Zánkay Márton: Az érzelmi hadviselés az online (politikai) kommunikációban

Szentiment elemzés

Milyen tartalmakat osztanak meg az új világrendet képviselő politikusok online?

Milyen erősen kell fogalmazniuk, hogy pár szóval is emberek tömegeire mérjenek erős hatást?

A Twitter felületén rengeteg felhasználót lehet elérni a világ szinte bármely pontján, de milyen formában kell használni a szavakat, hogy az üzenet elérje célját?

Ennek az új áramlatnak a képviselői mennyiben eltérő szó- és szövegszerkezeteket alkalmaznak követőik mozgósítására?

Dolgozatom céljának többek között ezen kérdések megválaszolását tűztem ki egy szentiment elemzés formájában.

Először is, szentiment elemzésnek azt nevezik, amikor egy adott szöveg érzelmi töltetét vizsgáljuk. Ez a szöveg egészének és szavankénti elemzését is jelenti. Ezt a szentiment analízist többek között szövegek közti hasonlóságok kimutatására is használják, de rejtett mondanivaló is felfedhető vele, ami első sőt többszöri olvasatra sem fedezhető fel. A vizsgálattal kimutathatóak olyan mögöttes tartalmak, amiket nem direkt módon érzékelünk olvasás közben, mindössze a tudatallatinkra van hatással a szöveg hangulata.

Munkámban a napjainkat szervesen meghatározó politikusok médiakommunikációját akartam vizsgálni. Ehhez leginkább a Twitter és a Facebook felületét találtam a leghasznosabbnak. A politikusok rövidebb mondatokban kénytelenek megfogni követőik vagy lehetséges követőik figyelmét, ezért érzelmi töltettel erősen ellátott mondatokat és kulcsszavakat fognak használni ahhoz, hogy bele tudják zsúfolni ebbe a pár figyelemfelhívó mondatba azt, ami tulajdonképpen kampányuk vagy mondanivalójuk sarokköve.

Dolgozatom írása során egy már létező szövegszemantika-elemző szoftvert használtam. A program a theysay.io weboldalán található meg. A program három típusú érzelmi töltet között tesz különbséget: pozitív, semleges és negatív. Ugyanakkor a szavakon és szópárokon belül is vizsgálja a ezeket a tartalmakat, tehát nem minden szó rendelkezik pusztán egyfajta érzelmi töltettel. A program vizsgálja a szöveg teljes jelentését és tartalmát is, majd az elemzést különböző csoportokra bontja.

A populista politikusok közül 3 ország 3 képviselőjét választottam. Az Egyesült Államokból Donald J. Trumpot, az Egyesült Királyságból Nigel Farage-t, Magyarországról pedig Toroczkai Lászlót. Vizsgáltam egyrészt, hogy egyénileg milyen érzelmi töltetű szavakkal kommunikálnak követőik felé; másrészt, hogy egymáshoz viszonyítva ezek mennyire hasonlóak összeségükben. Kontrollként megnéztem Hillary Clinton Twitter fiókjának kommunikációs mintáját is. A politikusok Twitter fiókjait elemeztem, mert véleményem szerint itt kellett a legtöbb hatást gyakorolniuk a legkevesebb karakter használatával. Ez alól kivétel Toroczkai László, aki sajnálatos módon nem rendelkezett Twitter fiókkal a kutatásom ideje alatt, ezért az ő esetében azokat a Facebook-on elérhető posztokat vizsgáltam, amik angol nyelven is elérhetőek voltak. A Tweet-ek kiválasztását véletlenszerűen tettem meg, de a kampányidőszak, illetve a közvetlen azt követő egy hét határán belül maradtam. A Facebook posztokból pedig az angol nyelven közzétettek közül választottam véletlenszerűen.

Donald J. Trump

Az Egyesült Államok leendő elnöke nagyon szereti használni a Twitter profilját, amivel jelentősen befolyásolja a médiát és egy-egy szerencsétlen cég is látta már gazdasági kárát Trump szavainak. A program kapacitását kihasználva kettőezer karakternyi Tweet szöveget analizáltattam vele.

Trump szentiment elemzése.

