Nigerian Salafi Discourse Corpus (NSDC): Construction, Methods, and Use

In de studie naar hoe mensen taal gebruiken, hebben onderzoekers lang vertrouwd op twee verschillende instrumenten. Het ene instrument is de nauwgezet lezing van een paar teksten, waarbij een geleerde elk woord bestudeert om de diepere betekenis en sociale context te begrijpen. Het andere is het massale tellen van woorden, waarbij computers miljoenen pagina's scannen om verborgen patronen te vinden die het menselijk oog zou missen. Decennialang werkten deze twee benaderingen vaak in gescheiden werelden. Echter, een groeiend onderzoeksveld combineert ze nu, waarbij de enorme hoeveelheid data wordt gebruikt om de nauwgezet lezing te sturen, en de nauwgezet lezing wordt gebruikt om de cijfers betekenis te geven. Deze aanpak is bijzonder krachtig bij het bestuderen van religie, waar overtuigingen niet alleen privégedachten zijn, maar publieke argumenten die worden uitgevochten op straat, in moskeeën en steeds vaker op sociale media. In Nigeria, een land met een enorme en diverse moslimpopulatie, is het internet een primair podium geworden waar verschillende groepen hun identiteit, autoriteit en plaats in de samenleving debatteren. Om deze debatten te begrijpen, hebben onderzoekers een manier nodig om de enorme schaal van het gesprek vast te leggen zonder de nuance van de individuele stemmen te verliezen.

Dit is precies wat een team van onderzoekers van de Universiteit van Ibadan wilde bereiken. Zij bouwden een enorme digitale bibliotheek van Facebook-berichten om te volgen hoe Salafisme, een specifieke en vaak controversiële beweging binnen de soennitische islam, in Nigeria wordt besproken. Ze verzamelden niet zomaar willekeurige berichten; ze construeerden een zorgvuldig georganiseerd archief genaamd de Nigerian Salafi Discourse Corpus. Deze collectie bevat bijna 5.800 berichten die in een periode van tien jaar, van 2015 tot 2025, zijn gepubliceerd door pagina's en profielen met een groot aantal volgers. De tekst binnen deze berichten bedraagt bijna 2,5 miljoen woorden. De onderzoekers verzamelden deze gegevens via een formele onderzoeksinterface die door Meta, de eigenaar van Facebook, wordt aangeboden, waardoor ze alleen toegang hadden tot publieke inhoud van publieke figuren en organisaties. Het doel was om een helder, verifieerbaar verslag te creëren van hoe Salafisten worden afgebeeld, hoe zij zichzelf presenteren en hoe zij tegen andere groepen, zoals Soefi's of Sjiieten, argumenteren binnen de Nigeriaanse context.

Om deze bibliotheek op te bouwen, werden de onderzoekers geconfronteerd met een aanzienlijke uitdaging: de ruwe data van Facebook zijn rommelig. Ze bevatten gebroken opmaak, dubbele berichten, emoji's, vreemde schriften en links die een computer die woorden probeert te tellen, kunnen verwarren. Om dit op te lossen, gebruikten zij een gespecialiseerde kunstmatige intelligentie-assistent, die zij Salih noemden. Dit instrument gokte niet alleen naar antwoorden; het fungeerde als een rigoureuze redacteur. Het volgde een strikte set regels om de tekst op te schonen, waarbij ruis zoals emoji's en URL's werd verwijderd terwijl de betekenisvolle woorden behouden bleven. Het controleerde zijn eigen werk bij elke stap, om er zeker van te zijn dat er geen berichten per ongeluk werden verwijderd en dat de uiteindelijke telling van de woorden accuraat was. Het resultaat was een schone, georganiseerde tekstcollectie die door andere onderzoekers geanalyseerd kon worden. Dit proces was ontworpen om volledig transparant te zijn, wat betekent dat elke andere wetenschapper dezelfde stappen kon volgen en exact hetzelfde resultaat zou krijgen, een cruciale standaard voor wetenschappelijk vertrouwen.

