Waarom #NeverWarren je zenuwachtig zou moeten maken voor 2020

Hoe Twitter de opruiming van Elizabeth Warren-Bernie Sanders erger maakte.

Elizabeth Warren en Bernie Sanders op het podium na het Democratische debat op 14 januari 2020 in Des Moines, Iowa.

Scott Olson/Getty Images

Dit verhaal maakt deel uit van een groep verhalen genaamd hercoderen

Ontdekken en uitleggen hoe onze digitale wereld verandert - en ons verandert.



De brouwvete tussen de kanshebbers van 2020 Elizabeth Warren en Bernie Sanders kwam deze week tot een hoogtepunt in het democratische debat en, onvermijdelijk, op Twitter. Maar is de online vechtpartij zo wijdverbreid en venijnig als het lijkt? Dat is eigenlijk een moeilijke vraag om te beantwoorden, want als het gaat om online politiek discours, kan het heel moeilijk zijn om onderscheid te maken tussen manipulatieve desinformatie en authentieke, organisch gedeelde inhoud.

Dit is de situatie: de spanningen tussen Warren en Sanders, oude progressieve bondgenoten, zijn de afgelopen dagen gestegen naarmate de primaire stemming van 2020 nadert. Sanders' campagne gaf naar verluidt supporters een script dat hen aanmoedigt om negatief te zijn over Warren wanneer ze met kiezers praten, en CNN meldde vervolgens dat Sanders Warren had verteld dat hij geloofde dat een vrouw niet kon winnen in 2020 tijdens een privébijeenkomst tussen het paar in 2018. Sanders heeft het account heftig ontkend, terwijl Warren dat wel heeft gedaan. verklaarde dat het is gebeurd. Tijdens het debat van dinsdag herhaalden zowel Sanders als Warren hun verslag van het gesprek, en de dynamiek tussen hen groeide zichtbaar gespannen. Na het debat maakte CNN een video van een mogelijk ijzige ontmoeting tussen het paar.

Het conflict stroomde over op Twitter en leek enorm uitvergroot. De hashtag #NeverWarren begon te trenden en een golf van gebruikers stroomde naar het Twitter-account van Warren om overspoel haar antwoorden met slangenemoji's . Zoals het geval is geweest met zoveel virale hashtags en discussies op Twitter , heeft het incident opnieuw aangetoond dat we het nog steeds moeilijk hebben om te zeggen wat echt is, wat nep en wat door wie wordt verspreid als het gaat om wat er op internet aan populariteit wint. Hoeveel van de activiteit rond #NeverWarren wordt gegenereerd door bots? Hoeveel ervan komt van de zogenaamde Bernie Bros, het online leger achter de senator van Vermont? En hoeveel ervan komt van Warren-aanhangers die de #NeverWarren-hashtag proberen te bestrijden, of van verslaggevers die erover tweeten, die er onbedoeld voor zorgen dat de hashtag hoger wordt op Twitter?

Het grijpt zeker terug op wat we in 2016 zagen en wat we weten dat er in 2016 is gebeurd. ... En er is geen reden voor ons om te denken dat dezelfde desinformatie-inspanningen die in 2016 plaatsvonden op dit moment niet plaatsvinden, zei Whitney Phillips, een professor aan de Universiteit van Syracuse die mediawijsheid en online-ethiek bestudeert. En dus creëert het dit lage niveau van paranoia met waar je zelfs naar kijkt.

Gezien hoe vroeg het is in de presidentiële race van 2020 - de voorverkiezingen in Iowa zijn nog ongeveer drie weken verwijderd, en we zijn maanden verwijderd van een Democratische kandidaat - voorspelt dit niet veel goeds voor de gesprekken op sociale media die zullen komen, inclusief mogelijke desinformatie , manipulatie en vragen over de vraag of wat er online gebeurt wel en niet echt is. Elke gebeurtenis van deze aard zal de volgende dag de grond worden voor iets ergers, zei Phillips.

Wat we weten - en wat we niet weten - over waarom #NeverWarren trending begon

We zullen nooit een exact beeld krijgen van waar de #NeverWarren-hashtag begon, hoe deze van start ging en wie deze verspreidde. Vanwege de ondoorzichtigheid van de interne werking van Twitter, weten we niet wat er precies voor zorgt dat een onderwerp grip krijgt op het platform. Meestal is het een mix van zowel door bot gegenereerde als organische betrokkenheid.

