-
01
Frank van Tubergen – 7 Networks (2020) 7.1 The friendship paradox Friendship paradox = mensen hebben gemiddeld minder vrienden dan hun vrienden gemiddeld hebben. Dit komt doordat mensen vaker verbonden zijn met individuen die zelf grotere netwerken hebben. Socioloog Scott Feld verklaart dit: Persoon A heeft 50 vrienden, persoon B heeft 2 vrienden. Jij bent persoon C en de kans dat jij bevriend bent met A is veel groter, omdat A veel meer verbindingen heeft en dus vaker opduikt in het netwerk. Door vrienden van willekeurig gekozen mensen te volgen, kun je vroege signalen van een epidemie detecteren. Dit komt omdat vrienden gemiddeld grotere netwerken hebben en eerder blootgesteld zijn aan ziekten. Studie Harvard 2009: vrienden van studenten gaven 13,9 dagen eerder tekenen van de ziekte dan een willekeurig groep studenten. De paradox laat zien dat sociale netwerken cruciaal zijn voor het begrijpen van sociale verschijnselen. Sociale netwerken omvatten zowel online als offline-netwerken. Dus volg de mensen die sociaal actiever zijn, want zij zijn de eersten die een epidemie opmerken. 7.2 Personal networks Persoonlijke netwerken bestaan uit banden met vrienden, familie en buren. Netwerken worden weergegeven in graphs (sociogrammen) met nodes/actoren (personen), die weer met elkaar verbonden zijn via edges/ties (relaties). Een ego-netwerk laat alle banden van één persoon (ego: jijzelf) met andere personen (alters) zien. Dyad = de (mogelijke) relatie tussen een ego en een alter, dus de verbinding tussen twee personen in een netwerk. Dus een tweepersoonsrelatie. Persoonlijke netwerken 1.0 graads netwerken, omdat ego elk van hen direct kent. Er zit maar één stap tussen jou en elk van je vrienden.
1
-
02
1.5 graads netwerk voegt verbindingen tussen alle alters toe, waarmee ego A direct verbonden is, Directed ties (gerichte banden) zijn relaties waarbij de richting van de relatie tussen actoren wordt aangegeven in een digraph. Banden zijn gericht wanneer de relatie tussen twee actoren gericht is en asymmetrisch kan zijn (relaties hoeven niet wederzijds te zijn).
1
-
03
Reciprocal relaties = tweezijdige/symmetrische relatie
1
-
04
Asymmetrische relatie = eenzijdige relatie
2
-
05
Undirected ties (ongerichte banden) in een netwerk van ongerichte banden (Facebook) zijn alle relaties per definitie tweezijdig. Bij undirected ties zijn de asymmetrische relaties niet te zien. Andere manier om sociale netwerken te presenteren is met een adjacency matrix (je presenteert dan hetzelfde als directed ties) = het geeft weer wie er “naast” wie staat in het sociale netwerk. De personen die een ander persoon nomineren (als vriend) vind je in de rijen, zij zijn de zender. De personen die zij als vrienden nomineren zijn de ontvangers en staan in de kolommen.
2
-
06
Indegree hoe vaak een persoon door anderen in het netwerk wordt genoemd
2
-
07
Outdegree hoe vaak een persoon andere personen nomineert
2
-
08
Onderscheid tussen sterke en zwakke banden (ties) is gebaseerd op de mate van emotionele nabijheid, frequentie van interactie en de wederkerigheid (gelijkheid) tussen twee personen. Zowel sterke als zwakke banden verwijzen naar positieve relaties. Sterke banden positieve relaties waarin mensen zich emotioneel dicht bij elkaar voelen, elkaar vertrouwen, vaak face-2-face omgaan en elkaar helpen wanneer nodig. Zwakke banden zijn meer oppervlakkig of instrumenteel. Mensen zien elkaar minder vaak, staan emotioneel minder dicht bij elkaar en investeringen zijn niet altijd wederzijds. Bijvoorbeeld kennissen, collega’s of buurtcontacten. Onderzoekers stellen een middenweg voor met vijf categorieën van bandsterkte, geordend in hiërarchische netwerklagen (dit is realistischer dan de simpele tweedeling):
2
-
09
Elke grotere laag omvat de voorgaande kleinere laag/lagen.
3
-
10
1. Kennetwerk: dit zijn de sterkste sociale banden, de meest waardevolle en intieme banden, zoals de echtgenoot en paar beste vrienden
3
-
11
2. Sympathienetwerk: omvat alle sterke banden en dus ook het kernnetwerk. Het betreft bredere kring van familieleden en andere vrienden
3
-
12
3. Affiniteitsnetwerk: leeftijdsgenoten, verder weg staande familieleden en anderen toe met wie mensen relatief frequent contact hebben
3
-
13
4. Actief netwerk: omvat het totaal aantal personen met wie iemand een actieve relatie onderhoudt
3
-
14
5. Totale persoonlijke netwerk: het volledige persoonlijke netwerk. Het omvat alle sterke banden, maar ook mensen die men slechts bij naam kent en met wie men nauwelijks contact heeft
3
-
15
7.3 Netwerk size and hubs Kernnetwerk (Amerikanen: 2-5 personen) hoeveel mensen zitten in deze laag bij Amerikanen? Hier kom je achter door te vragen ‘met wie bespreek je belangrijke zaken’. Dit is een voorbeeld van name generator = een enquêtevraag die de respondent vraagt de namen of initialen te noemen van personen (alters) in hun persoonlijke netwerk. Sympathienetwerk (Amerikanen: 15 personen) hoeveel groot is deze laag? Wordt dezelfde vraag gesteld als bij kernnetwerk, alleen bevat het ook nog de vraag met wie ze frequent in contact zijn of wie ze om hulp vragen. Een inclusievere vraag (Amerikanen: 17 personen): wie vertrouw je. Het blijkt dat de mensen die je vertrouwt, zijn de mensen voor wie je sympathie voelt in je netwerk. Affiniteitsnetwerk (Amerikanen: 50 personen) Actief netwerk (Amerikanen: 150) kerstkaarten of aantal actieve volgers sociale media. Het aantal 150 = Dunbar’s number, mensen zijn niet in staat om actief meer dan 150 relaties te onderhouden Totale persoonlijke netwerk (Amerikanen: 500) mensen hebben niet al hun offline relaties online Hubs = sterk verbonden centrale knooppunten in een netwerk, personen die een vele male groter netwerk hebben dan anderen Persoonlijke netwerken laten power-law distribution zien een rechts scheve verdeling, waarbij een paar personen meer connecties hebben dan de rest. 7.4 Netwerk density and transitivity In welke mate zijn alters in persoonlijke netwerken met elkaar verbonden in hedendaagse samenlevingen? network density (d) = de verhouding van alle gerealiseerde banden in een netwerk tot het aantal alle mogelijke banden in hetzelfde netwerk. ‘d’ loopt van 0 (geen ties tussen actoren) – 1 (alle actoren zijn verbonden met elkaar) en kan worden toegepast op elk soort netwerk laag.
