Timmermans het grootste doelwit van online toxische reacties
Frans Timmermans, die zich gisteravond terugtrok als leider van GroenLinks-PvdA, was in de aanloop naar de verkiezingen de partijleider die het meest getarget werd door giftige reacties op zijn sociale media-uitingen. Bijna 25% van alle commentaren op Timmermans’ posts was toxisch. Opvallend: zowel het aantal reacties als de toxiciteit ervan is op Facebook vele malen groter dan op andere platforms.

Er zijn duidelijke verschillen zichtbaar tussen de uitingen op de verschillende platforms. Waar lijsttrekkers vooral actief zijn op X en minder plaatsen op Facebook, Instagram en TikTok, zien we dat mensen op Facebook niet alleen veel vaker op die content reageren, maar ook giftiger. Terwijl de lijsttrekkers zelf nagenoeg geen giftige posts plaatsen, is een significant deel van de reacties op Facebook weldegelijk toxisch. Op de andere platforms is dit aandeel vele malen kleiner.

Wisselwerking
Soms kunnen ‘boze reacties’ worden gewijd aan een wisselwerking tussen zender en ontvanger. Sommige partijen scoren significant op giftigheid in een analyse van het taalgebruik van hun eigen posts. DENK spant hier de kroon, waar ruim 5% toxisch is. Ook PvdD, PVV, en JA21 scoren ruim 4%, 3% en 2%, respectievelijk.

Sentiment
Wanneer gekeken wordt naar het sentiment in plaats van toxiciteit, zien we andere verbanden. Zo zijn de posts van DENK, SP, JA21 en SGP overwegend negatief. Aan de andere zijde van het spectrum zijn D66 en vooral 50PLUS het meest positief.
Voor een deel wordt dat weerspiegeld in de sentimenten van de reacties onder die posts. 50PLUS heeft veruit de meest positieve reacties, terwijl negatieve zenders SGP, JA21, DENK en SP ook negatieve reacties ontvangen. Accounts die niet overwegend negatief zenden maar wel sterke negativiteit ontvangen, zijn die van Volt, CDA, GL/PvdA en VVD.

Doelwit
Hoewel de resultaten van dit onderzoek niet los kunnen worden gezien van de toon die lijsttrekkers in hun sociale media-uitingen zelf aanslaan, zijn er sterke indicaties dat sommige accounts vaker en erger worden blootgesteld aan negativiteit en toxiciteit, zonder dat zij dit zelf uitlokken. Op basis van onze analyse lijkt er duidelijk sprake van actieve targeting van Frans Timmermans.
Verantwoording
Om de discussies vlak voor de verkiezingen te bestuderen is een dataset samengesteld met één week (20 tot en met 26 oktober) aan berichten en reacties op de 5 grote platforms (Facebook, Instagram, TikTok, X/Twitter, Youtube). Om de toon van het debat te begrijpen werd een sentimentanalyse uitgevoerd met behulp van het meertalige Twitter XLM-roBERTa-basismodel, dat is geoptimaliseerd voor sentimentanalyse. Dit model is getraind op ~198 miljoen tweets en kan negatieve, neutrale en positieve sentimenten onderscheiden. Om daarnaast de toxiciteit te kunnen bepalen werd een analyse uitgevoerd met het RobBERT-dutch-base-toxic-comments-model, dat is geoptimaliseerd voor het herkennen van toxisch taalgebruik in het Nederlands. Beide modellen voeren een analyse uit op de datasets en koppelen aan elke opmerking een sentiment (positief/neutraal/negatief) en toxiciteitsbepaling (toxisch/niet toxisch). Daarnaast krijgen beide bevindingen een zekerheidsscore van 0 tot 1. De resultaten zijn verwerkt in de aangehaalde grafieken.
