{"id":9882,"date":"2020-05-02T21:34:43","date_gmt":"2020-05-02T19:34:43","guid":{"rendered":"https:\/\/openstate.eu\/nl\/?p=9882"},"modified":"2020-05-02T21:40:01","modified_gmt":"2020-05-02T19:40:01","slug":"nederlands-wat-zijn-de-sentimenten-in-berichten-van-lokale-politieke-partijen","status":"publish","type":"post","link":"https:\/\/openstate.eu\/nl\/2020\/05\/wat-zijn-de-sentimenten-in-berichten-van-lokale-politieke-partijen\/","title":{"rendered":"Wat zijn de sentimenten in berichten van lokale politieke partijen?"},"content":{"rendered":"

Wie schrijft positief of juist negatief over klimaat, mantelzorg of hondenpoep? Kun je op geautomatiseerde wijze, betrouwbare uitspraken doen over de sentimenten in pers- en nieuwsberichten van lokale politieke partijen? Dat is wat onze stagiair Ludi van Leeuwen de afgelopen drie maanden onderzocht. Hier vertelt ze over haar bevindingen.\u00a0<\/strong><\/p>\n

Mijn naam is Ludi, vierdejaars student filosofie en kunstmatige intelligentie aan de Rijksuniversiteit Groningen. De afgelopen drie maanden heb ik stage gelopen bij de Open State Foundation. Ondanks de rare Corona-tijd, heb ik het erg naar mijn zin gehad.\u00a0<\/span><\/p>\n

Tijdens mijn stage heb ik gewerkt aan een nieuwe versie van PoliFLW\u2019s sentiment-analyse. PoliFLW<\/a> is een Open State-platform dat alle berichten van (bijna) alle lokale politieke partijen verzamelt, een goudmijn aan data dus. Sentiment-analyses zijn interessant omdat ze, zeker op grote schaal, inzicht zouden kunnen geven in de uitingen van lokale politieke partijen. Dit blog legt uit hoe sentiment-analyse werkt (en niet werkt), de problemen waar ik tegenaan liep tijdens het bouwen en wat je er uiteindelijk toch mee kan doen.<\/span><\/p>\n

Positief, negatief of neutraal
\n<\/strong>Je kan een sentiment-analyse gebruiken om te zien of een tekst positief, negatief<\/em> of neutraal<\/em> is. Als lezer doe je dit eigenlijk intu\u00eftief al: gebruikt de schrijver veel bijvoeglijk naamwoorden of schrijft ze juist heel vlakjes en neutraal? Dit kan je bekijken over de hele tekst en zo kan je een hele tekst classificeren als positief, neutraal of negatief.\u00a0<\/span><\/p>\n

Je kan ook verder inzoomen: Niet de hele tekst maar juist sentimenten op bepaalde onderwerpen analyseren: dezelfde schrijver kan neutraal schrijven over de opening van een cultureel centrum in het dorp, heel positief schrijven over het geweldige nieuwe ecoduct, en juist heel negatief over die afschuwelijke hondeneigenaren die de vieze drollen van hun luidruchtige hond niet opruimen. De sentimenten geven aan hoe de schrijver over de onderwerpen denkt.<\/span><\/p>\n

Geautomatiseerde sentiment-analyse
\n<\/b>Je kan sentiment-analyse met de hand doen, maar dat is tijdrovend en daarom heb ik twee niveaus van sentiment-analyse geautomatiseerd: binnen Poliflw zelf krijgt een hele tekst een classificatie van positiviteit en subjectiviteit, door middel van een API. Op wie.poliflw.nl kan je de sentimenten op specifieke onderwerpen analyseren. Jij selecteert een onderwerp, de sentiment-analyser vindt de teksten in Poliflw die relevant zijn en toont je de gevonden sentimenten op die onderwerpen.<\/span><\/p>\n

Een voorbeeld: Als je zou willen weten hoe verschillende partijen denken over het onderwerp \u2018mantelzorg\u2019, kan je die term op wie.poliflw.nl invoeren en kiezen hoeveel berichten je wilt meenemen in je analyse. Daar komt een csv-bestand (spreadsheet) uit, waar je vervolgens de mediaan polariteit (hoe positief of negatief iets beschreven wordt) op het woord ‘mantelzorg’ kan bepalen, per politieke partij.<\/span><\/p>\n

Zo is in onderstaande grafiek te zien dat partijen verschillende <\/span>mediaan polariteiten<\/span><\/i> hebben op \u2018mantelzorg\u2019. De SGP is het meest positief, met een mediaan polariteit van ongeveer +37 (polariteit gaat tussen de -100 voor negatief en de +100 voor positief). De andere partijen lijken minder positief dan de SGP – de PvdA met een mediaan van ongeveer +10 het minst. Voor de goede orde: Dit zijn dus de sentimenten op \u2018mantelzorg\u2019 geanalyseerd op 200 berichten.\u00a0<\/span><\/p>\n

\"\"<\/p>\n

‘De gemeenteraad verroert geen vin’
\n<\/b>Het is belangrijk om te vermelden dat mijn sentiment-analyse zoals hij nu is, niet goed genoeg is om serieuze conclusies te trekken over het taalgebruik van politieke partijen. De analyse mist nog te veel aspecten die taal zo leuk en divers maken en pakt alleen eenvoudige, makkelijk te herkennen sentimenten op (en zelfs dat niet altijd op een goede manier).\u00a0<\/span><\/p>\n

Deze sentiment-analyse daarom gezien worden als een tool om onderwerpen te verkennen, en om te kijken of er interessante patronen zitten in de berichten van politieke partijen. Het is geen methode die leidt tot betrouwbare, statistisch-onderbouwde conclusies. Daarvoor\u00a0 is gewoon nog niet genoeg waterdicht. <\/span><\/p>\n

Hieronder wat voorbeelden die de gebreken van de sentiment-analyse demonstreren:<\/span><\/p>\n