Autorin: Ryan Watts, Alexandra Ma, Nic Dias

Aktuell steht für Journalisten die Frage im Fokus, wie sie Fehlinformationen aufdecken können. Das bedeutet, dass weitaus weniger darüber geschrieben wird, wie Unterhaltungen auf sozialen Netzwerken überwacht werden können, oder wie schnell und wo genau sich falsche Informationen verbreiten. Dennoch gibt es einige Tools, die (1) Journalisten helfen können, Informationen online in Echtzeit mitzuverfolgen und die (2) zum Prüfen von Fakten und Verifizieren von Beiträgen in den Arbeitsablauf integriert werden können.

Im Rahmen des Projekts „Wahlen in Großbritannien“ von Full Fact und First Draft überwachten wir 33 Tage lang eine Vielzahl von Online-Unterhaltungen. Unsere nachfolgend vorgestellten täglichen Arbeitsabläufe sollen Journalisten als eine Art Wegweiser dienen, mit dessen Hilfe sie schnell auf berichtenswerte Online-Unterhaltungen reagieren und den Fluss an Fehlinformationen eindämmen können.

Die Ergebnisse

Jeden Tag erstellten wir zwei Newsletter, welche wir dann einmal morgens und einmal nachmittags an unsere Redaktionspartner weiterleiteten.

Der morgendliche Newsletter sollte unsere Partner über berichtenswerte Unterhaltungen und Social-Media-Inhalte informieren, die in unseren Augen zunehmend an Beliebtheit und Dynamik gewannen.

Der Schwerpunkt der Nachmittagsmail lag hauptsächlich darauf, irreführende Social-Media-Posts zu überprüfen oder aufzuklären, aktuelle Trends mit möglichen politischen Auswirkungen zu analysieren, sowie die Unterschiede zwischen den Mainstream-Berichterstattung und den Unterhaltungen im Netz zu verdeutlichen.

Die Strukturen

Bevor wir unseren ersten Newsletter verschickten, verbrachten wir zunächst eine Woche mit weitreichenden Vorbereitungen: Wir erstellten eine Liste mit Webseiten, die sich größtenteils mit fabrizierten Nachrichten und satirischen Inhalten zu Großbritannien befassten, Blogs von extremen Parteianhängern, politisch ambitionierten Facebookseiten und -gruppen, sowie Subreddits und Twitter-Hashtags, deren Überwachung wir für wichtig hielten. Dafür verwendeten wir Tools zur Analyse von Social-Media-Trends, wie Trendolizer, CrowdTangle und NewsWhips Spike. Während der Wahlen erweiterten wir diese Listen regelmäßig. Bis zum 8. Juni hatten wir bereits 402 Quellen und Themen mitverfolgt sowie 34 Millionen Tweets und 220.000 Facebook-Posts auf unserem Server gesammelt.

Mit der Hilfe von Trendolizer konnten wir virale Inhalte in Echtzeit und über alle sozialen Plattformen hinweg aufspüren. Außerdem ermöglichte uns das Tool, anhand verschiedenster Parameter Suchanfragen zu erstellen, um relevante und beliebte Posts zu finden. Wir fügten eine Reihe für die Wahlen relevanter Suchbegriffe hinzu und erstellten auf diese Weise Tweetdeck-ähnliche „Säulen“, die den Erfolg eines Posts anhand unterschiedlicher Kriterien beurteilten, beispielsweise wie oft er innerhalb von 24 Stunden geteilt wurde. Für jede neue Problematik, mit der wir uns befassten, erstellten wir eine neue separate Säule für das jeweilige Thema.

Facebooks Tool CrowdTangle half uns, Posts zu finden, die auf bestimmten Facebookseiten überdurchschnittlich gut ankamen (d. h. sie riefen mehr Reaktionen hervor, als für die Seite üblich waren).Um detailliertere Statistiken zu Social-Media-Posts und -Artikeln zu generieren, verwendeten wir Newswhips Spike: ein Tool, das die erfolgreichsten Artikel hervorhebt und zuverlässige Prognosen für deren zukünftige Teilungsrate erstellt.

