Tracking the Temporal Dynamics of News Coverage of Catastrophic and Violent Events

Probleemstelling

De moderne nieuwsomgeving is fundamenteel veranderd door de snelle uitwisseling van informatie online. Tijdens crisissen (zoals natuurrampen en gewelddadige incidenten) leidt dit tot een overvloed aan artikelen, updates en commentaar. Hoewel dit de zichtbaarheid vergroot, introduceert het ook veel ruis, redundantie en desinformatie. Het is voor journalisten, beleidsmakers en onderzoekers steeds moeilijker om te onderscheiden hoe narratives (verhaallijnen) zich vormen, verspreiden en evolueren in deze versnelde cyclus. Bestaande studies tonen aan dat de framing van nieuws dynamisch verschuift (bijvoorbeeld van 'toegang tot wapens' naar 'mentale gezondheid' bij schietpartijen), maar er ontbreekt een kwantitatief inzicht in de temporele en semantische patronen van deze verschuivingen op grote schaal.

Methodologie

De auteurs hebben een data-gedreven aanpak ontwikkeld om de temporele en semantische dynamiek van nieuwsberichten over catastrofale en gewelddadige gebeurtenissen te analyseren.

1. Data Collectie en Corpus:

• Dataset: Een corpus van 126.602 nieuwsartikelen verzameld van online uitgevers.
• Gebeurtenissen: 12 specifieke evenementen uit de periode 2019-2025, verdeeld in twee categorieën:
  • Geweld: 6 schietpartijen in de VS (bijv. Virginia Beach, El Paso, Uvalde).
  • Rampen: 6 natuurrampen (bijv. orkanen, bosbranden, overstromingen).
• Tijdsraam: Artikelen verzameld van 7 dagen voor tot 30 dagen na de startdatum van het evenement ($t=0$).
• Bron: Gebruik gemaakt van de GDELT (Global Database of Events) voor URL's, met filtering op geografische locatie.
• Preprocessing: Gebruik van het Goose3 framework voor extractie van titels en eerste alinea's. Teksten werden gelemmatiserend, stopwoorden verwijderd en near-duplicates verwijderd (tf-idf similariteit > 0,9).

2. Document Classificatie:

• Artikelen werden verdeeld in een evenement-set ($S_e$) en een baseline-set ($S_b$).
• Classificatie gebeurde via keyword-matching en een majority voting-mechanisme gebaseerd op SentenceTransformers (model: all-MiniLM-L6-v2). Als 6 van de 10 naaste buren van een document in de baseline-set ook tot de evenement-set behoorden, werd het document toegewezen aan de evenement-set. Dit vangt semantisch relevante artikelen op die geen exacte keywords bevatten.

3. Analyse-maatstaven:
De auteurs definiëren vier kwantitatieve signalen om de dynamiek te meten:

• Publicatievolume: Het percentage artikelen per dag ten opzichte van het totaal.
• Semantische drift: De evolutie van de framing gemeten als de cosinus-afstand tussen de dagelijkse centroid (middelpunt) van de document-embeddings. Een exponentiële moving average wordt toegepast om ruis te verminderen.
• Semantische dispersie: De variantie van de afstanden tussen de dagelijkse centroid en de individuele documentvectoren. Dit meet hoe breed of gefocust de discussie is.
• Term relevantie: Berekening van TF-IDF scores voor de 300 meest frequente woorden per dag om de drijvende krachten achter de semantische verschuivingen te identificeren.

Belangrijkste Bijdragen

1. Grootschalig Corpus: Constructie van een gestructureerd corpus van 126k artikelen over 12 specifieke rampen en gewelddadige incidenten, gecombineerd met een robuuste semantische filtering.
2. Kwantitatieve Framing-meting: Introductie van een methode om "narrative change" te meten via semantische drift en dispersie, in plaats van alleen handmatige analyse of sentiment-analyse.
3. Vergelijkend Analyse: Een systematische vergelijking van de temporele patronen tussen twee fundamenteel verschillende categorieën van crisissen: natuurrampen versus menselijk geweld.
4. Tijdsgebonden Semantische Fasen: Identificatie van specifieke semantische fasen (voorbereiding, crisis, herstel) en de bijbehorende drijvende woorden.

Resultaten

De analyse onthult gestructureerde en voorspelbare patronen in de nieuwscyclus, maar met duidelijke verschillen tussen de categorieën:

1. Temporele Dynamiek (RQ1):

• Volume: Beide categorieën vertonen een snelle piek in publicatievolume rond dag 5 na het incident. Geweldsincidenten tonen een iets sterkere vroege piek (9% vs 8% boven baseline) dan rampen. De volume keert na ongeveer 10 dagen terug naar het baseline-niveau.
• Semantische Drift: Er is een vroege piek in drift (verandering in framing). Rampen vertonen een sterkere drift dan geweldsincidenten. Dit wordt toegeschreven aan het feit dat rampen vaak langer duren en zich ontwikkelen, waardoor de nieuwsverhalen dagelijks meer veranderen.
• Dispersie: De discussie begint breed (hoge dispersie) en wordt na verloop van tijd smaller (lagere dispersie). Rampen vertonen een hogere piek en een langzamere daling in dispersie dan geweldsincidenten, wat suggereert dat rampen een bredere, langdurigere discussie genereren.

2. Semantische Evolutie en Drijvende Woorden (RQ2):
De studie identificeert drie duidelijke fasen in de nieuwscyclus:

• Fase 1 (Pre-incident, $t=-7$ tot $0$):
  • Rampen: Focus op voorbereiding, voorspelling en situational awareness (woorden: help, state, natural disaster).
  • Geweld: Focus op routine misdaadrapportage (woorden: violence, police, shooting).
• Fase 2 (Crisis, $t=0$ tot $5$):
  • Rampen: Snel verschuiven naar noodgevallen, evacuatie en slachtoffers (woorden: evacuation, fatalities, federal aid).
  • Geweld: Focus op het specifieke incident, verdachten en politieactie, gevolgd door een snelle verschuiving naar bredere thema's zoals firearm, racisme, extremism.
• Fase 3 (Nasleep, $t=10$ tot $30$):
  • Rampen: Overgang naar herstel en lange termijn hulp (woorden: federal aid, state of emergency).
  • Geweld: Politisering en ideologische framing (woorden: legislation, hate crime, extremism). De discussie verschuift van het incident naar beleidsdebat en systeemkritiek.

Conclusie van de resultaten:
Hoewel beide categorieën een snelle stijging en geleidelijke daling vertonen, is de framing bij rampen operationeel en herstelgericht, terwijl de framing bij geweldsincidenten gepolitiseerd en ideologisch wordt naarmate de tijd vordert.

Betekenis en Toekomstperspectief

De studie biedt een kwantitatief raamwerk voor het begrijpen van hoe publieke discoursen tijdens crisissen evolueren. De bevindingen zijn relevant voor:

• Journalistiek: Om te begrijpen hoe framing verschuift en hoe men kan anticiperen op de volgende fase van een verhaal.
• Beleid en Crisismanagement: Om te zien hoe de publieke aandacht verschuift van directe redding naar lange termijn herstel of beleidsdebat.
• Onderzoek: Het biedt een methode om desinformatie en narratieve manipulatie te detecteren door afwijkingen van deze voorspelbare patronen.

De auteurs plannen toekomstig werk om deze methoden uit te breiden naar andere categorieën (sociale kwesties, economische crises) en specifiek te onderzoeken hoe geruchten en desinformatie de semantische evolutie beïnvloeden.