3
-
16
Netwerk met directed ties zijn k(k – 1) unieke directed ties tussen actoren mogelijk, met k = aantal actoren Netwerk met undirected ties zijn k(k – 1)/2 unieke ties mogelijk, met k = aantal actoren De density (dichtheid) van elk hiërarchische laag, nu de netwerkkern. De vraag aan de respondenten: van jouw drie beste vrienden, hoeveel zijn er ook goede vrienden van elkaar? Triad = een netwerk bestaande uit drie actoren en de mogelijke ties tussen hen Triadic closure (transitivity) = de situatie waarin de twee alters van één ego ook met elkaar verbonden zijn. Dus als alle drie de actoren met elkaar verbonden zijn onderzoekers stellen vast dat transitivity vaak voorkomt in de netwerkkern. Transitivity tendency = de hoge mate van netwerkclustering, ook al hebben twee willekeurige individuen een minimale kans om elkaar te kennen. Jouw connecties kennen elkaar waarschijnlijk ook of zijn zelfs vrienden. Drie mechanismes van sociale bandvorming die transitivity tendeny in kernnetwerken verklaren:
4
-
17
1. Meeting opportunities (ontmoetingsmogelijkheden): sociale banden worden gecreëerd in interactiecontexten er moet een mogelijkheid zijn voor personen B en C om elkaar te ontmoeten en elkaar te leren kennen. A heeft sterke banden met B en C, dus ze gaat vaak om met B en C. Dit kan betekenen dat B en C dezelfde context delen als A (zelfde school of buurt). Dus ontmoetingsmogelijkheden in een kernnetwerk zijn hoog en wordt transitivity hier verwacht
4
-
18
2. Homophily (homofilie): mensen geven voorkeur aan het ontwikkelen van sterke banden met anderen die op hen lijken. Hierom zal ego A behoorlijk lijken op zowel B als C, wat betekent dat B en C ook op elkaar lijken en elkaar daarom aantrekkelijker vinden dan een vreemdeling
4
-
19
3. Structural balance (structureel evenwicht): ego A zal zich ongemakkelijk voelen bij vrienden B en C die niet zulke positieve banden met elkaar hebben. Er wordt zelfs psychologische druk gecreëerd voor A bij een onevenwichtige situatie, waardoor ze streeft naar een evenwichtig netwerk
4
-
20
Forbidden triad = een triad waarin ego A sterke banden heeft met alters B en C, maar waarin geen band bestaat tussen B en C. Granovetter beargumenteert dat transitivity tendency toeneemt met de sterkte van de banden en dat het dus een functie is van de sterkte van de banden, niet een algemeen kenmerk van de sociale structuur. Wat hiermee bedoeld wordt: bij zwakke banden tussen ego en alters (bijvoorbeeld collega’s/kennissen) is de kans dat de alters elkaar kennen kleiner dan wanneer de banden sterk zijn (vrienden). Zwakke banden
4
-
21
Minder ontmoetingsmogelijkheden voor alters
5
-
22
Het feit dat iemand ‘anders’ is of andere politieke voorkeuren heeft maakt minder uit, omdat de relaties toch oppervlakkig zijn. Ego en alters lijken minder op elkaar, dus alters ook en dus minder kans dat de alters een relatie opbouwen met elkaar
5
-
23
Je vindt het niet erg dat je eigen connecties niet ook bevriend zijn met elkaar/elkaar kennen. Er wordt geen druk ervaren om B en C te introduceren aan elkaar
5
-
24
Dus hoe sterker de tie tussen ego A en alter B en C, hoe waarschijnlijker het is dat B en C verbonden zijn. Dus in affiniteitsnetwerk zal triadic closure minder vaak voorkomen forbidden tiad tendency: transitivity neemt toe met de sterkte van de band en hoe hoger je in persoonlijke netwerken komt, hoe minder vaak transitivity voorkomt. 7.5 The small-world phenomenon Small-world fenomeen komt vanuit onderzoek naar verbindingen tussen verschillende persoonlijke netwerken. Vroeger (jagers en verzamelaars) brachten mensen hun leven door in dezelfde hechte groep, dus iedereen was met elkaar verbonden kleine wereld, hoge niveaus clustering (d = 1). Wat is tegenwoordig de kans dat twee willekeurige mensen uit een samenleving elkaar persoonlijk kennen? De vraag anders stellen wanneer we willekeurig twee personen kiezen, hoeveel tussenliggende vriendschaps- of kennissenbanden zijn er nodig voordat A en B verbonden zijn? Bevinding: twee willekeurige mensen zijn gemiddeld zes stappen van scheiding van elkaar verwijderd. Via Facebook is het experiment herhaalt, conclusie; twee willekeurige gekozen mensen in de wereld zijn gemiddeld verbonden via slechts 3,74 tussenpersonen. Dus ook hier wordt bevestigd dat wij in een ‘small-world’ leven.
5
-
25
Small-world fenomeen = in hedendaagse grootschalige samenlevingen zijn twee willekeurige gekozen individuen via hun vrienden, kennissen en familie slechts enkele stappen (gemiddeld 5-6 stappen) persoonlijk met elkaar verbonden. Community = een cluster van knooppunten die onderling meer verbonden zijn dan met de buitenwereld, zowel directly en/of indirectly. Community 1 samen vormen A tot H een community omdat ze veel directe en/of indirecte banden met elkaar hebben, in plaats van met mensen buiten hun community, zoals de actoren I tot O, die samen een andere community vormen.
