Reacties van Twitteraars op de aanslag van 13 november 2015 in Parijs

Reacties van Twitteraars op de aanslag van 13

november 2015 in Parijs

Annejet Heijboer 31 mei 2016

10837213 Begeleidende docent: Dhr. Dr. H.J. Voorbij Tweede lezer: Dhr. Prof. Dr. F.J.M. Huysmans Culturele Informatiewetenschap Universiteit van Amsterdam

Voorwoord

Voor u ligt de scriptie ‘Reacties van Twitteraars op de aanslag van 13 november 2015 in Parijs’. Het onderzoek is uitgevoerd door gebruik te maken van Twitterberichten. Deze scriptie is geschreven in het kader van de opleiding Culturele Informatiewetenschap aan de Universiteit van Amsterdam. Deze scriptie is geschreven in de periode van februari 2016 tot en met mei 2016.

Degenen die mij geholpen hebben om deze scriptie te kunnen schrijven, wil ik graag bedanken. Als eerste wil mijn scriptieleider Henk Voorbij hartelijk bedanken voor zijn hulp tijdens het schrijven van de scriptie en zijn snelle en duidelijke feedback. Daarnaast wil ik ook mijn tweede lezer Frank Huysmans bedanken. Mijn vriend, Joran Hendriks, wil ik bedanken voor het vertalen van de Engelse berichten, zijn morele steun tijdens gespannen momenten en dat hij altijd voor mij klaar stond. Ik wil Germaine Hendriks bedanken voor het vertalen van de Italiaanse berichten en mijn collega voor het vertalen van de Spaanse berichten. Als laatste wil ik mijn moeder, Jolande Heijboer, en mijn zus, Josien Kievit, bedanken voor hun morele steun.

Inhoudsopgave

Voorwoord 2

Inhoudsopgave 3

1 Inleiding 5

2 Theoretisch Kader 9

2.1 Psychologische gevolgen van het ervaren van een terroristische aanslag 9

2.2 Classificatie van emoties 10

2.3 Genderverschillen in emoties 16

2.4 Twitteranalyse 18

2.5 Terrorisme en Twitter 21

3 Methode 23

3.1 Selectie van landen 23

3.2 Selectie van Twitterberichten 25

3.3 Categorisering van Twitterberichten 28

3.4 Analyse van de resultaten 30

4 Resultaten 32

4.1 Verschillen tussen groepen landen op emotionele en informatieve berichten,

eerste meting 32

4.2 Verschillen tussen groepen landen, op emotionele en informatieve berichten,

tweede meting 35

4.3 Verschillen eerste en tweede meting per land – soort bericht 38 4.4 Verschillen eerste en tweede meting per land – emoties 38 4.5 Soorten berichten verschillen man en vrouw – eerste meting 39 4.6 Soorten berichten verschillen man en vrouw – tweede meting 41 4.7 Emotie verschillen tussen man en vrouw – eerste meting 42 4.8 Emotie verschillen tussen man en vrouw – Tweede meting 44 4.9 Emotie verschillen man en vrouw – Verschil eerste en tweede meting 46 4.10 Verschillen eerste en tweede meting per land – geslacht 48 4.11 Verschillen tussen groepen landen, per onderwerp, eerste meting 49 4.12 Verschillen tussen groepen landen, per onderwerp, tweede meting 51 4.13 Verschillen eerste en tweede meting per land – onderwerpen 53 4.14 Onderwerpen verschillen man en vrouw, per onderwerp – eerste meting 54

4.15 Onderwerpen verschillen man en vrouw, per onderwerp – tweede meting 56 4.16 Verschillen eerste en tweede meting per land, per onderwerp – geslacht 57 4.17 Significante verschillen tussen de eerste en tweede groep landen 59 4.18 Significante verschillen tussen de eerste en tweede meting 61 4.19 Significante verschillen tussen de mannen en vrouwen 63 4.20 Significante verschillen tussen de eerste en tweede meting bij de mannen

en vrouwen 66

5 Conclusie 69

6 Discussie 77

6.1 Betrouwbaarheid van het onderzoek 77

6.1.1 Verzamelen van Twitterberichten 77

6.1.2 Categoriseren van berichten 78

6.2 Beperkingen 78 6.3 Nieuwe inzichten 79 6.4 Verwachtingen 80 6.5 Oorzaken en gevolgen 80 6.6 Suggesties vervolgonderzoek 81 7 Bronnen 83

1 Inleiding

De afgelopen jaren is het gebruik van sociale media flink gestegen. Gebruikers communiceren dagelijks over onderwerpen die voor hen belangrijk zijn. Op social media wordt ook veel nieuws geplaatst en gedeeld. Zo verspreidt het laatste nieuws zich razendsnel over de wereld.

Twitter is een voorbeeld van een social medium dat gebruikt wordt om te communiceren en het laatste nieuws te delen. Gebruikers kunnen berichten plaatsen met maximaal 140 karakters. Het plaatsen van zo’n bericht heet een ‘Tweet’, wanneer een Tweet door een andere gebruiker wordt gedeeld heet dit een ‘Retweet’. Voorbeelden van de veel besproken onderwerpen van 2015 zijn ‘Vacatures’, ‘MH17’ of de ‘PVV’.1 _{Deze onderwerpen worden in een Tweet aangeduid als #vacatures,} #MH17 of #PVV. In 2015 hebben nog een aantal onderwerpen de top 10 van meest besproken onderwerpen gehaald; #ISIS, #JeSuisCharlie, #CharlieHebdo, #PrayForParis, (Dutchcowboys, 2015).

Op 13 november 2015 werd Parijs getroffen door meerdere aanslagen tegelijkertijd. De terreur was gericht op terrassen, restaurants, bij een voetbalwedstrijd en een concert in het theater La Bataclan. Bij deze aanslagen zijn 129 mensen om het leven gekomen, (AIVD, (2015). Via Tweets reageerden Twitteraars over de hele wereld geschokt op de aanslagen in Parijs en toonden hun medeleven voor de nabestaanden van de slachtoffers. Ook in Europa werd geschokt gereageerd op de aanslagen, zeker omdat het dichterbij komt dan bijvoorbeeld aanslagen in het Midden-Oosten.

Engeland, Noorwegen en Spanje zijn ook getroffen door aanslagen waarbij veel mensen om het leven zijn gekomen. Noorwegen recenter en Engeland en Spanje meer dan tien jaar geleden.

Engeland werd op 7 juli 2005 opgeschrikt door aanslagen in drie metro’s en een bus. Hierbij zijn 56 mensen om het leven gekomen. De daders achter de aanslagen hebben in vooraf opgenomen videoboodschappen verklaard loyaal te zijn aan Bin Laden, Al Qaida, (HCSS, 2012).

Noorwegen werd op 22 juli 2011 getroffen door een bomaanslag in Oslo en vervolgens een schietpartij op het eiland Utoya waar politieke jongeren op kamp waren. Door de aanslagen zijn 77 mensen om het leven gekomen. Deze aanslagen zijn beide gepleegd door Anders Breivik. Hij zou deze aanslagen hebben gepleegd om de islamitische immigratie tegen te houden. Hij beschreef zichzelf als ‘Redder van het Christendom’, (Biography, 2015).

In Madrid werden op 11 maart 2004 aanslagen gepleegd op vier forensentreinen. Hierbij kwamen 191 mensen om het leven en raakten bijna 1800 mensen gewond. De Spaanse regering dacht eerst dat ETA (Euskadi Ta Askatasuna) achter de aanslagen zat, maar later werden deze opgeëist door Al Qaida, (HCSS, 2012).

De aanleiding van dit onderzoek is dat op social media en op het nieuws veel wordt genoemd dat terroristen angst willen zaaien. “Door angst ontstaat verdeeldheid, worden mensen tegen elkaar opgezet en ontstaat een voedingsbodem voor nog meer angst en terreur”, (Stichting ISIS, 2015). Er wordt zelfs gezegd dat “dat die angst een dynamiek activeert waarin wij onze waarden uiteindelijk zelf vernietigen”, (Tijd, 2016). Op basis van dit soort opmerkingen ontstond de vraag of terroristen daadwerkelijk angst zaaien onder burgers. Om hier achter te komen wordt het verschil tussen burgers van landen die eerder een aanslag hebben meegemaakt en burgers van landen die niet eerder een aanslag hebben meegemaakt geanalyseerd. Voor het analyseren van dit verschil wordt gebruik gemaakt van Twitterberichten.

In dit onderzoek wordt onderzocht of Twitteraars uit landen komen die eerder getroffen zijn door aanslagen, anders reageren op de aanslagen in Parijs dan Twitteraars uit landen die niet eerder getroffen zijn.

De aanslagen op de landen moeten aan de volgende eisen voldoen;  De aanslag is binnen de afgelopen vijftien jaar gebeurd.

 Bij de aanslag zijn minimaal tien mensen om het leven gekomen.  Het land is Europees.

Landen die niet eerder een aanslag op basis van bovenstaande eisen hebben meegemaakt zijn Duitsland, Italië en Nederland.

