Haat in kaart

Haters gonna hate. Dr. Monica Stephens van de Humboldt State University in Californië heeft een ‘Geography of Hate‘-Map gemaakt op basis van haatdragende berichten op twitter. Alle geo-gecodeerde tweets tussen juni 2012 en april 2013 werden gescreend op een handvol ‘haatdragende trefwoorden’. Zo werden om en bij de 150.000 berichten gevonden. Die verzameling werd dan nog eens gescreend door meewerkende studenten om te zien of de berichten echt negatief of ‘haatdragend’ waren. Daarna werden de geo-grafische verspreide resultaten in balans gebracht volgens het aantal inwoners van die bepaalde streek. Daarna werd een hittemap gegenereerd op basis van de resultaten. Hoe meer haatberichten, hoe roder de ‘hittevlek’ op de kaart. Blauw geeft aan hoger dan het nationaal gemiddelde maar minder in frequentie. In de niet-ingekleurde zones zijn er wel degelijk haatdragende tweets te vinden, alleen zijn het er minder dan het gemiddelde. (Meer over deze research vind je op www.FloatingSheep.org.) Korte conclusie, naar Jakob Dylan_ evil is alive and well.

Bij Geography of Hate hebben 3 studenten door de duizenden berichten geploegd. Wat als men met artificiële intelligentie in staat zou zijn om live grote reeksen berichten te interpreteren (met respect voor de privacy!)? Dan zou je een soort ‘predictive apps’ kunnen maken voor sociale kwesties. Je zou kunnen zien waar armoede opduikt, of honger, of ziektes, of leerachterstand, of obesitas. Of eerdere positieve dingen zoals hoger gemiddeld geluk in de ene wijk ten opzichte van de andere. De reactietijd van de overheid zou groter kunnen worden om bijstand of steun te geven… (kan ook commercieel worden gebruikt, natuurlijk).