Strumenti per la social media analysis

Come abbiamo visto, grazie ai social media gli utenti producono e condividono user-

generated contents, ovvero testi digitali che danno informazioni sulla loro identità, sui

loro comportamenti e sulle reti sociali che li legano. In ambito semiotico troviamo diverse ricerche concentrate sui testi e sulle pratiche che caratterizzano questi ambienti sociali (cfr. ad esempio Peverini 2014; Ferraro, Lorusso 2016), ma sono ancora poco numerosi gli studi dedicati all’analisi di corpora relativamente grandi di dati digitali al fine di studiare fenomeni sociali o culturali complessi (cfr. Ghidoli 2010; Aiello 2013; Marino, Terracciano 2015; Milia 2017). La scarsità di lavori di questo tipo potrebbe essere imputabile alla difficoltà di trattare numeri ingenti di dati, difficoltà superabile solo con l’uso consapevole di strumenti informatici o attraverso la collaborazione con gruppi di ricerca in computer sciences.

Fortunatamente, oggi gli strumenti online per la raccolta e l’analisi, soprattutto quantitativa, dei contenuti social sono tanti e spesso il loro uso non richiede particolari

77 competenze informatiche. Gli strumenti di monitoring ad esempio sono fondamentali per misurare e analizzare i trend che si sviluppano sui canali social e sono usati generalmente dai professionisti di social media marketing per presidiare i propri canali, ma possono essere utili anche a fini di ricerca. È il caso di Social Mention37_{, uno}

strumento gratuito che permette di fare ricerche in tempo reale su tutte le principali piattaforme social. Se inseriamo una parola chiave o una frase nella sua semplice interfaccia, simile a quella di Google, il servizio raccoglierà tutti i contenuti correlati e generati in rete nell’ultimo mese, oltre a fare una prima analisi dei dati (Fig. 9).

Figura 9 Report di Social Mention restituito cercando la parola chiave “Wibautstraat”, la strada analizzata nel capitolo 4.

Per prima cosa il software propone i risultati dell’analisi del sentiment dei contenuti e li categorizza in base all’atteggiamento positivo, negativo o neutro degli autori nei confronti di un certo argomento (un oggetto, un concetto, un luogo, e così via). In secondo luogo, offre informazioni sulle top keywords, cioè le parole chiave usate più frequentemente insieme alla keyword di partenza, sui top users, cioè gli utenti che hanno citato più spesso il termine o la frase cercata, e sui top hashtags, cioè gli hashtag più utilizzati in relazione ai termini cercati. Con questo strumento il semiologo può raccogliere le prime informazioni su ciò che si dice in rete sul suo tema di interesse, iniziando a individuare le aree semantiche in cui il topic è affrontato e, in alcuni casi, i ruoli tematici dei soggetti enunciatori.

78 Oltre agli strumenti per la ricerca contemporanea su più piattaforme che, probabilmente, dovendo elaborare grandi numeri di dati restituiscono risultati non del tutto accurati e dettagliati, esistono poi tool sviluppati appositamente per lavorare sui contenuti di un singolo social network site.

È il caso di Social Bearing38_{, un motore di ricerca che lavora su Twitter e offre la}

possibilità di:

(1) cercare tweet per keyword o hashtag; (2) analizzare account Twitter pubblici;

(3) trovare tweet geolocalizzati per keyword o hashtag; (4) trovare account in base a keywords presenti nella bio; (5) vedere i followers di account pubblici;

(6) vedere chi segue un account pubblico.

Osservando i risultati proposti dalla piattaforma (Fig. 10), l’utente può scoprire le opinioni presenti su Twitter e analizzare le prestazioni e i contenuti dei diversi profili in base ai propri obiettivi.

Figura 10 Risultati di Social Bearing cercando il termine "Wibautstraat"

Tra le sezioni che compongono il report, quelle che sembrano più rilevanti dal punto di vista semantico e semiotico sono le due word clouds (Fig. 11), cioè le rappresentazioni

79 visive di liste di parole pesate in base alla loro frequenza all’interno del corpus analizzato dal sistema.