Door de Twitterberichten van de niet getroffen landen te vergelijken met landen die wel getroffen zijn, wordt het verschil in emotie geanalyseerd.

De hoofdvraag voor dit onderzoek luidt als volgt:

“Wat zijn de reacties van Twitteraars die in eigen land een aanslag hebben

meegemaakt en van Twitteraars die geen aanslag in eigen land hebben meegemaakt ten opzichte van de aanslagen in Parijs in 2015?“

De deelvragen die bij de hoofdvragen horen zijn:

1A. Is er op korte termijn een verschil in de aard van de Tweets (informatief versus emotioneel) tussen inwoners van landen die wel en niet eerder een grote terroristische aanslag hebben meegemaakt?

1B. Is er op korte termijn een verschil in de aard van de Tweets van mannen en vrouwen (informatief versus emotioneel) over een terroristische aanslag? 2A. Is er op lange termijn een verschil in de aard van de Tweets (informatief

versus emotioneel) tussen inwoners van landen die wel en niet eerder een grote terroristische aanslag hebben meegemaakt?

2B. Is er op lange termijn een verschil in de aard van de Tweets van mannen en vrouwen (informatief versus emotioneel) over een terroristische aanslag? 3A. Zijn er op korte termijn verschillen in de emoties die spreken uit de Tweets

van inwoners van landen die wel en niet eerder een grote terroristische aanslag hebben meegemaakt?

3B. Zijn er op korte termijn verschillen in de emoties die spreken uit de Tweets van mannen en vrouwen over een terroristische aanslag?

4A. Zijn er op lange termijn verschillen in de emoties die spreken uit de Tweets van inwoners van landen die wel en niet eerder een grote terroristische aanslag hebben meegemaakt?

4B. Zijn er op lange termijn verschillen in de emoties die spreken uit de Tweets van mannen en vrouwen over een terroristische aanslag?

5A. Zijn er op korte termijn verschillen in de onderwerpen die voorkomen in de Tweets van inwoners van landen die wel en niet eerder een grote

terroristische aanslag hebben meegemaakt?

5B. Zijn er op korte termijn verschillen in de onderwerpen die voorkomen in de Tweets van mannen en vrouwen naar aanleiding van een terroristische aanslag?

6A. Zijn er op lange termijn verschillen in de onderwerpen die voorkomen in de Tweets van inwoners van landen die wel en niet eerder een grote

terroristische aanslag hebben meegemaakt?

6B. Zijn er op lange termijn verschillen in de onderwerpen die voorkomen in de Tweets van mannen en vrouwen naar aanleiding van een terroristische aanslag?

Door dit te onderzoeken komt er meer inzicht in de gevolgen van terroristische aanslagen. Een van de belangrijkste doelen van terroristen is angst zaaien, maar bereiken zij hiermee hun doel? In dit onderzoek wordt geanalyseerd of landen waar

eerder aanslagen zijn geweest anders reageren op een nieuwe aanslag. Dit zijn belangrijke inzichten aangezien terrorisme veel voorkomt in het nieuws. Daarnaast draagt het bij aan zowel de psychologische literatuur als aan de literatuur betreffende social media in verschillende landen.

Deze scriptie bestaat uit zes hoofdstukken. Na de inleiding volgt het theoretische kader, dat het literatuuronderzoek bevat. In het derde hoofdstuk wordt de methodologie van het onderzoek beschreven. De resultaten van de Twitterberichten en de onderzochte literatuur worden weergegeven in hoofdstuk vier. In het vijfde hoofdstuk is de conclusie beschreven en hoofdstuk zes bevat als laatste de discussie, waarin de betrouwbaarheid van het onderzoek wordt beschreven, de beperkingen, nieuwe inzichten, verwachtingen, oorzaken en gevolgen en suggesties voor vervolgonderzoek.

2 Theoretisch Kader

In dit hoofdstuk worden de onderwerpen voor het onderzoek onderbouwd door de theorie. Hierbij zullen eerst de psychologische gevolgen van het ervaren van een terroristische aanslag beschreven worden. Het classificeren van emoties wordt daarna onderbouwd. Vervolgens worden de genderverschillen in emoties weergegeven. Dan wordt gekeken hoe andere studies onderzoek gedaan hebben op Twitter. Als laatste wordt er onderbouwd hoe Twitter en terrorisme samenkomen.

2.1 Psychologische gevolgen van het ervaren van een

terroristische aanslag

De afgelopen jaren zijn er een aantal grote terroristische aanslagen geweest (World Trade Center in New York, de treinbommen in Madrid, de metrobommen in Londen, de aanslagen in Parijs; Charlie Hebdo en La Bataclan etc). Terrorisme is een onderwerp geworden dat mensen bang maakt. Bang, dat zij ook slachtoffer zullen worden, terwijl terreur als doodsoorzaak niet eens in de statistieken van Europa voor komt, (Ec.Europa, (2015).

Als mensen blootgesteld worden aan nieuws of foto’s van terroristische aanslagen ervaren zij een hogere dreiging (Fischer, Greitemeyer, Kastenmüller, Frey en Osswald, 2007). Voorheen was deze blootstelling vooral door middel van kranten, die je aan het begin/einde van de dag las. Op internet was er ook nieuws te vinden, maar mensen consumeerden het nieuws niet constant. Tegenwoordig worden we continu op de hoogte gehouden van het nieuws; via nieuwsapplicaties, smartphones, social media, nieuwssites, alles is up to date.

Mensen die geconfronteerd worden met beelden van terreuraanslagen verwachten eerder een nieuwe aanslag dan mensen die niet geconfronteerd worden met beelden (Fischer et al. 2007). Vaak geconfronteerd worden met aanslagen heeft dus impact op het gedrag van mensen, waardoor ze veranderen. Huddy, Feldman, Capleos en Provost (2002) ondervonden dat na de aanslagen van 9/11, 26% van de respondenten hun vliegreis hadden geannuleerd, 18% zei dat ze minder reisden binnen Manhattan en 31% heeft meer tijd besteed aan familie. Angst maakt dat mensen hun ritme veranderen zodat zij plekken met hogere dreiging kunnen mijden. Kort na de aanslag in Parijs, La Bataclan, was er een hoge dreiging in Brussel. Alles werd gesloten; de winkels, de metrostations, theaters, evenementen werden geannuleerd, Brussel was uitgestorven. Giner-Sorolla en Maitner, (2013) zeggen dat zonder een aanslag, dreiging van terrorisme een belangrijke rol speelt onder groepen

mensen. Emotionele reacties op dergelijke dreigingen geven een belangrijk inzicht hoe mensen omgaan met groepen die in het algemeen dreiging veroorzaken. Een aanhoudende dreiging bepaalt namelijk hoe mensen zich gedragen.

Mensen steken elkaar ook aan met hun emoties volgens Hatfield en Rapson (2004), waardoor de angst kan verhogen. Bowlby (1969) suggereert dat wanneer mensen zich bedreigd voelen, ze het beste steun kunnen zoeken bij anderen. Relaties (familie, vrienden partner) geven een groter gevoel van veiligheid waardoor mensen gemakkelijker doorgaan met leven volgens Florian, Mikulincer en Hirschberger (2002). Na de aanslagen van 9/11 blijkt wel dat 54% van de respondenten bang zijn dat leden van hun familie slachtoffer zullen worden bij aanslagen in de toekomst (Frederickson, Tugade, Waugh en Larkin, 2003).

Uit de studie van Giner-Sorolla en Maitner, (2013) blijkt dat wanneer boosheid en angst samen voorkomen, boosheid aansluit bij rechtvaardigheid, terwijl angst aansluit bij bezorgdheid over de kracht van een groep mensen.

Veel onderzoeken tonen aan dat mensen sterk beïnvloed zijn door hun eigen reacties bij het voorspellen van de reacties van anderen op soortgelijke situaties. Op deze manier weten mensen, die een emotionele ervaring meerdere malen hebben meegemaakt, niet alleen beter hoe ze zichzelf moeten gedagen, maar weten ook hoe de situatie voor een ander voelt. Persoonlijke blootstelling helpt bij het sluiten van de ‘gaten’ in het inlevingsvermogen, die ontstaan wanneer anderen zich niet kunnen inleven in emotionele toestanden, zeggen Van Boven en Loewenstein (2005) en Van Boven et al. (2013).

Als beperkte blootstelling helpt om emotioneel perspectief te nemen minder wordt, kan veel blootstelling dit proces hinderen. Als mensen ervaringen vaker blootstellen aan prikkels, kunnen hun emotionele reacties veranderen in de richting van desensitisatie. Dit wordt vaak aangeduid als affectieve gewenning, Dijksterhuis en Smith (2002), affectieve aanpassing, Wilson en Gilbert (2008) of sensorisch-specifieke verzadiging, Gard (2006). Hier wordt de desensibilisatie geoperationaliseerd als een algemeen psychologisch proces, waarbij de oorspronkelijke specifieke reactie van een persoon (bijvoorbeeld angst, schrik, vreugde) minder intens wordt na verloop van tijd of over herhaalde blootstelling, Groves en Thompson (1970) en Wolpe (1982).

