🔬 physics

Recurrent patterns of user behavior in different electoral campaigns: A Twitter analysis of the Spanish general elections of 2015 and 2016

Deze studie analyseert miljoenen tweets van de Spaanse verkiezingen van 2015 en 2016 en toont aan dat er sterke, terugkerende patronen in gebruikersgedrag en netwerktopologieën bestaan die consistent blijven ondanks veranderingen in de sociale context.

Oorspronkelijke auteurs: Samuel Martin-Gutierrez, Juan C. Losada, Rosa M. Benito

Gepubliceerd 2026-02-25

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Samuel Martin-Gutierrez, Juan C. Losada, Rosa M. Benito

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Titel: Het Grote Twitter-Verkeersbeeld tijdens de Spaanse Verkiezingen

Stel je voor dat Twitter een gigantisch, drukke stad is. In deze stad praten miljoenen mensen tegelijkertijd. Soms roepen ze iets, soms delen ze wat iemand anders heeft gezegd, en soms duwen ze een ander de mond vol.

De auteurs van dit onderzoek, drie wetenschappers uit Spanje, hebben gekeken naar twee specifieke momenten in deze stad: de verkiezingen van 2015 en die van 2016. Omdat deze twee verkiezingen zo kort na elkaar plaatsvonden, was het alsof ze twee keer naar dezelfde stad keken, maar dan met een iets andere bewoners en een iets ander weer.

Hier is wat ze ontdekten, vertaald naar alledaags taal:

1. Het Verkeerspatroon is Vast

De wetenschappers keken naar het aantal berichten per dag. Ze zagen iets verrassends: het patroon van 2015 leek haast sprekend op dat van 2016.

De Analogie: Het is alsof je twee keer naar een drukke markt kijkt. De ene keer is het er iets drukker, de andere keer iets rustiger, maar de manier waarop de mensen zich gedragen is identiek. Ze beginnen rustig, worden drukker naarmate de verkiezingen naderen, en op de dag zelf is er een enorme piek (een "storm" van berichten).
De conclusie: Of het nu 2015 of 2016 was, de "rhythm" van de mensen op Twitter bleef precies hetzelfde. Het is een vast patroon dat terugkomt bij elke verkiezing.

2. De Wet van de "Populaire Luidspreker"

Ze keken ook naar de relatie tussen het aantal mensen dat praat en het aantal berichten dat wordt gemaakt.

De Analogie: Stel je een feestje voor. Als er 10 mensen zijn, zijn er misschien 20 gesprekken. Als er 100 mensen zijn, zijn er niet 200 gesprekken, maar misschien wel 1500!
Wat ze vonden: In 2015 groeide het aantal berichten sneller dan het aantal mensen (super-lineair). In 2016 was het een beetje rustiger (lineair). Maar het belangrijkste is: hoe meer mensen er meedoen, hoe explosiever het gesprek wordt. Het is alsof elke nieuwe gast op het feestje niet alleen zelf praat, maar ook nog eens drie anderen aanzet tot praten.

3. De Netwerken: Een Sterrenstelsel van Groepen

Ze keken naar wie wie volgt en wie wat deelt (retweets).

De Analogie: Het internet is als een sterrenstelsel. Er zijn een paar hele grote sterren (politici en nieuwsmedia) en heel veel kleine sterretjes (gewone mensen).
De bevinding: De structuur van dit sterrenstelsel veranderde niet tussen 2015 en 2016. De grote sterren bleven de grote sterren, en de kleine sterretjes bleven naar hen kijken. Het onderliggende systeem is heel stabiel, zelfs als de politieke situatie verandert.

4. De "Muur van Stilte" tussen Partijen

Dit is misschien wel het meest interessante deel. Ze keken of de verschillende politieke partijen met elkaar praatten.

De Analogie: Stel je voor dat er verschillende groepen vrienden zijn in de stad. Groep A, Groep B en Groep C. Je zou denken dat ze met elkaar discussiëren. Maar op Twitter bleek dat ze eigenlijk in hun eigen hoekjes zaten te roepen. Ze deelden alleen berichten van hun eigen groep. Ze keken elkaar nauwelijks aan.
De uitzondering: In 2016 sloten twee partijen (Podemos en IU) een alliantie (een coalitie). In de data zag je direct: opeens begonnen deze twee groepen veel meer met elkaar te praten. Het was alsof er een brug werd gebouwd tussen twee eilanden die daarvoor gescheiden waren.

