Op werkdagen voor 23:00 besteld, morgen in huis Gratis verzending vanaf €20

Column

Hoe manipuleren met Big Data moeilijk uit te leggen is

Rondom het hele schandaal met Cambridge Analytics bleef één punt onduidelijk: hoe manipuleerden ze met big data nu precies de stemmen? Ja ze hadden profielen en ‘ze speelden in op de angsten’ van deze stemmers, maar hoe ging dat nu precies in zijn werk?

Ger Post | 26 maart 2018 | 2-3 minuten leestijd

Tekenend was een interview met een klokkenluider van Cambridge Analytica, die de vraag beantwoordde met: ‘Ik heb gezien dat het werkte, ik was het hoofd van de afdeling.’ Waarmee hij net zoveel zei als neuromarketeers die verkoopverhalen vertellen in de media over de effecten van hun methodes, maar zodra ze gevraagd wordt naar die methodes, zich op bedrijfsgeheim beroepen. De concurrent leest immers ook mee.

Een aardig beeld van hoe Cambridge Analytica te werk gaat, komt naar voren in een lezing van filosoof A.C. Grayling. Bij de presentatie van zijn boek Democracy and its Crisis legt hij uit hoe de zwevende kiezers bij de verkiezing van Donald Trump en bij Brexit zijn gemanipuleerd dankzij de methodes van het bedrijf.

Allereerst selecteert Cambridge Analytica welke kiezers van belang zijn. Meer stemmen is namelijk niet altijd beter, zoals de verkiezing van Trump liet zien (Hillary Clinton haalde 3 miljoen meer stemmen dan Trump). In het geval van de Amerikaanse verkiezingen werden de zwevende kiezers in de swing states het doel van de big data analisten. Dus in de staten waar in de vorige verkiezingen de stemmen voor de presidentskandidaten elkaar nauwelijks ontliepen.

Vervolgens maakte Cambridge Analytica profielen van deze zwevende kiezers, op eenzelfde manier waarop Google profielen maakt en op basis waarvan het bedrijf zoekresultaten toont (‘Op basis van je profiel denkt Google dat je op zoek bent naar dat antwoord’). Hierop werden berichten getest bij groepen zwevende kiezers, die bij elkaar waren gevoegd op basis van hun profielen. Sommige berichten werden wel 30.000 keer getest om het optimale effect te resulteren: stem op Trump. ‘Die groepen hoeven niks met elkaar gemeen te hebben, behalve dan dat ze gevangen zijn,’ vertelde Grayling. ‘Zij kunnen de balans in de swing states omslaan.

De berichten die deze mensen te zien kregen, waren zeer geavanceerd, legt Grayling uit. Het ging bij Brexit bijvoorbeeld niet alleen om ‘pro Brexit’ en ‘anti Theresa May’ berichten, maar ook subtielere manipulaties om te voorkomen dat mensen voor blijven in de EU zouden stemmen (‘stay’), zoals: ‘Stay gaat zeker winnen. Bovendien regent het.’ Volgens Grayling waren dit soort berichten, die ervoor zorgden dat een cruciale groep nauwelijks ging stemmen, doorslaggevend in het Brexit-referendum.

Maar in hoeverre is dit nu anders dan een politicus die een kiezer probeert te overtuigen op hem of haar te gaan stemmen? Is dit niet een vorm van overtuigen? Nee, zegt Grayling, want het soort berichten dat Cambridge Analytica ontwierp, hadden verborgen intenties en het was niet duidelijk van wie ze afkomstig waren. ‘Het probleem is dat het niet transparant is. Het is het bewapenen van de propaganda en verdraaiing om het stemmen te manipuleren en te sturen.’ En, zo besluit hij: ‘Degene met het meeste geld kan dit het beste.’

Over Ger Post
Ger Post (1981) studeerde journalistiek en cognitieve neurowetenschappen en is nu docent brain and cognitive sciences aan de Universiteit van Amsterdam. Naast handboeken over interdisciplinair onderzoek, schrijft hij als journalist stukken over hersenonderzoek voor De Neuroloog en Managementboek Magazine.

Deel dit artikel

Wat vond u van dit artikel?

0
0

Populaire producten

    Personen

      Trefwoorden