Visualiseren van emoties in user generated content datastromen op sociale netwerksites

Visualiseren van emoties in user generated content datastromen op sociale netwerksites Rémon van den Bergh 5862507 Thesis Master Informatiekunde Programma Human Centered Multimedia

Faculteit Natuurwetenschappen, Wiskunde en Informatica

Eindversie: 01-02-2011 Begeleider: dhr. dr. M. Worring dhr. dr. M. Worring, handtekening: mw. dr. J.A.C. Sandberg, handtekening: dhr. prof. dr. M. de Rijke, handtekening:

Visualiseren van emoties in user generated content datastromen op sociale netwerksites Rémon van den Bergh Universiteit van Amsterdam Faculteit Natuurwetenschappen, Wiskunde en Informatica [email protected]

ABSTRACT Sociale netwerksites zijn de laatste jaren wereldwijd extreem populair geworden. Vooral onder jongeren neemt het gebruik van dit soort websites toe. Bezoekers van sociale netwerksites genereren er dagelijks een grote hoeveelheid aan content als blogs, foto’s en video’s. Deze grote datastromen kunnen potentieel veel interessante (nieuwe) informatie bevatten. Door de grootte en de complexiteit ervan is het moeilijk voor een eindgebruiker om deze complexe data te begrijpen. Door visualisatie in te zetten kan de complexe data teruggekoppeld worden naar de eindgebruiker. Maar welke visualisatie sluit daarbij het beste aan bij de gevonden informatie en hoe kan deze visualisatie worden ingezet zodat de gebruiker van een sociale netwerksite ook daadwerkelijk iets kan doen met deze data?

Web 2.0 is daarin een term die verwijst naar een duidelijk waarneembare trend op het internet die sterk in betekenis toeneemt en wordt omschreven als de tweede fase in de ontwikkeling van het World Wide Web. Het gaat over de verandering van een verzameling websites naar een volledig platform voor interactieve webapplicaties voor eindgebruikers op het World Wide Web. Sociale interactie en collectieve intelligentie zijn hierbij de kernbegrippen [23]. De macht op het web is aan de gebruikers doordat deze met nieuwe technologieën eenvoudig en meestal gratis, informatie, muziek, films, vrienden en software kunnen delen. Eén van de belangrijkste trends met betrekking tot Web 2.0 is het toenemend aantal sociale netwerksites. Sociale netwerksites zijn gebaseerd op zogenaamde User Generated Content (UGC) dat wil zeggen content die door gebruikers wordt aangemaakt. UGC is een inhoudelijke bijdrage van een professionele of niet-professionele gebruiker aan een online medium. Dit in tegenstelling tot de traditionele manier, waar professionele mensen in dienst van een mediabedrijf, vaak een redactie, de inhoud van een medium produceren. Gebruikers delen en produceren op grote schaal webcontent. Technische voorkennis is niet langer nodig doordat de Web 2.0 websites het de gebruiker gemakkelijk maken om content toe te voegen. Gebruikers worden er gestimuleerd om hun bijdrage te leveren in de vorm van foto's, video's, audio, recensies, weblogs en recepten. Dit bevordert onderlinge competitie en de diversiteit van stemmingen, emoties en meningen.

De mogelijkheden die de nieuwe informatie biedt, zijn verkend en verwerkt in een klikbare mockup. De acceptatie van de gebruiker is vervolgens met een op het Unified Theory of Acceptance and Use of Technology model gebaseerde vragenlijst vastgesteld. Op basis van de vastgestelde hoge acceptatie van het ontwikkelde concept, onder alle proefpersonen, kan geconcludeerd worden dat een dergelijke applicatie op een sociale netwerksite van toegevoegde waarde is. Kernwoorden Social media, sociale netwerksites (SNS), user generated content (UGC), emoties, data, visualisatie, datastromen, tags, web 2.0, Hyves, smileys, UTAUT. 1. INTRODUCTIE Het internet is niet meer weg te denken uit de samenleving. Grootouders mailen met hun kleinkinderen, scholieren vinden elkaar op MSN en Hyves, studenten bloggen hun opdrachten, en rond elke kwaal, hobby, leefstijl of interesse bestaan online communities. Het internet is gewoon geworden, vanzelfsprekend en vervlochten met het dagelijks leven [12][24].

Emoties zijn daarin de belangrijkste bron van communicatie. Mensen zijn in staat om emoties aan elkaar over te brengen, zowel in persoonlijke contacten (persoonlijke en groepscommunicatie) als in communicatie met massamedia (internet, televisie, radio, film, boek, etc.). Mensen reageren emotioneel op bepaalde prikkels en proberen hun emoties kenbaar te maken in vele vormen van UGC. We vinden het 1

heerlijk om naar de emoties van anderen te kijken en te luisteren.

uitgewerkt in een klikbare mockup, gebaseerd op een van een sociale netwerksite verkregen dataset, om te kunnen bepalen welke visualisatie het beste aansluit bij de eindgebruiker en of een dergelijke applicatie geaccepteerd wordt.

Naarmate de netwerken groeien en de websites een steeds grotere rol spelen in het leven van veel jongeren, wordt steeds meer onderzoek gedaan naar sociale netwerksites. Het onderzoek richt zich daarbij vooral op de communicatie op deze netwerken, het gebruik van de netwerken en het effect hiervan op de gebruikers [13][17]. Onderzoekers stellen vast dat er in het afgelopen decennium een interessante wisselwerking heeft plaatsgevonden tussen technologie en sociologie: de opmars van UGC is mogelijk gemaakt door de snelle technologische vooruitgang, maar heeft veel daadkracht ontvangen door de grootschalige adoptie door de consument. De gelijktijdige toename van de bandbreedte en van het aantal huishoudens dat beschikt over een internetaansluiting (inmiddels 80 procent) heeft een grote groep mensen in staat gesteld om content te verspreiden en te raadplegen via het internet. Meer apparaten hebben meer mogelijkheden gekregen en er kunnen meer data worden opgeslagen zonder kwaliteitsverlies. Door deze ontwikkelingen worden er dagelijks enorme datastromen gegenereerd door gebruikers. Een keerzijde is dat de gebruiker geen eenvoudig inzicht kan krijgen in de datastromen wat een interessante ontwikkeling is. Echter wordt er nog niet veel onderzoek gedaan op het gebied van analyse van UGC datastromen.