5. Politici zijn de "Super-Dealers"

Wie is het meest effectief in het verspreiden van boodschappen?

De Analogie: Een gewone burger is als iemand die een briefje in een brievenbus gooit. Een politicus is als iemand met een megafon en een vrachtwagen vol luidsprekers.
Wat ze vonden: Politici zijn veel efficiënter. Als een politicus iets zegt, wordt het veel vaker gedeeld dan als een gewone burger iets zegt. Dit geldt voor alle partijen. Ze weten precies hoe ze de "machine" van Twitter moeten gebruiken.

Samenvatting

De kernboodschap van dit onderzoek is: Mensen op Twitter gedragen zich tijdens verkiezingen op een voorspelbare, vaste manier.

Of er nu een nieuwe coalitie is of niet, de "muziek" die ze spelen blijft hetzelfde. Het patroon van hoe mensen reageren, hoe ze zich groeperen en hoe ze praten, is zo sterk dat het zelfs een verandering in de politieke kaart (zoals een nieuwe coalitie) niet kan doorbreken. Het is alsof je een dansje ziet: de muziek (de verkiezingen) verandert misschien een beetje, maar de danspasjes (het gedrag van de mensen) blijven precies hetzelfde.

Probleemstelling

Sociale netwerken zoals Twitter spelen een cruciale rol in moderne politieke campagnes, waarbij gebruikers meningen uitwisselen en politici hun boodschappen verspreiden. Hoewel er veel onderzoek is gedaan naar het voorspellen van verkiezingsuitslagen of het analyseren van sentiment, is er minder bekend over de herhalende collectieve gedragspatronen die zich voordoen in verschillende verkiezingscampagnes, zelfs als de politieke context en individuele actoren veranderen.

De auteurs stellen de vraag of de dynamiek van gebruikersinteracties op Twitter robuust is en vergelijkbare structurele en tijdsgebonden patronen vertoont in twee zeer vergelijkbare verkiezingssituaties, ondanks veranderingen in het politieke landschap (zoals het ontstaan van nieuwe coalities). Specifiek worden de Spaanse algemene verkiezingen van december 2015 en juni 2016 onderzocht, waarbij in 2016 een nieuwe coalitie (Podemos en IU) werd gevormd.

Methodologie

De auteurs hebben een kwantitatieve analyse uitgevoerd op een groot dataset van Twitter-berichten, verzameld via de Twitter Streaming API.

Datacollectie:
- Tijdspanne: Meer dan twee maanden voor en na beide verkiezingen, met een focus op de 15 dagen van de officiële campagne, de dag van de verkiezingen en de dagen ervoor en erna (totaal 18 dagen kernperiode).
- Dataset: Ongeveer 1,79 miljoen tweets voor 2015 en 1,75 miljoen voor 2016, gefilterd op neutrale zoektermen (bijv. #EleccionesGenerales2015, 26J2016).
- Actoren: Er zijn lijsten samengesteld van politieke accounts (PP, PSOE, Podemos, Cs, IU) en reguliere gebruikers.
Netwerkbouw:
- Er zijn twee soorten gerichte, gewogen netwerken geconstrueerd:
  - Mention-netwerken: Een link van gebruiker $j$ naar $i$ bestaat als $j$ $i$ noemt (@username).
  - Retweet-netwerken: Een link van $j$ naar $i$ bestaat als $j$ een origineel bericht van $i$ retweet. Belangrijk: in dit model worden alleen de oorspronkelijke poster en de retweeter verbonden, niet de tussenpersonen (omdat de API op dat moment alleen de oorspronkelijke poster metadata leverde).
- Tijdschalen: Netwerken werden geanalyseerd op dagelijkse basis (om volledige menselijke activiteitscycli te vangen) en als geaggregeerde netwerken over de hele periode.
Analysetechnieken:
- Tijdreeksanalyse: Lineaire regressie om correlaties tussen de dagelijkse activiteit van beide verkiezingen te meten.
- Krachtswet-fitting (Power Law): Analyse van de relatie tussen het aantal unieke gebruikers en het aantal tweets/retweets/mentions. De exponenten ( $\alpha$ en $\gamma$ ) werden berekend met Maximum Likelihood Estimation (MLE) in plaats van log-log regressie voor nauwkeurigheid.
- Netwerktopologie: Berekening van gradenverdelingen (in- en out-degree), clustering, assortativiteit (correlatie tussen graden van verbonden knopen) en modulaire detectie (Louvain-algoritme).
- Efficiëntiemetriek: Een maatstaf ( $\eta$ ) om de impact van een gebruiker te meten als de verhouding tussen ontvangen retweets en geplaatste berichten.
- Statistische toetsing: Paired t-tests om significante verschillen in assortativiteit tussen 2015 en 2016 te bepalen.

