Appunti Immagini e societa

LA SCHEDA DI ANALISI DEL CONTENUTO NON È UN QUESTIONARIO!!

7. LA CONTENT ANALYSIS NELLE RICERCHE SUI PRODOTTI CULTURALI (pt. 2)

FASI DELLA RICERCA QUALITATIVA

La tecnica dell'osservazione si presta molto bene alla ricerca qualitativa. È un'analisi del discorso (non dei contenuti semantici o tematici)

1. Obiettivo conoscitivo (declinato su domande di ricerca)
2. Non avendo la possibilità di studiare l'intero universo dei contenuti web ne estrapola un campione
3. A partire dai contenuti estratti costruisce una serie di categorie utili per leggerli e interpretarli
4. Grounded theory = si parte dai dati (resoconti, narrazioni, documenti) per costruire una possibile teorizzazione
5. Si sovrappone concettualmente all'etnographic analysis (focalizzata non solo sui contenuti ma sul discorso)

Analisi manuale del contenuto:

• Si stabiliscono le categorie da utilizzare
• Si mette a punto un libro codice = un insieme di regole e procedure da seguire
• L'analista

(coder) per legge ciascuna unità di osservazione (frase, paragrafo, tweet, post) e ne interpreta il significato attribuendolo a una categoria

Es: rispetto agli articoli legati al tema dell’immigrazione, quali potrebbero essere le categorie presenti?

• Testata: da dove sono estratti questi articoli? (News online o stampa cartacea?)
• Data: a quando risale la notizia?
• Analisi del contenuto: qual è il contesto di svolgimento della notizia? (Nord Italia, Sud Italia, Centro Italia)
• il migrante è presentato positivamente o negativamente?
• Quali sono i termini associati alla parola immigrato?

Analisi automatica (quando ci sono molti contenuti):

Si basa sull’identificazione e sul conteggio di determinati termini all’interno dei testi e si effettua attraverso

• Dictionary-based

Si costruisce un dizionario in cui si specifica quali sono le parole chiave. Il software è in grado di fare il calcolo delle occorrenze (quante volte sono presenti) e delle concorrenze.

parole che compongono il dizionario vanno inserite manualmente

Es: T-Lab per- Analisi di Contenuto- Analisi Semantica- Analisi Tematica- Analisi del Discorso- etc.- Supervised machine learning

La macchina è già addestrata a categorizzare i contenuti

Ma viene effettuata anche una categorizzazione personalizzata per aiutare la macchina

- Topic modeling e metodi non supervisionati

Macchine non raffinate che permettono un'analisi superficiale ma automatica

Computer-aided qualitative data analysis software:

Quantitativa = cerca di ampliare i contenuti da analizzare per ottenere una grande mole di dati

È appunto l'approccio dei big data

- Social media listening (ascolto delle conversazioni online)

- Social media intelligence

Esistono piattaforme e software di analisi semantica che sintetizzano i contenuti e consentono di esaminarli (fanno perno anche sugli algoritmi di riconoscimento del linguaggio naturale) in modo da capire su quali temi si incentrano le conversazioni

onlineper esempioQualitativa = non ambisce a studiare numerosi contenuti infatti si parla di small dataGli strumenti quantitativi si uniscono a tecniche qualitative come l’indagine osservativa(netnografia)Quindi per esempio oltre a calcolare quante volte torna un termine si utilizza anche unapproccio qualitativo per capire chi, perché, quando l’ha scritto

ESEMPIO di research design

Obiettivo di ricerca = analizzare l’immagine della città di Milano costruita e veicolata daimedia

Bisognava capire quali media analizzare

• media mainstream
• stampa
• notizie online

Campionamento in due fasi:

1. Scelta ragionata di un gruppo di quotidiani, Tg, testate online
2. Campionamento sistematico di articoli e notizie su cui si è svolta l’analisi

Analisi del contenuto con approccio integrato del primo, secondo e terzo tipo:

• Analisi del contenuto come inchiesta
• Analisi testuale
• Analisi dello storytelling

Analisi delle occorrenze = dando al software tutti gli

Articoli che parlano di Milano riescead estrapolare le parole chiave

L'ANALISI DEL CONTENUTO COME INCHIESTA

Non conta le parole, le occorrenze. Non fa un'analisi "denonativa" sul testo, ma usa un approccio quantitativo per analizzare gli articoli stessi (non i lettori)

Costruiamo un questionario (scheda di analisi) per analizzare i contenuti di tutto quello che in ambito socio-semiotico può essere considerato testo (es: post, immagini...)

COSTRUIRE UNA SCHEDA DI ANALISI DEL CONTENUTO APPLICATA AL PROGETTO SUI MEME

"Per analizzare un'immagine dovremmo guardarne tante" (Manovich)

I meme sono:

• Prodotti culturali composti da immagini e testo
• Si evolvono parallelamente ai temi su cui i media hanno concentrato l'attenzione durante la congiuntura pandemica (social media e mainstream)
• Sintesi di elementi di contingenza = dotando di salienza quelli sui quali le persone sono in grado di compiere una rielaborazione visuale (e quindi

costruireun'immagine) che diviene virale per la capacità di ironizzare su alcuni aspetti delvissutoSono molto più che battute = svolgono funzioni di comunicazione, partecipazione politica,divertimento e comunitàSono progettati, realizzati e diffusi dagli esseri umaniNon sono immagini a sestanti che hanno una vita propriaI membri diventano virali quando l'intento comunicativo viene compreso e ricontestualizzatoda molte personeL'ironia intesa come un'incongruenza percepita può essere● Semantica = giochi di parole, significato ambiguo, scollamento premessa-risoluzione● Ecoica = si riferisce a qualcosa di preesistente. Parodia di una reference provenientedalla cultura popLe due possono anche sovrapporsiDISEGNO DI RICERCA E METODIÈ parte di un progetto più grande e ampio che uscirà dalle porte della IULM verso lapopolazione● Progetto di ricerca = "La vitalità del virus"● Obiettivo della

ricerca = cosa raccontano i meme sul covid19?

