EXPEDITIE TWITTER PARTICIPATIEVORMEN VAN TELEVISIEKIJKERS IN KAART GEBRACHT

EXPEDITIE TWITTER PARTICIPATIEVORMEN VAN TELEVISIEKIJKERS IN KAART GEBRACHT

Universiteit Utrecht Theater-, film- en televisiewetenschap Bacheloreindwerkstuk 31 oktober 2014

Jeffrey Koppelaar

3688445 [email protected]

Begeleider: Marianne van den Boomen

EXPEDITIE TWITTER

Abstract Televisieprogramma EXPEDITIE ROBINSON trekt wekelijks meer dan een miljoen kijkers en weet via de hashtag #ExpeditieRobinson ook een hoop twitterverkeer te genereren. In dit onderzoek breng ik alle tweets rondom aflevering vier van het vijftiende seizoen in kaart. Voortbordurend op het werk van Herring (2004) en Deller (2011) heb ik een nieuwe methode ontwikkeld om deze contentanalyse uit te kunnen voeren. Uiteindelijk bleek de dataset van ongeveer 1100 tweets te klein om echt interessante uitspraken te doen over bijvoorbeeld formatverbeteringen voor het televisieprogramma. Daarentegen heb ik wel laten zien hoe een contentanalyse van tweets uitgevoerd kan worden en enkele aanbevelingen voor vervolgonderzoek gedaan. Zo zou het onderzoek uitgebreid kunnen worden door alle berichten met de hashtag #ExpeditieRobinson een seizoen lang te analyseren of zou de methode op een nieuwe casus kunnen worden toegepast. Ook is het interessant om te onderzoeken hoeveel groter het bereik van EXPEDITIE ROBINSON is geworden sinds de adoptie van de hashtag.

1

EXPEDITIE TWITTER

Inhoudsopgave 1. Introductie ........................................................................................................................................... 3 1.1 Contentanalyse 2.0 ........................................................................................................................ 6 2. Elfhonderd tweets, negen categorieën: klaar om te gaan ................................................................ 10 2.1 De data klaarmaken voor gebruik ............................................................................................... 10 2.2 De categorisering van informatiestromen op Twitter................................................................. 11 3. De negen categorieën ontrafeld ....................................................................................................... 14 3.1 Berichten zonder boodschap ...................................................................................................... 14 3.2 Promotietweets ........................................................................................................................... 15 3.3 Aanmoedigingen en positief commentaar .................................................................................. 16 3.4 Negatief commentaar ................................................................................................................. 17 3.5 Commentaar zonder oordeel ...................................................................................................... 18 3.6 Lachen om de kandidaten ........................................................................................................... 19 3.7 Vraag maar raak! ......................................................................................................................... 20 3.8 Is de hashtag hiervoor wel bedoeld? .......................................................................................... 21 3.9 Overige tweets ............................................................................................................................ 23 4. Conclusie ........................................................................................................................................... 24 4.1 Participatievormen in kaart gebracht ......................................................................................... 24 4.2 De toegevoegde waarde van een hashtag .................................................................................. 25 4.3 Een nieuwe methode biedt nieuwe mogelijkheden ................................................................... 25 4.4 Een laatste woord........................................................................................................................ 27 5. Literatuur ........................................................................................................................................... 28 6. Bijlagen .............................................................................................................................................. 30

2

EXPEDITIE TWITTER

1. Introductie Televisie en Twitter zijn in veel gevallen twee media die hand in hand gaan. Vandaag de dag zijn er veel televisieprogramma’s die Twitter integreren in hun format. Daarnaast wordt Twitter door het publiek veelvuldig gebruikt om een mening te laten horen over een aflevering, door te participeren met het programma of door content uit een aflevering te verwerken in een meme1, zoals bijvoorbeeld bij een serie als GAME

OF

THRONES veelvuldig

gebeurt. Rondom het Nederlandse televisieprogramma EXPEDITIE ROBINSON ontstaat wekelijks een hoog volume aan Twitterverkeer. Op 4 september 2014 werd de eerste aflevering van alweer het vijftiende seizoen van dit succesvolle programma uitgezonden op televisiezender RTL5.2 In deze realityserie strijden achttien bekende Nederlanders voor de overwinning van ‘de expeditie’. Tijdens het spel moeten zij onder primitieve omstandigheden zien te overleven op een onbewoond eiland. Elke aflevering dienen de kandidaten in teams proeven af te leggen om zo onder meer kookgerei, luxegoederen of privileges te kunnen winnen. Vanuit het verliezende team wordt er iedere aflevering iemand weggestemd, die vervolgens de Expeditie dient te verlaten. Met de komst van de digitale media en interactieve televisie is er een nieuwe manier van televisiekijken ontstaan (Müller 2009, 49). Hoewel de participatie van kijkers via Twitter in strikte zin niet geschaard kan worden onder interactieve televisie, zoals Müller het omschrijft, vertoont het weldegelijk soortgelijke eigenschappen. Twitter mobiliseert de kijker en biedt hem de mogelijkheid actief mee te denken over het programma waarnaar hij op televisie kijkt. Dit is een trend die de laatste jaren alleen maar verder is doorgezet, wat zich onder meer uitdrukt in de opkomst van allerlei ‘second screens’, die het vooral goed doen bij grote sportevenementen als het WK Voetbal of de Tour de France (Van der Kooi 2014). Twitter is een microblogdienst die gebruikers in 140 tekens laat ‘tweeten’ (Deller 2011, 217).3 De zogenaamde tweets kunnen allerlei soorten berichten bevatten, variërend van wat iemand op een bepaald moment aan het eten is tot een beknopt betoog over de oorlog in Syrië. Twitter bestaat sinds 2006 en kan op verscheidene manieren gebruikt worden. De

1

Meme. Letterlijk een eenheid van culturele overdracht. In de volksmond wordt het vooral gebruikt als naam voor grappige plaatjes op het internet. 2 EXPEDITIE ROBINSON. http://www.expeditierobinson.nl/ 3 Twitter. http://www.twitter.com/

3

EXPEDITIE TWITTER

eerste manier om de dienst te gebruiken is via de website http://www.twitter.com/. In de loop van de tijd zijn er ook allerlei verschillende applicaties voor mobiele telefoons en tablets ontwikkeld en het is mede deze ontwikkeling die de opkomst van second screens heeft gestimuleerd. Vandaag de dag zijn er maandelijks ongeveer 271 miljoen gebruikers die samen 500 miljoen tweets per dag versturen (Twitter 2014). De gebruikers van Twitter kunnen elkaar ‘volgen’ en zo elkaars berichten op hun eigen twitterfeed4 lezen (Deller 2011, 218). Wanneer iemand een bepaalde tweet interessant vindt, kan dat bericht door diegene ‘geretweet’ worden. Dit houdt in dat een gebruiker de tweet van een andere persoon deelt met zijn eigen volgersnetwerk en zodoende presenteert aan een groter publiek. Een ander belangrijk aspect van Twitter is het gebruik van zogenaamde hashtags (#). Vaak vinden er discussies plaats tussen grote groepen gebruikers. Dit gebeurt onder meer rondom belangrijke nieuwsberichten of grote mediaevenementen. Gebruikers plaatsen dan een hashtag met een bepaald sleutelwoord in hun bericht, zodat het vervolgens door andere mensen weer makkelijk teruggevonden kan worden via de zoekfunctie van Twitter.

