In 2022 ontwikkelde Sophie van der Zee een gepersonaliseerd taalmodel om de tweets van Donald Trump te analyseren, wat interessante resultaten opleverde. Tweets met desinformatie bleken meer bijwoorden, negatieve emoties en ontkenningen te bevatten dan waarheidsgetrouwe tweets. Van der Zee lanceerde ook een website waar gebruikers Trumps tweets kunnen verkennen en zien of het model ze als correct of incorrect inschat op basis van patronen in taalkeuze.
Van der Zee, samen met medeonderzoekers Ronald Poppe, Alice Havrileck en Aurélien Baillon, gebruikte een uitgebreide database van gefactcheckte tweets van Donald Trumps X-account, samengesteld door The Washington Post. Ze paste linguïstische analysetools toe op een steekproef uit de periode februari tot april 2018. De bevindingen toonden aanzienlijke verschillen in taalgebruik tussen feitelijk correcte en incorrecte tweets, wat ook op ‘intentie’ wees. Incorrecte tweets bevatten een hoger totaal aantal woorden, meer woorden met negatieve emoties, meer cognitieve processen en vaker ontkenningen. Deze patronen werden omgekeerd getest, waardoor het model de correctheid van tweets met 74% nauwkeurigheid kon voorspellen.
‘Trumps nieuwe presidentschap biedt ons een unieke kans om zijn misleidende taalgebruik van vier jaar geleden te vergelijken met nu en de consistentie ervan te evalueren,’ aldus Van der Zee. Als het model nog steeds accuraat is in het identificeren van Trumps taalpatronen, kan het een zeer waardevol hulpmiddel blijken. ‘Vooral nu Meta onlangs heeft aangekondigd te stoppen met zijn fact-checkprogramma, zijn dit soort screeningtools belangrijker dan ooit,’ voegt ze toe.
Lees het hele verhaal op de site van de EUR.
