Twittertaal van organisaties

Twittertaal van

organisaties

Een taalkundig onderzoek naar bondigheid,

begrijpelijkheid, objectiviteit en

woordvolgorde in tweets van organisaties.

Alfred Been S1916416

Masterscriptie Communicatiekunde Rijksuniversiteit Groningen

Faculteit der Letteren

Samenvatting

Voorwoord

Voor u ligt de scriptie ‘Twittertaal van organisaties’, die een taalkundig onderzoek beschrijft naar bondigheid, begrijpelijkheid, objectiviteit en woordvolgorde in tweets van organisaties. Deze scriptie is geschreven in het kader van mijn afstuderen aan de Masteropleiding

Communicatiekunde aan de Rijkuniversiteit Groningen.

Van oktober 2015 tot en met januari 2017 ben ik bezig geweest met het onderzoek en de uiteindelijke verslaglegging daarvan. Dat is een lange tijd, maar daarbij moet worden

opgemerkt dat ik pas vanaf eind juli 2016 bezig ben geweest met het uiteindelijke onderwerp van deze scriptie. Het vinden van het juiste onderwerp en een geschikte methode daarvoor bleek een lastige opgave. Gelukkig is dat in samenwerking met mijn begeleidster, mevrouw L.M. Bosveld-de Smet, toch op tijd gelukt. Ik wil haar graag bedanken voor haar vertrouwen en het feit dat dit scriptieproces uiteindelijk toch tot een goed einde is gekomen. Ook wil ik de heer M. Huiskes bedanken. Hij heeft ook meegedacht over het onderwerp en was daarnaast als tweede beoordelaar bij deze scriptie betrokken.

Moeilijke momenten waren er zeker, vooral in het eerste gedeelte van dit scriptieproces. Om die reden wil ik mijn vriendin Corina van der Lans bedanken omdat zij mij telkens

aanspoorde de moed niet te verliezen. Ook als tweede onderzoekster en als meedenker heeft zij haar steentje bijgedragen aan dit eindproduct. Daarnaast wil ik alle anderen die op welke manier hebben meegedacht of meegeholpen ook graag bedanken.

Ten slotte wil ik graag een bijzonder dankwoord richten aan mijn ouders. Zij hebben me tijdens mijn studie altijd ondersteund en ze hebben tot op het laatste moment hun vertrouwen getoond.

Ik wens u veel leesplezier. Alfred Been

Inhoudsopgave

2.4.2 Accessibility Leesniveau Tool 8

2.5 Objectiviteit 9

2.5.1 Adjectieven 9

2.6 Woordvolgorde 10

2.6.1 Woordvolgorde in het Nederlands 11

2.6.2 Werkwoordvolgorde 12

2.6.3 Zinsoorten 13

3. Methode 14

3.1 Selectie van materiaal 14

3.2 Onderzoeksdesign 16

3.3 Operationalisering deelvraag 1: bondigheid 16

3.3.1 Variabelen en context 19

3.3.2 Toelichting ‘overbodig’ 20

3.3.3 Codering en notatie 20

3.3.4 Betrouwbaarheid 21

3.4 Operationalisering deelvraag 2: begrijpelijkheid 21

3.4.1 CLIB 22

3.4.2 Accessibility Leesniveau Tool 24

3.5 Operationalisering deelvraag 3: objectiviteit 24

3.5.1 Overwegingen operationalisering deelvraag 3 25

3.5.2 Codering en notatie 26

3.5.3 Betrouwbaarheid 26

3.6 Operationalisering deelvraag 4: woordvolgorde 26

3.6.1 Werkwijze en notatie 27

3.6.2 Overwegingen operationalisering deelvraag 4 28

3.6.3 Betrouwbaarheid 29

4. Resultaten 30

4.1 Resultaten deelvraag 1 30

4.2 Resultaten deelvraag 2 31

4.2.1 Resultaten CLIB-formule 31

4.2.2 Resultaten Accessibility Leesniveau Tool 32

4.3 Resultaten deelvraag 3 33

4.4 Resultaten deelvraag 4 34

4.5 Vergelijking objectiviteit en woordvolgorde 38

5. Conclusie 40

Bibliografie 46

Bijlage 1: Operationalisering variabelen 49

Bijlage 2: Lijst met voorzetseluitdrukkingen 50

Bijlage 3: Codering en notatie deelvraag 1 51

Bijlage 4: Lijst met hoogfrequente woorden 52

Bijlage 5: Codering en notatie deelvraag 3 53

Bijlage 6: Codering en notatie deelvraag 4 54

Bijlage 7: Resultaten analyse deelvraag 4 55

1

1.

Inleiding

Sociale media zoals Twitter en Facebook zijn tegenwoordig niet meer uit het dagelijkse leven weg te denken. Veel mensen zijn actief op een of meerdere sociale media en velen volgen nauwlettend de laatste ontwikkelingen van vrienden of familie. Maar het zijn niet alleen vrienden en familie die aanwezig zijn op sociale media. Ook bedrijven en organisaties hebben accounts en plaatsen regelmatig berichten. Via sociale media proberen zij contact te onderhouden met klanten en andere relaties. Dat kan in de vorm van reclame zijn, maar het is ook mogelijk om service te verlenen met behulp van sociale media. In dit onderzoek staat het sociale medium Twitter centraal, en dan in het bijzonder het taalgebruik in het tekstuele deel van de berichten die verschillende soorten organisaties op Twitter plaatsen.

Omdat Twitter – dat in 2006 online kwam – nog relatief jong is, staat taalkundig onderzoek naar Twitter nog in de kinderschoenen. Er is echter wel menig ander onderzoek gedaan met Twitter als object. Bij de Faculteit der Letteren van de Rijksuniversiteit Groningen zijn ook verschillende masterscripties geschreven over Twitter. Onder meer over beleefdheid (self-politeness) op Twitter, (Zweers, 2015; Douma, 2016), de manier van interacteren op Twitter (Grijseels, 2014) en de manier waarop overheden en politici Twitter gebruiken (Luxen, 2013; Boer, 2015). Van puur taalkundig onderzoek naar Twittertaal zijn tot nog toe geen publicaties verschenen. Waar veel aspecten van taal in het algemeen al veelvuldig onderzocht en geanalyseerd zijn, is dat voor Twittertaal weinig of zelfs niet het geval. Om die reden is het taalgebruik van organisaties op Twitter het onderwerp van deze masterscriptie, wat leidt tot de volgende hoofdvraag:

Hoe ziet Twittertaal van organisaties eruit?

Het gaat in dit onderzoek dus om Twittertaal, wat een vorm van geschreven taal is. Geschreven taal is een breed begrip met vele aspecten die elk onderling onderzocht kunnen worden. Om de hoofdvraag te beantwoorden moest er daarom voor worden gekozen om tweets van organisaties op een aantal voor dit onderzoek relevante aspecten te onderzoeken en met elkaar te vergelijken. Er is voor gekozen Twittertaal te beschrijven volgens een viertal aspecten. Deze vier aspecten van taalgebruik vormen elk een eigen deelvraag en zijn ieder gekozen vanwege hun relevantie voor Twittertaal. De deelvragen over bondigheid, begrijpelijkheid, objectiviteit en woordvolgorde worden hieronder toegelicht.

Deelvraag 1

Hoe bondig zijn tweets van organisaties?

2

Deelvraag 2

Hoe begrijpelijk zijn tweets van organisaties?

Vanwege de communicatieve functie van tweets is het belangrijk dat de berichten begrijpelijk zijn. Tweets kenmerken zich door hun korte lengte en hun vluchtige karakter. Maar zoals gezegd heeft onder meer het gebruik van afkortingen en het kiezen voor andere woorden invloed op de begrijpelijkheid van de tekst (Carter, Weerkamp & Tsagkias, 2013: p. 196). Uit onderzoek van Baldwin en Lui (2010: p. 236) blijkt daarnaast dat de lengte, die teksten op het internet hebben, invloed heeft op het identificeren van taal: het is moeilijker om taal uit korte teksten te begrijpen dan taal uit langere teksten. Om die reden is voor deze deelvraag onderzocht of tweets van organisaties begrijpelijk zijn voor verschillende leesniveaus en of er verschillen zichtbaar zijn tussen de organisaties onderling.

Deelvraag 3

Hoe objectief zijn tweets van organisaties?

Voor dit onderzoek zijn de tweets van verschillende organisaties geselecteerd. Deze organisaties – zoals overheidsinstellingen en warenhuizen – hebben elk hun eigen communicatieve doelen bij het versturen van hun tweets. In het kader daarvan is voor deze deelvraag onderzocht hoe objectief (of juist subjectief) de tweets van verschillende organisaties uit verschillende sectoren zijn. Ook bij deze deelvraag is een vergelijking tussen de organisaties onderling gemaakt.

Deelvraag 4

Hoe ziet de woordvolgorde van tweets van organisaties eruit?

Het Nederlands kent een vrij vaste volgorde van woordsoorten in bepaalde soorten zinnen. Dit geldt voor conventionele vormen van geschreven taal, maar de vraag is of dit ook geldt voor Twittertaal, een vrij nieuwe vorm geschreven taal. Het is niet ondenkbaar dat de restrictie van 140 karakters per tweet ook invloed uitoefent op de woordvolgorde van tweets. Bij deze deelvraag is onderzocht of de ‘reguliere’ volgorde van woorden in geschreven taal ook terug te vinden is in de tweets van organisaties. Tussen de organisaties onderling is ook bij deze deelvraag een vergelijking gemaakt.

