fabiogiglietto

Fabio [.] Giglietto [@uniurb.it]Department of Communication Studies and Humanities | Università di Urbino Carlo Bo

SE I MI PIACE FOSSERO VOTISTRUMENTI PER MISURARE L’ENGAGEMENT DELL’ELETTORE E DELLO SPETTATORE

14 MAGGIO 2013CICLO DI SEMINARI SPAZI DI CONNESSIONE

DIPARTIMENTO DI SCIENZE POLITICHESCIENZE DELLA COMUNICAZIONE

INGEGNERIA DELL’INFORMAZIONEUNIVERSITÀ DEGLI STUDI DI SASSARI

fabiogiglietto

Summary

• Definizione di Networked Publics• Permanenza, ricercabilità, scalabilità e replicabilità• Mezzi di comunicazione di massa per le masse• Opportunità di ricerca per gli scienziati sociali• Differenze fra piattaforme: Facebook, Twitter e YouTube• Case Study 1: Se i Likes fossero voti• Case Study 2: Modelli previsionali del voto• Case Study 3: Modelli previsionali dell'audience con Twitter• Case Study 4: Il "couch potato" partecipativo (esempio di

analisi qualitativa)

fabiogiglietto

Networked publics

fabiogiglietto

4 proprietà del networked space

• Permanenza;• Replicabilità;• Scalabilità;• Cercabilità.

danah boyd

fabiogiglietto

NETW

OR

KED

PU

BLIC

S

invisible audiencescollapsed contexts

blurring ofpublic and

private

Permanence

Replicabilty

Scalability

Searchability

www.nextmediaandsociety.org

fabiogiglietto

persistence scalability replicability searchability

few Writings Printing press, newspapers Digital media (pc, video-cameras)

World Wide Web + Google (Google Book Search)

many Writings Personal online publishing / Web 2.0 (Blogs, Flickr, YouTube)

Digital media (pc, video-cameras)

World Wide Web + Google (Google Blog Search)

Farsi Media: mezzi di comunicazione di massa per le masse

fabiogiglietto

Simulation

• ModelsObservation

• “Real” data

From simulation to observation (1/2)

fabiogiglietto

From simulation to observation (2/2)

https://www.facebook.com/notes/facebook-engineering/visualizing-friendships/469716398919

fabiogiglietto

Facebook, Twitter e YouTube

• Acquisire i dati con le API;• Twitter Search, Streaming e Firehose;• Facebook Privacy & App per la ricerca;• YouTube Metadata & Commenti.• Alcuni strumenti: YourTwapperKeeper,

DiscoverText, ContextMiner, InfoExtractor.

fabiogiglietto

Case 1: Se i Mi Piace fossero voti

• Elezioni amministrative Maggio 2011;• 23 capoluoghi di provincia, 229 candidate, 102

pagine• Uso della Facebook Api per la raccolta dati su

pagine;• Nell’82% dei casi il candidato più popolare su

Facebook ha vinto o è arrivato secondo;• Oltre i Like: gli zero-likers.

fabiogiglietto

Case 2: Modelli previsionali di voto

• Primarie PD 2012 ed Elezioni 2013;• Raccolta dati con piattaforma Blogmeter;• Non è stata trovata nessuna correlazione

significativa fra le diverse metriche ed il successo elettorale;

• Un modello correttivo a partire da media sondaggi;

fabiogiglietto

fabiogiglietto

Case 3: Modelli previsionali dell’audience con Twitter

• Hashtag ufficiale degli 11 talk-show politici della stagione televisiva 2012/2013

• 1.703.064 (1.126.787 pubblicati durante la messa in onda)*;

• Raccolta dati con DiscoverText + GNIP;• Correlazione significativa fra TPM e audience

puntata;

*al 10 Marzo 2013

fabiogiglietto

show episodes total_tweet avg_audience avg_tweet AVG TPMagorarai 109 58835 586764.9 539.77 3.97Ballarò 24 211210 4295958.3 8800.41 53.33In mezzora 14 4484 1294642.8 320.28 7.11inonda 48 85495 846229.1 1781.14 12.81L'infedele 14 6022 813877.6 430.14 2.53omnibus 169 15114 242600.5 89.43 0.68ottoemezzo 119 122763 1760786.2 1031.62 16.09piazzapulita 16 145822 1458878.3 9113.87 53.08portaaporta 57 81623 1647087.7 1431.98 11.01ServizioPubblico 16 332930 3242717.7 20808.12 122.76ultimaparola 21 62489 855285.7 2975.66 24.14

fabiogiglietto

r=0.805 r=0.863

fabiogiglietto

fabiogiglietto

Caso 4: il “couch potato” partecipativo

• Stesso dataset del Caso 3;• Oltre l’analisi quantitativa;• Talk-show: partecipazione, potere, cittadini e

spettatori;• Scala della partecipazione (Reach, RT, Reply,

Original Tweet, etc.);• In progress…