Invloed van Nieuwsmedia op Gedragsverandering

Invloed van Nieuwsmedia op

Gedragsverandering

Bachelor Scriptie

Martijn P. M. de Jong

Bachelor Informatiekunde

Universiteit van Amsterdam

martijn.dejong@mail.com

Begeleider

Dhr. Dr. D. Heinhuis

Tweede Examinator

Dhr. Dr. J. Brunner

Openbare verdediging

20 juli 2017

14 juli 2017

Samenvatting

In dit onderzoek wordt gezocht naar de factoren die verschil in invloed op gedragsveran-dering van de lezer door nieuwsmedia verklaren. Met behulp van het Theory of Planned Behavior model van Ajzen en Fishbein zijn vier kenmerken van Nederlandse nieuwsme-dia gekoppeld aan gedragsverandering. Deze vier kenmerken zijn voortgekomen uit een literatuuronderzoek: multi-channeling, publiek/commercieel, betaald/gratis en de mate van interactie. De kenmerken leiden tot een onderscheid tussen diverse nieuwsmedia, vier typologie¨en. Per typologie is een hypothese opgesteld die vervolgens in een case study getoetst zijn. Hierbij zijn nieuwsartikelen van Nederlandse nieuwsmedia gebruikt over zeven bedrijven die zijn opgenomen in de Amsterdam Small Cap Index. De ge-dragsverandering van de lezer is hierbij de koop of verkoop van de aandelen van deze bedrijven. Uit de case study blijken berichten van nieuwsmedia die meer mogelijkheid bieden tot interactie met de andere lezers en redactie van het medium, meer impact te hebben op het aandeel van een bedrijf.

Inhoudsopgave

1. Inleiding 4 2. Literatuur Onderzoek 6 2.1. Invloed en Gedragsverandering . . . 6 2.2. Kenmerken Nieuwsmedia . . . 7 2.2.1. Attitude . . . 8 2.2.2. Subjectieve Norm . . . 9 2.2.3. Persoonlijke Controle . . . 10 3. Case study 12 3.1. Medialandschap Nederland . . . 12 3.2. Hypothesen . . . 14

3.3. De Amsterdam Small Cap Index . . . 15

3.4. Methode . . . 16 3.4.1. Dataverzameling . . . 16 3.4.2. Dataverwerking . . . 17 3.4.3. Analyse . . . 19 3.5. Resultaten . . . 20 3.6. Hypothese toetsing . . . 23 4. Conclusie 24 5. Discussie 25 5.1. Implicaties . . . 25 5.2. Beperkingen en vervolgonderzoek . . . 26 Referenties 28

1. Inleiding

Vandaag de dag gebruiken we verschillende soorten media om ons nieuws te verkrijgen. De traditionele krant wordt nog altijd gebruikt als bron voor ons algemene nieuws, net als de televisie en de radio. Deze media beschikken vaak over grote redacties en behoren veelal tot de gevestigde orde. Voorbeelden van mediabedrijven die via deze kanalen nieuws verspreiden zijn kranten als De Volkskrant en het NRC Handelsblad en de nieuwsuitzendingen van de Nationale Omroep Stichting (NOS) op radio en televisie. Gezamenlijk worden deze drie kanalen dan ook vaak onder de noemer ’traditionele media’ of ’oude media’ geschaard. Daarnaast vergaren we online ook via verschillende media ons nieuws, denk hierbij aan een nieuwssite als Nu.nl en sociale media zoals Facebook. De nieuwe media, waaronder sociale media ook vallen, zijn toegankelijk voor steeds meer mensen, worden vaker geraadpleegd, worden vaak gebruik als legitieme informatiebron en vervangen deels de oude media (Gerhards & Sch¨afer, 2010). Deze nieuwe media wordt dan ook vaak vergeleken met traditionele media. Ondanks de opmars van de nieuwe media door onder andere de komst van de smartphone en tablets en het altijd hebben van toegang tot het internet, wordt door de mens in het algemeen traditionele media als de krant nog steeds als een geloofwaardiger medium beschouwd (Kiousis, 2001; Abdulla, Garrison, Salwen, Driscoll, & Casey, 2002). De geloofwaardigheid wordt in deze onderzoeken gemeten met diverse factoren, zoals feitelijkheid van het nieuwsbericht, motivatie door geld, belang van de gemeenschap, vertrouwen, eerlijkheid, vooroordeel, compleetheid en nauwkeurigheid.

De scheiding tussen traditionele en nieuwe media lijkt echter steeds meer te vervagen. Landelijke kranten publiceren hun nieuwsberichten al lang niet meer alleen op papier om dit vervolgens elke dag fysiek onder de mensen te verspreiden. Ook online via hun website, app’s en sociale media kanalen worden de artikelen verspreid. De nieuwe media zijn 24 uur per dag, zeven dagen per week beschikbaar om nieuwsberichten de wereld in te sturen. Hiermee is de barri`ere dat nieuwsberichten pas gepubliceerd kunnen worden in de volgende fysieke editie ook verleden tijd. De nieuwsorganisaties die hun oorsprong vinden in de traditionele media lijken hiermee ook de voordelen van nieuwe media gevonden te hebben. Hierbij is er sprake van een complementerende verhouding tussen de twee type media (Dutta-Bergman, 2004). Het onderscheid, zoals gemaakt in de eerder benoemde onderzoeken, lijkt dan ook niet meer geheel van toepassing. Daarnaast richtten deze onderzoeken zich op een medium in het algemeen, en namen hierbij niet de bron mee. Kiousis benoemde dit verschil wel in zijn onderzoek. De bron beschrijft hij als het individu, de groep of de organisatie die het nieuwsbericht publiceert, zoals een specifieke krant of blog. Het medium is het kanaal waarover het nieuwsbericht gepubliceerd wordt. De geloofwaardigheid van een medium en een bron is dan ook daadwerkelijk verschillend, maar hangt nauw samen met elkaar. Een medium kan bijvoorbeeld als geloofwaardig ervaren worden, maar de bron die over dat medium berichten verspreidt kan als niet geloofwaardig beschouwd worden.

In dit onderzoek worden kenmerken onderzocht die de invloed van nieuwsmedia op de lezer bepalen. Hierbij wordt media gedefinieerd als een specifieke mediaorganisatie en niet zoals in de eerder aangehaalde onderzoeken als het kanaal waarover het nieuws

verspreid wordt. Deze benadering gaat dan ook niet uit van de scheiding van traditionele media en nieuwe media. De hoofdvraag van dit onderzoek luidt dan ook als volgt:

Wat verklaart het verschil in invloed van nieuwsmedia op gedragsverandering van de lezer?

Door middel van literatuuronderzoek zal allereerst een definitie gegeven worden van ’invloed van media’. Vervolgens zullen de factoren die leiden tot gedragsverandering onderzocht worden en dit zal antwoord geven op de eerste deelvraag:

DV1: Welke factoren spelen een rol bij gedragsverandering?

Op basis van de uitkomst van deelvraag 1 zullen diverse kenmerken van nieuwsmedia benoemd worden die van toepassing kunnen zijn op de gevonden factoren. Deze ken-merken onderscheiden diverse nieuwsmedia en zullen leiden tot typologie¨en. De tweede deelvraag luidt dus als volgt:

DV2: Welke typologie¨en van nieuwsmedia zijn te onderscheiden?

Aan de hand van het antwoord op de tweede deelvraag zullen een aantal hypothesen worden opgesteld die vervolgens empirisch getoetst worden in een case study. Dit zal antwoord geven op de derde deelvraag:

DV3: Is er verschil in invloed op gedragsverandering tussen de in de typologie¨en onderscheiden nieuwsmedia?

2. Literatuur Onderzoek

In deze sectie zullen de eerste twee deelvragen beantwoord worden aan de hand van literatuur en zullen de hypotheses gevormd worden voor de case study.

2.1. Invloed en Gedragsverandering

De invloed van nieuwsmedia is kortweg te beschrijven als de uitwerking van de nieuwsbe-richten op de lezer. Dit kan bijvoorbeeld betrekking hebben op de emotionele staat van de persoon, een bepaald denkbeeld vormen bij de persoon, maar ook gedragsverandering te weeg brengen. Deze drie voorbeelden hangen sterk samen met elkaar, maar in dit on-derzoek ligt de focus op gedragsverandering. Gedrag is te onderscheiden in grofweg twee soorten: gepland en automatisch gedrag. Zoals de termen al zeggen is gepland gedrag, gedrag waarover we bewust nadenken en waarbij we de mogelijke voor- en nadelen te-gen elkaar afwete-gen. Automatisch gedrag is gedrag waarover we niet bewust nadenken, oftewel routine-gedrag zoals het bewegen van onze benen tijdens lopen of fietsen. Voor deze studie wordt gekeken naar het geplande gedrag van de lezer.

In de Theory of Planned Behavior (TPB), zoals te zien is in figuur 1, wordt intentie als belangrijkste bepalende factor genoemd voor gedrag (Ajzen, 1985, 1991; Fishbein M, 2010). Intenties geven een indicatie van de motivatie van de persoon: hoe hard de per-soon probeert, en hoeveel moeite hij of zij doet om een bepaald gedrag te vertonen. In het algemeen zorgt een sterkere intentie tot een grotere waarschijnlijkheid van het vertonen van het geplande gedrag. Deze intentie komt voort uit drie determinanten: de attitude, de subjectieve norm en de persoonlijke controle. De houding van een persoon tegenover het gedrag, de attitude, kan positief of negatief zijn en wordt bepaald door en-kel het individu. Hierbij wordt de afweging gemaakt of het gedrag een positief of negatief effect heeft op het leven van de persoon. De subjectieve norm is alles om het individu heen, zoals de sociale en culturele norm betreft het gedrag. Een concept als groepsdruk speelt hierbij een belangrijke rol. Deze determinant wordt dus in grote mate bepaald door de personen om het individu heen. De derde determinant, de persoonlijke controle, draait voornamelijk om de zelfverzekerdheid van de persoon en de mate waarin hij of zij zich bekwaamd acht om een bepaald gedrag te vertonen. Deze drie determinanten worden be¨ınvloed door externe variabelen, zoals demografische gegevens en persoonlijke eigenschappen. Indien de drie determinanten positief zijn heeft de persoon een sterke intentie om bepaald gedrag te vertonen en dus ook om eventueel gedrag te veranderen. Deze theorie is gebaseerd op de Theory of Reasoned Action (TRA), dat eerder is ont-worpen door Ajzen en Fishbein (Ajzen & Fishbein, 1975). Ten opzichte van de TRA is de derde determinant, persoonlijke controle, toegevoegd in de TPB. TPB wordt in een breed scala aan onderzoeksdisciplines gebruikt. In de gezondheidswetenschappen wordt dit model het meest toegepast (Godin & Kok, 1996; Norman, Conner, & Bell, 1999; Bohon, Cotter, Kravitz, Cello Jr, & Fernandez y Garcia, 2016), waarbij bijvoorbeeld het gedrag van roken en alcoholconsumptie geanalyseerd wordt of mentale gezondheidspro-blemen als depressie. Voor het voorspellen van gedrag bij sport (Blue, 1995) en specifiek gewichtsverlies (Schifter & Ajzen, 1985) is dit model ook toegepast. Een interessante

Figuur 1: Schematische Representatie Theorie van Gepland Gedrag

toepassing van dit model op het gebied van media is een campagne voor verkeersveilig-heid in Schotland (Stead, Tagg, MacKintosh, & Eadie, 2005). Voor deze campagne is het model van Ajzen als basis gebruikt voor drie reclame spotjes voor de televisie en in de bioscoop. De drie filmpjes zijn ieder apart gericht op ´e´en van de drie determinanten. Uniek aan dit onderzoek is de toepassing van het model op media, in dit geval video, en het gebruik van het model om daadwerkelijk aan te zetten tot gedragsverandering in plaats van enkel voorspelling van gedrag. Voor het veranderen van de attitude van de bestuurder is ingespeeld op uit onderzoek gebleken belangrijkste motivatie van te hard rijden, zoals tijd besparen en het geloof in jezelf om de auto volledig in controle te hebben bij hoge snelheden. Hierbij wordt de bestuurder in het filmpje aangesproken op zijn gedrag door een alter ego van zichzelf. In dit onderzoek zijn dus factoren die invloed hebben op de drie determinanten van het model van Ajzen gekoppeld aan de betreffende determinant. Deze factoren zijn de externe variabelen zoals eerder beschreven.

Dit model van Ajzen geeft antwoord op de eerste deelvraag. De drie factoren die een rol spelen bij gedragsverandering zijn dus de attitude, subjectieve norm en de persoonlijke controle.

2.2. Kenmerken Nieuwsmedia

Gedragsverandering door nieuwsmedia kan volgens dit model dus voortkomen uit een verandering van de drie eerder genoemde determinanten. De kerntaak van nieuwsmedia, informatievoorziening, kan invloed hebben op alle drie de determinanten. In deze sectie zal elke determinant apart besproken worden en zullen kenmerken van nieuwsmedia gekoppeld worden aan de determinanten en daarmee aan gedragsverandering. Het is belangrijk om te benoemen dat dit kenmerken van de mediaorganisaties betreft en niet karakteristieken van een nieuwsbericht zelf. Deze kenmerken zullen de basis zijn voor de typologie¨en van nieuwsmedia en die zullen het antwoord vormen op de tweede deelvraag.

2.2.1. Attitude

De scheidingslijn tussen de determinanten attitude en subjectieve norm lijkt bij toepas-sing van de theorie op nieuwsmedia erg dun. In figuur 1 is dan ook te zien dat attitude en subjectieve norm invloed op elkaar kunnen hebben, aangegeven met een pijl tussen deze twee determinanten. De subjectieve norm wordt voornamelijk bepaald door de me-ningen van anderen, de sociale norm en de sociale druk. De attitude daarentegen is zoals beschreven in sectie 2.1 gericht op het individu. De attitude wordt bepaald door het verwachte effect. Als voorbeeld: bij het stoppen met roken weegt het verwachte effect dat men een paar kilo aankomt zwaarder dan een betere uithoudingsvermogen. Deze effecten worden verwacht doordat het individu ge¨ınformeerd is door naasten of door media. Berichten gepubliceerd door de media kunnen dus ook invloed hebben op de determinant attitude. Hierbij betreft het niet de attitude tegenover het nieuwsmedium, maar de attitude tegenover een nieuwsfeit en een daaruit volgend gedrag. De attitude kan opgesplitst worden in sociale attitude en persoonlijke attitude (Park, 2000). Hierbij heeft sociale attitude een hoge correlatie met de subjectieve norm, omdat deze attitude ook afhangt van meningen van anderen. De persoonlijke attitude daarentegen niet en kan door nieuwsmedia dan ook be¨ınvloed worden door slechts blootgesteld te worden aan nieuws.

Lezers van nieuwsmedia gebruiken vaak meerdere kanalen om aan hun nieuws te ko-men. De helft van de personen die online nieuwsmedia raadplegen, consumeren ook nog offline nieuws (Ahlers, 2006). Dit laat ook zien dat online nieuws niet per definitie een substitutie is van offline nieuws, maar eerder complementerend is. Ook mediaorganisa-ties zelf kunnen via meerdere kanalen hun nieuws verspreiden, ook wel multi-channeling genoemd. De NOS verspreidt bijvoorbeeld haar nieuws via de tv, radio, app’s, website en sociale media en Nu.nl alleen via de app’s, website en sociale media. Door het nieuws over meerdere kanalen te verspreiden is de kans ook aanwezig dat de lezer hetzelfde nieuws meerdere malen, maar in andere vorm, voorgeschoteld krijgt. Een principe dat in de reclamewereld bijvoorbeeld vaak toegepast wordt om een merk naamsbekendheid en een goede reputatie te geven. Herhaling van een reclame kan de voorkeur voor een merk bijvoorbeeld be¨ınvloeden (D’Souza & Rao, 1995). Daarnaast is de combinatie van zowel online als geprint adverteren ook effectiever voor attitude tegenover een merk dan all´e´en online of geprint adverteren (Numberger & Schwaiger, 2003). Hieruit volgt de eerste typologie van nieuwsmedia, onderscheid op basis van de kanalen waarover een medium nieuws verspreidt. De hypothese die hierbij hoort luidt als volgt:

H1A: Nieuwsmedia die hun nieuws verspreiden via meerdere kanalen

hebben meer invloed op gedragsverandering dan nieuwsmedia die via minder kanalen hun nieuws verspreiden.

H10: Nieuwsmedia die hun nieuws verspreiden via meerdere kanalen hebben niet meer

invloed op gedragsverandering dan nieuwsmedia die via minder kanalen hun nieuws verspreiden.

2.2.2. Subjectieve Norm

Deze determinant kan opgesplitst worden in twee bepalende factoren: de mening van anderen en de waarde die door de persoon zelf aan deze meningen gehecht wordt. Een nieuwsartikel kan de lezer inzicht geven in de gedachten en meningen van anderen, dit betreft dus exact de eerste factor. Elk nieuwsmedium zorgt ervoor dat de lezer in aan-raking komt met gedachten van anderen en laat de lezer daarmee een beeld vormen van de subjectieve norm. Hierin is onderscheid te maken tussen diverse nieuwsmedia, zoals politieke voorkeur van de auteur van een artikel. Dit is voornamelijk inhoudelijk voor de nieuwsartikelen en valt dus buiten de scope van dit onderzoek. De tweede factor zoals hier benoemd, de waarde die aan de meningen gehecht wordt, hangt in grote mate af van de organisatie zelf. Geloofwaardigheid van een medium bepaalt bijvoorbeeld deels hoe serieus we een nieuwsbericht van een specifiek medium nemen en welke waarde we dus aan de informatie hechten. Geloofwaardigheid van media is al vaak onderzocht, waarbij ook het onderscheid tussen oude en nieuwe media terug te vinden is (Kiousis, 2001; Abdulla et al., 2002). Geloofwaardigheid wordt hierbij gemeten aan de hand van diverse kenmerken van het medium. Een interessant kenmerk is de motivatie door geld. Het medialandschap in Nederland kent een scheiding tussen publieke en commerci¨ele mediaorganisaties. Het grootste verschil tussen deze twee types is de bron van inkom-sten. De commerci¨ele organisaties die mogelijk afhankelijk zijn van derden zijn daarmee wellicht gevoeliger om door de bril van de sponsor te schrijven en dus niet volledig ob-jectief. Zoals blijkt uit een rondvraag van de NRC worden grote dagbladen in Nederland betaald om een artikel te schrijven over een onderwerp dat bepaald is door de sponsor (Benjamin, 2016). Zo betaald Hertog Jan voor een bijlage over speciaalbier en NH Ho-tels voor een artikel over stedentrips. Voor commerci¨ele nieuwsorganisaties bestaat de verleiding om te schrijven over onderwerpen waarvoor ze geld krijgen, een verleiding die bij de publieke omroep niet bestaat. Dit leidt dan ook tot de tweede typologie met de bijbehorende hypothese:

H2A: Publieke nieuwsmedia hebben meer invloed op gedragsverandering

dan commerci¨ele nieuwsmedia.