Twitter is een goed voorbeeld van een moderne publieke sfeer, zoals Jürgen Habermas deze eerder onderscheidde in de achttiende en negentiende eeuw (Sluis 2009). Het concept van de publieke sfeer houdt in dat burgers, vrij van externe druk, de ruimte hebben om als individu deel te nemen aan een debat (Habermas 1962). Een goed voorbeeld dat Twitter als publieke sfeer illustreert is de Arabische Lente. In 2011 kwamen mensen in verschillende Arabische landen in opstand tegen de zittende heersers. Waar in de meeste gevallen de traditionele media gecontroleerd werden door de overheid boden sociale media als Facebook en Twitter nieuwe manieren voor het volk om met elkaar hun onvrede te delen (Van Till 2011). 4

Twitterfeed. Vergelijkbaar met de startpagina van Facebook, waarop constant updates worden geplaatst van de mensen die je volgt.

4

EXPEDITIE TWITTER

Zo konden zij onder meer ook plannen voor demonstraties bespreken zonder dat de overheid daarbij kon ingrijpen. Daarnaast boden sociale media ook de perfecte manier om de protesten in de hele wereld onder de aandacht te brengen (De Jong 2011). Perfect is de digitale publieke sfeer van Twitter niet. Zonder toegang tot het internet kan men immers niet deelnemen aan het debat. De mensen die daarentegen wel toegang hebben tot de dienst kunnen vrij ongestoord hun mening laten horen en in discussie gaan met anderen. Er is geen sprake van onterechte censuur. Tweets worden enkel door Twitter verwijderd wanneer de regels worden overtreden. Dit gebeurt dan in gevallen wanneer iemand zich bijvoorbeeld voordoet als een ander persoon of wanneer er iemand bedreigd wordt.5 Hoewel EXPEDITIE ROBINSON geen Arabische Lente is dient Twitter toch als een platform waarop mensen vrij hun mening over het televisieprogramma kunnen uiten. Maar waar gebruiken mensen in het geval van EXPEDITIE ROBINSON deze publieke sfeer voor? Gebruiken zij het medium Twitter en de hashtag #ExpeditieRobinson om kritiek te leveren op het programma of moedigen ze liever hun favoriete kandidaat aan? Door het gebruik van deze, door de producenten van EXPEDITIE ROBINSON aangeleverde, hashtag ontstaat een afgebakend debat dat onderzocht kan worden. Welke communicatie- en informatiestromen ontstaan er rondom #ExpeditieRobinson? Langzaamaan beginnen steeds meer bedrijven, onderzoeksinstituten en overheden de kracht van big data in te zien (Bloem 2013, 5). Ook binnen de creatieve industrie liggen er zeker kansen om de schatten aan online data te benutten. Voor de producenten van programma’s als EXPEDITIE ROBINSON kan het interessant zijn om meer inzicht te krijgen in wat het publiek van hun producties vindt. Middels een contentanalyse van een dataset van tweets kunnen er allerlei inzichten opgedaan worden die nuttig kunnen zijn. Wat vindt het publiek van de kandidaten? Wordt het programma op het juiste tijdstip uitgezonden? Zijn de spellen interessant genoeg voor de kijkers? Binnen dit onderzoek wil ik mij vooral richten op het verkennen van de contentanalyse als methode om informatiestromen op Twitter in kaart te brengen. De tweets rondom de vierde aflevering van EXPEDITIE ROBINSON zullen bij dit onderzoek de casus vormen. Het programma trekt wekelijks ruim een miljoen kijkers in Nederland

5

The Twitter Rules. https://support.twitter.com/articles/18311-the-twitter-rules/

5

EXPEDITIE TWITTER

(Stichting Kijkcijferonderzoek 2014) en genereert iedere week een hoop verkeer op Twitter. Daardoor is het programma dan ook een interessante casus. Daarnaast ben ik ook vooral geïnteresseerd in wat de toegevoegde waarde is van een hashtag. Voegt het daadwerkelijk iets toe aan de ‘EXPEDITIE ROBINSON-beleving’ en levert het ook echt een bron aan informatie op voor de programmamakers? Met andere woorden, kan de redactie bruikbare informatie halen uit de informatiestroom die rondom de hashtag #ExpeditieRobinson ontstaat?

1.1 Contentanalyse 2.0 Sinds de jaren ’40 bestaan er gestructureerde methoden om contentanalyses uit te voeren, origineel bedoeld om onderzoek te doen naar de geschreven media (Herring 2004). Omdat de nieuwe media lang niet in alle aspecten vergeleken kunnen worden met hun geschreven voorgangers heeft Susan Herring de klassieke methoden voor contentanalyse in een nieuw jasje gestoken. Zij onderscheidt vijf stappen (Herring 2004, 50):

1) Het formuleren van een onderzoeksvraag 2) Het selecteren van een datamonster, ofwel de dataset 3) Het operationaliseren van de belangrijkste concepten voor je onderzoek 4) Het toepassen van de onderzoeksmethode op de dataset 5) Het interpreteren van de resultaten van de analyse

Hier moet wel meteen een kanttekening bij geplaatst worden. Omdat de nieuwe media, waaronder Twitter, constant aan verandering onderhevig zijn, bestaat er geen zogenaamde Grand Theory om een dergelijke contentanalyse uit te voeren. Er dient vooral ook een goede dosis gezond verstand aan te pas te komen vanuit de onderzoeker (Herring 2004, 50). Hiermee wordt vooral bedoeld dat de onderzoeker zijn vraag aanpast aan de data waarmee hij werkt. Er schuilen veel antwoorden in big data, maar niet alle antwoorden. Een goed voorbeeld van een contentanalyse uitgevoerd volgens deze methode kan gevonden worden in het werk van Ruth Deller (2011). Zij deed onderzoek naar verschillende Britse televisieprogramma’s die veel Twitteraars op de been wisten te brengen. Allereerst concludeerde zij dat het monitoren van tweets, gelieerd aan een programma zoals BRITAIN’S GOT TALENT, inzichten kan verschaffen in wat voor reacties een uitzending teweeg kan brengen 6

