In dit tweede deel van het drieluik de analyse van de digitale kant van Project X.
TNO deed kort na Project X Haren een klein onderzoek naar de impact van social media op de openbare orde. Hieronder volgt een deel van die analyse met daarin de invloed van de traditionele media, de autoriteiten en alle betrokkenen, zoals die waarneembaar was op social media. Ben je niet bekend met het verloop van het incident, dan kun je het eerste deel ‘de reconstructie‘ lezen. Wil je meteen naar de aanbevelingen, dan kun je naar het derde deel ‘de (digitale) handreiking‘?klikken.
Eerder al zijn analyses online gezet van?tweetonderzoek.nl?op basis van de ‘ Hackathon’ olv?Thomas Boeschoten?(die daarna heeft plaatsgenomen in de commisie Cohen). Op die dag bundelden onderzoekers en studenten van o.a. Universiteit Utrecht en?Amsterdam, datajournalisten en andere ge?nteresseerden de krachten om 500.000 tweets over ProjectX Haren te onderzoeken, te analyseren en te visualiseren. Ook?Harro Ranter?deed daaraan mee en hij heeft zijn verzamelde Twitterdataset beschikbaar gesteld en op?Twetrics?enkele impressies geplaatst.?Ritzo ten Cate?analyseerde?eerst kwalitatief?de Facebook data en besloot later?de gevangen dataset?van Clockwork (Rienk Prinsen) te ontsluiten voor nadere analyse, terwijl?Oane Hettema?en?Gideon de Kok?al eerder?15.000 Facebookposts op een?rijtje?zetten.?Martijn Kriens?van Upstream plaatste beknopte analyses in een?artikel?en?presentatie, gebruikmakend van?Coosto. Peter Vasterman plaatste een stuk over?Sociale onrust en sociale media?in?Magazine Nationale Veiligheid en crisisbeheersing?(pag #12) en Ina Strating?maakte een?Storify?met een interessante selectie tweets.?
Onderstaande analyse is slechts een beperkte blik op de vragen die je zou kunnen stellen bij het volledige verloop van Project X Haren. Aanvullende delen op deze analyse zijn te vinden op?de website?van de Universiteit Twente die onder leiding van Jan van Dijk het onderzoek deed in opdracht van Commissie Cohen.
In de week na Project X Haren en andere Project X aankondigingen?hebben we?reeds een presentatie geplaatst?met een beknopte analyse die we in een paar uur tijd maakten:
Kort daarna hebben we nog een paar dagen iets dieper gegraven in een miljoen tweets en 60.000 Facebook berichten van de Project X pagina die beschikbaar waren. We hebben ons de volgende vragen gesteld, waarbij we de analyse naar het verloop van Project X Haren in 4 blokken hebben verdeeld:
Blok 1: het ontstaan
Vragen in deze eerste fase zijn onder andere: Wie waren er actief na de kaping van het feestje van Merthe toen het werd omgedoopt tot Project X? Wie waren daarbij het meest actief en op welke manier? Was er een kern van organisatoren? Zijn de plunderaars en relschoppers al vroegtijdig actief geweest? Welke dreigingen en risico’s kwamen er in de eerste fase al aan het licht (vroegdetectie van wat Haren te wachten zou staan)? En in welke mate waren media of autoriteiten aanwezig, of in welke mate zijn ze daardoor?be?nvloed?
Blok 2: De ‘viral’ en aanloop naar het Project X feestje
In de tweede fase is de vonk overgeslagen van Facebook naar een grotere groep (middels Facebook, Twitter en traditionele media). Hoe is de sociale?be?nvloeding,?die voor Nederlandse begrippen ongekende vormen aannam, te verklaren??
Vragen in deze fase zijn onder andere: wat was de invloed van?jongeren?in het verspreiden van het promotiemateriaal en vele grappen? Wat was de invloed van de?media? Wat was de invloed van de?autoriteiten?in de aanloop naar het beoogde feestje? En wie werd er eigenlijk?be?nvloed?door wie? Hoe konden dreigingen en risico’s in deze fase onderscheiden worden? Had men wel iets kunnen doen om deze digitale explosie te voorkomen of te stoppen?
