1.
Il numero 36 de La voce del dato, la newsletter aziendale di tropic srl.
Un’edizione che dà ricetto, come sempre, ai link ai nostri articoli pubblicati durante la settimana.
Oggi, in coda, c’è anche un approfondimento. È un piccolo esperimento a fini didattici, su un caso reale, com’è nelle corde di questa rubrica.
2.
Prima di tutto i link.
Parole d’Italia n°54. La nostra attività settimanale di content intelligence e opinion mining, che monitora l’infosfera italiana.
Parole d’Italia ha due estensioni. Nella prima, monitoriamo tutte le settimane le news su Facebook, analizzando anche i commenti a uno dei post che ha generato il maggior numero di interazioni.
Nella seconda estensione, questa settimana abbiamo puntato la lente su Instagram (e non solo), per monitorare gli eventuali effetti del dissing marketing in quell’arena.
Share of Words n°46. Share of Words è l’attività gemella di Parole d’Italia. In questo caso, a essere indagata è l’infosfera internazionale, con un approfondimento sui messaggi in lingua inglese che hanno generato il maggior numero di interazioni.
Tutte le settimane, dall’inizio del campionato in avanti, monitoriamo l’attività e le performance degli account delle 20 squadre di serie A, su Facebook, Instagram, TikTok, X e YouTube.
3.
L’approfondimento di oggi dà conto di uno dei tanti esperimenti che conduciamo quotidianamente per testare l’efficacia dell’uso dei modelli linguistici e degli agenti conversazionali, associati ad altre tecniche di analisi del contenuto e delle espressioni, nell’ambito della media intelligence.
L’intento, il nostro almeno, è quello di arricchire le competenze a disposizione del ricercatore e non di sostituirlo.
In questo caso, abbiamo monitorato per alcuni giorni la keyword “alluvione” in alcune tv e in alcune radio italiane.
Abbiamo estratto più di 2.000 contesti in cui compariva la keyword. Con questo trend.
L’analisi del contenuto ci aiuta a identificare le parole associate con maggiore frequenza ad “alluvione”. Parliamo di un corpus di circa 70.000 tokens.
Il passo successivo è tentare di identificare gli argomenti più rilevanti correlati alla parola alluvione.
L’analisi del contenuto ne individua 5:
- la cronaca degli eventi,
- la discussione sulle risorse finanziare destinate all’emergenza,
- la gestione politica dell’emergenza,
- la discussione sull’ambiente e sui fiumi in particolare,
- la discussione sugli impatti a lungo termine dell’evento.
Questo è un primo passo. Ci affidiamo poi all’analisi per cercare di individuare gli argomenti più rilevanti nel cluster “gestione politica dell’emergenza”. Ne emergono due puntuali e qualcun’altro molto più vago. Quelli puntuali puntano (I) sulla polemica per l’uso delle risorse finanziarie post-alluvione e (II) sulla collaborazione tra Stato e Regioni.
Siccome il corpus comprende più fonti, una trentina, può essere utile capire chi dice cosa. Anche in questo caso grazie all’ausilio di analisi del contenuto e del supporto dei modelli linguistici. Il risultato evidenzia una macro-clusterizzazione tra fonti più attente al ruolo del governo e alla gestione politica della vicenda, e fonti più attente alla gestione operativa dell’emergenza.
Infine, come sempre accade quando le fonti lo consentono, abbiamo ripetuto la stessa attività di content intelligence e di opinion mining anche sulle news, ricorrendo al web o alla tradizionale rassegna stampa. Posta l’attenzione su queste nuove fonti, abbiamo utilizzato l’analisi del contenuto per identificare i temi correlati alla “gestione politica della vicenda”. Identificati i temi, il modello linguistico ci ha aiutati a descriverli e a correlarli di volta in volta alle fonti più autorevoli (o la reach più elevata).
I temi identificati sono:
- utilizzo dei fondi per la prevenzione,
- responsabilità della prevenzione,
- accuse di “sciacallaggio politico”,
- appelli alla solidarietà.
