Vanavond Netflixen op de bank? Grote kans dat de algoritmes van Netflix mede bepalen welke film je kijkt. Even een muziekje opzetten tijdens het koken? Misschien is Discover weekly op Spotify één van je favoriete playlists. Er zijn dan ook goede redenen waarom algoritmes en recommender systems, aanbevelingssystemen, tegenwoordig overal te vinden zijn: ze kunnen ons helpen om de parels te vinden die we anders zouden missen.

Als het om nieuws gaat, lijkt het een ander verhaal. Nieuws gaat tenslotte over het maatschappelijk belang en de selectie van zoiets willen we liever aan een journalist dan aan een algoritme toevertrouwen. Althans, dat is de eerste reactie van velen die beroepsmatig met nieuws te maken hebben, zij het als journalist of als onderzoeker.

Nieuwsaanbevelingssystemen

Lange tijd was het duidelijk wie het nieuws voor je selecteerde: de journalisten op een redactie, van de krant of het journaal. Als je vond dat de redactie haar werk niet goed deed, kon je overstappen naar een andere krant.

Tegenwoordig bepalen niet uitsluitend journalisten welk nieuws bij de lezer terecht komt. Mensen klikken ook op links naar nieuwsberichten op sociale media, op sites zoals Blendle, of op Google Nieuws (hoewel het voortbestaan van het laatste onzeker lijkt). Al deze sites moeten uiteraard een selectie maken van wat ze laten zien – iets dat op deze schaal slechts met behulp van geautomatiseerde systemen mogelijk is. Ook nieuwssites experimenteren zelf met nieuwsaanbevelingssystemen, die gerelateerde of populaire artikelen aanraden.

Leesgedrag boven redactie

Wat vinden lezers er eigenlijk van als hun vrienden op sociale media en algoritmes het selectieproces overnemen? Het antwoord – een beetje kort door de bocht – is verrassend: de meeste lezers vinden het prima.

Dit blijkt tenminste uit het Reuters Digital News Report, een grootschalig vragenlijstonderzoek onder 53.314 respondenten in 26 landen. Samen met onze collega’s Neil Thurman (LMU München) en Natali Helberger (UvA) hebben we deze data geanalyseerd. De data maken het mogelijk om op gedetailleerd niveau te achterhalen wat verschillende groepen van verschillende vormen van nieuwsselectie vinden.

De vragenlijst bevatte een vraag in hoeverre de respondenten het eens waren met de stellingen dat de volgende drie selectiemechanismen een goede manier zijn om het nieuws te volgen:

  1. het automatisch selecteren van berichten op basis van je eerder leesgedrag;
  2. het selecteren van berichten door redacteuren en journalisten;
  3. het automatisch selecteren van berichten op basis van het leesgedrag van je vrienden.

Voor elke optie konden de respondenten kiezen tussen helemaal oneens, eerder oneens, oneens noch eens, eerder eens, en helemaal eens.

Wat blijkt? Gemiddeld gaven lezers het selecteren van nieuwsberichten op basis van hun eigen eerder leesgedrag een 2,98 op de bovengenoemde vijfpuntsschaal, en daarmee de voorkeur boven selectie door de redactie (gemiddeld 2,87). Selectie op basis van het leesgedrag van anderen (peer filtering) waarderen zij minder (gemiddeld 2,62). Onderstaand figuur laat zien dat het percentage mensen dat faliekant tegen algoritmische personalisatie is zeer laag is.

Screenshot-2018-11-27-at-10.43.57

Bron: Thurman, N., Moeller, J., Helberger, N., & Trilling, D. (2018). My Friends, Editors, Algorithms, and I., Digital Journalism, https://doi.org/10.1080/21670811.2018.1493936

Hoe moet je deze cijfers interpreteren? Wat betekent 2,98 of 2,87 op deze schaal? Volgens ons is het meest opmerkelijke dat de verschillen vrij klein zijn. Mensen lijken vaak zeer kritisch te zijn over algoritmische nieuwsselectie (zie bijvoorbeeld de hele discussie rondom filterbubbels), maar zijn desondanks dus niet veel sceptischer over algoritmes dan over redacteuren. Met andere woorden: het algoritmisch selecteren van nieuws is door gebruikers al geaccepteerd.