Blok 3: de dag waarop het misging (21 september 2012)
Vragen in deze fase zijn: wat waren de onderwerpen die op social media rondgingen (trending topics)? Welke risico’s en dreigingen ontstonden er op die bewuste middag en avond??Wie is er uiteindelijk ook aanwezig geweest of heeft zelfs gevochten met de ME of geplunderd??Welke ooggetuigen zijn te onderkennen en wat hebben die gerapporteerd?
Blok 4: De nafase
De nafase behelst slechts een deel van wat er daarna aan discussie loskwam. De nafase zoals die in deze analyse besproken wordt, gaat vooral over het ’thuiskomen’ van de jeugd en de verhalen die ze daarover nog delen.
Blok 1: vroegsignalering
Onderstaande heatmap visualisatie laat de activiteit van deze geselecteerde personen door de tijd heen zien. De tijd loopt van links naar rechts, alle personen staan onder elkaar, van boven naar beneden. De tweets zijn geaggregeerd naar tijdsvakken van 1 uur (voor de 1e dataset) en 4 uur (voor de 2e en 3e dataset).
Figuur: alle tweets van personen waarvan waarschijnlijk is dat ze daadwerkelijk aanwezig waren, geplot door de tijd.
Onderstaande grafiek toont alle tweets ?n Facebookberichten van personen, waarvan waarschijnlijk is dat ze daadwerkelijk aanwezig waren.
Hoe feller een blokje is gekleurd, des te meer berichten er door de betreffende gebruiker in het betreffende tijdvak zijn gepost.?Opvallend is dat het aandeel Facebook berichten voor de rellen groter is dan daarna: daarna wordt er vooral getweet. De kleur gaat van paars naar blauw, van facebook naar twitter.
Dit geeft aan dat, als het om vroegsignalering via Twitter gaat, er zeer nauwkeurig gezocht dient te worden. Maar ook dat dit niet onmogelijk is, want de woorden? “affikken” en “slopen” in combinatie met “haren” laten weinig aan de verbeelding over: er is in dit geval geen ‘codetaal’ gebruikt. Yolo is overigens een term die heel veel gebruikt wordt en betekent “You only live once”.?Of dit bericht echter serieus te nemen is, is een andere kwestie (duiding). Op Facebook zijn meer signalen te onderkennen die duiden op de geplande uitspattingen, veelal gebaseerd op de film.?De lading van de film is duidelijk aanwezig, maar duiding ten aanzien van een serieuze dreiging of risico?s hangt van meer af dan alleen de inhoud van een bericht, waarover later meer.
Blok 2. Hoe is de viral ontstaan en verlopen?
De media
De grafiek toont het aantal media mentions onder alle Twitteraars (met uitzondering van de media en autoriteiten zelf), een groep Twitteraars waarvoor we op basis van de inhoud van hun tweets? hebben afgeleid dat ze in Haren aanwezig waren, en de Facebookgebruikers. Onder media? mention scharen we de mentions van media-accounts, retweets van media-accounts of verwijzingen naar media in de inhoud (namen van omroepen, nieuwssites, verslaggevers, dj?s, etc.).
De grafiek toont de percentages per uur van het aantal specifieke media mentions (voor 3FM, DWDD en NOS). NOS is al vrij vroeg aanwezig, het zwaartepunt van 3fm en DWDD?ligt duidelijk n? het evenement.
Op eerdere grafieken die we produceerden was te zien dat de piek van de NOS duidelijk voor het evenement zit, namelijk op het moment dat er over de noodverordening wordt gecommuniceerd.
De totale media invloed vertoont hetzelfde verloop als het totale verkeer, wat aangeeft dat de media altijd wel een rol heeft in het geheel.
Als we kijken naar de invloed op Facebook gebruiken we een andere visualisatie, omdat Facebook een andere dynamiek kent in de berichtgeving (geen mentions of retweets). Onderstaande word clouds tonen enkele momentopnames van berichten die spreken over de media: hoe groter het woord, hoe meer het genoemd is.
