La diffusione disomogenea della pandemia da Covid-19 sul territorio italiano – con picchi di differenza notevoli tra aree del Nord e Sud Italia e tra cluster territoriali sub-regionali (Protezione Civile, Maggio 2020) – ha prodotto effetti diversificati dal punto di vista epidemiologico (ISS, bollettino 14/5/2020) e socio-economico (Rapporto de ‘IlSole24Ore’ 8/5/20; Mariotti, Di Matteo 2020), e anche in relazione alla comunicazione e alla rappresentazione di alcune issue legate all’emergenza (Rapporto di ‘Response’ 18/5/20; Ruiu, 2020; Zanin et al. 2020). Si riscontrano delle differenze territoriali anche secondo profili di percezione, di comunicazione del rischio e della narrazione social? Il contributo intende esplorare tale questione analizzando un corpus di tweet geolocalizzati in Italia prodotti in tre intervalli di tempo che segnano i passaggi rilevanti di questa fase emergenziale. Il primo, dal 5-15 Marzo, è il periodo ‘ponte’ per gli italiani verso la fase di lockdown (fase 1). Il secondo si estende dal 29 Marzo al 3 Maggio, abbracciando la fase inoltrata della quarantena fino al suo termine. Il terzo, 4 Maggio-10 Giugno segna invece l’inizio della fase 2 e plausibilmente i primi effetti delle riaperture anche sul flusso della narrazione sociale. L’analisi dei tweet è avvenuta in relazione a un gruppo di aree tematiche – prese in prestito da un’indagine realizzata da chi scrive (De Falco, Punziano, Trezza 2020) – rilevanti per l’opinione pubblica e per l’agenda politica. Tali issues rispondono a tre dimensioni, sanitaria, economica e sociale. La dimensione sanitaria individua tre topic: monitoraggio sanitario (contact tracing, test, tampone) trattamento (percorsi farmacologici, vaccino) e prevenzione (dispositivi di protezione). La dimensione economica è relativa al lavoro e alle sue nuove modalità (smart-working), alle misure di sostegno (reddito di emergenza e bonus) e alla crisi economica (chiusura delle attività, disoccupazione). La dimensione sociale riguarda le strategie di distanziamento (distanza sociale) e la sfera motivazione ed emotiva dell’individuo. Il corpus finale è costituito da circa 20mila tweet geolocalizzati. L’estrazione dei tweet, avvenuta tramite pacchetto applicativo ‘rtweet’ di R connesso con le API della piattaforma Twitter, è stata definita specificando alcuni hashtag in modo da indicizzare in maniera più esaustiva la raccolta, e direzionata al fine di campionare solo i tweet che contengono i parametri per la localizzazione geografica dell’utente. Relativamente a ciascuna area tematica abbiamo adottato le principali tecniche di text mining integrate con l’analisi GIS applicata ai tweet. Abbiamo calcolato l’intensità del sentiment, mediante l’uso di tecnica supervisionata di sentiment analysis per la lingua italiana (pacchetto ‘syuzhet’), e rilevato le caratteristiche del contesto semantico delle issues (tramite tecnica di topic modeling e di text retrieval) tenendo conto della popolarità del contenuto, del ruolo rivestito dall’user (attore politico, scientifico, persona comune) e soprattutto della distribuzione territoriale, grazie all’analisi spaziale dei tweet che ci ha consentito di identificare delle aree geografiche uniformi per flussi comunicativi e rappresentazioni dell’emergenza. L’emergere di una ‘geografia delle percezioni’ sull’emergenza Coronavirus, ovvero di cluster territoriali differenti per la rilevanza occupata da alcune Covid-Issue, potrebbe rappresentare un ulteriore elemento di complessità di cui tener conto nel quadro delle policy e degli interventi per la gestione della crisi e della ripartenza post-emergenziale.

