Het is waarschijnlijk de belangrijkste keuze die gemaakt werd deze week: meer dan 10 miljoen Nederlanders kozen wie hen mag gaan representeren in de Tweede Kamer de komende vier jaar. Maar hoe bewust maakt men deze keuze?
Als ras-psychologen en neuromarketing-onderzoekers zijn we bij Unravel constant bezig om het onbewuste - het irrationële - te beschrijven, analyseren, interpreteren en te voorspellen. Maar stemmen is natuurlijk een rationele keuze pur sang: het moment dat jij het origami stembiljet uitvouwt, zou toch bovenal jouw rationele brein moeten bepalen welk van de 642 opties rood moet worden gekleurd. Daar komt geen onbewuste beïnvloeding aan te pas - hoogstens de lengte van het aantal kandidaten van een partij. Toch?
In de aanloop naar de verkiezingsdag zijn de onbewuste invloeden echter alom aanwezig. De psychologische technieken die politici toepassen om de kiezer te overtuigen, beschreven we eerder al in dit blog. Zo blijken de spots slim gebruik te maken van positieve én negatieve emotie, en grijpen politici vanalles aan om de identificatie met de kiezer onbewust te versterken.
Maar hoe kunnen we de impact van deze onbewuste emoties blootleggen tegen zo’n rationele keuze? Kunnen we de stated preference - en daarmee de verkiezingsuitslag - voorspellen met onze metingen van het irrationele keuze centrum: het brein?
Trouwens, laatst gaven we een - gratis - lunchwebinar precies hierover. We lieten zien wat het brein allemaal kan voorspellen, maar keken ook vooruit op welk terrein we onze toekomstige onderzoeken zullen richten.
Aangezien je dit blog leest, dacht ik dat je deze webinar helemaal mooi zal vinden! Terugkijken kan heel simpel via deze link. Ik ben benieuwd wat je ervan vond!
Verkiezingen voorspellen explained
Van de belangrijkste inzichten uit dit blog hebben we een korte en praktische explainer video voor je gemaakt. Je bekijkt hem hieronder.
Wie peilt het best?
Het voorspellen van de uitslag is elk jaar weer een race tegen de klok - en elkaar. Waar Maurice de Hond elke week met een nieuwe peiling (en coronawetenswaardigheden) komt, zijn in het verleden diverse methoden aangesteld om de uitslagen op meer gedragsmatige basis te voorspellen. Klassieke peilingen zijn immers niet perfect. Ze hebben te kampen met representativiteit van de samenleving, sociale wenselijkheid en andere kiezers-biases (Zhou et al., 2021).
Een groeiende beweging is de toepassing van Machine Learning op Big Data verzameld van Twitter en andere sociale media. Dit wordt steeds belangrijker: het aantal tweets in combinatie met het sentiment dat over partijen wordt uitgesproken in deze 140 tekens kon de verkiezingen voorspellen in verschillende landen, bijvoorbeeld Duitsland (Tumasjan et al., 2010), Maleisië, India, Pakistan (Jaidka et al., 2019) en Nederland (Sanders en van den Bosch, 2019).
Een methode die meer op de onbewuste motivatie van kiezers stoelt, is de impliciete associatie test (IAT). Hiermee kon de uitslag voorspeld worden op een Zwitsers referendum (Raccuia, 2016) en tijdens Italiaanse verkiezingen (Roccato en Zogmaister, 2010).
Ook werd getest met het inzetten van metingen van het onbewuste keuzecentrum: het brein. Deze neuro-methode heeft ook al de eerste waarde bewezen: de reactie van het brein op het zien van het gezicht van de lijsttrekker kon de verkiezingsuitslag bij de Italiaanse verkiezingen voorspellen (Vecchiato et al., 2009).
Het is duidelijk dat naast de traditionele peilingen verschillende meetmethodes die de onbewuste ervaring meten, een waardevolle toevoeging kunnen zijn aan de vrij rigide meetmethode die de media op dit moment domineert.
Kan een rationele keuze voorspeld worden door onbewuste emoties?
Voor verschillende toepassingen zien we dat het meten van onbewuste emoties een goede weerspiegeling is van gedrag. Door de hersenactiviteit tijdens het kijken van commercials te meten kunnen we bijvoorbeeld verkoop voorspellen en ook de persoonlijke voorkeur van de respondent.
Echter, tijdens het aankopen van de meeste producten zijn veel beïnvloedende factoren aanwezig, terwijl die in het stemhokje juist zo veel mogelijk geëlimineerd zijn. Dit zou ervoor kunnen zorgen dat deze expliciete voorkeur niet goed voorspeld kan worden omdat je veronderstelt ook daadwerkelijk op basis van expliciete voorkeur te stemmen. Aan de andere kant zijn de campagnes voor je in het stemhokje belandt natuurlijk overtuigend en zouden deze er toch voor zorgen dat je meer uit de bocht neigt dan je rationeel kunt uitleggen.
We leggen daarom de commercials van verschillende politieke partijen op de neuro-pijnbank en vergelijken deze met de verkiezingsuitslagen. In de week voorafgaande aan de verkiezingen hebben we daarom 22 respondenten ontvangen in ons huiskamerlab en een reclameblok laten zien met commercials van negen partijen: CDA, ChristenUnie (CU), D66, Forum voor Democratie (FVD), Groenlinks (GL), PVDA, PVV, SP en de VVD.
Tijdens dit onderzoek meten we de respondenten een EEG aan om hun hersenactiviteit te meten. En de relatie van beide met de daadwerkelijke verkiezingsuitslag liegt er niet om!
