Na het selecteren van de organisaties die genomen worden in dit onderzoek is de volgende lijst samengesteld. In tabel 1 zijn deze terug te vinden. Bijlage 2 heeft ook een lijst met deze organisaties, dit is de lijst met de Twitter handles. Deze zijn nodig om de informatie van Twitter te halen.
Tabel 1: Lijst met gekozen organisaties
Beroepsverenigingen Ngo Bedrijven
KHN Longfonds Shell
KNVB Hartstichting Heineken
V&VN NOC*NSF Philips
LHV Greenpeace Rabobank
ANVR Natuur & Milieu ING
NVVC Artsen zonder Grenzen AEGON
Branchevereniging Kinderopvang Diabetes Fonds Randstad
VNO-NCW KLM Air France
LTO Akzo Nobel
AVS ABN-AMRO VSCD Achmea Museumvereniging Ahold MKB KPN Eneco TNT Vattenfall CZ Jumbo ASML
De berichten die bij deze organisaties horen zijn verzameld door middel van een algoritme. Dit algoritme heeft van de Twitter handles de tweets van 01-01-2020 tot en met 18- 05-2020 van Twitter gehaald. Deze data is aangehouden omdat er in de wereld op dit moment al sprake was van het coronavirus, om te zorgen dat ook de vroegere tweets mee werden genomen is deze datum aangehouden. De datum 18-05-2020 is de dag dat de tweets van Twitter
zijn gehaald. Om deze berichten van Twitter te halen is er assistentie verleend door Moritz Müller, in zijn paper (2020) maakt hij gebruik van hetzelfde algoritme. Op dezelfde wijze zijn de berichten verzameld, echter zijn de tweets in dit onderzoek handmatig gecodeerd en hierna zelf gecategoriseerd. In deze periode zijn er in totaal 4.470 tweets geplaats door deze organisaties. Doordat er gebruik wordt gemaakt van het algoritme is het mogelijk om veel tweets van Twitter te halen. Dit zorgt voor een large ‘N’ onderzoek. Bij een large ‘N’ onderzoek wordt er gekeken naar patronen in veel verschillende gevallen. Hier wordt dan ook gekeken naar de groepen en niet naar individuele gevallen. De data wordt gepresenteerd als het gemiddelde van de groepen. Met deze data worden statistische toetsen uitgevoerd (Davis, 2008: p.68-69). Door gebruik te maken van een large ‘N’ is het een logische stap om dit kwantitatief te onderzoeken. Door deze data te verzamelen en coderen kan er een grote hoeveelheid aan data statistisch worden getoetst (Davis, 2008). De hypotheses die geformuleerd zijn aan de hand van de large ‘N’, laten zien dat er verschillende groepen worden vergeleken en de invloed die zij eventueel uitoefenen op een succesvolle digital advocacy strategie. Door gebruik te maken van een large ‘N’ is het mogelijk om de uitkomsten goed te vergelijken. De uitkomsten worden op deze manier niet door toeval bepaald.
De berichten die van Twitter komen dienen gecodeerd te worden. Woorden die corona aanduiden zijn: Covid-19, Corona of crisis. Uiteraard is het voor crisis moeilijk, omdat anderen het woord crisis ook gebruiken voor andere fenomenen. Echter, komt in de tweet duidelijk naar voren of het gaat om de coronacrisis. Voor de gain frame en loss frame is er vooral gekeken naar de formulering van de tweet. De gain frame benadrukt de positieve voordelen van het ondernemen van acties, terwijl de loss frame de negatieve gevolgen benadrukken die het gevolg zijn van het ondernemen van acties (Rothman et al., 2006: p.203). Als een tweet zo geformuleerd is dat de organisatie verandering aanwakkert is dit een gain frame. Zodra een organisatie laat zien dat zij het eens zijn met beslissingen van de overheid of blij zijn met het behoud van een bepaald beleid is een tweet gecodeerd als een loss frame. Indien een tweet geen van deze elementen had is de tweet gecodeerd als geen frame en geen Corona inhoud. Dit is gedaan door middel van de het toekennen van cijfers. Voor organisaties is er een afweging gemaakt van beroepsvereniging (1), ngo (2) of een bedrijf (3). Bij het type frame is er gekeken naar gain frame (1), loss frame (2) of geen frame (3). Tot slot is er gekeken of de tweet over het Covid-19 virus ging, hier was ja (1) en nee (2). In bijlage 1 is te zien hoe dit gedaan is aan de hand van een coderingstabel en voorbeeld tweets.
De hypotheses worden alle zes gemeten aan de hand van statistische toetsen. Hiervoor zal het programma RStudio worden gebruikt. Dit is een open-source programma, hierdoor dus
vrij toegankelijk. De keuze is gevallen op dit programma omdat er een groot netwerk aan mensen werkt om dit programma te optimaliseren en hierdoor zijn er een groot aantal packages beschikbaar is om statistische toetsen uit te voeren. Waardoor dit een toegankelijk programma is om te gebruiken voor statistische analyses.
De eerste drie hypotheses testen of een organisatie een bepaald frame hanteert in hun berichtgeving.
H1: Beroepsverenigingen zullen vaker gebruik maken van een gain- frame. H2: NGO’s zullen vaker gebruik maken van een gain- frame.
H3: Coöperatieve organisaties zullen vaker gebruik maken van een loss- frame.
Er zal worden gekeken of er een voorkeur is in frame. Hierna zal er worden gekeken naar de associatie tussen deze twee variabelen. Hieruit kan worden geconcludeerd worden welk
frame het meest gebruik wordt door een groep. Verder zal er voor deze hypotheses gebruik
worden gemaakt van de variabele organisatie type. Hierin wordt duidelijk over welk type organisatie het gaat. Omdat beide variabelen nominale variabelen zijn, wordt er gebruik gemaakt van Chi- squared en Cramer’s V toetsen. Deze toetsen mogen met twee nominale variabelen worden uitgevoerd. Hierbij kan worden gekeken of er sprake is van associatie tussen de twee variabelen en de sterkte van deze associatie. Uit deze toetsen wordt duidelijk of er sprake is van toeval, of dat er daadwerkelijk een associatie is tussen de variabelen en hoe sterk deze associatie is.
Voor hypothese vier is het belangrijk dat het duidelijk wordt of er sprake is van een relatie.
H4: Een gain- frame zorgt voor een hogere kans op een succesvolle digital advocacy strategie dan een loss- frame.
Bij deze hypothese wordt er gekeken naar de variabele frame, aangezien het gaat om
gain- frame of loss- frame. Verder wordt er gekeken naar hoe succesvol de digital advocacy
strategie is. Hierbij zal worden gekeken naar het aantal retweets en favourites. Deze variabelen zijn niet allebei hetzelfde. Het frame blijft nominaal, echter zijn de retweet en favourite ratio variabelen. Dit zorgt ervoor dat er een andere toets gebruikt wordt dan bij de eerste hypotheses. Verder is het anders dat in deze hypothese een voorspelling wordt gedaan over de invloed van het frame op een succesvolle digital advocacy strategie. Hierdoor is het belangrijk dat er wordt gekeken naar welk effect het frame heeft op een retweet en favourite. Dit zal worden gemeten aan de hand van een t-toets, aangezien het gaat om een hogere kans zal er worden getoetst aan
de hand van een eenzijdige t-toets. Wanneer er sprake is van een effect zal er ook worden gekeken hoe sterk dit effect is. Dit zal gedaan worden aan de hand van een Cohen’s D toets. Voordat deze toetsen worden uitgevoerd zal er worden gekeken of de retweet en favourite correleren. Hierna zal de keuze worden gemaakt om ze samen te toetsen of apart.
Voor de laatste twee hypotheses worden er vier variabelen gebruikt, frame, type organisatie en succesvolle digital advocacy strategie, oftewel retweet en favourite.
H5: Een ngo of beroepsorganisatie die gebruik maken van een gain-frame zorgt voor een
hogere kans op een succesvolle digital advocacy strategie dan een bedrijf dat gebruik maakt van een loss-frame
H6: Een bedrijf dat gebruik maakt van een loss-frame zorgt voor een hogere kans op een
succesvolle digital advocacy strategie dan een Ngo of beroepsorganisatie dat gebruik maakt van een gain-frame
Ook hier is het van belang om te weten of de variabelen retweet en favourite correleren.
Zo niet, dan worden deze apart getoetst. Omdat het hier gaat over meer dan twee variabelen kan er geen gebruik worden gemaakt van een standaard t-toets. Er zal gebruik worden gemaakt van een variatieanalyse (ANOVA- toets). Deze toets kijkt naar interactie tussen de variabelen, met een posthoc toets kan achterhaald worden welke groepen interactie hebben met elkaar. Indien er geen sprake is van een interactie- effect zal er worden gekeken naar de belangrijkste effecten tussen de variabelen. In deze hypothese gaat het vooral om het effect dat een frame en het type organisatie hebben op een succesvolle digital advocacy strategie, oftewel op de variabelen retweet en favourite.