Obiettivi specifici:

• Elementi protagonisti dei meme
• Storie raccontate dai meme
• Variazione dei protagonisti e dello storytelling umoristico nelle fasi della pandemia (pre e post estate 2020)
• Diverse viralità tra differenti cluster di persone (chi ha condiviso cosa)

Metodi

• Content analysis quali-quantitativa
• Analisi qualitativa delle immagini per ricostruirne lo storytelling
• Analisi computazionale dei dati culturali (visivi) = tecniche e modelli di statistica multivariata (clustering, alberi di classificazione)
• Costruzione di algoritmi costruiti per un'attività di ricerca scientifica e conoscitiva

FASE DI ANALISI DEL CONTENUTO

I meme raccolti sono stati puliti (duplicati, tecniche statistiche multivariate...)

Il fatto che ci siano doppioni è un dato di ricerca perché indica la viralità di quei meme

Si pensa che alla fine ne rimarranno 1.500 circa

Entro il 15 aprile dovremmo raggrupparci

In 5Dobbiamo proporre una scheda di analisi (il questionario verrà fatto ai meme)
Caricare tutto sulla community
- Nome del gruppo
- Componenti
- Scheda di analisi
Questo serve per vedere se abbiamo capito come si lavora
I prof ne sceglieranno una definitiva e la caricheranno sulla community
Poi entro il 6 maggio dovremo compilarla su Google Moduli
Poi ci sarà una fase di machine learning
Entro il 13 maggio compiliamo la scheda e facciamo la consegna di gruppo

9. DIGITAL METHODS
Tecniche di ricerca nate specificatamente online
RIPASSO
● Data deluge = diluvio di dati caratteristico di questa epoca
- 2010 = si prevede che l'informazione continuerà ad aumentare
- 2018 = si è verificato effettivamente un aumento enorme
● Legge di Moore (71) = previsione empirica per cui il numero di transistor ogni anno sarebbe raddoppiato
● Capitalismo della sorveglianza = sta alla base di come utilizziamo le piattaforme oggi
I dati vengono raccolti per fare predizioni comportamentali

la costruiscono attraverso l'interazione con gli utenti e i dispositivi stessi. Il paradigma dei digital methods si basa sull'idea che gli ambienti digitali siano complessi e interconnessi, e che possano essere studiati attraverso approcci quantitativi e qualitativi. L'approccio quantitativo si basa sull'analisi di grandi quantità di dati, noti come big data, che permettono di identificare pattern e tendenze. L'approccio qualitativo, invece, si concentra su un numero più limitato di dati, noti come small data, ma permette di approfondire le dinamiche sociali e culturali. Tuttavia, la distinzione tra i due approcci non è così netta, in quanto le affordances, ovvero le caratteristiche e le funzionalità offerte dalle piattaforme digitali, influenzano sia l'utilizzo che i risultati della ricerca. Ad esempio, la società connessa (connective society) si riferisce all'interazione tra gli utenti come risultato della mediazione dei dispositivi, mentre i pubblici connessi (connective publics) si riferiscono al pubblico formato dai dispositivi stessi. I dati digitali sono prodotti dall'ecosistema socio-tecnico di Internet, che comprende diversi dispositivi che sono coinvolti nella costruzione e nella misurazione della realtà sociale. Gli strumenti metodologici dei digital methods non solo analizzano la realtà, ma contribuiscono anche alla sua costruzione attraverso l'interazione con gli utenti e i dispositivi.

la costruiscono (conversione informazione in digitale)

I dati sono il risultato dell'interazione tra umani e non umani (sistemi dei motori di ricerca, bot, affordances, cookies...)

Queste interazioni avvengono continuamente negli ambienti digitali in maniera circolare e recursiva

In queste interazioni nascono:

1. Transactional data = generati dalle attività quotidiane di navigazione tracciate da specifici devices (click, acquisti, login...)
2. User generated content = dati prodotti deliberatamente dagli utenti (post sui social...)
3. Software generated content = dati generati dall'interazione di due o più attori non umani (news bot che producono news automaticamente)

Social media permettono agli individui di:

• Costruire un profilo pubblico o semi-pubblico dati i limiti (affordances) di un certo sistema
• Articolare una lista di altri utenti con cui condividere una connessione
• Vedere la propria lista di connessioni e degli altri all'interno del

ioni tra gli utenti- Determinano cosa viene mostrato agli utenti sulla base dei loro interessi e comportamenti- Possono influenzare la visibilità e la diffusione delle informazioni- Possono creare delle bolle informative in cui gli utenti vengono esposti solo a contenuti simili alle loro opinioni e interessi- Possono favorire la diffusione di contenuti virali o di disinformazione- Possono essere oggetto di manipolazione da parte di attori esterni (ad esempio, campagne di propaganda o di influencer marketing)