5
-
26
Community-bonding ties = de verbindingen tussen mensen binnen dezelfde community Community-bridging ties = de verbindingen met leden van een andere community De cruciale verbinding die A en O met elkaar verbindt, is de relatie tussen alters G en I, omdat zij een verbinding vormen tussen communities 1 en 2. Gemiddelde padlengte is in figuur 7.8 laag: iedereen is verbonden in 5-6 stappen. Small-world fenomeen is combinatie van sterke clustering van sociale relaties in communities en het bestaan van paar community-bridging ties die een lage gemiddelde padlengte creëren. Small-world-netwerk = een netwerk dat wordt gekenmerkt door een hoog niveau van lokale clustering en een lage gemiddelde padlengte. In werkelijkheid ontstaan sociale netwerken niet willekeurig en vertonen ze sterke patronen van transitiviteit en clustering, noch ontstaat het in een geordende wereld. De neiging tot transitiviteit geldt vooral voor sterke banden en dat zijn vaker community-bonding ties. Zwakke banden fungeren vaker als brug tussen communities geen enkele sterke band is een burg. Alle bruggen zijn zwakke banden. Community-bridging ties zwakkere banden. Daarom kwam Granovetters met strength-of-weak-ties: waarbij zwakke banden, vanwege hun typische brugfunctie, mensen verbinden met andere communities. De kracht van zwakke banden is dus dat ze ver reiken. Voordeel zwakke banden: kunnen toegang bieden tot nieuwe informatie afkomstig uit andere communities. 7.6 Network change: loss-of-community? Duitse socioloog Tönnies stelde een verschuiving van Gemeinschaft naar Gesellschaft vast vanwege de bevolkingsgroei theory of the loss-of-community. Naarmate samenlevingen groter worden, nemen de mogelijkheden om met dezelfde mensen te communiceren af. Gemeinschaft gekenmerkt door orde: sterke interpersoonlijke banden, solidariteit en vertrouwen. Mensen zijn sterk ingebed in communities, er zijn veel community-bonding ties en dergelijke banden zijn sterk. Gesellschaft vervagen sociale banden en worden ze zwakker, losser en meer instrumenteel (functioneel/doelgericht) De loss-of-community propositie stelt dat de sterkte van banden in persoonlijke netwerken is afgenomen en dat mensen eerder zwakkere dan sterkere banden hebben (dus persoonlijke netwerken worden ook minder transitief). Robert Putnam stelt ook de achteruitgang van de community vast, maar met andere oorzaken:
6
-
27
Opkomst van moderne communicatietechnologie zorgt voor afbreken sociale banden, omdat meer mensen de neiging hebben om tv te kijken in plaats van hun vrienden te bezoeken
7
-
28
Beide theorieën laten verlies van community zien, maar de oorzaken zijn verschillend:
7
-
29
Tönnies: bevolkingsgroei, de grotere omvang van populatie maakt individuen meer anoniem en ontstaan er minder hechte banden, mensen gaan elkaar als vreemden zien
7
-
30
Putnam: moderne technologie drijft mensen weg van het opbouwen en onderhouden van sterke banden
7
-
31
De sterkte van banden in persoonlijke netwerken is de afgelopen decennia afgenomen: sterke banden worden zwakke banden en zwakke banden worden nog zwakker of verdwijnen. 7.7 Networks and social cohesion Sociale cohesie = de mate waarin individuen en groepen positieve relaties met elkaar hebben, in tegenstelling tot geen/neutrale relaties of negatieve relaties. Hoe vaker negatieve banden voorkomen in persoonlijke netwerken, hoe lager de sociale cohesie in de samenleving. Drie mogelijke relaties tussen willekeurige actoren in een populatie:
7
-
32
Positieve relatie (+): mensen helpen elkaar, werken samen en vertrouwen elkaar, alhoewel de mate waarin dit het geval is afhangt van de sterkte van de band
7
-
33
Negatieve relatie (-): relatie duidt erop dat twee personen een conflict hebben, elkaar niet mogen of elkaar niet vertrouwen. Wanneer de band sterker negatief wordt, neemt het wantrouwen toe en ook de pogingen om de ander tegen te werken
7
-
34
Geen/neutrale relaties: relaties tussen twee mensen hoeven niet positief of negatief te zijn, soms kennen mensen elkaar gewoon niet (geen vriend, geen vijand)
7
-
35
Het nemen van een representatieve steekproef van individuen in de samenleving geeft duidelijkheid over de hoeveelheid positieve, negatieve en neutrale relaties in persoonlijke netwerken. Door alle persoonlijke netwerken samen te nemen, krijg je een beeld van de sociale cohesie van de hele samenleving (meeste mensen positieve banden, dan hoge cohesie). Familiesociologie Het omvat de verschillende relaties tussen actoren binnen het gezin. Door het beantwoorden van een aantal vragen komt er inzicht in de samenhang van netwerken binnen families. Bijvoorbeeld: zijn ouder-kindrelaties positief of negatief? Hoe vaak eindigen huwelijken in een scheiding? Brengen ouders tijd door met hun kinderen en bieden zij sociale steun? Sociologie van adolescentie en jeugd Adolescenten en jongeren ontwikkelen banden buiten hun gezin. Ontwikkelen kinderen hechte vriendschappen met leeftijdsgenoten op school? Waarom ontwikkelen sommige kinderen geen banden met anderen? Dit geeft info over sociale cohesie onder jongeren. Organisatiesociologie Mensen ontwikkelen ook banden in verschillende contexten buiten het gezin en school, waarin ze werken bijvoorbeeld. Hebben mensen positieve of negatieve relaties met hun collega’s? Vertrouwen ze elkaar, werken ze samen in team? Hoe vaak worden mensen slachtoffer van roddel en pesterijen? Toch bestaat sociale cohesie uit meerdere dimensies:
8
-
36
1. Dimensie 1: persoonlijke netwerkcohesie (persoonlijke relaties) = de mate waarin iemands persoonlijke netwerk bestaat uit positieve relaties. Hoe meer positieve banden voorkomen in persoonlijke netwerken, en niet negatieve, hoe hoger de persoonlijke netwerkcohesie
8
-
37
7.8 Networks and social capital Social capital volgens Putnam: het kernidee van de sociaal-kapitaaltheorie is dat sociale netwerkenwaarde hebben Social capital volgens Fischer: is niet veel anders dan zeggen dat sociaal kapitaal alles psychologisch en sociologisch aan een persoon is Social capital volgens Häuberer: bijna alles, variëren van sociale relaties tot en met normen en zelfs tolerantie, wordt sociaal kapitaal genoemd Sociaal kapitaal:
9
-
38
Er bestaat niet één enkele sociaal-kapitaaltheorie, er bestaan meerdere theorieën, die elk verschillende opvattingen en proposities hanteren. Ze zijn wel op een gemeenschappelijk perspectief gebaseerd: sociaal-kapitaalparadigma = perspectief volgens welk sociale netwerken een bepaalde waarde hebben. Sociale netwerken hebben een bepaalde waarde, dat netwerken ertoe doen voor bepaalde wenselijke uitkomsten
9
-
39
Daarnaast richten sociaal-kapitaaltheorieën zich op verschillende uitkomsten. Daarom is het belangrijk om te bedenken wat de ‘waarde’/de uitkomst, is van sociaal-kapitaaltheorie (ene verklaart ‘vertrouwen’, de ander ‘gezondheid’)
9
-
40
Verschillende sociaal-kapitaaltheorieën die zijn ontwikkeld om drie uitkomsten te verklaren:
9
-
41
1. Sociale normen
9
-
42
Belangrijke uitdaging bij sociale normen is om mensen eraan te laten voldoen, vooral wanneer de norm vrij nieuw is en er onvoldoende tijd is geweest voor mensen om de sociale norm te internaliseren, zodat deze een morele norm wordt.