Első pillantásra az látható, hogy a negatív szentiment tartalmú szavakat favorizálja több mint 2/3-os arányban. Kerüli a neutrális szavak használatát és kis mértékben használ pozitív vonatkozású szavakat vagy mondatokat a vizsgált időszakban. A mondatok között a leggyakoribbak azok a mondatok, amik teljes mérték negatív tartalmúak. A program azt is érzékelte a szövegkontextusból, amikor egy név negatív vagy pozitív tartalommal kapcsolódott össze. Így azt a következtetést vonta le, hogy amikor Trump Hillary nevét használja azt egy negatív értelmben teszi. Ezért a Hillary és a Hillary Clinton szavakat is automatikusan negatív tartalomként értelmezte. Donald Trump Twitter fiókja az összes érzelmi (Emotions) kategóriát érintette, tehát egy igen színes skálát adott ki a program. A legnagyobb arányban a harag érzelme emelkedik ki a vizsgált Tweet-ekből (25%), utána a félelem következik (17%), a harmadik pedig a kétely (12%).

Trump érzelmeinek lebontása.

A Topic menüpontban a program nem tudott témát beazonosítani vagy megállapítani. A spekuláció menüpontban azonban nagy mértékű jővőre tett kijelinetés szerepel, tehát olyan elem, ami egy ígéret vagy egy szándék formájában megfogalmazva szerepel a szövegben.

Spekuláció menüpont

Nigel Farage

Farage Twitter profilját a BREXIT-kampány ideje alatt vizsgáltam, úgyanúgy kétezer karakternyi Tweet-et elemeztettem a programmal, amely a következőket találta:

Farage szentiment analízise.

Farage Twitter fiókja által használt szókészlet teljesen kiegyenlítettnek tűnik, szinte egyenlő mértékben használja a pozitív és a negatív tartalmú szavakat és mondatokat. Ez a kiegyenlítődöttség arra vezethető vissza, hogy a kampány kezdetén használt vehemensebb kifejezéseket és mondatokat a kampány utáni enyhülés és köszönetnyilvánítás kiegyenlítette.

Farage szövegében nagyon nagy mennyiségben jelennek meg olyan kifejezések és entitások, amik nem megosztottak szentiment tartalmukban, tehát vagy kizárólag pozitívak vagy negatívak. Farage szövegében az érzelmi töltet megjelenése szűkebb, mint Trumpéban, nem olyan színes az érzelmek skálája és sokkal fókuszáltabban jelennek meg benne az érzések. Ez könnyen lehet azért, mert Farage háttérstábkának komolyabb munkája van Farage Tweetjeiben.

Farage érzelmeinek lebontása.

A három legnagyobb arányban jelenlevő érzelem a tetszés (43%), a boldogság (35%) és a nyugodtság (26%). A Trumpnál megfigyel három legerősebb érzelem — a harag, félelem és a kétely — itt teljesen elenyésző mértékben van jelen. Mindez lehet a program érzékenységéből fakadó hiba is. Előfordulhat, hogy a célközönség és a kulturális eltérések miatt teljesen más az egyik megközelítés, mint a másik. A program itt a “Topic” menüpontban megállapította a politikai tartalmat de csak 54%-os konfidencia-szinttel.

A spekulációk szintje hasonló a Trump Tweet-eken végzethez, de megjelenik egy új szempont is, ami a rizikó.

Toroczkai László

Toroczkai Lászlónál sajnos nem tudtam olyan válogatott anyagból dolgozni, mint a Twittert és angol nyelvet használó más politikusoknál. Így egy leszűkített méretű anyaggal kellet dolgoznom. szerencsére egyes Facebook-posztjait több nyelven is megosztotta.

Toroczkai szentiment elemzése.

Toroczkai szentiment elemzése hasonló sémát mutat Trumpéhoz, persze nem azonos vele, de a negatív tartalom itt is abszolút többségben van a pozitív és a neutrálishoz képest. 58%-os a szöveg negatív szentimentje, 34%-os a pozitív és elenyésző, 7.8%-os a neutrális. Bár a neutrális tartalom aránya igen alacsonynak tűnik, a három elemzett szöveg közül itt a legmagasabb. Sokkal több a mondatokban megoszlott érzelmi töltet, mint az idáig vizsgált szövegekben. Ez fakadhat abból is hogy nem a Twitter stílusának megfelelő módon íródott. A szövegen belüli entitásoknak sokkal nagyobb aránya pozitív tartalmú, de a negatív tartalmúak sokkal erősebben negatív tartalmúak, mint amennyire a pozitívak pozitívak.