Figuur: Word cloud van de media-gerelateerde?posts van de Facebookgebruikers op dinsdag 18 september van 16:00 tot 18:00 uur, vlak nadat de noodverordening werd afgeroepen.
Figuur: Word cloud van de media-gerelateerde tweets van de groep die later aanwezig was in Haren op basis van al hun tweets de avond voor de rellen (donderdag 20 september), tussen 22:00 en 23:00 uur.
Figuur: Word cloud van de media-gerelateerde tweets van alle Twitteraars (exclusief media en de groep aanwezigen) op basis van al hun tweets de avond voor de rellen (donderdag 20 september), tussen 22:00 en 23:00 uur.
Figuur: Word cloud van de media-gerelateerde tweets van de groep die later aanwezig was in Haren, op basis van al hun tweets de middag van de 21e (15:00-16:00 uur).
Figuur: Word cloud van de media-gerelateerde? posts van de Facebookgebruikers op 21 september van 21:00 tot 22:00 uur, tijdens de escalatie.
Invloed van genoemde media op Facebook en Twitter (relatief):
De media invloed op de aanwezigen:
Trend analyse: is het verloop van virals te voorspellen?
Kijkend naar de grafiek van project X zie je een enorme piek op de 21e, We hebben ons de vraag gesteld: hadden we deze enorme piek aan activiteit vroegtijdig kunnen zien aankomen? Meer specifiek, hadden we dit 24 uur van te voren kunnen zien aankomen?
We zijn begonnen met het analyseren van alle beschikbare Twitter data. Dit geeft een beeld van het verloop in volumes van de berichten (Figuur 1). Opvallend is de enorme piek op 21 september rond 22.00 uur (rond t=110) en de kleinere piek daar vlak voor om ongeveer 16.00 uur (t=104).
Figuur 1: Aantal Tweets per uur vanaf maandag 17 september 11.00 uur t/m 26 september om 06.00 uur.
De resultaten daarvan staan in? Figuur 2. De tijdslijn loopt van 17 september 11.00 uur t/m 26 september 06.00 uur.? Grafiek 1 van Figuur 2 toont het Twitterverkeer. Dit is het absolute aantal tweets per uur. Hier zien we de enorme piek en de kleinere piek daar vlak aan voorafgaand terug. ?Grafiek 2 van Figuur toont de trendlijn. Grafiek 3 toont de heartbeat of seizoenscomponent van Twitter, in dit geval de heartbeat van #ProjectXHaren. Grafiek 4 van Figuur 1 toont de onregelmatige component. Met onregelmatig wordt ruis bedoeld die wij eruit filteren.
Figuur 2: Aantal Tweets per uur vanaf 17 september 11.00 uur t/m 26 september om 06.00 uur, uitgesplitst naar ruwe data (grafiek1), de trend (grafiek2), seizoen/dagelijks ritme (grafiek3) en onregelmatige component (grafiek4).
De resultaten daarvan staan in? Figuur 3. Onderstaande grafiek laat een gecorrigeerde stijgende trend zien, die de aanloop naar de 21e?weergeeft. Deze is anders dan de bovenstaande Figuur 2 doordat de data is afgekapt voor de 21e. Kortom, piek in data van de 21e?en de nasleep zijn niet meegenomen in deze schattingen. Hierdoor zijn de grafieken van de trendlijn, de seizoen component (de hartslag van Twitter) en de onregelmatige component ?anders. Onderstaande Figuur 3 laat de gedecomponeerde data zien als aanloop naar 21 september 2012.
Figuur 3: Aantal Tweets per uur vanaf 17 september 11.00 uur t/m 26 september om 06.00 uur, uitgesplitst naar ruwe data (grafiek1), de trend (grafiek2), seizoen/dagelijks ritme (grafiek3) en onregelmatige component (grafiek4).
Figuur 4: Aantal Tweets per uur vanaf 17 september 11.00 uur t/m 20.00 uur en de voorspelling voor 21 september (van 0.00-24.00).?
Echter er kleven een aantal algemene nadelen aan het werken met predictieve modellen. Mogelijke fundamentele beperkingen van voorspellend model op basis van gegevens fitting:?