EXPEDITIE TWITTER

bij het publiek. Wat men vroeger op het werk bij de koffieautomaat besprak wordt nu online op Twitter gepost (Deller 2011). Twitter kan dus heel goed als een digitale barometer voor de populariteit van een televisieprogramma fungeren. Daarnaast onderzocht Deller ook de participatie van kijkers op Twitter rondom het programma REVELATIONS uit 2011. Bij dit onderzoek deelde zij de tweets uit haar dataset in verschillende categorieën in en probeerde zij op deze manier de verschillende vormen van participatie via Twitter in kaart te brengen. Door deze methode toe te passen kunnen er meer gegronde uitspraken gedaan worden over wat het twitterpubliek vindt van een bepaald televisieprogramma. Twitter kan dus goed dienen als een digitale barometer voor het succes van een programma als EXPEDITIE ROBINSON. In hoeverre kan het productieteam lering trekken uit wat er op Twitter gezegd wordt? Gaat de informatiestroom verder dan alleen een goed- of afkeuring van het programma? Klopt alles aan het format of moeten er toch bepaalde aspecten veranderd worden? Hebben twitteraars de wijsheid in pacht om deze vragen te beantwoorden? Dit zijn vragen die middels een uitvoerige contentanalyse volgens de methodes van Susan Herring en Ruth Deller zouden kunnen worden beantwoord. Binnen dit onderzoek ligt de nadruk op het in kaart brengen van de informatiestroom rondom #ExpeditieRobinson. De dataset die ik hiervoor zal gebruiken bestaat uit ongeveer 1100 tweets die verzameld zijn rondom de vierde aflevering van EXPEDITIE ROBINSON , die werd uitgezonden op donderdag 25 september 2014. Alle tweets met de hashtag #ExpeditieRobinson, dat door het programma zelf ook als officiële hashtag wordt aangedragen, zijn verzameld. Voor een contentanalyse kan het beste een ‘random sample’ gebruikt worden, vandaar dat er willekeurig voor een aflevering is gekozen (Herring 2004). Nog pas geleden heeft Twitter haar API6 aangepast, wat verstrekkende gevolgen heeft gehad voor de manier waarop tweets kunnen worden verzameld (Twitter 2014). Veel bestaande software om data van Twitter te scrapen is daarmee buiten spel gezet. Daarom is er voor het verzamelen van de data gebruik gemaakt van de software van Datasift.7 Dit bedrijf werkt nauw

6

Application programming interface. Online diensten als Facebook en Twitter maken gebruik van een publieke API. Dit stelt externe ontwikkelaars in staat om applicaties rondom de software van de bestaande diensten te bouwen. Denk hierbij bijvoorbeeld aan de integratie van Twitter op je telefoon in de vorm van een widget. Door de API aan te passen kunnen diensten als Twitter bepalen tot welke onderdelen van hun software derde partijen wel of geen toegang meer kunnen krijgen. 7 Datasift. http://www.datasift.com/

7

EXPEDITIE TWITTER

samen met Twitter waardoor hun software meer mogelijkheden biedt dan de datascrapers van andere ontwikkelaars. De precieze stappen die zijn doorlopen bij het creëren van deze dataset zullen in het betreffende hoofdstuk worden toegelicht. Verschillende mensen twitteren op verschillende manieren (Deller 2011). Om die reden is het dan ook noodzakelijk om de tweets te categoriseren. Dit zal ik doen middels een coding frame dat gelijk is aan dat wat door Deller in haar onderzoek naar Britse televisie is gebruikt. Met haar methode kon zij de verschillende vormen van tweets goed in kaart brengen, maar wanneer blijkt dat er een grote groep tweets niet gecategoriseerd kan worden zal ik zelf extra categorieën formuleren en afbakenen. Welke vormen van participatie door het Twitterpubliek kunnen er op basis van deze categorieën worden onderscheiden? In het betreffende hoofdstuk zal ik deze verschillende categorieën uitvoeriger behandelen. Het format van EXPEDITIE ROBINSON is in de kern de afgelopen vijftien jaar hetzelfde gebleven, maar het productieteam heeft zeker niet stil gezeten. Door de jaren heen zijn nieuwe proeven bedacht, zijn er nieuwe spelelementen geïntroduceerd en is er een bewuste keuze gemaakt om de onbekende deelnemers in te wisselen voor bekende Nederlanders. Succesvol zijn is één ding, maar succesvol blijven betekent dat je met je tijd mee moet gaan als televisieprogramma. Om die reden is het dan ook interessant om te kijken of het mogelijk is om op basis van de feedback die door kijkers via Twitter wordt gegeven aanbevelingen te formuleren ten behoeve van het format. Anders gezegd, wat moet er anders en wat kan er beter? Kan deze vraag beantwoord worden door de berichten die rond een aflevering van EXPEDITIE ROBINSON geplaatst worden te analyseren? In grove lijnen verwacht ik, mede gebaseerd op het werk van Deller (2011), dat er vier categorieën van participatie via Twitter zullen zijn. De eerste zal bestaan uit kijkers die via Twitter slechts melden dat zij het programma aan het kijken zijn. De tweede groep zal bestaan uit kijkers die gericht commentaar geven op verschillende aspecten van de uitzending. Dit is de groep die vooral ook interessant kan zijn voor het formuleren van aanbevelingen tot verbetering van het format. De derde groep zal bestaan uit kijkers die vooral op humoristische wijze de aflevering becommentariëren. Dat kan in de vorm van grappen zijn, maar bijvoorbeeld ook door het maken van memes. Dit gebeurt veelvuldig bij allerlei televisieprogramma’s, zoals bijvoorbeeld ook THE WALKING DEAD, een populaire serie die momenteel bezig is aan zijn vijfde seizoen (Wallace 2014). Tot slot verwacht ik dat de vierde groep vooral zal bestaan uit mensen die vragen hebben over de aflevering, omdat zij wellicht 8

EXPEDITIE TWITTER

bepaalde onderdelen van het format niet begrijpen. Ook uit deze categorie kan waarschijnlijk lering getrokken worden. In het tweede hoofdstuk zal ik het verzamelen van de data via de software van Datasift nader toelichten. Hoe werkt de software en hoe ziet de uiteindelijke dataset er uit? Ook zal ik in dit hoofdstuk uitleggen hoe ik de dataset prepareer zodat vervolgens de inhoud van de tweets geanalyseerd kan worden. Vervolgens zal ik in het derde hoofdstuk omschrijven hoe ik de contentanalyse verder voorbereid en de tweets categoriseer met behulp van de methode van Ruth Deller (2011). Tot slot zal ik in de conclusie een korte uiteenzetting geven van de resultaten van mijn onderzoek en proberen de vragen die in dit onderzoek zijn gesteld te beantwoorden. Daarnaast zal ik ook aanbevelingen doen voor vervolgonderzoek of soortgelijk onderzoek in de toekomst.

