Small e big data nella comunicazione del Governo Conte durante il lockdown.

Il contesto di ricerca
Al giorno d’oggi i big data sono al centro dell’interesse di molte discipline per la quantità di informazioni che forniscono, oltre a rappresentare, insieme al mondo digitale, una parte del contesto in cui le persone vivono1. Essendo il prodotto di una serie di fenomeni socioculturali, al pari della cultura materiale, i big data stimolano, tra gli altri, l’interesse dell’etnosemiotica. Ma quest’ultima, interessandosi ai fenomeni socioculturali come produttori di significato, come può intervenire nel dibattito circa l’analisi dei dati? Questo articolo, frutto di un’esperienza di tirocinio presso l’ente Fare Ricerca, vuole proporre un metodo per rendere leggibili i big data a uno sguardo semiotico. Dunque, come si possono testualizzare i big data per farli diventare oggetto d’analisi?2
Nel presente studio si vuole indagare la produzione di effetti di senso da parte delle istituzioni e delle risposte che questi provocano nel pubblico dei social network, in un momento storico critico come il lockdown da pandemia. Attraverso un esempio si illustrerà la metodologia applicata ad un caso di studio, al fine di costruire un oggetto digitale analizzabile etnosemioticamente.
Per fare ciò, si è deciso di analizzare alcuni dati isolati dall’account del Presidente del Consiglio Giuseppe Conte sul social network Instagram. Sono stati esaminati i post del Presidente del Consiglio in un periodo di tempo ben definito, cioè quattro giorni all’inizio della quarantena e del lockdown in tutta Italia (08/03, 09/03, 10/03, 11/03), un giorno ogni 14 giorni circa (25/03, 06/04, 19/04) e due giorni alla fine della fase 1 (03/05, 04/05).
Un prototipo di metodologia, il singolo post
I big data sono il prodotto finale dell’agire del soggetto nella comunicazione digitale e derivano da fenomeni socioculturali3. Senza dubbio essi rappresentano un interessante oggetto di studio. Il big data, in sostanza, è un insieme di small data che, a loro volta, possono essere identificati come i comportamenti apparentemente insignificanti che ritroviamo nell’agire degli utenti. Essi, agendo nel mondo digitale, rivelano una vasta gamma di emozioni, sentimenti, gusti e ideologie4.
Per chiarezza espositiva, si porterà prima un esempio dell’applicazione della metodologia su un singolo post del profilo del Presidente Conte, datato 10/03/2020, riguardante l’emergenza Covid-19 e si illustrerà come ne sono stati estratti i dati. Secondariamente, si prenderà in considerazione il lato diacronico, cioè lo sviluppo nel tempo dei dati risultanti dall’analisi dei singoli post.

Ci si è approcciati all’analisi del post definendolo per tipo, se immagine o video, per numero di “mi piace” o visualizzazioni, classificandone brevemente i contenuti e trovandone il numero di commenti. Di questi ultimi, sono stati selezionati i primi 50 per “mi piace”, in quanto veicolano i significati più condivisi dagli utenti, ed è stata indagata l’assiologizzazione di ognuno di essi, che in semiotica consiste sostanzialmente nell’attribuzione di una valenza positiva o negativa ad un dato contenuto5.
A questo punto, sono stati suddivisi i commenti in base alla presenza di valorizzazioni positive, negative, o alla loro compresenza. Però è diventato progressivamente chiaro come non bastasse evidenziare la valorizzazione di un commento, senza specificare a chi si rivolgesse o quale elemento in particolare determinasse la nascita di quel valore. Ad esempio, l’assiologizzazione negativa può incentrarsi sull’operato del Presidente e del governo oppure sugli italiani che non rispettano il lockdown, creando differenti effetti di senso. Quindi, dai primi tre macro gruppi ne sono poi stati formati altri, volti a spiegare le particolari inclinazioni delle assiologie negative e la compresenza di entrambe.
Va sottolineato che queste sottocategorie non sono state stabilite a priori, dall’inizio dell’analisi, ma sono emerse nel corso del suo sviluppo, dimostrandosi come chiari trend presenti nei commenti di più post (fig.2).

Durante l’analisi, però, ci si è resi conto che anche questa ulteriore suddivisione non era sufficiente a contenere la grande varietà di commenti e dei loro contenuti. Si sono dovute quindi inserire delle ulteriori categorie a fianco delle assiologie, classificate come: “Richieste d’aiuto”, “Incomprensibili”, “Domande” e “Altro”. Quest’ultima categoria rappresenta un grande cappello sotto al quale si raccolgono i consigli, le battute, l’ironia e gli ordini perentori. È proprio quest’ultima categoria ad essere la più rilevante nel post in questione, racchiudendo al suo interno oltre la metà dei commenti analizzati, che esprimo in vari modi il concetto di “Chiudiamo tutto”. L’isotopia in semiotica è la ridondanza di categorie semantiche, che rende possibile l’integrazione e la combinazione contestuale tra contenuti6. Nello specifico, alcuni commenti portatori dell’isotopia “Chiudiamo tutto” erano chiaramente connotati con un’assiologia negativa contro il governo e sono stati inseriti nella sottocategoria apposita. Si è quindi ritenuto utile creare una nuova categoria che tenesse conto delle volte in cui una stessa isotopia, in questo caso “Chiudiamo tutto”, si ripresentasse. Nelle analisi di altri post, questo metodo è stato applicato su altre isotopie, come la “Dichiarazione di Pandemia” o la problematica “I soldi non arrivano”.
I dati nel corso del tempo
Un’indagine come questa, che fotografa il gradimento dell’operato del governo Conte nel periodo del lockdown, deve svilupparsi nel tempo, così da dare un’immagine più omogenea di come sono stati vissuti i provvedimenti del governo nel corso dei cinquanta giorni di lockdown. Come si può vedere dalla figura 3, l’analisi si può scomporre in tre periodi, 08/03-10/03, 10/03-06/04 e 06/04-04/05. Inizialmente si ha una fase altalenante per quanto riguarda la media delle assiologie positive.

