Privacy and SNS: generational differences in managing privacy and disclosure

The balance between privacy and disclosure of personal information is one of the most relevant issues raised by SNS. boyd (2010) highlighted that SNS are characterized by the blurring of public and private. Papacharissi (2010) described SNS as places privately public and publicly private.

The paper “Privacy and SNS: generational differences in managing privacy and disclosure” presented during the conference Social media: Transforming audiences (London 2-3 September 2013) is aimed at discussing some theoretical issues related to privacy and Social network sites and at presenting some preliminary results of the analysis of the interviews carried on in Milan during the research project Online social relations and identity: Italian experience in Social Network Sites.

The management of privacy in SNS is one of the challenge that users have to face. They can use privacy tools provided by the SNSs software, but – according with Altman (1975) – they also have to manage the boundaries of the different network of “friends” through disclosure and hiding of information and protect their “expressive privacy” (Papacharissi 2010).

Privacy – intended as “the claim of individuals, groups or institutions to determine for themselves when, how and to what extent information about them is communicated to others” (Westin 1967) – includes the right to an “inviolate personality” (Johnson 1992) and the right to control the sharing process of one’s contents in order to avoid the “context collapse” described by boyd (2008).

Privacy in SNS then is a question of “audiences” (public or private profiles); “contents” (who can access a specific content, for example in friend’s lists) and “sharing” (who can use my contents). SNS users have to manage complex issues of hiding and disclosure in a communicative space (the social networks) intended to promote sociality and information sharing. They have to re-define the boundaries between public and private contents according to the definition of “what is” the social network communicative space.

Defining communicative spaces and boundaries between public and private is a cultural issue and different scholars highlighted that privacy in SNS is affected by individual’s culture (Dourish & Anderson 2006; Lewis 2008) or by the belonging to different “cultural units”.

Among different “cultural units”, generations can be relevant in understanding differences in “privacy cultures” of SNS users especially regarding the “expressive privacy” (the protection of the process of personal identity building from third party’s interferences – Tufekci 2008).

According with the preliminary analysis of the interviews we can say that some results can be interpreted as the traces of different generational “privacy culture”: values and norms related to privacy management that characterize generational identities.


Alongside these “cultures” privacy emerges as a balance between the benefit and the pleasure to share informations (disclosure) and the control over personal informations (hiding) and the definition of the benefit of SNS use changes according to different “generational cultures”.

According to our preliminary results we can say that for the “early boomers” the benefit is the opportunity to discuss in a public space about personal interest; for the “generation x” is the “edonistic” dimension of building identity tales; for the “generation y” is the benefit of sociality and for the “generation z” is the benefit of self-expression and performativity.

In conclusion we can say that privacy is a “social issue” as it is both managed socially as “once private information is disclosed or others are granted access, the information moves from individual ownership to collective ownership” (Child & Petronio 2011) and related to a shared culture as – for example – the “generational” one.

Nicoletta Vittadini – Università Cattolica del Sacro Cuore



Visualizing the catastrophe: networked witness and Twitter images

During the last week we took part to  IVSA 2013 Annual Conference:The Public Image. We presented the paper “Visualizing the catastrophe. The Images of Italian Earthquake on Twitter” into the panel “The Public Image of Social Disruption” – chair  Il-Tschung Lim, NCCR Iconic Criticism Eikones, Basel (Switzerland).

The paper presents a first range of results of an in progress qualitative research conducted on a sample of 4256 Twitter containing images during the first day of the earthquake that happened in northern Italy May 20, 2012; we have acquired all the Tweet containing the keyword # earthquake with a software called YourTwapperKeeper.

On the basis of this analysis, a taxonomy of images is built to confirm the hypothesis of the work: that is, during catastrophic events, the image has not just a function of refero, i.e showing the drama, nor exclusively of religo, i.e building social bonds.

This small survey shows that from a specific visual quality of twitter, users have contributed to the development of the collective form of the earthquake in Emilia Romagna. This visual quality is constituted by the specific convergence between use of locative media (smartphone) – that allow you to produce a real-time visual storytelling – and circulation of images between social networks connected by Twitter.

Most of the images that have been shared and re-twitted are not those spread by information channels but they are strictly connected to personal experiences and to connect with those of others. Building a circulatory narration through images and symbols helped develop the trauma and bring out the relational character that has been enhanced by the use of a social network platform like Twitter.

In this way the twitter users’ acted as communicative networked witnesses; either through their own images and through the circulation of photos and pictures of others. So they composing the imaginary of the event, located in the space of digital communication.

The full presentation used during speech is here:

Pubbliche Intimità – L’affettivo quotidiano nei siti di social network

Schermata 2013-06-12 a 17.02.40

È disponibile il programma del convegno “PUBBLICHE INTIMITÀ – L’affettivo quotidiano nei siti di social network” che si terrà presso l’università della Calabria nei giorni 20 e 21 Giugno 2013.

Per informazioni: pubblicheintimità

20 giugno 2013


Coro Polifonico Università della Calabria
Giovanni Latorre (Rettore Università della Calabria)
Francesco Altimari (Direttore Dipartimento di Lingue e Scienze dellʼEducazione)
Giovanni Boccia Artieri (Coordinatore Nazionale PRIN 2009)
Fausto Colombo (Coordinatore PIC-AIS)
Mario Caligiuri (Assessore alla Cultura e ai beni culturali Regione Calabria)
Coordina: Francesco Altimari (Università della Calabria)
Emozioni in Rete: relazioni affettive e forme di intimità nei siti di Social Network
Giovannella Greco (Università della Calabria)
Coordina: Giovannella Greco (Università della Calabria)

Vivre en ligne, ici et ailleurs
Patrice Flichy (Université Paris Est)
Giovanni Boccia Artieri (Università di Urbino Carlo Bo)
Fausto Colombo (Università Cattolica del Sacro Cuore Milano)
Ore 18:00-18:30 DIBATTITO

21 giugno 2013

Coordina: Fausto Colombo (Università Cattolica del Sacro Cuore Milano)

Internet come sistema limbico
Derrick De Kerckhove (Università Federico II Napoli)
Giovannella Greco (Università della Calabria)
Lella Mazzoli (Università di Urbino Carlo Bo)


Coordina: Piermarco Aroldi (Università Cattolica del Sacro Cuore Milano)

L’estimità estemporanea. Circolarità comunicativa tra spazio pubblico e spazio privato
Walter Belmonte (Università della Calabria)
Intimità connessa. Intimità e amicizia tra gli utenti italiani di Facebook
Manolo Farci (Università di Urbino Carlo Bo)
Giovanni Boccia Artieri ((Università di Urbino Carlo Bo)
Fabio Giglietto (Università di Urbino Carlo Bo)
Luca Rossi (Università di Urbino Carlo Bo)
Siti di Social Network, comunicazione e riflessività
Rosario Ponziano (Università della Calabria)
The Universal Exposition. Dall’esibizione dell’altro allo spettacolo del sé
Ciro Tarantino (Università della Calabria)