9
-
43
Sociale controletheorie zegt dat mensen zich aan normen houden omdat ze verwachten dat ze worden beloond of gestraft door anderen.
9
-
44
Sociale normen zijn dus afhankelijk van monitoring, maar wat bepaalt monitoring? In hechte groepen worden mensen sterker gecontroleerd en dus gesanctioneerd bij afwijking van de norm.
9
-
45
Verbinding tussen hechtheid van sociale structuren en monitoring
9
-
46
Twee netwerken, waarvan netwerk 1 hechter is aantal gerealiseerde en mogelijke bindingen is 6, dus dichtheid is 1,0 = clique, iedereen is met iedereen verbonden
9
-
47
Network closure = hechte sociale netwerken: hoog verbonden, dicht netwerk en Coleman stelt dat in zo’n geclusterd netwerk mensen elkaars gedrag sterk controleren.
9
-
48
Sociale normen kunnen beter worden gehandhaafd (door meer controles van anderen) in netwerken met afsluiting, dan zonder afsluiting.
10
-
49
Coleman de mate van afsluiting in een bepaald netwerk heeft een positief effect op de conformiteit aan de sociale normen van dat netwerk (network closure en normen)
10
-
50
Intergenerationele afsluiting = een situatie waarin ouders binnen een netwerk elkaar kennen en samenwerken om het gedrag van hun kinderen te controleren en te begeleiden. Dus het is een vorm van sociale controle die ontstaat doordat netwerken van ouders verbonden zijn, en deze verbindingen helpen normen beter te handhaven over generaties heen. Dus sociaal-kapitaaltheorie afsluiting in elk type netwerk
10
-
51
2. Vertrouwen Volgens de theorie van sociaal kapitaal spelen sociale netwerken een rol bij het opbouwen van vertrouwen.
10
-
52
Freitag en Traunmüller omschrijven vertrouwen als de verwachting dat anderen bijdragen aan het welzijn van een persoon of groep, of ten minste geen schadelijke handelingen zullen verrichten.
10
-
53
Op dyadische niveau (vertrouwen tussen twee individuen, ego en alter) wordt gesteld dat vertrouwen een functie is van de sterkte van de band. Op basis van eerdere positieve (of negatieve) ervaringen bouwen ego en alter vertrouwen (of wantrouwen) in elkaar op.
10
-
54
Hoe positiever de relatie tussen ego en alter, hoe meer ze elkaar vertrouwen.
10
-
55
Beïnvloedt de lokale netwerkstructuur ook vertrouwen? Maak hier gebruik van netwerkafsluiting op dyadisch niveau zijn bij AB en EG beide banden sterk, maar AB maakt deel uit van een gesloten netwerk. Vertrouwen is groter tussen mensen met gemeenschappelijke vrienden.
10
-
56
Hoe hoger de mate van afsluiting in het netwerk dat ego en alter delen, hoe meer ze elkaar vertrouwen
10
-
57
Particulier vertrouwen (sterk vertrouwen) = vertrouwen in een kleine kring van nauwe contacten, zoals vrienden en mensen met wie men frequent omgaat
10
-
58
Algemeen vertrouwen (zwak vertrouwen) = vertrouwen in mensen in het algemeen, buiten de directe sociale kring, zoals vreemden en politieke leiders community-bridging ties spelen hier belangrijke rol om vertrouwen buiten de eigen gemeenschap mogelijk te maken. Maar community-bonding ties bevorderen ook algemeen vertrouwen: regelmatige ontmoetingen met vrienden creëren een perceptie dat mensen in het algemeen te vertrouwen zijn
10
-
59
Hoe meer sociale interacties mensen hebben met vrienden, familie, hoe sterker hun algemeen vertrouwen + mensen met hoger niveau van particulier vertrouwen vaak ook sterker algemeen vertrouwen
10
-
60
3. Gezondheid en well-being Impact van cohesie van iemands persoonlijke netwerk sociale verbindingen en het type banden zijn belangrijk voor en bepalen iemands gezondheid en welzijn.
11
-
61
Sterke en positieve banden bieden meer sociale en emotionele steun dan zwakke en negatieve banden
11
-
62
Hoe groter de cohesie van iemands netwerk, hoe beter zijn of haar gezondheid en welzijn
11
-
63
Getrouwde mensen hebben betere gezondheid dan ongehuwden. De negatieve gevolgen van echtscheiding zijn groter dan positieve effecten van huwelijk
11
-
64
Niet-weduwen hebben betere gezondheid dan weduwen
11
-
65
Studenten die niet worden gepest hebben een betere gezondheid en hebben minder kans op depressie
11
-
66
Tweede stelling over de impact: de gezondheidstoestand van de mensen in iemands netwerk hoe beter de gezondheid van vrienden, echtgenoten, hoe beter iemands eigen gezondheid en welzijn.
11
-
67
Twee mechanismen:
11
-
68
Mensen kopiëren het gedrag van hun omgeving
11
-
69
Zorgen voor vrienden die niet gezond zijn, kan stress veroorzaken
11
-
70
Dus sociale netwerken beïnvloeden de gezondheid en welzijn van mensen. Mensen met meer cohesieve netwerken en met gezondere netwerkcontacten hebben betere gezondheidsuitkomsten.
11
-
71
Achtergrond In de VS groeit al decennia de politieke polarisatie: de kloof tussen Democraten en Republikeinen over thema’s zoals ongelijkheid, immigratie en wapenbeleid wordt steeds dieper. Dit wordt vaak toegeschreven aan “echo chambers”: online en offline omgevingen waarin mensen vooral in contact komen met gelijkgestemden en nauwelijks met tegengestelde meningen.
12
-
72
Doel van het onderzoek De auteurs onderzochten of blootstelling aan tegenstrijdige politieke boodschappen op sociale media polarisatie vermindert (door meer begrip, zoals de intergroup contact theory voorspelt) of juist versterkt (door een backfire-effect, waarbij mensen tegengestelde informatie gebruiken om hun eigen standpunt te versterken).
12
-
73
Onderzoeksmethode
12
-
74
Belangrijkste begrippen
13
-
75
Beperkingen
13
-
76
Conclusie Het idee dat blootstelling aan andere meningen automatisch tot meer begrip leidt, wordt niet bevestigd. Integendeel: bij Republikeinen leidde dit juist tot sterkere polarisatie. Pogingen om echo chambers te doorbreken via sociale media kunnen dus contraproductief zijn.