2.2 Classificatie van emoties

Plutchik (2001) gebruikt een wiel van emoties, hij onderscheidt acht basisemoties: “Joy, trust, fear, surprise, sadness, disgust, anger and anticipation.” Plutchik heeft

eerder in 1958 deze acht basisemoties gebruikt, waarna hij zegt “Over the centuries,

from Descartes to the present, philosophers and psychologists have proposed anywhere from 3 to 11 emotions as primary or basis” (Plutchik, 2001). In Plutchik

(2000) wordt gezegd dat Charles Darwin niet alleen een evolutietheorie ontwikkelde, maar ook een emotietheorie. Hij herkende het proces van de evolutie niet alleen in anatomische structuren, maar ook in het verstand van dieren en in expressief gedrag. Darwin concludeerde dat expressief gedrag een aanpasbare functie gaf in het leven van dieren. Dit gaf effect op de kansen van overleven. De Amerikaanse psycholoog William James publiceerde na de theorie van Darwin een artikel, waarin hij een nieuwe kant van emoties liet zien. Hij stelde de vraag wat er eerst kwam, het gevoel van de emotie of de psychologische verandering in emoties. James (1890) concludeerde dat we ons schuldig voelen omdat we huilen, boos zijn; omdat we staken en bang zijn omdat we sidderen. Een paar jaar nadat William James overleed begon Walter Cannon met het publiceren van een serie studies die betrekking hadden op het effect van stress op autonome veranderingen bij dieren. Cannon (1929) zei dat door het weghalen van bepaalde gedeeltes van de hersenen van een kat een staat van schijnwoede ontstond die twee tot drie uur zou duren. Deze onderzoeken hebben de basis gelegd voor onze huidige kennis van emoties.

Plutchik (2000) benoemt onder andere bovenstaande voorbeelden om aan te geven hoe moeilijk het is om emoties te bestuderen. Hij zegt dat de taal van emotie uniek is en dat verschillende historische tradities zich gefocust hebben op verschillende aspecten van de complexe staat van een emotie. Ondanks deze obstakels is er veel vooruitgang geweest in de ontwikkeling van theorieën over emoties. Plutchik (2000) suggereert dat sommigen theorieën zich gefocust hebben op evolutionaire aspecten, sommigen op hersenfuncties, sommigen op autonome aspecten, sommigen op cognitieve aspecten en sommige op psychotherapeutische kwesties.

Rado (1968) suggereerde dat er op zijn minst zeven belangrijke affectpatronen zijn: ontsnappen, gevecht, onderwerping, uitdaging, broeden, boetedoening en zelfschade. Affecten zijn gemoedsaandoeningen, dus wanneer men vecht is daar iets aan vooraf gegaan. Rado’s ideeën over emoties zijn oorspronkelijk gebaseerd op de ideeën van Cannon (1929) over vechten of vluchten als reactie op noodsituaties. Rado ontwikkelde op basis van zijn affectpatronen een emotietheorie gebaseerd op evolutionaire beschouwingen. In deze emotietheorie was zijn hypothese dat er vier verschillende niveaus van controle zijn. Het hedonische niveau, dat zich richt op de effecten van plezier en pijn. Hierbij is het effect dat het individu van pijn naar plezier gaat. Het beestachtige-emotie niveau waarin nieuwe manieren

naar voren kwamen om zich te organiseren en gedragspatronen te selecteren. Bij deze methode van controle horen de basisemoties van angst, woede, liefde en

verdriet. Rado (1968) suggereert dat deze emoties een mogelijkheid van anticipatie

creëren op toekomstige gebeurtenissen. Het volgende niveau is het emotionele-gedachte level. In dit niveau zijn de emoties meer terughoudend en meer gemixt. Emoties die op dit niveau betrekking hebben zijn vrees, ergernis, jaloezie en afgunst. Rado (1968) zegt hier dat het aantal emoties veel groter is dan vier basiskleuren. Het laatste niveau is het emotieloze-gedachten level. Dit heeft betrekking op de beheersing door alleen rationele en intellectuele meningen. Vervolgens definieert Rado (1968) de emotie als ‘het voorbereidende signaal met als doel om gedrag te herstellen voor de veiligheid’.

Brenner (1974) heeft gebruik gemaakt van de theorie van Sigmund Freud. Freud concludeerde dat zijn patiënten leden onder herinneringen die zij waren vergeten of onderdrukten. Het betreft herinneringen die emotioneel zwaar beladen zijn, en zelfs is een deel van toepassing als de patiënt zich niet bewust was van de betreffende emotie. Brenners doel was om een theorie te ontwikkelen waarin de affecten overeenkomen met de ‘egopsychologie’. Brenner (1974) definieerde een affect zoals een sensatie van genoegen, onlust of beide, plus het bewust en onbewust zijn, dat geassocieerd is met diezelfde sensatie. Bijvoorbeeld bij een dreigende situatie is angst het affect. Brenner (1974) zegt ook dat de theorie weergeeft dat als angst een reactie is, dit ook kan leiden tot depressie. Ook zegt hij dat angst of depressie leidt tot mislukking of verzet. Dit betekent weer dat het individu niet geslaagd is in het verminderen van het effect.

Spezzano (1993) beweert dat psychoanalyse een primaire vorm van affectentheorie is. Hij zegt dat empatisch vermogen een gemeenschappelijke ervaring is binnen de psychotherapie. Spezzano (1993) onderscheidde verschillende affectenkarakteristieken;

 de affecten zijn informatief en aangepast,

 de affecten zijn vormen van informatie over onbewuste innerlijkheden,  affecten zijn aanwijzingen naar drijfveren en sociale relaties,

 affecten zijn kort van duur,

 basisaffecten bevatten minimaal woede, angst, seks en enthousiasme. Deze affecten kunnen op verschillende manieren gecombineerd worden om ingewikkeldere opties, zoals jaloezie, te creëren.

 Psychologisch leven begint met affecten voordat ideeën ontstaan en voordat objecten worden herkent,

 Affecten werken op elkaar in,

 Affecten veroorzaken acties, zoals vluchten een reactie is op angst of verstoppen wanneer men zich schaamt,

 Iedereen heeft aanleg om bepaalde emoties te vermeerderen of te verminderen,

 Neuroses zijn onbewuste mogelijkheden om affecten te reguleren.

Spezzano (1993) gaat verder vooral in op de psychoanalyse van het individu. Hij suggereerde dat affecten een intieme relatie hebben met aandrijvingen en motieven. Spezzano geeft het volgende voorbeeld: om veilig te zijn en te kunnen overleven zijn individuen geboren met de capaciteit om zich angstig te voelen. Een relatie tussen emoties en personaliteit/karakter is een gezamenlijke ervaring van individuen die zich bang, angstig of schuldig voelen. Bij het krijgen van een psychoanalyse hopen de individuen (patiënten) dat ze situaties kunnen vermijden die hun bang of beschamend maken.

Tomkins (1962) beweert dat er acht emoties zijn. De positieve emoties benoemde hij als interesse, verrassing, en vreugde en de negatieve emoties benoemde hij als angst, vrees, schaamte, walging en woede. Tomkins (1962) suggereert dat deze basisemoties aangeleerde reacties zijn op bepaalde stimulansen. Individuen uiten deze door middel van een groot aantal lichamelijke reacties, met name reacties op het gezicht. Tomkins (1962) zegt dat de meeste psychologen het idee aannemen dat een emotie een persoon tot een actie kan aanzetten. Tomkins (1962) zelf gelooft dat de motieven vooral signalen van het lichaam zijn en dat emoties deze signalen toelichten.

Vaillant (1997) voerde onderzoek uit naar korte termijn dynamische psychotherapie. Zij zegt dat woede geen poging hoeft te zijn om barrières te overwinnen, het kan ook een verdediging tegen verdriet en verlangen zijn. Vaillant suggereert dat het ene gevoel een oorzaak kan zijn van een ander gevoel. Op dat moment kan een emotie een verdediging zijn om een andere emotie te beschermen. Vaillant (1997) betoogt dat emoties meestal bruikbaar zijn voor individuen. Deze zijn ontwikkeld tot direct gedrag, bijvoorbeeld dat je huilt als je verdrietig bent, lacht als je

vrolijk bent en uitzoekt wat interessant is. Vaillant is van mening dat iedere primaire

emotie een adaptief aspect heeft en een onaangepast aspect. Adaptieve droefheid is geassocieerd met gevoelens van nabijheid van anderen, met hoop voor de toekomst en met een reagerend medeleven in een waarnemer of luisteraar. Daar tegenover staat onaangepaste droefheid die geassocieerd is met zelfmedelijden, met hopeloze gevoelens en met hulpeloze gevoelens bij een waarnemer.

Lazarus (1991) deed onderzoek naar relaties tussen stress en het omgaan met volwassenen. Tijdens dit onderzoek kwam hij erachter dat stress en omgang een deel zijn van onderzoek naar emoties. Lazarus (1991) vindt dat het onderzoek naar emoties het volgende moet bevatten; de studie naar kennis, motivatie, aanpassingen en psychologische activiteit. Emoties bevatten inschattingen van de omgeving, relaties van een individu met anderen en zijn of haar pogingen om er mee om te gaan.