2. THEORETISCHE ACHTERGROND Dit hoofdstuk draagt bij aan een goed beeld van welke zaken er benodigd zijn voor het succesvol kunnen uitvoeren van het onderzoek. Er zijn verschillende soorten sociale netwerksites en vele vormen aan UGC. Ook kijken we naar onderwerpen als emoties en tags die een belangrijke rol spelen binnen Web 2.0. 2.1 Soorten sociale netwerksites Boyd en Ellison [6] omschrijven sociale netwerksites als „webgebaseerde diensten die mensen in staat stellen om een publiek of een semi‐publiek profiel te construeren binnen een begrensd systeem, een lijst op te stellen van andere mensen met wie ze een bepaalde band hebben en om te kijken welke verbindingen zij zelf en anderen hebben aangelegd en deze te kunnen volgen‟. Sociale netwerksites kunnen verschillen in hun technische mogelijkheden, maar maken allemaal gebruik van al dan niet voor iedereen zichtbare profielen met veelal algemene informatie zoals leeftijd, geslacht, interesses en een foto van de gebruiker. Ook kan via het profiel worden bekeken welke vrienden onderdeel zijn van het netwerk van de gebruiker. Daarnaast bieden de meeste sociale netwerksites hun gebruikers ook de mogelijkheid om (al dan niet afgeschermde) berichten achter te laten op de profielen van hun vrienden [6].

Dit onderzoek richt zich op die grote datastromen aan UGC die dagelijks gegenereerd wordt door gebruikers op sociale netwerksites. Binnen deze grote datastromen is het interessant om bijvoorbeeld trends te ontdekken en zodoende aan nieuwe informatie te komen en dit vervolgens te visualiseren en terug te koppelen naar de eindgebruiker. De eindgebruiker kan zelf weinig met de huidige grote datastromen door de complexiteit van deze data. Is het mogelijk om uit die grote datastromen interessante (nieuwe) data en/of informatie te filteren en deze op een visueel aantrekkelijke manier te presenteren? Welke visualisatie sluit daarbij het beste aan bij de gevonden trends en hoe kan deze visualisatie worden ingezet zodat de gebruiker van een sociale netwerksite ook daadwerkelijk iets kan doen met de data?

Voorbeelden van sociale netwerksites die op het Web 2.0 principe gebaseerd zijn: Bebo [5], Facebook [8], Flickr [10], Hyves [14], LinkedIn [18], MySpace [19], Netlog [20], Twitter [29], YouTube [33]. De sociale netwerksites worden gebruikt om contact te houden met vrienden, nieuwe vrienden te maken, mensen met dezelfde hobby‟s te vinden en om foto's, links en video's uit te wisselen. Sociale netwerksites kunnen onderverdeeld worden in:  (Klassieke) sociale netwerken: Facebook, Hyves, MySpace  Zakelijk: LinkedIn  Weblogs: Blogger, web-log.nl  Foto- en videohostingsites: Flickr, Picasa, YouTube  Communicatienetwerken: Windows Live Messenger / MSN, ICQ, Yahoo  Microblogs: Twitter

Om hier antwoord op te krijgen, onderzoeken we of het mogelijk is om emoties af te leiden uit de titels en smileys die geplaatst worden bij foto‟s op sociale netwerksites. Vervolgens willen we deze emoties visualiseren zodat deze nieuwe informatie bruikbaar wordt voor de eindgebruiker. De visualisaties worden 2

Binnen dit onderzoek zullen we ons gaan richten op de klassieke sociale netwerken omdat deze vele vormen van UGC vertonen. De datastromen die er gegenereerd worden zijn complex en bieden potentieel interessante informatie met het oog op visualisatie.

voorzien zijn van metadata (titel, tags, geolocatie, datum, smileys, etc.). 2.3 Smileys & emoties Anders dan in het normale leven verloopt internetcontact vrijwel uitsluitend tekstueel. Glimlachjes, fronsen, minachtende zuchtjes en andere non-verbale cues die gewone communicatie rijk maken, ontbreken noodzakelijkerwijs in een digitale omgeving. Om aan te geven wat de toon van een bericht is of om misverstanden te voorkomen worden emoties op sociale netwerksites naast tekst en beeld vaak uitgedrukt in de vorm van emoticons en smileys.

2.2 User Generated Content (UGC) Bij user generated content in het algemeen gaat het er in eerste instantie om dat de gebruiker voldoende binding heeft met het onderwerp (of aanleiding krijgt) om er iets mee te doen, anders zal hij immers zijn content niet genereren. In de praktijk zijn dit zaken die mooi, lief/schattig of grappig zijn, wat neerkomt op de beter gelukte vakantiefoto‟s, kinderen en/of dieren en uitglijers, of een combinatie hiervan. Maar in het meeste geval gaat het bij user generated content om zaken waar de gebruiker trots op is [2].

Een smiley wordt gezien als een eenvoudig tekeningetje van een lachend gezichtje. Het begrip „smiley‟ wordt ook uitgebreider gebruikt voor gelijkaardige gezichtjes die andere gemoedstoestanden uitbeelden. Een smiley in ASCIItekens is een emoticon [zie Figuur 1].

Tegenwoordig hebben veel mensen een breedbandaansluiting zodat het uploaden van grote hoeveelheden data veel sneller gaat. Ook door de ontwikkelingen op mobile devices wordt het steeds eenvoudiger voor de gebruiker UGC te genereren op sociale netwerksites. Hierdoor ontstaat een interessant probleem omdat de grote datastromen zeer complex zijn maar potentieel veel interessante informatie kunnen bevatten. Door de grootte en die complexiteit kun je er als gebruiker niet veel mee. Volgens ons ligt hier een gemiste kans, namelijk de vertaling naar een visualisatie.

Figuur 1 – Meest gebruikte emoticons

In 1982 typte Scott E. Fahlmann, computerwetenschapper aan de Carnegie Mellon University, de eerste :-). Hij gebruikte de emoticons op het interne bulletin board van de universiteit. Fahlman stelde een symbooltje voor om aan te geven welke boodschappen niet helemaal serieus bedoeld zijn [1].

