LONDON (IT BOLTWISE) – Neue Forschung zeigt, dass Menschen ihre News-Nutzung kurzfristig anpassen, sobald Schlagzeilen gegen die eigene Partei kippen. Laut einer Auswertung von rund 27 Millionen Webbesuchen vermeiden besonders viele Personen dann vor allem Hard News oder beenden Sessions früher. Gleichzeitig kann Negativberichterstattung über die Gegenseite das Weiterlesen sogar befeuern und mehr politische Inhalte nach sich ziehen. Für KI-gestützte Analyse- und Empfehlungssysteme bedeutet das: Kontext der aktuellen Nachrichtenlage verändert das Nutzerverhalten spürbar in Echtzeit.
Wer politische Informationen konsumiert, macht das selten nach festen Routinen. Vielmehr scheint die Tageslage direkt in die Entscheidung einzugreifen, welche Artikel man öffnet, wie lange man auf einer Nachrichtenseite bleibt und ob man anschließend weiter politisch liest oder zum Sport- oder Entertainment-Teil wechselt. Genau diese Dynamik rückt eine Studie in den Fokus, die in American Journal of Political Science veröffentlicht wurde. Kernidee ist: Negativnachrichten lösen bei Anhängern eines politischen Lagers eher Anpassungen im Leseverhalten aus als ein starres Muster von „Newsvermeidung“ oder „parteilicher Loyalität“ über alle Situationen hinweg.
Die Einordnung startet bei zwei Forschungssträngen, die in der Politikpsychologie lange nebeneinander existieren. Selektive Exposition meint, dass Menschen bevorzugt Medien wählen, die die eigenen Überzeugungen bestätigen. News Avoidance beschreibt dagegen eine eher komplette Abwendung von aktuellen Ereignissen, häufig getrieben durch Angstgefühle oder Informationsüberlastung. Die neue Arbeit argumentiert jedoch, dass diese Kategorien zu statisch greifen: Menschen können zwar in ruhigen Phasen oder während großer Ereignisse aktiv bleiben, aber dann aussteigen, wenn konkrete Schlagzeilen die eigene Perspektive unangenehm infrage stellen. In der Studie wird dieser Mechanismus über kognitive Dissonanz erklärt: Wer Informationen sieht, die mit den Kernwerten kollidieren, sucht entweder Distanz zur Quelle oder Ersatzinhalte, die das psychische Gleichgewicht wiederherstellen.
Um diese situative Steuerung greifbar zu machen, entwickeln die Autorinnen und Autoren um Michael Heseltine (Postdoc an der University of Amsterdam) den Begriff partisan temporal selective news avoidance. Dahinter steckt die Hypothese, dass Parteianhänger ihr Newsverhalten abhängig vom jeweiligen Nachrichtenzyklus anpassen: Wenn die Berichterstattung überwiegend schlecht für die eigene Partei ausfällt, reagieren sie anders als wenn dieselbe negative Grundstimmung die gegnerische Seite trifft. Interessant ist dabei die Frage, ob Menschen dann tatsächlich komplett aufhören, ob sie sich auf unterhaltsame Themen umorientieren oder ob sie in „freundliche“ Medienumfelder ausweichen. Genau dafür reicht es nicht, nur zu fragen, was jemand grundsätzlich liest; man muss beobachten, was unmittelbar nach einzelnen Artikeln passiert.
Die Datengrundlage ist entsprechend groß dimensioniert. Die Forschenden analysierten Online-Browsing-Historien von 2.462 erwachsenen Internetnutzern in den USA über neun Monate im Jahr 2019. In Summe umfasst das Datenset mehr als 27 Millionen einzelne Webbesuche; zur Einordnung filterten die Autorinnen und Autoren Besuche über eine Liste von über 5.000 nationalen und lokalen News-Domains. Damit die Untersuchung nicht auf vage Kategorien angewiesen bleibt, wird maschinelles Lernen genutzt, um besuchte Artikel zu klassifizieren und zwischen Hard News (Politik, Wirtschaft) und Soft News (zum Beispiel lokales Crime-Thema, Sport, Unterhaltung) zu unterscheiden. Für die politische Tonalität der Artikel baut das Team zwei automatisierte Textklassifikatoren: Sie trainierten die Modelle mit Tausenden Social-Media-Posts aus etablierten Nachrichtenquellen, während menschliche Codierer einen Teil manuell beschrifteten, um dem System beizubringen, wie negative Stimmung gegenüber demokratischen oder republikanischen Akteuren erkennbar ist. Anschließend scannt die Software die Titel der Artikel in den Browserdaten, um pro Besuch festzulegen, ob die Darstellung politisch eher negativ gegenüber Demokraten oder Republikanern ausfällt.