Um umfassendere, mit vielen Hashtags versehene Unterhaltungen auf Twitter zu beobachten, benutzten wir Trendsmap, welches das Wachstum und die geografische Verbreitung der verwendeten Hashtags und Schlagwörter auf Twitter aufzeichnet. Auch zum Identifizieren von Trends, die die Verbreitung von Tweets vorantreiben und zum Abschätzen der Mindestanzahl von automatisierten Accounts, die diese Tweets geteilt haben, erwies sich das Tool als nützlich.

Herkömmliche Nachrichtenquellen nahmen wir ebenfalls in unsere Analyse auf. Jeden Tag verfolgten wir die Titelseiten der Zeitungen und hörten die wichtigsten britischen Morgenshows im Radio (wie Today auf BBC 4, Steve Allen auf LBC und Wake Up to Money auf BBC 5), um die Berichterstattung der Mainstream-Medien mit den Unterhaltungen auf Social Media vergleichen zu können.

Zur Datenerhebung von öffentlichen Posts auf Facebook und Twitter, erstellten wir für beide Netzwerke jeweils einen Server, auf dem wir einen Monat vor der Wahl anfingen, die Daten zu sammeln.**

Dank unseres Facebook-Servers konnten wir herausfinden, wo und wann sich Facebookseiten und -gruppen mit speziellen Links und Themen beschäftigten. Zusätzlich erlaubte der Server es uns, thematische Unterschiede in Unterhaltungen zu untersuchen, die an verschiedenen Punkten auf dem politischen Spektrum einzuordnen sind. Allgemein war es uns mit den Daten möglich, unsere Analysen, sofern nötig vielseitiger zu gestalten.

Tweets wurden ganzheitlich auf unserem Twitter-Server archiviert, darunter auch mindestens einer der von uns ermittelten Hashtags oder Domains. Diese erwiesen sich als nützlich, um die relative Beliebtheit verschiedener Domains und Hashtags zu beobachten und halfen dabei, die Rolle, die die Urheber der Inhalte bei diesen Trends spielten, zu beurteilen. Indem wir nach neuen Hashtags in unserem Datensatz suchten, konnten wir unser Netzwerk an gesammelten Informationen regelmäßig erweitern.

Die Schlussfolgerungen

1) Nicht nur der Inhalt eines Social-Media-Posts, sondern auch seine Leistungsstatistiken könnten für Faktenprüfer eine Quelle von nützlichen Informationen sein. Abgesehen von dem Wahrheitsgehalt einer Aussage, konnten wir feststellen, wie wichtig ein bestimmter Post für einen Trend oder eine größere Systematik sein würde. Ein äußerst wichtiger Punkt, wie sich herausstellte, da es ständig zu viele Informationen zu überprüfen gab. Da wir die Vielzahl von Social-Media-Inhalten von einem durch Daten fundierten Standpunkt aus betrachteten, konnten wir unseren Redaktionspartnern wertschöpfende Analysen zusenden. Als beispielsweise eine nationalistische Facebookseite ein irreführendes Video von einem angeblichen Angriff eines Flüchtlings postete, wussten wir, aufgrund der sich abzeichnenden Muster ähnlicher Posts auf dieser Seite und dem ebenfalls ähnlichen Ausmaß der Reaktionen, dass wir dem Video nicht zu viel Zeit widmen müssten.

2) Schnelligkeit ist für Analysetools unabdingbar. Das wurde durch die rasante und sintflutartige Arbeit des täglichen Faktenprüfens und Verifizierens deutlich. Vor allem unsere Server zur Datensammlung ermöglichten es uns, Daten auf Arten zu analysieren, wie wir es sonst nicht gekonnt hätten und half uns somit bei einigen unserer Berichte. Trotzdem bedeutete die Vielzahl an Funktionen von benutzerfreundlichen Tools wie Trendsmap, dass wir diese bevorzugt, also noch vor unseren Servern, als erste Anlaufstelle benutzten.