Onbekend-maakt-onbemind-effect

Geldt dit voor iedereen? Met een multilevel-regressieanalyse hebben we geprobeerd dit te achterhalen. Niet geheel onverwacht zijn zij die zich zorgen maken over hun privacy relatief gezien sceptischer over algoritmes die hun leesgedrag analyseren.

Aan de andere kant zien we ook een onbekend-maakt-onbemind-effect. Naarmate mensen meer sociale media gebruiken (en dus, zo mogen we veronderstellen, meer gewend zijn aan algoritmische selectie), zijn zij in toenemende mate positiever over beide vormen van algoritmische selectie (op basis van eigen gedrag en dat van hun vrienden). Misschien is dit ook een verklaring voor onze bevinding dat jongeren minder sceptisch zijn dan ouderen.

Nederland

En in Nederland? Als we de resultaten uitsplitsen per land en alleen naar Nederlanders kijken, zien we in grote lijnen hetzelfde beeld. Ook in Nederland geven gebruikers aan dat zij het volgen van nieuws via aanbevelingen op basis van het leesgedrag van vrienden het minst geschikt ervaren (gemiddeld een 2,64).

Daarentegen scoren journalisten in Nederland met een 3,12 net iets beter dan de algoritmes die selecteren op basis van eerder leesgedrag (2,96). Misschien kunnen we dit verklaren door het – vergeleken met andere landen – nog steeds relatief hoge vertrouwen dat journalisten in Nederland genieten.

Het is dus niet zo dat Nederlanders algoritmes kritischer zien dan het gemiddelde van mensen in andere landen (de scores zijn immers nagenoeg identiek, 2,96 tegenover 2,98), maar ze zijn wel (iets) positiever over hun journalisten en redacteuren (3,12 tegenover 2,87). Nederland is hierin niet alleen. In aanvullende analyses hebben we gevonden dat juist in landen waar mensen aan de onafhankelijkheid van de pers twijfelen, zij algoritmische selectie meer waarderen. Waarschijnlijk lijkt hen de technologie neutraler dan de mens – wat feitelijk niet zo is, want menselijke bias kan door een algoritme ook juist versterkt worden.

Consequenties

Wat betekent dit voor de Nederlandse journalistiek?

Ten eerste is het belangrijk dat we ons realiseren dat de selecterende rol van journalisten geen vanzelfsprekendheid meer is voor het publiek. Het is dus voor journalistieke organisaties van groot belang om te benadrukken welke toegevoegde waarde hun keuzes en aanbevelingen ten opzichte van (volledig) geautomatiseerde systemen hebben.

Ten tweede is het noodzakelijk om een betere discussie erover te voeren of en hoe nieuwsorganisaties gebruik kunnen maken van nieuwsaanbevelingssystemen. Deze systemen zijn er al, of er wordt tenminste mee geëxperimenteerd, maar het is belangrijk om erover na te denken hoe zo’n systeem eruit zou moeten zien. We hebben in een ander onderzoek aangetoond dat algoritmische aanbevelingen niet noodzakelijkerwijs minder divers hoeven te zijn dan de keuzes die journalisten maken, het onderzoek dat we hier bespreken laat zien dat ook gebruikers het daarmee eens zijn.

Belangrijk in deze discussie is het besef dat algoritmes door mensen gemaakt zijn en de ‘keuzes’ van een aanbevelingssysteem uiteindelijk zodoende op menselijke keuzes gebaseerd zijn. Onze bevindingen laten zien dat het noodzakelijk is om de waarde van journalistieke selectie te benadrukken, want het staat het buiten kijf dat keuzes van journalisten en hun professioneel oordeel van toegevoegde waarde kunnen zijn.

De taak is daarom nu om uit te zoeken hoe we selecties door journalisten en door aanbevelingssystemen het beste kunnen combineren.

Dit artikel is gebaseerd op deze wetenschappelijke publicatie: 
Neil Thurman, Judith Moeller, Natali Helberger & Damian Trilling (2018) My Friends, Editors, Algorithms, and I: Examining audience attitudes to news selection, Digital Journalism, DOI: 10.1080/21670811.2018.1493936.

Damian Trilling

Damian Trilling is universitair docent politieke communicatie en journalistiek aan de Faculteit Communicatiewetenschappen van de …
Profiel-pagina

Judith Möller

Judith Möller is universitair docent aan de Faculteit Sociale Wetenschappen van de Universiteit van Amsterdam.
Profiel-pagina
Nog geen reactie — begin de discussie!