Alles Lüge? Wie im Netz getäuscht wird
Bei ZDFzoom geht es heute sehr viel um eine Analyse, die wir (Morteza Shahrezaye und Simon Hegelich) im Auftrag des ZDF erstellt haben. Hier der Link zur Mediathek.Wurde die "Flüchtlingsdebatte" auf Facebook manipuliert?
Simon Hegelich/Morteza Shahrezaye
Abstract
Im Auftrag des
ZDF hat das Team von Prof. Dr. Simon Hegelich an der Professur Political Data
Science (Hochschule für Politik an der Technischen Universität München) die
Diskussionen auf Facebook zu Geflüchteten analysiert.
Es konnte gezeigt
werden, dass im Umfeld von AfD und PEGIDA hyperaktive Nutzer auf Facebook aktiv
sind. Während der durchschnittliche Nutzer auf Facebook relativ passiv ist, d.
h. wenig Kommentare schreibt und wenige Beiträge „liked“, sind diese
hyperaktiven Nutzer mehrere Stunden täglich damit beschäftigt, bestimmte Beiträge
zu kommentieren und zu liken. Dadurch wird die Netzwerkstruktur auf Facebook
nachweislich verzerrt: Es entsteht der Eindruck, Posts, die sich gegen
Geflüchtete wenden, wären wesentlich populärer und würden häufiger kommentiert.
Es ist zu vermuten, dass dieser „Bias“ sich auch auf die Algorithmen auswirkt,
mit denen Facebook anderen Nutzern Seiten empfiehlt.
Methodisches Vorgehen
Datenerhebung
Von allen öffentlichen
Facebookseiten der Parteien in Deutschland (AfD, CDU, CSU, SPD, NPD, Bündnis
90/Die Grünen, die Linke), ausgewählten Medienseiten (CNN, ZDF, Reuters, RT Deutschland,
Spiegel Online, Deutsche Welle, Tagesschau), alle Seiten mit „Pegida“ im Titel
und alle Seiten mit „Flüchtlinge“ im Titel wurden nahezu alle Posts, Comments
und Likes untersucht. Aufgrund von Beschränkungen der Facebook API ist ein geringer
Teil dieser Daten (weniger als 10%) nicht vollständig. Insgesamt wurden 906
Pages, 1.039.090 Kommentare und 6.235.094 Likes analysiert. Die Sammlung der
Daten wurde für weitere Analysen wiederholt und die Anzahl der Facebookseiten
deutlich ausgeweitet (alle Seiten, die den Namen einer Partei im Titel haben,
wurden ergänzt, so dass die Anzahl auf 2.486 steigt und sich Comments und Likes
entsprechend ebenfalls mehr als verdoppeln). Die hier präsentierten Ergebnisse
beziehen sich auf die erste Version des Datensatzes. Eine Liste der Facebookseiten findet sich hier.
Datenauswertung
Die Daten wurden
unter zwei Gesichtspunkten analysiert: Gibt es Hinweise auf Aktivitäten von
Hyperaktiven Nutzern? Wie ist die Netzwerkstruktur beschaffen und welchen
Einfluss haben Hyperaktive Nutzer.
Die Anzahl der
Kommentare pro Nutzer weicht stark von einer Normalverteilung ab, wie das
folgende Histogramm zeigt.
 |
| Histogramm Kommentare pro Nutzer |
Für die
Darstellung wurde die Anzahl der Kommentare pro Nutzer auf der Basis 10
logarithmiert. Es ist deutlich zu sehen, dass einige hyperaktive Nutzer extrem
stark von den „normalen“ Nutzern abweichen. Der Nutzer aktivste Nutzer hat 3.006
Kommentaren geschrieben. Inhaltlich nahmen die Kommentare meist Nachrichten aus
dem Teletext auf, die im Zusammenhang zur Flüchtlingsdebatte standen. Diese
Nachrichten wurden durch Kommentare ergänzt, die sich in der Regel gegen die
Politik der Regierung und gegen Geflüchtete richteten.
Der Nutzer war
dabei über einen längeren Zeitraum nahezu täglich aktiv, wie das folgende
Diagramm zeigt.
 |
| Timeline Egon |
Im Bereich Likes
wurden mehrere Nutzer identifiziert, die systematisch Beiträge auf Seiten der
so genannten neuen Rechten (also u. a. Pegida und AfD) likten. Auch hier gibt
das Histogramm Aufschluss über die extrem ungleiche Verteilung der Likes pro
Nuter.
 |
| Histogramm Likes pro Nutzer |
Ebenso zeigt
sich, dass der Nutzer über einen längeren Zeitraum täglich aktiv war.
 |
| Timeline Mirco |
Netzwerkstruktur
Likes
Die folgenden
Plots zeigen die Netzwerkstruktur der Likes, d. h. die Knoten sind die
Facebookseiten und die Kanten entstehen dann, wenn mindestens 1 % der Nutzer,
die auf der Seiten einen Post oder Comment gelikt haben, auch auf einer anderen
Seite einen Like gesetzt haben.
 |
| Plot Likes alle Nutzer |
Im ersten Plot
(oben links) sind die Seiten, die „Pegida“ im Titel haben, rot dargestellt. Man
sieht, dass die Pegida-Seiten ein eigenes Cluster ergeben. Es ist zu bedenken,
dass auch Pegida-kritische Seiten häufig das Wort „Pegida“ im Titel führen, was
die Streuung größtenteils erklärt. Der zweite Plot berechnet Cluster auf Basis
der Edge-Betweeness. Dieser Algorithmus findet eine Vielzahl von Clustern, die
durch ebenfalls viele Kanten verbunden sind (rote Kanten verbinden Cluster).
Beim fast&greedy-Clustering (dritter Plott, unten links) sehen wir, dass
die Pegida-Seiten tatsächlich in ein eigenständiges Cluster fallen. Der letzte
Plot (unten rechts) zeigt schließlich die k-corness. Das Pegida-Cluster weist
einen wesentlich höheren Anteil an geteilten Likes auf, als der Rest des Graph.
Dieses Bild
verändert sich allerdings fundamental, wenn die hyperaktiven Nutzer aus der
Betrachtung heraus genommen werden. Hyperaktive Nutzer wurden hier definiert
als die 1% der aktivsten Nutzer.
 |
| Plot Likes ohne Hyperaktive |
Interessant ist
hier das fast&greedy-Clustering und die k-corness. Im ersten Plot sehen
wir, dass sich die Zahl der Cluster erhöht. Das heißt, die hyperaktiven Nutzer
tragen zu einer Polarisierung des Gesamtnetzwerks bei. Der zweite Plot zeigt,
dass die k-corness deutlich abnimmt (von 149 auf 65). Damit ist das
Pegida-Cluster plötzlich nicht mehr viel dichter, als der Rest des Graphen.
Comments
Bei den
Kommentaren ist besonders hervorzuheben, dass sich die These einer Filterbubble
NICHT bestätigt. Die k-corness zeigt deutlich, dass wir es hier nicht mit einem
abgeschlossenen Pegida-Cluster zu tun haben. D. h., Nutzer, die Pegida-Seiten
kommentieren, hinterlassen auch Kommentare auf den anderen Seiten und
umgekehrt. Andere ideologische Inhalte werden also durchaus zur Kenntnis genommen,
aber nicht unbedingt wohlwollend. Gerade die hyperaktiven Nutzer tragen zu
diesem „Gedankenaustausch“ bei.
Kommentare
Kommentar veröffentlichen