Het project “We Feel Fine” van Jonathan Harris is een goed voorbeeld van een visualisatie aan complexe datastromen die bruikbaar is voor de eindgebruiker. Wetenschappers onderzochten ruim 300 miljoen Twitter berichten uit de periode 2006-2009 om erachter te komen hoe blij Amerika is. Door de Twitter berichten te analyseren, zijn de onderzoekers erachter gekomen dat mensen gemiddeld blijer zijn in de vroege ochtend en in de late avond dan tijdens de dag. Op donderdagavond, een dag voor het weekend begint, is Amerika het minst blij. Mensen in het midden van de VS en aan de oostkust zijn het minst goedgehumeurd, aldus de onderzoekers. Zij maken met dit onderzoek vooral duidelijk hoeveel informatie er publiek beschikbaar is en wat je er mee zou kunnen doen [31].

Emoticons worden voornamelijk gebruikt bij het chatten of bij het versturen van e-mail. Door de opkomst van nieuwe communicatiekanalen wordt het emoticon ook veelzijdig gebruikt op weblogs, in sms en op sociale netwerksites [zie Figuur 2]. Tegenwoordig is het gangbaar de emoticons weer te geven als (bewegende) afbeeldingen (animated gif), deze trend is voornamelijk afkomstig uit bulletin boards en instant messenger programma's. Hierdoor is het onderscheid tussen emoticon en geanimeerde afbeelding voor sommige gebruikers enigszins vervaagd. In de regel zijn emoticons klein en dienen als aanvulling op tekst om ambiguïteit te voorkomen.

Waar in het onderzoek van “We Feel Fine” Twitter berichten centraal staan, willen wij ons in dit onderzoek gaan richten op foto‟s met bijbehorende metadata. Foto‟s zijn interessant voor ons onderzoek omdat deze op de klassieke sociale netwerken vaak

Figuur 2 – Selectie van smileys op sociale netwerksite Hyves

3

2.4 Tags Tagging is het toepassen van tags aan UGC. Simpel geformuleerd kunnen tags beschouwd worden als labels die aan stukjes informatie kunnen worden gehangen. Een tag is een lexicaal trefwoord of term dat gekoppeld is aan informatie (zoals een bookmark, digitale foto, of computerbestand). Zo‟n stukje informatie kan één tag bevatten, maar ook meerdere.

het creëren van een dataset gebaseerd op populaire tags. 2.5 Samenvattend De toevoeging van onder andere tags, titels, geolocatie, gebruik van smileys bij foto‟s op sociale netwerksites biedt een potentiële bron om nieuwe en waardevolle informatie te kunnen ontdekken binnen grote datastromen. Door smileys die gebruikt worden in titels bij foto‟s op sociale netwerksites om te zetten naar een categorie emotie en dit vervolgens te visualiseren, wordt het mogelijk voor de eindgebruiker om daadwerkelijk iets nuttigs met deze nieuwe informatie, verkregen uit complexe datastromen, te doen zodat deze ook er iets aan heeft.

Dit soort metadata helpt bij het beschrijven van een item en maakt het mogelijk om opnieuw te worden gevonden door te bladeren of te zoeken. Tags zijn over het algemeen informeel en persoonlijk gekozen door de maker van het object of door de bezoeker. Tags zijn populair geworden door websites die verband houden met Web 2.0. Je ziet ze op vrijwel alle sociale netwerksites terugkomen en mede daardoor is metadata interessant voor dit onderzoek.

3. METHODE Omdat in dit onderzoek smileys van belang zijn om emotie te kunnen visualiseren, is gekozen om de Nederlandse sociale netwerksite Hyves te gebruiken voor dit onderzoek. Uniek aan Hyves, ten opzichte van andere klassieke sociale netwerksites zoals Facebook en MySpace, is dat de titel en de beschrijving bij een geplaatste foto voorzien kan worden van één of meerdere smileys.

Fotowebsite Flickr laat bijvoorbeeld haar gebruikers foto‟s taggen om hier betekenis aan toe te kennen. Zo heeft een gebruiker van Flickr die een foto van de binnenstad van Amsterdam heeft toegevoegd, allerlei soorten tags toegekend aan zijn foto zoals: „photography‟, „fotografie‟, „amsterdam‟, „netherlands‟, „holland‟, „bridge‟, „sky‟, „houses‟, „bikes‟, enzovoorts. Wanneer een bezoeker aan Flickr nu zoekt op „amsterdam houses‟, zal deze foto worden getoond in de zoekresultaten.

Hyves bestaat sinds september 2004 en beschikt op het moment van schrijven over ruim 10 miljoen geregistreerde gebruikers die per dag gemiddeld 2 miljoen foto‟s uploaden en gemiddeld 20.000 blogs per dag plaatsen.

Er is reeds veel onderzoek gedaan naar hoe mensen foto's organiseren en annoteren en naar de redenen waarom mensen foto's annoteren. Ames et al. [3] hebben aangetoond dat mensen vooral gemotiveerd zijn om te taggen voor hun persoonlijke organisatie, om te communiceren met familie en vrienden, en voor de vindbaarheid van hun foto‟s voor het grote publiek.

Een profielpagina op Hyves bestaat uit elementen zoals: wie wat waar, „krabbels‟, blogs, foto‟s, etc. Er zijn verschillende functies en instellingen mogelijk bij een geplaatste foto. Allereerst kan de gebruiker aangeven of een foto bekeken kan worden door iedereen (publiek), alleen door vrienden, vrienden van vrienden of alleen door de gebruiker zelf. Als tweede kan de gebruiker de foto voorzien van een titel (inclusief eventuele smileys) en een beschrijving respectievelijk boven en onder de foto.

Gebaseerd op deze resultaten hebben Nov et al. [21] onderzoek op grotere schaal uitgevoerd en stelde daarin vast dat mensen vooral gemotiveerd zijn om te taggen voor zichzelf of voor het grote publiek, en niet zozeer voor familie en vrienden. Over het algemeen zijn mensen lui als het gaat om tagging [3]. Taggingaanbevelingssystemen van hoge kwaliteit die eenvoudig in gebruik zijn kunnen de kwaliteit van de tags bevorderen, maar zelfs dan voegen mensen vaak nog dezelfde tags toe aan alle foto's van een evenement [3].

Naast deze twee instellingen kan de gebruiker tags voor elke foto toevoegen. De Hyves interface toont de door de gebruiker ingevoerde tags aan de rechterkant van de foto op de fotopagina [zie Figuur 3]. Ook is het mogelijk om de foto op een kaart te plaatsen. De foto wordt dan voorzien van een GPS coördinaat (latitude en longitude). Ook kan het zijn dat de foto die gemaakt is, geplaatst wordt op Hyves met een mobiele device. In dit geval wordt de GPS coördinaat automatisch toegekend aan de foto.