Het doel van dit onderzoek is om zo nauwkeurig mogelijk in kaart te brengen hoe de taal van organisaties op Twitter eruitziet. Er is onderzocht of er verschillen aan te duiden zijn tussen verschillende soorten organisaties en of er verschillen aan te duiden zijn met taalgebruik dat niet plaatsvindt op Twitter. De persoonlijke motivatie van de onderzoeker om Twittertaal van organisaties te analyseren op de genoemde aspecten komt voornamelijk voort uit pure interesse. Is het zo dat de taal op Twitter dezelfde eigenschappen heeft als taal buiten Twitter, of wijkt het taalgebruik op verschillende aspecten juist af?

3

2.

Theoretisch kader

In dit onderzoek worden de begrippen bondigheid, begrijpelijkheid, objectiviteit en woordvolgorde in verband gebracht met het taalgebruik van organisaties op het sociale medium Twitter. Twitter zal in paragraaf 2.1 worden toegelicht. In de paragrafen 2.2 tot en met 2.5 komen achtereenvolgens de thema’s bondigheid, begrijpelijkheid en objectiviteit van teksten en de woordvolgorde binnen zinnen aan bod.

2.1 Twitter

Twitter is een sociaal medium waarop microblogging plaatsvindt. Een microblog is een kort tekstbericht van maximaal 140 karakters waarin gedachten, activiteiten of mededelingen kunnen worden gedeeld met andere gebruikers van een sociaal medium, zoals vrienden, familie, collega’s of klanten (Safko, 2010: p. 257). Microblogs zijn een voortvloeisel van conventionele blogs of web logs, wat in feite online tijdschriften of magazines zijn waarin auteurs – die bloggers worden genoemd – teksten plaatsen (Safko, 2010: p. 139). Sommige bloggers begonnen na verloop van tijd kortere teksten te schrijven, wat leidde tot de microblog die sneller en makkelijker is te lezen dan de conventionele blog en daarnaast toegankelijker is voor veel gebruikers (Safko, 2010: p. 258). Naast Twitter zijn Twitxr en Plurk platforms waarop microblogs verstuurd en gelezen kunnen worden (Safko, 2010: p. 535).

Twitter is in het jaar 2006 online gegaan in San Francisco en is ontworpen om meer communicatie te genereren (Safko, 2010: p. 537). Via Twitter kunnen korte berichten worden verstuurd die over alle mogelijke onderwerpen kunnen gaan. Bij de start van het netwerk was het idee om gebruikers met hun omgeving en de wereld te laten delen wat ze aan het doen zijn, wat aansluit bij de eerste slogan van Twitter: What are you doing? (Safko, 2010: p. 537). Tegenwoordig is de slogan van Twitter met What’s happening? breder georiënteerd. Veel gebruikers van Twitter sturen nog altijd berichten over wat ze aan het doen zijn, maar ook steeds meer organisaties en bedrijven zijn aanwezig op Twitter, omdat via Twitter gratis informatie/reclame kan worden verspreid (Safko, 2010: p. 538). Bovendien is het eenvoudig om als bedrijf of organisatie service aan klanten te verlenen via Twitter. Twitter wordt inmiddels door ‘bijna iedereen’ gebruikt, aangezien zowel bedrijven, non-profitorganisaties en overheidsinstellingen als de ‘gewone burger’ aanwezig zijn op Twitter (Safko, 2010: p. 538).

4 2.2 Taalgebruik in microblogs

Of het taalgebruik in microblogs afwijkt van geschreven taalgebruik buiten microblogs valt niet met zekerheid te zeggen. Er is echter wel onderzoek gedaan naar de mate waarin taal correct kan worden geïdentificeerd in formeel geschreven taal versus taal in microblogs. Uit onderzoek van Carter, Weerkamp & Tsagkias (2013: p. 196) blijkt dat voor formeel geschreven taal in het Nederlands geldt dat 99,6% van de berichten op een juiste manier wordt begrepen. Voor taal in microblogs in het Nederlands geldt dat slechts 90,2% van de berichten wordt begrepen. De formeel geschreven berichten in het onderzoek van Carter, Weerkamp en Tsagkias zijn overigens net als tweets niet langer dan 140 karakters. Als mogelijke oorzaak voor dit verschil wordt genoemd dat gebruikers van microblogs voor afkortingen en alternatieve woorden kiezen in hun berichten, om ervoor te zorgen dat hun bericht niet meer dan 140 karakters omvat (Carter, Weerkamp & Tsagkias, 2013: p. 196). Die afkortingen en alternatieve woorden zijn wellicht niet voor alle lezers te begrijpen, wat leidt tot het gemeten verschil.

Zoals in de inleiding al is genoemd, blijkt ook uit het onderzoek van Baldwin en Lui (2010: p. 236) dat het lastiger is om taal uit kortere teksten van het internet te begrijpen dan taal uit langere teksten. De lengte van microblogs en in het geval van dit onderzoek de lengte van tweets lijken dus invloed te hebben op de mate van begrijpelijkheid. In dit onderzoek zijn zowel de bondigheid als begrijpelijkheid van tweets van organisaties bekeken. Daarnaast zijn ook de objectiviteit van de tweets en de woordvolgorde in de tweets onderzocht. Hieronder zullen deze variabelen van de vier deelvragen een voor een worden besproken.

2.3 Bondigheid

Bondig schrijven houdt volgens Renkema (2008: p. 110) in dat bij het schrijven niet meer woorden moeten worden gebruikt dan nodig zijn om een boodschap over te brengen. Daarbij moet wel worden opgemerkt dat de inhoud van de boodschap niet verloren mag gaan als gevolg van te bondig taalgebruik. Er zijn twee mogelijke benaderingen om te beoordelen in hoeverre bondig taalgebruik typerend is voor tweets van organisaties. De eerste is door te beoordelen of de gebruikte zinnen volledig zijn; in die mate volledig dat er sprake is van grammaticaal correcte zinnen. Er wordt dan gekeken of er bijvoorbeeld een werkwoord of een zelfstandig naamwoord mist met als gevolg dat de zin niet goed begrepen kan worden. De tweede benadering richt zich niet op de zinsonderdelen die mogelijk missen in de zinnen, maar op de zinsonderdelen die overbodig zijn. Deze benadering richt zich dus op de vraag of het mogelijk is om zinnen in tweets bondiger te formuleren. Renkema (2008: p. 110) spreekt in het geval van overbodige woorden van ‘opvultaal’. Bij de eerste deelvraag staat de aanwezigheid van zulke opvultaal in de Twitterdata centraal. Is er veel opvultaal toegevoegd aan de zinnen of wordt er met bondig taalgebruik geschreven?

Net zoals het – in het geval van de eerste benadering – lastig is om na te gaan welke woorden of woordsoorten mogelijk missen in een zin, is het niet eenvoudig om te bepalen welke woorden in een zin overbodig zijn en kunnen worden aangemerkt als opvultaal. Er zijn namelijk nauwelijks regels om te bepalen welke woorden overbodig zijn en geschrapt kunnen worden (Renkema, 2008: p. 111). Wel is het zo dat aan bondig taalgebruik grenzen zijn verbonden: als er gekozen moet worden tussen bondig en duidelijk, moet er voor duidelijk taalgebruik gekozen worden (Burger & de Jong, 2009: p. 146).

5

punten besproken, met eventuele toelichting van Renkema (2008), die ook enkele richtlijnen geeft voor het schrijven van een beknopte tekst.

1. Kom binnen een zin snel ter zake

Sommige zinnen beginnen met een aanloop die niets aan de betekenis van de zin toevoegt, zoals ‘Het is zo dat…’ of ‘Gesteld kan worden dat…’(Burger & de Jong, 2009: p. 154). Deze inleidingen kunnen in veel gevallen weggelaten worden, zonder dat de betekenis van de zin verandert. Vaak worden deze aanloopjes gedachteloos neergeschreven, en slechts in enkele gevallen hebben ze daadwerkelijk nut, bijvoorbeeld om een mededeling te benadrukken: ‘Het

is écht zo dat…’ (Burger & de Jong, 2009: p. 154). In sommige van deze gevallen is zelfs

sprake van volledige bijzinnen voordat de daadwerkelijke boodschap van de (hoofd)zin aan bod komt (Burger & de Jong, 2009: p. 136).

In het onderzoek van deze scriptie zal het aantal bijzinnen vermoedelijk beperkt zijn aangezien tweets beperkt zijn tot 140 tekens, maar het is wel mogelijk dat er aanloopjes voorkomen die de bondigheid van een zin verminderen.

2. Spel niet uit wat vanzelf spreekt

Burger en de Jong (2009: p. 154) adviseren om de lezer niet voor te schrijven wat hij ergens van moet vinden. Dit kunnen naast vanzelfsprekende zaken ook aannames van de schrijver zijn. Voorbeelden zijn ‘Het is onnodig om te zeggen dat…’ en ‘Een interessante uitspraak

van…’(Burger & de Jong, 2009: p. 154-155). Het is aan de lezer zelf om te oordelen of ze iets

al dan niet onnodig of interessant vinden, en dat maakt deze woorden of zinsdelen overbodig. Dergelijke regieaanwijzingen zijn alleen niet overbodig als iets intrigerend, verrassend of frappant is en niet voor zichzelf spreekt (Burger & de Jong, 2009: p. 155).

