Uit twitterberichten is goed af te leiden waar in een stad veel alcohol gedronken wordt. Onderzoekers in de VS lieten een computer een groot aantal tweets analyseren, en letten daarbij op woorden die verwijzen naar het nuttigen van alcoholische consumpties. Twitter is mogelijk geschikt als analysegereedschap voor onderzoek naar de volksgezondheid.


‘Lekker #biertje drinken in de kroeg met mijn collega #gezellig’. Het zou de tekst kunnen zijn van een tweet, een berichtje op sociaal medium Twitter, dat vandaag op de kop af tien jaar bestaat.

De tweet geeft een update van waar deze persoon op dit moment mee bezig is. Er blijkt uit dat hij of zij één of meer glazen alcohol aan het nuttigen is. So what, zal je misschien zeggen, maar voor onderzoek naar de volksgezondheid in wijken, steden of zelfs landen kan dit nuttige informatie zijn.


Duizenden tweets

Daarom verzamelden onderzoekers in de VS een jaar lang duizenden tweets in twee stedelijke gebieden: New York City en Monroe County, in het noorden van de staat New York, met ook de middelgrote stad Rochester erin. Ze gebruikten alleen tweets waarbij ook een locatie was aangegeven (geotagging).

Uit de grote verzameling korte berichtjes filterden de onderzoekers de tweets met alcoholgerelateerde woorden als bier, wijn, dronken, feest enzovoort. Vervolgens probeerden medewerkers van al deze tweets te bepalen of ze inderdaad over alcohol gingen en of de zender op dat moment aan het drinken was. Het resultaat was een dataset van 11 000 tweets, waaruit valt af te leiden dat de twitteraar alcohol drinkt, inclusief de locatie waar dat gebeurt.


Drink-tweet

Dit geeft een prachtig overzicht van het drinkgedrag van mensen. Om dit ook grafisch inzichtelijk te maken, verdeelden de onderzoekers hun steden in blokjes van 100 x 100 m. Voor elke drink-tweet krijgt een blokje iets meer kleur. Zo ontstaat een heat map (zie figuur) van alcoholgebruik in een stad.


New York drinkt meer

Uit die “hittekaart” valt behoorlijk wat te leren. Het zal misschien niet verrassen, maar er blijken gemiddeld meer mensen te drinken in New York City dan in Monroe County. ‘Het zou kunnen dat dit komt doordat in New York twee dingen samenkomen: een bevolking die vaak de deur uit gaat – of thuis afspreekt –  en een hoge dichtheid aan verkooppunten voor drank’, speculeren de onderzoekers op Technology Review.

Nog interessanter is de constatering dat de dichtheid van drankwinkels samenhangt met het aantal tweets waarin men zegt aan het drinken te zijn. Hier is sprake van een correlatie, maar het causale verband zou twee kanten op kunnen werken. Zet een hoge dichtheid van drankwinkels mensen ertoe aan om meer te gaan drinken? Of is het andersom en gaan drinkers wonen in wijken waar veel cafés en drankwinkels zijn?


Volksgezondheid

Hoe het ook zij, de onderzoekers denken dat hun algoritme voor Twitter-analyse van nut kan zijn voor onderzoek naar de volksgezondheid. Alcoholgebruik is in de VS een van de belangrijkste toewijsbare doodsoorzaken. Langer lopend onderzoek naar de volksgezondheid gebeurt nu nog vaak met groepen geselecteerde proefpersonen, die om de zoveel tijd een vragenlijst moeten invullen. De Twittermethode is natuurlijk veel goedkoper. Of hij net zo goed is (of beter) is nu onderwerp van vervolgonderzoek. ‘Onze resultaten laten zien dat tweets kunnen helpen bij het vrij precies in kaart brengen van de activiteiten die in steden plaatsvinden’, aldus medeauteur Nabil Hossein van de University of Rochester.


Andere sociale media

Dit onderzoek is gebaseerd op het sociale medium Twitter, maar het principe werkt natuurlijk net zo goed, of beter, op andere sociale media zoals Facebook of Instagram. Want net nu Twitter tien jaar bestaat, komen cijfers naar buiten die laten zien dat de populariteit van het medium terugloopt. Ook zullen de onderzoekers moeten oppassen met de representativiteit: in Nederland gebruikt een mix van politici, mediamensen, tieners en creatievelingen het, maar dat mag je allerminst een doorsnee van de Nederlandse bevolking noemen.


Lees verder in de volledige publicatie op arXiv.org: Inferring Fine-grained Details on User Activities and Home Location from Social Media: Detecting Drinking-While-Tweeting Patterns in Communities.


Openingsfoto: dutchbaby/Flickr.