Nicoletta Vittadini (Università Cattolica del Sacro Cuore Milano)
Laura Gemini (Università di Urbino Carlo Bo)

Coordina: Roberta Bartoletti (Università di Urbino Carlo Bo)

Nuove identità di genere e vita quotidiana online
Arianna Mainardi (Università di Milano Bicocca)
Il gioco d’azzardo on-line: vincere o perdere?
Beba Molinari (Università di Genova)
Mariano Vacca (Università Federico II Napoli)
Uno studio esplorativo sulla dipendenza da Internet in studenti universitari
Rocco Servidio (Università della Calabria)
Homo conscius versus homo sentiens
Wilma Siciliano (Università della Calabria)

Annalisa Palermiti (Università della Calabria)
Francesca Pasquali (Università di Bergamo)

Coordina: Simona Perfetti (Università della Calabria)

L’interazione sociale nell’era dei social network
Enrico De Santo (Università della Calabria)
Cerco/offro compagnia. Presentazione e richieste degli uomini sui Social Networing sites
Gevisa La Rocca (Università di Enna “Kore”)
“Alla fine le chiedi come si chiama e poi con Facebook piano piano ci provi”.
Adolescenti e siti di Social Network tra flirt, passioni ed esperienze identitarie
Cosimo Marco Scarcelli (Università di Padova)
Networked Families. L’uso dei media digitali nelle relazioni comunicative familiari
Gabriella Taddeo (Politecnico di Torino)
Simona Tirocchi (Università di Torino)

Davide Bennato (Università di Catania)
Barbara Scifo (Università Cattolica del Sacro Cuore Milano)

Coordina: Giovanni Boccia Artieri (Università di Urbino Carlo Bo)

Piermarco Aroldi (Università Cattolica del Sacro Cuore Milano)
Roberta Bartoletti (Università di Urbino Carlo Bo)
Sulle relazioni sociali
Simona Perfetti (Università della Calabria)

Ore 13:00-13:30 DIBATTITO

Tagged , , , ,

Networked Intimacy. Friendship and intimacy in Facebook Italian users

During the last few days we took part to the eight edition of Media in Transition Conference.  We asked a group of collegues from different countries to share with us their view on SNSs in their respective national contexts.

You can read about the panel and all the speeches in the conference website.

The team from SNS-ITALIA presented the latest findings from the fieldwork (120 in depth interviews). The presentation was focused on the idea of intimacy and how intimacy is performed in networked publics. We come out with the concept of Networked Intimacy defined as:

Networked Intimacy is a performed relationship of togetherness taking place in a networked public space.

Networked intimacy creates ephemeral intimate groups that recursively reshape the distinction between private and public.

The full presentation used during speech is here:

Social Media aren’t votes. Primary election and predictive models

Italian version

The case of the 2012 centre-left primary election was the first important italian event of collective participation in a political action that has found in SNSs a valuable sounding board. Thousands of twitters and posts on Facebook have turned the challenge for determine the coalition’s leadership in a great storytelling, where politicians and civil society, thanks to SNSs, have competed on equal terms to give a voice to their demands. Facebook, LinkedIn, Twitter, and other social media tools have changed the way many people communicate, getting the mass political arena denser, more complex and more participatory. This is proved, for instance, by the increasing comments on Twitter during the television debate among the five contenders, that was aired on SkyTg24: according to Blogmeter, the involvement of this primary election has reached record highs in Italy with 127.426 tweets about this subject from 30 minutes before the start of the television program to 30 minutes after the end.

If undoubtedly traditional and social media tools both have central role in shaping political sphere, more controversial is the use of big data extracted from Facebook, Twitter or Google to build a predictive model for the election. In fact, during the campaign for the Republican presidential nomination, many scholars argued about theoretical limits of predictive analysis, that can’t be overcame simply with more advanced technology. Despite a group of researchers of München University in occasion of the German federal election has conducted a content analysis of over 100,000 messages containing a reference to either a political party or a politician and it has proved that Twitter is widely used for the political deliberations, the employ of a statistical algorithms as a model for extracting big data has yet to become an accurate tool able to predict the election outcome (for a literacy review see also this recent article about United States presidential primary).

As Michel Wu explains, we need three requirements to validate any statistical model or algorithm that aims to become predictive – from Apple’s stock price to the percentage shares of the politician: 1. a model or algorithm that compute some predicted outcome (e.g. the leverage of the traffic that is spawned by the politician followers); 2. an independent measure of the outcome that the model is trying to predict (e.g. the opinion poll results) 3. a measure that compares and quantifies how closely the predicted outcome matches the measured independently outcome.

The main point is the second: having a measure that is really independent from the results obtained by the social media monitoring tools. It should be pretty obvious, but the risk is to fall into the fallacy of circular reasoning: that is, using likes and retweets for building a model that is extended to the whole sample. Hence the need to use a variable for comparison: in our case, the opinion polls.


Influenced from the attractive and effective method used by Nate Silver to predict the outcomes ofUnited States presidential primary, we have decided to employ a different prospective to measure the impact of social media on the level of candidates’ popularity. The data extracted from social media are often used as proxies of electoral success of a politician or a party. Sometimes the research is based on quantitive analysis; other times, with the aid of sentiment analysis, it’s more focused on the area of the subjective opinions, emotions and human affects available in the social web in the forms of news, reviews, blogs, chats and even twitters. Our approach is different: we use the data extracted from social media for comparing and correcting the results of exit polls conducted by pollsters and media agencies to query voters about their voting selection. For this purpose, we have picked up 30 exit polls from October 1st to November 23th 2012. The data of exit polls don’t refer to their spreading, but to their effective carrying out. When in a day there are many exit polls, we have taken into account their average value. Data are openly available on the site

Thanks to collaboration with Blogmeter, we also have picked up – for the most important candidates (Pierluigi Bersani, Matteo Renzi and Nichi Vendola) and for the same period of time – all the main metrics relative to their official presence on Twitter and Facebook  (total number of fun/followers, new fun/followers for a day/, Facebook People Talking About, Twitter Mentions, Facebook and Twitter engagement).

After a set of first analysis focused on the use of all the social media indicators, we have built a predictive model for every candidate based on some correctives that we have computed from Facebook People Talking About and Twitter Mentions. The correctives are estimated on the basis of the temporal correlation between the time trend in consensus measured from the opinion polls  and the trend of the metrics we have taken in account. The model, based on a multiple linear regression (MLR), allows us to estimate the corrective values for obtaining, on the basis of a trend extracted from the polls, a prevision of the electoral result for every candidate.