In alle studies worden angst, woede en verdriet gebruikt, de meeste studies bevatten tevens vreugde, liefde en verrassing. Plutchik (2001) zegt ook dat het niet mogelijk is om een precies aantal emoties te hebben. Plutchik (2001) gebruikt in zijn onderzoek de eerder genoemde acht emoties; vreugde, vertrouwen, angst, verrassing, verdriet,

walging, woede en verwachting.

Ook Shaver, Schwartz, Kirson, O’Connor en Steven (1987) deden onderzoek naar emoties. Zij zeggen dat het onderzoek te maken heeft met menselijke emoties, hierbij willen zij uitzoeken welke emoties samengaan. In het onderzoek hebben Shaver et al. (1987) honderdtwaalf studenten kaarten bij elkaar laten leggen met verschillende emoties erop. De kaarten die volgens hen bij elkaar hoorden, worden bij elkaar gelegd door de studenten. Uit het onderzoek komen vijf of zes emoties naar voren; liefde, vreugde, woede, verdriet en angst, waarbij de emotie verrassing tussen haakjes wordt weergegeven.

Plutchik (2001) gebruikt in plaats van liefde vreugde en/of vertrouwen, wat bij Shaver et al (1987) als apart wordt gezien. Shaver et al. (1987) benoemen

vertrouwen niet in de basisemoties die bij Plutchik (2001) wel benoemd worden.

Shaver et al. (1987) benoemen vreugde en liefde wel. De emotie liefde wordt bij Plutchik (2001) op een lager niveau geplaatst en niet als basisemotie.

Tomkins (1962) zegt net als Plutchik (2001) dat er acht basisemoties zijn. Tomkins benoemt angst en vrees apart, wat Plutchik onderbrengt in alleen angst. Tomkins voegt de emotie schaamte toe aan de basisemoties die bij Plutchik en Shaver et al (1987) ontbreekt. In de tabel 2.1 is zichtbaar bij wie de verschillende emoties terug komen.

Plutchik Tomkins Shaver Liefde x Vreugde x x x Angst x x x Woede x x x Verdriet x x Verrassing x x x Schaamte x Walging x x Tabel 2.1

De bovenstaande acht emoties worden de basisemoties voor dit onderzoek. De emoties die in alle drie de onderzoeken overeen komen zijn vreugde, woede,

verdriet, angst en verrassing. De emotie die Shaver et al. (1987) extra benoemt is liefde, Plutchik (2001) benoemt verwachting, vertrouwen en waakzaamheid als een

emotie en Tomkins (1962) benoemt interesse en schaamte als extra emoties. De extra emotie van Shaver et al. (1987), liefde, wordt gemist bij de andere twee, terwijl Tomkins de enige is die schaamte in de basisemoties heeft. Deze twee emoties zijn toegevoegd aan de overeenkomende emoties, omdat liefde een meer overkoepelende emotie is dan vertrouwen. Medeleven past bijvoorbeeld niet onder

vertrouwen, maar wel onder liefde. Schaamte is bij de basisemoties geplaatst omdat

mensen zich kunnen schamen voor gedrag van anderen. Waakzaamheid past onder meerdere emoties, bijvoorbeeld liefde, omdat waakzaamheid bescherming kan betekenen voortkomend uit liefde. Verwachting is ook een emotie die bij meerdere emoties ondergebracht kan worden. Een voorbeeld hiervan is angst of woede. Doordat mensen een vervelende gebeurtenis nogmaals verwachten kan er angst ontstaan, of woede. Ook de emotie interesse van Tomkins (1962) kan bij meerdere emoties worden gebruikt. Vanuit liefde kan men bijvoorbeeld interesse hebben in een ander of vanuit woede kan met interesse hebben in de achtergrond van een situatie. Daarom wordt interesse niet als basisemotie meegenomen in dit onderzoek.

Door het internet is er veel veranderd in de manier van communiceren en het uiten van gevoelens. Polymerou (2014) zegt dat de toename van beoordelingen, aanbevelingen, meningen en ervaringen resulteerde in de behoefte om menselijke meningen te begrijpen. Emoties kunnen op het internet door computers moeilijker worden geïdentificeerd. Janssens, Slembrouck, Verstockt, Hoecke, Walle, Rokne en Faloutsos (2013) zeggen dat dit gecompliceerd is om twee redenen: ten eerste kunnen de emoties in het bericht verstopt zijn omdat zie niet direct verwijzen naar bijvoorbeeld ‘angst’ of ‘paniek’, en ten tweede is het heel moeilijk om emoties te identificeren op basis van sleutelwoorden. Bijvoorbeeld ‘haat’ kan bij meerdere

emoties terecht; woede en schaamte. Zoals al eerder aangegeven zijn er systemen die de berichten van het social media binnen kunnen halen. Deze berichten kunnen dan gelijk op emotie worden gesorteerd. Li en Xu (2014) zeggen dat deze benadering op twee manieren beperkend zijn. Ten eerste kunnen moeilijke zinnen met ontkenning of retorische vragen niet goed behandeld worden. Ten tweede, informatie van hogere niveaus gaan in op waarom en hoe emoties verwaarloosd kunnen worden.

Veel onderzoeken op Twitter worden toch gedaan door systemen, om zoveel mogelijk data binnen te kunnen. In dit onderzoek gaat het niet om het zoveel mogelijk binnen halen van data. Daarom is in dit onderzoek de classificatie van emoties met de hand gedaan. Alle berichten zijn binnen gehaald door deze eerst te bekijken en vervolgens te kopiëren naar Excel. De berichten zijn niet alleen geclassificeerd op emotionele basis maar ook op onderwerp.

Volgens Becker, Linden, Magrijn en Sieverts (2010) is een classificatie een systeem waarin termen gerangschikt kunnen worden naar de inhoud van hetgeen gecategoriseerd moet worden. De onderwerpen die gebruikt worden om voldoende categorieën te hebben komen dus voort uit de berichten van de Twitteraars. Becker et al (2010) suggereren dat “een goed schema plaats geeft aan alle onderwerpen die gebruikt worden” daarmee wordt ook bedoeld dat er plek moet zijn voor termen die vooraf nog niet bekend zijn. Becker zegt dat er drie manieren zijn om termen toe te voegen die tijdens of achteraf het classificeren naar voren komen. De eerste manier is een categorie ‘overige’ maken, een tweede optie is om een nieuwe categorie te maken en een derde manier is om een categorie onder te verdelen. In dit onderzoek is gebruik gemaakt van de eerste manier, namelijk een categorie ‘overige’.

atfie ld and

Rapson (2004)

describe a

process of

‘emotional cont

agion’, in which

people ‘catch’

other’s

emotions,

mimicking

the emotional

experiences of

others around

them. During

times of

enhanced,

shared

threat,

individuals may

often seek to

‘socially share’

with others

their anxieties

in an

attempt to

reduce such

anxiety, or may

feel reassured

by significant

members of

their

social networks

about the risks

posed

(Dumont,

Yzerbyt,

Wigboldus, &

Gordi

2.3 Genderverschillen in emoties

Wilson (1967) ondervond dat vrouwen hun gevoelens van angst beter kunnen uiten dan mannen, omdat mannen niet willen dat ze als ‘dom’ gezien worden. Wilson’s verklaring hiervoor is dat het niet sociaal wenselijk is voor mannen om openlijk toe te geven aan dergelijke angsten. Andere onderzoekers ondervonden dat vrouwen expressiever gevoelens uiten bij depressie en angst (Aneshensel en Pearlin, 1987), en bij stress (Barnett en Baruch 1987); (Caldwell, Pearson en Chin, 1987); (Cohen en Silliamson, 1988). Stapley en Haviland (1989) ondervonden dat bij jonge vrouwen, negatieve emoties zoals verdriet en kwaadwilligheid opvallender zijn dan bij jongens.

Anderson en Manuel (1994) onderzochten of er verschillen zijn tussen de reacties van mannen en vrouwen op stressvolle gebeurtenissen zoals de aardbeving Loma Prieta in 1989. De onderzochte reacties zijn verzameld in vierentwintig uur na de gebeurtenis. Anderson et al. (1994) ondervonden dat er duidelijke sekseverschillen zijn in de reactie op stress. Vrouwen rapporteerden een grotere ernst van de stresssymptomen. Verder zeggen Anderson et al. (1994) dat de oorzaken van deze verschillen onduidelijk zijn en suggereren ze dat dit kan komen doordat het in de maatschappij meer wordt aanvaard dat vrouwen hun gevoelens uitten. Mannen lijken het ook moeilijker te hebben met het toelaten van negatieve emoties, zoals angst zegt Sherman (1971).

Eagly (2009) zegt dat hoewel beide geslachten zich bezig houden met pro sociaal gedrag, mannen en vrouwen dit doen in verschillende klassen van activiteiten. Het gedrag van vrouwen wordt gekenmerkt als gemeenschappelijk en relationeel, terwijl mannen meer bemiddelend en assertief zijn. Deze patronen brengen vrouwen in de rol van warm, vriendelijk en sympathiek en brengen mannen in de rol van taakgericht, ambitieus en assertief.