Aan de hand van tags kan bepaald worden welke onderwerpen er populair zijn op een sociale netwerksite. In dit onderzoek nemen we tags mee voor

4

Zodra men een punt of thumbnail aanklikt op de kaart, wordt er een popup zichtbaar met hierin de titel, grotere thumbnail, gebruikte smileys, tags en gebruikersnaam van de desbetreffende foto [zie Appendix B1]. In de tijdlijn visualisatie worden foto‟s per dag als gestapelde gekleurde balkjes weergegeven waarbij de kleuren overeenkomen met een categorie van emotie. De thumbails worden zichtbaar opengevouwen zodra over een gekleurd balkje genavigeerd wordt met de muis. Zodra men de thumbnail aanklikt, wordt dezelfde popup zichtbaar zoals hierboven beschreven bij de kaart visualisatie [zie Appendix B2]. Met de pijltjestoetsen of buttons links en rechts naast de visualisatie kan er terug en verder gebladerd worden door de tijd.

Figuur 3 – Een fotopagina op Hyves; titel (voorzien van een smiley) staat boven de foto, kaart en tags staan aan de rechterkant. Gebruikers kunnen op de tags klikken om publieke foto’s te zien van andere Hyves gebruikers scharend onder dezelfde tag.

De grafieken visualisatie bestaat onder andere uit een pie chart waarin op elke taartpunt het beleg bestaat uit punten (gevonden foto‟s bij een categorie emotie) binnen een bepaalde periode. Alle taartpunten hebben een kleur die overeenkomt met de aangevinkte emoties aan de rechterkant. Zodra een punt in de pie chart wordt aangeklikt, wordt een popup zichtbaar in dezelfde vorm als in de andere visualisaties [zie Appendix B3].

3.1 Data Om beter inzicht te krijgen in de data op Hyves wordt er gebruik gemaakt van een dataset waarbij de volgende gegevens worden opgehaald: mediaid, userid, url (foto), title, description, created, tags, geolocation. De smileys in de titels zijn hierbij gefilterd en vervolgens omgezet naar verschillende categorieën van emoties (algemeen, blij, boos, cool, feestje, liefde, onbegrip, types, activiteit, tong, dieren). Deze categorieën zijn identiek aan de categorieën zoals deze op Hyves gehanteerd worden. De categorie „algemeen‟ bestaat uit de algemeen geaccepteerde emoticons [zie Figuur 1] die omgezet zijn naar een smiley. Deze smileys zie je ook terugkeren op de andere sociale netwerksites. De smileys in de andere categorieën van emotie zijn uniek op Hyves [zie Figuur 2].

Tot slot de visualisatie waarbij op een grid de gebruiker eenvoudig door de foto‟s kan bladeren binnen een geselecteerde periode. Iedere foto heeft een gekleurd kader die overeenkomt met de bijbehorende emotie. De popup wordt zichtbaar na het klikken op een foto [zie Appendix B4]. 3.3 Proefpersonen Door proefpersonen in een gebruikerstest met Hyves Moodz te laten interacteren, willen we onderzoeken welke vorm van visualisatie het best aansluit bij de eindgebruiker. De proefpersonen voor dit onderzoek zijn geselecteerd op basis van het criteria dat zij actief zijn op een sociale netwerksite als Hyves of Facebook. De reden hiervoor is het dat het onderzoek zich richt op het toekomstig gebruik van een dergelijke applicatie op dit soort sites. Omdat wetenschappelijk is aangetoond dat voor gebruikerstesten 10 proefpersonen voldoende is [25] gaan wij in dit onderzoek ook van 10 proefpersonen uit.

3.2 Mockup Hyves Moodz Op basis van de bevindingen uit het voorgaande hoofdstuk en de (nieuwe) verzamelde data is er een klikbare mockup van een mogelijke applicatie „Hyves Moodz‟ ontwikkeld waarbij gebruikers inzicht kunnen krijgen hoe Nederland zich voelt vandaag. Hyves Moodz bestaat uit vier uitgewerkte visualisaties: kaart, tijdlijn, grafieken en een grid. Bij eerstgenoemde visualisatie worden de foto‟s op een kaart geplot door gebruik te maken van de geolocatie (latitude, longitude). Op uitgezoomd niveau worden de resultaten gevisualiseerd als gekleurde punten. De kleuren komen overeen met een categorie van emotie. Zodra men inzoomt op de kaart worden de punten op de kaart vervangen door thumbnails.

Van deze proefpersonen waren 5 personen man en 5 personen vrouw. De leeftijd binnen de groep proefpersonen varieert van 19 jaar tot 63 jaar, waarbij het gemiddelde op ongeveer 34 jaar uitkomt met een standaarddeviatie van 14 jaar.

5

Het opleidingsniveau binnen de groep is voornamelijk middelbaar- (N=3) en beroepsonderwijs (N=6). Eén proefpersoon was wetenschappelijk geschoold. Alle proefpersonen gaven aan actief te zijn op een sociale netwerksite.

Aangenomen wordt dat deze constructen worden beïnvloed door geslacht, leeftijd, ervaring en vrijwillig gebruik van technologie. In dit onderzoek zullen ook de door Venkatesh onderzochte constructen worden toegevoegd (zie Figuur 4) [30]:

3.4 Gebruikerstest Aan de proefpersonen is het doel van de applicatie kort uitgelegd door de proefleider. Tevens is vermeld dat er in het onderzoek geen prestaties gemeten zouden worden, om te voorkomen dat de proefpersonen druk zouden ervaren. Er is gekozen om de proefpersonen eerst kennis te laten maken met de Hyves Moodz door ze vrij te laten interacteren met de nieuwe beschikbare data. Na het werken met Hyves Moodz is de proefpersonen een vragenlijst voorgelegd. Zowel tijdens het werken met de mockup als het invullen van de vragenlijst bestond de mogelijkheid voor de proefpersonen om hun ervaringen te delen met de proefleider.

 Attitude towards Technology, de algemene affectieve reactie van de gebruiker op het gebruik van het systeem.  Anxiety, de mate waarin emoties bij de gebruiker worden opgewekt door het gebruik van het systeem.