As we can see from the analysis of the graphs, in the case of Pierluigi Bersani the spread between the data obtained from our prevision and the electoral result is 4.16 percentage points, whereas the spread derived from the data computed by the average of trend time of consensus in the opinion polls, in a period of time from October 1st to November 23th 2012, is 5.41 percentage points. Instead, in the case of Matteo Renzi, the spread between the data obtained from our metrics and the electoral result is 2.85 percentage points, whereas the spread computed by the average of trend time in the same period of time is 3.33 percentage points. At last, if we see the data relative to Nichi Vendola, we notice that our spread is equal to 0.09, whereas the spread between the data of election and the average of polls is 0.12.

We can infer that our model shows an excellent predictive ability – that is apparent mostly in the case of Nichi Vendola – compared with the historical trend of opinion polls in a period of time of about two months. The reason of this predictive ability is because our model is calibrated on a metrics that combine together indicators of engagement obtained both from Facebook and Twitter  and it provides different analysis for every single candidate. Showing data amount separately for every politician of the primary election, we find out, for instance, that the total volume of mention don’t’ always is  positive for the candidate but it assumes a different meaning depending on the politician and, probably, on the material contents. Our data show, for instance, that Vendola’s talking abouts led to a negative coefficient that, most likely,  change electoral preferences.

These research show us how is difficult to build predictive model that not considers the politician’s different communication strategies: in fact, every politician has own discursive style, ways of dialogue and ability to handle many digital platforms. And it should be considered that every candidate has a favored target, with socio-demographic or cultural variables that could be discordant. We should consider not only that the reality of the mass media isn’t statistically representative of the entire population, but also that the specific behaviors of every candidate using the most popular SNS’s  like Facebook and Twitter are to hard to generalize. All of this lead us to rethink the relationship between predictive models and social media, especially when we deal with social events so complex as the politics and the building of a public sphere, that are able to easily overlapping offline and online experiences.

The predictive reality and the social media

In this context, we should consider that SNSs aren’t a representative sample either of the entire population or the voters. It should be a commonplace, but it become a fact not so evident because of the overload of news and researches on every political fact, public debate e.g., that pretend to measure the political engagement rate, starting from the numbers of tweets or comments on politicians’ Facebook pages or those of the political party or the political television shows, e.g.

In fact, the researchers begin to understand that there are specific processes of autoselection that provide a more political powerful use of the net, from all those citizens that are previously involved or that are actives (Norris 2001), or that have the cultural and technological resources needful to practice an active citizenship (Bentivegna 2009). There aren’t a simple process of convergence between voters’ attitude and their offline and online political practices, not useful especially for predictive analysis. Is not the number of the politician’s followers or his level on engagement on a Facebook page that it let us predict the electoral choices. In the case of the 2012 centre-left primary election, Nichi Vendola had the most of fans online, about 250.000 on Twitter and more than 500.000 on Facebook and Matteo Renzi had the most high levels of engagement (see Vincenzo Cosenza’s data analysis), whereas Pierluigi Bersani, the candidate who have gotten the most of voters’ electoral preferences, had a lower amount of data.

This doesn’t mean that there is a clear difference between online and offline spheres. The ongoing incidence of the net in the people’s daily life broadens the political involvement in a continuum that includes the real experience, the media consumption and the practices of online engagement (Dahlgren 2009). But this doesn’t concern all the voters, because not all people actually act in the online life.

Networked public spheres and the interpretation of reality

We must understand how it make possible thinking about this dual form of  representativeness and what kind of relationship exists between these. This question could open the way to remarkable researches in predictive analytics on social networks. The value of likes of political candidates’ pages on Facebook (Giglietto 2012) is connected to politicians’ abilities of using the SNS strategically and having a conversation with users. Nevertheless, this ability can’t necessarily help predicting the election polls, because we must always take into account the weight of the mass media in shaping the public opinion. For this reason our research intends to rethink the use of social media in predictive key, not using this medium as the only source of data, but as a reality that we have to connect with a more traditional source of data as opinion polls.

We need to build a relationship between the different public spheres in which it’s possible to express a public opinion, as it happens in the mainstream media, and a opinion in public, as it happens in the social media. For this reason, we prefer talking about networked public spheres (Boccia Artieri 2012). In that regard, the social media can be considered as conversational correctives of opinion polls. It establishes a connection between the real choice among the politician candidates and the strategic use of SNSs as political communication tools that aim for increasing their visibility and the engagement – see the employ of hashtag for joining people around a issue. It’s a first corrective idea that has met a positive response in our model, that links together the opinion polls with the single candidate’s levels of engagement: Mentions on Twitter and Talking About on Facebook. For improving our model, we should add the sentiment analysis, a method that apply quantitative tools for measuring opinions, feelings and emotions from online textual contents. There are many remarkable examples about this, bur remains unsolved, especially in the political field, the question of irony: how it could treat, e.g., the contents on Twitter and Facebook generated by Marxisti per Tabacci? Moreover, it should also consider that there are other elements that might lead to increase the public sphere, as news websites and blogs, where people generates and shares opinions and tools of engagement (share, like, comments). In that sense, it’s considerable, for instance, that Pierluigi Bersani is the candidate who have obtained the most number of mentions on news websites and blogs. This research on the centre-left primary election in Italy is a first step to an integrated model that aim at reading a complex reality where online and offline must be considered as a continuum. Also in a predictive key.

Research team
Giovanni Boccia Artieri – Università di Urbino Carlo Bo
Manolo Farci – Università di Urbino Carlo Bo
Fabio Giglietto – Università di Urbino Carlo Bo
Luca Rossi – Università di Urbino Carlo Bo
Elisabetta Zurovac – Università di Urbino Carlo Bo


Boccia Artieri G. (2012), Stati di connessione. Pubblici, cittadini, consumatori nella (Social) Network Society, FrancoAngeli, Milano.
Bentivegna S. (2009), Disuguaglianze digitali. Le nuove forme di esclusione nella società dell’informazione, Laterza, Roma-Bari.
Dahlgren P. (2009), Media and Political Engagement. Citizens, Communication and Democracy, Cambridge University Press.
Norris P. (2001), Digital Divide: Civic Engagement, Information Poverty and the Internet Worldwide, Cambridge University Press, Cambridge MA.
Giglietto, F. (2012), If Likes Were Votes: An Empirical Study on the 2011 Italian Administrative Elections. International AAAI Conference on Weblogs and Social Media; Sixth International AAAI Conference on Weblogs and Social Media. Retrieved from

