Hoewel de like-button op Facebook nog steeds de meest gebruikte manier is om digitale waardering kenbaar te maken, kan een nieuw computermodel gebruikers en bedrijven helpen om beter te begrijpen hoe mensen zich voelen. Dat suggereren onderzoekers van Penn State University.
Ontcijferen van emoticons
Voor het onderzoek ontwikkelden de onderzoekers een computermodel dat in de toekomst gebruikt kan worden om “de reacties van mensen op Facebook-berichten te voorspellen,” zegt Jason Zhang, een onderzoeksassistent op de universiteit. Waar Facebook vroeger namelijk maar één emoticon hanteerde, heeft het vanaf begin 2016 vijf emoticons toegevoegd: liefde, lachen, bewondering, verdriet en woede.
Ze trainden en testten het model met behulp van supervised machine learning, een nieuwe techniek in het vakgebied van Artificial Intelligence. Dit deden ze aan de hand van vier datasets Facebook-berichten van The New York Times, The Wall Street Journal, The Washington Post en normale gebruikers. Vervolgens gebruikten ze de techniek om de situatie na de invoering van de nieuwe emoticons te analyseren, en konden ze aantonen dat hun methode aanzienlijk beter werkte dan bestaande methodes.
Classificatieprobleem
“We wilden de reacties van gebruikers beter begrijpen wanneer ze op een van de zes emoticons klikken, door de kwestie als een classificatieprobleem te zien,” stelt Zhang. “Kan een algoritme bij een bericht voorspellen welke emoticons het meest geselecteerd worden?” De onderzoekers ontdekten dus dat de huidige methoden hier vaak een verkeerd beeld van geven.
Het aantal clicks tellen onderkent volgens Zhang het probleem dat sommige emoticons überhaupt minder gebruikt worden. De like-button wordt bijvoorbeeld het meest gebruikt omdat het een positief signaal geeft en het de standaard-emoticon is op Facebook. “Wanneer we iets plaatsen op Facebook, zullen onze vrienden meestal reageren met positieve emoticons zoals liefde, lachen of een simpele like. Maar ze zullen bijna nooit de negatieve emoticons gebruiken en dit veroorzaakt een disbalans.”
Lees hier meer over Facebookcampagnes
Belang van het onderzoek
Deze disbalans lijkt onschuldig, maar kan veel schade opleveren voor managers en adverteerders die miljarden uitgeven aan Facebook-advertenties. Het kan volgens Dongwon Lee, universitair hoofddocent informatiewetenschap en -technologie aan de universiteit, namelijk een vertekend beeld geven van hoe hun content ontvangen wordt door de doelgroep. Het nieuwe model zou analisten kunnen helpen om tot betere onderzoeksresultaten te komen.
“Veel advertenties op Facebook worden gedreven door vind-ik-leuks,” zegt Lee. “En als we uiteindelijk accuraat kunnen voorspellen welke content bepaalde emoticons oplevert, kan dit model met terugwerkende kracht toegepast worden op social mediaplatformen met slechts één emoticon.” Hij doelt hiermee op Facebook vóór 2016 en platformen zoals Twitter, waarbij gebruikers alleen een hartjessymbool aan een bericht kunnen toekennen.
“Zo kunnen we controleren of een Facebook-bericht dat in 2015 een miljoen vind-ik-leuks heeft gekregen, misschien wel bestaat uit 80 procent legitieme likes en 20 procent andere emoties. Als we een beter beeld krijgen van reacties van mensen op social media, kan dit de manier waarop we adverteren veranderen.”