Er is gekozen om Attitude towards Technology als construct mee te nemen in het model omdat de applicatie mogelijk in de toekomst zal gaan draaien op een mobile handheld device, waardoor het al dan niet accepteren van de te gebruiken technologie een rol zal spelen bij de vorming van intenties m.b.t. het gebruik van de applicatie. Het Anxiety construct is meegenomen voor het delen van informatie en het gebruiken van informatie afkomstig van derden met de applicatie mogelijk emoties los kunnen maken die mee kunnen spelen in de intenties van de gebruiker.

Het is gebruikelijk om een vragenlijst op basis van het in dit onderzoek gebruikte model (zie paragraaf 3.5 over de ontwikkeling van de vragenlijst) af te nemen na training of na het opdoen van enige ervaring met het te onderzoeken informatie systeem. 3.5 Vragenlijst Om te kunnen onderzoeken of gebruikers mogelijk ook gebruik zullen gaan maken van een applicatie op een sociale netwerksite, is een vragenlijst opgesteld op basis van de Unified Theory of Acceptance and Use of Technology (UTAUT) [30]. Het aangepaste UTAUT model dat we gaan inzetten heeft tot doel om de drijfveren van gebruikers van een applicatie op een sociale netwerksite en het bijbehorende gebruiksgedrag te verklaren. Binnen het model worden vier constructen gebruikt om intentie en gedrag te verklaren, waarvan de volgende drie door ons zullen worden gebruikt:

Figuur 4 – Aangepast UTAUT model

De voor het onderzoek aangepaste UTAUT vragenlijst bestaat uit 18 vragen, verdeeld over de verschillende constructen. De vragen kunnen worden gescoord op een zevenpunts Likert-schaal, lopend van 1 (zeer sterk oneens) tot 7 (zeer sterk eens). De vragen uit de oorspronkelijke UTAUT vragenlijst zijn vertaald naar het Nederlands om de vragenlijst af te kunnen nemen onder een Nederlandstalige groep proefpersonen die mogelijk de Engelse taal niet geheel machtig is. Bij elke vraag dient de proefpersoon een toelichting te geven. De vragenlijst wordt afgesloten met een exitvragenlijst.

 Performance Expectancy, de mate waarin een persoon denkt dat het gebruik van het systeem zal bijdragen aan het verbeteren van de prestaties bij een uit te voeren taak.  Effort Expectancy, de mate waarin een persoon denkt dat het gebruik van het systeem weinig moeite zal kosten en problemen op zal leveren.  Facilitating Conditions, de mate waarin een persoon denkt dat een organisatorische en technische infrastructuur aanwezig is om gebruik van het systeem te ondersteunen.

In de exitvragenlijst worden de proefpersonen gevraagd naar hun leeftijd, geslacht, culturele achtergrond, hoogst voltooide opleiding. Zowel de vragenlijst als de exitvragen zijn terug te vinden in Appendix C.

6

4. RESULTATEN

smileys gebruikt worden uit de categorie liefde en in augustus er een piek te zien is bij het gebruik van smileys uit de categorie algemeen. Het logisch kunnen verklaren van deze piek zou een volgende stap kunnen zijn door gebruik te maken van een dergelijke applicatie als Hyves Moodz.

4.1 Analyse van de data De dataset, gebaseerd op de top 100 aan populairste tags op Hyves [zie Figuur 5], resulteerde in ruim 235.000 unieke foto‟s waarvan bijna 6.800 foto‟s een smiley in de titel bevat en ruim 10.000 foto‟s informatie over geolocatie.

Figuur 5 - Populairste tags op Hyves

De verkregen dataset is vervolgens geanalyseerd met behulp van de door de UVA ontwikkelde tool MediaTable [zie Appendix A]. Met MediaTable is het mogelijk om de data te visualiseren in onder andere een tabel, grid, barplot, pointcloud en tijdlijn [16].

Grafiek 2 – Gebruik van smileys uit de categorieën liefde en algemeen uitgezet over maanden

Vervolgens hebben we gedetailleerder gekeken naar de foto‟s met een smiley in de titel uit de populairste categorie liefde. Met een grid in MediaTable wordt zichtbaar dat 3002 van de 3345 foto‟s een persoon bevat. De foto‟s die geen persoon bevatten, bestaan voornamelijk uit bezittingen waar men trots op is (huis, baby, huisdieren, auto, tatoeages), plaatsen waar men is geweest (vakantie), evenementen en feesten waar men is geweest of iets wat men heeft gemaakt (portret, fotoshoot, fotografie, kunst).

Als we in MediaTable gedetailleerd naar de data gaan kijken in de tabel en daarbij alleen de foto‟s gebruiken die een smiley in de titel bevat, resulteert dat in 6767 foto‟s waarvan 3345 foto‟s met een smiley uit de categorie liefde, 2167 foto‟s uit algemeen, 383 foto‟s uit types, 367 foto‟s uit blij, 183 foto‟s uit activiteit, 171 foto‟s uit cool, 48 foto‟s uit dieren, 47 foto‟s uit onbegrip, 31 foto‟s uit boos en 25 foto‟s uit tong. Grafiek 1 geeft de gebruikte smileys weer in categorieën waarin duidelijk is dat smileys uit de categorie liefde het meest gebruikt worden.

4.2 Evaluatie van de vragenlijst De data is in een klikbare mockup op vier verschillende manieren in een visualisatie uitgewerkt en middels interactie met de applicatie en een aansluitende vragenlijst getest. De betrouwbaarheid van de vragenlijst die gebruikt is in dit onderzoek had een Cronbach‟s α = .929. De betrouwbaarheid van de verschillende deelconstructen worden vermeld in Tabel 1. Op basis van de vastgestelde betrouwbaarheid is te concluderen dat de interne consistentie van de vragenlijst hoog is, en dat de vragenlijst een goede indicatie kan geven of men de applicatie daadwerkelijk zal gebruiken. De scores van de vragenlijst bleken na een Kolmogorov-Smirnov test niet significant te verschillen van een normaal verdeelde distributie (D(15)=.162, p>.05). Een Pearson correlatietest is uitgevoerd om vast te kunnen stellen of de constructen correleerden als in het onderzoek van Venkatesh, en om te bepalen of de twee toegevoegde constructen correleren met het construct Behavioral Intention. De uitkomsten hiervan worden vermeld in Tabel 2.