3) In erster Linie verdeutlichte unser Projekt noch einmal, wie wichtig es ist, übergreifende Social-Media-Trends und -Muster zu überwachen. Das gilt ebenfalls für individuelle Geschichten oder Posts, auf die sich Redaktionen oftmals fixieren. Indem wir weitreichendere Unterhaltungen wahrnahmen, konnten wir uns auf Themen konzentrieren, die den Wählern online wichtig waren, wie das taktische Wählen, die Wählerregistrierung oder gesellschaftliche Fragen – und nicht die Verhandlungen zum Brexit, beispielsweise.

Nachtrag

* Wir konzentrierten uns vor allem auf die folgenden Themen: Brexit, Klimawandel, Immigration, Gesundheitswesen, Verteidigungspolitik, Polizei und Strafverfolgung, Renten und Bildung. Nachdem Theresa May einen Kommentar zur Fuchsjagd veröffentlicht hatte, entschieden wir uns, das Thema der Jagd auf Tiere ebenfalls in unsere Analyse aufzunehmen. Auf diese Weise fanden wir heraus, dass die Fuchsjagd und Tierquälerei auch im Nachhinein weiterhin Thema waren und das, obwohl Theresa May bereits aufgehört hatte, ihren Standpunkt hierzu zu erwähnen.

** Um Posts von öffentlichen Facebookseiten und -gruppen abfragen zu können, passten wir Skripte von Max Woolf unseren Anforderungen an. Wir behielten unsere Listen mit Seiten und Gruppen, die von den Skripten in Google Tabellen aufgegriffen werden sollten. Die Tabellen legten zusätzlich die Ablauffolge unserer Skripte fest und die Tatsache, dass Google Tabellen so einfach zu teilen sind, bedeutete, dass Teammitglieder jederzeit neue Seiten oder Gruppen zu unserer Sammlung hinzufügen konnten. Aktuelle Beiträge wurden stündlich neu abgefragt, sodass wir die Entwicklung individueller Beiträge mitverfolgen konnten. Ein drittes Skript bereitete die Daten, ebenfalls stündlich, für den Export via Zipdateien vor, die von einem simplen HTTP-Server heruntergeladen konnten. So war es Teammitgliedern möglich, unabhängig aktuelle Facebook-Daten herunterzuladen, ohne Dateien über den Terminalserver übertragen zu müssen.

Für das Sammeln von Tweets richteten wir auf einem zweiten Server Social Feed Manager (SFM) ein, mit dessen Hilfe auch Nicht-Programmierer Datensammlungen anlegen, überarbeiten und exportieren können. Zur Datenerhebung nutzten wir hauptsächlich die Twitter-eigene Schnittstelle, Search API, die wir stündlich abfragten. Wir hatten uns gegen die Nutzung von Twitters Streaming API entschieden, da wir einen Datenverlust bei Änderungen der query-Parameter oder Serverproblemen vermeiden wollten. Die API-Keys wurden je nach Bedarf von unserem Systemadministrator generiert, Journalisten durften dies aber auch selber tun.

Serverinformationen:
Facebook – 8GB RAM, 4 CPUs, 60GB SSD-Festplatte
Twitter – 16GB RAM, 8 CPUs, 160GB SSD-Festplatte

---

Facebook und Google News Lab unterstützten First Draft und Full Fact in ihrer Zusammenarbeit mit großen Redaktionen, um die sich während der britischen Parlamentswahlen ausbreitenden Gerüchte und Fehlinformationen im Internet zu thematisieren.

Dies ist der zweite Teil einer Reihe von Blogposts zum Projekt „Wahlen in Großbritannien“ von Full Fact und First Draft.Teil 1 finden Sie hier: Wahlen in Großbritannien: Das haben wir von unserer Arbeit mit Full Fact gelernt