Vanaf het begin van de mensheid zijn mannen en vrouwen bezig met adaptieve problemen, om verschillende biologische en sociale doelstellingen te bereiken volgens Triosi (2001). Nishizawa, Benkelfat, Young, Leyton, Mzengeza, Montigny, Blier, en Diksic (1997) zeggen dat de hoeveelheid waakzaamheid, agressief gedrag en pijn bij de vrouwen slechts vijftig procent is ten opzichte van de hoeveelheid bij mannen. Kemp (2004); Bradley, Codispoti, Sabatinelli, en Lang (2001) en Sarlo, Palomba, Buodo, Minghetti, en Stegagno (2005) toonden aan dat vrouwen gevoeliger zijn voor onplezierige emoties dan mannen.

Vrouwen vertonen doorgaans hogere niveaus van negatieve gevoelens dan mannen in reacties op stressoren. Vrouwen zijn gediagnosticeerd met hogere angst-en stemming gerelateerde pathologie dan mannangst-en. Uit de studies van Gater, Tansella, Korten, Tiemens, Mavreas en Olatawura. (1998) en Weissman, Bland, Canino, Faravelli, Greenwald, en Hwu (1996) blijkt dat vrouwen een dubbele hoeveelheid stemming- en angststoornissen hebben ten opzichte van de man. Vrouwen herinneren zich ook meer emotionele gebeurtenissen dan mannen, ze herinneren het sneller of met een grotere emotionele intensiteit volgens Canli (2002). Mackiewicz, Sarinopoulos, Cleven en Nitschke (2006) toonden aan dat anticiperende activiteiten invloed kunnen hebben op de codering van emotionele gebeurtenissen. Biologische sekse heeft een grote invloed op de verwerking van emotionele gebeurtenissen zeggen Andreano en Cahill (2009). Het kan zo zijn dat

mannen en vrouwen verschillen in het coderen van emotionele herinneringen bij anticiperende activiteiten zegt Galli (2011).

2.4 Twitteranalyse

Twitter stelt gebruikers in staat om een gesprek te voeren door middel van het gebruik van 140 tekens die verzonden kunnen worden vanaf mobiele telefoons, mobiele internet apparaten of door middel van websites (Murthy, 2013). Ook zegt hij dat Twitter een communicatietechnologie is die verbetert als het een onderdeel is van een grotere trend binnen culturen.

De grote hoeveelheid content, gemaakt door web-gebruikers in de laatste tien jaar, zorgt ervoor dat er nieuwe uitdagingen en nieuwe onderzoeksvragen ontstaan zeggen Cataldi, Di Caro en Schifanella (2010). Hierdoor zijn er veel Twitteranalyses gedaan om te onderzoeken wat gebruikers willen of doen. Cataldi et al. (2010) deden onderzoek naar de rol van Twitter en zorgden voor een nieuwe methode om nieuwe topics te extraheren door real-time termen te analyseren. Het algemene idee was dat een onderwerp gedefinieerd kan worden als een nieuw onderwerp in een bepaalde tijdsinterval. Voor dit idee hebben Cataldi et al (2010) een vijf-stappen-proces ontworpen. In de vijf stappen wordt de verkregen content geëxtraheerd en geformaliseerd, waarbij rekening gehouden wordt met alle talen. Vervolgens ontwerpen ze een grafiek waarin de actieve auteurs met hun sociale relaties en actieve deelname op Twitter te zien zijn. Dit wordt berekend door het Page Rank algoritme van Page, Brin, Motwani en Winograd (1998). Als derde wordt voor elke term een levenscyclus gemaakt waardoor het gebruik in een bepaalde tijdsinterval bestudeerd kan worden. Daarnaast selecteren ze nieuwe onderwerpen door keywords te ranken die afhangen van de status, dus het belang van het nieuwe onderwerp. Ten slotte maken ze een grafiek waarin gelinkt wordt naar de nieuwe onderwerpen om vervolgens daaruit weer nieuwe termen te verkrijgen.

Verder suggereren Cataldi et al. (2010) dat een onderwerp wordt gedefinieerd als samenhangend geheel van semantisch gerelateerde termen die een enkel argument uitdrukken. Daarom, zeggen Cataldi et al. (2010), is het systeem voor elk tijdsinterval in staat de meest besproken onderwerpen binnen te halen.

Cataldi et al. (2010) zeggen dat een Twitteranalyse gebaseerd is op een complete set van technieken die het mogelijk maken om nieuwe trending onderwerpen vroeg op te sporen. Een veel gebruikte tool voor een Twitteranalyse is Graph Theory (Hayes, 2000), en de daar bijhorende statistieken van Costa, Rodrigues, Travieso en Villas Boas (2007) waarmee een diepere analyse in de relaties is te vinden op Twitter.

Een ander soort relevante analyse is de Twitter sentiment-analyse, die probeert om de emotionele reactie op een bepaald onderwerp te kwantificeren, (Castillo, Mendoza, en Poblete 2011); (Pak en Paroubek 2010); (Thelwall, Buckley, en Paltoglou 2012). Door middel van sentiment-analyse kan men miljoenen berichten classificeren als positief, negatief of neutraal. De indeling van de gegevens door sentiment vertegenwoordigt slechts de eerste stap op weg naar het ontdekken van het inzicht van de burger (Moreno, Cuesta en Barrero 2013)

Moreno et al. (2013) beschrijven in hun artikel de eerste stap om een raamwerk te ontwikkelen, welke automatisch data van Twitter binnenhaalt om verdere sentiment-analyses te kunnen doen. Zij hebben op basis van deze stap data binnen gehaald die gerelateerd is aan de terroristische aanslag op de marathon in Boston. Moreno et al. (2013) hebben het raamwerk een week lang getest op Twitterberichten die de Spaanse zin ‘Maraton de Boston’ bevatte, waarna een eenvoudige analyse is uitgevoerd op elementaire statistieken. Hun doel was om de Spaanse activiteit op Twitter te karakteriseren naar aanleiding van de terroristische aanslag op Boston. De tool die Moreno et al. (2013) ontworpen is gebaseerd op de Twitter Stream API. Twitter Stream API zorgt voor een real time stream van Twitterberichten door middel van een http connectie. Moreno et al. (2013) geven aan dat deze manier ook beperkingen heeft, maar desondanks gemakkelijk gebruikt kan worden om grote aantallen data binnen te krijgen.

Kryvasheyeu, Chen, Moro, Van Hentenryck, en Cebrian (2014) hebben meer dan vijftig miljoen Twitterberichten bestudeerd die gepost zijn voor, tijdens en na de orkaan Sandy. Deze ramp gebeurde in 2012 en is een van de duurste rampen in de geschiedenis van de Verenigde Staten geweest. Kryvasheyeu et al. (2014) hebben de dagen en tijden opgedeeld in categorieën. Meer dan 8,5 miljoen mensen zijn betrokken geweest bij de orkaan die weken duurde. In dit onderzoek wordt gekeken naar de digitale sporen van de orkaan op Twitter. De Twitterberichten zijn in twee sets van Twitter binnengehaald. De eerste bevatte de berichten met de hashtag Sandy, die gepost zijn in de bepaalde periode. In de tweede set is er geen hashtag gebruikt, maar zijn er keywords gebruikt die relevant waren bij de gebeurtenis. Beide datasets zijn verkregen via een analyse bedrijf Topsy Labs en de relatie-grafieken zijn verkregen van Twitter API. Verder zijn de berichten gefilterd naar berichten die alleen informatie bevatte over de locatie van de gebeurtenis. De berichten zijn samengevat in histogrammen waarin te zien is welke sleutelwoorden bij elkaar horen. Na het verzamelen van de berichten zijn Kryvasheyeu et al. (2014) verder gaan onderzoeken welke invloed dit had op de gebruikers.

Simon, Goldberg, Aharonson-Daniel, Leykin en Adini (2014) onderzochten de Twitterberichten die verstuurd waren tijdens de terroristische aanslag in het winkelcentrum in Kenya op 21 tot en met 25 september 2013. Voor het verzamelen van de berichten hebben zij TwitterMate gebruikt. Dit is een zelfontworpen systeem speciaal om berichten te verzamelen van Twitter. In TwitterMate is het mogelijk om te zoeken op gebruikersnamen, hashtags en Twitter ID’s. Daarnaast kan het de volgers van specifieke Twittergebruikers binnenhalen. Door te zoeken op de gebruikersnaam is TwitterMate in staat om alle Tweets van een specifiek account binnen te halen. Simon et al. (2014) zeggen dat TwitterMate de systemen Twitter Search, REST en stream API dekt. Alles wat die systemen kunnen, kan TwitterMate dus ook. Alle Tweets die binnengehaald zijn, komen in een Excelbestand en worden onderverdeeld in classificaties. Simon et al. (2014) hebben de Twitterberichten geanalyseerd door formules te gebruiken waardoor de hashtags en gebruikersaccounts van de berichten verzameld konden worden. Totaal zijn er 67.849 Twitterberichten verzameld, gebaseerd op relevante hashtags. TwitterMate verzamelt berichten uit alle talen, maar voor dit onderzoek zijn alleen de Engelse berichten verzameld, zeggen Simon et al. (2014). Vervolgens is er een sentiment analyse over de berichten uitgevoerd. Elk Twitterbericht heeft een sentiment score voor negatief, neutraal of positief. Verder maken Simon et al. (2014) geen gebruik van verdere emoties.

