Analisi dell’hashtag #crowdmapping

Allo scopo di risalire alle aree semantiche, alle dimensioni e categorie concettuali collegate al crowdmapping è stata realizzata un'analisi di Text-mining dei tweet che ricadono sotto l’hashatag #crowdmapping188 _{(cfr. par. 3.5.1). Si è deciso di escludere gli hashatag provenienti da altri SNS, ci} riferiamo in particolare a quelli di Facebook, in quanto introdotti più di recente e il cui accesso è vincolato dal livello di privacy impostata dall’utente che li utilizza (solo se quest’ultima è impostata su “pubblica” si avrà accesso ai contenuti sottesi dall’hashtag in questione).

Da un punto di vista metodologico ed operativo, l'intento è stato quello di creare un corpus di documenti naturali rappresentati dai tweets che ricadono sotto le etichette #crowdmapping, con l'ausilio del plug-in “Ncapture” (cfr. par. 3.5.2), il quale ha permesso di estrarre 80 tweet ascrivibili al suddetto hashtag, nel periodo compreso tra gennaio e giugno 2016, che andranno a costituire il corpus di documenti naturali, ossia la documentazione empirica da sottoporre ad analisi semantica quali- quantitativa.

Si terrà in dovuta considerazione il fatto che i tweet contengono informazioni dinamiche accompagnate da diversi link, per cui la struttura di un testo scritto mediante supporto multimediale come un tweet ha una sequenzialità e una forza d'impatto che va distinta dalla linearità di un testo a stampa tradizionale.

Il patrimonio informativo di Twitter è tra i più ricchi attualmente disponibili per gli analisti del contenuto interessati ai media digitali. L'aspetto probabilmente più rilevante che rende le piattaforme di

187 _{Dal leggere quotidiani online allo scaricare videogiochi, film o software (downloading), dal caricare contenuti autoprodotti}

(uploading) all'inviare moduli per la ricerca di lavoro e, ancora, ascoltare web radio o guardare web tv, seguire corsi di formazione in teledidattica, compiere azioni bancarie o acquistare merci e servizi.

188 _{Gli hashtag sono un tipo di tag (etichetta, parola chiave) utilizzato come aggregatore intorno a un tema specifico. Sono}

formati da parole (o combinazioni di parole concatenate) precedute dal simbolo # (cancelletto). Analizzare un hashtag permette di accedere a diversi tipi di informazioni e dimensioni concettuali che sottendono. Tuttavia l'analisi potrebbe essere limitata dal settaggio del sistema di ricerca utilizzato. Bisogna, in ogni caso, tenere in dovuta considerazione (Marmo, 2016): a) la lingua usata per l'hashtag in quanto questo può assumere un significato diverso in base all'idioma in cui è espresso; b) la piattaforma del SNS usata; c) l'arco temporale in cui l'hashtag è stato analizzato; c) l'area geografica a cui afferisce; d) se esistono eventuali restrizioni all'utilizzo delle informazioni estratte.I risultati delle ricerche eseguite vanno differenziati, in quanto danno risultati diversi, tra quelli ottenuti impostando l'anlisi dell'hashtag in questione dall'interno del proprio profilo o esternamente. In Twitter, nello specifico (la piattaforma di microblogging utilizzata per analizzare l'hashtag #crowdmapping), è più facile ottenere risultati interessanti grazie alle ampie possibilità di estrazione concesse dalle sue API (Application Programming Interface).

175

microblogging particolarmente utili per l'analisi del contenuto di grandi quantità di dati (si parla, a questo proposito, di big data content analysis) è l'asimmetria delle relazioni tra i suoi iscritti. Detto altrimenti, è possibile seguire gli aggiornamenti di un utente senza che questi sia tenuto a fare altrettanto, una situazione pressoché irriproducibile su altri Sns come Facebook, dove è ora possibile “seguire” altre persone/personaggi, tuttavia si possono ricevere soltanto i suoi contenuti pubblici, ossia i messaggi, le foto e i video che condivide impostando il livello di privacy su “Pubblica”, e non i post destinati ai soli amici.