3. Zeg het niet dubbelop: tautologie en pleonasme

Bij een tautologie wordt de hele betekenis van een woord herhaald door een ander woord (Burger & de Jong, 2009: p. 155). Dit leidt vaak tot niet-bondig taalgebruik. In sommige gevallen zorgt herhaling er echter voor dat de boodschap krachtiger wordt. De boodschap ‘gratis en voor niets’ is een stuk krachtiger dan wanneer de keuze moet worden gemaakt tussen alleen ‘gratis’ of ‘voor niets’ (Burger & de Jong, 2009: p. 155). Daarnaast zijn ‘nooit

en te nimmer’ en ‘wis en waarachtig’ voorbeelden van tautologieën waarbij geen sprake is

van overtollig taalgebruik (Burger & de Jong, 2009: p. 155). Deze uitdrukkingen worden namelijk geïnterpreteerd alsof het om één woord gaat (Burger & de Jong, 2009: p. 155). ‘Nooit en te nimmer’ is een sterkere uitspraak dan alleen het woord ‘nooit’ en daarom is die tautologie niet overbodig. Maar als een zin begint met ‘Daarom is het dan ook…’ is ‘dan ook’ (of juist ‘daarom’) overbodig (Burger & de Jong, 2009: p. 155). Deze woorden geven namelijk precies dezelfde informatie (Renkema, 2008: p. 115), maar versterken de boodschap allerminst.

Er is sprake van een pleonasme wanneer een deel van de betekenis van een woord met een ander woord wordt herhaald (Renkema, 2008: p. 113). Pleonasmen zijn vaak vanzelfsprekend: het is niet nodig om te praten over ‘witte sneeuw’, ‘medecompagnons’ en ‘een wederzijdse overeenkomst’ (Renkema, 2008: p. 113). In deze gevallen is sprake van overbodige preciseringen (Burger & de Jong, 2009: p. 156). Echter, in de zin In de

Hoofdstraat ligt vooral bruine smurrie, maar in de Herestraat ligt witte sneeuw heeft het

6

115). Voorbeelden daarvan zijn de herhaling van ‘virus’ in ‘hiv-virus’ en ‘nummer’ in

‘ISBN-nummer’ (Renkema, 2008: p. 115).

4. Wees zuinig met bijvoeglijke naamwoorden

Rake bijvoeglijke naamwoorden voegen iets toe aan het zelfstandig naamwoord waar ze bij horen (Burger & de Jong, 2009: p. 157). Sommige bijvoeglijke naamwoorden voegen echter weinig tot niets toe aan de betekenis van het zelfstandige naamwoord waar ze bij horen of aan de gehele zin, en dat maakt ze in die gevallen overbodig. Overbodige bijvoeglijke naamwoorden zijn in te delen in drie soorten: bij pleonasmen, clichés en gevallen waarin het bijvoeglijke naamwoord irrelevant is (Burger & de Jong, 2009: p. 157). Pleonasmen zijn hierboven besproken. Vervolgens gaat het bij deze indeling niet om alle clichés, maar slechts om bijvoeglijke naamwoorden die een cliché zijn. Voorbeelden zijn in dit geval ‘de trotse

bezitter’, ‘een stralende glimlach’ of ‘een pittoresk dorpje’ (Burger & de Jong, 2009: p. 157,

p. 180). Clichés zijn uitdrukkingen die zo vaak gebruikt zijn, dat ze versleten zijn (Renkema, 2008: p. 100) en daardoor ook hun zeggingskracht verliezen. Als in een reisgids erg veel dorpjes als pittoresk worden omschreven, zegt het woord pittoresk op een gegeven moment niet zoveel meer. Ten slotte kunnen bijvoeglijke naamwoorden overbodig zijn omdat ze irrelevant zijn. Dit is bijvoorbeeld het geval wanneer er wordt gesproken over een groen

trainingspak van een topsporter in een wedstrijdverslag. Het bijvoeglijke naamwoord groen is

pas relevant als het een modereportage of een opsporingsbericht betreft (Burger & de Jong, 2009: p. 157).

5. Verkort voorzetseluitdrukkingen

Voorzetseluitdrukkingen bestaan vaak uit drie woorden (soms meer) die samen de rol van één voorzetsel vervullen (Renkema, 2008: p. 116). Het zijn vaak vaste combinaties van voorzetsels en zelfstandige naamwoorden (Burger & de Jong, 2009: p. 158). Voorbeelden zijn ‘door middel van’, ‘met betrekking tot’ en ‘in het kader van’ (Burger & de Jong, 2009: p. 158-159). In praktisch alle gevallen kunnen zij vervangen worden door een enkel voorzetsel, zonder dat de betekenis verandert. Zinnen worden er vaak bondiger en duidelijker van (Burger & de Jong, 2009: p. 158). Het is niet zo dat het gebruik van voorzetseluitdrukkingen per se fout is, maar ze veroorzaken wel een wijdlopige, niet-bondige stijl (Renkema, 2008: p. 117). ‘Ten aanzien van’ kan bijvoorbeeld vervangen worden door ‘op, over, tegen, van’ of ‘voor’ (Burger & de Jong, 2009: p. 159). Soms moet de constructie van een zin enigszins aangepast worden om een enkel voorzetsel in te passen. In die gevallen is een voorzetseluitdrukking te vervangen door een bijzin met een voegwoord en een werkwoord (vergelijk zin a en b hieronder).

a. De supermarkt sluit eerder in verband met Koningsdag. b. De supermarkt sluit eerder omdat het Koningsdag is.

Een lijst met voorzetseluitdrukkingen en de voorzetsels waarmee ze vervangen kunnen worden is te vinden in bijlage 2.

6. Mijd deelwoordstijl

7 2.4 Begrijpelijkheid

Voor organisaties is het van cruciaal belang dat de teksten die ze richting hun doelgroep zenden begrijpelijk zijn voor die doelgroep. Voor tweets geldt – net als voor andere communicatiemiddelen – dat ze begrijpelijk moeten zijn voor de doelgroep. Al sinds tientallen jaren zijn er programma’s op de markt waarmee kan worden vastgesteld of teksten begrijpelijk zijn en voor welke soort(en) lezers bepaalde teksten geschikt zijn (Kennisbank Begrijpelijke Taal, 2016).

Het meten van de begrijpelijkheid van teksten of het voorspellen van begrip wordt vaak aangeduid als leesbaarheidsvoorspelling (Kennisbank Begrijpelijke Taal, 2016). Mabel Vogel en Carleton Washburn ontwikkelden in de jaren ‘20 van de vorige eeuw een eerste formule om de leesbaarheid van teksten te berekenen (Kennisbank Begrijpelijke Taal, 2016). Waar eerder woord- en zinslengte en woordfrequenties de basis vormden voor verschillende leesbaarheidsformules, kwam daar later bijvoorbeeld ook de afstand tussen het onderwerp en de persoonsvorm in een zin bij (Kennisbank Begrijpelijke Taal, 2016). Bij het ontwikkelen van een leesbaarheidsvoorspeller spelen tekstselectie, leesbaarheidscriterium en lezersselectie een belangrijke rol (Kennisbank Begrijpelijke Taal, 2016). Dat houdt in dat bij het ontwikkelen van een leesbaarheidsvoorspeller vooraf precies duidelijk moet zijn voor welke soorten teksten de voorspeller geschikt moet worden, op welke criteria de voorspeller precies gaat testen en voor welke lezers de voorspeller geschikt is.

Een bekende leesbaarheidsformule voor Engelse teksten is de Reading Ease-formule van Rudolf Flesch uit 1948 (Jansen & Lentz, 2008: p. 4). Belangrijke waarden in deze formule zijn het aantal lettergrepen, woorden en zinnen in teksten. De formule is als volgt: Reading Ease = 206,84 – (1,02 x gemiddelde aantal woorden per zin) – (0,85 x gemiddelde aantal lettergrepen per woord) (Jansen & Lentz, 2008: p. 4). Hoe hoger de score is, des te gemakkelijker is de tekst. Een score tussen 90 en 100 duidt op een moeilijkheidsgraad van ‘zeer makkelijk’ en een geschiktheid voor tien- tot elfjarigen; een score tussen 0 en 30 duidt op een ‘zeer moeilijke’ tekst die slechts geschikt is voor afgestudeerden (Hartley, 2016: p. 1524).

Voor het Nederlands werden ook een aantal leesbaarheidsformules ontwikkeld. Zowel Brouwer als Douma ontwikkelden een alternatief voor de Reading Ease-formule (Kennisbank Begrijpelijke Taal, 2016), waarbij de variant van Douma wel heel erg op die van Flesch lijkt. De formule is identiek aan de Reading Ease-formule, met als enig verschil dat de constanten uit de formule van Flesch 10% lager zijn in de formule van Douma, gebaseerd op de aanname dat bij het vertalen van het Engels naar het Nederlands rekening moet worden gehouden met een uitloop van 10% (Jansen & Lentz, 2008: p. 4). Met andere woorden, Nederlandse zinnen en woorden zouden 10% langer zijn dan Engelse zinnen en woorden (Jansen & Lentz, 2008: p. 4). Een derde leesbaarheidsformule is de CLIB-formule, die door Kraf, Lentz en Pander Maat (2011: p. 250) de enige serieuze leesbaarheidsformule uit de 20e eeuw voor het Nederlands wordt genoemd. De andere formules achten zij dus ongeschikt, of in ieder geval een stuk minder geschikt dan de CLIB-formule.

