CO.ME.TA. – COvid19 MEdia monitoring Textual Analysis

E. Zavarrone – Università IULM- Milano
G.Grassia – Università “Federico II” Napoli
M. Marino – Università “Federico II” Napoli
R.Mazza
– Università “Federico II” Napoli
N.Canestrari
  – Università IULM- Milano
R.Cataldo
– Università “Federico II” Napoli

La dashboard testuale CO.ME.TA. consente di analizzare il sentiment dell’opinione pubblica rispetto alla pandemia, sulla base di alcuni media: Il Corriere, Il Sole 24ore, Repubblica, Fanpage, Twitter, The Guardian e NYTimes.

La pandemia COVID 19 sta catalizzando l’attenzione degli studiosi sviluppando diverse proposte metodologiche. Si individuano tre cluster di studi:

  1. epidemiologici
  2. modellizzazione e previsione
  3. impatto socio-economico includendo anche gli effetti ascritti alla comunicazione. Alcuni risultati ottenuti sono diffusi al grande pubblico altri, invece, restano confinati sulle pagine delle riviste scientifiche alimentando il dibattito tra pari.

Questa nota si colloca in un punto intermedio tra la produzione di metodi e modelli per lo studio degli impatti socio-economici e la comunicazione presentando una dashboard testuale, CO.ME.TA. (Fig.1), sviluppata per analizzare e confrontare come la diffusione delle notizie  (Il Corriere, Il Sole 24ore, Repubblica, Fanpage, Twitter, The Guardian e NYTimes) abbia contribuito alla descrizione dell’emergenza e quale tipo di sentiment abbia diffuso presso i propri pubblici. Gli articoli sono stati collezionati attraverso tecniche di webscraping.

L’esigenza di potenziare la diffusione della statistical literacy nei media rimane sempre una esigenza di fondo: i soli numeri se non adeguatamente contestualizzati, sono esposti ad interpretazioni non sempre corrette e in questo delicato frangente la comunicazione, istituzionale e non, diventa un importante mediatore del comportamento sociale, contribuendo in modo indiretto alla diffusione e/o contenimento del contagio.

L’individuazione delle modalità di contagio non è lo scopo di questa comunicazione che vuol essere orientata a una riflessione sul ruolo della copertura dei media che, inevitabilmente presenta ricadute sul comportamento degli Italiani.

Da queste riflessioni nasce CO.ME.T.A. (Fig.1), una dashboard interattiva e dinamica che, oltre all’analisi testuale, esamina: il tipo di sentiment diffuso dai media presso i propri pubblici, i termini usati per descrivere i macro argomenti, i concetti prevalenti all’interno della trattazione del tema, l’estrapolazione di informazioni importanti finalizzate all’interpretazione delle dinamiche della comunicazione giornalistica, i confronti tra i contenuti e le reti semantiche. La versione beta di CO.ME.T.A. evidenzia come nei primi giorni della pandemia, gli articoli scaricati hanno contribuito a diffondere uno stato di allerta, anche se, alcune testate hanno, anche, alimentato sentimenti di ottimismo che, inevitabilmente, al passare del tempo, si sono trasformati in sentimenti con valenza negativa. Interesse suscita anche la frequenza delle parole più usate e la tipologia di topics affrontati nello stesso periodo che evidenziano la presenza di dimensioni semantiche diverse (Fig.2).

La dashboard è divisa in due sezioni: a sinistra un frame in cui si opera la scelta tra i contenuti che si desiderano analizzare e la scelta di alcuni parametri fondamentali per implementare le analisi.
La sezione di destra, invece, è organizzata in tre sezioni: la prima dedicata all’analisi testuale al fine di quantificare le parole più utilizzate, le rappresentazioni grafiche più richieste, l’analisi della polarità del contenuto (sentiment analysis) con le relative visualizzazioni, la seconda sezione è dedicata allo studio della rete testuale e in particolar modo alla costituzione degli ego-network dei termini scelti e le misure descrittive associate, la terza ed ultima sezione è caratterizzata dall’applicazione dei latent topic models per poter estrarre argomenti affrontati e i relativi termini che compaiono in base ai valori della probabilità associata e con l’aggiunta del network tra topics e termini.

Fig.1 CO.ME.TA

Fig.1 CO.ME.TA

 

Fig.2 CO.ME.TA

Fig.2 CO.ME.TA

 

Facebooktwitterlinkedinmail