1) De geschiedenis kan niet altijd voorspellen: met behulp van relaties afgeleid uit historische gegevens om de toekomst te voorspellen veronderstelt impliciet dat er bepaalde steady-state condities of constanten in het complexe systeem aanwezig zijn. Dit is bijna altijd verkeerd wanneer in het systeem mensen betrokken zijn. Zo is bijvoorbeeld op Twitter in de meeste gevallen sprake van een dagelijks ritme maar dit ritme heeft niet altijd dezelfde structuur.?
2) De kwestie van onbekende onbekenden: bij het verzamelen van gegevens, definieert de onderzoeker eerst een set van variabelen waarvoor gegevens worden verzameld. Echter, ongeacht hoe groot de onderzoeker zijn selectie van variabelen acht, er is altijd de mogelijkheid van nieuwe variabelen die niet werden beschouwd en van groot belang zijn voor de resultaten.?
3) Zelf-nederlaag van een algoritme: dit is het geval als mensen het algoritme begrijpen en het voor de gek gaan houden of manipuleren, ten einde de uitslag te be?nvloeden. Bijvoorbeeld door veel spam-tweets te versturen.
4. Verspreiden van geruchten: invloed van geruchten op de openbare orde
Van onder andere analyses van?Pukkelpop?en de?Londonse rellen?weten we hoe geruchten zich kunnen verspreiden en dat het zelfcorrigerend vermogen lang niet altijd aanwezig is. Wel laat men zich?be?nvloeden?door autoriteiten, waarbij er diverse niveau’s onderscheiden kunnen worden (zo lijkt). Een (potenti?le) ooggetuige is al redelijk geloofwaardig en een individuele journalist ter plaatse al weer iets meer.?Offici?le?nieuwssites (die soms berichten zomaar overnemen) worden als nog betrouwbaarder geschat (uiteraard zijn er verschillen tussen diverse media) omdat men verwacht dat daar een filter op zit en aan enige ‘fact checking’ wordt gedaan. Een individueel persoon van de hulpdiensten ter plaatse (hoewel dit steeds minder voorkomt) wordt ook altijd snel opgepikt, maar een Twitterbericht van de?offici?le?autoriteit (zeker als het een link bevat naar een?offici?le?website) is het meest geloofwaardig. Helaas zijn die meestal nogal laat met hun berichtgeving als het om feiten gaat, in de tussentijd doen burgers en journalisten meestal hun best om de ‘waarheid’ zo snel mogelijk zelf boven tafel te krijgen.?
We hebben 3 onderwerpen gevisualiseerd:?
- – De HellsAngels tweet ‘Moeten wij anders even naar Haren komen. Politie kan het duidelijk niet aan.’?
- – Het gerucht over een doodgedrukt meisje.?
- – Het gerucht over een dode jongen.?
??1 HellsAngels?(2041 tweets, eerste tweet om 2012-09-21 21:28:35):
Onderstaande plaat laat een social graph zien met mentions en retweets van alle accounts (blauwe lijnen). De mentions en retweets van de Hells Angels en voorlichter Haren zijn in geel aangegeven om het contrast te kunnen zien.?
Onderstaande wordcloud laat zien wat het beeld was rond 21.30 uur op de 21e september.
Onderstaande figuren tonen de “Retweet ripples” na 1 uur en na 2 uur. De retweet ripple van 24 uur is elke lijn een uur, waarbij je kunt waarnemen hoe het gerucht nog wat?na-ijlt, maar grotendeels is uitgedoofd.?
De?retweet-ripple?visualisatie toont alle tweets over 1 onderwerp. Elk bolletje is een tweet. De eerste tweet over het onderwerp staat in het midden. Alle volgende tweets staan verder uit het midden: de afstand tot het midden is evenredig met de tijd sinds die eerste tweet. De tijd loopt dus van binnen naar buiten. De uren worden aangeven met cirkels: van binnen naar buiten stelt elke cirkel 10 minuten of 1 uur verstreken tijd voor sinds de eerste tweet. Retweets en mentions worden met een lijn verbonden met de originele tweet. Als een tweet wordt geretweet of gementioned, loopt er dus een lijn van die tweet naar de retweet/mention. Des te vaker een tweet wordt geretweet / gementioned, des te groter is het bolletje van die tweet. Tweets met meer dan 100 retweets / mentions zijn donkerblauw, net als al hun retweets en mentions.?