Le sempre più articolate impostazioni per la privacy di altri Sns, inoltre, complicano notevolmente il lavoro che il ricercatore è tenuto a svolgere nella delicata fase di costruzione della documentazione empirica.

Un secondo elemento particolarmente interessante di Twitter è rappresentato, per l'appunto, dall'utilizzo di parole-chiave precedute dal simbolo cancelletto (#), un espediente comunicativo introdotto proprio da Twitter e di recente acquisito anche da molti altri SNS. Gli “hashtags”, questa è la denominazione di tali identificativi meta-testuali, permettono di aggregare in modo facilmente fruibile tutti i messaggi che condividono uno stesso argomento (quindi hanno la stessa etichetta/hashtag) e sono completamente liberi, per cui ogni utente può crearne di nuovi o riferirsi a quelli precedentemente ideati da altri.

La ricerca per hashtag rappresenta dunque la strategia di information retrieval (IR) più semplice, immediata ed efficace a cui un ricercatore può ricorrere per analizzare il contenuto delle conversazioni su un determinato argomento su Twitter.

Il limite, poi, dei 140 caratteri per la lunghezza dei tweets189 _{può essere un'opportunità per l'analisi} del contenuto in quanto questa caratteristica rende molto più dense e visibili le associazioni di senso che attraversano i tweet.

Per analizzare il ruolo giocato dagli hashtag nell’ambito, ad esempio, della narrazione di episodi di movimenti di protesta, occorre tenere conto dell’importanza che questo espediente esibisce nel dare forma a un flusso discorsivo relativamente compatto e facilmente individuabile, conferisce una rilevante visibilità alle attività della protesta e contribuisce alla creazione di un progetto di identità (Baipaj e Jaiswal, 2011). Ad esempio nel caso di #occupywallstreet si è parlato di “hashtag revolt” (Jarvis 2011), paragonando un hashtag ad una sorta di bacheca pubblica, grazie alla quale chiunque può apportare il proprio contributo: l’onerosa attività di network building, richiesta a un movimento per disporre di canali relazionali di comunicazione, può idealmente essere bypassata dall’esistenza di questo aggregatore semantico e relazionale.

Tale aspetto di semantizzazione dei dati del web, che non riguarda la sola piattaforma di Twitter, ha implicazioni per la ricerca sui fenomeni, e in particolare sui movimenti sociali, a un duplice livello. Da un punto di vista metodologico, esso fornisce al ricercatore la possibilità di individuare, con una elevata dose di affidabilità, un flusso comunicativo specifico in tempo reale, consentendo quindi di “seguire” la controparte online di un certo movimento, entità in divenire di altrimenti difficile delimitazione nell’ambito di un web di natura prevalentemente “sintattica” (Petit 2004, p. 6).

Da un punto di vista teorico, è possibile ipotizzare che, in termini individualistici, l’adozione di un hashtag sia connessa in molti casi a un elemento di esibizione di endorsement, rappresentando quindi una pratica di adesione al movimento, tale da andare a rinforzare il senso individuale di partecipazione; in termini aggregati, inoltre, gli elementi di oggettivazione e riferibilità, che l’inclusione di hashtag nell’ambito delle pratiche discorsive di un movimento introduce, è probabile non siano indifferenti alla percezione da parte dei simpatizzanti della “consistenza” e dell’evoluzione del movimento stesso.

Come è possibile immediatamente constatare, l’adozione di Twitter come strumento di analisi di vari fenomeni sociali, pur rappresentando una pratica in ascesa e consolidamento, presenta ancora, per ovvie ragioni “anagrafiche”, ma pure di complessità intrinseca, un quadro estremamente variegato di tecniche ed approcci meta-teorici.

L’esplorazione delle potenzialità connesse a questo percorso è quindi un processo ancora in divenire, che richiede probabilmente una certa dose di immaginazione e di attitudine al trial-and-error.

