De politieke barometer
Wat zeggen de kiezers over welke politieke partijen?
Figuur 1. Tijdlijn van Nederlandstalige Twitter-berichten per politieke partij.
Figuur 2. Percentage negatieve / neutrale / positieve Twitter-berichten per politieke partij.
Figuur 3. Tijdlijn evolutie positieve / negatieve Twitter-berichten per politieke partij.
Figuur 4. Aandeel per politicus per stad.
Figuur 5. Top 3 politici in Antwerpen, tijdlijn positieve / negatieve berichten.
Hoe werkt het ?
Met een computerprogramma doorzoeken we automatisch Nederlandstalige Twitter-berichten die de naam van een bekende politicus bevatten1. Het computerprogramma weet welke woorden een positief gevoel hebben en welke een negatief gevoel. Dikwijls drukken we gevoelens (sentiment) of persoonlijke meningen (opinie) uit met behulp van adjectieven.
Bijvoorbeeld, sterk heeft een positieve lading: "Een sterke campagne!" De tien meest gebruikte adjectieven hier zijn: best, goed, boos, groot, sterk, klaar, eerlijk, duidelijk, racistisch en verstandig.
Dit passen we vervolgens toe op alle berichten, zodat een gemiddeld overzicht per partij ontstaat. Dagelijks doorzoekt het computerprogramma nieuwe berichten. De grafiek past zich dan automatisch aan.
1 De cijfers per partij zijn geaggregeerd over de lijsttrekkers van de grootste steden. Berichten van de politici zelf werden niet opgenomen.
Waarom doen we dit ?
Wetenschappelijk onderzoek naar sentimentanalyse heeft een brede waaier aan economische en maatschappelijke toepassingen. Bijvoorbeeld, ontdekken welke boeken je vrienden leuk vinden. Of de beurskoers proberen te voorspellen, of depressieve jongeren op sociale netwerksites helpen herkennen.
Wie zijn we ?
De zoekrobot werd opgestart door Tom De Smedt van de Computational Linguistics Research Group en Enric Junqué de Fortuny van de onderzoeksgroep Applied Data Mining onder leiding van prof. David Martens en prof. Walter Daelemans (Universiteit Antwerpen).
De website werd ontworpen door Tom Van Iersel van het designbureau eFlavours.
Referentie: Enric Junqué de Fortuny, Tom De Smedt, David Martens and Walter Daelemans. Media coverage in times of political crisis: a text mining approach. Expert Systems With Applications, Vol. 39, Nb. 14, pp. 11616-11622, 2012.