In de visualisaties van de laatste 2, de geruchten, zijn de tweets die het gerucht ontkennen rood gekleurd.
Retweet ripple na 1 uur (elke ring is 10 minuten):
Retweet ripple na 2 uur (elke ring is 10 minuten):
Retweet ripple na 24 uur?(iedere ring is 1 uur):
Deze tweet is vaak geretweet (2040 keer). Behalve deze retweets zijn er andere tweets die verwijzen naar deze grap, zoals: ‘Hells Angels Holland bieden op Twitter politie hulp aan omdat ‘ze het niet redden zo’. #projectx’. Onderstaande word cloud bevat woorden die statistisch onderscheidend zijn in het Twitterverkeer tussen 21:00 uur en 22:00 uur, ten opzichte van al het Project-X gerelateerde Twitterverkeer daarvoor. De word cloud laat zien dat de @HellsAngels tweet een van de belangrijkste ?hot topics? was het betreffende?uur.
2 Dood meisje?(11980 tweets, 1e tweet om 2012-09-21 21:45:01)
Na 21.45 uur die avond werd het doodgedrukte meisje ’trending’ binnen de ProjectX Haren communicatie. Hieronder is dat goed te zien in een wordcloud van dat moment.
Bekijk hieronder de animatie van dit gerucht, waarbij de rode tweets het gerucht ontkrachten of in twijfel trekken:
Retweet ripple na 1 uur?(iedere ring is 10 minuten):
Retweet ripple na 2 uur?(iedere ring is 10 minuten):
Retweet ripple na 24 uur?(iedere ring is 1 uur):
De visualisatie laat zien dat er niet ??n enkele tweet direct verantwoordelijk is voor alle retweets. De eerste meldingen op twitter over een dood meisje worden nauwelijks opgepakt door de twitter community. Na een paar minuten zijn er tweets die onafhankelijk van elkaar zijn gepost en door veel mensen worden geretweet.? Dat zou kunnen duiden op een externe bron, buiten twitter, die iets meldt over een dood meisje wat vervolgens door verschillende mensen wordt getweet. Ook is te zien dat de ontkennende tweets (rood) niet worden opgepakt door de Twitter community. Ze worden een aantal keren geretweet, maar lijken geen effect te hebben op de tweets die het gerucht bevestigen.?
3 Dode jongen?(202 tweets, eerste tweet om 2012-09-21 22:31:10)
Retweet ripple 1 uur (iedere ring is 10 minuten):
Retweet ripple 2 uur?(iedere ring is 10 minuten):
Retweet ripple 24 uur??(iedere ring is 1 uur):
Dit gerucht slaat bijna niet aan, in vergelijk met het gerucht over het dode meisje. Wel zijn er een aantal tweets die verwijzen naar een bericht over een dode jongen, zoals gerapporteerd via RTV noord.
Al voor het gerucht over het doodgedrukte meisje werd al over doden getwitterd.:
- 21:16:49 2 dode tussen de menigte in #haren?http://t.co/LIKiKWrT
- 21:12:20 Enkele doden en vele gewonden door charges ME #projectx #haren
Van het eerste gerucht wordt direct duidelijk dat het om een grap gaat als we de link volgen waarop een foto van iemands kruin wordt getoond. In het tweede geval is het niet duidelijk dat het om een grap gaat. Toch is dit gerucht niet opgepikt, maar de volgende (vrijwel gelijktijdig verstuurd), over het doodgedrukte meisje, wel:
- 21:45:01 Meisje van 19 dood gedrukt in #haren #ProjectX?