9

EXPEDITIE TWITTER

2. Elfhonderd tweets, negen categorieën: klaar om te gaan

2.1 De data klaarmaken voor gebruik De schatten aan data die via Twitter gevonden kunnen worden zijn tegenwoordig niet meer zo makkelijk te plunderen als in de beginjaren van het medium (Irving 2014). Vermoedelijk vanuit commerciële overwegingen heeft Twitter recentelijk de API aangepast en daarmee veel diensten en ontwikkelaars de toegang tot de data van Twitter (voor een groot deel) ontzegd. Waar ik voorheen bij soortgelijk onderzoek altijd gebruik maakte van de gratis diensten van ScraperWiki8 moest ik nu uitwijken naar Datasift. Dit bedrijf is een samenwerking aangegaan met Twitter en beschikt daardoor nog steeds over de mogelijkheid om alle data die het medium rijk is te gebruiken. Het bedrijf omschrijft zichzelf als een krachtig cloudplatform dat gebruikt kan worden voor het binnenhalen van grote hoeveelheden ongestructureerde data (Datasift 2014). Via het online dashboard kunnen in de internetbrowser opdrachten gegeven worden door de gebruiker om grote hoeveelheden data binnen te halen. Voor dit onderzoek heb ik de software de opdracht gegeven om vanaf 24 september tot en met 26 september een database aan te leggen met alle tweets die in die periode zijn verstuurd en gebruik hebben gemaakt van de hashtag #ExpeditieRobinson. Nadat de software klaar was met het verzamelen van de tweets rond de vierde aflevering van EXPEDITIE ROBINSON heb ik de data geëxporteerd naar een Comma Separated Valuesbestand, dat uitgelezen kan worden met spreadsheetprogramma’s als Microsoft Excel. Uiteindelijk bevatte het bestand met de rauwe data 1099 tweets.9 Na het scheiden van de kolommen om de regels met data leesbaarder te maken, heb ik de relevante kolommen overgezet naar een nieuw document. Zaken als informatie over de locatie waarvandaan een tweet is verzonden of het aantal volgers van een bepaald account zijn voor dit onderzoek niet relevant. Om die reden heb ik deze informatie dan ook uit de dataset gefilterd. Wat overbleef was een bestand met daarin de inhoud van alle tweets, de naam van het account waardoor de tweet is verzonden, de biografie van het account, het

8

ScraperWiki. www.scraperwiki.com. De bijlage met de rauwe data verkregen via Datasift (bijlage 1) kan gedownload worden via http://www.jeffreykoppelaar.nl/scriptie/. 9

10

EXPEDITIE TWITTER

tijdstip van verzending en enkele andere gegevens die vooral bedoeld zijn om de oorspronkelijke bron van het bericht makkelijk terug te kunnen vinden. Vervolgens verwijderde ik een handvol blanco tweets, die niet bruikbaar waren voor analyse, waardoor er uiteindelijk een dataset met 1070 berichten overbleef.

2.2 De categorisering van informatiestromen op Twitter In haar onderzoek naar het getwitter rond de Britse documentairereeks REVELATIONS onderscheidde Ruth Deller een achttal soorten tweets (2011, 232). In eerste instantie wilde ik haar voorbeeld volgen door dezelfde categorisering te gebruiken, maar al snel bleek dat die categorieën niet volledig van toepassing waren op de tweets uit deze dataset. De acht categorieën die zij onderscheidde waren de volgende: 1. Tweets met positieve berichten 2. Tweets met negatieve berichten 3. Tweets bedoeld ter promotie van het programma 4. Tweets met commentaar op gebeurtenissen in de documentaire 5. Tweets met vragen of commentaar met betrekking tot filmtechnische aspecten 6. Tweets die humor bevatten 7. Tweets met specifieke reacties op personen in de documentaire 8. Tweets met de mededeling dat er gekeken werd De meeste categorieën die Deller toepaste waren ook relevant voor de tweets over EXPEDITIE ROBINSON, maar al gauw ontdekte ik dat er een significante groep berichten overbleef die niet binnen de bestaande categorieën pasten. Deze tweets bevatten spamberichten of andere commerciële uitingen die op geen enkele manier gelieerd waren aan het programma en de hashtag #ExpeditieRobinson. In tegenstelling tot de verwachtingen die ik in het introductiehoofdstuk formuleerde zijn er meer relevante categorieën die kunnen worden onderscheiden.

11

EXPEDITIE TWITTER

Uiteindelijk onderscheidde ik in totaal negen categorieën10: 1. Tweets met de mededeling dat er gekeken werd 2. Tweets van deelnemers en programmamakers ter promotie van het programma 3. Tweets met positief commentaar 4. Tweets met negatief commentaar 5. Tweets met neutraal commentaar of quotes 6. Tweets met humor of memes 7. Tweets met vragen over het programma 8. Tweets met spam of andere commerciële uitingen, niet gelieerd aan EXPEDITIE ROBINSON 9. Overige tweets

Cat. 1: Mededeling dat men kijkt - 222 tweets 9%

3%

Cat. 2: Deelnemers en programma - 42 tweets 21%

3% 3%

Cat. 3: Positief commentaar - 200 tweets Cat. 4: Negatief commentaar - 121 tweets 4% Cat. 5: Neutraal commentaar - 294 tweets Cat. 6: humoristische tweets - 33 tweets

27% 19%

Cat. 7: Vragen over het programma - 30 tweets Cat. 8: Spam en andere commerciële uitingen - 101 tweets

11%

Cat. 9: Overige - 27 tweets

222 tweets bevatten een boodschap waarin de twitteraar op de een of andere manier duidelijk maakte dat hij op dat moment het programma aan het kijken was. 42 tweets werden verstuurd door de deelnemers aan het vijftiende seizoen van het programma of door het officiële Twitteraccount van EXPEDITIE ROBINSON.11 Het merendeel van deze tweets was bedoeld als promotie voor het programma en om kijkers te werven. 200 tweets bevatten positief commentaar op ofwel de aflevering ofwel de kandidaten. Dit waren bijvoorbeeld berichten waarin een deelnemer werd geprezen vanwege een bepaalde actie. 121 berichten hadden daarentegen een negatieve inhoud. Diezelfde deelnemer kon namelijk heel goed door een 10

De bijlage met de gecategoriseerde tweets over #ExpeditieRobinson (bijlage 2) kan gedownload worden via http://www.jeffreykoppelaar.nl/scriptie/. 11 Twitteraccount van Expeditie Robinson. https://twitter.com/ExpeditieRobRTL.