Auf der Makroebene vergleichen die Forschenden Tageswerte mit dem tatsächlichen Verhalten. Dazu berechnen sie für jeden Tag einen Sentiment-Score, der darauf beruht, welche dominanten Geschichten in der Berichterstattung überwiegend negativ für Demokraten oder für Republikaner sind. Dieser Score wird über ein gleitendes Drei-Tage-Fenster gemittelt, um eine Art Momentaufnahme des politischen Klimas zu erhalten. Die Ergebnisse zeigen dann eine feine, aber klare Abweichung zwischen den Lagern: Wenn die Tageslage negativ gegenüber der eigenen Partei ist, reduzieren Demokraten nicht insgesamt die News-Nutzung. Stattdessen verschiebt sich die Mischung: Sie senken den Anteil der Hard News und gehen stärker in Richtung Soft News. Wenn die Negativität dagegen den Republikanern gilt, steigen demgegenüber die Gesamtnachrichtenzugriffe der Demokraten. Auch bei Republikanern sieht man ein abweichendes Muster: Negativität gegen die eigene Partei führt zu einer leichten Erhöhung der Gesamtlesezeit, allerdings vor allem über einen Wechsel zu ideologisch anschlussfähigen, konservativen Newsangeboten. Trifft die Negativität hingegen die Demokraten, bleiben die Änderungen bei Republikanern statistisch gesehen ohne klare Signifikanz.
Noch aussagekräftiger ist die Mikroebene, also das Verhalten innerhalb einer einzelnen Browsing-Session. Die Forschenden verfolgen die Reihenfolge der Seitenaufrufe, um zu messen, was passiert, nachdem jemand einen konkreten negativen politischen Artikel gelesen hat. Dabei sinkt bei beiden Gruppen die verbleibende Session-Länge, wenn die negativen Inhalte die jeweils eigene Partei betreffen: Negativartikel wirken demnach als „Stoppsignal“, das die Wahrscheinlichkeit erhöht, kurz danach das Browsen zu beenden. Differenziert wird das zusätzlich durch den Typ des Ausspielkanals: Wenn Demokraten in einem Mainstream- oder nicht klar ausgerichteten Umfeld unterwegs sind und dann auf einen ungünstigen Artikel stoßen, wechseln sie etwas häufiger zu einem eher linksorientierten Angebot für den Rest der Session. Bei Republikanern ist ebenfalls ein Anstieg beim Lesen negativer Nachrichten zur eigenen Partei zu sehen, was aber häufig auf ideologisch ausgerichteten Plattformen passiert. Gleichzeitig zeigt die Untersuchung auch die andere Seite der Medaille: Trifft ein negativer Artikel die gegnerische Partei, sinkt die Session-Länge bei Demokraten zwar leicht, doch beide Gruppen suchen dann prozentual häufiger Hard News und zusätzliche negative Inhalte, bevor sie die Browserfenster schließen. Diese Kombination deutet darauf hin, dass „schlechte Nachrichten“ über den politischen Rivalen nicht zwingend abschrecken, sondern eine Art vertiefendes Interesse auslösen können.
Für die Interpretation ist außerdem entscheidend, wo die Studie zeitlich verortet ist. Die Daten stammen aus 2019, einer Phase, in der die Berichterstattung stark vom ersten Amtsenthebungsverfahren gegen Donald Trump geprägt war; zudem war das Gesamtumfeld der Nachrichten in dieser Zeit konsistent eher negativ gegenüber Republikanern als gegenüber Demokraten. Daraus folgt nicht automatisch, dass die gefundenen Unterschiede dauerhaft zwischen den Lagern „eingebrannt“ sind. Die Autorinnen und Autoren betonen vielmehr, dass zukünftige Forschung prüfen muss, ob diese Effekte auch unter anderen politischen Administrationen in ähnlicher Form auftreten. Zugleich ist die Messung methodisch auf Desktop- und Laptop-Nutzung beschränkt: Smartphones, TV, Print und Radio fehlen. Damit bildet die Studie nur einen Teil der Mediennutzung ab. Gerade für Unternehmen und Entwickler von KI-gestützten Empfehlungssystemen oder Analysepipelines ist das dennoch eine wichtige Signatur: Nutzerreaktionen sind nicht nur ein Spiegel von Persönlichkeit oder langfristigen Vorlieben, sondern reagieren kurzzyklisch auf den Tonfall des aktuellen Nachrichtenzyklus und die erwartete psychologische Kosten-Nutzen-Rechnung beim Weiterklicken.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Wie sich politische Lager bei Negativnachrichten im News-Feed verändern" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Wie sich politische Lager bei Negativnachrichten im News-Feed verändern" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Wie sich politische Lager bei Negativnachrichten im News-Feed verändern« bei Google Deutschland suchen, bei Bing oder Google News!