Gemeinschaft, aber auch Polarisierung: Online finden wir zueinander, aber geraten auch in Konflikte. Um diese Konflikte zwischen Gruppen besser zu verstehen, braucht es Netzwerkmodelle. Ein Netzwerkmodell macht aus vielen einzelnen Online-Kontakten ein Beziehungsgeflecht, in dem Individuen und Gruppen sowie deren Übereinstimmungen und Konfliktlinien sichtbar werden. Genau so ein Modell hat der Informatiker Stefan Neumann mit nationalen und internationalen Forschenden entwickelt. An dem Modell ist besonders, dass Meinungen als überlappende Intervalle modelliert wurden. Deshalb unterscheidet sich das Netzwerkmodell von bisher gängigen Modellen, erklärt der an der TU Wien tätige Forscher: „Bei gängigen Netzwerkmodellen baut man aus verschiedenen Interaktionen ein Netzwerk. Die Knoten sind Personen bzw. Accounts, die Kanten sind Interaktionen von jeweils zwei Knoten. Diese Kanten werden als positiv (z. B. Zustimmung, Kooperation) oder negativ (z. B. Streit, Ablehnung) markiert. Dabei werden Gruppen gefunden, indem die Knoten zusammengefasst werden, die ähnliche positive und negative Interaktionen haben.“
Gruppen analysieren
Bisher suchten Forscher*innen also nach Gruppen, die miteinander verfeindet sind. Man nahm an, dass sich innerhalb einer bestimmten Gruppe alle verstehen, dass jedoch niemand mit Personen anderer Gruppen interagieren würde. Genau das ist aber eine stark vereinfachende Annahme. Oft verstehen Menschen einander besser und sind auch bereit, miteinander zu kooperieren, selbst wenn sie nicht bei allen Themen derselben Meinung sind. In der Forschungsarbeit werden daher Intervalle verwendet, um zu modellieren, welche Gruppen miteinander positiv interagieren können.
Intervalle meint in diesem Kontext akzeptable Meinungsspannen, erklärt der Informatiker und nennt ein Beispiel: „Wenn man zum Beispiel politische Daten analysieren möchte, könnte man Meinungen auf das Intervall [-1,+1] abbilden:
– extreme linke Meinungen landen bei -1,
– extrem rechte Meinungen landen bei +1,
– moderate Meinungen liegen bei 0
– Meinungen, die nur leicht links oder rechts sind, sind dann zum Beispiel bei -0.2 oder +0.3″
Die Intervalle im Netzwerkmodell bilden also ab, welche Meinungen für eine Person akzeptabel sind. Stefan Neumann sieht zwei konkrete Vorteile beim neuen Modell: „Das Modell hat im wesentlich zwei große Vorteile. Statt (wie bisher) starrer, klar getrennter Gruppen erlaubt es Überlappungen – es zeigt also, wo Verständigung realistisch ist und wo Konflikte strukturell wahrscheinlicher werden. Außerdem sind die Resultate sehr gut interpretierbar: die Ergebnisse lassen sich als wenige, verständliche ‚Akzeptanz-Intervalle‘ beschreiben, die einfach erklären, welche Gruppen miteinander kompatibel sind, welche weit auseinanderliegen und wer als Brücke zwischen Lagern wirken kann.“
Funktion des Algorithmus
„Unser Algorithmus wählt die Intervalle so, dass möglichst viele Kanten (Interaktionen) korrekt erklärt werden: Wenn zwei Knoten positiv interagieren, dann sollten die beiden Intervalle sich überlappen — es gibt also ausreichend gemeinsame ‚akzeptable’ Positionen. Wenn zwei Knoten wiederum negativ interagieren, dann sollten die Intervalle nicht überlappen.“ Die Idee dahinter: Gruppen können positiv miteinander interagieren, wenn sich ihre Intervalle überlappen. Am Ende bleiben nur wenige, gut interpretierbare Intervalle übrig. „Dadurch kann man zum Beispiel sehen, dass Nachbargruppen teils kompatibel sind, während entfernte Gruppen klar im Konflikt stehen – und wann Personen auch zwischen Lagern ‚andocken’ können“, erklärt der Informatiker.
Daten
Um das Modell zu evaluieren, haben die Forschenden viele verschiedene Daten verwendet. Einerseits klassische Daten aus sozialen Netzwerken, andererseits Daten aus Bitcoin-Netzwerken, das sind Vertrauensnetzwerke, wie Stefan Neumann sie nennt, in denen die Nutzer*innen einander positiv bzw. negativ bewerten. Zudem haben die Forschenden das Modell anhand eines Beispiels aus der Politik überprüft: „Um unsere Arbeit auch qualitativ beurteilen zu können, haben wir einen Datensatz zum deutschen Bundestag neu erstellt: Hier haben wir positive Kanten eingefügt, wenn Abgeordnete oft gleich abgestimmt haben, und negative Kanten, wenn sie oft unterschiedlich abgestimmt haben. Tatsächlich konnte unser Algorithmus nur anhand dieser Daten das deutsche Parteienspektrum recht akkurat rekonstruieren, inklusive Informationen, wer mit wem in Koalitionen war.“
Anwendung
Das neue Netzwerkmodell bietet also den Vorteil, dass es ein nuanciertes und leicht interpretierbares Bild liefert, da es Überschneidungen, wo Verständigung realistisch ist, aber auch Bruchkanten, an denen Konflikte fast unvermeidlich sind, aufzeigt. „Dies kann zum Beispiel für Moderationsentscheidungen in Social Media hilfreich sein: wenn die Betreiber*innen von einer Plattform schnell sehen können, welche Gruppen miteinander in Konflikt stehen, kann dies die Grundlage für Interventionen auf der Plattform sein. Potenziell kann man die Interaktionen zwischen den Gruppen dann über längere Zeiträume betrachten, um zu sehen, wo neue Konflikte entstehen, aber auch wo Gruppen sich einander zuwenden.“ Darüber hinaus ermöglicht das neue Netzwerkmodell Forschung zu sozialem Zusammenhalt, politischer Kommunikation und Dynamiken von verschiedenen Plattformen. Stefan Neumann sagt über die potenziellen Anwendungen weiters: „Beispiele für mögliche Anwendungen sind die Analyse von Social Media-Diskursen (Polarisierung, Brücken, entstehende Konfliktlinien) sowie politische Kommunikationsforschung und allgemeine Forschung zum sozialen Zusammenhalt.“