8

serieuze leesbaarheidstesten te kunnen spreken. Echter, in hun onderzoek brengt de Accessibility Leesniveau Tool het er wel het beste van af (Jansen & Boersma, 2013: p. 59). Er is onder meer kritiek omdat geen van de ontwerpers iets prijsgeeft over hoe hun instrument de leesbaarheid bepaalt, en ook uit de informatie op de bijbehorende websites wordt dit niet duidelijk (Kraf, Lentz & Pander Maat, 2011: p. 250).

De meest serieuze leesbaarheidsformule – de CLIB-formule – en de beste leesbaarheidsmethode – de Accessibility Leesniveau Tool – zijn in dit onderzoek gebruikt om de begrijpelijkheid van tweets te meten. Ondanks dat op zowel de CLIB-formule als op de Accessibility Leesniveau Tool kritiek is, en er geen zekerheid is dat beide correct de leesbaarheid van teksten zouden meten, is er – om toch een indruk te krijgen van de leesbaarheid van de tweets – alsnog voor gekozen om ze in dit onderzoek in te zetten. Met de CLIB-formule kan aan de hand van de gemiddelde woordlengte, het aantal hoogfrequente woorden, de type-tokenratio en het gemiddelde aantal woorden per zin een leesbaarheidsscore worden berekend. Bij de Accessibility Leesniveau Tool kunnen grotere delen tekst in een keer worden ingevoerd. Dat leidt dan tot een leesbaarheidsniveau op de CEFR-schaal. Beide methodes worden hieronder besproken.

2.4.1 De CLIB

De Cito LeesbaarheidsIndex voor het Basisonderwijs, afgekort tot CLIB, is onderdeel van het AVI-systeem, aan de hand waarvan kinderboeken van een moeilijkheidsgraad worden voorzien (Kraf, Lentz & Pander Maat, 2011: p. 250). De CLIB-score van een tekst kan met de volgende formule berekend worden: 46 - 6,603 GWL + 0,474 PFREQ - 0,365 TTR + 1,425 GZW (Kennisbank Begrijpelijke Taal, 2016). GWL is in deze formule de gemiddelde woordlengte in letters, PFREQ is het percentage hoogfrequente woorden dat in de tekst voorkomt, TTR is de type-token ratio en GZW is het gemiddeld aantal woorden per zin (Kennisbank Begrijpelijke Taal, 2016). Om te bepalen of een woord hoogfrequent is moet worden bekeken of dat woord voorkomt in een lijst met hoogfrequente woorden. Die lijst is opgesteld op basis van de woordfrequenties in een bepaald corpus. Voor het CLIB is daarvoor de Cito-/Data General-lijst ontwikkeld op basis van een corpus dat uit 480 teksten jeugdliteratuur bestaat (Staphorsius, 1994: p. 173). Aan de hand van deze lijst kan dus voor een tekst worden berekend hoe hoog het percentage hoogfrequente woorden is. De type-token ratio kan worden berekend door het aantal verschillende typen woorden te delen door het totale aantal woorden van een tekst (Kennisbank Begrijpelijke Taal, 2016).

Wanneer alle predictoren van de CLIB-formule bekend zijn voor een tekst kan de CLIB-score berekend worden. De CLIB-score ligt in de meeste gevallen tussen 8 en 74 en aan de hand van de score kan de tekst ingedeeld worden in een CLIB-niveau 4, 5, 6, 7 of 8 (zie tabel 1). Een hoger CLIB-niveau betekent dat er meer vaardigheden nodig zijn om de tekst te kunnen begrijpen.

CLIB-niveau 4 5 6 7 8

CLIB-score 8-20 21-35 36-48 49-61 62-74

Tabel 1: CLIB-scores behorend bij CLIB-niveau (Staphorsius, 1994: p. 295)

2.4.2 Accessibility Leesniveau Tool

9

zin en het aantal lettergrepen per woord (Kraf, Lentz & Pander Maat, 2011: p. 258). Er wordt benadrukt dat de score slechts een indicatie geeft van de technische leesbaarheid van teksten (Kraf, Lentz & Pander Maat, 2011: p. 258).

De score wordt uitgedrukt in een van de zes taalniveaus van de CEFR (Common European Framework of Reference). De CEFR-schaal is bedoeld om het taalniveau van mensen die een vreemde Europese taal leren te meten en kent oplopend de niveaus A1, A2, B1, B2, C1 en C2 (Kraf, Lentz & Pander Maat, 2011: p. 251). Taalniveau A1 kan geïnterpreteerd worden als het taalniveau van een beginner, A2 als het niveau van een beginner plus, B1 als het niveau van een halfgevorderde, B2 als het niveau van een gevorderde, C1 als het niveau van een

vergevorderde en taalniveau C2 is representatief voor een taalniveau van iemand die bijna moedertaal spreekt (Jansen & Boersma, 2013: p. 49). In de Accessibility Leesniveau Tool

worden deze niveaus ook gebruikt, en wordt bij de score telkens een uitleg bij het gescoorde niveau gegeven. Volgens BureauTaal begrijpt slechts 15% van de volwassen lezers een tekst die is aangemerkt als een tekst op taalniveau C1 (Jansen & Lentz, 2008: p. 6). Verder zou volgens BureauTaal 5% van de bevolking teksten met maximaal niveau A1 snappen, 15% snapt teksten met maximaal niveau A2, 40% snapt teksten met maximaal niveau B1 en 25% snapt teksten met maximaal niveau B2 (Jansen, 2013: p. 57). Mensen die taalniveau B2 snappen, snappen automatisch ook teksten op niveau B1, A2 of A1. 95% van de mensen snapt dus teksten op niveau A2, 80% van de mensen snapt teksten op niveau B1. Jansen (2013: p. 56-57) zet echter vraagtekens over de precisie van deze cijfers.

2.5 Objectiviteit

De begrippen objectiviteit en subjectiviteit staan centraal in de derde deelvraag. Voor taal is het zo dat een zin in principe objectief is wanneer de zin feiten bevat terwijl meningen en opvattingen van de schrijver niet terugkomen in de zin. Er is sprake van talige subjectiviteit wanneer de mening van de schrijver onderdeel wordt van de inhoud van een zin (Lagerwerf, Schurink & Oegema, 2011: p. 109). Een objectieve zin is in dat geval onbevooroordeeld en niet beïnvloed door een eigen voorkeur. Een subjectieve zin is bevooroordeeld, partijdig en hangt sterk af van persoonlijke zienswijzen.

Verschillende onderzoeken leveren een positief significant verband op tussen subjectiviteit en het voorkomen van adjectieven (Wiebe, 2000). Onder meer uit het onderzoek van Bruce en Wiebe (1999: p. 203) wordt de link tussen subjectiviteit en adjectieven duidelijk. Het houdt in dat de twee begrippen vaak samen voorkomen: subjectiviteit uit zich vaak in adjectieven en adjectieven bevatten vaak subjectieve inhoud. Mazeland (2014: p. 33) bevestigt dat (be)oordelen en evalueren (beide bevatten een subjectieve inhoud) een belangrijke functie is van adjectieven. Adjectieven zullen daarom als analyse-eenheid centraal staan bij het beantwoorden van de derde deelvraag.

2.5.1 Adjectieven

Adjectieven ofwel bijvoeglijke naamwoorden geven een bijzonderheid van entiteiten aan (Mazeland, 2014: p. 30). Onder entiteiten worden zelfstandigheden verstaan, die worden aangeduid door zelfstandige naamwoorden (substantieven) of equivalenten van zelfstandige naamwoorden, zoals aanwijzende of bezittelijke voornaamwoorden (Algemene Nederlandse Spraakkunst, 2016). Onder bijzonderheden die aan zelfstandigheden kunnen worden toegewezen, worden toestanden of eigenschappen (zoals kenmerken en kwaliteiten) van die zelfstandigheden verstaan (Algemene Nederlandse Spraakkunst, 2016). In de zieke man duidt

zieke de toestand van een man aan, terwijl ronde in de ronde tafel een eigenschap van die tafel

10

toestand of een eigenschap van zelfstandigheden. In de lastige toets of de zware fietstocht is dat niet het geval. De adjectieven lastige en zware zijn voorbeelden van persoonlijke evaluaties over de zelfstandigheden toets en fietstocht. Om die reden zijn deze adjectieven subjectief.

Adjectieven kunnen zowel attributief als predicatief gebruikt worden in een zin. Als een adjectief attributief wordt gebruikt, is het een voorbepaling bij een zelfstandig naamwoord; wordt een adjectief predicatief gebruikt, dan fungeert het adjectief als naamwoordelijk deel van het gezegde in een zin (Mazeland, 2014: p. 30). De adjectieven in de voorbeelden in de vorige alinea zijn allen attributief gebruikt, omdat ze daar als voorbepaling dienen bij een zelfstandig naamwoord. In de zin De rode auto is mooi. is rode een attributief gebruikte adjectief, terwijl mooi een voorbeeld is van een predicatief gebruikte adjectief. Mooi fungeert in die zin namelijk als naamwoordelijk deel van het gezegde. Bovendien voegt mooi informatie toe aan het zelfstandig naamwoord auto, dat als onderwerp van de zin fungeert. Het is ook mogelijk dat een adjectief informatie toevoegt aan een zelfstandig naamwoord dat lijdend voorwerp is. In Hij verft de muur blauw. zegt blauw iets over de muur, dat als lijdend voorwerp in deze zin fungeert (Mazeland, 2014: p. 31).

