LABORATORIO SULLE NUOVE TENDENZE DELLE ICT
BIG DATA E GIORNALISMO RELAZIONE FINALE
SALVATORE GANCI CORSO DI LAUREA MAGISTRALE IN COMUNICAZIONE, ICT E MEDIA
Big Data e Giornalismo Lo potremmo definire il “fenomeno” del momento. Big Data, uno dei concetti più inflazionati e abusati, utilizzato spesso a sproposito che però porta in sé la promessa di qualcosa di realmente rivoluzionario per tutti i settori industriali (cfr. http://blog.hri1.it/big-data-nuova-tendenza-o-termine-abusato/). E’ difficile darne dunque una definizione rigorosa: “il termine [è] usato per descrivere una raccolta di dati così estesa in termini di volume, velocità e varietà da richiedere tecnologie e metodi analitici specifici per l'estrazione di valore” (cit. https://it.wikipedia.org/wiki/Big_data). Certo invece è che i Big Data hanno rivoluzionato il modo in cui facciamo shopping, lavoriamo e stanno avendo il loro momentum anche nella ricerca accademica e soprattutto nel modo in cui interagiamo; calcolando che in un futuro non troppo remoto tutto sarà connesso in rete, la quantità di dati generati da queste connessioni sarà sempre più crescente (per questo Big) e la loro analisi e il relativo sfruttamento daranno vita ad una nuova società e ad una nuova economia chiamata “Datadriven Society”. In uno studio del 2001 l'analista Doug Laney indentifica tale fenomeno di crescita nel modello tridimensionale delle 3V: con il passare del tempo aumentano volume dei dati, velocità e varietà dei dati (nel 2012 il modello è stato esteso ad una quarta variabile, la veridicità). Il progressivo aumento della dimensione dei dataset è legato alla necessità di analisi su un unico insieme di dati con l'obiettivo di estrarre informazioni aggiuntive rispetto a quelle che si potrebbero ottenere analizzando piccole serie con la stessa quantità totale di dati. Si parla dunque di Big Data quando si ha un dataset talmente “grande” da richiedere determinati strumenti per estrapolare, gestire e processare l'interrelazione di dati provenienti potenzialmente da fonti eterogenee, quindi non soltanto dati strutturati come i database, ma anche non strutturati, come immagini, email, dati GPS, informazioni prese dai social network, entro un tempo ragionevole. Non esiste una dimensione di riferimento poiché questa cambia sempre dato che le macchine sono sempre più veloci e i dataset sono sempre più grandi. Big Data utilizza l’inferenza statistica, procedimento per cui si inducono le caratteristiche di una popolazione dall'osservazione di una parte di essa (detta "campione"), selezionata solitamente mediante un esperimento casuale (aleatorio), e strumenti metodologici e algoritmici di identificazione di sistemi non lineari, ossia l'uso di modelli matematici per descrivere i fenomeni oggetto d'indagine ed effettuare qualche forma d'inferenza, quale la predizione, il filtraggio, il progetto di un sistema di controllo, il "decision making", la diagnostica, ecc. per dedurre leggi (regressioni, relazioni non lineari, ed effetti causali) da grandi insiemi di dati e per rivelare i rapporti, le dipendenze, e effettuare previsioni di risultati e comportamenti, utilizzando dataset eterogenei (non correlati tra loro), dati raw e modelli predittivi complessi (cfr. https://it.wikipedia.org/wiki/Big_data). Datajournalism: i dati a servizio della notizia I numeri nascondono storie ma per renderli interessanti bisogna svelarne bellezza e significati. Ci sono molti dati disponibili e molte possibile storie da raccontare, ma non è facile trovarle, bisogna prima sempre partire da una domanda per trovare le notizie: utilizzando i Big Data si può ad esempio controllare e studiare la reputazione di un’azienda o di un’istituzione e comunicarne i risultati con successo. “Ci sono strumenti e pratiche che aiutano i giornalisti nel loro lavoro, come spreadsheet, data visualization, scraping: quest’ultimo, ad esempio, permette ai giornalisti di osservare giornalmente come le diverse istituzioni lavorano, monitorando i nuovi contenuti che appaiono su diverse pagine Web” (cfr. http://it.ejo.ch/giornalismi/datajournalism-punk-punk-intervista-nils-mulvad). Alcuni esempi di strumenti disponibili per sfruttare i dati: TweetCast Your Vote, che può prevedere come un utente voterà alle elezioni a partire dai suoi tweet, LocalRx che tiene aggiornato sul numero