Tagged , , , ,

The Open Laboratory: Limits and Possibilities of Using Facebook, Twitter, and YouTube as a Research Data Source

Una ricerca che si propone di indagare gli usi della popolazione italiana all’interno dei Social Network Sites deve, necessariamente, affrontare il tema di come è possibile usare in chiave di ricerca i dati presenti all’interno dei social media. È per questo che uno dei primi compiti che il progetto di ricerca si è dato è stato quello di definire lo stato dell’arte in questo campo. Nel fare questo si è cercato di andare oltre la semplice sistematizzazione dell’esistente e di inquadrare le metodologie e le tecniche utilizzate all’interno di un più ampio frame sociologico che potesse costituire la base di partenza per tutti i sociologi interessati a lavorare con i dati dei social media. Il risultato di questo lavoro condotto principalmente da Fabio Giglietto, Luca Rossi e Davide Bennato è stato appena pubblicato sul Journal of Technology in Human Services all’interno di un numero speciale su “Methods for Analyzing Social Media”.
Qui sotto l’abstract dell’articolo in Italiano e in Inglese.

Quotidianamente milioni di utenti pubblicano online attraverso i social media una quantità crescente di contenuti. Molti di questi sono pubblici, permanenti e ricaricabili e, in quest’ottica, costituiscono un formidabile bacino di dati per gli scienziati sociali. Proprio per questo il numero di ricercatori che, partendo da diverse discipline, si ripropone di definire strategie e metodi per l’utilizzo di questi dati cresce parallelamente. Questo articolo presenta una review ragionata della letteratura sul tema che, partendo dagli studi su tre specifiche piattaforme digitali: Facebook, Twitter e YouTube, prova ad inquadrare questi metodi all’interno della tradizione di ricerca sociologica. Lo scopo non è solo quello di elencare varie possibilità di azione ma anche, inquadrando il tutto all’interno di un tradizionale frame di ragionamento sociologico, quello di mettere in lune limiti e possibilità offerti dalle varie piattaforme.

A growing amount of content is published worldwide every day by millions of social media users. Most of this content is public, permanent, and searchable. At the same time, the number of studies proposing different techniques and methodologies to exploit this content as data for researchers in different disciplines is also growing. This article presents an up-to-date literature review that frames available studies using Facebook, Twitter, and YouTube as data sources, in the perspective of traditional approaches for social scientists: ethnographical, statistical, and computational. The aim is to offer an overview of strengths and weaknesses of different approaches in the context of the possibilities offered by the different platforms.

Tagged , , , , , ,

I social media non sono voti: le primarie del centrosinistra e l’analisi predittiva

English version

Il fenomeno delle primarie del centrosinistra ha rappresentato il primo grande appuntamento italiano di partecipazione collettiva ad una iniziativa politica che ha trovato nei social network una fondamentale cassa di risonanza. Migliaia di cinguettii su Twitter e post su Facebook hanno trasformato la sfida alla candidatura per il ruolo di nuovo leader del centro-sinistra in un grande mosaico narrativo che ha visto politici e società civile giocarsi, armi alla pari, la capacità mediale offerta dai social media di rappresentare le proprie istanze, costituendosi come una appendice sempre più complementare alle arene istituzionali della comunicazione di massa. Lo dimostra, ad esempio, il dibattito che si è scatenato su Twitter durante il confronto televisivo tra i cinque candidati andato in onda su SkyTg24: secondo Blogmeter, la partecipazione ha battuto ogni record in Italia, con 127.426 tweet sull’argomento in un arco temporale che va da mezz’ora prima a mezz’ora dopo la trasmissione.
Se risulta indubbia, dunque, la capacità dei social media di dialogare attivamente con l’agenda dei mezzi di comunicazione più tradizionali, molto più controverso è l’utilizzo della innegabile mole di dati offerti dai social media come strumenti per sviluppare analisi di tipo predittivo sull’esito delle elezioni. D’altronde, già in occasione delle primarie repubblicane che si sono tenute negli Stati Uniti nel Giugno 2012, ci si era interrogati sui limiti teoretici delle analisi predittive, limiti che difficilmente possono essere superati attraverso l’implementazione di tecnologie più sofisticate di social media monitoring. Sebbene una recente ricerca realizzata da un gruppo di ricercatori dell’università di München in occasione delle elezioni tedesche, attraverso l’analisi del contenuto di oltre 100.000 messaggi di Twitter contenenti riferimenti a partiti o personalità politiche, ha dimostrato che i cinguettii possono riflettere le preferenze di voto e avvicinarsi alle predizioni elaborate dai tradizionali sondaggi elettorali, l’applicazione di complessi algoritmi alla mole di dati provenienti dai social media, è lungi dall’essere ancora un perfetto strumento previsionale (per una review della più recente letteratura si veda questo recente articolo sulle primarie americane).
Come ha spiegato Michel Wu, di Lithium Inc, per elaborare qualsiasi modello predittivo – dal possibile valore in borsa di un titolo Apple alle percentuali ottenute dai candidati di una competizione politica – occorre usare tre ingredienti: 1. un modello di algoritmo che calcola alcuni risultati previsti, come ad esempio l’influenza esercitata dal traffico generato dai follower di un candidato alle primarie; 2. una misura indipendente del risultato che il modello si prefigge di predire, come ad esempio l’andamento del consenso misurato attraverso uno strumento “esterno” alle metriche considerate 3. una misura che quantifica quanto il risultato previsto dalle metriche prese in considerazione si avvicina al risultato preso come variabile indipendente.
Il punto essenziale è il secondo: avere una misura che sia realmente indipendente dal risultato ottenuto attraverso l’uso delle metriche interne dei social media. Può sembrare un’ovvietà, ma il rischio è quello di cadere nel paradosso della circolarità di formule induttive che si limitano ad usare like e retweet come strumenti di validazione di modelli algoritmici che vengono estesi all’intera popolazione presa a riferimento. Da qui la necessità di assumere una variabile di confronto: nel nostro caso, i sondaggi elettorali.

Ispirandosi alla suggestiva ed efficace strategia utilizzata da Nate Silver per prevedere il risultato delle elezioni presidenziali americane, abbiamo deciso di approcciare alla questione dell’impatto dei social media sulla popolarità dei candidati da una prospettiva diversa dal solito. Sempre più di frequente i dati provenienti dai social media sono utilizzati come proxy del successo elettorale di un candidato o partito. Talvolta ci si basa su analisi quantitative, altre volte, con il supporto della sentiment analysis, si entra più nello specifico rispetto al contenuti scambiati. Il nostro approccio si basa invece sull’utilizzo dei dati diffusi dalle diverse società che realizzano sondaggi di opinione e sull’utilizzo dei dati provenienti dai social media per proiettare nel tempo e correggere il trend descritto dai sondaggi.