LA GEOGRAFIA DELLE PERCEZIONI DEGLI ITALIANI SUL COVID-19. COMPRENDERE LA PANDEMIA E I SUOI EFFETTI ATTRAVERSO L’ANALISI SPAZIALE DEI TWEET

Gabriella Punziano;De Falco;Domenico Trezza
2020

Abstract

La diffusione disomogenea della pandemia da Covid-19 sul territorio italiano – con picchi di differenza notevoli tra aree del Nord e Sud Italia e tra cluster territoriali sub-regionali (Protezione Civile, Maggio 2020) – ha prodotto effetti diversificati dal punto di vista epidemiologico (ISS, bollettino 14/5/2020) e socio-economico (Rapporto de ‘IlSole24Ore’ 8/5/20; Mariotti, Di Matteo 2020), e anche in relazione alla comunicazione e alla rappresentazione di alcune issue legate all’emergenza (Rapporto di ‘Response’ 18/5/20; Ruiu, 2020; Zanin et al. 2020). Si riscontrano delle differenze territoriali anche secondo profili di percezione, di comunicazione del rischio e della narrazione social? Il contributo intende esplorare tale questione analizzando un corpus di tweet geolocalizzati in Italia prodotti in tre intervalli di tempo che segnano i passaggi rilevanti di questa fase emergenziale. Il primo, dal 5-15 Marzo, è il periodo ‘ponte’ per gli italiani verso la fase di lockdown (fase 1). Il secondo si estende dal 29 Marzo al 3 Maggio, abbracciando la fase inoltrata della quarantena fino al suo termine. Il terzo, 4 Maggio-10 Giugno segna invece l’inizio della fase 2 e plausibilmente i primi effetti delle riaperture anche sul flusso della narrazione sociale. L’analisi dei tweet è avvenuta in relazione a un gruppo di aree tematiche – prese in prestito da un’indagine realizzata da chi scrive (De Falco, Punziano, Trezza 2020) – rilevanti per l’opinione pubblica e per l’agenda politica. Tali issues rispondono a tre dimensioni, sanitaria, economica e sociale. La dimensione sanitaria individua tre topic: monitoraggio sanitario (contact tracing, test, tampone) trattamento (percorsi farmacologici, vaccino) e prevenzione (dispositivi di protezione). La dimensione economica è relativa al lavoro e alle sue nuove modalità (smart-working), alle misure di sostegno (reddito di emergenza e bonus) e alla crisi economica (chiusura delle attività, disoccupazione). La dimensione sociale riguarda le strategie di distanziamento (distanza sociale) e la sfera motivazione ed emotiva dell’individuo. Il corpus finale è costituito da circa 20mila tweet geolocalizzati. L’estrazione dei tweet, avvenuta tramite pacchetto applicativo ‘rtweet’ di R connesso con le API della piattaforma Twitter, è stata definita specificando alcuni hashtag in modo da indicizzare in maniera più esaustiva la raccolta, e direzionata al fine di campionare solo i tweet che contengono i parametri per la localizzazione geografica dell’utente. Relativamente a ciascuna area tematica abbiamo adottato le principali tecniche di text mining integrate con l’analisi GIS applicata ai tweet. Abbiamo calcolato l’intensità del sentiment, mediante l’uso di tecnica supervisionata di sentiment analysis per la lingua italiana (pacchetto ‘syuzhet’), e rilevato le caratteristiche del contesto semantico delle issues (tramite tecnica di topic modeling e di text retrieval) tenendo conto della popolarità del contenuto, del ruolo rivestito dall’user (attore politico, scientifico, persona comune) e soprattutto della distribuzione territoriale, grazie all’analisi spaziale dei tweet che ci ha consentito di identificare delle aree geografiche uniformi per flussi comunicativi e rappresentazioni dell’emergenza. L’emergere di una ‘geografia delle percezioni’ sull’emergenza Coronavirus, ovvero di cluster territoriali differenti per la rilevanza occupata da alcune Covid-Issue, potrebbe rappresentare un ulteriore elemento di complessità di cui tener conto nel quadro delle policy e degli interventi per la gestione della crisi e della ripartenza post-emergenziale.
File in questo prodotto:
File Dimensione Formato  
abstract-book.pdf

accesso aperto

Tipologia: Documento in Post-print
Licenza: Dominio pubblico
Dimensione 2.8 MB
Formato Adobe PDF
2.8 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11588/816545
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact