Teleurstellingswetenschap

Door Marc van Oostendorp

Het is onzeker dat er behalve de mens ergens in het universum nog een wezen is dat teleurstelling kan ervaren. Het is vergeleken met bijvoorbeeld boosheid of vrolijkheid een ingewikkelde emotie. Je moet iets verwacht hebben en dan moet het gebeurd zijn en je gevoel over die gebeurtenis moet negatiever zijn dan van te voren.

Wie wil er geen teleurstellingen voorkomen? Het onderzoek waarop Florian Kunneman vorige week in Nijmegen promoveerde zou daar een bouwsteentje voor kunnen zijn. Hij heeft er zelfs een nieuw woord voor gemunt: anticipointment (anticipileurstelling), al snap ik niet zo goed waarom: kan teleurstelling bestaan zonder anticipatie?)

Kunnemans onderzoek is gericht op Twitter: kun je de computer laten voorspellen wanneer gebeurtenissen zullen plaatsvinden door Twitter te lezen? En kan zo’n computer de gevoelens meten die er op Twitter heersen?

Over drie weken

Wanneer je die twee dingen kunt combineren, kun je dus echte teleurstellingswetenschap bedrijven: die voetbalwedstrijden of concerten zijn op een teleurstelling uitgelopen waarover van te voren positief werd getwitterd en na afloop negatief. Zoals Kunneman een paar jaar geleden in een filmpje zei (zie hieronder) zou je zo jaarlijks een top-10 van de meest teleurstellende concerten kunnen samenstellen, net als natuurlijk van de grootste meevallers, die het spiegelbeeldige patroon geven.

Om daar te geraken, moet je twee zaken kunnen doen: uit Twitter afleiden wanneer een gebeurtenis precies plaats vindt. In zijn proefschrift laat Kunneman zien dat je dat voor evenementen die door voldoende mensen worden bezocht, vrij nauwkeurig kunt doen. Het helpt daarbij als mensen zaken twitteren als ‘Over drie weken naar #detoppers #zinin’, want de computer kan als je hem voldoende traint op dat soort tweets vanzelf leren begrijpen wat ‘over drie weken’ betekent: als hij een heleboel tweets met die frase heeft gezien, en weet wanneer die tweets werden verzonden en wanneer de Toppers optraden, trekt de computer zijn conclusies.

Onderbelicht

Door de hashtag ‘#zinin’ kan de computer te weten komen dat hier mogelijk een teleurstelling in de maak is. Ook dat leert hij bij Kunneman weer niet doordat hij daar enige expliciete instructies over krijgt: de onderzoeker voert hem in plaats daarvan grote hoeveelheden tweets die door mensen als positief of als negatief zijn beoordeeld. De computer zoekt dan zelf uit aan welke woorden dit mogelijk ligt.

Want dat is de onderzoekslijn waarin Kunneman werkt: de computer worden geen regels gegeven, maar krijgt in plaats daarvan een grote hoeveelheid voorbeelden te zien, aan de hand waarvan hij zelf de regels, en de uitzonderingen op de regels probeert te vinden. Twitter is daar natuurlijk uitermate geschikt voor: het systeem dat Kunneman gebruikte haalde in 2016 ongeveer 732.000 Nederlandstalige tweets per dag binnen. (Op Facebook gaat misschien nog meer informatie rond, maar die is veel minder makkelijk automatisch binnen te halen als je niet voor Mark Zuckerberg werkt.)

Beide componenten van de analyse werken behoorlijk goed, zoals blijkt uit Kunnemans proefschrift: je kunt grote gebeurtenissen vinden, je kunt redelijk meten wat de sfeer is op Twitter. Toch vond hij uiteindelijk niet veel teleurstellingen. Daarvoor blijken mensen te positief als ze over gebeurtenissen berichten op de sociale media. Want dat is een onderwerp dat weleens onderbelicht blijft: dat er op Twitter af en toe vreselijk positief wordt gedaan. Dat is dan wel weer een teleurstelling voor de teleurstellingswetenschap.

Over Marc van Oostendorp

Marc van Oostendorp is onderzoeker aan het Meertens Instituut (KNAW) en hoofdredacteur van Neerlandistiek. Hij heeft een website, een YouTube-kanaal en een Twitter-account.
Dit bericht is geplaatst in column met de tags , , , , , . Bookmark de permalink.

Laat een reactie achter