189 _{Traducibile in italiano con cinguettìo, un tweet è un messaggio composto da 140 caratteri. È l’essenza di Twitter, è il veicolo}

attraverso il quale inviare testo, link e immagini ai propri follower (sia in Twitter che, più recentemente, in Facebook, si può “seguire” altri utenti e quindi diventarne “follower”; in poche parole, quando si preme sul pulsante “Follow” è come se ci si stesse iscrivendo alle informazioni pubblicate da quella persona. Ogni volta che l’utente pubblica un tweet lo si vedrà apparire nella home o timeline di Twitter).

176 Nello specifico si andrà ad:

 analizzare il contenuto dei suddetti documenti per rilevare eventuali categorie concettuali190_;  effettuare un'analisi comparativa mediante l'analisi dei cluster semantici emersi dalle

categorie concettuali rilevate all'interno dei corpus di documenti selezionati;

 analizzare le occorrenze191 _{e le co-occorrenze}192 _{delle parole che ricorrono con maggiore} frequenza all'interno della base documentale selezionata.

Una prima analisi del corpus rende evidente, com’era prevedibile considerato l'idioma del termine “crowdmapping”, la netta prevalenza della lingua inglese, la quale rappresenta il 63.4% dei tweet, mentre l'8.2% sono in italiano, il 15.4% in francese, 3.9% in tedesco e 9.1% in spagnolo.

La gran parte dei tweets selezionati provengono, inoltre, da account di paesi occidentali (prevalentemente di organizzazioni, soprattutto enti non profit, in misura minore di profili personali).

La gran parte dei tweets selezionati provengono, inoltre, da account di paesi occidentali (prevalentemente di organizzazioni, soprattutto enti non profit, in misura minore di profili personali).

Le categorie concettuali che sono emerse dal corpus selezionato sono state le seguenti:

1. Cause umanitarie 2. Civic engagement 3. Civic tech

4. Collaborative commons 5. Crowdmapping ludico

6. Divulgazione e formazione sul crowdmapping 7. Open Data

8. Rigenerazione urbana 9. Smart city

10. Sviluppo sostenibile 11. Turismo

Dopo aver evidenziato le categorie concettuali è stata eseguita una “cluster analysis”, ossia le singole unità di significato sono state aggregate per affinità. Avendo scelto come tipologia di cluster analysis quella in base alla similarità delle parole, in pratica i nodi concettuali, che rappresentano le locuzioni contenute nei tweets, che hanno un alto livello di similarità basata su frequenza e occorrenza delle parole, saranno mostrate aggregate nello stesso cluster. Viceversa le locuzioni che hanno un basso livello di similarità basato su occorrenza e frequenza delle parole, sono disposte lontane fra loro. Il risultato di questa cluster analysis è riportato di seguito:

190 _{Con l‘inizio dell‘analisi dei dati (spesso concomitante con la raccolta), il netnografo deve contestualizzare i dati ondine.}

Soluzioni software come i pacchetti di analisi qualitativa di QSR NVivo e di Atlas.ti possono accelerare la codifica, l‘analisi dei contenuti, il collegamento dei dati, la visualizzazione dei dati e funzioni di costruzione di teoria (Paccagnella 1997, Richards e Richards 1994). In ogni caso, la classificazione e codificazione dei dati sono preoccupazioni importanti che inevitabilmente comportano un bilanciamento tra ricchezza simbolica e chiarezza concettuale (Van Maanen 1988). Come con l‘etnografia, alcune delle interpretazioni più utili dei dati netnografici traggono vantaggio dalla ricchezza del loro contesto e scaturiscono da una penetrazione metaforica e da una interpretazione simbolica, più che da una classificazione meticolosa (vedi, es., Levy 1959, Sherry 1991, Thompson 1997).

191 _{Le occorrenze sono quantità risultanti dal conteggio del numero di volte (frequenze) in cui una unità lessicale ricorre}

all'interno del corpus o di una unità di contesto.