H20: Publieke nieuwsmedia hebben niet meer invloed op gedragsverandering dan

commerci¨ele nieuwsmedia.

Naast de inkomsten van het nieuwsmedium is ook een belangrijk kenmerk of de lezer betaalt voor het nieuwsartikel of dat dit gratis te raadplegen is. Uit een onderzoek naar dit verschil blijkt dat artikelen uit betaalde media hogere toegevoegde waarde hebben voor de lezer en unieker zijn doordat deze artikelen niet gemakkelijk ge¨ımiteerd kunnen worden door de concurrentie (Vara-Miguel, Sanjurjo-San Martn, Daz-Espina, et al., 2014). De hogere toegevoegde waarde hangt nauw samen met de factor vertrouwen. Deze factor wordt door Kiousis wordt gemeten als determinant voor geloofwaardigheid en hangt daarmee direct samen met de waarde die gehecht wordt aan het nieuwsbericht van het medium. Een nieuwsmedium waar nieuws gratis gelezen kan worden moet haar

inkomsten ergens anders vandaan halen. Dit kan zijn in de vorm van advertenties, zoals vaak bij commerci¨ele organisaties het geval is. De publieke omroep is hier een uitzondering, omdat deze organisatie gratis nieuws kan leveren en haar inkomsten vanuit de overheid krijgt. Mediaorganisaties die de gebruiker laten betalen kunnen ook deels hun inkomsten krijgen vanuit advertenties en zich daardoor laten sturen in de berichtgeving, maar het feit dat de lezer bereid is om te betalen voor het nieuws, zegt wel iets over het vertrouwen in de organisatie. De ’willingness to pay’ van een persoon hangt namelijk nauw samen met de geloofwaardigheid (Parry & Kawakami, 2015). In dit onderzoek zijn voor geloofwaardigheid ’het vertrouwen in de bron’ en de ’expertise van de bron’ als graadmeter gebruikt. Dit leidt tot de derde typologie, het onderscheid tussen betaalde en gratis media. De hypothese hierbij luidt:

H3A: Nieuwsmedia waarvoor betaald wordt hebben meer invloed op

gedragsverandering dan gratis nieuwsmedia.

H30: Nieuwsmedia waarvoor betaald wordt hebben niet meer invloed op

gedragsverandering dan gratis nieuwsmedia.

Naast kenmerken met betrekking tot geld zijn natuurlijk ook nog andere kenmerken van mediaorganisaties die een onderscheid kunnen maken en mogelijk invloed op ge-dragsverandering hebben. Een kenmerk dat vaak aan nieuwe media gekoppeld wordt, is de ondersteuning van interactie met de lezer. Dit kan op diverse manieren, zoals het mogelijk maken van reageren op of het delen van nieuwsberichten. De assumptie dat dit een onderscheidend kenmerk is van nieuwe media is echter vals, omdat ook traditionele media tegenwoordig deze mogelijkheden hebben. Alleen al doordat de meeste nieuws-media hun artikelen zelf delen op sociale nieuws-media als Facebook en Twitter ontstaat er de mogelijkheid tot interactie. Dit stelt de lezer in staat zijn of haar mening te uiten en dialogen met andere lezers en de redactie te vormen. Dit kan een aanvulling zijn op het nieuwsartikel zelf en kan daardoor de beschrijving van het nieuwsfeit completer maken. De vierde typologie maakt dan ook onderscheid tussen nieuwsmedia op basis van de interactie mogelijkheden die het medium biedt. De vierde hypothese luidt als volgt:

H4A: Nieuwsmedia die interactie tussen lezers en de auteur faciliteren

hebben meer invloed op gedragsverandering dan nieuwsmedia die geen interactie faciliteren.

H40: Nieuwsmedia die interactie tussen lezers en de auteur faciliteren hebben niet meer

invloed op gedragsverandering dan nieuwsmedia die geen interactie faciliteren.

2.2.3. Persoonlijke Controle

De derde determinant uit de theorie van Ajzen is zeer sterk afhankelijk van eigenschappen van de persoon waarop het model wordt toegepast. De persoonlijke controle wordt

bepaald door het zelfvertrouwen van de persoon, in welke mate hij of zij gelooft in de mogelijkheid om een bepaald gedrag te vertonen. Deel hiervan is ook of hij of zij barri`eres ziet om een bepaald gedrag te vertonen. Artikelen van nieuwsmedia kunnen natuurlijk barri`eres weg relativeren met argumenten of de persoon motiveren en dus tot een verandering van de determinant leiden. Dit kan echter van persoon tot persoon sterk verschillen en hangt in sterke mate samen met psychologische verwerking van de informatie. Daarom is gekozen om deze determinant niet in dit onderzoek mee te nemen.

Figuur 2: Schematische representatie van de kenmerken gekoppeld aan het TPB-model. In deze sectie is de tweede deelvraag nu beantwoord met vier typologie¨en van nieuws-media. De hierbij horende kenmerken zijn gekoppeld aan twee determinanten van de Theory of Planned Behavior. In figuur 2 is hiervan een schematische weergave te zien. Naast deze vier kenmerken zijn mogelijk nog meer kenmerken die invloed kunnen hebben op de attitude of subjectieve norm, met als gevolg meer typologie¨en van nieuwsmedia. Voor de grootte van dit onderzoek is het niet mogelijk om alle kenmerken in kaart te brengen. In de volgende sectie zullen de opgestelde hypothesen door middel van een case study getest worden en zal antwoord gegeven worden op de derde deelvraag.

3. Case study

De hypothesen uit de vorige sectie zullen in deze case study getoetst worden door Ne-derlandse mediabedrijven die voldoen aan de benoemde kenmerken te vergelijken. Dit zal leiden tot het antwoord op de derde deelvraag. Hiervoor zullen nieuwsberichten van deze media over bedrijven die opgenomen zijn in de Amsterdam Small Cap Index (AScX) gebruikt worden om te kijken wat de impact is op het aandeel van het desbetreffende bedrijf. Hierbij is het kopen of verkopen van aandelen de gedragsverandering die het gevolg is van een nieuwsartikel over een bedrijf. Naar de invloed van nieuws op aande-len is al veel onderzoek gedaan. Hierbij wordt naar de invloed op zowel lange termijn (Chan, 2003), als korte termijn (Gidofalvi & Elkan, 2001; Tetlock, 2007; Antweiler & Frank, 2004) gekeken. Ook wordt de invloed op het aandeel op verschillende manieren gemeten, zoals de beweging van de koers (volatiliteit) en het aantal verhandelde aande-len. Verschillende onderzoeken tonen dan ook aan dat nieuwsmedia invloed hebben op de handel in aandelen van bedrijven of een financi¨ele index en zelf ook als voorspellende waarde kunnen dienen.

Eerst zal het medialandschap in Nederland geschetst worden en de mediaorganisaties gekenmerkt worden. Dan volgt een korte beschrijving van de AScX en de bedrijven die gebruikt worden in dit onderzoek, gevolgd door de methode en resultaten.

3.1. Medialandschap Nederland

Het Nederlandse medialandschap voor nieuws is zeer divers. E´en van de belangrijk-ste scheidingen die gemaakt kan worden is tussen de publieke omroep en commerci¨ele nieuwsorganisaties, zoals eerder benoemd. Het verschil kenmerkt de financiering van de organisatie. De publieke omroep ontvangt inkomsten van het rijk (Van Batenburg, en Bedrijfskunde, & Velzing, 2011). Dit in tegenstelling tot de commerci¨ele organisaties die inkomsten genereren uit onder andere advertenties en het verkopen van abonne-menten (Kind, Nilssen, & Sørgard, 2009). Deze commerci¨ele bedrijven zijn verenigd in de brancheorganisatie NDP Nieuwsmedia. Zij maken onderscheid tussen de volgende verschillende kanalen waarover de nieuwsmedia publiceren:

1. Krant 2. Nieuwssite 3. Nieuws-app 4. Nieuws-tv 5. Nieuwsradio 6. Persbureau

Deze kanalen zullen in dit onderzoek voor de beantwoording van hypothese 1 gehan-teerd worden. E´en nieuwsbedrijf kan onder meerdere merken nieuws publiceren. Tien dagbladuitgeverijen in Nederland geven gezamenlijk bijvoorbeeld 29 zelfstandige dagbla-den en dagbladsites uit1_{. In dit onderzoek worden deze zelfstandige merken onderling}

vergeleken. De meeste nieuwsmedia die gebruikt worden in deze case study zijn

men in de academische dataset van Lexis Nexis2. Hierbij is gekozen om enkel landelijke nieuwsmedia op te nemen en geen lokale partijen. Hiervoor is gekozen om lokale bias, doordat in een bepaalde regio bijvoorbeeld meer over een regionaal bedrijf geschreven wordt, te voorkomen. Dit onderzoek is afhankelijk van data uit de Lexis Nexis database en daarom zijn enkel de media die in deze database opgenomen zijn meegenomen in dit onderzoek. Voor hypothese 2 is echter ook een publiek medium nodig. Er is gekozen om artikelen van de NOS, die niet opgenomen is in deze database, te gebruiken. Deze data is dan ook apart verzameld. Het Algemeen Nederlands Persbureau (ANP) is niet opge-nomen in dit onderzoek omdat deze bron niet direct door de consument geraadpleegd wordt. Hiermee vervalt dus ook het zesde kanaal uit de eerder genoemde opsomming.