- 21:45:41 Holy shit meisje doodgedrukt bij #ProjectXHaren
Vele factoren, zoals de grootte en invloedrijkheid van de sociale netwerken van deze gebruikers, kunnen eraan bijgedragen hebben dat dit laatste gerucht wel is opgepakt. Daarnaast is de specifieke omschrijving (slachtoffer: een jong meisje, leeftijd: 19, wijze van overlijden: doodgedrukt) mogelijk overtuigender geweest dan de vrij algemene tweet van 21:12. Binnen 1 minuut volgt de eerste retweet, na een kwartier komt de geruchtenstroom echt op gang. Om kwart over tien versterkt @HarenLive (nu @OnrustBrigade) het bericht door te twitteren dat de geruchten lijken te kloppen:
22:17:14 Geruchten lijken te kloppen. Steeds meer berichten over doodgedrukt 19-jarig meisje. Bizar. #ProjectXHaren #Haren #Projectx
@HarenLive wist op de dag van de rellen binnen 4 uur 12.000 volgers aan zich te binden.
Uiteraard is er veel meer onzin geproduceerd, waarvan veel berichtgeving als een lopend vuurtje rond gaat. Op zich is dit niet erg, maar als autoriteiten zich gaan baseren op social media-informatie dienen zij goede filters te hebben en mensen met verstand van zaken om de duiding te doen. Een paar voorbeelden staan hieronder. Neem berichtgeving die van belang is voor crowd control. De drukte werd geuit in vele tweets, maar kijk eens naar onderstaande foto’s. Veel van deze foto’s zijn eenvoudig als grap aan te merken. Toch zijn er enkele foto’s bij waarvan je zou denken dat het om de drukte gaat die er in het geval van projectX Haren was, zeker als je de serieuze berichtgevingstekst erbij ziet. Toch zijn al deze foto’s nep.
En dan de foto’s die geproduceerd werden ten aanzien van drank, drugsgebruik en rellen. Ogenschijnlijk echt, met de berichtgeving erbij, maar al snel als nep te classificeren als je Haren kent of tools gebruikt zoals?TinEye.
5. De dag zelf: wie waren er en zijn ooggetuigen en mogelijke relschoppers te detecteren?
Wie zijn er eigenlijk geweest? Deze vraag hebben wij via verschillende filter mechanismen geprobeerd te beantwoorden.
Om dit te bepalen kun je een combinatie gebruiken van meerdere methode. De meest eenvoudige, die in vrijwel alle gratis tools aanwezig is, is om te kijken naar tweets met een geotag. Die zijn eenvoudig te plotten op een kaart, dus daar kun je de ooggetuigen uit Haren vinden. Kleine kanttekening is wel dat een GPS?co?rdinaat?eenvoudig te ‘faken’ is, maar we gaan er in dit geval even uit dat de?co?rdinaten?kloppen. Zoals we in eerdere onderzoeken aangetoond hebben, is het percentage tweets met een geotag bijzonder klein te noemen. In de meeste gevallen ligt dat percentage rond 0,5% van alle tweets. Bij sommige incidenten zie je dat het iets hoger is, of toeneemt, omdat mensen hun GPS juist aanzetten bijvoorbeeld om te laten weten dat ze nog leven. Maar in het geval ProjectXHaren ligt dat percentage zelfs onder de 0,1% wat bijzonder laag te noemen is. Verklaringen van de jeugd die wij ontvingen waren dat veel jongeren het bewust uitzetten, omdat er steeds meer ouders zijn die meekijken. Hieronder eerst de grafiek met de absolute aantallen per tijdseenheid en daarna de grafiek met de percentages van het totaal aantal tweets. Hieronder zie je de grafiek met het aantal tweets dat voorzien is van GPS-tag en over ProjectX Haren ging.
Als we op de kaart kijken valt het aantal bruikbare tweets met geotags al helemaal tegen. In Haren zelf zijn op de 21e slechts tientallen tweets te vinden met een geotag.