192 _{Le co-occorrenze sono quantità risultanti dal conteggio del numero di volte in cui due o più unità lessicali sono}

177

Da una prima lettura dei singoli cluster e dei loro raggruppamenti, si palesa da un lato l’associazione tra il fenomeno in oggetto, il crowdmapping, e aspetti collegati al civismo, a concetti come i beni comuni, la sostenibilità ambientale e sociale, la rigenerazione e riqualificazione urbana, dall'altro la connessione con aspetti più tecnologici, come ad esempio quelli relativi alle Smart City, alle Civic Tech, agli Open Data. L’altra area semantica di pertinenza è quella relativa a caratteri legati al divertimento e al tempo libero, come ad esempio il turismo, raggruppato con quella afferente la divulgazione e formazione sulle modalità di svolgimento del crowdmapping.

Si evince, quindi, come il crowdmapping sia strettamente dipendente da fattori sia tecnologici (le ICT), sia sociali che culturali. Le cosiddette “civic tech” (tecnologie civiche), ossia quelle tecnologie, per lo più digitali, orientate alla gestione e tutela dei beni comuni, rappresentano l'ombrello semantico che sintetizza la commistione tra questi fattori. L'intreccio tra mappatura dal basso, ICT e beni comuni si palesa anche attraverso il cluster che aggrega le civic tech e i “collaborative commons”, il modello economico rispondente ad un nuovo paradigma teorizzato dall'economista Jeremy Rifkin (2015). Ciò che Rifkin identifica col termine “collaborative commons” si riferisce più precisamente con il concetto di “Commons Based Peer Production”: modelli di produzione partecipativa e collaborativa basati su beni comuni, quali il software open source o gli strumenti della rete, così come delineata, tra gli altri, prima da Benkler (2006) e poi da Bauwens e Kostakis (2014).

Altro aspetto che emerge dal diagramma dei cluster è l'accostamento tra Google Map Maker al crowdmapping svolto per motivi ludici, mentre OpenStreetMap, invece, è semanticamente affine alla divulgazione e formazione, evidentemente con un riferimento a quei “mapping party” che le varie comunità di OSM organizzano periodicamente che sono focalizzati sul coinvolgimento di nuovi volontari, sull'insegnamento delle varie tecniche per mappare e sull'esecuzione di “task” di mappatura per aree di quei paesi che ne esprimoni necessità.

Civic engagement, rigenerazione urbana, sviluppo sostenibile e cause umanitarie sono cluster che afferiscono all'ambito di OSM. Si può desumere, in sintesi, che il crowdmapping venga considerato come una modalità per produrre informazione geografica in una cornice di condivisione “peer-to-peer”. È evidente, infatti, l'associazione che insiste tra le pratiche di mappatura dal basso e i modelli di conoscenza aperta, accessibile a chiunque, collegati con quel mondo dell'open source, sia in termini di dati (Open Data) che di software ed applicazioni (OSM, Ushahidi).

178

Dall’analisi delle occorrenze delle parole all’interno dei tweet selezionati è stato possibile individuare le forme più significative in termini di occorrenze totali e, per estensione, i contenuti più frequenti, dunque considerati rilevanti193_.

I termini più in evidenza, oltre a “crowdmapping”, risultano quelli che fanno comunque riferimento ai concetti di intelligenza collettiva e crowdsourcing, alle piattaforme di crowdmapping tra le più utilizzate, come OSM e Ushahidi, e quelli che attengono al mondo dei dati e, nello specifico, degli Open Data. Si può osservare la presenza anche dei termini chiave di “volounteering” e “participation”, a testimoniare, come già si è osservato per la cluster analysis di cui sopra, che l'attività di volontariato e il “prendere parte” per solidarietà o per la tutela di un bene comune sono spesso in connessione con la pratica del crowdmapping. La partecipazione si rivela ancora tra i fattori chiave dei progetti “crowdsourced”.

I lemmi “Italy”, “earthquake”, “help”, così come dei nomi di alcuni paesi recentemente colpiti da calamità naturali, dà l'idea di come il crowdmapping sia associato ad una modalità per dare un supporto a chi ne ha bisogna, anche in maniera contingente.

L'aspetto dell'interesse per la collettività emerge anche dalla presenza del lemma “sustainability”, tra i più frequenti.

Si osserva, inoltre, il lemma “competition”, riferibile probabilmente ai meccanismi di gamification194 delle pratiche di crowdmapping.

Con questo patrimonio di parole, la prima operazione che è stata eseguita, essendo il nostro uno studio esplorativo, è stata il calcolo delle associazioni di parole mediante il software di analisi dei testi T-Lab195_{, che consente di visualizzare, anche graficamente, le relazioni di tipo 1:1 tra un determinato} lemma e tutti quelli ad esso associati tramite un indice di associazione (in questo caso si è scelto il coseno) (Lancia 2012).

Il modo che si è scelto per rappresentare l'associazione tra lemmi è quello, da un punto di vista grafico, del diagramma radiale, nel quale la forza dell'associazione è inversamente proporzionale alla distanza tra gli oggetti. Nel nostro caso si vuole capire quali sono i lemmi collegati al fenomeno indagato, ossia il crowdmapping.

193 _{La nuvola di parole è stata ottenuta ricorrendo a strumenti online disponibili all’indirizzo http://www.tagcrowd.com} 194 _{La gamification (traducibile in italiano come "ludicizzazione") è l'utilizzo di elementi mutuati dai giochi e delle tecniche di}

game design in contesti esterni ai giochi.

195 _{Ai fini di un'analisi maggiormente esaustiva si è provveduto ad integrare il “dizionario” di T-Lab con ulteriori lemmi emersi}

dalla tag-cloud. T-Lab, infatti, permette di estendere il dizionario delle parole da sottoporre ad analisi lessicometrica attraverso delle procedure che permettono di trovare le corrispondenze forme/lemma, di trovare le occorrenze di ogni forma nel corpus e di effettuare, inoltre, una lemmatizzazione automatica.

179

Dall'analisi di questo diagramma si evince innanzitutto che il termine crowdmapping è frequentemente collegato a quelli afferenti alle tecnologie dell'informazione e della comunicazione e ai lemmi normalmente ascrivibili all'unverso semantico dell'open source, dell'open data, del crowdsourcing e delle tecnologie civiche (“civic tech”) collegate ad istanze relative ai diritti umani. Da notare, inoltre, come il crowdmapping venga associato di frequente alla piattaforma di OpenStreetMap (OSM):

“#civictech #crowdmapping #humanrights @damiansturridge @coleadam Next in #capetown #OSM local meeting 2017”

“Introduction to openstreetmap and @MAPS_ME at Mwanza mapping workshop #crowdmapping”

oltre ad essere associato a lemmi afferenti alla solidarietà e al supporto ai paesi in situazioni di emergenza dovute a catastrofi naturali:

“#PeaceTechMumbai @elsamariedsilva of @pinthecreep on #crowdmapping for #ngo #event #technology #socialgood #causes #gbv #gender #women”

“#humour #opendata #maps #crowdmapping #locations”

“OperationWInterWarmth.org uses #Crowdmapping to help those in need of items of winterwarmth connect with those that have items to give #OWWPVUSA”

“How can you save the girls of #Tanzania this weekend? Get #crowdmapping so that girls at risk of #FGM can find us.”

“#socialmedia and #crowdmapping to help with relief for the #Nepal earthquake.

Digital Humanitarians are responding in full force to the devastating earthquake that struck Nepal. Information sharing and coordination is taking place online.”

180 4.3 Le interviste ai testimoni privilegiati

L'indagine di sfondo progettata nel contesto del piano di ricerca ha previsto, inoltre, la realizzazione di 18 interviste in profondità a testimoni privilegiati del crowdmapping, nello specifico ad esperti del tema, a fondatori di piattaforme e ad operatori e studiosi del fenomeno. Lo scopo è quello di migliorare la comprensione delle categorie analitiche, degli orizzonti semantici e delle dinamiche sociali che sottendono il processo di crowdmapping, i fattori motivazionali e le prospettive dei crowdmappers, le connessioni con la partecipazione e con le relative declinazioni che si esprimono attraverso il crowdmapping.

