Af Anders Munk, Sofie Thorsen, Laura James & Henrik Halkier, Aalborg Universitet
Fra hashtags til AI: hvad er #baredanmark?
De sociale medier spiller nu om dage en væsentlig rolle i skabelsen af turistdestinationers image. Ved at producere og dele billeder via sociale medier som Instagram, skaber brugerne et image, der ofte bliver ofte opfattet som mere autentisk og troværdigt af potentielle rejsende, fordi budskaberne kommer fra nogen, der ikke – i modsætning til visit-organisationer og virksomheder – har en privatøkonomisk interesse i at få en destination til at tage sig godt ud.
Som konsekvens heraf inddrager turismevirksomheder og destinationer i stigende grad brugere af sociale medier som led i deres egne kampagner. Kampagnen #barednmark er et fortræffeligt eksempel på denne trend, og i det forrige vidensindlæg præsenterede vi de metoder, vi bruger til at se på Instagram. Bl.a. hvordan vi bruger maskinlæring til at genkende motiver på billederne. Med udgangspunkt i det arbejde gennemgår vi i dette indlæg, hvad brugerne på Instagram tagger som #baredanmark, og hvordan destinationer og virksomheder kan bruge denne viden.
Når en bruger lægger et billede op på Instagram, så ledsages det som regel af en tekst og i de fleste tilfælde også af nogle hashtags. Det er blandt andet sådan, vi har fundet de 39.570 billeder med hashtagget #baredanmark. Det er i et vist omfang muligt at bruge den tekst og de hashtags, billederne er udstyret med, til også at sige noget om, hvad billederne forestiller. De 15 mest forekommende hashtags på vores #baredanmark-billeder er fx #visitdenmark, #nature, #opdagdanmark, #sommeridanmark, #govisitdenmark, #naturephotography, #danmarkdejligst, #bornholm, #ferieidanmark, #sommer, #tv2vejret, #natur, #visitnordjylland, #summer og #danmarksnatur. Det fortæller os, at der på et generelt plan er mange billeder af naturen om sommeren, mange billeder fra Nordjylland og Bornholm og mange, der kandiderer til dagens vejrbillede på TV2. Men det fortæller os ikke så meget om, hvad det er, brugerne tager billeder af, når de fx, og efter eget udsagn, har været ude i naturen. Derudover har mange brugere deres egen personlige ”taggingstil”, der kan gøre billederne svære at sammenligne.
Hvis vi i stedet kigger på, hvad billederne faktisk forestiller, så er vi for det første ikke længere afhængige af brugernes måde at beskrive indholdet på, og for det andet træder der et helt andet niveau af detaljer i motiverne frem. Et naturbillede er ikke længere blot et naturbillede, men et nærbillede af en sommerfugl eller et panorama af en strand i solnedgangen. Ved hjælp af kunstig intelligens kan vi tagge billederne med nogle af disse detaljer uden at skulle analysere dem manuelt. Det er nødvendigt, hvis vi realistisk set skal kunne analysere alle 39.570 billeder fra #baredanmark-kampagnen på denne måde. Til sammenligning med de mest forekommende hashtags er det således motiver som ”sky”, ”water”, ”tree”, ”sea”, ”cloud”, ”natural landscapes”, ”plant”, ”grass”, ”horizon”, ”ocean”, ”architecture”, ”natural environment”, ”coast”, ”nature” og ”building”, som vores billedegenkendelsesværktøj (Clarifai og Google Vision, som tagger på engelsk) finder på billederne.
Det bekræfter indtrykket af, at naturen fylder meget, når vi spørger brugerne på Instagram, hvad der er #baredanmark. Vi kan i hvert fald konstatere, at naturmotiver er de mest dominerende, men de er bestemt ikke de eneste. I alt finder vi 2.366 forskellige motiver på tværs af datasættet. For at kunne gruppere dem i nogle visuelle emner har vi kigget på, hvordan de optræder sammen.
En netværksanalyse af visuelle billedkategorier
Når to motiver, fx "wetsuit" og "diving equipment", optræder på de samme billeder, kan vi sige, at de er relaterede til hinanden. Mange brugere har valgt at lægge billeder op på Instagram, hvor der både optræder våddragter og dykkerdragter, og det viser sig at være de samme billeder, hvor der optræder vand, både og andre vandsportsaktiviteter. Ergo udgør disse billeder en kategori. På Figur 1 og Figur 2 herunder viser vi, hvordan netværksanalysen gør det muligt for os at opdage klynger omkring henholdsvis by- og madmotiver.