Opdracht
Tijdens sociale crisissituaties, zoals gijzelingsincidenten, terroristische aanslagen en massale schietpartijen, worden sociale mediaplatformen zoals X vaak gebruikt door zowel het publiek als wetshandhavingsinstanties om te communiceren en informatie te delen. De open-source aard van deze platformen maakt deze informatie echter niet alleen toegankelijk voor burgers en hulpverleners, maar ook voor individuen die deze mogelijk kunnen misbruiken, zoals gijzelnemers. Dit stelt de politie in staat om snel te communiceren met burgers door waarschuwingen te verspreiden en richtlijnen voor deelgedrag te geven (Wendling et al., 2013). Daarnaast kunnen instanties door sociale mediaberichten te monitoren, beter inzicht krijgen in de omvang van de crisis (Amirkhanyan & Meinel, 2017) en hun crisisbeheersingsstrategieën verbeteren op basis van deze informatie. Gezien de risicovolle omgeving voor escalatie en onvoorspelbaar gedrag van daders, kunnen sociale mediaberichten zowel het crisisbeheer als de veiligheid van (potentiële) slachtoffers in gevaar brengen. Het is daarom belangrijk te begrijpen welke typen informatie worden verspreid en te onderzoeken hoe het informatie-deelgedrag van burgers kan worden beïnvloed om de verspreiding van mogelijk schadelijke informatie te verminderen.
In 2024 voerden we een eerste studie uit die zich richtte op het gijzelingsincident in Ede op 30 maart. In deze studie analyseerden we de soorten informatie die gedeeld werden tijdens de crisis en brachten we de mogelijke positieve en negatieve gevolgen van deze berichten in kaart. Om dit te bereiken, verzamelden en codeerden we systematisch berichten van X om een gedetailleerd coderingsschema te maken voor het categoriseren van de gedeelde inhoud.
Met de steun van deen verkregen BDSI-onderzoeksbeurs plannen we deze studie uit te breiden door middel van een proof-of-concept studie met een PCRS-masterstudent. Deze studie zal de analyse uitbreiden naar meerdere crises (nationaal en/of internationaal), evenals de mogelijkheid onderzoeken om het coderings- en analyseproces te automatiseren.
Tijdens deze stage ga je sociale crisisincidenten identificeren die geschikt zijn om de inhoud van sociale mediaberichten van burgers te analyseren. Je zal een codeerschema opstellen om de berichten te analyseren en vervolgens een case study uitvoeren met ongeveer 200 sociale media berichten.
Met behulp van een BSDI grant zal er door een scraping tool ontwikkelt worden om de data te verkrijgen.
Vervolgens zal je voor de thesis de betrouwbaarheid van de automatische classificatie van de tool onderzoeken en de effecten van communicatie van de overheid op deelgedrag onderzoeken. De exacte invulling van de thesis is in samenspraak en afhankelijk van de uitkomsten van de stage.
Achtergrondinformatie organisatie
De Politieacademie is het opleidings- en kenniscentrum voor de politie waar competentiegericht onderwijs, kennis en het politiewerkveld samenkomen. De Sector Kennis & Onderzoek zorgt voor de onderzoeks- en kennisdiensten van de Politieacademie die bijdragen aan nieuwe inzichten, ontwikkeling van kennis- en onderwijsproducten, actualisering van het onderwijs en de borging van bestaande kennis. Daartoe werken we samen met de onderwijsteams binnen de PA en met andere kennisinstellingen, veiligheidspartners, en de politiepraktijk.
Vereisten
Aan studenten die interesse hebben in de stages bij de politieacademie wordt gevraagd een motivatiebrief te schrijven van maximaal 1 A4. Daaropvolgend vinden matching gesprekken plaats tussen de externe begeleider, interne begeleider en potentiële stagiaires. Afhankelijk van een eventuele klik en wederzijdse interesse wordt vervolgens een match gemaakt tussen stagiaire en stageplek. Na de matching zal de student voor het werk bij de politieacademie een VOG aanvragen en een geheimhoudingsverklaring tekenen. Aan de stageopdracht is een stagevergoeding verbonden. Let op, dit is een gecombineerde opdracht van stageopdracht en thesis.
Beschikbaarheid
Deze stage en/of masteropdracht is beschikbaar vanaf april 2025 (in overleg), en biedt plek aan 1 Nederlandssprekende student.
Literatuur
· Amirkhanyan, A., & Meinel, C. (2017). Analysis of data from the Twitter account of the Berlin Police for public safety awareness. IEEE. https://doi.org/10.1109/cscwd.2017.8066696
· Riglietti, G., Aguada, L., Eyerman, J., Muhammad, K., & PANTA RAY. (2020). Social Media in Crisis Communications Report 2020. In Social Media in Crisis Communications Report 2020 (pp. 3–7).
· Wendland, J., Ehnis, C., Clarke, R. J., & Bunker, D. (2018). Sydney siege, December 2014: A visualisation of a semantic social media sentiment analysis. ISCRAM, 125-134. https://dblp.uni-trier.de/db/conf/iscram/iscram2018.html#WendlandECB18