Discussione Tesi di Laurea Magistrale in Comunicazione, ICT e Media -Università di Torino - S. Ganci

CORSO DI LAUREA MAGISTRALE IN COMUNICAZIONE, ICT E MEDIA

TESI DI LAUREA

Non ce n'è Coviddi?

Analisi dell’Orientamento verso la Pandemia COVID-19 nella Twittersfera Italiana

Candidato: Salvatore Ganci

Relatori: dott.ssa Cristina Bosco dott. Valerio Basile dott.ssa Anna Goy

La storia dell’uomo, così come quella degli animali, è stata caratterizzata da decine di epidemie e pandemie causate da virus ignoti e da altri che abbiamo imparato nel tempo a conoscere molto bene e a debellare grazie ai progressi delle scienze mediche. Tuttavia negli ultimi 15 anni c’è stato un aumento del numero di malattie infettive ritornate ancor più prepotentemente alla ribalta: dall’AIDS, alla SARS fino alla più recente pandemia di COVID-19, ancora in corso.

In un mondo sempre più connesso e globale la rete ha letteralmente rivoluzionato l’intelligence epidemica: la ricerca e lo scambio di informazioni sanitarie liberamente disponibili su Internet e sui social media hanno consentito nel tempo di rilevare in anticipo focolai di malattie, con costi ridotti e con una maggiore trasparenza nei rapporti, e di monitorare meglio l’evolversi delle malattie infettive emergenti. Le informazioni raccolte dai social media durante le epidemie possono essere dunque una risorsa preziosa, poiché sono disponibili in tempo reale, e ciò consente agli organi di governo di attuare tempestivamente le necessarie misure di contenimento del morbo ma anche degli effetti derivanti dall’impatto della malattia nella società, aspetto che è possibile identificare anche ascoltando la rete e analizzando il sentiment degli utenti rispetto ad un determinata malattia.

L’obiettivo di questo studio è stato quello di presentare dapprima un excursus di alcuni studi di settore sull’uso delle tecnologie per fronteggiare malattie come SARS, Ebola, Colera e la recente epidemia da Coronavirus, fino ad arrivare agli studi sulle tecniche della Sentiment Analysis - argomento centrale della parte sperimentale della tesi - con il fine di determinare l’opinione degli internauti rispetto all’avanzare di una determinata malattia infettiva.

Pertanto, nella seconda parte dell’elaborato abbiamo usato tecniche mutuate dall’analisi del sentiment, misurando l’atteggiamento degli utenti su Twitter nei confronti della pandemia di COVID-19, ancora in corso, interrogandoci inoltre sulla presenza di ironia, sarcasmo e fake news correlate al fenomeno (a cui fa riferimento proprio l’incipit del titolo della tesi).

Dopo aver annotato un corpus di 1.800 tweet, abbiamo analizzato diverse dimensioni riguardanti le opinioni degli utenti, dal 30 gennaio al 30 aprile 2020: la stance degli utenti su Twitter nei confronti della pandemia, che abbiamo suddiviso a sua volta in sottovalutazione, preoccupazione, neutrale e propositivo; ironia/sarcasmo, prestando attenzione alle differenze tra queste due etichette, che sono ancora oggi difficili da rilevare dagli stessi strumenti di Sentiment Analysis; fake news/debunk, per evidenziare la presenza o meno di notizie false tra i tweet e se ci sono stati casi di smascheramento della bufala tra i tweet del corpus.

Su questi dati abbiamo fatto analisi statistiche rappresentate attraverso grafici a barre, a torta, mappe, da cui sono derivate considerazioni qualitative messe poi a confronto con l’annotazione di un secondo annotatore, e da cui è stato calcolato e analizzato successivamente il disagreement tra le due annotazioni.

Nel Grafico 1 c'è la distribuzione dei 1800 tweet rispetto alla stance delle quattro etichette: prevale una stance neutrale con una distribuzione che però non appare troppo sbilanciata per le altre categorie; preoccupazione e sottovalutazione quasi si equivalgono, mentre si discosta da queste l’etichetta propositivo, che compare quasi il doppio delle altre.

Grafico 1: Analisi della distribuzione dei 1800 tweet incrociato con la Stance

Grafico 2: Analisi della distribuzione dell’etichetta Ironia incrociato con la Stance

Nel Grafico 2 è rappresentato ironia vs stance: nell’ironia sono più gli utenti che sottovalutano da quelli con atteggiamento neutrale. Tra neutrale e sottovalutazione i valori non sono molto differenti, mentre c'è molto propositivo nel caso dell’ironia, quasi assente nel caso del sarcasmo.

Grafico 3: Analisi dell’andamento temporale della Stance diviso per settimane

Nel Grafico 3 invece abbiamo analizzato l’andamento temporale della stance diviso per settimane. Come vediamo, scende il trend della stance neutrale, mentre nella settimana che precede l’inizio del lockdown vero e proprio – e cioè prima del famoso discorso del premier Giuseppe Conte del 9 marzo con cui estende le misure di contenimento a tutta l’Italia - c’è un picco della stance sottovalutazione, sentimento che nelle ultime settimane scende quasi a zero. Il trend della neutralità si abbassa, così come il livello di propositività, valore quest’ultimo che però, ad un certo punto, sale fino a raggiungere il picco (14-20 marzo 2020).

Nel Grafico 4 abbiamo analizzato la stance distribuita per le zone d’Italia (Nord, Centro e Sud) e estero: la stance preoccupazione risulta più elevata all’estero rispetto all’Italia, mentre nel solo territorio italiano suddiviso per regioni, risulta esserci più propositività nelle regioni del Nord e del Centro in confronto a quelle del Sud.

Grafico 4: Analisi dell’andamento della Stance distribuito per regione Grafico 5: Analisi dell’andamento della Stance tra l'Italia e l'estero

Nel Grafico 5 abbiamo invece analizzato la stance dell’Italia rispetto all’estero: ci si preoccupa e si sottovaluta di più all’estero che in Italia, mentre si nota fin da subito una forte propensione alla propositività tra gli utenti che abitano nel territorio italiano.

Mappa 2: Distribuzione delle Fake News a livello nazionale

Mappa 3: Distribuzione dell’Ironia a livello nazionale

Le mappe 1, 2, 3 sono state create con Geomap, widget del software Orange: dapprima abbiamo identificato, all’interno del dataset, i tweet provenienti dall’estero e quelli provenienti dall’Italia (le coordinate geografiche erano già presenti), poi abbiamo usato una funzione di Orange per evidenziare i messaggi dell’estero separandoli da quelli dell’Italia. L'ingrandimento sul territorio italiano è stato ottenuto operando uno zoom, omettendo la parte relativa ai tweet in lingua italiana provenienti dall’estero, evitando così un effetto troppo dispersivo.

Mappa 1: Distribuzione della Stance per regioni

Nel Grafico 6 è presente anche il parametro no ironia: è stato filtrato nella stance il parametro sottovalutazione, incrociandolo con l’etichetta ironia, dato che spesso quando si ha un atteggiamento di sottovalutazione si tende di più a fare del sarcasmo: prendendo i soli messaggi di sottovalutazione, vi è un 28.87% di ironia e un 5.67% di sarcasmo.

Grafico 6: Analisi dell’Ironia rispetto alla Sottovalutazione

Grafico 7: Analisi dell'Ironia rispetto alla Preoccupazione

Nel Grafico 7 nel caso della preoccupazione, possiamo notare come ce ne sia molta di meno, e come la restante parte sia collegata per il 3.75% al sarcasmo e per il 7.92% all’ironia. Il Grafico 6 e il grafico 7 propongono in altre parole una visione più zoomata rispetto al Grafico 2, in cui presentavamo i valori incrociati delle etichette ironia e stance.

Nel Grafico 8 si analizza l’andamento delle Fake News vs Debunk.

Abbiamo filtrato i "no fake". I messaggi che hanno a che fare con fake news riguardano l’80% del totale, mentre il restante 20% presenta un tentativo di debunking da parte degli utenti di Twitter.

Grafico 8: Andamento delle Fake News e dei tentativi di Debunk

Grafico 9: Andamento temporale di diffusione delle Fake New

Nel Grafico 9 abbiamo invece evidenziato l’andamento temporale di diffusione delle Fake News nell’intervallo di tempo del nostro corpus annotato, ossia dall’1 febbraio al 31 marzo. Notiamo un picco di diffusione delle Fake News in concomitanza del DPCM con il quale il Premier Giuseppe Conte ha dichiarato l’Italia intera zona rossa, e che ha dato inizio al lockdown (9 marzo 2020).

La matrice di confusione nella Figura 1 è una tabella con i 4 valori della stance. Sulla diagonale troviamo i valori dell’agreement, mentre le altre celle i casi di disagreement: la stance propositivo/annotatore 1 e propositivo/annotatore 2 mostra che in 336 casi vi è agreement, in 413 casi tale accordo risulta con la stance neutrale, e così via per preoccupazione (115) e sottovalutazione (73). Per lo sbilanciamento, in 249 casi l’annotatore 1 ha detto neutrale, mentre l’annotatore 2 ha detto propositivo. Molta differenza per la stance neutrale: 933 sono i casi neutrali per l'annotatore 1 (metà dei tweet), mentre per l’annotatore 2 i casi neutrali corrispondono a 584 tweet (2/3 del totale). Sulla stance etichettata come sottovalutazione si è invece più in concordanza numerica tra le due annotazioni.

Figura 1: Matrice di confusione delle due annotazioni

Proponiamo tutta una serie di word clouds, una generica (figura 3), e altre quattro relative a ciascuno dei quattro parametri della stance (figura 2), analizzando il sentiment verso la pandemia di COVID-19 sotto un’altra prospettiva.

Figura 2: Stance WordCloud

Figura 3: Word Cloud delle parole piÚ condivise all’interno del corpus

Grazie per l'attenzione.

Sempre con me...papĂ !