A questo scopo abbiamo raccolto 30 sondaggi di opinione realizzati fra il primo Ottobre 2012 ed il 23 Novembre 2012. I sondaggi sono datati sulla base del giorno di realizzazione e non di diffusione del sondaggio. Nelle giornate in cui sono stati svolti più di un sondaggio sono stati presi in considerazione i valori medi. I dati sono pubblicamente disponibili sul sito

Grazie alla collaborazione con Blogmeter, abbiamo inoltre raccolto – per i tre principali candidati (Pierluigi Bersani, Metteo Renzi e Nichi Vendola) e relativamente allo stesso periodo – tutte le principali metriche relative alle loro presenze ufficiali su Twitter e Facebook (numero totale di fan/followers, numero di nuovi fan/followers al giorno, Facebook People Talking About, Twitter Mentions, Facebook e Twitter engagement).

Dopo una serie di analisi preliminari basate sull’utilizzo di tutti gli indicatori provenienti dai social media, abbiamo provveduto a creare un modello previsionale per ciascun candidato basato su correttivi calcolati in base a Facebook People Talking About e Twitter Mentions. Le correzioni sono stimate sulla base del rapporto storico fra andamento del consenso misurato dai sondaggi ed andamento delle metriche prese in considerazione. Il modello, basato su una regressione lineare multipla, ci ha consentito di stimare dei valori correttivi per ottenere, sulla base del trend estrapolabile dai sondaggi, una previsione del risultato elettorale per ciascun candidato.

Come possiamo vedere dall’analisi dei grafici, nel caso di Pierluigi Bersani lo scarto tra il dato ottenuto dalle nostre previsioni ed il risultato elettorale è di 4.16 punti percentuale, mentre lo scarto che si può ricavare tra i dati forniti dalla media del rapporto storico del consenso misurato dalle rilevazioni dei sondaggi, in un periodo di tempo che va dal 1 Ottobre al 23 Novembre, è di 5.41 punti percentuale. Nel caso di Matteo Renzi, invece, lo scarto tra il dato ricavato dalle previsioni delle nostre metriche e il risultato elettorale è di 2.85%, mentre lo scarto che nasce dalla media dell’andamento storico dei sondaggi nell’arco di tempo considerato è di 3.33 punti percentuale. Se vediamo, infine, i dati relativi a Nichi Vendola, noteremo che il nostro scarto si attesta su una percentuale pari allo 0.09, mentre lo scarto tra dato elettorale e media dei sondaggi arriva allo 0.12.

Se ne evince che il nostro modello mostra una ottima capacità predittiva – evidente soprattutto nel caso di Nichi Vendola – rispetto alla media della serie storica dei sondaggi elettorali in un arco di quasi due mesi di tempo. Tale capacità deriva dal fatto che il modello è tarato su una metrica che combina assieme fattori di engagement ricavati sia da Facebook che da Twitter e procede ad analisi differenziate per ogni singolo candidato. Scorporando i dati per ognuno dei protagonisti delle primarie, si scopre, ad esempio, che non necessariamente il volume complessivo di mention ha una funzione positiva nei confronti del candidato ma che tale volume assume un senso diverso a seconda del candidato e, presumibilmente, a seconda dei contenuti. I nostri dati dimostrano, ad esempio, che le talking about di Vendola si traducono in un coefficiente negativo che, presumibilmente, va ad incidere nelle preferenze elettorali.
Queste analisi ci dimostrano quanto sia difficile costruire modelli previsionali che non tengano in considerazione le differenti strategie comunicative che caratterizzano i personaggi politici, ognuno dei quali si fa portatore di stili discorsivi, modalità di dialogo e capacità di gestione delle piattaforme digitali profondamente diverse. Senza considerare che il tipo di target privilegiato da ogni candidato può avere connotazioni sociodemografiche o culturali assolutamente discordanti. Non si tratta quindi di notare che, com’è ovvio, la realtà dei social media non è statisticamente rappresentativa del paese reale ma di affrontare il fatto che ogni singolo candidato avrà un responso all’interno dei social media che difficilmente potrà essere generalizzato.
Tutto questo ci porta a riconsiderare il rapporto tra modelli predittivi e social media, soprattutto quando ci troviamo di fronte a fenomeni così semanticamente complessi come la politica e la costruzione di una sfera pubblica capace di muoversi agevolmente tra dimensione online e offline.

La realtà predittiva e i social media
Alla luce di quanto detto, una prima considerazione da fare è che i social network non sono un luogo di osservazione in cui troviamo un campione rappresentativo né della popolazione né degli elettori. Si tratta di un appunto banale che però sembra diventare una realtà scarsamente trasparente dietro l’eccesso di attenzione sia giornalistica che delle analisi che segue ogni avvenimento politico, dibattito, ecc. che misurano il tasso di partecipazione politica del paese dal numero di tweet o dai commenti sulle pagine Facebook del singolo politico, dell’organizzazione politica, del programma televisivo, ecc.
In realtà quello che le ricerche cominciano a rendere evidente è che esiste un processo di autoselezione che porta ad un uso più politicamente intenso della Rete di quei cittadini che già sono interessati o attivi (Norris 2001) o che sono in possesso di risorse culturali e tecnologiche che li portano a sperimentare percorsi di cittadinanza attiva (Bentivegna 2009). In tal senso non troviamo un puro meccanismo di rispecchiamento tra atteggiamenti e pratiche del vissuto politico online ed offline della popolazione degli elettori. Almeno non in termini utili a meccanismi predittivi. Per banalizzare: non è il numero di follower di un candidato o il livello di engagement su una pagina Facebook di un politico rispetto ad un altro a poter diventare un elemento di previsione dell’orientamento di voto. Nelle primarie del centrosinistra, ad esempio, è stato Nichi Vendola ad avere più sostenitori connessi online, quasi 250 mila su Twitter e oltre 500 mila su Facebook e Matteo Renzi a sviluppare i livelli di engagement più elevati (vedi analisi dati di Vincenzo Cosenza), minore in queste dimensioni appare il dato di Pierluigi Bersani che ha invece accumulato più preferenze da parte degli elettori.
Questo non significa, però, che esista una differenza in termini assoluti tra realtà online ed offline. La crescente presenza della Rete nella vita quotidiana delle persone porta ad integrare l’esperienza di partecipazione politica (Dahlgren 2009) entro un continuum che comprende un agire nel mondo vicino, la fruizione mediale e pratiche di attivazione online da parte di alcuni elettori, mentre altri semplicemente non si auto rappresentano né vengono rappresentati dalla realtà osservabile online.