Sommige adjectieven kunnen alleen attributief gebruikt worden. Het stoffen tapijt is correct, maar het tapijt is stoffen is foutief. Andersom is ook mogelijk, want sommige adjectieven kunnen alleen niet-attributief gebruikt worden: de slager is bekaf is correct, maar de bekaffe

slager is niet mogelijk (Mazeland, 2014: p. 32).

Veel adjectieven kunnen verbogen worden door een buigings-e toe te voegen (zoals

blauw-blauwe) of ze worden volgens de trappen van vergelijking verbogen, zoals klein, kleiner en kleinst(e) of groen, groener, groenst(e) (Algemene Nederlandse Spraakkunst, 2016). Aan

adjectieven waar dit niet mogelijk is kunnen graadaanduiders zoals minder, minst(e), meer of

meest(e) worden toegevoegd. Deze graadaanduiders behoren tot het adjectief, aangezien

vergelijking een grammaticale functie van de woordsoort adjectief is (Mazeland, 2014: p. 33). Vooral gradeerbare adjectieven worden vaak gebruikt om zaken, dingen of personen te evalueren (Mazeland, 2014: p. 36). Adjectieven met een graadaanduider zijn zodoende vaak subjectief van aard.

2.6 Woordvolgorde

Na bondigheid, begrijpelijkheid en objectiviteit is het vierde aspect van taal dat aan bod komt in dit onderzoek woordvolgorde. Woordvolgorde is een onderdeel van het bredere begrip informatiestructuur, waarbij naast syntactische structuren ook intonatie een rol speelt (Gundel & Fretheim, 2002: p. 6). Concepten over informatiestructuur worden vaak geassocieerd met de verdeling tussen enerzijds ‘gegeven’ of bekende informatie en anderzijds nieuwe en onbekende informatie binnen een zin (Gundel & Fretheim, 2002: p. 3). In dit onderzoek is echter specifiek gekeken naar de woordvolgorde van tweets, om zo syntactische structuren vast te kunnen stellen.

11

werkwoord een lijdend voorwerp of object (O) met zich meebrengt (Algemene Nederlandse Spraakkunst, 2016). Zinnen waarin geen lijdend voorwerp voorkomt zijn om die reden onovergankelijk of intransitief. Sommige werkwoorden kunnen zowel overgankelijk als onovergankelijk gebruikt worden (Ik drink cola vs. Ik drink), andere werkwoorden kunnen alleen overgankelijk (Ik versla Harry) of alleen onovergankelijk (Ik fiets) gebruikt worden: je moet namelijk altijd iets/iemand verslaan en je kunt niet iets/iemand fietsen (Algemene Nederlandse Spraakkunst, 2016). Het werkwoord bepaalt dus in veel gevallen of er sprake is van een overgankelijke of onovergankelijke zin. Bij deze deelvraag staan voornamelijk de overgankelijke zinnen centraal; zinnen die zowel een subject, object als een werkwoord bevatten.

Joseph Greenberg probeerde in de jaren zestig van de vorig eeuw al verschillende typologieën met betrekking tot woordvolgorde in kaart te brengen. Greenberg (1963: p. 76) stelde dat in veel talen bepaalde woorden of zinsdelen in een vaste volgorde optreden, terwijl dat in een andere taal juist tegenovergesteld gebeurt. In het Turks komt het object bijvoorbeeld voorafgaand aan het werkwoord waar het bij hoort, terwijl in het Thais het object juist na het bijbehorende werkwoord komt (Greenberg, 1963: p. 76). Per taal kan dus vastgesteld worden welke volgorde gebruikelijk is. Greenberg is voor verschillende talen nagegaan in welke volgorde het nominale subject (S), het werkwoord (V) en het nominale object (O) voor kunnen komen in declaratieve, ofwel mededelende zinnen (Greenberg, 1963: p. 76). Coussé (2008: p. 8) vult hier aan dat het bij V om het lexicale werkwoord gaat.

De volgorde waarin bovenstaande woordsoorten voorkomen verschilt niet alleen per taal, maar ook per taalgebruikssituatie (zie paragraaf 2.5.1). Er zijn met de woordsoorten subject, werkwoord en object zes mogelijke volgordes: SVO, SOV, VSO, VOS, OSV en VOS (Greenberg, 1963: p. 76). Van deze zes volgordes komen VOS, OSV en VOS zelden voor in de data van Greenberg. Hij leidt daaruit af dat in mededelende zinnen met een nominaal subject en object het subject bijna altijd voorafgaat aan het object (Greenberg, 1963: p. 77). Mazeland (2014: p. 209) bevestigt dat zo’n tachtig tot negentig procent van alle talen SVO of SOV als volgorde heeft, terwijl negen tot twaalf procent VSO als volgorde heeft. Het subject gaat dus praktisch altijd vooraf aan het object.

2.6.1 Woordvolgorde in het Nederlands

In verschillende typen zinnen komen de onderdelen S, O en V in verschillende volgordes voor. Dat geldt ook voor het Nederlands. Is een zin een hoofdzin, dan geldt vaak de volgorde SVO: Harrie schopt de bal. Is de zin een bijzin, dan komt het werkwoord aan het eind en ontstaat er een SOV-volgorde: Jan zegt dat Harrie de bal schopt. SVO komt echter slechts beperkt voor, namelijk alleen bij finiete (vervoegde) werkwoorden in onafhankelijke declaratieve zinnen (Mazeland, 2014: p. 210). Sybesma (2002: p. 151) voegt daar nog aan toe dat deze zinnen met SVO-volgorde maximaal 1 werkwoordelijk element bevatten. SOV, met het werkwoord na het object, komt in vrijwel alle anderen gevallen voor, zowel bij alle niet-finiete werkwoorden – dat zijn deelwoorden en infinitieven – als bij niet-finiete werkwoorden in bijzinnen (Mazeland, 2014: p. 210). In declaratieve hoofdzinnen waarin zowel een hulpwerkwoord als een deelwoord of infinitief voorkomt, zien Mazeland (2014: p. 210) en Sybesma (2002: p. 151) het deelwoord of infinitief dus als V. Een voorbeeld is de zin Harrie

heeft de bal geschopt. Harrie geldt als S, de bal geldt als O en geschopt geldt als V, wat

12

(O) geschopt (V). Een declaratieve bijzin met meerdere werkwoorden heeft volgens Zwart (2011: p. 6) een SOVV-volgorde: Jan zegt dat Harrie (S) de bal (O) geschopt (V) heeft (V). Koster (1975) benoemt niet welk van de twee werkwoorden – het hoofdwerkwoord of het hulpwerkwoord – in soortgelijke gevallen als V moet worden aangewezen. In de paragrafen 2.6.2 en 3.6 wordt hier verder op ingegaan.

De vraag of het Nederlands een SOV of een SVO-taal is, is lastig te beantwoorden, aangezien beide volgordes in verschillende zinsconstructies voorkomen. Volgens Mazeland (2014: p. 210) kun je het Nederlands het best beschouwen als een taal waarbij het werkwoord vaak op het object volgt, met het subject uiteraard als eerste element: een SOV-taal dus. Koster (1975: p. 111) beschrijft dat de diepgewortelde volgorde in het Nederlands SOV is, en dat de volgorde SVO in hoofdzinnen veroorzaakt wordt door nieuwe regels voor het plaatsen van woorden. Sybesma (2002: p. 152) formuleert dat het Nederlands een SOV-taal is met eigenschappen waardoor het werkwoord de volgorde verandert tot SVO. Dat gebeurt in praktijk slechts in hoofdzinnen die alleen een finiet werkwoord bevatten. Het Nederlands is volgens Zwart (2011: p. 6) een SO-taal, waarin het subject altijd voorafgaat aan het object terwijl het werkwoord, afhankelijk van de zinssituatie, op elk mogelijke plaats kan komen te staan. Dat resulteert in een SOV-volgorde in bijzinnen en in zinnen met niet-finiete werkwoorden. Het resulteert in een SVO-volgorde in declaratieve hoofdzinnen en in een VSO-volgorde in zinnen met een zinsdeel dat voorafgaat aan het subject (Zwart, 2011: p. 6). Dryer (1991: p. 443) verdeelt talen in OV- en VO-talen omdat de positie van het subject van minder belang zou zijn. In het Nederlands komen echter zowel OV-volgordes (bijzinnen) als VO-volgordes (hoofdzinnen) voor. In het Nederlands is het telkens de vraag of het object volgt op het subject, of dat juist het werkwoord volgt op het subject.

Er mag gesteld worden dat er geen eenduidig antwoord is te geven op de vraag welke volgorde gebruikelijk is in de Nederlandse taal. Afgaand op de verschillende bronnen mag wel gesteld worden dat in het Nederlands het subject altijd voorafgaat aan het object, en dat normaal gesproken in declaratieve hoofdzinnen de woordvolgorde SVO is. In declaratieve bijzinnen is die volgorde SOV.

2.6.2 Werkwoordvolgorde

Inmiddels is duidelijk dat de woordvolgorde in een Nederlandse declaratieve bijzin normaal gesproken SOV is. Het gaat hier echter om bijzinnen waarin slechts één werkwoord voorkomt: Jan zegt dat Harrie de bal schopt. Maar er is geen eenduidigheid over hoe zinnen met meerdere werkwoorden benoemd moeten worden. Worden zowel het hoofd- als het hulpwerkwoord als V benoemd, zoals Zwart (zie paragraaf 2.5.1) doet? Of worden Mazeland, Coussé en Sybesma gevolgd die het (lexicale) hoofdwerkwoord als V aanwijzen? Deze onduidelijkheid blijkt niet de enige adder onder het gras te zijn. De volgorde waarin hoofd- en hulpwerkwoord voorkomen verschilt namelijk ook in veel gevallen. Soms komt het hulpwerkwoord voor het hoofdwerkwoord in de bijzin, maar in andere gevallen is dat juist andersom (Coussé, 2008: p. 1). De combinatie van een finiet werkwoord met een infinitief of een deelwoord in de bijzin kan in het Nederlands in willekeurige volgorde voorkomen (Coussé, 2008: p. 1). Zowel de zin Jan zegt dat Harrie de bal geschopt heeft als de zin Jan

zegt dat Harrie de bal heeft geschopt is mogelijk in het Nederlands. Coussé (2008: p. 5)

13

In dit onderzoek is ervoor gekozen om net als Zwart (2011: p. 6) zowel het hoofd- als het hulpwerkwoord als V te benoemen. Om die reden is ook in het benoemen van het hoofd- en het hulpwerkwoord een onderscheid aangebracht (zie paragraaf 3.6).

2.6.3 Zinsoorten

14

3.

Methode

In dit onderzoek zijn Twitterberichten (tweets) van verschillende organisaties geanalyseerd. De centrale vraag is hoe Twittertaal van organisaties eruitziet. Daartoe zijn vier deelvragen opgesteld, waarvan de operationaliseringen hieronder beschreven staan. De methodes waarmee bondigheid, begrijpelijkheid, objectiviteit en de woordvolgorde van tweets gemeten zijn worden daarin toegelicht.

3.1 Selectie van materiaal

Om te onderzoeken hoe Twittertaal van organisaties eruitziet is ervoor gekozen om data van tien verschillende organisaties te analyseren. Dit onderzoek richt zich op data van organisaties en niet op data van persoonlijke gebruikers. Er is voor tweets van organisaties gekozen vanwege het communicatieve belang dat organisaties bij de tweets hebben. Om de onderzoeksresultaten te kunnen generaliseren naar organisaties in het algemeen, is het van belang om data te onderzoeken van zowel organisaties waarvan voornamelijk formeel taalgebruik mag worden verwacht als van organisaties waarvan meer informeel taalgebruik mag worden verwacht. Om zowel tussen als binnen sectoren een vergelijking te kunnen maken, is er voor gekozen om uit vijf sectoren telkens twee organisaties te kiezen. Voor de sector warenhuizen is gekozen voor de tweets van HEMA en de Bijenkorf. De overige sectoren waaruit data zijn verzameld zijn overheidsinstellingen, banken, goede

doeleninstellingen en aanbieders van telecommunicatie. Op deze manier zijn er zowel

organisaties bij de analyse betrokken waarvan veelal formeel taalgebruik verwacht mag worden als organisaties die waarschijnlijk meer informeel taalgebruik hanteren. Onder formeel taalgebruik wordt in dit geval een nette en functionele manier van taalgebruik verstaan, zoals die vaak terugkomt in schrijftaal. Bij informeel taalgebruik komen daarentegen meer elementen terug die meer toe te schrijven zijn aan spreektaal, zoals uitroepen (Hé! Of

Zie dit…) of overdreven veel bijvoeglijke naamwoorden. In tabel 2 is te zien van welke

organisaties data in de analyse worden meegenomen.

Nr. Organisatie Gebruikersnaam Aantal tweets

Aantal volgers

Geregistreerd in

1 HEMA @HEMA 31.819 55.701 September 2009

2 de Bijenkorf @deBijenkorf 44.120 120.761 Maart 2009 3 Belastingdienst @Belastingdienst 82.683 39.705 Januari 2011

4 Ministerie v. OCW @MinOCW 3.558 125.349 Juni 2010

5 Rabobank @Rabobank 123.074 139.344 Juli 2007

6 ABN AMRO @ABNAMRO 136.389 65.681 Maart 2007

7 Hartstichting @Hartstichting 8.415 12.194 Mei 2010

8 Oxfam Novib @oxfamnovib 16.082 14.315 April 2008

9 KPN @KPN 1.996 33.877 Januari 2009

10 Ziggo @ZiggoCompany 3.086 25.016 September 2010

Tabel 2: aantallen tweets en volgers van de organisaties (vastgesteld op 4-6-2016). De genoemde aantallen en datums zijn afkomstig van de Twitterpagina’s van elke organisatie.

15

belang om een steekproef te kiezen uit een groot deel van de totale data, die zodoende generaliseerbaar was voor de gehele data (Herring, 2004: p. 11). In Computer-Mediated Discourse Analysis – waaronder ook dit onderzoek valt – wordt dit zelden volledig willekeurig gedaan. Het gaat er vooral om dat de keuzes voor bepaalde data gemotiveerd worden (Herring, 2004: p. 11).

In dit onderzoek zijn in elk geval de data van 10 verschillende organisaties betrokken bij de analyse. Een voordeel van data van veel verschillende organisaties is dat de uitkomsten van het onderzoek mogelijk gegeneraliseerd kunnen worden naar data van organisaties in het algemeen. Ook was het zo mogelijk om de organisaties onderling op verschillen te analyseren. Daarnaast was bij de dataverzameling van dit onderzoek ook het tijdstip van de tweets van belang. Wanneer slechts de 50 meest recente tweets per organisatie geanalyseerd zouden worden, zou het onmogelijk zijn om de resultaten van een organisatie te generaliseren naar alle tweets van die organisatie. Daarom is ervoor gekozen om 50 tweets per organisatie verspreid over een langere tijd te analyseren.

Met als laatste maand april 2016 zijn – terug in de tijd tot en met juli 2015 – per maand 5 tweets per organisatie meegenomen in de analyse. De resultaten zijn daarmee in elk geval representatief voor de data van bijna een jaar. Er is besloten niet verder terug te gaan dan een jaar (door bijvoorbeeld van elke maand slechts één of twee tweets te analyseren), omdat sociale media zoals Twitter blijven veranderen. Wellicht dat de mogelijkheden van Twitter over een jaar alweer heel anders zijn dan nu, bijvoorbeeld als het maximale aantal tekens dan 200 is in plaats van 140. Het is dan maar de vraag in hoeverre de resultaten van dit onderzoek voor die situatie nog bruikbaar zullen zijn. Andersom is het maar de vraag in hoeverre data van meerdere jaren terug nog representatief zijn voor de tweets die een organisatie in het heden verstuurt.

Om de vijf tweets per maand evenwichtig over die maand te verdelen, is besloten om van de 5e, de 10e, de 15e, de 20e en de 25e dag van elke maand de allereerste tweet van die dag mee te nemen in de analyse. Mocht er op een van die dagen niet getweet zijn, dan werd de eerste tweet van respectievelijk de 6e, 11e, 16e, 21e of 26e dag geanalyseerd. Is er ook op die dag niet getweet, dan werd de eerste tweet van een dag eerder (respectievelijk de 4e, 9e, 14e, 19e of 24e) geselecteerd; vervolgens de tweet van twee dagen later of twee dagen eerder. Op deze manier is de steekproef evenwichtig verdeeld over de mogelijke Twitterdata van in totaal tien maanden.

De focus van dit onderzoek lag voornamelijk op het element tekst. Van de geselecteerde tweets is dus juist dit element geanalyseerd. Retweets zijn niet meegenomen in de analyse, omdat alleen originele tweets van de betreffende organisaties zelf voor dit onderzoek interessant waren. Organisaties kunnen namelijk andere organisaties of personen retweeten. Wanneer deze retweets meegenomen waren in de analyse, zou er geen sprake zijn geweest van een valide onderzoek. In feite werd dan namelijk een tweet van een andere organisatie geanalyseerd onder de naam van de te analyseren organisatie. Dit zou ten koste zijn gegaan van de interne validiteit van het onderzoek (Baxter & Babbie, 2003: p. 103). Daarom zijn slechts originele tweets geanalyseerd, en retweets in dit onderzoek buiten beschouwing gelaten.

16

taal (Renkema, 2008: p. 171) – zoals computer en weekend, een uitzondering is gemaakt. Deze gevallen zijn wél meegenomen in de analyse.

Van de tweets die zijn geanalyseerd, zijn de links niet geanalyseerd, omdat die niet relevant zijn voor het beantwoorden van de onderzoeksvraag. De links zijn slechts meegenomen in de analyse in de gevallen dat zij deel uitmaakten van een lopende zin – met andere woorden: van het element tekst – in een tweet. In veel gevallen worden links ‘los’ van de lopende zin achteraan die zin geplakt en maken zij als zodanig geen deel uit van die zin, maar dienen zij slechts om lezers te laten doorklikken naar een bepaalde pagina. Ook voor gebruikersnamen en hashtags geldt dit: deze zijn alleen meegenomen in de analyse in het geval dat ze deel uitmaakten van de lopende zin. Gebruikersnamen komen soms vooraan in een tweet voor en pas daarna start de zin. Onderwerpstags worden veelal achteraan een tweet (bij de links) toegevoegd. In het geval dat een hashtag in de lopende zin voorkomt, is hij in het onderzoek wel geanalyseerd. De focus lag dus voornamelijk op de tekst in de lopende zinnen van een tweet.