Een andere indicator om te kijken wie er echt geweest kan zijn, is de gebruikte Twitterclient? Uit deze eigenschappen van een tweet is af te leiden op welke manier de tweets zijn geproduceerd (via het web of via een van de vele softwareprogramma’s en operating systemen). Aangezien de operating systemen Android en Apple ook met tablets gebruikt kunnen zijn, is alleen?enigszins?aannemelijk te maken dat de webclient?via een PC geproduceerd kan zijn. Mobile web en alle softwareprogramma’s kunnen mobiel geproduceerd zijn. Hoewel er wel enkele laptops gesignaleerd zijn in Haren die dag (maar minder op de avond), is aannemelijk dat alle webclient?gebruikers niet in de straten van Haren waren en dus geen ooggetuige kunnen zijn. Onderstaande grafieken laten zien wat de verhouding web vs (potentieel) mobiele clients is. ?Het is logisch te verwachten dat het percentage hoog is, aangezien veel jongeren een mobiele client gebruiken. De grafiek is nog onder te verdelen in alle typen Twitter clients die er zijn, maar we gaan voor verdere analyse even verder met de set van mobiele gebruikers.
Uit de handmatig en deels automatisch geannoteerde dataset zijn gebruikers ingedeeld in?categorie?n?op basis van de tweets, tijdstippen en foto’s die ze produceren.
Er zijn ongeveer 5000 tweeps die in de kritieke uren meer dan 15 tweets hebben verstuurd. Dit is een wat grotere groep, die je bijvoorbeeld ?live betrokkenen? zou kunnen noemen.?Er zijn, zoals eerder genoemd, ook 6500 gegeotagde tweets.?Uit de bio?s zijn via geboortedata en aanduidingen als ?12 jaar? of ?5H? voor ongeveer 30% van de tweeps leeftijdsindicaties te krijgen.
125 bio’s van de set van tweeps die wij als aanwezig hadden getagd, hebben een duidelijke locatie-aanwijzing in hun bio staan. Bijvoorbeeld Groningen, Amsterdam of hoogte-breedte co?rdinaten. Deze mensen hebben in totaal een ruime 2000 tweets verstuurd, die hier over de tijd in een heatmap zijn weergegeven. Onderstaande figuur toont slechts een stilstaand beeld van die animatie.
Hoewel de set van gebruikers misschien verre van representatief is (gezien het aantal) is wel opvallend dat het verkeer in eerste instantie sterk beperkt blijft tot Groningen en Eindhoven. Pas in aanloop van 21 september komen daar enkele ander steden bij. Opvallend is verder (zonder er een conclusie aan te verbinden) dat een aantal steden als Alkmaar, Arnhem en Rotterdam maar ook kleine dorpjes eigenlijk niet in deze set voorkomen. Waarneembaar is dat er groepen mensen/ jongeren zijn die elkaar aansteken binnen bepaalde gebieden ” als er een schaap over de dam is volgen er meer”. Een bepaalde kritische massa werd wel bereikt in een aantal groepen en gebieden (met name steden), maar in andere steden is dit veel minder gebeurd, afgaande op deze doorsnede. Ook is in de animatie (waarbij de tijd meeloopt) te zien dat er een duidelijk ??half vier? ? effect optreedt in deze groep; op dat moment komen de grote volumes op gang.
Van de harde kern, waarvan de identiteiten uiteraard niet bekend gemaakt zullen worden, is vrij eenvoudig een netwerkkaart te maken. Deze netwerkkaart is ook te maken binnen de context van de Project X Haren data, zodat duidelijk wordt wie met wie het over Project X Haren gehad heeft. Als je deze kaart in de tijd weergeeft, kun je reconstrueren hoe dit verlopen is. Hieronder wordt echter slechts een deel van die netwerkkaart getoond, waarbij duidelijk wordt dat bepaalde individuen (online) een belangrijke rol hebben vervuld. ?
Hierboven een voorbeeld van een netwerkkaart van vermeende relschoppers
In de film die we gemaakt hebben is te zien hoe de kaart van Nederland volstroomt met tweets
Eerder maakte Harro Ranter ook een mapping van zijn ruim 5000?#projectX?tweets uit 500.000 die een geografische locatie bevatten (bron).
Als laatste zijn er vele andere, meer kwalitatieve, analyses gemaakt over de rellen zelf en hoe het gedrag van jongeren is te verklaren, zoals onderstaand artikel in de secondant. Dit artikel gaat meer in op het digitale gedrag van deze jongeren, de media, de overheid en vele anderen.
Mochten we nog interessante analyses missen: laat het ons weten!