De bots werken als versterkers. ... Ze manipuleren het platform zodat meer mensen over [een onderwerp] zullen praten.

Vaak is een nieuwsbericht of hashtag afkomstig van een specifieke website of persoon, en dan dienen de bots bijna als tussenpersonen om het op gang te helpen en het lijkt alsof veel mensen er meteen over praten, legt Filippo Menczer uit, een hoogleraar informatica en informatica aan de Indiana University. Een hashtag begint bijvoorbeeld met een specifieke gebruiker, en dan beginnen de bots het te verspreiden, en dan pikken meer echte mensen het op. Het trending-algoritme van Twitter pakt dat vervolgens op en verspreidt het nog verder.

De bots werken als versterkers, zei Menczer, die ook de maker is van Hoaxy , een tool die bijhoudt hoe informatie zich op sociale media verspreidt. Ze worden gebruikt om het platform te manipuleren zodat meer mensen over [een onderwerp] zullen praten. Tegen de tijd dat iets viraal gaat of trending wordt, hebben veel mensen het er waarschijnlijk over.

En in het geval van #NeverWarren zijn het niet alleen mensen die de hashtag promoten, maar ook degenen die het proberen te bestrijden, die het verspreiden. Zoals NBC News-verslaggever Ben Collins woensdag opmerkte: , kwamen veel van de beste tweets over de #NeverWarren-hashtag van mensen die deze aan de kaak stelden. Met andere woorden, de aanhangers van Warren maken de situatie per ongeluk erger.

Het probleem is dat het algoritme van Twitter geen onderscheid maakt tussen sentiment wanneer het identificeert wat trending is - het kijkt alleen naar betrokkenheid. Dit maakt het moeilijk om de motivaties te ontleden van de mensen die een hashtag plaatsen en deze trend te helpen.

Online gevechten zoals deze hebben gevolgen in het echte leven: in dit geval geeft het zowel Warren- als Sanders-supporters het gevoel dat hun conflict erger is dan het in werkelijkheid zou kunnen zijn. Ze krijgen zowel impliciet als expliciet te horen dat ze met elkaar in gevecht zijn, zei Phillips. Als je wordt verteld dat je in een gevecht zit, en je wordt verteld dat je boos bent aan de andere kant, is het heel gemakkelijk om daarin te vervallen. Het is het leven dat de hashtag imiteert, eigenlijk.

Dit is niet de eerste keer dat dit deze verkiezingscyclus is gebeurd. Na de tweede ronde van democratische debatten in juli, #KamalaHarrisDestroyed hashtag veroorzaakte een gelijkaardige opschudding tussen aanhangers van Kamala Harris en van Tulsi Gabbard. Conservatieve commentator Terrence K. Williams begon de hashtag, en als de Wall Street Journal gerapporteerd, deelden veel accounts met twijfelachtige kenmerken - waarschijnlijk bots - het. Mensen op Twitter begonnen het te zien verspreiden, en toen begonnen ze het te delen omdat het bij sommigen een gevoelige snaar raakte. De bots worden gebruikt om onderwerpen, verhalen en hashtags te injecteren, voeden en versterken, maar ze zouden niet werken als ze geen reactie zouden oproepen bij echte mensen op Twitter.

Het is de combinatie van het misbruik en de vooroordelen van het algoritme en de vooroordelen van mensen op het platform, zei Menczer.

We worstelen nog steeds met desinformatie

De verwarring rond #NeverWarren is slechts het laatste voorbeeld in een lopend probleem: we zijn nog steeds erg in de war over manipulatie van sociale media en we weten niet hoe we er op een verantwoorde manier mee om moeten gaan.

Desinformatie op zichzelf zaait verdeeldheid. Mensen hebben geen duidelijk idee van wat manipulatie van sociale media is of hoe het werkt, en ze worstelen om het te identificeren wanneer ze ermee geconfronteerd worden. In de nasleep van onthullingen dat Russen Facebook, Twitter en andere platforms gebruikten om partijdige onenigheid te verdiepen en gepolariseerde politieke berichten te verspreiden tijdens de verkiezingen van 2016, zijn mensen hyper achterdochtig over de vraag of wat ze zien echt of nep is.

Vind je het leuk wat je ziet? Het is biologisch. Jij niet? Het is een bot. Ben je klaar voor een gevecht? Je hebt er een.