Grafiek 1 – Resultaten van de gebruikte smileys in de titels van foto’s naar categorieën

Als we het gebruik van smileys uit de categorie liefde vergelijken met die uit de categorie algemeen over de maanden (zie Grafiek 2) valt op dat in april veel

7

Construct

Betrouwbaarheid

Performance Expectancy

3 items Cronbach‟s α = .761 Mean= 5.71, SD= .17, range= 5.53-5.87 4 items Cronbach‟s α = .860 Mean= 5.61, SD= .39, range= 5.07-5.93 4 items Cronbach‟s α = .799 Mean= 5.53, SD= .36, range= 5.00-5.73 1 item Cronbach‟s α = Mean= 6.13, SD= .64, range= 5.00-7.00 3 items Cronbach‟s α = .672 Mean= 6.29, SD= .19, range= 6.07-6.40 3 items Cronbach‟s α = .868 Mean= 5.27, SD= .11, range= 5.20-5.40

Effort Expectancy Attitude towards Technology Facilitating Conditions Anxiety

Behavioral Intention

schaal van 1 tot 7 komt dit neer op een waardering die ligt tussen “enigszins eens” en “sterk eens” op de vraag of men bereid is om de applicatie te gaan gebruiken op een sociale netwerksite. De gemiddelde score op de vragenlijst was 5.70, met een minimum van 4.56 en een maximum van 6.50. De standaard deviatie van de scores bedroeg 0.62. Venkatesh [30] geeft aan dat onder andere geslacht en leeftijd invloed uitoefenen op de constructen binnen het model. Daarom is er tevens gekeken of er voor geslacht en leeftijd significante verschillen waarneembaar waren. Gezien het doel van het onderzoek is niet gekeken naar de invloed van geslacht en leeftijd op de specifieke constructen en de interactie daartussen. Wel is er rekening gehouden met personen die reeds actief zijn op een dergelijk sociale netwerksite als Hyves of Facebook.

BI

Gemiddeld genomen is er geen significant verschil (t(13)=0.86, p>.05) in intentie om de applicatie te gebruiken tussen mannen (M=5.83, SE=.19) en vrouwen (M=5.55, SE=.27).

-

Om vast te stellen of er een significant verschil bestaat tussen jonge en oude mensen is op basis van de gemiddelde leeftijd de steekproefpopulatie opgedeeld in jonge personen (N=5, leeftijd < 34) en oude mensen (N=5, leeftijd >= 34). Gemiddeld genomen is er geen significant verschil (t(13)=-.75, p>.05) in de bereidheid om de applicatie te gebruiken tussen jonge (M=5.55, SE=.33) en oude (M=5.80, SE=.17).

Tabel 1 - Betrouwbaarheid deelconstructen

PE

EE

AT

FC

AX

PE

-

EE

.348

-

AT

.691*

.610*

-

FC

.358

.557*

.418

-

AX

.352

.702**

.570*

.712**

-

BI

.526*

.694**

.801**

.288

.530*

Los van de verkregen antwoorden op de vragenlijsten gaven de proefpersonen zelf ook reacties met betrekking tot Hyves Moodz. Bijna alle proefpersonen vinden de kaart de meest interessante visualisatie om mee te werken. Dit is ook terug te zien in het gedrag tijdens de gebruikerstest. Ze vinden het heel interessant om te zien hoe Nederland zich voelt vandaag. Enkele proefpersonen geven aan dat het interessant zou zijn om op de kaart eenvoudiger door de tijd te kunnen scrollen en om zo veranderingen van emoties beter te kunnen waarnemen. Ook zouden ze graag willen zien waarmee hun vrienden zich momenteel mee bezig houden en of voelen.

Tabel 2 – PE = Performance expectancy, EE = Effort Expectancy, AT = Attitude towards Technology, FC = Facilitating Conditions, AX = Anxiety, BI = Behavioral Intention * Significante correlatie, p(2-tailed) = .05 ** Significante correlatie, p(2-tailed) = .01

De constructen Performance Expectancy, Effort Expectancy, Attitude towards Technology en Anxiety bleken allen significant te correleren met het construct Behavioral Intention. Daarnaast vertoonde het construct Facilitating Conditions geen significante correlatie met het construct Behavioral Intention, wat verwacht kon worden op basis van het UTAUT model.

Tot slot waren er enkele proefpersonen die enkele kritische kanttekeningen plaatsten. Zij vroegen zich onder andere af op welke manier de toegevoegde informatie gevalideerd zou worden op betrouwbaarheid en correctheid om “vervuiling en misbruik” van de applicatie te voorkomen.

4.3 Evaluatie van de visualisaties De gemiddelde score geeft volgens het UTAUT model een indicatie van de intentie om de Hyves Moodz applicatie te gebruiken en het daarbij behorende gebruiksgedrag. Met een gemiddelde van 5.70 op een 8

5. DISCUSSIE Dit onderzoek heeft zich voornamelijk gericht op het bekijken hoe de acceptatie onder gebruikers van sociale netwerksites ligt, ten opzichte van een nieuwe applicatie. De prioriteit lag daardoor bewust bij het aftasten hoe potentiële gebruikers hier tegenover staan.

gebruikt worden in de WWW‟s, van de afgelopen 24 uur weergegeven. Daar ziet Hyves interessante trends ontstaan zoals bijvoorbeeld iedere week een piek tegen het einde van de week ontstaat van smileys uit de categorie feest. In de nabije toekomst wil Hyves ook krabbels, blogs, foto‟s, geolocatie en video‟s meenemen in deze pagina [16][22].

De ontwikkelde mockup Hyves Moodz bleek een hoge acceptatie te hebben onder de proefpersonen, zowel onder mannen als vrouwen en onder jonge en oude mensen. Hiermee is voldaan aan de verwachting dat een dergelijke applicatie voor gebruik binnen sociale netwerksites een hoge acceptatie geniet. Door visualisatie in te zetten worden complexe datastromen bruikbaar en interessant voor de gebruikers van sociale netwerksites. Om UGC in te zetten voor visualisaties dient het minimaal de volgende eigenschappen te bezitten: url (foto), titel, tags, created (datum) en geolocatie. Het is belangrijk om deze eigenschappen te stimuleren op de GUI van een sociale netwerksite.