Naast het eerder genoemde onderscheid tussen publieke omroep en commerci¨ele bedrij-ven, is ook het onderscheid tussen betaald en gratis te maken. Niet alle nieuwsbronnen zijn volledig betaald of volledig gratis voor de gebruiker. Veel nieuwsbedrijven die de oorsprong hebben in gedrukte kranten, zoals Het Parool en De Telegraaf, hanteren een mix van betaalde en gratis artikelen. Het Parool heeft bijvoorbeeld een betaalde ge-drukte krant, maar online is een deel van de artikelen gratis te lezen en een deel betaald. In deze gevallen wordt het nieuws vaak eerst gepubliceerd in de betaalde omgeving en later in de gratis omgeving, of is het gratis artikel minder uitgebreid. In dit onderzoek worden deze nieuwsbronnen gekenmerkt als ’betaald’, alleen bronnen zoals Nu.nl die volledig gratis zijn zullen het kenmerk ’gratis’ krijgen. De eerste drie kenmerken, aantal kanalen, commercieel/publiek en betaald/gratis, zijn opgenomen in tabellen 1 en 2.

Medium Kanalen Aantal

Algemeen Dagblad Krant, Site, App 3

De Telegraaf Krant, Site, App 3

Volkskrant Krant, Site, App 3

Het Parool Krant, Site, App 3

Nationale Omroep Stichting (NOS) Site, App, Televisie, Radio 4

NRC Handelsblad Krant, Site, App 3

Nu.nl Site, App 2

Tabel 1: Gebruikte kanalen mediaorganisaties Nederland

Medium Commercieel/ Publiek Betaald/

Gratis

Algemeen Dagblad Commercieel Betaald

De Telegraaf Commercieel Betaald

Volkskrant Commercieel Betaald

Het Parool Commercieel Betaald

Nationale Omroep Stichting (NOS) Publiek Gratis

NRC Handelsblad Commercieel Betaald

Nu.nl Commercieel Gratis

Tabel 2: Kenmerken mediaorganisaties Nederland

Tot slot is het kenmerk interactie belangrijk om te defini¨eren voor hypothese 4. Zoals in sectie 2.2.2 al benoemd is, kan interactie met de lezer op diverse manieren bereikt worden. Elk medium heeft de mogelijkheid om een e-mail of tekstbericht te ontvangen van een gebruiker. Daarnaast biedt een website of app bijvoorbeeld de mogelijkheid tot reageren en daarmee interactie, zowel tussen de lezer en de redactie als tussen lezers onderling. Ook is de mogelijkheid aanwezig om artikelen te delen via sociale media. In dat geval faciliteert het sociale medium een platform voor interactie met de gebruikers. In tabel 3 vindt u een overzicht van de mogelijkheden tot interactie per nieuwsmedium. Hierbij is onderscheid gemaakt tussen een reactiesysteem op de eigen website, het gebruik van sociale media en het faciliteren van offline reageren (via bijvoorbeeld post) op artikelen.

Medium Online Re-actie sys-teem Gebruik Sociaal Media Offline Re-actie Sys-teem Ja/Nee

Algemeen Dagblad Nee Ja Ja 2/1

De Telegraaf Ja

(be-perkt)

Ja Ja 3/0

De Volkskrant Nee Ja Nee 1/2

Het Parool Ja

(be-perkt)

Ja Ja 3/0

Nationale Omroep Stichting (NOS) Nee Ja Nee 1/2

NRC Handelsblad Nee Ja Ja 2/1

Nu.nl Ja (tot

12/09/16)

Ja Nee 2/1

Tabel 3: Kenmerken mediaorganisaties Nederland

3.2. Hypothesen

Met behulp van deze kenmerken kunnen de vier hypothesen concreet op verschillende nieuwsmedia toegepast worden. Voor hypothese 1 geldt dat de NOS die haar nieuws via vier kanalen verspreidt een grotere impact heeft dan de andere nieuwsmedia die drie of twee kanalen gebruiken. Nu.nl gebruikt slechts twee kanalen en zal dus het minst impact hebben. Volgens hypothese 2 heeft NOS wederom de grootste impact omdat dit een publiek medium is en alle andere media commercie¨el. De derde hypothese stelt dat het NRC, De Volkskrant, De Telegraaf, Het Parool en het Algemeen Dagblad meer impact hebben dan de NOS en Nu.nl, omdat deze media betaald zijn. Tot slot stelt hypothese 4 dat media die meer interactie faciliteren, meer impact hebben. In tabel 3 is te zien dat De Telegraaf en Het Parool de meeste mogelijkheden tot interactie bieden. Elk

medium maakt echter gebruik van sociale media en dus kan het onderscheidend effect van het gebruik van sociale media niet gemeten worden. De NOS en De Volkskrant hebben slechts ´e´en mogelijkheid tot interactie en zullen dan ook volgens de hypothese minder impact hebben.

3.3. De Amsterdam Small Cap Index

De Nederlandse effectenbeurs is de plek in Nederland waar effecten als aandelen en obli-gaties verhandeld worden. Voor aandelen zijn drie grote graadmeters op deze beurs: de Amsterdam Exchange Index (AEX), Amsterdam Midkap Index (AMX) en de Am-sterdam Small Cap Index (AScX). De vijfenzeventig grootste aandelenfondsen op de Nederlandse beurs zijn opgenomen in deze drie indexen, respectievelijk omvatten de in-dexen de nummers 1 t/m 25, 26 t/m 50 en 51 t/m 75. De AScX bevat bedrijven als Basic-Fit, Beter Bed Holding, Telegraaf Media Groep (TMG) en Accell Group. Dit zijn veelal bedrijven die voornamelijk in Nederland opereren en daarom ook voornamelijk in Nederland in het nieuws komen. In dit onderzoek wordt een dataset van Nederlandstalig nieuws van Nederlandse nieuwsmedia gebruikt. Daarom is gekozen om daarbij aandelen van kleinere bedrijven op de Nederlandse beurs te gebruiken. Hiermee wordt voorko-men dat belangrijk nieuws dat wellicht van invloed is op het handelsgedrag van een beurshandelaar niet meegenomen wordt omdat dit in buitenlandse media gepubliceerd is.

In dit onderzoek is de samenstelling van de AScX van mei 2017 gebruikt, te vinden in bijlage A. Slechts 7 van de 25 bedrijven uit de AScX zijn meegenomen in dit onderzoek. Hiervoor is gekozen om twee redenen. Ten eerste wordt over enkele bedrijven niet tot nauwelijks geschreven in de media. Een voorbeeld is Kendrion. Dit bedrijf is actief in de auto-onderdelen industrie, maar kent bijna geen media aandacht. De tweede reden om bedrijven niet mee te nemen in dit onderzoek is de naam van het bedrijf in combinatie met de slechte zoekfunctie op de website van de NOS. Een zoekterm als Basic-Fit geeft namelijk resultaten van artikelen die de woorden ’basic’ en ’fit’ bevatten. Deze artikelen gaan inhoudelijk niet over het bedrijf en zouden voor verkeerde resultaten kunnen zorgen. Hetzelfde geldt voor bedrijven als Beter Bed Holding, Brunel International en Kas Bank. De zoekfunctie van de Lexis Nexis database geeft daarentegen geen resultaten gebaseerd op losse woorden, maar op de combinatie. Tot slot is TMG niet meegenomen in dit onderzoek. Dit is het bedrijf dat onder andere De Telegraaf uitgeeft, ´e´en van de media die in dit onderzoek meegenomen is. Hiervoor is gekozen om een mogelijke bias door oneerlijke berichtgeving door een ander medium te voorkomen. De volgende bedrijven zijn opgenomen in dit onderzoek:

• Accell Group • Binck Bank • ForFarmers • Heijmans • Van Lanschot • Ordina • SIF Holding

3.4. Methode

De periode waarover nieuwsartikelen verzameld zijn in dit onderzoek is bepaald aan de hand van de economische situatie. Om mogelijk effect van de nasleep van de krediet-crisis / economische krediet-crisis te minimaliseren is gekozen om artikelen te verzamelen vanaf 1 januari 2013. De artikelen zijn verzameld tot en met 23 juni 2017, het moment van dataverzameling. Op feestdagen, als nieuwjaarsdag, en in het weekend is de Amster-damse Beurs gesloten en wordt er dus ook niet gehandeld in de aandelen. Artikelen die gepubliceerd zijn op een dag dat de beurs gesloten is, zijn dan ook niet opgenomen in de analyse. In totaal is in de eerder genoemde periode op 1145 dagen gehandeld. Twee bedrijven zijn echter later dan 1 janurari 2013 op de beurs genoteerd. ForFarmers is in deze periode 280 dagen actief geweest op de beurs en SIF Holding 288 dagen. In deze sectie wordt de verzameling, verwerking en analyse van de data toegelicht.