di persone che seguono una determinata attività commerciale ne stanno anche twittando (può aiutare i proprietari di imprese a creare un profilo dei loro clienti), e ancora NewsRx, che aggrega storie giornalistiche sulla base dei tweet, tutti strumenti progettati dagli studenti di giornalismo e informatica del Knight Lab della Northwestern University attraverso cui si può liberamente scoprire molto su cosa interessa ai lettori: quello che serve è il loro nome utente di Twitter (cfr. http://it.ejo.ch/digitale/toole-algoritmi-per-sfruttare-i-dati). Un altro esempio, “ProPublica che con il suo Recovery Tracker ha organizzato i dati sulle misure anticrisi di stimolo all’economia rilasciati dal governo Usa, in un database liberamente
consultabile dai cittadini, ma anche da altre testate che grazie ad esso hanno prodotto articoli più approfonditi ed è diventato un formidabile strumento di trasparenza e democrazia” (cit. http://www.ahref.eu/it/biblioteca/data-journalism-1/cose-il-data-journalism.html). Più che di Big Data che, come abbiamo visto, sono molto più complessi e non possono essere processati con gli strumenti canonici, nel Datajournalism sarebbe più corretto parlare di “grandi quantità di dati” a servizio della notizia (cfr. http://it.ejo.ch/digitale/quando-le-storie-si-trovano-tra-i-dati): la raccolta dei dati, per quanto spesso lunga e complessa, è solo il primo passo per la creazione di un articolo davvero inattaccabile e informativo: è molto importante che il giornalista esamini i dati direttamente invece di fare affidamento sui ricercatori. Spesso i giornalisti intervistano persone che conoscono i dati ma che probabilmente per scopi loschi formulano conclusioni di parte per giustificare a tutti i costi il loro operato. I giornalisti dovrebbero invece essere in grado di trovare le notizie più importanti nei dati e poi intervistare le fonti rispetto a quanto hanno scoperto (cfr. http://it.ejo.ch/giornalismi/data-journalism-punk-punk-intervista-nils-mulvad). Nel mondo digitale alla base vi è la conquista di una posizione di autorevolezza verso il pubblico di lettori e niente avvalora qualunque tesi o articolo quanto una ricca e corposa serie di dati per rafforzare una determinata posizione: gli internauti cercano sempre più fonti autorevoli in grado di comunicare, con il giusto linguaggio, anche i contenuti più complessi. Il data journalism allora può essere inteso come un’attività di creazione dei contenuti che va ben oltre l’immediatezza, al fine di costruire un rapporto più duraturo e risultati sul lungo termine. Per facilitarsi nell’impresa, i migliori data journalist usano software e strumenti in grado di automatizzare alcuni processi quali la raccolta e l’aggregazione di informazioni da fonti governative o, invece, la comparazione di documenti differenti (cfr. http://www.ninjamarketing.it/2016/06/29/data-journalism-cosa-puo-insegnare-ai-blogger/). Si può cominciare da Google Trends per scoprire le tendenze e le parole chiave più utilizzate per un determinato argomento, per poi passare a Social Mention per effettuare una prima raccolta e analisi delle attività social legate alle tue keyword di riferimento. Per articoli riguardanti il mondo dei media o del social media marketing Hubspot è il migliore poiché offre gratuitamente la lettura di molte ricerche del settore. Se si conosce invece l’argomento, meglio optare per Zanran, un motore di ricerca solo per statistiche e dati, oltre a Statista che propone fantastiche infografiche da utilizzare a supporto di articolo o da cui trarre ispirazione per crearne di nuove. (cfr. ibidem). Per fare Data Journalism bisogna dunque combinare abilità giornalistiche, di Web design e anche (perché no) di programmazione, bisogna conoscere le basi della statistica e di altri metodi delle scienze sociali, per trattare i dati in modo accurato e non trarre conclusioni affrettate. Proprio per questo il Data Journalism viene anche chiamato ‘evidence based reporting’ (cfr. http://it.ejo.ch/giornalismi/data-journalism-punk-punk-intervista-nils-mulvad). Il Datajournalism non è un giornalismo per “smanettoni”: “è un giornalismo che chiede di rispettare tutti i vecchi crismi (ipotesi, ricerca e verifica, e ovviamente anche olio di gomito …) ma si avvantaggia di software, spesso scritto ad hoc, per mettere in relazioni le masse