13
-
77
Kort gezegd
14
-
78
Affect, Not Ideology: A Social Identity Perspective on Polarization (Iyengar, Sood & Lelkes, 2012)
17
-
79
Beleidsvoorkeuren van partijleden zijn veranderd
17
-
80
Maximalisten stellen dat de standpunten van partijleden steeds extremer zijn geworden
17
-
81
Minimalisten beweren dat de meeste Amerikanen in het middel blijven en dat de kleine beweging die er is vooral te maken heeft met sorting (de sterke koppeling tussen partijlidmaatschap en ideologie)
17
-
82
Ze vinden dat gevoelens (affect) ten opzichte van partijen slechts zwak verband houden met beleidsvoorkeuren. De verklaring ligt juist in de aard van politieke campagnes: blootstellen aan aanvallen op de tegenpartij versterkt het negatieve beeld van de ander. Sommige onderzoekers stellen dat de elitepolarisatie niet het gevolg is van massapolarisatie, maar eerder een onbedoeld gevolg van institutionele veranderingen. Andere onderzoekers wijzen op een afname van het aantal ideologische moderaten. Er is dus een debat over de vraag of de bevolking ideologisch is gepolariseerd. De auteurs beter criterium voor polarisatie, dan gebaseerd op beleid, is de mate waarin partijleden elkaar zien als een ongewenste out-group. Volgens de sociale-identiteitstheorie gaat groepsidentificatie namelijk altijd gepaard met positieve gevoelens voor de eigen groep en negatieve gevoelens voor de tegenpartij. Hierom stellen de auteurs dat de juiste test voor polarisatie affectief (emotioneel), niet ideologisch is. De scheiding tussen partijgevoel (partisan affect) en beleidsstandpunten is niet veel veranderd over de tijd. Partijgevoel bepaalt dus niet automatisch de mening over beleid. Auteurs zeggen dat alleen al het identificeren met een politieke partij voldoende is om negatieve beoordelingen van de tegenpartij op te roepen, en dat deze gevoelens negatiever worden na blootstelling aan presidentscampagnes. Hun belangrijkste doel is het documenteren van de omvang van affectieve polarisatie er worden ook negatieve eigenschappen toegeschreven aan de gewone leden van de tegenpartij.
17
-
83
Affectieve polarisatie dringt door in beoordelingen over interpersoonlijke relaties + niveaus van partijdige affecten zijn hoger in de VS dan in VK. Resultaatsectie laat zien:
17
-
84
Mensen maken deel uit van meerdere groepen welke identiteit is dan bepalend? Volgens sociale-identiteitstheorie is salience (salientie/opvallendheid) de basis vormt om de mate van intergroeprelaties te voorspellen. Hoe zichtbaarder een groepsidentiteit is, hoe sterker de vooroordelen tegenover de out-group. Salience hangt af van:
18
-
85
Dispositionele factoren: de persoonlijke gehechtheid aan een groep
18
-
86
Omgevingsfactoren: hoe vaak iemand wordt herinnerd aan zijn groepslidmaatschap
18
-
87
Campagnes maken partijdige identiteit meer salient, waardoor zelf gematigden negatiever worden over de out-group. Herbezoek aan “Fear and Loathing on the Campaign Trail” Negatieve campagnevoering kandidaten besteden vaak meer tijd aan het aanvallen van tegenstanders dan het promoten van zichzelf. Media zorgt ervoor dat negatieve boodschappen vaker worden herhaald.
18
-
88
Dus de toegenomen zichtbaarheid en negativiteit van campagnes draagt bij aan de groei van affectieve polarisatie. Onderzoeksdesign Doel van het onderzoek:
18
-
89
Nagaan of de afkeer tussen Republikeinen en Democraten in afgelopen 50 jaar is toegenomen (er werden surveys gehouden tussen 1960 en 2010)
18
-
90
Hoe dit verhoudt tot VK (verwachting is dat deze polarisatie in VK sterker is)
18
-
91
En of deze affectieve polarisatie kan worden verklaard door ideologische verschillen (verschillen in beleidsvoorkeuren) of door blootstelling aan campagnes (meer negatieve advertenties = meer vijandigheid)
18
-
92
Meetinstrumenten:
18
-
93
Feeling thermometer – respondenten beoordelen groepen op een schaal van 0 tot 100 (0 = heel koud, 100 = heel warm)
18
-
94
Interpartijdig huwelijk – vraag of men ontevreden zou zijn als een kind met iemand van de andere partij trouwt
18
-
95
Stereotypen – respondenten konden kenmerken toeschrijven aan partijleden
18
-
96
Partisan Identification (partijdigheid) – sterkte van identificatie met Democraten of Republikeinen
19
-
97
Resultaten In- en outpartij affect in VS Ingroup affect (gevoelens voor de eigen partij)
19
-
98
Vrijwel stabiel gebleven sinds jaren 80
19
-
99
Gemiddeld rond 70/100 op de feeling thermometer
19
-
100
Zowel Democraten als Republikeinen beoordelen hun eigen partij positief
19
-
101
Outgroup affect
19
-
102
Duidelijk afgenomen sinds de jaren 80 (scores gedaald, dus veel kouder)
19
-
103
Gemiddeld gedaald met 15 punten tussen 1988 en 2008
19
-
104
In 2008 lag het rond 30/100
19
-
105
Activisten versus niet-activisten
19
-
106
Activisten zijn sterker gepolariseerd (groter verschil tussen eigen en tegenpartij)
19
-
107
Ook niet-activisten laten een duidelijke negatieve trend zien
19
-
108
Het aantal activisten is bovendien gestegen in laatste decennia
19
-
109
Vergelijking met ideologie (liberaal versus conservatief)
19
-
110
Evaluaties van liberalen en conservatieven zijn stabiel gebleven
19
-
111
Polarisatie is dus sterker bij partij-identiteit dan bij ideologische identiteit (standpunten die mensen innemen)
19
-
112
Vergelijking met andere sociale scheidslijnen
19
-
113
ANES-surveys bevatten ook feeling thermometer scores voor ras en religie
20
-
114
Vergelijking laat zien dat partijdige kloof (affectieve polarisatie) tussen Democraten en Republikeinen groter is dan de kloof op basis van ras of religie. Dus mensen beoordelen de tegenpartij veel kouder dan leden van andere groepen
20
-
115
Conclusie: partijdigheid is de belangrijkste bron van affectieve polarisatie in de VS
20
-
116
Sociale afstand interpartijdig huwelijk
20
-
117
1960 (VS): nauwelijks relevant, slechts 4-5% was ‘ontevreden’ als hun kind met iemand van de andere partij zou trouwen
20
-
118
1960 (VK): sterk aanwezig, vooral bij conservatieven
20
-
119
2008-2010 (VS): sterk toegenomen, 20-27% vond het problematisch, bijna 50% van de Republikeinen (2010) voelde zich ongelukkig bij een kind dat met een Democraat zou trouwen
20
-
120
2008-2010 (VK): bleek lager dan in VS
20
-
121
Dus: tegenwoordig zijn Amerikanen sterker sociaal gescheiden
20
-
122
Stereotypen van partijaanhangers
20
-
123
Toename van stereotypering is sterker in VS dan VK, democraten en republikeinen schrijven positieve eigenschappen toe aan eigen partijleden en negatieve eigenschappen aan tegenpartij
20
-
124
Conclusie: stereotypering bevestigt dat affectieve polarisatie in VS sterk is toegenomen
20
-
125
Verklaringen voor affectieve polarisatie
20
-
126
Komt het door ideologische polarisatie?