De data bestaande uit in totaal 500 geselecteerde tweets is opgenomen in een Excel-sheet. Elke zin – veel tweets bestaan uit meerdere zinnen – is daarin apart opgenomen en zodoende was elke zin een aparte analyse-eenheid. Wanneer na een bepaalde zin een punt de zin afsloot, en er daarna een nieuwe zin volgde, was er sprake van twee zinnen. Stond er geen punt, dan werd het geheel als één zin, dus als één analyse-eenheid gerekend.

3.2 Onderzoeksdesign

In dit onderzoek is sprake van een inductieve en empirische onderzoeksmethode (Baxter & Babbie, 2003: p. 71). Er zijn observaties uitgevoerd op het corpus om te trachten bepaalde patronen in dat corpus vast te stellen. Aan de hand daarvan is geprobeerd algemene conclusies te trekken die moeten leiden tot het beantwoorden van de deelvragen en uiteindelijk de onderzoeksvraag. In het geval van dit onderzoek is bekeken in hoeverre tweets van organisaties bondig, begrijpelijk en objectief zijn en hoe de woordvolgorde van de tweets eruitziet. Afsluitend is geprobeerd daar algemene regels uit af te leiden.

De methode van dit onderzoek heeft veel kenmerken van ‘social text analysis’ (Baxter & Babbie, 2003: pp. 348-363). Het doel van dit soort onderzoek is om inzichtelijk te maken welke belangrijke patronen in een corpus voorkomen. Dit onderzoek bevat zowel kwalitatieve als kwantitatieve elementen. De verschillende deelvragen zijn zodanig geoperationaliseerd, dat sommige methodes voornamelijk kwalitatief van aard zijn, terwijl bij andere deelvragen statistieken een belangrijke rol spelen. Hoewel in dit onderzoek sprake is van kwantitatieve elementen, moet dit onderzoek toch hoofdzakelijk als kwalitatief onderzoek bestempeld worden. Bij sommige deelvragen kunnen kwantitatieve verschillen aangetoond worden, maar dit onderzoek heeft als primair doel een beschrijvende conclusie te genereren.

3.3 Operationalisering deelvraag 1: bondigheid

Bij deze deelvraag hebben de richtlijnen voor bondig schrijven van Burger en de Jong (2009; zie paragraaf 2.2) de basis gevormd voor de onderzoeksmethode. Deze richtlijnen zijn gebruikt om overbodige woorden in zinnen van tweets te signaleren en om na te gaan in hoeverre de zinnen bondiger geformuleerd konden worden.

17

criteria voor analyse telkens opgesomd in een tabel. De gehele tabel (die in feite de gehele methode voor deelvraag 1 omvat) is te vinden in bijlage 1.

1. Kom binnen een zin snel ter sprake

In dit onderzoek is per zin beoordeeld wat het onderwerp van die zin is. Wanneer bleek dat de aanloop van de zin overduidelijk geen functie had met betrekking tot het onderwerp van de zin, en de aanloop kon worden vervangen door een kortere aanloop met precies dezelfde betekenis, dan werd de vraag Komt het onderwerp van de zin niet meteen ter sprake? met ja beantwoord. De verwachting was dat deze vraag veelal met nee beantwoord moest worden; in verband met de tekenlimiet komt het onderwerp waarschijnlijk telkens snel aan bod.

Operationele variabele Criteria voor antwoord ja Criteria voor antwoord nee 1. Komt het onderwerp

van de zin niet meteen ter sprake?

- Er is sprake van een onnodig lange aanloop én

- de aanloop heeft geen functie m.b.t. het onderwerp van de zin én - de aanloop kan worden

vervangen door een kortere aanloop zonder dat de betekenis verandert.

Er is geen sprake van een onnodig lange aanloop.

Tabel 3: operationalisering variabele 1

2. Spel niet uit wat vanzelf spreekt

Per zin is vervolgens beoordeeld of er zinsdelen zijn die een regieaanwijzing bevatten. Was er sprake van woorden of zinsdelen die de lezer voorschrijven hoe hij iets moet lezen of interpreteren en spraken die woorden of zinsdelen voor zich, dan werd de vraag Wordt wat

voor zich spreekt toch uitgespeld? met ja beantwoord. Stonden er geen woorden of zinsdelen

uitgespeld die voor zich spraken of bevatten woorden of zinsdelen regieaanwijzingen die om wat voor reden ook intrigerend, verrassend of frappant waren, dan was het antwoord nee. Belangrijk was in dit geval de gehele context van de zin. Dat konden de eventueel andere zinnen van de tweet zijn, maar ook de bijbehorende afbeelding of video (zie ook paragraaf 3.2.8).

Operationele variabele Criteria voor antwoord ja Criteria voor antwoord nee 2. Wordt wat voor zich

spreekt toch uitgespeld?

De lezer wordt voorgeschreven hoe hij moet reageren: er staan woorden of zinsdelen uitgespeld die als functie een regieaanwijzing hebben en voor zichzelf spreken. Van een regieaanwijzing is sprake als woorden of zinsdelen

voorschrijven hoe de lezers zaken moet lezen of interpreteren.

- Er staan geen woorden of zinsdelen uitgespeld die voor zich spreken of

- er staan woorden of zinsdelen uitgespeld die als functie een regieaanwijzing hebben, maar die spreken niet voor zich. Het gaat hierbij om regieaanwijzingen die intrigerend, verrassend of frappant zijn.

Tabel 4: operationalisering variabele 2

3. Zeg het niet dubbelop: tautologie

18

geconstateerd en bleek vervolgens dat het voorkomen van beide woorden de boodschap niet krachtiger maakt, dan werd de vraag Komen overbodige tautologieën voor? met ja beantwoord. Is de tautologie niet overbodig (en geeft het de zin meer zeggingskracht) of komt er geen tautologie in de zin voor, dan werd die vraag met nee beantwoord.

Operationele variabele Criteria voor antwoord ja Criteria voor antwoord nee 3. Komen overbodige

tautologieën voor?

- Er is sprake van een tautologie én - deze tautologie is overbodig, wat wil zeggen dat er geen sprake is van een versterking van de boodschap door de tautologie.

- Er komt geen tautologie voor of

- er is wel een tautologie, maar de tautologie is een vaste uitdrukking of versterkt de boodschap.

Tabel 5: operationalisering variabele 3

4. Zeg het niet dubbelop: pleonasme

Voor elke zin werd ook beoordeeld of er een pleonasme in verborgen zat. Daartoe werd eerst beoordeeld of er woorden waren waarvan de betekenissen elkaar deels overlappen. Is er een pleonasme geconstateerd en bleek vervolgens dat het voorkomen van het woord dat preciseert overbodig is, dan werd de vraag Komen overbodige pleonasmen voor? met ja beantwoord. Was het pleonasme niet overbodig of kwam er geen pleonasme in de zin voor, dan werd die vraag met nee beantwoord.

Operationele variabele Criteria voor antwoord ja Criteria voor antwoord nee 4. Komen overbodige

pleonasmen voor?

- Er is sprake van een pleonasme én

- dit pleonasme is overbodig, wat wil zeggen dat er sprake is van een overbodige precisering. Het pleo-nasme versterkt de boodschap niet.

- Er komt geen pleonasme voor of

- er is wel een pleonasme, maar het pleonasme is een noodzakelijke precisering en versterkt de boodschap.

Tabel 6: operationalisering variabele 4

5. Wees zuinig met bijvoeglijke naamwoorden

Per zin is bepaald of de zin een bijvoeglijk naamwoord bevat. Was dit het geval, en was er sprake van een cliché of een bijvoeglijk naamwoord dat irrelevante informatie bevat met betrekking tot de context, dan werd de vraag Komen overbodige bijvoeglijke naamwoorden

voor? met ja beantwoord. Stond er geen bijvoeglijk naamwoord in de zin of voegde het

bijvoeglijk naamwoord iets toe aan het zelfstandig naamwoord, dan werd die vraag met nee beantwoord. Dat gold overigens ook voor de gevallen waarin een bijvoeglijk naamwoord een overbodig pleonasme is. Voor pleonasmen is namelijk een aparte categorie en een aparte variabele aangemaakt (zie 3.2.4 en 3.3).

Operationele variabele Criteria voor antwoord ja Criteria voor antwoord nee 5. Komen overbodige

bijvoeglijke

naamwoorden voor?

- Er komt een bijvoeglijk naamwoord voor in de zin én - dit bijvoeglijke naamwoord is een cliché of geeft irrelevante informatie met betrekking tot de context.

- Er staat geen bijvoeglijk naamwoord in de zin of - het bijvoeglijk naamwoord is een overbodig pleonasme of - het bijvoeglijk naamwoord voegt iets toe aan het

zelfstandig naamwoord.

19

6. Verkort voorzetseluitdrukkingen

Per zin is bepaald of er een voorzetseluitdrukking voorkomt. Daarbij is onder meer de lijst met voorzetseluitdrukkingen van Burger en de Jong (2009: p. 159; zie bijlage 2) gebruikt. Kon de voorzetseluitdrukking eenvoudig door een enkel voorzetsel vervangen worden en was de voorzetseluitdrukking daarmee in feite overbodig, dan werd de vraag Komen overbodige

voorzetseluitdrukkingen voor? met ja beantwoord. Kwam er geen voorzetseluitdrukking voor

in de zin, of had deze voorzetseluitdrukking daadwerkelijk betekenis, dan werd die vraag met

nee beantwoord.