di dati rese disponibili dalla digitalizzazione, ma spesso prive di senso se non le si affronta con strumenti abbastanza potenti. […] Non è un’arena riservata a giornalisti investigativi e maghi del codice (cit. http://www.ahref.eu/it/biblioteca/data-journalism-1/cose-il-data-journalism.html) e nemmeno solo passare ore e ore su fogli di calcolo e documenti pieni zeppi di statistiche: senza un ottimo visual storytelling composto da diagrammi e grafici interattivi e una capacità di sintetizzare in forma accattivante non solo numeri, ma anche citazioni di fonti attendibili e autorevoli, anche la più meticolosa raccolta di dati porta a risultati scadenti (cfr. http://www.ninjamarketing.it/2016/06/29/data-journalismcosa-puo-insegnare-ai-blogger/). Utilizzare dei supporti grafici è fondamentale per migliorare la leggibilità dei tuoi articoli: Excel, Google Charts e Google Sheets sono sempre utili per creare semplici grafici a torta o istogrammi, ma per ottenere delle vere e proprie infografiche si possono utilizzare altri strumenti come Infogr.am o Picktochart, in formula free to start, Timeline JS e Illustrator per i più esperti (cfr. ibidem). Lo “structured journalism” In un mondo che, minuto dopo minuto, si arricchisce di contenuti e storie, molte delle quali ignorate per via dell’information overload (sovraccarico cognitivo) e della filter bubble, organizzare, collegare, indicizzare e recuperare l’informazione per renderla più facilmente fruibile sia ai giornalisti che ai loro pubblici, è divenuto
di fondamentale importanza, tanto da introdurre un nuovo modo di giornalismo, lo structured journalism. Google è un esempio tanto semplice quanto efficace: il motore di ricerca, ad esempio, applica il concetto di dati strutturati e interrelati per consentire alle macchine di comprendere la relazione tra pezzi di informazione […]. Un giornalismo ben strutturato si concentra sulla classificazione, ad esempio, di ciascun dataset e di ogni fonte aperta disponibile per il pubblico utilizzata da un reporter per una data storia. Questo include definire l’origine dei materiali citati, il loro valore relativo e la relazione con la storia nel suo complesso e altri contenuti già disponibili. Con l’approccio dello ‘structured journalism’, ad esempio, ogni citazione inclusa in un articolo verrà automaticamente linkata alla persona che ha generato quella frase. Dati di riferimento come ‘questo giovedì’ verranno conservati in un formato standardizzato per rendere quell’informazione utile ai lettori e, in seguito, alle macchine. In questo modo, invece di ‘questo giovedì’, lo stesso dato potrà essere conservato come una data, ad esempio ‘giovedì 27 Agosto 2015’. Secondo questo approccio, qualsiasi resoconto o documento citato verrà linkato nell’articolo, i dataset verranno contestualizzati con le immagini presenti nel pezzo, mentre note e altri riferimenti saranno anch’essi conservati e poi condivisi. Gli stessi contenuti delle agenzie di stampa, ad esempio, eviteranno così di configurarsi come muri di mattoni impenetrabili, lastre di testo accoppiate a un’immagine, a un video o a semplici hyperlink: è necessario rompere il muro delle news scomponendolo nei suoi stessi mattoni: testo, nomi, organizzazioni, fonti e dataset per raccoglierne i pezzi e generare di conseguenza notizie più approfondite e più facilmente replicabili. Applicare a tutti gli Open Data l’approccio delle 5 Stars è divenuto essenziale: (cfr. http://it.ejo.ch/cultura-professionale/lera-dello-structured-journalism) si tratta di “un sistema di classificazione proposto da Tim Berners-Lee, padre del World Wide Web, che assegna un massimo di 5 stelle ai Dati. Vediamo in che modo: i dati devono essere (1) disponibili su Web con una licenza aperta, (2) essere in formato strutturato, (3) essere in un formato di file non-proprietario, (4) fare uso di proprietario come identificatori (vedi anche RDF), (5) includere link ad altre sorgenti dati (vedi linked data). Per ottenere un punteggio di 3 stelle e per essere definiti Open Data, devono essere sodisfatte tutte le condizioni dalla (1) alla (3) (non è invece necessario il requisito RDF o il linking). Questo permette di avere dati aperti di ampia varietà e da diverse fonti, senza il lavoro di modellazione delle informazioni di linking (collegamento)” (cit. http://opendatahandbook.org/glossary/it/terms/five-stars-of-open-data/). Creare una mappa sempre più dettagliata e multistrato dell’informazione renderà i database molto più preziosi, processabili e utili non solo per altri organi mediatici, ma anche per le aziende, le agenzie indipendenti, i governi e i ricercatori (cfr. http://it.ejo.ch/cultura-professionale/lera-dello-structured-journalism): oltre a ridefinire il campo del giornalismo potrà essere lo stadio di partenza per la costituzione di un più rapido network della conoscenza globale che potrebbe aprire la strada a un mondo dove l’intelligenza artificiale sarà in grado di rispondere a questioni complesse e trasmettere informazioni significative persino prima che lo si possa chiedere (cfr. http://it.ejo.ch/cultura-professionale/lera-dello-structured-journalism), consentendo ai robot di scrivere articoli; è già accaduto con Wordsmith Beta, il “robot giornalista” lanciato nel 2015 dalla compagnia Automated Insight per generare articoli o recensioni personalizzabili. Non si tratta tuttavia di un programma in grado di sostituire i giornalisti e scrittori: Wordsmith infatti deve avere alcuni dati di partenza per poter “autogenerare” testi e questo richiede sempre un intervento umano. Potremmo considerarlo più come strumento d’ausilio: immaginate ad esempio il giornalista che elaborerà la sua storia in un content management system già integrato con i database di un’agenzia stampa e che mentre scrive, il software dell’agenzia gli comunica avvisi sui dati che potrebbe voler controllare, commenti sui social media correlati al suo argomento oppure potrebbe occuparsi del fact-checking automatico, correggendo i dati sulla disoccupazione e magari offrendone di più aggiornati (cfr. http://it.ejo.ch/cultura-professionale/lera-dellostructured-journalism). Non sarà dunque la fine del lavoro giornalistico perché, a differenza dell’editor umano, l’algoritmo “non pensa” fuori dagli schemi, funziona sempre allo stesso modo e va programmato dagli umani: per questo è più adatto per report finanziari, sul traffico, sul meteo e in generale per lavori di Data Journalism (cfr. http://www.tecnocino.it/2015/10/articolo/wordsmith-il-software-che-autogeneraarticoli/67853/). Non possiamo però al contempo pretendere totale trasparenza da questi: abbiamo ad esempio davvero poche informazioni sui criteri che Facebook usa per mostrare alcuni contenuti invece che
altri. Come utenti abbiamo sì un livello minimo di controllo su questi criteri (modifica delle impostazioni, decisioni che prendiamo tramite i “like”), ma non abbiamo completo scrutinio sull’algoritmo. Al contempo non possiamo ovviamente nemmeno controllare gli editor umani: per quanto vi sia un codice deontologico (nel caso dei giornalisti) da rispettare, le scelte editoriali che vengono prese sono influenzate da una miriade di fattori (background culturale, gusti personali); in questo senso vi è più “affidabilità” in un algoritmo che non in un sistema (umano) che agisce sempre in maniera diversa: abbiamo più informazioni sull’algoritmo e, come utenti delle piattaforma digitali, più controllo sul primo che sui comportamenti del secondo, in un ecosistema che è profondamente diverso da quello cui eravamo abituati. All’interno di una network society dove ogni “nodo” può produrre e distribuire informazioni, anche solo condividendole (piattaforme come Facebook, Twitter o Instagram non esistono per produrre contenuti di per sé ma per fornire agli utenti gli strumenti per produrne e distribuirne); le persone hanno più “potere” sui meccanismi di funzionamento delle piattaforme che sulle scelte editoriali dei media tradizionali: il giornalismo è un’istituzione che noi, come società, abbiamo “inventato” e che per molti anni è stata la risposta più razionale ed efficiente all’interno dell’ecosistema dell’informazione ma che oggi tende sempre più a declinare. Nell’era delle piattaforme governate da algoritmi abbiamo bisogno di forme rinnovate di giornalismo, di nuove istituzioni più ampie per rispondere ai problemi sollevati dalla tecnologia, dalla nuova frontiera robotica che ha rivoluzionato il mondo giornalistico e dalla cui ibridazione si sta venendo a creare, per l’appunto, il Data Journalism (cfr. http://it.ejo.ch/digitale/giornalismo-algoritmi-facebook-twitter-google). SALVATORE GANCI Matr.: 829183