Belangrijkste Bijdragen

Vergelijkende Analyse: Een zeldzame vergelijking van twee zeer dicht bij elkaar liggende verkiezingen in hetzelfde land, wat het mogelijk maakt om te isoleren welke patronen context-onafhankelijk zijn.
Robuustheid van Dynamiek: Het aantonen dat de onderliggende dynamiek van sociale interacties op Twitter stabiel blijft, zelfs wanneer het politieke landschap verandert (bijv. door coalitievorming).
Coalitie-effect: Een kwantitatieve meting van hoe de vorming van een politieke alliantie (Podemos-IU) de communicatiestructuur tussen partijen beïnvloedt.

Resultaten

Tijdsgebonden Activiteit:
- Er is een significante lineaire correlatie ( $r^2 = 0,99$ inclusief verkiezingsdag) gevonden tussen de dagelijkse activiteitspatronen van 2015 en 2016.
- Pieken in activiteit vallen samen met offline evenementen (debat, verkiezingsdag). De dag van de stilte (dag voor de verkiezing) toont een daling in activiteit.
- Het aantal tweets, retweets en mentions volgt een krachtswet ten opzichte van het aantal unieke gebruikers. In 2015 was de groei licht super-lineair ( $\alpha > 1$ ), terwijl het in 2016 bijna lineair was.
Netwerktopologie en Distributies:
- De verdelingen van in- en out-degree volgen machtswetten. De exponenten ( $\gamma$ ) fluctueren binnen een smal interval (ongeveer 2,0 tot 2,5) en zijn zeer vergelijkbaar tussen beide jaren.
- Assortativiteit: De netwerken tonen een herhalende orde in assortativiteit (bijv. $r_{out-in} < r_{in-in} < r_{in-out} < r_{out-out}$ ). De waarden zijn consistent tussen de jaren, wat wijst op een stabiele structuur van gebruikersinteracties.
- Community Detectie: Netwerken vertonen duidelijke politieke gemeenschappen. In retweet-netwerken is er een sterke "ster-structuur" rondom media en leiders, terwijl mention-netwerken meer clusteren.
Communicatie tussen Elites (Partijen):
- Er is een bijna volledig gebrek aan communicatie tussen verschillende politieke partijen (zowel in mentions als retweets). De diagonaal van de adjacentiematrix (interne communicatie) is twee ordes van grootte zwaarder dan de kruiscommunicatie.
- Coalitie-effect: In 2016, toen Podemos en IU een coalitie (UP) vormden, nam de interactie tussen deze twee partijen aanzienlijk toe. Dit resulteerde in een hogere "coalitie-assortativiteit" in 2016 vergeleken met 2015, wat statistisch significant is (paar-t-test, p-waarde < 0,01 voor partijen, maar niet voor coalities).
Gebruiksefficiëntie:
- Politieke accounts zijn over het algemeen efficiënter in het verspreiden van berichten dan reguliere gebruikers (hogere kans op hoge efficiëntiewaarden).
- De verdeling van efficiëntie volgt voor zowel politici als burgers dezelfde functionele vorm (zware staart met machtswet-afname), wat suggereert dat het mechanisme van collectieve reactie universeel is.

Betekenis en Conclusie

De studie concludeert dat er recurrente collectieve gedragspatronen bestaan in verkiezingscampagnes op Twitter. Ondanks veranderingen in de politieke actoren en de vorming van nieuwe coalities, blijven de fundamentele dynamieken van de netwerken (topologie, krachtswet-exponenten, en tijdsgebonden activiteit) robuust en consistent.

Dit impliceert dat:

De onderliggende sociale dynamiek van politieke discussies op sociale media onafhankelijk is van specifieke contextuele veranderingen.
De vorming van politieke coalities direct zichtbaar is in de interactienetwerken (toename van interne communicatie binnen de coalitie).
Deze bevindingen kunnen dienen als een benchmark om afwijkend gedrag (bijvoorbeeld manipulatie of ongebruikelijke campagnes) in toekomstige verkiezingen te detecteren.

De resultaten bevestigen eerdere studies over de 2011-verkiezingen en suggereren dat deze patronen mogelijk toepasbaar zijn op andere politieke contexten wereldwijd.