vorm van haatdragende tweets sterk uiteenloopt.

Figuur 6 Modelmatige schatting van het percentage haatdragende tweets per maand (januari 2021-juni 2022)

Ten slotte zien we in figuur 6 het relatieve aantal haatdragende tweets afgezet in de tijd. Zowel de handmatige als modelmatige classificatie vertoont eenzelfde patroon en duidt op een voorzichtige toename van het aantal haatdragende tweets in de periode tussen januari 2021 en juni 2022. In veel van de online haat herkenden we de reflectie van de maatschappelijke spanningen rondom polariserende thema’s die elkaar in deze periode opvolgden, in het bijzonder de coronapandemie, boerenprotesten en de oorlog in Oekraine. Een blik op de haatdragende reacties uit november 2021 bijvoorbeeld (tabel 2) – een opmerkelijke uitschieter in de grafiek – laat zien dat veel als haatdragend aangemerkte tweets uit die maand over coronagerelateerde onderwerpen gingen. Vaak waren het de journalisten zelf, van verschillende pluimage, die het hier moesten ontgelden vanwege hun (ingebeelde) standpunten, maar ook andere groepen en personen, denk aan politici, wetenschappers en bestuurders, waren het mikpunt van online haat.

Tabel 2 Voorbeelden van coronagerelateerde online haat (november 2021)

Onderwerp Gericht Ongericht

Corona @journalist Ach man hou toch op met je 2 of 3 G allemaal fokking bullshit.

Gewoon geen toegangsbewijzen , weg met die nazishit.

@journalist De enkele egoïstische rotzak verpest de sfeer voor een groot deel van de bevolking. Laten we gewoon eens naar de wetenschap luisteren en gewoon vaccineren!

@journalist Vals mens. Je durft niet eens ongevaccineerden te zeggen.

@journalist Veel moslims trouwens die willen zich ook niet laten vaccineren, gekken!

54

@journalist De enige vaccinatieplicht die er zou moeten komen is voor euthanasie. Om de wereld van debielen als jij af te helpen. prutskut

@journalist De zgn anti Covid injecties zijn een 2-3-4-5 staps genocide traject!

Het grote plaatje van “elite psychopaten” wordt uitgevoerd door alle WEF ! Hugo en Mark horen daarbij…