20
-
127
Economische voorkeuren (sociale zekerheid, zorg, rol overheid) hebben een klein beetje invloed
20
-
128
Culturele thema’s (abortus, homorechten) hebben nauwelijks invloed
20
-
129
Conclusie: affectieve polarisatie (toename vijandigheid) komt niet doordat mensen extremere beleidsopvattingen hebben gekregen
20
-
130
Komt het door politieke campagnes?
20
-
131
2004: mensen die in battleground state wonen (waar veel campagne wordt gevoerd) staan sterker tegenover de andere partij
20
-
132
Hoe meer negatieve reclames in een staat, hoe sterker de vijandigheid
20
-
133
2008: affectieve polarisatie nam toe naarmate de campagne vorderde (effect twee keer zo groot in battleground states)
20
-
134
Media herhaalt negatieve boodschappen voortdurend, dus vooroordelen over de andere partij worden hierdoor bevestigd
20
-
135
Burgers kunnen ook veel makkelijker kiezen voor eigen nieuwsbronnen en andere informatie vermijden
20
-
136
Eva Vriens & Erik van Ingen (2018) – Does the rise of the Internet bring erosion of strong ties? Analyses of social media use and changes in core discussion networks (New Media & Society, vol. 20(7), p. 2432–2449)
21
-
137
Dit artikel onderzoekt of de opkomst van het internet en sociale media samenhangt met veranderingen in de kern-discussienetwerken van mensen (de mensen met wie men belangrijke zaken bespreekt). Hun bevindingen:
21
-
138
Er is geen bewijs dat internet- of sociale media gebruik leidt tot een afname van de omvang van kern-discussienetwerken
21
-
139
Er is evenmin bewijs dat deze netwerken oppervlakkeriger of minder hecht zijn geworden
21
-
140
Integendeel: sommige soorten gebruik van internet en sociale media hangen juist positief samen met meer en sterke sociale banden
21
-
141
Inleiding Debat over de sociale gevolgen van internet leidt het internet tot een afname van sterke sociale banden: mensen die veel tijd online besteden, houden minder tijd en energie over om te investeren in hun directe sociale relaties. Tegelijkertijd: internet en sociale media bieden nieuwe mogelijkheden om bestaande relaties te onderhouden en zelfs te versterken (eenvoudiger en goedkoper). Dit artikel richt zich op:
21
-
142
Worden kern-discussienetwerken kleiner of minder hecht door internetgebruik?
21
-
143
Of kan internetgebruik juist bijdragen aan het in stand houden of uitbreiden van deze netwerken?
21
-
144
Twee stromingen in het debat:
21
-
145
1. Erosie-hypothese (uitholling)
21
-
146
a. Internetgebruik vermindert de tijd voor face-to-face contact
21
-
147
b. Sociale banden worden oppervlakkiger
21
-
148
2. Versterkingshypothese
21
-
149
a. Internet maakt communicatie makkelijker, goedkoper en frequenter
21
-
150
b. Sociale banden worden sterker en duurzamer
21
-
151
Waar vroege studies wezen op isolatie door tijdsverplaatsing, verschoven zorgen later naar de kwaliteit van relaties: meer oppervlakkige contacten en vervangen van sterke door zwakke banden.
21
-
152
Deze hypothesen worden getest met behulp van representatieve Nederlandse Data (2008-2014), waarin mensen over de tijd heen zijn gevolgd (longitudinaal). Daarmee kunnen we naast verschillen tussen mensen, ook veranderingen binnen dezelfde persoon door de tijd heen analyseren.
21
-
153
Theoretisch kader Sociale netwerksites (SNSs) hebben de dynamiek van relaties veranderd en nieuwe manieren toegevoegd om relaties te onderhouden. Er bestaan drie theoretische ideeën, over dat online sociale netwerking onze sociale interacties verandert, die draaien om argumenten gebaseerd op:
22
-
154
1. Displacement (tijdverdringing)
22
-
155
Als men aanneemt dat hoe meer contacten men heeft, hoe minder aandacht ieder individueel contact krijgt, dan kunnen hechte banden lijden onder de exponentiële groei van online sociale netwerken. Want iedereen kan maar een bepaalde hoeveelheid tijd besteden aan sociale contacten. Verdringingshypothese: internetgebruik leidt niet noodzakelijk tot sociale isolatie, maar zwakke banden vervangen de hechte banden CDN wordt dan kleiner
22
-
156
2. Media richness and media displacement
22
-
157
Media richness theory (MRT) = er bestaat grote variatie in het aantal (rijke) verbaal en non-verbale signalen dat door verschillende typen media wordt overgedragen, hetgeen resulteert in verschillen in hoe geschikt zij zijn voor bepaalde vormen van interpersoonlijke communicatie.
22
-
158
Face-to-face communicaties het rijkste medium: onmiddellijke feedback en rijk aan verbaal en non-verbale informatie. E-mail als arm beschouwd vanwege vertraagde respons en gebrek aan non-verbale signalen.
22
-
159
Complexere boodschappen rijkere media. Intieme relaties omvatten meer emoties, dus vanuit dit perspectief zijn sociale media en hechte banden geen ideale combinatie. Onlinecommunicatie meer vatbaar voor misverstand door het ontbreken van non-verbale signalen.
22
-
160
Media multiplexity = individuen gebruiken verschillende communicatiemiddelen om in contact te blijven met hun banden
22
-
161
Armere media (e-mails) verdringen gedeeltelijk rijkere media
22
-
162
Side-by-side communicatie = wanneer mensen online communiceren terwijl ze in aanwezigheid van familie en vrienden zijn (bounded rationality). De inconsistentie in zelfonthulling online versus f-2-f is te verklaren met de schaarste aan signalen. Mensen kan het juist aanmoedigen om meer persoonlijke informatie te delen. Ook anonimiteit kan leiden tot meer zelfonthulling
22
-
163
3. Individualisering Westerse samenlevingen gekenmerkt door verschuiving naar individualisme. Daarnaast is de geografie van sociale relaties veranderd, als gevolg worden netwerken gekenmerkt door meer cross-links tussen en binnen subgroepen.