12

EXPEDITIE TWITTER

andere kijker weer afgekraakt worden. 294 tweets bevatten op hun beurt neutraal commentaar op de aflevering of quotes van de kandidaten, zonder daar een oordeel aan te verbinden. De zesde categorie bestond uit 33 tweets die een humoristische lading hadden. In dertig berichten werden door Twitteraars vragen gesteld over het programma of de kandidaten, omdat iets hen niet helemaal duidelijk was. De achtste categorie bestond uit in totaal 101 berichten die spam of andere commerciële uitingen bevatten die niet ten behoeve van het programma zelf waren. De negende en laatste categorie bestond uit 27 tweets die niet binnen de andere acht categorieën konden worden geplaatst en ook niet genoeg overeenkomsten vertoonden om nog een extra groep tweets te onderscheiden.

13

EXPEDITIE TWITTER

3. De negen categorieën ontrafeld

3.1 Berichten zonder boodschap De 222 tweets die binnen de eerste categorie vallen zijn niet 21%

bijzonder interessant. De inhoud van deze groep tweets gaat niet verder dan een simpele mededeling dat men op een bepaald moment het programma EXPEDITIE ROBINSON aan het kijken is. In veel gevallen gaat de inhoud van het bericht niet eens verder dan alleen maar de hashtag #ExpeditieRobinson. 37 berichten bevatten niet

meer dan de hashtag. In andere gevallen vertelt de twitteraar misschien nog wat hij die avond heeft gegeten of wat voor drankje hij nuttigt tijdens het kijken, maar veel verder gaat de inhoud van de berichten binnen deze categorie niet. Deze categorie zou een symbool kunnen zijn voor een misvatting die veel mensen bij Twitter hebben. Veel mensen hebben namelijk een beeld van Twitter, waarbij zij denken dat twitteraars alleen maar posten wat ze eten of dat ze gaan slapen. De berichten binnen deze categorie sluiten inderdaad aan bij die opvatting, maar lang niet alle mensen gebruiken hun Twitteraccount op die manier. Het gaat hier immers om 222 berichten op een totaal van 1070 tweets.

14

EXPEDITIE TWITTER

3.2 Promotietweets De tweets van de deelnemers en programmamakers beslaan slechts een klein deel van de totale hoeveelheid berichten.12 Samen verstuurden zij 4%

gedurende de vierde aflevering in totaal 42 tweets. Het merendeel van deze berichten had als doel om het programma te promoten en meer kijkers te trekken. @ExpeditieRobRTL, het officiële Twitteraccount van het programma stuurde zes tweets rondom de vierde aflevering. Eén

bericht daarvan bevatte een link naar een filmpje met fragmenten uit oudere seizoenen van het programma. Een tweede bericht bevatte een link naar een interview met de afvaller van de vierde aflevering. De andere vier tweets leverden commentaar op wat er op dat moment gebeurde in het programma en maakten vooral ook duidelijk dat EXPEDITIE ROBINSON op dat moment werd uitgezonden.

Bovenstaande tweet is een voorbeeld van het soort berichten dat door het programma zelf wordt verstuurd. Interessant om te zien is dat ze ook actief zoeken naar de participatie van de kijker. Door een vraag te stellen aan de ruim 20.000 volgers van het account wordt geprobeerd een discussie over het programma op gang te brengen. Daarvoor worden ook twee extra hashtags aangeleverd, #teamrood en #teamblauw.13 Het doel hiervan is om de kijker uit te nodigen om zijn of haar favoriete team aan te moedigen via Twitter. Wanneer men ook actief hieraan mee doet weet @ExpeditieRobRTL een groter aantal mensen te

12

Een bijlage met een overzicht van de Twitteraccounts van alle deelnemers aan EXPEDITIE ROBINSON (bijlage 3) kan gedownload worden via http://www.jeffreykoppelaar.nl/scriptie/. 13 Het zou interessant kunnen zijn om in een vervolgonderzoek te achterhalen hoe vaak deze hashtags gebruikt worden in combinatie met #ExpeditieRobinson.

15

EXPEDITIE TWITTER

bereiken dan dat het zelf aan volgers heeft. De hoop is natuurlijk dat door het lezen van dit soort berichten andere mensen nieuwsgierig worden en ook het programma gaan kijken. Twaalf van de in totaal achttien kandidaten van het programma stuurden samen 34 tweets rondom de vierde aflevering. De inhoud van deze berichten varieerde van inhoudelijk commentaar tot een melding dat de betreffende persoon naar zichzelf, en dus naar het programma, aan het kijken was. De impliciete reden hierachter is om meer mensen aan te sporen om te kijken naar EXPEDITIE ROBINSON. Het is duidelijk dat hierdoor meer mensen worden bereikt dan zou gebeuren wanneer er alleen via @ExpeditieRobRTL getweet zou worden over het programma. Vooral Ferry Doedens14 met ruim 160.000 volgers en Mr Polska15 met een volgersaantal van circa 60.000 mensen weten op deze manier een veel groter publiek te bereiken dan het programma zelf, dat ‘slechts’ 23.000 volgers heeft op Twitter. De overige twee berichten werden verstuurd door de werkgevers van twee kandidaten, respectievelijk Nickelodeon, een televisiezender voor kinderen en werkgever van Anouk Maas, en Zwaard Music, het muzieklabel van zangeres Sabrina Starke. Hoeveel groter het bereik precies is door deze tweets kan nu niet gezegd worden. Daarvoor zou een uitgebreide netwerkanalyse uitgevoerd moeten worden.

3.3 Aanmoedigingen en positief commentaar Precies 200 tweets over #ExpeditieRobinson bevatten op de een of andere manier een positieve lading. Zo gebruikten vooral veel twitteraars de hashtag om hun favoriete kandidaat aan te moedigen. Vooral Freddy16 kreeg een hoop positieve reacties, nadat hij een pan 19%

hete olie liet vallen en zijn voet verbrandde. Een ander fenomeen dat veel terugkwam was dat er veel positief commentaar werd geleverd

op het uiterlijk van de kandidaten. Die liepen in veel gevallen vrij schaars gekleed over het eiland vanwege de tropische temperaturen op De Filipijnen, waar dit seizoen de opnames plaatsvonden. Flink wat berichten gingen dan ook over de sixpacks en strakke billen van de kandidaten. Een derde groep was vooral positief over het programma zelf. Zo was er

14

@ferrydoedens. Acteur, onder meer bekend van Goede Tijden Slechte Tijden. @MrPolska. Nederlands/Poolse rapper. 16 @GewoonVjeze. Lid van de Nederlandse rapformatie De Jeugd van Tegenwoordig. 15

16

EXPEDITIE TWITTER

bijvoorbeeld een aantal twitteraars dat hoopte dat EXPEDITIE ROBINSON de Televizierring, een jaarlijkse prijs voor het beste televisieprogramma, zou winnen.