6. CONCLUSIE Op basis van de dataset en gevonden resultaten kunnen wij concluderen dat de foto‟s die geplaatst worden op een (klassieke) sociale netwerksite vooral bestaan uit foto‟s die men graag aan anderen (vrienden) wilt laten zien om jezelf te presenteren. De foto‟s bestaan voornamelijk uit bezittingen waar men trots op is (huis, baby, huisdieren, auto, tatoeages), plaatsen waar men is geweest (vakantie), evenementen en feesten waar men is geweest en iets wat men heeft gemaakt (portret, fotoshoot, fotografie, kunst). Deze foto‟s staan sterk in verband met hun emoties. Door deze emoties slim te analyseren en vervolgens te visualiseren in een applicatie als Hyves Moodz tonen wij een manier aan om complexe datastromen bruikbaar, begrijpbaar en interessant te maken voor de gebruiker van een sociale netwerksite.

In verband met privacy zijn in dit onderzoek alleen foto‟s en bijbehorende metadata gebruikt van publieke profielen. In vervolgonderzoek zou het interessant zijn als er gewerkt kan worden met een dataset verkregen van niet-publieke profielen omdat er dan op basis van een veel grotere dataset gevisualiseerd kan worden.

Voor het visualiseren van emoties uit smileys die gebruikt worden in de titel bij een foto op een sociale netwerksite lijkt een visualisatie gebaseerd op een kaart het meeste potentie te hebben. Doordat gebruikers kunnen interacteren met deze visualisatie (nieuwe data) kunnen zij een nieuw soort informatie vergaren en mogelijk trends ontdekken. Daarnaast zal dit leiden tot het langer verblijven van gebruikers op de sociale netwerksite en zullen ook vaker terugkeren.

Er is gebleken dat de publieke foto‟s die dagelijks op Hyves worden geplaatst weinig tags of extra informatie zoals geolocatie bevatten. Daar ligt volgens ons een gemiste kans en zou op een slimme manier gestimuleerd moeten worden bij de gebruiker van een sociale netwerksite. Ook zou het uiterst interessant zijn om met realtime data te kunnen werken.

7. DANKWOORD Speciale dank gaat uit naar Dhr. Dr. M. Worring van de Universiteit van Amsterdam voor zijn begeleiding gedurende het afstudeertraject.

5.1 Toekomstig werk De positieve uitkomst van dit onderzoek biedt een basis voor vervolgonderzoek naar het visualiseren van UGC datastromen op (klassieke) sociale netwerksites. Ook biedt de uitkomst meer zekerheid voor bijvoorbeeld bedrijven om te investeren in dit soort applicaties en voor sociale netwerksites om dergelijke applicaties te laten ontwikkelen.

Op deze plaats willen wij ook Yme Bosma (Manager Business Development & Partnerships bij Hyves) bedanken voor zijn presentatie over het bedrijf Hyves en de huidige en toekomstige ontwikkelingen. Zijn verhaal heeft geleid tot interessante inzichten op het gebied van datastromen op sociale netwerken.

Hyves experimenteert op het moment van schrijven met de publieke WWW‟s (Wie, Wat, Waar?) van haar leden. Hyves NU is een pagina waar alle publieke WWW's van hyvend Nederland voorbij stromen. Aan de hand van 120.000 publieke WWW-berichten per dag laat Hyves zien waar Nederland over praat, welke tv-programma‟s er worden bekeken en waar men heen gaat. Ook zijn de meest gebruikte smileys, die

Tot slot willen wij graag ook de proefpersonen bedanken voor hun tijd en bijdrage aan het testen van Hyves Moodz. Het blijkt hoe belangrijk het is om de eindgebruiker te betrekken bij een ontwikkelproces. Zij zijn uiteindelijk degene die het eindproduct ook daadwerkelijk gaan gebruiken.

9

REFERENTIES 1. Adams, C. Who invented the smiley face? A Straight Dope Classic from Cecil's Storehouse of Human Knowledge. 1993. http://www.straightdope.com/columns/read/961/w ho-invented-the-smiley-face

16. Kol, E. Hyves; het populairste digitale vriendennetwerk, de onstuimige groei van een internetbedrijf, iedereen zijn eigen Hyves, de do’s en don’ts. Kosmos Uitgevers, 2008. 17. Kumar, R., Novak, J. and Tomkins, A. Structure and evolution of online social networks. Proceeding of 12th International Conference on Knowledge Discovery in Data Mining. ACM Press, 2006 (pp. 611-617).

2. Adformatie. Hoe werkt user generated content nou echt? http://blog.adformatie.nl 3. Ames, M. and Naaman, M. Why We Tag: Motivations for Annotation in Mobile and Online Media, In Proc. CHI 2007, 2007.

18. LinkedIn. http://www.linkedin.com. 19. MySpace. http://www.myspace.com

4. Antani, S., Kasturi, R. and Jain, R. A survey on the use of pattern recognition methods for abstraction, indexing and retrieval of images and video. Pattern Recognition, 2002.

20. Netlog. http://www.netlog.com 21. Nov, O., Naaman, M. and Ye, C. What Drives Content Tagging: The Case of Photos on Flickr. In Proc. CHI 2008.

5. Bebo. http://www.bebo.com

22. NU.nl. http://www.nu.nl. Hyves gaat trends volgen. Oktober 2010.

6. Boyd, D.M. and Ellison, N.B. Social Network Sites: Definition, History, and Scholarship. Journal of Computer‐Mediated Communication. Vol. 13, issue 1, 2007.

23. O‟Reilly, T. What is Web 2.0? Deisgn Patterns and Business Models for the Next Generation of Software, oreilly.com, 2005.

7. Davis, F.D. User acceptance of information technology: system characteristics, user perceptions and behavioural impacts. Int. J. ManMach. Stud. 38, 3 , 475-487, 1993.

24. Pew. A decade of adoption. How the internet has woven itself into American life. 2005. 25. Put, W. van der. Website usability. Addison Wesley. Pearson Education Benelux, 2006.

8. Facebook. http://www.facebook.com. 9. Few, S. Information Dashboard Design, The Effective Visual Communication of Data. O‟Reilly Media Inc., 2006.

26. Rooij, O. de, Worring, M. and Wijk, J.J. van. MediaTable: Interactive Categorization of Multimedia Collections. IEEE Computer Graphics and Applications, Volume 30 (5), page 42-51, 2010

10. Flickr. http://www.flickr.com 11. Heer, J. and Boyd Vizster, D. Visualizing Online Social Networks. IEEE Proceedings of Symposium on Information Visualization, InfoVis 2005 (pp. 33-40).