22
-
164
Netwerken verschuivende sets van vrienden dynamische netwerken. Voor individuen betekent dit dat relaties minder stabiel worden, met minder rigide groepsgrenzen. Mensen leven tussen verschillende sociale netwerken heen.
22
-
165
Dus wat soms toenemende isolatie lijkt, is in feite een verschuiving naar meer dynamische kernnetwerken.
23
-
166
Sociale media kunnen individualiseringsprocessen (mensen ontwikkelen meer hun eigen keuzes, voorkeuren en identiteit, los van tradities of sociale normen) versterken omdat ze mensen in staat stellen meer divers en specifiek op hun interesses afgestemde interacties aan te gaan, waardoor ze hun sociale netwerk steeds meer zelf vormgeven.
23
-
167
SNS-gebruik zorgt er zelfs voor dat etnische minderheden makkelijker verbindingen leggen buiten hun eigen groep.
23
-
168
Hypotheses Tijdverdringing twee manieren om erop te reageren:
23
-
169
Het aantal onderhouden hechte banden verminderen
23
-
170
De tijd die aan elk contact wordt besteed verminderen
23
-
171
Omdat online media minder rijk zijn, leidt dit tot erosie van de sterkte van iemands banden (hechte banden vereisen regelmatig en rijk contact), wat op lange termijn zou moeten resulteren in minder hechte banden. Hypothese 1: meer sociale media gebruikt leidt tot kleinere CDN’s Hypothese 2: meer sociale media gebruikt leidt tot minder vaak praten met sterke contacten Voorstanders van individualiseringstheorie persoonlijke netwerken zijn losser, open en banden zijn meer gespecialiseerd. Hypothese 3: meer sociale media gebruikt leidt tot minder stabiele banden over tijd Hypothese 4: meer sociale media gebruikt leidt tot meer dynamiek: vaker nieuwe banden, vaker verlies van oude is af te leiden uit de individualiseringstheorie Argumentatie vanuit MRT die leidt tot hypothese 1: MRT zegt dat armere media minder signalen doorgeven, wat leidt tot minder rijke interacties. Hechte banden worden wakker, waardoor kern-netwerk minder stabiel wordt. Methoden Cross-sectionele analyses: meet gegevens op één enkel tijdstip, ideaal om patronen en correlaties te ontdekken, niet om oorzaak-gevolg te bewijzen. Longitudinaal analyses tonen de richting van effecten en veranderingen over tijd, waardoor oorzaak-gevolg hypothesen beter getest kunnen worden dan met cross-sectioneel. Data is gebaseerd op Nederlandse paneldata (NELLS) en representatief voor 15-45- jarigen. Twee meetmomenten: 2008-2010 (wave 1) en 2013 (wave 2). 2491 respondenten die in beide rondes hun CDN rapporteerden 10.896 relaties. Data is gestructureerd op twee niveaus: respondenten (ego’s) en hun kernrelaties (alter’s). Ze hebben gekeken welke relaties stabiel waren, welke verdwenen en welke nieuw waren, door namen te matchen tussen twee meetmomenten. Meetstaven Afhankelijke variabelen (wat daardoor verandert)
23
-
172
Kern-netwerken (Core Discussion Networks, CDN) van respondenten werden gemeten met:
24
-
173
1. Name-generator vragen: wie zijn de belangrijkste contacten?
24
-
174
2. Name-interpreter vragen: informatie over deze contacten en hoe vaak ze spreken.
24
-
175
Respondenten mochten maximaal vijf belangrijke personen noemen, inclusief familie.
24
-
176
Onafhankelijke variabelen (wat je verandert) Veranderingen in afhankelijke variabelen werden verklaard vanuit verschillen in sociale media gebruik, gemeten met vraag: hoeveel tijd besteedt u aan chatten en actief zijn op vrienden-netwerk. Met zeven antwoordcategorieën van ‘bijna nooit’ tot ‘een of meerdere uren per dag’. Dus zelf gerapporteerd gebruik van sociale media.
24
-
177
Analysemethoden De studie gebruikte verschillende regressiemodellen om het effect van sociale media gebruik op kern-netwerken en contactfrequentie te onderzoeken, rekening houdend met zowel cross-sectionele als longitudinale effecten. Een hybride model combineert twee benadering:
24
-
178
Fixed effects: vergelijkt dezelfde persoon over de tijd (longitudinaal)
24
-
179
Random effects: vergelijkt verschillen tussen mensen (cross)
25
-
180
Op deze manier kunnen onderzoekers beter onderscheid maken tussen effecten die ontstaan doordat iemand verandert in sociale media gebruikt (longitudinaal) en effecten die ontstaan doordat sommige mensen sowieso meer op sociale media zitten dan anderen (cross-sectioneel). Afhankelijk van soort variabele, verschillende modellen:
25
-
181
Hybride Poisson regressie voor het tellen van aantallen, zoals hoeveel kern-discussiepartners iemand heeft
25
-
182
Ordinaal hybride regressiemodel voor variabelen die in een volgorde staan, maar niet precies op afstand te meten zijn, zoals frequentie van contact
25
-
183
Negatieve binomiale regressies lijkt op Poisson, maar beter geschikt als de data veel ‘nullen’ of grote spreiding hebben, zoals aantal nieuwe of verloren kern-discussiepartners
25
-
184
Robuustheidscontroles bevestigden dat, ongeacht welk model werd gebruikt, de resultaten hetzelfde bleven.