Sfere pubbliche connesse ed interpretazione della realtà
La domanda che possiamo farci allora è se sia possibile, ed in che modo, tenere conto di questa duplice forma di rappresentatività e quale relazione esista tra le due. Si tratta di una domanda che può dischiudere percorsi di ricerca interessanti in termini predittivi. Il senso che può stare dietro ai like che ottiene una pagina di un candidato su Facebook (Giglietto 2012) è certamente legato alla capacità dei candidati di stare online ed aprirsi ad un dialogo con gli utenti ma risente, per quanto riguarda la capacità di predire gli orientamenti finali degli elettori, di una limitatezza dovuta al fatto che quel “senso” va ri-orientato ad un contesto più ampio di costruzione e rappresentazione dell’opinione pubblica in cui i media mainstream hanno tuttora una specifica centralità. Abbiamo a che fare, quindi, con significatività e differenze di potenziale tra nodi di rappresentatività che necessitano di essere messi in relazione. Per questo motivo la nostra ricerca ha voluto ripensare l’utilizzo dei social media in chiave predittiva utilizzandoli non come una fonte privilegiata di dati, ma come una realtà da interfacciare con altri dati rappresentativi degli orientamenti di voto quali sono i sondaggi elettorali.
Ci troviamo infatti di fronte alla necessità di costruire una relazione fra sfere pubbliche diverse in cui si esprime un’opinione pubblica, pensiamo ai media mainstream, e un’opinione in pubblico, come avviene nei social media. La prospettiva da utilizzare è quindi quella di sfere pubbliche connesse (Boccia Artieri 2012). I social media, in questo senso, possono essere pensati come correttivi conversazionali dei sondaggi che indagano comportamenti di voto possibili. Si mettono così in relazione universi di sistema (la scelta tra più candidati possibili) e ambienti di contenuti UGC che si addensano attorno ai luoghi di visibilità discorsiva dei candidati, a partite dalle loro strategie di utilizzo dei social network intesi come strumenti di comunicazione politica personalizzanti ed orientati a visibilità ed engagement – pensiamo all’uso fatto di hashtag per aggregare ed aggregarsi attorno ad issue. Si tratta di una prima formulazione correttiva che trova riscontro nel nostro modello, il quale mette in relazione i sondaggi con i livelli di engagement del singolo candidato: Mentions su Twitter e Talking About su Facebook. A questi andrebbero aggiunti, per rendere in futuro il modello più complesso, i livelli di sentiment che riescono a tradurre quantitativamente i portati qualitativi presenti nei contenuti online. Esistono in tal senso sperimentazioni incoraggianti anche se resta aperto, in particolare in campo politico, il tema dell’ironia e l’interpretazione automatizzata di questa: come trattare in questo senso i contenuti su Twitter e Facebook dei Marxisti per Tabacci?
E d’altra parte occorrerebbe utilizzare anche altri elementi costitutivi delle sfere pubbliche quali i siti di news e i blog visti come luoghi di produzione e messa in circolazione di opinioni e aggregatori di engagement nei commenti, share, like, ecc. Il fatto, per restare al caso delle primarie, che Pierluigi Bersani sia il candidato che riceve un numero più elevato di citazioni da parte dei siti di news e blog ci sembra, in quest’ottica, essere rilevante. Questa ricerca sulle primarie della coalizione del centro sinistra in Italia rappresenta un primo passo verso un modello integrato che vuole sperimentare la possibilità di leggere una realtà complessa in cui online ed offline vanno pensate non come sfere mutualmente esclusive ma come un continuum.
Anche in chiave predittiva.

Team di ricerca
Giovanni Boccia Artieri – Università di Urbino Carlo Bo
Manolo Farci – Università di Urbino Carlo Bo
Fabio Giglietto – Università di Urbino Carlo Bo
Luca Rossi – Università di Urbino Carlo Bo
Elisabetta Zurovac – Università di Urbino Carlo Bo

Bibliografia di riferimento

Boccia Artieri G. (2012), Stati di connessione. Pubblici, cittadini, consumatori nella (Social) Network Society, FrancoAngeli, Milano.
Bentivegna S. (2009), Disuguaglianze digitali. Le nuove forme di esclusione nella società dell’informazione, Laterza, Roma-Bari.
Dahlgren P. (2009), Media and Political Engagement. Citizens, Communication and Democracy, Cambridge University Press.
Norris P. (2001), Digital Divide: Civic Engagement, Information Poverty and the Internet Worldwide, Cambridge University Press, Cambridge MA.
Giglietto, F. (2012). If Likes Were Votes: An Empirical Study on the 2011 Italian Administrative Elections. International AAAI Conference on Weblogs and Social Media; Sixth International AAAI Conference on Weblogs and Social Media. Retrieved from

Tagged , , , ,

#terremoto! l’uso di Twitter durante il terremoto tra testimonianza, propagazione e commento

Nell’ambito della attività di ricerca previste dal progetto abbiamo attiviato un monitoraggio continuo di alcune keyword – definite da hashtag specifici – all’interno di Twitter. L’hashtag #terremoto era tra queste e così abbiamo potuto analizzare i messaggi prodotti dagli utenti fin dai primissimi momenti dopo la scossa.
Com’era prevedibile l’attività su Twitter durante e dopo la scossa – alemno per le prime 24 ore – è stata intensa e ci permette di fare alcune riflessioni sul ruolo che un servizio come Twitter gioca nei momenti di crisi all’interno del più complesso panorama mediale.

Attività Twitter durante le 24h. Insieme ai Tweet (rosso) ed ai ReTweet (blu) sono stati inseriti i maggiori eventi sismici rappresentati dalle bolle arancioni (il raggio delle bolle è proporzionale alla magnituto del fenomeno). Dati Twitter: LaRiCA – Dati Terremoti: INGV

Partendo da questa prima visualizzazione è possibile notare come sia riscontrabile un chiaro picco delle attività Twitter in corrispondenza delle scosse maggiori (sia la principale delle 4.03 che quelle di assestamento susseguitesi tutto il giorno). Due momenti però hanno attirato la nostra attenzione (e su questi concentreremo il resto dell’analisi): il periodo iniziale tra le 4 e le 6 del mattino e il periodo pomeridiano tra le 15 e le 17. In questi due momenti a fronte di scosse di notevole entità abbiamo si un aumento delle attività su Twitter che però si traduce in dinamiche diverse. Tra le 4 e le 6 la produzione di Tweet originali è marcatamente maggiore rispetto a quella di ReTweet mentre tra le 15 e le 17 – in occasione di una seconda forte scossa – questo rapporto si inverte e la produzione di ReTweet supera la produzione di Tweet originali. Questi due momenti rappresentano, in altre parole, un diverso rapporto esistente tra la dinamica di testimonianza e quella di propagazione che normalmente coesistono su Twitter.

Ci è sembrato quindi opportuno procedere ad un’analisi più dettagliata di questi due momenti temporali:

Tag cloud dei Tweet prodotti nel periodo temporale 4-6 – [Si noti che la parola felice è in realtà parte di “San Felice sul Panaro”].

Tagcloud generata dai Tweet prodotti nel periodo temporale 15-17.

Se nella prima TagCloud la centralità è – oltre che per la parola scossa – per tutta una serie di riferimenti geografici volti a definirne l’area e l’intensità (epicentro, magnitudo), nella seconda scossa è possibile osservare la comparsa di riferimenti alla protezione civile, i numeri di telefono utili e le espressioni di call for actions come “contattare”, “segnalare”, e “ritwittate”.

Se la differenza tra questi due momenti emerge anche dall’analisi delle tag clouds è forse opportuno scendere ancor più nel dettaglio con una breve content analysis dei tweet prodotti.

Prime due ore (04-06)
Totale 14535 Tweet

Il primo tweet dopo la scossa (“#terremoto!!!! Paura” di Sonjamjao) è delle 4:05:00 ovvero poco più di un minuto dopo la scossa (ora della scossa secondo INGV: 4:03:52). Come immaginabile si tratta di un tweet fatto da dispositivo mobile (nello specifico un Blackberry).
In quel primo minuto si contano 51 Tweet che salgono a 211 nel minuto successivo.

Produzione di Tweet originali (blu) e di ReTweet (rosso) nel periodo 4-6 am.

Fino alle 04:30 i tweet originali superano i retweet.
Si tratta di una dinamica che si ripete per tutto il giorno in occasione delle maggiori scosse

1. Testimonianza
I tweet originali sono tutti simili e mirano a informare (molto frequentemente viene specificata l’intensità percepita ed il luogo dove il terremoto è stato avvertito) e condividere lo stato d’animo.

Terremoto a Vicenza. Forte! #terremoto #vicenza dudi Sun‚ 20 May 2012 04:05:26
H 4.05. Sentito chiaramente un #terremoto. Zona #bg. Piano terra. cera1980 Sun‚ 20 May 2012 04:06:09
Ragazzi terroreeee!! #terremoto mi sono cagato a dosso!! Almeno 10 secondi e forte!!! Il letto ballava davvero!! Mai sentito così forte LucchiAldo7 Sun‚ 20 May 2012 04:06:13

Nelle fasi immediatamente successive alle scosse prevalgono i tweet originali sui re-tweet.
I primi retweet di @INGVterremoti sono delle 4:06, ma re-twittano l’informazione relativa ad una precedente scossa di minore entità avvenuta poche ore prima:

RT @INGVterremoti: #terremoto Ml:4.1 2012-05-19 23:13:27 UTC Lat=44.90 Lon=11.26 Prof=6.2Km Prov=MODENA eliaporcellato Sun‚ 20 May 2012 04:06:56
@INGVterremoti ma vi si è bloccato il cricetino? Son passati 37 minuti dalla scossa e voi muti… #terremoto AngeloneFirenze Sun‚ 20 May 2012 04:39:26

Il Tweet nel @INGterremoti certifica la magnitudo arriverà solo alle 4:50 (
La seconda scossa delle 5:02:50 viene segnalata dopo circa un minuto:
Ancora #terremoto AceTheBrave Sun‚ 20 May 2012 05:03:53
La nuova scossa riattiva la produzione di Tweet originali dove dominano i termini ancora o altra.

2. Meta commento
Verso le 4:13 iniziano i commenti sulla rapidità di Twitter rispetto ai media tradizionali

RT @webeconoscenza: Giornali on line‚ niente? E ansa? #terremoto maxsalvia Sun‚ 20 May 2012 04:13:43
#terremoto twitter brucia televideo‚ rainews‚ tgcom24. A Bergamo lunga e forte ma niente di drammatico. Ora il problema è riprendere sonno. aleredo Sun‚ 20 May 2012 04:13:45
RT @NicoloVian: E cmq twitter batte 3-0 ANSA. Non c’è storia! #Terremoto LucaTaschin Sun‚ 20 May 2012 04:36:48

3. Propagazione
Già in queste prime fasi si nota la centralità di account delle celebrities che diventano non solo fonti di informazioni da diffondere con i retweet, ma anche soggetti con i quali conversare e con i quali condividere emozioni e sensazioni:

@fede_panicucci a Rovigo fortissimo‚ mai sentito così forte! #terremoto ElisaFolchini Sun‚ 20 May 2012 04:30:42
@CloCecchetto io son attaccata al pc….ma qui a venezia difficoltà di connessione dopo #terremoto…che spavento nikizag7 Sun‚ 20 May 2012 04:31:51
@CremoniniCesare Stai bene? Tutto ok? È dalle tue parti? #terremoto VDeMatha Sun‚ 20 May 2012 04:33:24

In questa prima fase sono pochissimi i Tweet di pubblica utilità e timidi i tentativi di auto-organizzazione.

Venezia‚ Bologna. Milano … L’epicentro dove può esecrere stato? Tra Modena e Rovigo pare… #terremoto LeonardMilan Sun‚ 20 May 2012 04:16:50
RT @gecco: dai‚ triangoliamo i dati di twitter e troviamo l’epicentro #terremoto _pretty_box_ Sun‚ 20 May 2012 02:18:13 +0000
Seconde due ore (15-17)

Ore 15-17
Totale 7065 Tweet
Maggioranza di RT

Produzione di Tweet originali (blu) e di ReTweet (rosso) nel periodo 15-17.

1. Propagazione
La maggior parte dei Tweet ha a che fare con contenuti informativo di stampo news (dove è avvenuto il terremoto, quando è avvenuto, cosa ha colpito) o di pubblica utilità (numeri da chiamare, comportamenti da tenere in caso di terremoto, info su scuole chiuse il lunedì, ecc.).
Se i primi sono sostanzialmente la coda di propagazione sotto forma di RT di informazioni che si sono succedute come NewsTweet nelle ore precedenti, i secondi rappresentano un costante rilancio di obiettivi organizzativi per le popolazioni colpite. Questi OrgRT rappresentano quindi un flusso di servizio che sembra però anche rispondere al bisogno di essere contemporaneamente concretamente utili e presenti nell’#terremoto. Possiamo considerarla una forma di partecipazione comunicativa di tipo attivo che caratterizza in genere l’ecosistema mediale di Twitter in momenti di crisi come questi. È da notare come queste OrgRT rilancino contenuti che non provengono da profili istituzionali e risultino centrali soprattutto le attività di celebrity (come Francesco Facchinetti – uno degli utenti più RT nelle 24 ore – o Paola Turci) o micro celebrity (come Federico Taddia, autore televisivo molto seguito) che vengono molto re-twittati. Spesso figure come le celebrity su Twitter funzionano come canale informativo per utenti non particolarmente avvezzi all’uso degli #hashtag per seguire gli eventi e sono in generale, per il numero elevato dei follower, molto visibili nell’azione di propagazione di news.

RT @FedericoTaddia: #terremoto:Si cercano professionisti: ingegneri‚ architetti contattare la Polizia Municipale: 0535/611039‚ 800/197197.#Mirandola
RT @frafacchinetti: 059-200200 è il numero unico della protezione civile per assistenza zona #Modena #terremoto. Ritwittate e mettetelo tra i preferiti.Grazie
RT @paolaturci: per segnalare le emergenze: 0532-771546 e 0532-771585. #terremoto
Una delle poche comunicazioni “istituzionali” che compare, ed è molto RT, è quella prodotta da @INGVterremoti e che si occupa di informare sull’entità della prima scossa della notte.
RT @INGVterremoti: #terremoto Ml:5.1 2012-05-20 13:18:02 UTC Lat=44.83 Lon=11.49 Prof=4.7Km Prov=FERRARA
Troviamo anche RT su una istituzione, in senso lato, che richiede ai cittadini di dare informazioni:
RT @Archeologi: Il #terremoto al Nord ha ferito il patrimonio artistico. Per segnalare siti‚ castelli‚ beni danneggiati:…

Troviamo anche la presenza, pur se limitata, di media locali che usano Twitter per la diffusione di news spesso riprese dal flusso, come per esempio @RADIOBRUNO che rimette in circolo di fatto un contenuto prodotto da Francesco Facchinetti.

RT @RADIOBRUNO1: 059-200200 è il numero unico della protezione civile per assistenza zona #Modena #terremoto. Ritwittate e mettetelo tra i preferiti.Grazie

Nel flusso di Tweet troviamo anche il contatto diretto della cronaca locale che cerca materiale informativo prodotto dal basso che resta però un evento isolato senza RT, come se fosse percepito più come un disturbo nel susseguirsi dei contenuti eticamente poco corretto.

#Terremoto‚ #modena #ferrara Hai scattato delle foto? Inviale al – Il Resto Del Carlino – Bologna:

2. Testimonianza
Alle 15:18:39 abbiamo il primo Tweet sulla nuova scossa che colpisce gli utenti di Twitter
Scrive Corrado Marra: Mega scossa mega scossa!!!! #terremoto
A questo seguono circa 1800 Tweet di testimonianza fino alle 13:32:54 dalle diverse parti del nord Italia che man mano che ci si allontana nel tempo comunicano anche luogo in cui sta twittando l’utente (“Brevi scosse a distanza di pochi minuti. Una abbastanza forte. #terremoto #pievedicento”) mentre le prime uniscono istantaneità di una comunicazione irriflessiva (“#terremoto ora!”) alla condivisione.

3. Meta commento
Nell’unità di tempo considerata troviamo anche diverse forme di meta commento, sviluppato in particolare da un flusso di RT, che riguardano eventi comunicativi emersi su Twitter in relazione a Tweet di commento a vicende mediali o considerazioni prodotte sull’evento terremoto. In tal senso sono molti e retweet che hanno a che fare con commenti su thread emersi attorno al terremoto di natura satira o critica con corrispettive reazioni.
Molti i RT, quindi, a contenuti emersi nello ore precedenti che hanno diffuso una forma di conversazione-non-conversazione fatta di rilancio di thread.
Ne emergono in particolare 3.
La prima è costituita di RT al contenuto prodotto da @Microsatira:

@Microsatira: In Emilia per il #terremoto è crollata una chiesa. Cosa non fa Dio per non pagare l’IMU.
e critica di ritorno
RT @micheleficara: MA VAFFANCULO CI SCHERZI SOPRA AI MORTI?“@Microsatira In Emilia per il #terremoto è crollata chiesa. Cosa non fa Dio per non pagare l’IMU”

Poi troviamo un thread che si ripresenta dalla mattina è che viene molto RT come mood che rispecchia un sentire comune degli utenti Twitter coinvolti emotivamente dal #terremoto e che ha a che fare con interviste televisive a Red Ronnie (utente Twitter molto attivo durante la nottata nel rilancio informativo e di opinione) che si è caratterizzato per aver fatto circolare un tweet che metteva in relazione il terremoto con le profezie Maya:

RT @semerssuaq: lezioni di giornalismo: tv e radio straniere cercano di contattare gente che twitta dai luoghi del #terremoto‚ il TG1 telefona a Red Ronnie

Un ultimo contenuto rilanciato è relativo ad un contenuto eticamente scorretto prodotto su Facebook da un giovane esponente del Carroccio di Rovato, Stefano Venturi – poi dimessosi – è che è stato portato all’attenzione di molti utenti:

RT @Woork: #Terremoto “Ci scusiamo per i disagi ma la Padania si sta staccando‚ la prossima volta faremo più piano” #VERGOGNA
RT @MediasetTgcom24: #Terremoto‚ il leghista Stefano Venturi su Facebook: “E’ la Padania che si sta staccando”‚ e scoppia la polemica‚

Sono pochi in questo intervallo i contenuti “emotivi” a esemplificazione questo:

Grazie a #twitter questa notte‚ spaventata dal #terremoto e con la tragedia di #brindisi ancora negli occhi‚ mi sono sentita meno sola.


Dopo ogni evento di crisi la fase più importante è quella di coordinamento ed organizzazione degli sforzi individuali ed istituzionali allo scopo di favorire i soccorsi. Il caso del terremoto del 20 Maggio 2010 mette in evidenza interessanti dinamiche auto-organizzative, ma anche una preoccupante assenza di soggetti istituzionali in grado di offrire informazioni certe, farsi punto di riferimento per le richieste e coordinare le attività spontanee.

Studi precedenti sul ruolo dei social media in eventi di crisi più devastanti come l’alluvione nella regione australiana del Qeensland, hanno viceversa evidenziato il ruolo chiave giocato dagli attori istituzionali (come l’account Twitter della polizia) e dai media.

In Italia sembra che questo ruolo, in assenza di attori istituzionali, sia stato svolto da account popolari come quelli delle celebrities e altri account molto seguiti. Si tratta di un importante fattore di rischio che andrebbe preso seriamente in considerazione per il futuro. La creazione di account istituzionali inseriti nel tessuto comunicativo dei social media può rivelarsi una essenziale forma di prevenzione in caso di eventi di crisi.

(post a cura di Giovanni Boccia Artieri, Fabio GigliettoLuca Rossi | Unità Università di Urbino Carlo Bo)