27. Schelling, J. Social Network Visualization. Hogeschool Rotterdam, 2007. 28. Tufte, E.R. The Visual Display of Quantitative Information. Graphics Press, 1983.

12. Herring, S.C. Slouching toward the ordinary. Current trends in computer-mediated communication. New Media & Society Vol6 (1) p.26-36, 2004.

29. Twitter. http://www.twitter.com 30. Venkatesh, V., Morris, M.G., Davis, G.B. and Davis, F.D. User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425, 2003.

13. Hsu, W., Mei, T. and Yan, R. Knowledge Discovery over Community-Sharing Media: from Signal to Intelligence. National Taiwan University. 2009.

31. We Feel Fine (Jonathan Harris). http://www.wefeelfine.org. 32. Westermann, U. and Jain, R. Toward a common event model for multimedia applications. IEEE MultiMedia, 2007.

14. Hyves. http://www.hyves.nl. 15. Jain, R. and Hampapur, A. Metadata in Video Databases. SigMod Record, December 1994 (pp. 27-33).

33. YouTube. http://www.youtube.com

10

APPENDIX A – INZICHT IN DE DATA

Figuur A1 – Inzicht in de dataset in MediaTable (een grid visualisatie laat zien dat de foto’s vooral bestaan uit personen)

Figuur A2 – Geografische distributie van de foto’s uit de dataset in MediaTable (Nederland is duidelijk zichtbaar)

11

APPENDIX B – MOCKUP HYVES MOODZ

Figuur B1 – Mockup Hyves Moodz; emoties “liefde” en “cool” worden gevisualiseerd op een kaart

12

Figuur B2 – Mockup Hyves Moodz; emoties “feestje” en “liefde” worden gevisualiseerd op een tijdlijn (Valentijnsdag wordt duidelijk zichtbaar gemaakt door de emotie “liefde”)

13

Figuur B3 – Mockup Hyves Moodz; emoties “cool”, “feestje” en “liefde” worden gevisualiseerd op een pie chart grafiek

14

Figuur B4 – Mockup Hyves Moodz; emoties “cool”, “feestje” en “liefde” worden gevisualiseerd op een grid

15

APPENDIX C – VRAGENLIJST UTAUT MODEL Proefpersoonnummer

Acceptatie van en bereidheid tot gebruik van Hyves Moodz

U hebt zojuist kennis gemaakt met een nieuw type applicatie. In de volgende vragenlijst wordt u gevraagd naar uw persoonlijke ervaringen met het werken met deze applicatie. Lees de vragen rustig door en geef aan in welke mate elke uitspraak op u van toepassing is. Geef vervolgens een toelichting van de keuze. De antwoordmogelijkheden per vraag zijn als volgt:

1. Ik ben het zeer sterk oneens met de uitspraak. 2. Ik ben het sterk oneens met de uitspraak. 3. Ik ben het enigszins oneens met de uitspraak. 4. Ik ben het noch eens, noch oneens met de uitspraak. 5. Ik ben het enigszins eens met de uitspraak. 6. Ik ben het sterk eens met de uitspraak. 7. Ik ben het zeer sterk eens met de uitspraak.

Zet een kruisje bij het antwoord dat het meest op u van toepassing is, zoals hieronder is aangegeven: X Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

Geef vervolgens een korte toelichting.

Mochten er op dit moment nog onduidelijkheden zijn, dan kunt u zich wenden tot de moderator.

16

1. Ik zou het systeem tijdens mijn bezoek aan Hyves.nl bruikbaar vinden:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

Sterk eens

Zeer sterk eens

2. Door het systeem te gebruiken kan ik sneller dingen te weten komen:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

3. Door het systeem te gebruiken kan ik meer te weten komen dan normaal:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

Sterk eens

Zeer sterk eens

Enigszins eens

Sterk eens

Zeer sterk eens

Enigszins eens

Sterk eens

Zeer sterk eens

Enigszins eens

Sterk eens

Zeer sterk eens

4. De manier van werken met het systeem zal duidelijk en begrijpelijk zijn:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

5. Het zal mij weinig moeite kosten om te leren omgaan met het systeem:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

6. Ik zal het systeem makkelijk te gebruiken vinden:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

7. Het systeem leren te gebruiken is makkelijk voor mij:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

17

8. Het gebruiken van het systeem is een goed idee:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

Enigszins eens

Sterk eens

Zeer sterk eens

Enigszins eens

Sterk eens

Zeer sterk eens

Enigszins eens

Sterk eens

Zeer sterk eens

9. Het systeem maakt het bezoek aan Hyves.nl interessanter:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

10. Het systeem is plezierig om mee te werken:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

11. Ik vind het leuk om met het systeem te werken:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

12. Ik denk dat ik de benodigde kennis, om te kunnen werken met het systeem, bezit:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

Enigszins eens

Sterk eens

Zeer sterk eens

13. Ik vind het niet eng om het systeem te gebruiken

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

14. Ik twijfel om het systeem te gebruiken uit angst om fouten te maken die ik niet kan herstellen:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

18

Enigszins eens

Sterk eens

Zeer sterk eens

15. Het systeem komt intimiderend over op mij:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

16. Ik ben van plan om het systeem bij het volgende bezoek aan Hyves.nl te gebruiken:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

17. Ik verwacht het systeem bij een volgend bezoek aan Hyves.nl te gebruiken:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

Enigszins eens

Sterk eens

Zeer sterk eens

18. Ik heb mij voorgenomen om het systeem bij het komende bezoek aan Hyves.nl te gebruiken:

Zeer sterk oneens

Sterk oneens

Enigszins oneens

Noch eens, noch oneens

19

Enigszins eens

Sterk eens

Zeer sterk eens

Exitvragenlijst Dan volgen nu nog enkele afsluitende vragen:

1 Wat is uw leeftijd? (in jaren)? 2 Wat is uw geslacht?

Man Vrouw

3 Wat is uw culturele achtergrond?

Chinees Indonesisch Marokkaans Nederlands Surinaams Turks Anders, namelijk.......................

4 Wat is uw hoogst genoten opleiding?

Geen opleiding Middelbaar onderwijs Beroepsonderwijs Wetenschappelijk onderwijs Anders, namelijk.......................

5 Bent u actief op een sociale netwerksite?

Ja Nee

6 Zou u in de toekomst gebruik maken van een dergelijke applicatie als Hyves Moodz?

Ja Nee

Hartelijk dank voor uw medewerking!

20