3.4 Negatief commentaar 121 tweets over #ExpeditieRobinson waren negatief van aard. Het publiek had op zeer uiteenlopende zaken kritiek. Allereerst kregen vooral de verschillende kandidaten veel te verduren. Menig twitteraar had het op hen gemunt en vond ze dom of lelijk. De reden voor de 11%

grote hoeveelheid negatieve berichten over de kandidaten kan

waarschijnlijk gevonden worden in het feit dat Twitter deels anoniem is. Het is relatief veilig om vanaf je eigen bank een tweet te versturen met de gedachte dat je de persoon waarover je schrijft nooit in het echt zult ontmoeten. Deze uitspraken zijn in de meeste gevallen dan ook ongenuanceerd en worden niet of nauwelijks onderbouwd. Verder waren er mensen die commentaar hadden op het programma zelf. Mensen vonden vroeger alles beter of eisten juist meer verandering. Men liet vooral ook merken dat ze echt geen EXPEDITIE ROBINSON meer wilden kijken. Tot slot was er een zevental tweets waarin men commentaar had op de grote hoeveelheid reclamebreaks tijdens de uitzending.

17

EXPEDITIE TWITTER

3.5 Commentaar zonder oordeel Ruim een kwart van de 1070 berichten bevatte commentaar, zonder dat daarmee een negatief dan wel positief oordeel werd uitgesproken. De meeste berichten binnen deze categorie geven een 27%

beknopte uiteenzetting van datgene waar de twitteraar op dat moment naar aan het kijken was. De constatering wordt door de

twitteraar gedeeld met zijn of haar eigen publiek en brengt hen zodoende op de hoogte van de gebeurtenissen in EXPEDITIE ROBINSON. Echte discussies ontstaan hierdoor niet. De berichten lokken geen tegenreactie uit zoals de tweets in de vorige twee categorieën wel zouden kunnen doen. In die zin past de inhoud van de tweets binnen deze categorie wel deels bij de berichten uit de eerste categorie. De twitteraars brengen hun eigen volgers op de hoogte van waar zij op een bepaald moment mee bezig zijn, zonder de volgende stap te zetten en er een bepaalde mening of waardeoordeel aan te koppelen. De boodschappen blijven in die zin vrij inhoudsloos. Tegelijkertijd wordt er wel een extra stap gezet doordat de gebeurtenissen uit de aflevering gedeeld worden. Naast deze berichten - die eigenlijk meer mededelingen zijn - is er nog tweede groep tweets die binnen deze categorie valt. Het principe blijft wel hetzelfde, want men deelt bijvoorbeeld een gebeurtenis uit de aflevering waar zij naar kijken, zonder daar een oordeel aan te koppelen. Wat opviel was namelijk dat relatief veel twitteraars uitspraken van de kandidaten of presentators kopieerden. In de meeste gevallen gaat het hier om oneliners. Op zich zou je kunnen beargumenteren dat de persoon die de quote deelt toch een waardeoordeel uitspreekt door te kiezen welke uitspraken, en vooral ook van wie, hij wel en niet deelt met zijn eigen publiek. Tegelijkertijd wordt er in vrijwel alle gevallen geen boodschap aan deze quotes toegevoegd en blijft de inhoud zodoende toch vrij neutraal.

18

EXPEDITIE TWITTER

3.6 Lachen om de kandidaten Humor is een kwestie van smaak. Het is daarom heel lastig om iets te bestempelen als grappig of niet. Het is daarentegen wel wat

3%

makkelijker om te achterhalen of iets als grap bedoeld is, of het nu wel of niet grappig is in de praktijk. Er waren dan ook een aantal tweets die duidelijk als grap bedoeld waren. De meest in het oog springende voorbeelden zijn de memes. De definitie van de meme is vrij breed en staat in veel gevallen ook ter discussie (Gil 2014). Bij dit onderzoek beperk ik mij qua memes slechts tot grappige afbeeldingen, vergezeld door tekst. Rond de vierde aflevering zijn een handvol van deze memes geplaatst op Twitter. Vooral de eetproef was een populair onderwerp voor dit soort grappen. Tijdens deze proef moesten de deelnemers de meest smerige dingen eten, variërend van levende visjes tot eieren met foetussen erin. Toen Remy, een van de kandidaten, een doodnormale hamburger moest eten kreeg hij dit alleen niet door zijn keel. Hierdoor kreeg hij een hoop hoongelach over zich heen. Iedereen at de meest smerige dingen en hij kreeg niet eens een doodgewone hamburger weg. Het maken van memes is een activiteit waarbij de kijker, of de fan, nieuwe content creëert en is daarom een vorm van culturele productie. Het voegt extra waarde toe aan het bestaande product door bestaande elementen te gebruiken om nieuwe dingen te creëren. Het maken van memes kan daarom dan ook als een vorm van ‘fandom’ gezien worden (Jenkins 2013, 279).

19

EXPEDITIE TWITTER

Naast memes werden er door twitteraars ook nog andere grappige opmerkingen gemaakt. In de meeste gevallen leverden deze berichten commentaar op wat er gebeurde in de aflevering, maar vanwege de grappig bedoelde lading is ervoor gekozen deze tweets binnen deze categorie te plaatsen en ze niet bij een van de vorige drie categorieën te plaatsen.

3.7 Vraag maar raak! Dertig berichten met de hashtag #ExpeditieRobinson bevatten 3%

vragen. De inhoud van die vragen verschilde enorm per bericht. Het enige bevraagde onderwerp dat er bovenuit stak ten opzichte van de andere onderwerpen was het format van het programma. Verschillende

mensen

stelden

vragen

over

uiteenlopende

productionele zaken. Hoe is dit spel bedacht? Hoe hebben ze de benodigde spullen op dat 20

EXPEDITIE TWITTER

onbewoonde eiland gekregen? Waar komt de muziek vandaan die gebruikt wordt bij EXPEDITIE ROBINSON? Waarom mogen er alleen BN’ers meedoen aan dit programma? De overige vragen liepen enorm uiteen qua inhoud. Wel zijn er ook enkele kritische vragen, soms gepaard met extra commentaar, gesteld. Deze berichten bevatten kritiek op het programma en stelden daarbij de vraag wanneer bepaalde problemen aangepakt zouden worden. Zo vond een persoon de presentators niet streng genoeg en vond een ander dat de eliminatieronde aangepast moet worden. Echt bijzondere trends kunnen verder niet ontdekt worden.

3.8 Is de hashtag hiervoor wel bedoeld? 101 tweets bevatten wel de hashtag #ExpeditieRobinson, maar 9%

hadden op geen enkele andere manier inhoudelijk ook maar iets te maken met het televisieprogramma. Enkele tweets waren bedoeld ter promotie van andere televisieprogramma’s of bedrijven die inspeelden op het succes van EXPEDITIE ROBINSON, maar het merendeel van deze 101 berichten bevatte regelrechte spam. @TrendinaliaNL

was koploper met in totaal 42 vrijwel identieke berichten. Dit Twitteraccount geeft constant updates over de trending topics17 in Nederland, waarbij de bijbehorende hashtags gebruikt worden. Om de paar minuten wordt een lijst gepost met de meest besproken onderwerpen van dat moment. De waarschijnlijke reden dat deze berichten constant worden geplaatst is dat het bedrijf dat achter dit account zit haar diensten probeert te promoten. Elke tweet bevat naast de informatie namelijk ook een link naar de website van het bedrijf.