Kounadi, Lampoltshammer, Groff, Sitko, en Leitner (2015) hebben onderzoek gedaan naar de perceptie van burgers op moorden. Hierbij analyseren zij Twitterberichten die refereren naar moorden die gepleegd zijn in Londen in 2012. In het bijzonder onderzoeken zij hoe de kenmerken en de nabijheid van de misdaad invloed hebben op de bezorgdheid van het publiek, uitgedrukt in het tijdstip en de inhoud van de Twitterberichten. Kounadi et al. (2015) hebben twee soorten data bronnen gebruikt, namelijk online kranten en Twitter. In het totaal hebben zij 791 links verzameld die de basis waren om Twitterberichten te verzamelen. Twitterberichten bevatten nieuwslinks en verspreidden informatie in hun sociale netwerk. Kounadi et al. (2015) maakten gebruik van media verkoper TOPSY. TOPSY is een ‘social search analytics’ bedrijf dat het mogelijk maakt om relevante Twitterberichten te verzamelen die gebaseerd zijn op keywords. Kounadi et al. (2015) gebruikten de 791 links als keywords. Uit de verzamelde berichten zijn de Tweets van professionele bedrijven, kranten en commerciële bronnen verwijderd. In totaal zijn er 3271 berichten verzameld. De berichten zijn geanalyseerd op tijdsinterval, relatie tussen de gebruikers en de locaties van de gebruikers. Daarnaast zeggen Kounadi et al. (2015) dat de afhankelijke variabele van hun onderzoek de

frequentie van de Tweets per misdaadincident is. Daarom hebben ze het aantal Twitterberichten per misdaadincident geclassificeerd. Eerst zijn er vijf frequentieklassen gemaakt met aantallen Twitterberichten. Vervolgens hebben zij negen variabelen samengesteld, waarin de eerste drie de demografische variabelen zijn, de volgende twee beschrijven de karakteristieken van de daders en in de laatste vier worden de karakteristieken van de misdaad zelf beschreven. Deze classificaties en de variabelen zijn gezamenlijk geanalyseerd, waardoor er linken gelegd konden worden tussen de tijdsinterval, relatie tussen gebruikers en de locaties van de gebruikers.

Alle bovenstaande onderzoeken zijn gedaan door middel van analytische bedrijven of systemen die de berichten alleen kunnen verdelen in neutraal, positief of negatief.

2.5 Terrorisme en Twitter

In de afgelopen jaren heeft social media zich ontwikkeld van een basisapplicatie voor het delen van content naar een belangrijk onderdeel van huidige maatschappij, wereldwijd (Evans en Brat-ton, 2008); (Weinberg, 2009). Twitter is daar een voorbeeld van.

Online platforms hebben de mogelijkheid om inzicht te krijgen in de emotionele reacties van mensen. Mislove, Lehmann, Ahn, Onnella, en Rosenquist. (2010) zeggen dat Twitter de mogelijkheid biedt om geuite emoties te analyseren en voorgaande studies hebben aangetoond dat geografische, dagelijkse en wekelijkse patronen van positieve en negatieve gevolgen waargenomen kunnen worden (Golder en Macy 2011); (Dodds, Harris, Kloumann, Bliss, en Danforth, 2011).

Bij een terroristische aanslag delen mensen hun mening via Twitter. Doordat Twitter wordt gebruikt bij een terroristische aanslag is het mogelijk om Twitter te gebruiken als een indicator van gevoel en gedrag van de gebruiker tijdens het betreffende onderwerp (Cheong and Lee, 2009); (Diakopoulos, en Shamma 2010). Mendoza, Poblete, Castillo, Leskovec en Provost, (2010) suggereren dat de ‘trending topics’ op Twitter veranderen als er een belangrijke gebeurtenis plaatsvindt. Zo werd de hashtag PrayForParis een van de meest gebruikte hashtags in 2015 volgens Cnet (2015).

Voor terroristen is het belangrijk dat er angst ontstaat onder de bevolking. Zo kunnen zij indruk maken op de bevolking en de politiek. Volgens Rothenberger (2012) is het voor terroristen belangrijk dat er over hen gesproken wordt in de media. Rothenberger (2012) geeft daarbij het voorbeeld dat de GAM (terroristische beweging) journalisten hebben aangevallen nadat zij een negatief beeld gaven. Een

ander voorbeeld is dat de FARC nieuwsreporters uitnodigde zodat zij zelf een (gemanipuleerd) plaatje van het geheel konden maken.

Gupta, Joshi en Kumaraguru, (2012) zeggen naar aanleiding van hun onderzoek dat de geloofwaardigheid van informatie tijdens ingrijpende gebeurtenissen belangrijk kan zijn. Onderzoekers hebben aangetoond dat activiteiten op Twitter verschillen bij noodsituaties ten opzichte van dagelijkse situaties. Gupta et al. (2012) suggereert ook dat wanneer de Twitteraar informatie verkrijgt van een gebeurtenis, hij zich veel meer bewust is van de situatie. Situationeel bewustzijn leidt tot het verkrijgen van kennis over de gebeurtenis of leidt tot het informeren naar details van de gebeurtenis, zoals de locatie, de mensen die getroffen zijn, de oorzaken etc. Uit het onderzoek van Gupta et al. (2012) bleek dat 30% van de berichten over de gebeurtenis ging, 14% was spam en 17% van de berichten bleken informatie te bevatten die ook geloofwaardig was. Mensen reageren dus op een aanslag zoals in Parijs, maar dit hoeft niet zozeer interessant te zijn voor de terroristen, wanneer zij alleen angst willen zaaien. Veel berichten vermelden nieuws of onzinnige dingen waar niemand iets aan heeft.

3 Methode

In dit hoofdstuk worden de toegepaste methoden beschreven. Dit begint bij de selectie van landen. Vervolgens welke methode toegepast is op het verzamelen en het categoriseren van de Twitterberichten. Het hoofdstuk wordt afgesloten met de methode van de analyse van de Twitterberichten.

3.1 Selectie van landen

Tijdens de aanslagen in Parijs op 13 november hebben mensen vanuit heel de wereld hun reactie geuit op Twitter. Om een vergelijking te kunnen maken tussen reacties van landen die eerder een aanslag hebben meegemaakt en landen die dat niet eerder hebben meegemaakt, is gekozen voor zes landen. De landen die eerder een aanslag hebben meegemaakt zijn Spanje, Engeland en Noorwegen, de landen die niet eerder een aanslag hebben meegemaakt zijn Nederland, Duitsland en Italië. Deze landen zijn gekozen omdat Italië en Spanje Zuid-Europese landen zijn die een minder welvarende economie hebben, vergeleken met de andere gekozen landen. Duitsland en Nederland zijn Midden-Europa met een welvarende economie. Engeland en Noorwegen zijn landen die allebei gedeeltelijk niet aasluiten bij de Europese Unie. Noorwegen is geen lid van de Europese Unie, maar is wel lid van een aantal projecten binnen de Europese Unie. Engeland is op dit moment wel lid van de Europese Unie, maar overwegen eruit te stappen. Beide landen betalen ook met een andere munt. De geselecteerde landen onderscheiden van elkaar, maar hebben tegelijkertijd ook overeenkomsten.

De landen die een aanslag hebben meegemaakt zijn Engeland, Spanje en Noorwegen. Engeland en Spanje hebben beide een aanslag van Al Qaida meegemaakt, wat een aanslag op religieuze basis is. De aanslag in Noorwegen is door een persoon uitgevoerd en niet op basis van religie. De aanleiding van de aanslag is anders, wat van invloed kan zijn op de berichten op Twitter. Twee religieuze en een niet-religieuze aanslagen zijn geselecteerd om afwijkingen te analyseren.

De landen die geselecteerd zijn in dit onderzoek hebben een verschillend aantal inwoners. Dit kan van invloed zijn op de cijfers van het aantal Twittergebruikers. Daarom zijn er tabellen samengesteld om de verschillen te kunnen overzien. Daarnaast is in het onderzoek onderscheid gemaakt tussen mannen en vrouwen. Dit kan van invloed zijn bij het aantal vrouwen en het aantal mannen die Twitterberichten hebben verstuurd over de aanslag van 13 november 2015.