25
-
185
Resultaten
25
-
186
CDN-grootte nam licht toe tussen de twee golven, vooral doordat meer respondenten vijf kern-discussanten noemden
25
-
187
Samenstelling van CDN veranderde sterk: 32% noemde dezelfde discussanten in beide golven
25
-
188
Frequentie van contact daalde weinig
25
-
189
Sociale media gebruik nam toe
25
-
190
Hypothese 1 (CDN-grootte)
25
-
191
Sociale media gebruik is positief gerelateerd aan grotere CDN’s
25
-
192
Dagelijks gebruik (meer dan 1 uur) ging samen met 27% grotere netwerken
25
-
193
Hypothese 1 werd verworpen
25
-
194
Hypothese 2 (frequentie van contact)
25
-
195
Cross-sectioneel: intensieve gebruikers praten vaker met hun kernrelaties dan niet-gebruikers
25
-
196
Longitudinaal: veranderingen in gebruik leiden niet tot veranderingen in contactfrequentie (meer sociale media gebruik is geen toename in contact met vrienden)
25
-
197
Hypothese 2 niet ondersteund
25
-
198
Hypothese 3 (stabiliteit van banden)
25
-
199
Frequent gebruik leidde niet tot minder stabiele kernrelaties
25
-
200
Integendeel: intensieve gebruikers hadden zelf iets méér stabiele banden
25
-
201
Hypothese 3 verworpen
25
-
202
Hypothese 4 (dynamiek van netwerken)
26
-
203
Intensieve gebruikers hadden meer nieuwe én meer verloren banden
26
-
204
Dit wijst op grotere dynamiek: netwerken zijn meer in beweging
26
-
205
Hypothese 4 ondersteun
26
-
206
Tabel 2 hybride Poisson-regressie model over de grootte van CDN IRR (Incidence Rate Ratio) = dit getal vertelt wat er gebeurt met de grootte van iemands kernnetwerk als er iets verandert in een andere variabele (zoals sociale media gebruik of geslacht)
26
-
207
IRR > 1 netwerk wordt groter
26
-
208
IRR = 1 er is geen verschil
26
-
209
IRR < 1 netwerk wordt kleiner
26
-
210
Voorbeeld: Average social media use = 1.041 → als iemand één stap hoger scoort op de schaal van socialmediagebruik (bijv. van “wekelijks” naar “dagelijks”), dan is zijn/haar kernnetwerk gemiddeld 4,1% groter.
26
-
211
Oudere respondenten hebben een iets kleiner netwerk
26
-
212
SE (standard Error) = meet de nauwkeurigheid van de schatting. Hoe kleiner, hoe preciezer. Sterretjes geven significantieniveau aan (hoe zeker is het effect), hoe lager de p waarde, hoe zekerder het effect. Tabel 3 geclusterd hybride ordinaal regressiemodel om de frequentie van contact met stabiele kern-discussiepartners te onderzoeken OR (odds ratio) = laat zien hoe groot de kans is dat iemand vaker contact heeft
26
-
213
OR > 1 grotere kans op vaker contact
26
-
214
OR = 1 er is geen verschil
26
-
215
OR < 1 kleinere kans op vaker contact
27
-
216
Voorbeeld: mensen die gemiddeld vaker sociale media gebruiken, hebben ook vaker contact met hun kern-discussiepartners
27
-
217
Voorbeeld: Een verandering in socialmediagebruik tussen de twee golven heeft géén significant effect
27
-
218
Verschillen tussen personen zijn zichtbaar, maar veranderingen binnen dezelfde persoon niet
27
-
219
Conclusie
27
-
220
Geen bewijs voor erosie van sterke banden: sociale media gebruik hangt samen met grotere CDN’s, meer stabiele banden en vaker praten met kernrelaties
27
-
221
Contactfrequentie blijft hoog: intensieve gebruikers praten vaker met hun kerncontacten dan niet-gebruikers. Er is geen bewijs dat sociale media sterke banden verzwakken
27
-
222
Wel duidelijk dat netwerken dynamischer worden: sociale media vergemakkelijken het aangaan en loslaten van kerncontacten
27
-
223
De effecten zijn positief maar relatief klein: sociale media voegen een extra communicatiemiddel toe, maar hebben de structuur of kwaliteit van relaties niet op hun kop gezet
27
-
224
Dit past in het idee van networked individualism: netwerken worden flexibeler, meer gespecialiseerd (tegenwoordig verschillende mensen voor verschillende soorten steun of onderwerpen) en aangepast aan omstandigheden
27
-
225
Tabel 4 negatief binomiale regressie om te kijken naar de dynamiek van het kern-discussienetwerk (CDN): hoeveel stabiele, nieuwe en verloren banden hebben mensen Voorbeeld: sociale media gebruik wave 1 IRR = 1.036** (stabiel), 1.022* (nieuw), 1.031*** (verloren) → mensen die veel sociale media gebruiken hebben méér stabiele, maar óók meer nieuwe en meer verloren banden, dus een dynamischer netwerk.
27
-
226
Hoe kunnen mensen die veel sociale media gebruiken tegelijkertijd meer nieuwe/verdwijnende contacten hebben EN meer stabiele contacten? Ze hebben gemiddeld grotere netwerken dan mensen die weinig sociale media gebruiken
28
-
227
Beperkingen
28
-
228
Beperkte netwerkmeting, alleen de kern-discussienetwerk is gevraagd
28
-
229
Sociale media wordt breed gemeten, in de zin van hoeveel tijd mensen besteden aan sociale media (geen onderscheid tussen actief, zelf berichten plaatsen, of passief, allen consumeren, gebruik)
28
-
230
CDN’s omvatten niet uitsluitend sterke banden, wat interpretatie beïnvloedt
28
-
231
Slechts twee meetgolven, dus te weinig om echte oorzaak-gevolg-relaties vast te leggen
28
-
232
Leeftijdsgroep 15-45 jaar, dus geen uitspraak over ouderen, waar juist vaak netwerken kleiner worden
28
-
233
Interpretatie van veranderingen, alle netwerkveranderingen zijn geïnterpreteerd als echte veranderingen, maar vergeetachtigheid kan ook meespelen
28
-
234
Dus in tegenstelling tot de angst dat internet onze hechte relaties uitholt, laat dit onderzoek zien dat sociale media gebruik samenhangt met grotere en dynamischer netwerken van sterke banden. Het maakt onze relaties niet oppervlakkiger, maar flexibeler.
28
-
235
Zoom meeting sessie 2 Vriens
29
-
236
Empirisch artikel
29
-
237
Aanleiding van het artikel sociale media gebruik leidde tot slechte relaties onder jongeren. Dit werd in twijfel getrokken door onderzoekers, ze wilden het beter testen Hypothesen goed analyseren Methoden core-discussion name-generator Research design snappen twee tijdspunten dus veranderingsproces, en wat zijn hier de voordelen van Wat zijn de belangrijkste conclusies Voordeel longitudinaal beter afsluiten van schijneffecten
29
-
238
Time displacement doordat gebruikers van sociale media meer contacten onderhouden gaat dat ten koste van strong ties onjuist Uit welke theorie is hypothese 4 af te leiden individualisering theorie Core-discussion network Name generator generen een lijst met namen (met wie bespreek je belangrijke zaken, dit gebeurt vaak met sterke ties) Name interpreters vervolgvragen Onderzoeksdesign Voordeel longitudinaal beter schijneffecten afsluiten Schijneffecten = kunnen er nog andere factoren in het spel zijn? Bijvoorbeeld rekening houden met geslacht:
29
-
239
Geslacht is constant door de tijd heen en zullen dus weinig verandering brengen aan strong ties time inf… factors, hier heb je dus geen last van in longitudinaal onderzoek
29