Figura 11 hashtag cloud e word cloud restituite dal Social Bearing

“Social Bearing” propone due diverse nuvole di parole, una composta dagli hashtag più spesso affiancati al termine cercato, l’altra formata dai termini che ricorrono più frequentemente nei testi digitali raccolti. Osservando le word clouds è possibile ipotizzare una prima mappatura dei campi semantici in gioco e capire quali aspetti di un certo topic sono più spesso oggetto di discorso su quel topic all’interno di un social

network site.

L’uso combinato di più di tool di questo tipo permette infine di valutare e comparare il modo in cui un determinato argomento è discorsivizzato nelle diverse piattaforme, ampliando così le possibilità di ascolto di ciò che si dice sul Web. La stessa ricerca può essere fatta ad esempio su Key Hole39_{, che raccoglie e analizza post pubblici}

condivisi su Instagram e che mostra nuvole di hashtag e parole chiave parzialmente diverse (Fig. 12 e 13). Comparare i vari risultati può offrire interessanti spunti di riflessione su come le caratteristiche di ogni piattaforma spingono gli utenti a esprimersi su uno stesso topic (nel mio caso una strada cittadina) da punti di vista diversi.

80 Figura 12 cloud degli hashtag usati su Instagram insieme al termine "Wibautstraat"

Figura 13 cloud di parole che occorrono insieme al termine "Wibautstraat" su Instagram

Tra i tool gratuiti per l’analisi degli hashtag spicca Hashtagify40_{, un motore di ricerca}

per hashtag di Twitter e Instagram che restituisce, in forma di grafo, liste di hashtag correlati e i loro indici di popolarità. Dopo la registrazione sulla piattaforma, l’utente deve scegliere tra diverse opzioni che comportano la raccolta e l’elaborazione di corpora più o meno grandi. Una volta scelto il volume del database che si vuole indagare, bisogna inserire un massimo di cinque hashtag che sono elaborati e messi in relazione con i loro hashtag satellite, cioè quelli che il motore di ricerca ha valutato come collegati alle parole chiave cercate inizialmente. Partendo da questi dati, si può analizzare lo sviluppo delle occorrenze semantiche tra hashtag e il conseguente diffondersi della narrazione su un determinato tema. È proprio quello che ha fatto Milia (2017), usando questo software per studiare dal punto di vista semiotico l’evoluzione dell’informazione in rete a partire dall’avvento dei social media. In

81 particolare, attraverso lo studio di un corpus estratto da Twitter, l’autrice ha tentato di spiegare come la comunicazione social influisca sulle attuali narrazioni politiche mettendo in luce le diverse dinamiche discorsive e le interazioni tra gli utenti.

Insomma, è innegabile che raccogliere basi di dati molto estese per poi analizzarle qualitativamente è complicato. Tuttavia, i software per la social media analysis possono servire per costruire velocemente un corpus testuale e riflettere su alcune informazioni tratte dalla sua elaborazione automatica. Da un lato, la vastissima mole di dati offerta dai social media diventa quindi esplorabile solo grazie alle applicazioni capaci di fare una prima scrematura tra i testi disponibili, fornendo corpora più ridotti, ben definiti e almeno in parte organizzati con i quali lo/la studioso/a possa interfacciarsi. Dall’altro, l’elaborazione automatica dei testi mette in evidenza aspetti che, probabilmente, non sarebbero rilevati senza l’aiuto della macchina. Basti pensare alla capacità di Hashtagify di identificare le correlazioni semantiche tra migliaia di testi e di scoprire quali utenti sono più influenti di altri su un certo topic. Coniugare l’uso di questi strumenti alla tradizionale analisi semiotica dei testi è una strada interessante e promettente, seppure ancora sperimentale.