Hieronder zijn de cijfers van het aantal inwoners en het aantal Twitteraars vermeld:

Land Inwoners* Twitter

gebruikers** Eerder getroffen Engeland (UK) 65.039.319 9.936.0006

Noorwegen 5.085.147 932.0007 Spanje 47.846.083 1.400.0008 Niet eerder getroffen Duitsland 79.758.764 2.000.0009 Italië 60.546.909 9.135.00010 Nederland 17.004.993 1.000.00011 Tabel 3.1 countrymeters.info

*Op 11 februari 2016 ** Actieve gebruikers

Hieronder zijn het aantal mannen en vrouwen per land vermeld: Engeland Mannen 32.280.965 Vrouwen 32.758.354 Totaal 65.039.319 Tabel 3.2 countrymeters.info Noorwegen Mannen 2.521.572 Vrouwen 2.563.575 Totaal 5.085.147 Tabel 3.3 countrymeters.info Spanje Mannen 23.611.085 Vrouwen 24.234.998 Totaal 47.846.083 Tabel 3.4 countrymeters.info Duitsland Mannen 39.172.719 Vrouwen 40.586.045 Totaal 79.758.764 Tabel 3.5 countrymeters.info Italië Mannen 29.225.701 Vrouwen 31.321.208 Totaal 60.546.909 Tabel 3.6 countrymeters.info Nederland Mannen 8.417.982 Vrouwen 8.587.011 Totaal 17.004.993 Tabel 3.7 countrymeters.in

3.2 Selectie van Twitterberichten

De berichten die gebruikt worden om reacties van verschillende landen te vergelijken, komen van Twitter. De reacties zijn op de aanslag van 13 november 2015 door ISIS (Islamic State In Syrië).

Voor het binnenhalen van Twitterberichten zijn verschillende methoden. Als eerste bieden programma’s de mogelijkheid om berichten te verzamelen waarbij weinig tot geen ruis tussen de Twitterberichten aanwezig is. Met ruis worden de berichten bedoeld die niet over de aanslag gaan. Voorbeelden van deze programma’s zijn LiveWall en Coosto.

LiveWall heeft de mogelijkheid om social media kanalen te integreren, een tijdlijn voor content en alle social media posts te bekijken, (LiveWall, 2016) Bij het gratis gebruik maken van dit programma kunnen maximaal tweehonderd berichten per dag opgehaald worden en zijn de statistieken niet real-time. Dit beperkt het verzamelen van Twitterberichten.

Coosto is een social media-monitoringprogramma, waarbij gebeurtenissen die online veel besproken worden naar voren komen, (Coosto, 2016). Coosto geeft een overzichtelijk beeld van de ‘dichtheid’ van de discussie. Met de dichtheid wordt het aantal berichten per tijdseenheid bedoeld. Daarnaast geeft Coosto ook een beeld van bronnen, auteurs en trending topics (Aarts, Ruyssenaars, Steuten, en Herzele, 2015). Van Coosto kan alleen gebruik gemaakt worden tegen betaling.

Ten tweede biedt Twitter een zoekfunctie, waarmee geavanceerd gezocht kan worden. Met de zoekfunctie kan gezocht worden op woorden (waaronder hashtags), taal, mensen, plaatsen, data en overig. Deze functie op Twitter is toegepast in dit onderzoek.

Van ieder land zijn tweehonderd berichten verzameld die op 13 november direct een reactie gaven. Alleen voor Engeland en Spanje zijn driehonderd berichten per land verzameld. Bij deze landen zijn meer berichten verzameld omdat de talen van deze landen over de hele wereld worden gesproken. Hierdoor is bij het verzamelen van de berichten een filter van ‘stad’ gebruikt. Van beide landen zijn tweehonderd berichten verzameld uit de hoofdstad en honderd berichten uit steden vanuit het hele land. Deze honderd extra berichten zijn meegenomen in de selectie omdat in de hoofdstad meer mensen met dezelfde emoties kunnen leven, doordat ze allemaal in een stad wonen. Door ook berichten van het platteland of kleinere steden te nemen, blijft het een willekeurig bericht uit het betreffende land.

Door de berichten te filteren zijn van alle landen de berichten binnengehaald die direct na de aanslag zijn geplaatst. De berichten zijn gefilterd op taal van het betreffende land en op datum. Bij de Nederlandse en Duitse berichten zaten ook Belgische en Oostenrijkse berichten, maar deze berichten waren duidelijk te onderscheiden van de landen die meedoen aan het onderzoek. De berichten waren herkenbaar aan het verschillende taalgebruik (zoals in België: als – toen, ge/gij – jij/u, komaan – kom op, plezant – leuk, etc.), het verwijzen naar nieuwssites (België: VRT, VTM, Het Laatste Nieuws etc., Oostenrijk: ORF, ATV etc., Luxemburg: RTL (Radio Televisie Luxembourg)) van het betreffende land of dat de plaats van het bericht was in een ander land. Berichten die deze kenmerken bevatten zijn niet opgenomen in het onderzoek.

De berichten zijn verzameld door binnen Twitter op 13 november te scrollen naar het moment dat de eerste Tweet over de aanslag is geplaatst. Vanaf daar is ieder bericht dat ging over de aanslag verzameld, met uitzondering van berichten van nieuwsorganisaties. In deze grote hoeveelheid aan berichten zaten ook berichten die niet over de aanslag gingen, deze zijn overgeslagen. Bij twijfel over het onderwerp van het bericht, is het bericht vertaald in Google Translate zodat het onderwerp bekend was. Over het algemeen was het duidelijk te zien of het bericht over de aanslag ging. Twitteraars praten namelijk over ‘Parijs’, wat vanuit iedere taal leesbaar is. Daarnaast waren de woorden zoals slachtoffers, terrorisme, daders, etc. snel herkenbaar, waardoor deze niet regelmatig vertaald hoefde te worden via Google Translate.

De tweede selectie van berichten zijn op Twitter gezet in twee maanden na de aanslag van 13 november met een maximum van ongeveer tweehonderd berichten. Deze berichten strekken van 16 november tot 12 januari. 16 november is gekozen omdat dit de eerste werkdag na de aanslag is en mensen weer in een dagelijks ritme komen. Daarnaast zijn de berichten van 12 januari terug naar 16 november verzameld. Sommige landen hadden in die twee maanden veel minder berichten verstuurd in die periode dan andere landen. Bij enkele landen zijn dus minder dan tweehonderd berichten verzameld. Bij de landen Duitsland en Italië zijn meer dan tweehonderd berichten verstuurd in de twee maanden na de aanslag. Daarom zijn in de eerste paar dagen na de aanslagen ongeveer vijf berichten per dag verzameld.

In tabel 3.8 staat vermeld hoeveel berichten per data zijn verstuurd per land. Tot en met 29 november (eerste twee weken) zullen de berichten per dag aangegeven worden, daarna alleen per week.

Spanje Noorwege n

Engeland Duitsland Italië Nederland

16 nov 47 5 51 - - 6 17 nov 3 12 53 5 6 19 18 nov 6 10 15 5 5 21 19 nov 3 1 6 3 5 27 20 nov 0 1 4 11 6 15 21 nov 5 2 9 10 5 15 22 nov 0 2 4 12 6 9 23 nov 1 0 3 8 5 8 24 nov 1 2 2 8 10 8 25 nov 0 0 1 10 5 7 26 nov 0 1 2 10 6 3 27 nov 0 2 0 12 4 8

28 nov 0 0 1 3 4 0 29 nov 0 1 0 7 5 4 Week 49 0 3 3 24 28 12 Week 50 0 4 0 29 20 10 Week 51 1 0 0 25 4 11 Week 52 0 1 1 12 5 6 Week 53 0 1 0 14 18 9 Week 1 0 0 0 12 11 22 Week 2* 0 0 0 8 5 9

Tabel 3.8 *Week 2 bevat alleen 11 en 12 januari.

De berichten zijn verzameld op basis van hashtags. Deze hashtags komen voort uit de eerste selectie van de berichten. Per bericht is gekeken welke hashtags zijn gebruikt. De hashtags die het meest gebruikt werden, zijn toegepast om te kijken hoelang deze hashtags gebruikt zijn met een maximum van twee maanden. Alle berichten die de betreffende hashtags gebruikten, zijn binnengehaald. Dit leidde af en toe naar onzinnige berichten, maar Twitteraars trekken dit toch in verband met de aanslag. Waaruit blijkt dat zij nog steeds bezig waren met de aanslag.

Bij het verzamelen van de berichten is gelet op welke emoties en onderwerpen veel voorkwamen. Op basis van de veel voorkomende emoties en onderwerpen zijn de berichten gecategoriseerd, wat verder beschreven is in de volgende paragraaf.

Tijdens het binnenhalen van de berichten is genoteerd door welk geslacht het bericht geplaatst was en bij Spanje en Engeland zijn de steden ook vermeld. Nadat de berichten binnengehaald waren, zijn ze naar het Nederlands vertaald. De berichten van Engeland, Spanje en Italië zijn vertaald door personen die de betreffende taal vloeiend beheersen. Vervolgens zijn deze berichten steekproefsgewijs getest of de vertalingen overeen kwamen met de vertalingen van Google Translate. Noorwegen en Duitsland zijn alleen vertaald met behulp van Google Translate. Vervolgens konden de berichten worden gecategoriseerd.

3.3 Categorisering van Twitterberichten

Als eerste is de vraag gesteld of het bericht een bericht met emoties is of alleen een informatief bericht. Twee voorbeelden van berichten met emotie zijn ‘Ik heb angst en durf morgen niet met de metro’ en ‘Ik bid voor de slachtoffers van de aanslagen in Parijs #PrayForParis’. Twee voorbeelden van een informatief berichten zijn ‘Een van de daders van Bataclan is neergeschoten #ParisAttacks’ en ‘Parijs, tientallen doden in de explosies en vuurgevechten’.