Het hangt ook af van wat mensen willen geloven. Dus met de hashtag #KamalaHarrisDestroyed, als je in de hoek van de Californische senator zat, had je reden om te beweren dat het trending was vanwege bots en manipulatie. Als je dat niet was, had je een reden om te zeggen dat het allemaal biologisch was. Iets soortgelijks gebeurde rond de dood van financier en veroordeelde zedendelinquent Jeffrey Epstein. Terwijl samenzweringstheorieën over wat er gebeurde rond Twitter zweefden, waren zowel #ClintonBodyCount als #TrumpBodyCount trending - met conservatieven en liberalen die elk de hashtag tweeten die hun politiek weerspiegelde. Donald Trump Jr. suggereerde dat de laatste trending was vanwege manipulatie door Twitter zelf. Er is geen bewijs om die bewering te ondersteunen.

Het is niet alleen dat we niet weten wat het algoritme van Twitter doet - we weten niet wat mensen die deelnemen aan de hashtags doen, of waarom ze het doen. Daarom wordt het heel gemakkelijk om een ​​verklaring te projecteren die bij je wereldbeeld past, zei Phillips.

Vanwege de verwarring vullen mensen vervolgens zelf de hiaten in en creëren ze verhalen over wat er online gebeurt op basis van wat ze willen geloven. Vind je het leuk wat je ziet? Het is biologisch. Jij niet? Het is een bot. Ben je klaar voor een gevecht? Je hebt er een.

Het is echt belangrijk om niet in enkelvoudige verklaringen te vervallen. Wat waar is, is dat je niet weet wat er gebeurt, zei Phillips. Een hashtag is alleen niet waar of echt als niemand er iets mee doet.

Temidden van vragen over de #NeverWarren-hashtag op woensdag, voormalig Facebook-executive Alex Stamos wat advies gegeven over hoe soortgelijke situaties op Twitter te benaderen . 1) Gebruik geen hashtag om die hashtag te bekritiseren. 2) Stop met het quoten-tweeten van accounts met kleine volgers als kritiek. 3) Geloof niet dat de populatie 'mensen' op Twitter iets weerspiegelt, inclusief de volgers van 'kandidaat X'.

In een e-mail aan Recode zei Twitter dat het geen bewijs had gevonden van botactiviteit die de hashtag #NeverWarren versterkte. Het bedrijf merkte op dat wanneer mensen een hashtag tweeten waarmee ze het niet eens zijn, de trendfunctie het neutraal klokt als een trending topic - dat is niet hetzelfde als niet-authentieke activiteit.

Een deel van het probleem is dat we niet echt weten hoe het algoritme van Twitter werkt

Er is niet één oplossing voor dit complexe probleem. Social-mediabedrijven zullen ons waarschijnlijk niet snel gaan vertellen hoe hun algoritmen werken, en een deel van hun argument voor waarom is dat als ze dat zouden doen, hun platforms nog gemakkelijker te manipuleren zouden zijn. En hoezeer er ook de neiging is om bots de schuld te geven van alles, het is de fundamentele menselijke natuur die de grotere boosdoener is.

Zoals veel technische platforms, is het algoritme van Twitter grotendeels een zwarte doos. Het bedrijf geeft publiekelijk wat informatie over wat bepaalde onderwerpen en hashtags trend maakt en waarom individuele mensen bepaalde inhoud meer in hun feeds zien dan andere soorten, maar het zal niet veel meer zeggen. De uitleg van haar website laat veel te wensen over:

Trends worden bepaald door een algoritme en worden standaard op u afgestemd op basis van wie u volgt, uw interesses en uw locatie. Dit algoritme identificeert onderwerpen die nu populair zijn, in plaats van onderwerpen die al een tijdje of op dagelijkse basis populair zijn, om u te helpen de populairste opkomende discussieonderwerpen op Twitter te ontdekken.

leren skateboarden als volwassene

Dat betekent in feite dat onderwerpen en hashtags beginnen te trenden wanneer ze populairder worden dan in het verleden, en dat wat je ziet, afhangt van wat Twitter denkt dat je misschien interesseert. (Wat het is, um, niet altijd goed in .) De rest is aan het mysterieuze algoritme.

Dat is de reden waarom het zo moeilijk is om definitief te reageren wanneer er beschuldigingen zijn over manipulatie van sociale media door bots, of wanneer conservatieven ongegronde beweringen doen over vooringenomenheid van sociale media. U kunt de bonnen niet tonen omdat deze bedrijven hun bonnen niet willen tonen. We weten niet echt hoe ze werken, zei Phillips.


Update: Verhaal bijgewerkt met commentaar van Twitter.