3.4.1. Dataverzameling

In dit onderzoek is gebruik gemaakt van diverse datasets. Voor de gegevens van alle aandelen per dag is gebruik gemaakt van de data van Euronext. Dit is een Europese beursmaatschappij waar de Amsterdamse beurs onder valt. Elk aandeel heeft een ei-gen pagina op de website van Euronext waar zowel de actuele gegevens als historische data opgevraagd kan worden (voorbeeld Heijmans3). In het vak ’Price Chart’ onder de tab ’View Data’ kan gekozen worden voor de optie ’Historical’. Vervolgens kan een periode geselecteerd worden, in dit geval ’01/01/2013’ tot en met ’23/06/2017’, en dit wordt bevestigd met klikken op ’Refresh’. Voor het downloaden zijn de standaard opties gebruikt: Formaat: csv, Layout: Vertical, Decimale Seperator: ’.’ , Datumformaat: day/month/year. Het bestand bevat voor elke dag in de geselecteerde periode een rij met de volgende gegevens:

• Opening koers • Hoogste koers • Laagste koers • Sluiting koers

• Aantal verhandelde aandelen

• Aantal transacties • Omzet

• ISIN • MIC • Valuta

Voor het verkrijgen van het grootste gedeelte van de nieuwsartikelen is gebruik ge-maakt van de Lexis Nexis Academic database. De portal van deze database biedt diverse zoekfuncties. In dit onderzoek is gebruik gemaakt van de functie ’Al het nieuws’ die te vinden is in het vak ’Doorzoek het nieuws’. Als zoekterm is de volledige naam van het bedrijf gebruikt zonder de termen ’Group’, ’Holding’ en ’Van’. Verder is een filter toe-gepast op de datum (alle artikelen na 01/01/2013) en soort bron (alle Nederlandstalige

bronnen). Bij download opties is gekozen voor ’uitgebreide lijst’ en bij formaat opties voor ’Excel’ voor een csv bestand. Het downloaden van deze data duurt enkele minuten. De nieuwsartikelen van de NOS zijn echter niet opgenomen in deze dataset. Voor het verzamelen van deze data is de website van de NOS geraadpleegd. Met behulp van een scraper extentie voor de browser Google Chrome4 zijn de artikelen van deze website ver-zameld. Via de zoekfunctie op de NOS site is op de naam van het bedrijf gezocht. Van de resultaten zijn vervolgens voor elk artikel de titel en de datum gescraped. Ook hierbij is de data in een csv formaat opgeslagen. Na het downloaden is nog gecontroleerd of de ar-tikelen daadwerkelijk inhoudelijk over het bedrijf gaan. De zoekterm ’Heijmans’ leverde bijvoorbeeld ook artikelen op over de burgemeester van Weesp die dezelfde naam draagt als het bouwbedrijf. Deze resultaten zijn handmatig uit het csv bestand verwijderd.

De nieuwsartikelen gepubliceerd door Nu.nl zijn niet allemaal opgenomen in de Lexis Nexis database. Daarom is gekozen om ook deze artikelen van de website te scrapen. De tool die gebruikt is voor de NOS site werkte echter niet voor de Nu.nl site. Hiervoor is dan ook gebruik gemaakt van de tool Dexi5. Met een proefaccount kan 60 minuten gratis gescraped worden. Wederom wordt de zoekfunctie van de website gebruikt om de artikelen van de bedrijven in een overzicht te krijgen. Voor Nu.nl zijn de standaard instellingen van het type ’Extractor’ in deze tool gebruikt. Het is van belang om bij deze website mee te nemen dat de cookie melding vooraf aan het scrapen weg geklikt moet worden, omdat anders de resultaten niet geladen worden. In tegenstelling tot de NOS website, worden de resultaten van Nu.nl over verschillende pagina’s weergegeven. Dexi biedt de mogelijkheid om automatisch alle pagina’s te doorlopen. Belangrijk is om rekening te houden dat de knop ’vorige’ in de pagina-navigatie pas zichtbaar wordt vanaf de tweede pagina. Om de scraper goed door de pagina’s te leiden zal dan ook de ’volgende’ knop geselecteerd moeten worden met ’text contains(’volgende’)’ in plaats van een element op rangnummer in de navigatiebalk te selecteren.

3.4.2. Dataverwerking

Voor het verwerken van de data is gebruik gemaakt van de IPython Notebook omgeving en de Pandas module voor Python. Met behulp van deze omgeving en module kunnen grote hoeveelheden data verwerkt en inzichtelijk gemaakt worden. De Pandas module kan gemakkelijk een csv bestand inlezen en omzetten in een dataframe. Allereerst is de data van de aandelen verwerkt, vervolgens nieuwsdata van de Lexis Nexis database en de NOS en Nu.nl. Deze data wordt vervolgens samengevoegd in ´e´en dataframe waaruit de resultaten gehaald kunnen worden.

De data over een aandeel is per aandeel opgeslagen in een csv bestand. Bij het inladen van de data worden de eerste drie rijen die titels bevatten niet ingelezen. Vervolgens wordt eerst de datum voor elke rij omgezet in het formaat ’yyyy-mm-dd’ en wordt de datum als index van de rij geselecteerd. Naast alle kolommen zoals beschreven in de vorige sectie, wordt een extra kolom toegevoegd met het verschil tussen de opening en sluiting koers (Verschil = Sluiting - Opening). De kolommen ’ISIN’, ’MIC’ en ’Currency’

4

http://webscraper.io/

bevatten respectievelijk een unieke code voor het aandel, naam van de beurs en de valuta. Deze informatie is voor dit onderzoek niet van belang en deze kolommen worden dan ook verwijderd. Een voorbeeld van het dataframe na deze aanpassingen is te zien in figuur 3.

Figuur 3: Dataframe met data over het aandeel Heijmans.

Nieuwsdata verkregen via Lexis Nexis wordt na het inladen allereerst ge¨ındexeerd met een rangnummer op volgorde zoals de data gedownload is. Dit is nodig voor de verdere verwerking van de data. Vervolgens worden alleen de rijen in het dataframe behouden die een artikel beschrijven van een medium dat opgenomen is in dit onderzoek. Ook in dit dataframe worden de datums omgezet in het formaat ’yyyy-mm-dd’. Het dataframe beschrijft nu op elke rij een nieuwsartikel met gegevens als datum, titel, medium en extra informatie. De dataset bevat sommige artikelen meerdere malen. Deze worden gefilterd door van de rijen waarbij de titel, het medium en de datum hetzelfde zijn, slechts ´e´en rij te behouden. Hiervoor is de volgende regel Python code gebruikt:

n e w s d f = n e w s d f . d r o p d u p l i c a t e s ( [ ’PUBLICATION ’ , ’DATE ’ , ’HEADLINE ’ ] , keep= ’ f i r s t ’ )

Deze vorm wordt vervolgens omgezet in een dataframe waarbij elke rij een datum als index heeft en elke kolom een medium representeert. Indien op de datum artikelen zijn gepubliceerd over het specifieke bedrijf, wordt het aantal artikelen in de juiste kolom opgenomen. Als er geen artikel is gepubliceerd is er geen waarde, weergegeven als ’NaN’. Zie figuur 4.

De data van nieuwsartikelen van de NOS en Nu.nl zijn apart gedownload en dus ook opgeslagen in een apart csv bestand. Deze data wordt tot hetzelfde formaat verwerkt als de andere data. Extra is de filtering op datum, omdat de scraper ook artikelen heeft meegenomen die voor 2013 gepubliceerd zijn. Vervolgens wordt aan het dataframe, zoals te zien is in figuur 4, een extra kolom voor de NOS en Nu.nl toegevoegd.

Voor de analyse zijn allereerst de twee dataframes, aandelen data en nieuws data, samengevoegd. Hiervoor is gebruik gemaakt van een ’outer join’ met behulp van de volgende regel Python code:

d f f u l l = pd . c o n c a t ( [ s t o c k d f , n e w s d f ] , a x i s =1)

In deze dataframes zijn voor het samenvoegen alle kolommen aan de hand van de volgende formule genormaliseerd. Hierbij is x de waarde in een cel:

1/max(x) ∗ x

Deze normalisatie is nodig voor een eventuele visualisatie van de data in de vorm van een grafiek. Alle waarden liggen nu tussen de -1 en 1. Het nieuwe dataframe representeert nu op elke regel een datum met de bijbehorende informatie over een aandeel en per medium het (genormaliseerde) aantal gepubliceerde artikelen. Dit dataframe bevat nu enkele regels met een datum waarop wel een artikel gepubliceerd is door minstens ´e´en van de media, maar waarbij geen cijfers voor de aandelen bekend zijn. Deze dagen vallen op een zaterdag, zondag of feestdag. Op deze dagen is de beurs gesloten en is handel in de aandelen dan ook niet mogelijk. De artikelen die op deze dagen gepubliceerd zijn, kunnen op de dag zelf nooit impact hebben op het aandeel van het bedrijf. Daarom is, zoals eerder beschreven, gekozen om deze rijen te verwijderen uit het dataframe. Deze zijn uit het dataframe gefilterd met de volgende regel Python code:

d f f u l l = d f f u l l [ np . i s n a n ( d f f u l l [ ’ Open ’ ] ) == F a l s e ]

Op ´e´en dag kan het voorkomen dat meerdere media gepubliceerd hebben over hetzelfde bedrijf. In dit onderzoek wordt geen onderscheid gemaakt tussen de impact van de diverse media op ´e´en dag. Alle artikelen op ´e´en dag hebben dus allemaal wel of allemaal geen impact. Het dataframe zoals gebruikt voor de analyse is te zien in figuur 5.