Zodra de tekst schoon was, voegden de onderzoekers drie lagen gedetailleerde informatie toe aan elk afzonderlijk woord. De eerste laag identificeerde simpelweg wat voor soort woord het was, zoals een zelfstandig naamwoord, een werkwoord of een eigennaam. De tweede laag groepeerde woorden in specifieke onderwerpen, zoals "religieuze autoriteit", "conflict" of "aanbiddingspraktijken". De derde laag, die het meest complex is, keek naar het doel van volledige zinnen. Het codeerde of een zin probeerde een groep te legitimeren, een tegenstander aan te vallen, op te roepen tot actie, of rapporteerde wat iemand anders zei. Deze codering was gebaseerd op een methode genaamd de discours-historische benadering, die onderzoekers helpt te begrijpen niet alleen wat er wordt gezegd, maar ook waarom het wordt gezegd en welk effect ermee beoogd wordt. De onderzoekers waren zorgvuldig in hun opmerking dat hoewel de computer het zware werk deed, het systeem niet perfect was. Ze merkten op dat de computer soms bepaalde soorten zinnen, zoals oproepen tot actie, overmatig identificeerde, en zij zijn van plan deze regels in de toekomst te verfijnen.

De gegevens die zij ontdekten, onthullen een levendig en vaak verhit gesprek. De onderzoekers vonden dat het volume van de berichten fluctueerde over het decennium, met een piek in activiteit rond 2017 en een verdere stijging in 2024. Een aanzienlijk deel van de discussie betreft het benoemen en definiëren van groepen. De data laten zien dat de term "Moslim" in de overgrote meerderheid van de berichten als standaardidentiteit wordt gebruikt, maar specifieke labels zoals "Salafi", "Soefi", "Sjiit" en "Wahabi" worden gebruikt om grenzen tussen groepen te trekken. De analyse suggereert dat het label "Wahabi" vaak als een negatieve term wordt gebruikt om anderen te bekritiseren, terwijl "Salafi" veelal door de groep zelf wordt gebruikt om zichzelf te beschrijven. De onderzoekers observeerden ook dat de taal die gebruikt wordt om religieuze autoriteit te bespreken intens is, met een zware nadruk op het citeren van geleerden en religieuze teksten om argumenten te ondersteunen. Interessant genoeg laten de gegevens zien dat hoewel religieuze geschriften worden geciteerd, dit niet het enige instrument is; argumenten over recht, politiek en sociale orde zijn even gebruikelijk, wat aangeeft dat het debat diep verbonden is met de bredere Nigeriaanse staat en samenleving.

Een van de meest opvallende bevindingen is hoe de lengte van deze berichten in de loop van de tijd is veranderd. Terwijl het aantal berichten in recente jaren relatief stabiel bleef, is de hoeveelheid tekst in elk bericht afgenomen. Dit suggereert dat de aard van het discours verschuift naar kortere, meer gecomprimeerde berichten, wat wellicht de snelle aard van moderne sociale media weerspiegelt. De onderzoekers merkten ook op dat het gesprek niet alleen over theologie gaat; het is diep verstrengeld met veiligheid en conflict. De data leggen vast hoe religieuze groepen worden gelinkt aan of gescheiden van geweld, met name in de context van de opstand in Noord-Nigeria. Door de term "Boko Haram" als een enkele eenheid in hun analyse te houden, zorgden de onderzoekers ervoor dat het woord "haram" (verboden) binnen die naam niet per ongeluk codes activeerde die gerelateerd zijn aan religieuze regels, waardoor de discussie over veiligheid gescheiden bleef van de theologische discussie.

De waarde van dit werk ligt in het vermogen om een chaotische stroom van online argumenten om te zetten in een gestructureerde bron die iedereen kan bestuderen. Het stelt onderzoekers in staat om verder te gaan dan anekdotisch bewijs en te kijken naar de werkelijke patronen van hoe miljoenen woorden worden gebruikt om religieuze identiteit in Afrika vorm te geven. De corpus is nu beschikbaar voor andere wetenschappers, die het kunnen gebruiken om alles te onderzoeken, van hoe stereotypen worden gevormd tot hoe politieke loyaliteit tot uiting komt in religieuze taal. De onderzoekers benadrukken dat hoewel de computer het tellen deed, de interpretatie van deze patronen menselijk inzicht vereist. Zij hebben een kaart van het gebied geleverd, maar de reis naar het begrijpen van de diepere betekenissen van deze debatten is pas net begonnen. Dit project demonstreert dat met zorgvuldige vormgeving en transparante methoden, kunstmatige intelligentie ons kan helpen de complexe manieren te begrijpen waarop gemeenschappen zichzelf en hun plaats in de wereld definiëren.