Le interviste sono state effettuate per la maggior parte di persona, mentre in alcuni casi si è ricorso all'intervista via Skype call e a quella auto-compilata, in quanto il testimone privilegiato era difficilmente raggiungibile in quanto localizzato ad una distanza considerevole, sia in Italia che all'estero.

Gli ambiti tematici e le dimensioni interessate dalla traccia di intervista sottoposta ai testimoni privilegiati sono di seguito riportate:

 processo di crowdmapping (cos'è e come si declina);  motivazioni e tipo di partecipazione dei crowdmappers;

 competenze digitali necessarie per partecipare al processo di crowdmapping e le possibili forme di digital divide correlate;

 eventuali forme di capitale sociale che emergono attraverso il processo di crowdmapping;  eventuali differenze tra il mappare per piattaforme open source o piattaforme proprietarie;  eventuali fattori socio-culturali che ne favoriscono o, viceversa, ne impediscono lo sviluppo;  prospettive future del fenomeno.

Essendo la metodologia adottata di tipo qualitativo e la natura del lavoro di ricerca prettamente esplorativo, l'analisi del contenuto delle interviste in profondità è stata eseguita mediante la strutturazione manuale ex-post, una metodologia che affida ai testi del corpus in oggetto il compito di definire i concetti utili a descrivere il fenomeno indagato. Si ritiene, inoltre, questa metodologia di analisi particolarmente adatta allo strumento di ricerca impiegato, in quanto nel nostro caso attraverso le interviste in profondità gli intervistati hanno focalizzato il tema della ricerca e sviluppato a sufficienza tutti gli argomenti di interesse.

Questo di seguito è l'elenco dei testimoni privilegiati intervistati (9 di persona, 5 via Skype call e 4 auto-compilate):

A - Nelson Mauro, Data Journalist, co-fondatore di Datamedia Hub e Dataninja;

B - Gabriele Bitelli, professore ordinario di Topografia, Cartografia e Geomatica dell'Università di Bologna;

C - Alessandro Lambertini, Dottorando di Ricerca in Geomatica dell'Università di Bologna; D - Francesca Franci, Dottore di Ricerca in Geomatica dell'Università di Bologna;

E - Francesco Rossetti Studente di Ingegneria civile;

F - Alberto Cottica, Economista, esperto di Politiche Pubbliche collaborative, autore del libro “Wikicrazia”;

G - Giuseppe Losacco, Ricercatore di Sociologia Visuale;

H - Matteo Fortini, Ricercatore, civic hacker, esperto di Open Data e Open Source; I - Michele d'Alena, Community Organizer ed esperto di Innovazione Sociale; L - Claudia Mocci, esperta di Open Data, co-fondatrice di Sardinia Open Data; M - Simone Frigerio, ricercatore del CNR sui temi della Hazard Analysis; N - Giuliano Ramat, esperto di GIS e di Sviluppo Rurale;

O - Miren Gutierrez, Data Activist, Data Journalist, esperta di Crowdmapping; P - Serena Carta, responsabile progetto Ushahidi Burundi;

Q - Francesca De Filippi, Professore Associato del Politecnico di Torino, ideatrice del progetto “Crowdmapping Mirafiori sud”;

R - Giusy Aloe, co-fondatrice del progetto “Gramigna”, la mappa degli orti di Bologna; S - Tyler Radford, Direttore Esecutivo di HOT – Humanitarian OpenStreetMap Team;

T - Heather Leson, Community Builder, esperta di Social Computing ed Humanitarian Technologies, Board Member presso HOT – Humanitarian OpenStreetMap Team.

181

Il processo di crowdmapping: cos’è e come si declina

Per quanto riguarda la prima dimensione indagata, questa è servita ad inquadrare meglio il fenomeno