De Franse filosoof Michel Foucault betoogde dat taal de werkelijkheid niet neutraal beschrijft — zij vormt haar actief. Een onlangs gepubliceerde wetenschappelijke studie naar politieke taal levert empirische steun voor die stelling en toont aan dat subtiele keuzes in formulering het niveau van partijdige vooringenomenheid in online discussies over gevoelige politieke kwesties aanzienlijk kunnen beïnvloeden.

In het hart van de bevindingen staat één psychologisch concept: entitativiteit — de mate waarin een groep mensen wordt gezien als een samenhangende, verenigde en 'echte' eenheid. Het concept heeft een lange geschiedenis in de sociale psychologie en gaat terug tot de introductie van de term door Donald Campbell in 1958, om te vatten wat een verzameling individuen laat aanvoelen als één samenhangende groep in plaats van een losse opeenhoping van afzonderlijke mensen.

"Onderzoek naar nieuwe groepen suggereert dat waargenomen entitativiteit wordt bepaald door hoe anderen deze groepen benoemen," schreven Carsten W. Sander en Juliane Degner onlangs in het tijdschrift Social Psychological and Personality Science. "Met behulp van verfijnde transformermodellen om Facebook-berichten (N = 45.780) en reacties (N = 769.684) automatisch te classificeren, laten we zien dat dit effect ook geldt voor gevestigde politieke groepen. Concreet: berichten met zelfstandig-naamwoordlabels (bijv. 'Senate Republicans') in plaats van bijvoeglijke-labels (bijv. 'Republican senators') en met een algemene benaming (bijv. 'Democrats want') in plaats van een niet-algemene (bijv. 'some Democrats want') ontvangen een groter aandeel reacties met partijdige vooroordelen."

Eerder onderzoek naar dit onderwerp maakte gebruik van fictieve politieke groepen waar deelnemers nog nooit van hadden gehoord. In die experimenten leidde formulering die entitativiteit subtiel aanmoedigde ertoe dat deelnemers de groepen als één eenheid zagen, terwijl formulering zonder dit effect hen deed zien dat de leden afzonderlijke individuen waren. Om te testen of het patroon ook gold voor het echte politieke discours, analyseerden de onderzoekers circa 46.000 Facebook-berichten en ongeveer 770.000 reacties. Dat is precies wat zij vonden. De verfijnde transformermodellen die in het artikel worden genoemd, behoren tot dezelfde familie van AI-taalmodellen die moderne tekstanalyse-tools aandrijven, en maakten het mogelijk om vooroordelen automatisch te classificeren over een hoeveelheid reacties die handmatig onpraktisch te coderen zou zijn. Omdat de dataset volledig van Facebook afkomstig was, blijft de vraag of hetzelfde grammaticale patroon ook op andere platforms geldt, een onderwerp voor toekomstig onderzoek.

"In essentie zorgt het zien van een groep als entiteit ervoor dat groepsleden onderling uitwisselbaar lijken," vertelde Sander, onderzoeksmedewerker aan de Humboldt-universiteit van Berlijn, aan PsyPost. "Mensen generaliseren dan het gedrag van één lid naar de hele groep, vergelden één groepslid voor misdragingen van een ander en tonen over het algemeen meer vooroordelen ten opzichte van de buitengroep. We redeneerden dat dit ook politieke polarisatie kan aanwakkeren, begrepen als toenemende vooroordelen ten opzichte van de politieke tegenpartij."

Voor wie politieke commentaren produceert en consumeert, wijzen de bevindingen op een kleine maar meetbare redactionele hefboom: in deze dataset kregen berichten met zelfstandig-naamwoordlabels en algemene formuleringen een groter aandeel bevooroordeelde reacties dan hun tegenhangers met bijvoeglijke naamwoorden zonder generalisatie. Het onderzoek sluit aan bij de waarnemingen van dr. Steven Hassan, een sectedeskundige die in augustus met AlterNet sprak over president Donald Trump en zijn politieke beweging. Hassan legde uit hoe dergelijke bewegingen hun volgers subtiel manipuleren om sekteachtige samenhang en loyaliteit te creëren. Naast de manier waarop opvattingen worden geformuleerd in informele online berichten, bouwen politieke bewegingen volgens hem ook media-ecosystemen waarin volgers vertekende beelden van de werkelijkheid ontwikkelen door herhaalde positieve bekrachtiging vanuit hun sociale netwerken.

"Het komt er echt op neer welke informatiebronnen zij gebruiken en met wie in hun netwerk zij zich identificeren," vertelde Hassan aan AlterNet. "Als ze echt van Joe Rogan houden, volgen ze veel van zijn opvattingen. En wanneer hij zich tegen Trump keert, verliest Trump daardoor veel volgers. Wat ik wil overbrengen, is dat we leven in een tijdperk van digitale manipulatie zoals dat nog nooit is gezien."