De stemmen zijn geteld… en de hersenactiviteit gemeten!
Op het moment van publicatie worden de allerlaatste stemmen van de Tweede Kamer verkiezingen 2021 geteld. Hoog tijd om de balans op te maken van deze verschillende methoden en hun voorspellende waarde voor de daadwerkelijke uitslag. Tijd om naar de resultaten te kijken!
Uit de hersenactiviteit van de respondenten tijdens het kijken van de politieke commercials, berekenen wij verschillende metrics. De belangrijkste is onze veel gebruikte metric verlangen, die ook voorspellend is voor sales en product-keuze. Deze hebben we naast het aantal zetel gelegd, en wat blijkt? De voorspellende waarde van onze verlangen meting is 71.38% (p=.003).
Maar hoe zit dit met de expliciete metingen? Daarvoor kijken we naar de peilingen van 7 maart: deze voorspelden dat VVD de grootste zou blijven (32 zetels) gevolgd door PVV (24 zetels) en CDA (17 zetels). De voorspellende waarde van deze peiling blijkt 72.04% van de variantie binnen de zetels te voorspellen (p=.002). De breinen van slechts 22 respondenten voorspelt de verkiezingsuitslag even goed als peilingen dus!
Dit betekent dat een week voor de verkiezingen de uitslag evengoed met neuro-metingen als de gerenomeerde peilingen van peil.nl voorspeld kon worden. Maar wat zijn dan de voor- en nadelen van deze twee methoden?
Wat is het verschil?
Ten eerste is er de groepsgrootte. Het panel van Maurice de Hond bestaat wekelijks uit 3000 respondenten die zich vrijwillig hebben aangemeld. Het is belangrijk dat deze evenredig over de samenleving worden verdeeld om een representatief beeld te geven.
Het EEG onderzoek kan met 20 respondenten succesvol uitgevoerd worden en heeft geen voorwaarde voor de doelgroep: de resultaten zijn goed te algemeniseren naar de een grotere groep. Hoe is het mogelijk dat zo weinig breinen zoveel zeggen? Het brein onthult namelijk niet enkel de ultieme partijkeuze van de respondent, maar ook hoe elke partij neuraal ‘in de markt ligt’.
Gratis Webinar: De verrassende voorspellende waarde van het brein 🧠
Van de verkiezingsuitslag tot het aantal euro's dat we in de collectebus gooien – hersenactiviteit blijkt van grote voorspellende waarde in vele takken van het leven. In dit webinar onthullen Tim en Tom van Unravel de meest verrassende inzichten over hoe hersenactiviteit ons dagelijkse gedrag accuraat blijkt te voorspellen.
De 50 minuten durende webinar is nu terug te kijken!
Bekijk de webinar via deze link <
Ook wijzelf waren verrast
Hoewel we hadden verwacht dat hersenactiviteit voorspellende waarde zou hebben bij verkiezingsuitslagen, hadden ook wijzelf niet een verklaarde variantie van 71% procent verwacht op basis van een enkele metric.
Waar neuromarketing-onderzoek zich goed bewezen heeft als methode om te voorspellen wat je in de supermarkt in je winkelmandje doet, is stemmen een bewuster proces dan je frisdrankvoorkeur in de winkel. Dit zou doen verwachten dat bewuste peilingen misschien beter de uitslag kunnen voorspellen dan een hersenmeting van (onbewuste) emotie. Toch zien we dat onze neurale data buitengewoon hoge voorspellende waarde heeft en dat politieke voorkeuren toch zeker vanuit de hersenactiviteit voorspeld kunnen worden. Ook voor (ogenschijnlijk) bewuste keuzes geeft neurodata dus verrassend veel prijs.
Op naar de volgende verkiezingen!
Referenties
Jaidka, K., Ahmed, S., Skoric, M., & Hilbert, M. (2019). Predicting elections from social media: a three-country, three-method comparative study. Asian Journal of Communication, 29(3), 252-273.
Raccuia, L. (2016). Single-Target Implicit Association Tests (ST-IAT) predict voting behavior of decided and undecided voters in Swiss referendums. PloS one, 11(10), e0163872.
Roccato, M., & Zogmaister, C. (2010). Predicting the vote through implicit and explicit attitudes: A field research. Political Psychology, 31(2), 249-274.
Sanders, E., & van den Bosch, A. (2019, November). A Longitudinal Study on Twitter-Based Forecasting of Five Dutch National Elections. In International Conference on Social Informatics (pp. 128-142). Springer, Cham.
Tumasjan, A., Sprenger, T., Sandner, P., & Welpe, I. (2010, May). Predicting elections with twitter: What 140 characters reveal about political sentiment. In Proceedings of the International AAAI Conference on Web and Social Media (Vol. 4, No. 1).
Vecchiato, G., Toppi, J., Cincotti, F., Astolfi, L., Fallani, F. D. V., Aloise, F., ... & Babiloni, F. (2010, January). Neuropolitics: EEG spectral maps related to a political vote based on the first impression of the candidate's face. In 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology (pp. 2902-2905). IEEE.
Zhou, Z., Serafino, M., Cohan, L., Caldarelli, G., & Makse, H. A. (2021). Why polls fail to predict elections. arXiv preprint arXiv:2101.11389.
PS Vond je dit blog waardevol en wil je het niet missen als we een nieuwe publiceren?
Schrijf je dan in voor onze updates, je bent met ruim 9.165 anderen in goed gezelschap.