Figuur 5: Dataframe met zowel aandeel data als nieuwsdata over het bedrijf Heijmans.

3.4.3. Analyse

De impact van een nieuwsbericht op de beurskoers kan op verschillende manieren be-rekend worden. In dit onderzoek zijn vier verschillende variabelen gebruikt voor vier

verschillende berekeningen: • Aantal transacties

• Verschil tussen opening en sluiting koers • Omzet

• Aantal verhandelde aandelen

Voor elk van deze berekeningen geldt dat de variabel wordt vergeleken met het ge-middelde van deze variabel over de gehele periode. Indien de waarde van het variabel op een dag van publicatie hoger is dan het gemiddelde, wordt dit beschouwd als een artikel met impact. Het aantal dagen dat een artikel gepubliceerd wordt met impact, wordt vervolgens afgezet tegen het totaal aantal dagen waarop artikelen over het bedrijf gepubliceerd zijn. Dit wordt weergegeven in een percentage:

Impact medium = Aantal dagen met artikelen met impact

Totaal aantal dagen met artikelen ∗ 100%

Een voorbeeld: Een medium heeft op 20 dagen in de gehele periode artikelen gepu-bliceerd over bedrijf X. Op 15 van deze dagen, is het aantal transacties hoger dan het gemiddeld aantal transacties per dag over de gehele periode. De impact van het medium is dan 15 / 20 * 100% = 75%. Het verschil tussen opening en sluiting koers kan natuurlijk ook negatief zijn. Hierbij wordt dan ook enkel gekeken naar het daadwerkelijke verschil en niet of dit een positieve of negatieve waarde is. Vervolgens wordt voor elk medium de gemiddelde impact berekend over alle bedrijven. Op basis van deze gemiddelden kunnen de media onderling vergeleken worden. Voor het toetsen van de hypothesen wordt de totale data gebruikt over de testperiode en daarom zal geen gebruik gemaakt worden van een statistische toets.

Van enkele media is over een bedrijf (na de eerdere filtering) slechts ´e´en artikel over. Dit artikel kan wel of geen impact hebben en kan dus enkel voor een 0% of 100% im-pact score zorgen. In de analyse worden deze combinaties van medium en bedrijf niet meegenomen en tellen dus ook niet mee voor het gemiddelde van het medium. Hiervoor is gekozen omdat deze percentages voor een vertekend beeld kunnen zorgen van het ge-middelde over de zeven bedrijven. In figuur 6 is het aantal artikelen per medium per bedrijf na het toepassen van de filters te zien. Voor het weergeven van de bedrijven is gebruik gemaakt van de offici¨ele afkorting van Euronext, deze zijn ook terug te vinden in bijlage A.

3.5. Resultaten

In deze sectie zullen de resultaten weergegeven en toegelicht worden. In de volgende sectie zullen vervolgens de hypothesen getoetst worden en daarmee de derde deelvraag beantwoord worden. De resultaten van het data onderzoek zijn weergegeven in vier ta-bellen. In figuur 7 is de impact te zien op het aantal transacties van het betreffende

Figuur 6: Aantal artikelen per medium per bedrijf.

aandeel. Hierbij is een hoogste score van 67,03% te zien bij het NRC Handelsblad. Dit betekent dat gemiddeld op 67,03% van de dagen dat dit medium een artikel publi-ceerde over ´e´en van deze bedrijven, meer transacties van dit aandeel plaatsvonden dan gemiddeld over de gehele periode. De NOS scoort het laagst met 40,68%. Opvallend hierbij is tweemaal een impact percentage van 0,0% voor de artikelen van Binck Bank en ForFarmers en een percentage van 100,0% voor artikelen over Ordina.

Figuur 7: Impact medium op aantal transacties aandeel als percentage.

De impact op het prijsverschil van het aandeel op een dag is te zien in figuur 8. Alle media scoren hierbij opvallend hoog in vergelijking met de andere drie impact metingen. Voor de bedrijven Binck Bank, Ordina, Heijmans en Sif Group is een 100,0% impact percentage voor elk medium dat minstens twee artikelen gepubliceerd heeft over deze bedrijven. Ook op alle dagen waarop de 83 artikelen over Ordina die door De Telegraaf gepubliceerd zijn, is het prijsverschil tussen opening en sluiting koers groter dan het gemiddelde prijsverschil over de gehele periode.

Omzet is de derde factor die de impact op een aandeel beschrijft. Hierbij is wederom te zien dat het NRC Handelsblad met een percentage van 65,70% het hoogste scoort en de NOS met 40,94% het laagst, zie figuur 9.

Tot slot is de impact op het aantal verhandelde aandelen berekend, zie figuur 10. We-derom scoort de NOS hier het laagst met 41,30% en het NRC Handelsblad het hoogst met 66,59%. De gemiddelde percentages van impact op de omzet en het aantal verhan-delde aandelen komen redelijk overeen voor meerdere media: AD (54,35% en 54,35%),

Figuur 8: Impact medium op prijsverschil aandeel als percentage.

Figuur 9: Impact medium op omzet aandeel als percentage.

Het Parool (50,76% en 50,76%), NRC Handelsblad (65,70% en 66,59%), NOS (40,94% en 41,30%) en Nu.nl (49,19% en 50,54%). Deze overeenkomst is niet te zien tussen ener-zijds de impact op de omzet en het aantal verhandelde aandelen en anderener-zijds het aantal transacties en het prijsverschil.

Figuur 10: Impact medium op aantal verhandelde aandelen als percentage. Opvallend in de resultaten is de hoge score van het NRC Handelsblad. Bij zowel het aantal transacties (67,03%), de omzet (65,70%) en het aantal verhandelde aande-len (66,59%) heeft het NRC Handelsblad het hoogste gemiddelde percentage. Bij het prijsverschil scoort het NRC Handelsblad met 97,70% net onder De Volkskrant (97,87%).

3.6. Hypothese toetsing

Voor elk van de vier genoemde kenmerken in de literatuurstudie is een hypothese opge-steld. Deze zijn in de case study getoetst. Met het toetsen van de hypothesen wordt antwoord gegeven op de derde deelvraag. De eerste hypothese stelt dat een medium dat het nieuws over meerdere kanalen verspreidt, meer invloed zal hebben op gedrags-verandering van de lezer en dus meer impact op het aandeel. De NOS, die nieuws over vier kanalen verspreidt, heeft gemiddeld de laagste impact van alle media op het aan-tal transacties (40,68%), omzet (40,94%) en aanaan-tal verhandelde aandelen (41,30%). De media die via drie of twee kanalen publiceren, alle andere media dus, hebben bij deze drie metingen gemiddeld een hoger percentage voor impact. Ook zou volgens deze hy-pothese Nu.nl, die slechts via twee kanalen publiceert, het minste impact hebben. Voor het aantal transacties heeft Nu.nl een gemiddeld percentage van 54,70%, hoger dan De Telegraaf, NOS en De Volkskrant. Ook bij de andere metingen heeft Nu.nl een hoger gemiddeld percentage dan minstens twee andere media. Op basis van deze resultaten zal de nulhypothese (H10) niet verworpen worden.

Volgens de tweede hypothese, die stelt dat publieke media meer invloed hebben op gedragsverandering dan commercie¨ele media, zou de NOS meer impact hebben dan alle andere media die zijn opgenomen in dit onderzoek. Op basis van de genoemde resultaten in de vorige alinea zal ook deze nulhypothese (H20) niet verworpen worden.

De derde hypothese stelt dat betaalde media meer invloed heeft op gedragsverandering dan gratis media. Dit zou betekenen dat NOS een Nu.nl een lagere impact hebben dan de andere media. Zoals eerder benoemd heeft de NOS bij drie van de vier metingen het laagste gemiddelde percentage. Nu.nl scoort echter niet lager dan de betaalde media. Bij geen van de vier metingen heeft Nu.nl het laagste gemiddelde percentage als NOS buiten beschouwing wordt gelaten. De derde nulhypothese (H30) wordt dus niet verworpen.

Hypothese 4 stelt dat media die meer interactie faciliteren met hun lezer, meer invloed hebben dan media die dit in mindere mate faciliteren. Het Parool en De Telegraaf zouden op basis van de kenmerken in tabel 3 meer impact moeten hebben op de aandelen dan de NOS en De Volkskrant. Het gemiddelde percentage van De Telegraaf en Het Parool is bij de metingen van het aantal transacties, omzet en aantal verhandelde aandelen groter dan de gemiddelde percentages van de NOS en De Volkskrant. Alleen bij de meting van het prijsverschil is een hoger gemiddeld percentage van zowel de NOS (97,25%) en De Volkskrant (97,87%) te zien ten opzichte van De Telegraaf (95,86%) en Het Parool (84,67%). Op basis van het feit dat in drie van de vier metingen de media met meer mogelijkheid tot interactie hogere impact percentages hebben, zal de vierde nulhypothese verworpen worden (H40) en zal de alternatieve hypothese aangenomen worden (H4A).

4. Conclusie

Het literatuuronderzoek heeft antwoord gegeven op de eerste twee deelvragen. Het ant-woord op de eerste deelvraag geeft drie determinanten die een rol spelen bij gedragsver-andering, namelijk: attitude, subjectieve norm en persoonlijke controle. Aan deze de-terminanten zijn door middel van literatuuronderzoek vier kenmerken van nieuwsmedia gekoppeld. Deze vier kenmerken leiden tot een onderscheid tussen diverse nieuwsmedia, de vier typologie¨en. Dit geeft antwoord op de tweede deelvraag. Het aantal kanalen waarover gepubliceerd wordt heeft via de attitude van de lezer invloed op de intentie en daarmee gedragsverandering. De kenmerken commercie¨el/publiek, betaald/gratis en de mogelijkheid tot interactie hebben invloed op de subjectieve norm die de lezer ervaart en daarmee op de intentie en dus gedragsverandering. Deze vier typologie¨en zijn de basis voor de vier hypothesen die in de case study getoetst zijn.

De derde deelvraag wordt beantwoord in de case study. De resultaten laten zien dat het kenmerk ’interactie’ in de testperiode invloed heeft op gedragsverandering en onder-bouwt daarmee de theorie uit het literatuuronderzoek. De case study geeft echter geen onderbouwing voor de andere drie hypothesen. Publieke media hebben niet meer in-vloed op gedragsverandering, evenals betaalde media en media die via meerdere kanalen publiceren. Specifiek voor de case study laten de resultaten zien dat de impact op het prijsverschil van een aandeel van elk medium hoog is. Voor handelaren op de beurs die streven naar winst maken door aandelen te kopen en verkopen, betekent dit dat zij op een dag dat een artikel gepubliceerd wordt, ongeacht het medium, een hoger prijsverschil van de koers kunnen verwachten dan gemiddeld. Door op de juiste momenten op die dag te handelen, kan de handelaar in theorie meer winst of verlies maken dan op dagen dat niet gepubliceerd wordt. De artikelen die door media die meer interactie faciliteren gepubliceerd worden, hebben zoals benoemd meer impact op het aantal transacties, de omzet en aantal verhandelde aandelen. Deze impact zal voornamelijk interessant zijn voor het bedrijf en de beurs zelf.

Met de antwoorden op de drie deelvragen met behulp van literatuur en de case study kan de hoofdvraag van dit onderzoek beantwoord worden. De mate waarin de moge-lijkheid tot interactie met de redactie van een medium gefaciliteerd wordt heeft in de testperiode invloed op de subjectieve norm van de lezer en daarmee op de gedragsver-andering van een persoon. Hierbij geldt dat als een medium meer mogelijkheden tot interactie faciliteert, het medium meer invloed heeft. Dit kenmerk verklaart verschil in invloed van nieuwsmedia op gedragsverandering van de lezer.

5. Discussie

Dit onderzoek heeft een sterke basis dat gelegd is met het literatuur onderzoek. Het model van Ajzen is een veel gebruikt model in diverse vakgebieden en biedt een goed uitgangspunt voor de koppeling van kenmerken van nieuwsmedia aan gedragsverande-ring. Bij de dataverwerking is rekening gehouden met het voorkomen van onbetrouwbare resultaten door filters toe te passen op de data. De dagen waarop de beurs gesloten is zijn niet meegenomen in de analyse, net als dubbele artikelen die in de verschillende datasets zijn opgenomen. Ook is ervoor gekozen voor economische rustige periode om eventuele invloed van de economische crisis op de resultaten te voorkomen. De artikelen van de verschillende media zijn na het inlezen op dezelfde manier verwerkt en de resul-taten per bedrijf zijn door hetzelfde script berekend. Natuurlijk zijn er ook een aantal punten die in vervolgonderzoek meer aandacht kunnen krijgen. In deze sectie zullen de implicaties van dit onderzoek en deze punten behandeld worden.

5.1. Implicaties

In dit onderzoek is gezocht naar factoren die de invloed van nieuwsmedia op gedragsver-andering van de lezer verklaren. Deze gevonden factoren in de vorm van kenmerken en de daaruit volgende typologie¨en van nieuwsmedia kunnen interessant zijn voor de con-sument. Deze kan dit meenemen in de overweging welke media hij of zij wilt gebruiken voor het volgen van nieuws. Voor bedrijven en overheden is dit wellicht nog veel inte-ressanter, omdat zij de impact van een artikel op de lezer en daarmee op hun doelgroep of het volk kunnen inschatten. Adverteerders kunnen mogelijk effectiever adverteren doordat zij het medium kunnen afstemmen op hun doel. Tot slot is het ook interessant voor het mediabedrijf zelf, om hun marktpositie beter in kaart te brengen, maar ook om verantwoording te kunnen nemen voor de mogelijke invloed die zij hebben op hun publiek.

Het gebruikte TPB model van Ajzen is breed toegepast in de gezondheidswetenschap-pen, zoals beschreven in het literatuuronderzoek. Het model is daarentegen weinig toe-gepast op media en specifiek op nieuwsmedia. Dit onderzoek laat een vertaling van dit model naar dit onderzoeksgebied zien en daarmee een manier om de kenmerken van nieuwsmedia te koppelen aan de determinanten. Drie van de vier hypothesen die zijn opgesteld op basis van de literatuur kunnen door de case study niet onderbouwd wor-den. Dit lijkt haaks te staan op de resultaten van andere studies die genoemd zijn in het literatuuronderzoek. Als voorbeeld: studies tonen aan dat betaalde bronnen als betrouwbaarder ervaren dan gratis bronnen. Dit kenmerk heeft dus wel invloed op de ervaring van het nieuws door de lezer, maar volgens de resultaten van dit onderzoek in de testperiode niet op het gedrag van de lezer. Dit resultaat zou echter ook kunnen betekenen dat het model misschien niet goed vertaald kan worden naar dit onderzoeks-gebied of dat de kennis ’hoe’ dit model vertaald moet worden nog niet toereikend genoeg is.

5.2. Beperkingen en vervolgonderzoek

Zoals aangegeven in sectie 3.4.3 is in dit onderzoek gebruik gemaakt van de totale data van de testperiode. Dit geldt voor de data over de aandelen van de bedrijven en de nieuwsartikelen van de opgenomen nieuwsmedia. Niet alle bedrijven die op de Neder-landse beurs genoteerd zijn en niet alle NederNeder-landse nieuwsmedia zijn echter opgenomen in dit onderzoek. Daarnaast is bewust gekozen voor een economisch stabiele periode om invloed van de crisis op de resultaten te voorkomen. De conclusies van dit onderzoek hebben dan ook betrekking op de testperiode en de bedrijven en nieuwsmedia die zijn opgenomen in dit onderzoek. De resultaten zijn om deze redenen moeilijk te genera-liseren. Voor vervolgonderzoek zal het interessant zijn om resultaten te verkrijgen die generaliseerbaar zijn door bijvoorbeeld een groter aantal bedrijven en nieuwsmedia te gebruiken en/of een statistische analyse toe te voegen.

In figuur 6 in de analyse sectie is te zien dat bij Het Parool over twee bedrijven maar ´e´en artikel opgenomen is in dit onderzoek. Bij het Algemeen Dagblad en Nu.nl is over ´e´en bedrijf ´e´en artikel opgenomen. In dit onderzoek is zoals eerder genoemd gekozen om deze waarden niet mee te nemen in het berekenen van het gemiddelde. Daarnaast is op zes plekken in figuur 6 te zien dat het medium slechts twee artikelen gepubliceerd heeft. Bij twee artikelen zijn de mogelijke impact percentages 0%, 50% of 100%. In dit onderzoek zijn deze percentages wel meegenomen in de berekening van het gemiddelde. De vraag is of de grens van ’meer dan ´e´en artikel’ een goed en betrouwbaar beeld geeft van de werkelijke situatie. Idealiter zouden per medium voor elk bedrijf een groter aantal artikelen opgenomen zijn om de betrouwbaarheid te vergroten.

Door de percentages die gebaseerd zijn op slechts ´e´en artikel niet mee te nemen voor het gemiddelde, is het gemiddelde van Het Parool gebaseerd op de vijf overgebleven bedrijven. Het gemiddelde van het Algemeen Dagblad en Nu.nl op zes bedrijven en van de andere media op zeven bedrijven. Dit kan mogelijk invloed hebben op de gemiddelde percentages en daarmee de vergelijking van de verschillende media.

Zoals in de vorige sectie benoemd is, kunnen de resultaten ook duiden op een onjuiste toepassing van het TPB model op nieuwsmedia. Anderzijds kan echter ook de meet-methode niet precies genoeg zijn voor het meten van gedragsverandering. De prijs van een aandeel van een bedrijf is een evenwicht van vraag en aanbod. Hierop zijn zeer veel factoren van toepassing, niet enkel het nieuws dat over een bedrijf verspreid wordt. Deze factoren kunnen het effect wat de nieuwsberichten mogelijk veroorzaken vertekenen, wat verkeerde resultaten tot gevolg kan hebben.