Operationele variabele Criteria voor antwoord ja Criteria voor antwoord nee 6. Komen overbodige

voorzetsel-uitdrukkingen voor?

- Er komt een

voorzetseluitdrukking voor én - deze kan door een enkel voorzetsel worden vervangen waarbij de zin dezelfde betekenis houdt (eventueel door een bijzin toe te voegen). - Er komt geen voorzetseluitdrukking voor of - de voorzetseluitdrukking is niet overbodig.

Tabel 8: operationalisering variabele 6

7. Mijd deelwoordstijl

Per zin is bepaald of er een combinatie van een tegenwoordig deelwoord met een persoonsvorm in die zin staat. Is dit het geval en kan deze combinatie door een enkele persoonsvorm vervangen worden, dan werd de vraag Komen overbodige deelwoorden voor? met ja beantwoord. Een vereiste is uiteraard wel dat de twee oorspronkelijke woorden daadwerkelijk samen een gezegde vormden. Kon de combinatie niet vervangen worden of kwam er geen combinatie van een tegenwoordig deelwoord met een persoonsvorm voor, dan werd de vraag met nee beantwoord.

Operationele variabele Criteria voor antwoord ja Criteria voor antwoord nee 7. Komen overbodige

deelwoorden voor?

- Er is sprake van een tegenwoordig deelwoord in combinatie met een persoonsvorm én

- deze combinatie kan door een enkele persoonsvorm vervangen worden.

- Er komt geen combinatie van een tegenwoordig deelwoord met een persoonsvorm of

- de combinatie kan niet door een enkele persoonsvorm vervangen worden.

Tabel 9: operationalisering variabele 7

3.3.1 Variabelen en context

De variabele het vóórkomen van bondig taalgebruik stond bij deze deelvraag centraal. Deze variabele is geoperationaliseerd door aan de hand van de zeven bovenstaande richtlijnen de data te analyseren op het voorkomen van overbodige woorden, met andere woorden: het voorkomen van woorden die bondig taalgebruik verhinderen. Aan de hand van de zeven punten zijn de overbodige woorden gesignaleerd. De zeven punten vormden daarom de zeven variabelen van deelvraag 1.

20

context uit de zin eromheen en de eventueel bijbehorende zinnen uit dezelfde tweet. Maar daarnaast bevatten veel tweets een afbeelding of een video, en ook die behoorden telkens tot de context van elk woord. In de afwegingen die gemaakt zijn moest dus telkens rekening worden gehouden met de gehele context van een tweet.

Voor een bijvoeglijk naamwoord bijvoorbeeld is de context zeer belangrijk om te beoordelen of dat bijvoeglijke naamwoord relevant is of niet. In een tweet met de zin De blauwe Toyota

staat te koop. is het bijvoeglijke naamwoord blauwe zeer relevant als op het bijgaande plaatje

drie Toyota’s in verschillende kleuren staan afgebeeld. Het toevoegen van het bijvoeglijke naamwoord blauwe maakt in dit geval duidelijk dat de boodschap op de blauwe auto slaat en dus niet op de andere twee auto’s op de afbeelding. In deze context is blauwe niet overbodig.

3.3.2 Toelichting ‘overbodig’

Een term die met betrekking tot bondigheid gebruikt wordt is het woord overbodig. In de operationaliseringen van de verschillende variabelen zijn de criteria opgenomen die bepalen of een bepaald woord of zinsdeel overbodig is of niet. Toch behoeft dit nog enige toelichting. Om te bepalen of een bepaald woord of zinsdeel overbodig is moeten ook de afzender en het doel van de boodschap vastgesteld worden. Wanneer een tweet afkomstig is van een doe-het-zelfzaak met als doel om zoveel mogelijk grasmaaiers te verkopen, dan valt te verwachten dat de doe-het-zelfzaak in de boodschap gebruik maakt van positief stemmende bijvoeglijke naamwoorden of overdreven tautologieën, met als doel om de grasmaaier zo goed mogelijk aan te prijzen en uiteindelijk zoveel mogelijk grasmaaiers te verkopen. Met marketing als doel zal een verkoper zich niet al te veel bekommeren om de bondigheid van zijn teksten en de vraag of sommige gebruikte woorden overbodig zijn. En de vraag is of die woorden ook daadwerkelijk overbodig zijn: misschien zorgt een aantal superlatieven in een tweet juist voor extra opbrengsten door grasmaaierverkoop. Taalkundig gezien zijn de superlatieven dan overbodig, maar marketingtechnisch gezien niet.

In dit onderzoek is uit vijf verschillende sectoren data verzameld en geanalyseerd. Die vijf sectoren verschillen in het doel dat ze met hun tweets hebben. Informele bedrijven die winst willen maken zullen wellicht vaker voor overbodige woorden kiezen dan meer formele bedrijven, die niet of minder op winst uit zijn. In dit onderzoek zijn alle zinnen uit alle verschillende sectoren taalkundig geanalyseerd volgens de hierboven beschreven methode. Er is daarbij geen rekening gehouden met het eventuele marketingdoel van een organisatie. Bij de verwerking van de resultaten kon hierdoor worden bepaald welke sectoren (of welke organisatie op zich) het meest of minst bondige taalgebruik gebruiken. Ook kon dan worden vastgesteld welke niet-bondige elementen per organisatie of sector veel voorkwamen.

3.3.3 Codering en notatie

Per zin die voorkomt in een tweet (dit kunnen meerdere zinnen per tweet zijn) is gekeken of elk van de zeven variabelen – die hieronder als vragen zijn weergegeven – voorkwam in die zin. De waarden van de variabelen waren daarom telkens ja en nee. De vragen zijn zodanig gesteld, dat wanneer de vragen met nee beantwoord kunnen worden, er sprake was van bondig taalgebruik. Was het antwoord ja, dan was er geen sprake van bondig taalgebruik en werd er een overbodig woord of zinsdeel vastgesteld.

1. Komt het onderwerp van de zin niet meteen ter sprake? 2. Wordt wat voor zich spreekt toch uitgespeld?

21

5. Komen overbodige bijvoeglijke naamwoorden voor? 6. Komen overbodige voorzetseluitdrukkingen voor? 7. Komen overbodige deelwoorden voor?

De antwoorden ja en nee zijn per zin in Excel genoteerd als een 1 in het geval van ja en als een 0 in het geval van nee. In bijlage 3 is te zien welke gegevens per zin in Excel genoteerd zijn. Voor elke zin ontstond zo na de analyse een ‘overbodigheidsscore’. Als voor een zin alle vragen met ja werden beantwoord leidde dit tot een maximale overbodigheidsscore van 7. Dit betekent dat op alle zeven punten niet-bondige elementen zijn geconstateerd. Werden alle bovenstaande vragen met nee beantwoord, dan is de zin uiterst bondig en is de overbodigheidsscore 0. Per zin, per organisatie en per sector kon een overbodigheidsscore worden bepaald, maar er kon ook worden bepaald welke variabelen hoog scoorden en welke niet. Per organisatie of sector kon aan de hand van deze scores bijvoorbeeld worden beoordeeld hoeveel overbodige bijvoeglijke naamwoorden voorkwamen.

Zoals eerder toegelicht in 3.2.5 werd in het geval van een overbodig pleonasme de waarde 1 toegekend bij vraag 4 en de waarde 0 toegekend bij vraag 5. Dit was om te voorkomen dat scores dubbel werden toegekend.

Daarnaast is het voor de methode en de uitvoering daarvan belangrijk om te vermelden dat bij het vaker voorkomen van hetzelfde niet-bondige element nog altijd een 1 werd gescoord, en nooit een 2 of meer. Ook wanneer er van een bepaalde categorie een bondig én een niet-bondig element werden geconstateerd werd er een 1 gescoord. Kwamen er bijvoorbeeld meerdere bijvoeglijke naamwoorden voor in een zin, en was daarvan een geval overbodig en het andere niet, dan was de score dus ook 1. Er kwam dan namelijk minimaal één overbodig bijvoeglijk naamwoord voor, en dat is relevant voor dit onderzoek. De vraagstelling is namelijk ook telkens óf bepaalde gevallen voorkomen, en niet hoeveel gevallen voorkomen.

3.3.4 Betrouwbaarheid

Alle data – dat zijn in totaal 500 tweets – zijn volgens bovenstaande methode geanalyseerd. Daarbij zijn ook de vele voorbeelden die Burger & de Jong (2009: pp. 153-160) en Renkema (2008: pp. 110-117) noemen, maar die niet in deze methode zijn genoemd, als hulpmiddel gebruikt. Voor het vergroten van de betrouwbaarheid van het onderzoek bij deze deelvraag zijn delen van de analyse door een tweede onderzoeker uitgevoerd. Deze tweede onderzoeker heet Corina van der Lans en zij heeft zelfstandig delen van het corpus volgens de beschreven methode geanalyseerd. Zij is vooraf uitvoerig geïnstrueerd over de analysemethode. Achteraf kon dan worden beoordeeld of de analyses in grote mate overeenkwamen. Onderlinge verschillen zijn onderzocht en telkens zo goed mogelijk opgelost.

3.4 Operationalisering deelvraag 2: begrijpelijkheid