Voiko Twitteristä päätellä puoluekannan?

Tutkimus kertoo, että joka kahdeskymmenes ministereille lähetetty twiitti on vihamielinen. "Asialla ovat useimmiten perussuomalaisten kannattajat", totesi tutkimus, sillä vihatwiittaajat seurasivat usein perussuomalaisten ja maahanmuuttokriittisten käyttäjien tilejä.

Moni seuraa Sanna Marinia, Petteri Orpoa ja Halla-ahoa, vaikka ei ole heidän puolueensa kannattaja. Miten pitkälle meneviä johtopäätöksiä Twitter-käyttäytymisestä voidaan tehdä? Seuraajista tuskin mitään, mutta tykkäykset ja varsinkin retwiittaukset ovat selvä tuen osoitus.

Tässä tutkimusidea jollekin aihetta kaipaavalle: miten luotettavasti puoluekanta voidaan päätellä twiittien perusteella? Jos luotettavuusaste on korkea, sehän alkaa olla jo henkilötietoihin liittyvä asia. Puoluekanta rinnastetaan arkaluonteisiin tietoihin. 

Entä jos ottaisi puolueiden puheenjohtajat, ministerit ja kansanedustajat, ehkä muitakin puolueiden avainhenkilöitä, ja pisteyttäisi heidän twiittiensä tykkäykset yhdellä ja retwiitit esim. kolmella. Saldo pitäisi vielä suhteuttaa ao. poliitikon seuraajien kokonaismäärään, jotta yleisesti tai kansainvälisesti kiinnostavat henkilöt eivät dominoisi liikaa. Ehkä kaavaan voisi sisällyttää vielä yleisen someaktiivisuuden parametrin tai esim. keskimääräisen ajan, mikä kuluu kommenttien ilmestymiseen. 

Kuinka luotettavasti tällainen indeksi korreloisi twiittaajan todellisen puoluekannan kanssa? Löytyisikö poliitikkoja, joiden kannatus olisi poikkeuksellisen laajaa tai suppeaa eri puolueiden kannattajiksi arvioitujen kesken? 

Jos korrelaatio puoluekantaan löytyisi, voisi laskea myös ko. puolueen merkitystä ja vaikuttavuutta somessa, laskea tunnuslukuja kannattajien kielenkäytöstä ja arvioida vihapuheen määrää paremmin kuin pelkkiä tykkäyksiä laskemalla.

Harmi, että Jenni Haukio ehti jo tehdä väikkärinsä, tämähän olisi kuulunut hänen alaansa. On varmaan muitakin, joita Twitterin ihmemaailman numeerinen analyysi hyödyttäisi.

Microsoftin Euroviisut-ennuste osui lähes täydellisesti

Microsoft julkisti 9.5.2017 tiedotteen, jossa se ennusti Euroviisujen TOP 5-listan. Sen mukaan todennäköisimmät voittajat olivat Italia (18,0 % todennäköisyys), Ruotsi (16,8 %), Bulgaria (10,2 %), Belgia (9,0 %) ja Portugali (6,4 %).

Eilen järjestettyjen kilpailujen lopputulos oli Portugali, Bulgaria, Moldova, Belgia ja Ruotsi. Microsoftin ennuste, joka "käytti Cortanan edistynyttä data-analytiikkaa" onnistui loistavasti. Voittaja meni tosin pieleen, sillä Italia tuli kuudenneksi, mutta kärkiviisikosta se sai peräti neljä oikein -- vain Moldova yllätti tekoälyn.

Ihan yhtä hyvin ei pärjännyt Adoben sosiaalisesta mediasta laatima ennuste, jonka mukaan järjestys olisi ollut Belgia, Italia, Ranska, Kreikka, Britannia, Saksa, Irlanti, Australia, Sveitsi ja Bulgaria. TOP 5-listalla vain yksi meni oikein (Belgia). Yllättäen Adoben listalla ei ollut voittaja Portugalia lainkaan.

Microsoftin ennuste antoi Suomen edustajalle 4,9 prosentin todennäköisyyden, jolla se olisi sijoittunut kymmenen parhaan listalle. Valitettavasti se ennuste meni pahasti metsään. Jos Norma olisi selvinnyt finaaliin, sijoitus olisi voinut hyvinkin olla kymmenen joukossa, erottuihan kaunis ja rauhallinen biisi melukappaleista ihan samoin eväin kuin voittanut Portugali.

Microsoftin listalla vähiten pisteitä saivat Tsekki, Georgia, Unkari, Irlanti ja Slovenia. Tästä häntäpään viisikosta osui vain yksi (Ukraina). Voittajien ennustaminen on häviäjiä helpompaa, koska virhemarginaali hukuttaa heikot signaalit.

Microsoftin tulos on vaikuttava. Näin helppoa suurten tietomassojen kerääminen ja analysointi nykyään on. Onneksi edes Microsoft ei tiedä, ketä kukin meistä äänesti. 

Montako terroristia ystäväsi ystävät tuntevat?

Jopa nyt jotakin -- NSA paljastaa itsestään jo enemmän tietoja kuin Snowden! Kongressin kuulemisessa NSA-johtaja kertoi, että he seuraavat terroristiepäilyn tuttavia kolmannelle tasolle asti (ystävät, näiden ystävät, ystävien ystävien ystävät). Snowden oli kertonut seurannan ulottuvan vain toiselle tasolle.

Kuinka monta terroristia pitäisi seurata, jotta seurannan piiriin tulisi koko läntinen maailma? Sanotaan, että heitä on pari miljardia. Runsaat neljä miljardia voidaan jättää pois, koska Afrikan tai Aasian köyhät eivät kiinnosta tiedustelua, eikä heillä ole edes teknisiä viestinnän välineitä, joita voisi seurata.

Facebookin ilmoituksen mukaan käyttäjillä on keskimäärin 130 kaveria. Korkeampiakin lukuja on esitetty, tosin lähdettä mainitsematta. Käytetään kompromissina arvoa 150. Jos vielä oletetaan, ettei henkilöillä ole yhteisiä tuttavia (mikä ei tietenkään pidä paikkaansa), yhdellä henkilöllä on 150 tuttavaa, 150*150=22 500 tuttavan tuttavaa ja 3 375 000 tuttavan tuttavan tuttavaa.

Näin laskien jo 593 epäiltyä terroristia ulottaisi urkinnan kahteen miljardiin ihmiseen -- myös sinuun ja minuun.

Laskelma on tietenkin puhdasta teoriaa, koska päällekkäisiä ystäviä on paljon. Toisaalta kaksi miljardia on ehkä yläkanttiin, koska alaikäiset ja vanhukset voitaneen jättää seurannan ulkopuolelle. Sitä paitsi kuuleminen liittyi vain USA:n omien kansalaisten puhelutietojen analysointiin; ei siihen ulkomaiden vakoiluun, joka meitä erityisesti kiinnostaa.

Tarkat luvut eivät ole oleellisia, mutta periaate on. Six degrees of separation -teorian mukaisesti kahden satunnaisesti valitun ihmisen välillä on keskimäärin enintään kuusi muuta, jotka tuntevat toisensa.

Luultavasti et tunne yhtään terroristia henkilökohtaisesti, mutta ystäväsi tai heidän ystävänsä saattavat jo tuntea. Neljän tai viiden askeleen jälkeen yhteys on jo erittäin todennäköinen. Olet lähempänä terroristia kuin tiedätkään.

Älä siis ihmettele, jos NSA, FSB, GCHQ ym. jonain päivänä alkavat seurata juuri sinua.