17

Trending Topic. Een woord of hashtag waarover op een bepaald moment het meest geschreven wordt op Twitter. De lijsten met trending topics worden per regio apart bijgehouden.

21

EXPEDITIE TWITTER

Waar Deller in 2011 nog helemaal geen tweets signaleerde die spam of andere commerciële uitingen bevatten bestaat anno 2014 bijna een tiende van de datasample uit dit soort berichten. Interessant is om te zien hoe dit soort berichten hun weg naar Twitter hebben gevonden en daarbij slim gebruik maken van populaire thema’s. Door zoveel mogelijk hashtags in een bericht te verwerken is het mogelijk om het bereik van een tweet enorm te vergroten. Gecombineerd met een link naar je product, al dan niet legitiem, is er een relatief grote kans dat mensen ermee in aanraking komen. Dit laat zien dat Twitter een levensvatbaar platform is geworden voor de verspreiding van spam en andere commerciële uitingen.

22

EXPEDITIE TWITTER

3.9 Overige tweets De laatste drie procent aan tweets kon niet geplaatst worden binnen 3%

de andere acht categorieën. Ook bevatten deze berichten te weinig overeenkomsten om nog een nieuwe categorie in het leven te roepen. Omdat de tweets een vrij willekeurige inhoud hebben is het dan ook lastig om er echts iets over te zeggen. Enkele tweets bevatten interacties tussen verschillende personen, waarbij zij de hashtag #ExpeditieRobinson hebben gebruikt. Ook waren er enkele berichten die gingen over wat er gebeurde terwijl iemand EXPEDITIE ROBINSON aan het kijken was. Deze berichten hadden inhoudelijk dus ook niks met het programma te maken. Verder zijn er geen overeenkomsten te ontdekken tussen deze berichten, waardoor het dan ook vrij lastig is om hier nog verder commentaar op te leveren.18

18

Een van de berichten binnen deze categorie is overigens door mijzelf verstuurd om te testen of de stream van Datasift daadwerkelijk werkte. Het bericht in kwestie: “testtweet 2 #ExpeditieRobinson”.

23

EXPEDITIE TWITTER

4. Conclusie In het introductiehoofdstuk van dit onderzoek wierp ik een aantal vragen op dat het productieteam van EXPEDITIE ROBINSON ook zou kunnen stellen wanneer zij de schatten aan informatie op Twitter bekijken. Centraal daarbij stond de vraag of het gebruiken van een hashtag voor een programma als EXPEDITIE ROBINSON een toegevoegde waarde heeft. Heeft het zin om middels een hashtag een afgebakend debat te creëren en heeft dat vervolgens ook de potentie om interessante informatie op te leveren? Kan het programma aan de hand van die informatiestroom zichzelf verbeteren?

4.1 Participatievormen in kaart gebracht Om deze vragen te kunnen beantwoorden heb ik eerst op basis van de methoden van Herring (2004) en Deller (2011) de verschillende participatievormen van EXPEDITIE ROBINSONkijkers gecategoriseerd. Welke vormen van participatie van televisiekijkers via Twitter kunnen er worden onderscheiden in het geval van EXPEDITIE ROBINSON? In totaal onderscheidde ik negen categorieën tweets. De eerste categorie bestond uit berichten waarin men niet meer mededeelde dan dat er naar het televisieprogramma gekeken werd. De tweede categorie bevatte berichten van deelnemers en programmamakers. Vervolgens waren er drie categorieën met respectievelijk positief, negatief en neutraal commentaar op het programma. De zesde categorie bestond uit grappen en memes. De zevende categorie bevatte vragen over het programma. De achtste categorie bestond uit spamberichten en andere commerciële uitingen die niks met EXPEDITIE ROBINSON te maken hadden. De laatste categorie bevatte een klein aantal berichten dat niet in de andere categorieën kon worden ondergebracht. Het was goed mogelijk om de informatiestroom op Twitter in kaart te brengen. Daarentegen bleek het een stuk moeilijker om uit de beschikbare data interessante conclusies te trekken. De inhoud van de tweets, ook binnen de verschillende categorieën, liep te veel uiteen om echt interessante trends te kunnen ontdekken. Alleen de achtste categorie liet iets nieuws zien. Bijna een tiende van alle tweets met de hashtag #ExpeditieRobinson rond de vierde aflevering bevatte namelijk spam of andere commerciële uitingen. Deze tweets laten zien hoe Twitter meer en meer wordt ingezet om reclameboodschappen te verspreiden. In 2011 nam Ruth Deller deze ontwikkeling namelijk nog niet waar.

24

EXPEDITIE TWITTER

4.2 De toegevoegde waarde van een hashtag Uit de contentanalyse van tweets met de hashtag #ExpeditieRobinson kwamen geen echte interessante dingen naar voren. Het merendeel van de tweets bleek vrij inhoudsloos te zijn. Mensen twitterden graag over hun favoriete kandidaat of juist de persoon waar ze een hekel aan hebben, maar een stuk minder over de kwaliteiten of gebreken van het programma. Daarom is het dan ook heel lastig om de opinie op Twitter te gebruiken om het programma, in welke zin dan ook, te verbeteren. Dit roept al vrij snel de vraag op of het gebruiken van een hashtag voor EXPEDITIE ROBINSON dan wel een toegevoegde waarde heeft. Het antwoord op die vraag is afhankelijk van de situatie waarin je hem stelt. Het is dus niet mogelijk om op basis van deze beperkte dataset daadwerkelijke verbeteringen voor het format te formuleren. Er wordt te weinig echte kritiek gegeven en de kritiek die wel gegeven wordt is niet eenduidig genoeg om hier echt iets mee te kunnen. Wanneer de programmamakers van EXPEDITIE ROBINSON Twitter willen gebruiken om de publieke opinie over hun programma te meten, zullen zij al snel bedrogen uitkomen. De beschikbare informatie is helaas niet interessant genoeg om specifieke vragen te beantwoorden. Helemaal waardeloos is de hashtag niet. Wanneer mensen beginnen te twitteren over het programma en daarbij de hashtag gebruiken, zorgt dit voor een groter bereik ervan. Twitteraars die het programma niet kijken worden er zodoende toch mee in aanraking gebracht en eventueel zelfs overgehaald om het programma te gaan kijken. Hoe groot dit bereik is kan nu niet gezegd worden. Het blijft een aanname, die bevestigd zal moeten worden door verder onderzoek.