Vanuit de theorie is onderzocht wat veel voorkomende basisemoties zijn. Vervolgens is vergeleken welke van deze emoties daadwerkelijk veel voor kwamen

in de Twitterberichten. Op basis van de theorie van Shaver et al. (1987), Plutchik (2001) en Tomkins (1962) zijn acht basisemoties samengesteld.

 liefde,  angst,  vreugde,  woede,  verdriet,  verrassing/verbazing,  schaamte en  walging

Na het verzamelen van de berichten dienden deze gecategoriseerd te worden. Hierbij dienden de berichten onder andere verdeeld te worden onder de verschillende emoties. De berichten konden niet allemaal direct op een van de basisemoties gewezen worden. Daarom is per bericht eerste gekeken welke emotie het betreffende bericht bevatte, zodat deze vervolgens onder verdeeld kon worden in een van de acht basisemoties. Een voorbeeld hierbij is trots; in de tweede meting waren veel Engelse Twitteraars trots op hun voetbalclub omdat zij de aanslag hadden herdacht. Deze berichten zouden op het eerste gezicht zowel bij liefde passen als bij vreugde. Daarom is eerst gekeken waar de emotie trots onder valt. Trots is enthousiasme en een bepaalde vorm van blijheid, waardoor deze emotie onder vreugde is geplaatst. Een tweede voorbeeld is een bericht als ‘Ik snap echt niet dat daders dit kunnen doen’. Dit bericht bevat verontwaardiging en mogelijk ook irritatie. Verontwaardiging en irritatie passen het beste onder woede, waardoor dit bericht dus de emotie woede toegewezen heeft gekregen.

In tabel 3.9 kan gelezen worden welke sub-emoties onder de basisemoties zijn gecategoriseerd:

Liefde Vriendelijkheid Vertrouwen Aardig zijn Meelevendheid

Angst Bezorgdheid Ongerustheid Zorg Wantrouwen

Vreugde Plezier Trots Opluchting Amusement

Woede Verontwaardiging Vijandigheid Ergernis Irritatie Haat Verdriet Eenzaamheid Bedroefdheid Wanhoop Rouw

Verrassin g

Verbijstering Geschokt Ontdaan Schaamte Teleurstelling Schuldgevoel Vernedering

Walging Minachting verafschuwing Verachting Afkeer Tabel 3.9

Beide soorten berichten, de emotionele en de informatieve, worden gecategoriseerd in het onderwerp van het bericht. Ieder bericht kan meerdere emoties of onderwerpen hebben. De onderwerpen zijn opgesteld tijdens het verzamelen van de Twitterberichten. De volgenden onderwerpen zijn hieruit voortgekomen:

 Politiek/Staat/Politie  Vluchtelingen,

 Religie,

 Slachtoffers,  Daders,  Herinnering,  Aanslag Parijs/Frankrijk,  Citaat,  Welzijn Twitteraar,  Verwijzing aanslag en  Overig.

Het eerste onderwerp ‘Politiek/Staat/Politie’ bevat alle berichten die gaan over de politiek, dit kan over de minister president gaan maar ook over uitspraken die door politici zijn gedaan. Het onderwerp Staat bevat de berichten die naar de overheid of de inlichtingen en/of veiligheidsdiensten verwijzen, ditzelfde geldt ook voor de politie. Politiek, Staat en Politie worden verder vermeld onder Politiek. Het tweede onderwerp ‘Vluchtelingen’ bevat de berichten die gaan over vluchtelingen of de berichten die gaan over het sluiten van de grenzen. Het derde onderwerp ‘Religie’ bevat alleen de berichten waarin verwezen wordt naar de Islam. Dit onderwerp bevat niet de berichten waarin wordt gebeden of wanneer het over een andere religie gaat. Het vierde onderwerp ‘Nieuwsvermelding’ geeft weer of de Twitteraars berichten van nieuwsorganisaties herhalen. Een voorbeeld hiervan is “Er zijn twee daders neergeschoten door de politie”. Twitteraars brengen in deze berichten het nieuws over voor andere Twitteraars, daarom heet deze categorie ‘Nieuwsvermelding’. Het vijfde en het zesde onderwerp zijn ‘Slachtoffers’ en ‘Daders’. Bij ‘Slachtoffers’ alle berichten die gaan over de bevolking die in Frankrijk zijn, omdat heel Frankrijk is getroffen door de aanslagen. Bij ‘Daders’ gaat het over de daders die de aanslag hebben gepleegd, maar ook over ISIS omdat daar de aanslagplegers uit voortkomen. Bij het zevende onderwerp gaat het over ‘Herinneringen’, hiermee worden de berichten bedoeld waarin de Twitteraar een eigen herinnering benoemt. In deze berichten wordt bijvoorbeeld vermeld dat zij in Parijs zijn geweest. In het achtste onderwerp ‘Aanslag Parijs/Frankrijk’ zijn alle berichten geplaatst die verwijzen naar de aanslag. Bijvoorbeeld “Ik bid voor de slachtoffers van de aanslagen in Parijs #PrayForParis”, maar ook “Aanval op Bataclan geëindigd, laten we werkelijk hopen dat alles nu afgelopen zal zijn. Maar ach wee, morgen vergeet men alles #Parigi”. Het negende onderwerp ‘Citaat’ bevat de berichten waarbij iemand geciteerd wordt. De Twitteraars geven deze berichten meestal aan door een gedeelte van hun zin met aanhalingstekens te weergeven. In het tiende onderwerp ‘Welzijn Twitteraar’ zijn de berichten waarin de Twitteraar zijn eigen gemoedstoestand vermeld. Een voorbeeld hiervan is ‘Ik ben bang om mijn huis uit te gaan’ of ‘Ik voel me zo koud door deze nacht’. Hier benoemen zij hoe ze zichzelf voelen, waarmee de Twitteraars hun eigen welzijn aangeven. Het elfde onderwerp ‘Verwijzing Aanslag’ zijn de berichten waarin verwezen wordt naar een andere aanslag. Dit kan een aanslag zijn die ooit in eigen

land is geweest, eerdere aanslagen in Frankrijk of aanslagen die na 13 november gebeurd zijn. Na de aanslagen van 13 november is in Istanbul ook een grote aanslag gepleegd, in de tweede selectie van de berichten kan hiernaar verwezen worden. Het laatste onderwerp is ‘Overig’. Hierin staan de berichten die niet onder de andere berichten geplaatst konden worden. Overige berichten kunnen onder andere gaan over voetbal, omdat de aanslagen veel herdacht zijn op bekende voetbalclubs. Een voorbeeld hiervan is “Heel mooi om te zien dat het hele AFAS Stadium 1 minuut stil was voor Parijs! #PrayForParis #AZHer”. De overige berichten kunnen ook gaan over hoe slecht het met de wereld is gesteld of zeer onzinnige berichten zoals “Ik heb gisteren een oude banquette gegeten #PrayForParis”.

3.4 Analyse van de resultaten

Nadat de berichten gecategoriseerd zijn, zijn de resultaten hiervan geanalyseerd. In de analyse dienden de verschillen tussen de landen naar voren te komen. Deze verschillen komen naar voren door te meten welke landen meer emotie- of informatieve berichten posten en welke landen bepaalde emoties meer of juist minder gebruiken. Ditzelfde geldt voor de onderwerpen. Ook is geanalyseerd bij welke emoties bepaalde onderwerpen veel worden gebruikt en bij welke onderwerpen bepaalde emoties worden gebruikt. Tevens worden de verschillen tussen de mannen en vrouwen gemeten. Na de uitvoering van de metingen zijn bij iedere categorie de verschillen tussen de eerste en de tweede meting weergegeven zodat de verschillen op de langer termijn gelezen kunnen worden.

Ten slotte is beoordeeld of de verschillen tussen de groepen landen, tussen de eerste en tweede meting en tussen de mannen vrouwen een lichte afwijking of een ernstige afwijking hebben. Volgens Dalen en De Leede (2002) is tussen de echte en de veronderstelde populatiewaarde altijd een verschil, hoe klein deze ook is. Dit betekent dat het verwerpen van een hypothese toeneemt naarmate de steekproefomvang n groter is. Als de steekproef n maar groot genoeg is zal men altijd een significante afwijking constateren. Significantie meet of het verschil wel of niet door toeval is ontstaan.

In dit onderzoek worden de significantieniveaus 5%, 1% en 0,1% toegepast. Dus een verschil is significant indien p<.05, p<.01 en p<.001. Hoe lager het getal is, hoe ernstiger de afwijking is. Bij een significant niveau van p<.05 is de uitkomst van de test voor 95% betrouwbaar.

Om de significantieniveaus te kunnen berekenen, dienen er een nulhypothese en een alternatieve hypothese worden vastgesteld. In dit onderzoek staan de nulhypotheses in de eerste rij van de tabel. Dus de eerste groep landen, de