In dit onderzoek is het impact op het aandeel op de dag van publicatie bekeken. Hierdoor zijn artikelen die in het weekend of op feestdagen gepubliceerd zijn, en de beurs dus gesloten is, niet meegenomen. Daarnaast is het mogelijk dat nieuws dat gepubliceerd wordt pas een dag of meerdere dagen later de lezer bereikt en daardoor ook later aanzet tot gedragsverandering. Voor vervolgonderzoek is het dan ook interessant om te kijken naar de invloed van een nieuwsbericht op de dag zelf en een periode na publicatie. Ook is het aantal artikelen per dag niet gebruikt als variabel. Een nieuwsmedium kan meerdere artikelen over hetzelfde bedrijf op ´e´en dag publiceren. Deze variabel kan in vervolgonderzoek ook meegenomen worden.

Opvallend in de resultaten is dat de gemiddelde percentages van impact op omzet en het aantal verhandelde aandelen redelijk overeen komen zoals genoemd in de resulta-ten sectie. De impact op het aantal transacties is in zes van de zeven gevallen hoger. Een hogere omzet kan het gevolg zijn van meer verhandelde aandelen zonder een groot prijsverschil ´of van een zelfde aantal verhandelde aandelen, maar met een groot prijsver-schil. Het prijsverschil is op bijna alle dagen dat een artikel gepubliceerd wordt groter dan het gemiddelde prijsverschil van het aandeel. Dit is ongeacht het medium. Het kan misschien zo zijn dat het feit dat een nieuwsartikel gepubliceerd wordt niet direct invloed heeft op de omzet van het aandeel, maar deze invloed indirect is via het aantal verhandelde aandelen of het prijsverschil. De onderlinge verbanden zijn in dit onderzoek niet opgenomen. Het is wellicht interessant om dit nog nader te onderzoeken in een vervolgonderzoek.

Het NRC Handelsblad heeft zoals aangegeven in de sectie resultaten drie maal het hoogste gemiddelde impact percentage. Dit medium legt vaak de focus op de financi¨ele invalshoek van nieuws, zoals de naam al suggereert. Wellicht speelt dit kenmerk en nog andere kenmerken, die niet in dit onderzoek zijn opgenomen, ook een rol bij de impact van dit medium. Daarnaast is bij het kenmerk multi-channeling in de analyse alleen gekeken naar het aantal kanalen en is geen onderscheid gemaakt tussen artikelen van de website, de app, de gedrukte krant, radio of televisie. Voor vervolgonderzoek kan het interessant zijn om verschillen tussen deze kanalen te onderzoeken.

De gebruikte dataset van Lexis Nexis bevat niet alle artikelen van de verschillende media. Een zoekopdracht op de website van Nu.nl met zoekterm ’accell’ levert namelijk wel resultaten op, waarbij Lexis Nexis geen resultaten geeft. Voor Nu.nl zijn de artikelen los verzameld in dit onderzoek. Voor het Algemeen Dagblad, De Telegraaf, Het Parool, het NRC Handelsblad en De Volkskrant zijn de artikelen niet van de website verzameld en kan het dus zijn dat ook deze data incompleet is. Dit kan een vertekend beeld geven van het impact percentage dat berekend is in dit onderzoek.

Tot slot is geen rekening gehouden met de publicatie van kwartaalcijfers door de be-drijven en andere evenementen van de bebe-drijven die tot een golf van nieuwsartikelen van diverse media kunnen leiden. Voor vervolgonderzoek is het interessant om het mogelijke effect van nieuwsberichten rondom deze gebeurtenissen apart te bestuderen en te verge-lijken met het effect van berichten in de perioden zonder speciale gebeurtenissen binnen het bedrijf.

Referenties

Abdulla, R. A., Garrison, B., Salwen, M., Driscoll, P., & Casey, D. (2002). The credibility of newspapers, television news, and online news. In Education in journalism annual convention, florida usa.

Ahlers, D. (2006). News consumption and the new electronic media. Harvard Interna-tional Journal of Press/Politics, 11 (1), 29–52.

Ajzen, I. (1985). From intentions to actions: A theory of planned behavior. In Action control (pp. 11–39). Springer.

Ajzen, I. (1991). The theory of planned behavior. Organizational behavior and human decision processes, 50 (2), 179–211.

Ajzen, I., & Fishbein, M. (1975). Belief, attitude, intention and behavior: An introduc-tion to theory and research. Reading, MA: Addison-Wesley.

Antweiler, W., & Frank, M. Z. (2004). Is all that talk just noise? the information content of internet stock message boards. The Journal of Finance, 59 (3), 1259–1294. Benjamin, J. (2016, April). Is het nieuws of een advertentie? Retrieved from

https://www.nrc.nl/nieuws/2016/04/05/is-het-nieuws-of-een-advertentie -1605832-a70614 (Geraadpleegd: 6 Juni 2017)

Blue, C. L. (1995). The predictive capacity of the theory of reasoned action and the theory of planned behavior in exercise research: An integrated literature review. Research in nursing & health, 18 (2), 105–121.

Bohon, L. M., Cotter, K. A., Kravitz, R. L., Cello Jr, P. C., & Fernandez y Garcia, E. (2016). The theory of planned behavior as it predicts potential intention to seek mental health services for depression among college students. Journal of American college health, 64 (8), 593–603.

Chan, W. S. (2003). Stock price reaction to news and no-news: drift and reversal after headlines. Journal of Financial Economics, 70 (2), 223–260.

D’Souza, G., & Rao, R. C. (1995). Can repeating an advertisement more frequently than the competition affect brand preference in a mature market? The Journal of Marketing, 32–42.

Dutta-Bergman, M. J. (2004). Complementarity in consumption of news types across traditional and new media. Journal of Broadcasting & Electronic Media, 48 (1), 41–60.

Fishbein M, A. I. (2010). Predicting and changing behavior: The reasoned action appro-ach. Psychology Press.

Gerhards, J., & Sch¨afer, M. S. (2010). Is the internet a better public sphere? comparing old and new media in the usa and germany. New media & society, 12 (1), 143–160.

Gidofalvi, G., & Elkan, C. (2001). Using news articles to predict stock price movements. Department of Computer Science and Engineering, University of California, San Diego.

Godin, G., & Kok, G. (1996). The theory of planned behavior: a review of its applications to health-related behaviors. American journal of health promotion, 11 (2), 87–98. Kind, H. J., Nilssen, T., & Sørgard, L. (2009). Business models for media firms: Does

competition matter for how they raise revenue? Marketing Science, 28 (6), 1112– 1128.

Kiousis, S. (2001). Public trust or mistrust? perceptions of media credibility in the information age. Mass Communication & Society, 4 (4), 381–403.

Norman, P., Conner, M., & Bell, R. (1999). The theory of planned behavior and smoking cessation. Health psychology, 18 (1), 89.

Numberger, S., & Schwaiger, M. (2003). Cross media, print and internet advertising: impact of medium on recall, brand attitude, and purchase intention..

Park, H. S. (2000). Relationships among attitudes and subjective norms: Testing the theory of reasoned action across cultures. Communication Studies, 51 (2), 162– 175.

Parry, M. E., & Kawakami, T. (2015). Virtual word of mouth and willingness to pay for consumer electronic innovations. Journal of Product Innovation Management , 32 (2), 192–200.

Schifter, D. E., & Ajzen, I. (1985). Intention, perceived control, and weight loss: an application of the theory of planned behavior. Journal of personality and social psychology, 49 (3), 843.

Stead, M., Tagg, S., MacKintosh, A. M., & Eadie, D. (2005). Development and evalua-tion of a mass media theory of planned behaviour intervenevalua-tion to reduce speeding. Health education research, 20 (1), 36–50.

Tetlock, P. C. (2007). Giving content to investor sentiment: The role of media in the stock market. The Journal of Finance, 62 (3), 1139–1168.

Van Batenburg, J., en Bedrijfskunde, E., & Velzing, E. (2011). Hoe te bezuinigen op de publieke mediadiensten? Masterscriptie.

Vara-Miguel, A., Sanjurjo-San Martn, E., Daz-Espina, C., et al. (2014). Paid news vs free news: evolution of the wsj. com business model from a content perspective (2010-2012).

A. Samenstelling AScX mei 2017

Aandeel Sector Symbool

Accell Group Consumenten goederen ACCEL

Amsterdam Commodities Consumenten goederen ACOMO

AMG Advanced Metallurgical Industrie AMG

Basic-Fit Consumenten diensten BFIT

Beter Bed Holding Detail- & groothandel BBED

BinckBank Financi¨ele dienstverleners BINCK

Brunel International Uitzendbureaus BRNL

Fagron Gezondheidszorg FAGR

ForFarmers Argrarisch FFARM

Heijmans Bouw HEIJM

Hunter Douglas Consumenten goederen HDG

ICT Group Technologie ICT

KAS Bank Financi¨ele dienstverleners KA

Kendrion Industrie NEDAP

Nieuwe Steen Investments (NSI) Vastgoed NISTI

Ordina Technologie ORDI

Probiodrug Farmacie PBD

SIF Holding Financi¨ele dienstverleners SIFG

Stern Groep Consumenten diensten STRN

Takeaway.com Technologie TKWY

Telegraaf Media Groep (TMG) Consumenten diensten TMG

Van Lanschot Financi¨ele dienstverleners LANS