Toroczkai érzelmeinek lebontása.

A megjelenő érzelmek azonban nem hasonlítanak egyik korábbi szövegre sem. A három legerősebb érzelem a szövegen belül a nyugodtság (18%), a félelem (14%) és a boldogság (12%). Sajnos a program nem ad útmutatást arról, hogy ezek az érzelmek milyen szavakból származnak, így csak felteszem, hogy valószínűleg a sok mondatokon belüli neutrális szentimentből. A program a szövegben a migráció témáját találta meg, de ezt is csak 56%-os konfidencia szinttel. A spekuláció fülben semmi érdemlegeset nem talált a program.

Topic menüpont

Hillary Clinton

Hillary szentiment elemzése.

Úgy tűnik, Hillary Twitter fiókja a fentiekkel pontosan ellentétes módszert alklamaz követői ellérésében. A szöveg elemzése azt mutatja, hogy több mint 2/3-os a pozitív tartalom, a negatív pedig csak 24%-ban van jelen. Mindössze két olyan egész mondat van, ami túlnyomórészt negatív tartalommal bír.

Hillary érzelmeinek lebontása.

Az érzelmi tartalom is a pozitív érzelmek felé összpotosul, nem olyan színes a paletta, mint Trump szövegének elemzésénél. Ez megint csak azért lehetséges, mert Hillary Twitter fiókját valószínűleg a kampány stáb kezeli.

Végkövetkeztetés

Kutatásom célja annak vizsgálata volt, hogy kimutatható-e egy szentiment elemzéssel a populista politikusok közötti hasonlóság az online kommunikáció terén. Csak részleges hasonlóságokat találtam a különböző államok politikusai közt, ezt okozhatja mind a program kétezer karakteres felső limitje, vagy az elérhető demo verzió korlátja. Mindenképp mélyebb elemzés lenne szükséges ahhoz, hogy komoly kapcsolatok váljanak kimutathatóvá. Elképzelhető ugyanakkor, hogy minden online Tweet-nek és posztnak másféleképpen kell meglovagolnia az áramlatokat és felmérnie, hogy melyek azok a szavak, amik megfelelően hatnak a céközönségére. Ehhez mérten más országokban másképpen kell megszólítani a jobb- vagy esetleg baloldal szavazóit. Míg bizonyos negatív vagy pozitív kontentek felé húzás kimutatható a programmal, ezek messze vannak az azonosságtól. Azonban lehet, hogy ezek egy adott országon belüli pártoknál másképp festenének, mivel egy párt egységes szövegében kevesebb lenne az egyéni szubjektív szentimentek megjelenése.

Meglepő módon első látszatra úgy tűnik, hogy például Nigel Farage elemzett szövege sokkal jobban hasonlít Hillary Clinton szövegére, mint a hasonló politikai irányvonalú társaiéra, de a részletesebb elemzés megtekintésekor kiderül, hogy ez csak első pillantásra van így. Donald Trump és Toroczkai László szövegelemzése már jobban hasonlít egymásra, Toroczkai szövegében azonban nagyon magas a neutrális szövegtartalom is a program szerint, ami a “Calmness” oszlopban jelenik meg. Tehát nem szabad első pillantásra látszólagós összefüggéseken fennakadnunk, széles spektrumon érzékelhetőek a szövegek szentiment tartalmában hasonlóságok, de a pontosabb elemzés során ezek láthatóan differenciáltabbak. Mindenképpen hasznosnak bizonyulhat egy mélyebb kutatás a témában, nagyobb szövegtartalommal.

Vélemény, hozzászólás?

Adatok megadása vagy bejelentkezés valamelyik ikonnal:

WordPress.com Logo

Hozzászólhat a WordPress.com felhasználói fiók használatával. Kilépés /  Módosítás )

Google kép

Hozzászólhat a Google felhasználói fiók használatával. Kilépés /  Módosítás )

Twitter kép

Hozzászólhat a Twitter felhasználói fiók használatával. Kilépés /  Módosítás )

Facebook kép

Hozzászólhat a Facebook felhasználói fiók használatával. Kilépés /  Módosítás )

Kapcsolódás: %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.