4.3 Een nieuwe methode biedt nieuwe mogelijkheden Met dit onderzoek heb ik mij beperkt tot een kleine casus. Allereerst heb ik geprobeerd aan te tonen wat de toegevoegde waarde van een hashtag kan zijn voor een programma als EXPEDITIE ROBINSON. Tegelijkertijd heb ik ook geprobeerd een methode te ontwikkelen aan de hand waarvan een contentanalyse van tweets over realityprogramma’s uitgevoerd kan worden. Ik denk dan ook dat deze methode mogelijkheden biedt. Allereerst kan het interessant zijn om deze methode toe te passen op een andere casus. De mening van het publiek van EXPEDITIE ROBINSON was niet erg uitgesproken, maar

25

EXPEDITIE TWITTER

wellicht dat andere televisieprogramma’s wel deze methode kunnen benutten om vragen over de publieksreceptie te beantwoorden. Ik heb een dataset van slechts 1100 tweets verzameld, die ook nog eens rond slechts één aflevering verstuurd zijn. Om die reden zijn de conclusies die ik hebben kunnen trekken dan ook vrij beperkt. Dat wil niet zeggen dat vervolgonderzoek niet interessant kan zijn. Zo is het bijvoorbeeld heel interessant om te onderzoeken hoeveel groter het bereik van het programma is geworden door toedoen van de hashtag. Hiervoor zou een uitgebreide netwerkanalyse moeten worden uitgevoerd. Ook een schaalvergroting van dit onderzoek kan interessant zijn. Wanneer je ditzelfde onderzoek zou uitvoeren, maar dan een seizoen lang en bij elke aflevering de tweets zou monitoren, is de kans dat er zich interessante trends voordoen al een stuk groter. Een grotere dataset biedt in de meeste gevallen meer mogelijkheden en kan in potentie dan ook meer vragen beantwoorden.

26

EXPEDITIE TWITTER

4.4 Een laatste woord Hoewel dit onderzoek geen echt nieuwe inzichten heeft opgeleverd over het televisieprogramma EXPEDITIE ROBINSON heeft het hopelijk wel de fundering gelegd voor een nieuwe manier voor het uitvoeren van een contentanalyse. Toen ik aan dit onderzoek begon bleek al vrij snel dat er nog geen toereikende methode voorhanden was. Om die reden heb ik een contentanalyse 2.0 ontwikkeld om de nieuwe informatiestromen die ontstaan op Twitter in kaart te kunnen brengen. Dat het gebruik van een hashtag niet altijd een toegevoegde waarde hoeft te hebben voor televisieprogramma’s als EXPEDITIE ROBINSON is bewezen. Desondanks blijft het programma er wel fanatiek gebruik van maken om mensen aan te sporen om het programma te kijken. Dat bleek dan ook eens te meer toen ik de laatste hand aan deze scriptie legde en daarover twitterde.

27

EXPEDITIE TWITTER

5. Literatuur Bloem, Jaap, Menno van Doorn, Sander Duivestein, Thomas van Manen, Erik van Ommeren en Sandeep Sachdeva. 2013. No More Secrets with Big Data Analytics. Groningen: LINE UP Boek en Media BV.

Datasift. 2014. Datasift User Guide: 2014. http://dev.datasift.com/sites/default/files/UserGuide.pdf

Deller, Ruth. 2011. “Twittering On: Audience Research and Participation Using Twitter”. Participations Journal of Audience & Reception Studies. 8. 24-46.

De Jong, Steven. 2011. “Sociale Media in 2011 Cruciaal voor Rampen, Revoluties en Rellen”. NRC.nl. http://www.nrc.nl/stevendejong/2011/12/30/sociale-media-in-2011-cruciaal-voorrampen-revoluties-en-rellen/

Gil, Paul. 2014. “What is a ‘Meme’? What Are Examples of Modern Internet Memes?”. About Technology. http://netforbeginners.about.com/od/weirdwebculture/f/What-Is-an-InternetMeme.htm

Habermas, Jürgen. 1962. Strukturwandel der Öffentlichkeit. Frankfurt am Main: Hermann Luchterhand Verlag.

Herring, Susan. 2010. “Web content Analysis: Expanding the Paradigm”. International Handbook of Internet Research. J. Hunsinger, L. Klastrup, M. Allen. 233-249. Dordrecht, Heidelberg, London, New York: Springer.

Irving, Francis. 2014. “The Story of Getting Twitter Data and its “Missing Middle”“. ScraperWiki Blog. https://blog.scraperwiki.com/2014/08/the-story-of-getting-twitter-dataand-its-missing-middle/

28

EXPEDITIE TWITTER

Jenkins, Henry. 2013. Textual Poachers: Television Fans and Participatory Culture – Updated Twentieth Anniversary Edition. New York: Routledge.

Müller, Eggo. 2009. “Formatted Spaces of Participation: Interactive Television and the Changing Relationship Between Production and Consumption”. Digital Material: Tracing New Media in Everyday Life and Technology. Marianne van den Boomen, Sybille Lammes, Ann-Sophie Lehmann, Joost Raessens en Mirko Tobias Schäfer. Amsterdam: Amsterdam University Press. 49-63.

Sluis, Ellen. 2009. “Twitter: Public Space or Public Sphere?”. Masters of Media. http://mastersofmedia.hum.uva.nl/2009/10/06/twitter-public-space-or-public-sphere/

Stichting Kijkcijferonderzoek. 2014. “Week Top 100”. SKO Kijkcijfers. https://kijkonderzoek.nl/component/com_kijkcijfers/Itemid,133/file,w1-1-0-p

Twitter. 2014. “API Overview”. Twitter Developers Documentation. https://dev.twitter.com/overview/api

Van der Kooi, Bart. 2014. “WK Voetbal bij de Publieke Omroep: Huiskamersfeer en Digitale Ondersteuning”. Frankwatching: Online Trends, Tips & Tricks. http://www.frankwatching.com/archive/2014/05/21/wk-voetbal-op-de-buis-nos-biedthuiskamersfeer-en-digitale-ondersteuning/

Van Till, Jaap. 2011. “Sociale Media Brengen Nieuw Systeem met ‘Arabische Lente’”. NetKwesties: Magazine over Maatschappij en Internet. http://www.netkwesties.nl/346/sociale-media-brengen-nieuw-systeem.htm

Wallace, Margaret. 2014. “Bob Memes From “The Walking Dead””. Margaret Wallace. http://www.margaretwallace.com/bob-memes-walking-dead/

29

EXPEDITIE TWITTER

6. Bijlagen Alle bijlagen kunnen gedownload worden via www.jeffreykoppelaar.nl/scriptie/.

Bijlage 1: Rauwe Data #ExpeditieRobinson Bijlage 2: Gecategoriseerde Tweets #ExpeditieRobinson Bijlage 3: Twitteraccounts van deelnemers aan EXPEDITIE ROBINSON

30