È importante ricordare però che le assiologie negative, che nel primo periodo toccano il picco massimo per poi scendere, non sono tutte rivolte contro l’operato del governo, ma anche contro i cittadini che non rispettano le regole e così via (fig. 4). Si può comunque evincere un’incertezza generale: non conosciamo la situazione, non conosciamo il “nemico”, non si può essere sicuri se il governo stia agendo bene o male. Le assiologie vengono maggiormente messe da parte il 10/03, dove l’isotopia “Chiudiamo tutto”, interpretabile anche come paura del virus, ha la meglio sulle emozioni delle persone.
Nel mese seguente, anche grazie all’isotopia del “Culto di Conte” che si è sviluppata, le assiologie positive sono in netta crescita, il che denota un crescente apprezzamento da parte dei cittadini di come viene gestita la pandemia in questo lasso di tempo, oltre che della figura del Presidente in sé: è il periodo in cui Conte sbaraglia l’Europa, firma accordi per finanziamenti straordinari a venire, compiange un membro della sua scorta ed invita gli italiani a resistere.
Dal 19/04 in poi, si trova un’altra isotopia dominante, stavolta non positiva, legata alla problematica dei “Soldi che non arrivano”: pur non raggiungendo i livelli di “Chiudiamo tutto”, dove la paura tendeva ad unire pressoché chiunque, rimane significativamente presente in ogni post dal 19/04 in poi. È anche il principale motivo per la discesa dell’assiologia positiva e l’aumento della negativa e, se non fosse per un post ben preciso, avrebbe portato la media negativa a superare la positiva. Il post in questione celebra il popolo attraverso un esempio di coraggio, parla esclusivamente dei cittadini e di questo professore in particolare, mettendo da parte la figura di Conte ed ottenendo così quasi i 4/5 di assiologie positive.

La figura 4 vuole rendere conto di come la maggior parte dei commenti portatori di assiologia negativa si rivolgono contro all’operato del Presidente del Consiglio o del governo, anche se non rappresentano affatto la totalità. In ogni caso, come si può vedere dalla figura 5, che riporta le percentuali di assiologie positive e negative totali, si può facilmente concludere come l’operato di Conte e del suo governo sia stato, tutto sommato, largamente approvato dal pubblico del social network.

Per una metodologia flessibile
Partendo da una riflessione circa una possibile metodologia, ci si è chiesti se e come fosse possibile rendere analizzabili i big data, in una prospettiva etnosemiotica. Si è mostrato che, grazie alla combinazione di approcci quali l’etnografia digitale e l’analisi semiotica del discorso, sia possibile costruire dei criteri di lavoro basati sull’individuazione e sull’analisi di elementi contestuali. Si ricordi però che la metodologia qui esposta non è affatto una struttura rigida, alla quale applicare i dati che di volta in volta si presentano, tutt’altro: è una traccia, un esempio che va trasformato a seconda dei diversi contesti digitali che si analizzano. Attraverso il lavoro mostrato si possono individuare le narrazioni prevalenti, le categorie e le sottocategorie su cui i discorsi si fondano. Il monitoraggio dell’andamento nel tempo permette di comparare i trend e la risposta dei pubblici e delle comunità. Se le indagini sulle relazioni socio-culturali non possono più fare a meno di prendere in considerazione le informazioni e le interazioni digitali, questo approccio al big data consente di superarne l’eterogeneità costitutiva che, nella fase iniziale dell’analisi, rappresenta un ostacolo non indifferente.
Note
- W. C. Sánchez Torres, P. A. Ortiz Rendón La netnografía, un modelo etnográfico en la era digital – Netnography, an etnographic model in the digital era, Revista Espacios, vol. 38, n. 13, 2017, pp. 28-42.
- Per “oggetto” si intende un oggetto di studio, definito e costruito dal ricercatore; in semiotica corrisponderebbe alla nozione di testo, cioè qualcosa di sottoposto o sottoponibile ad analisi.
- J. A. Cavanillas J. A., E. Curry, W. Wahlster, New horizons for a data-driven economy – A roadmap for usage and exploitation of big data In Europe, Springer open, 2016, p. 90.
- Lindstrom M., Small data: i piccoli indizi che svelano i grandi trend. Capire i desideri nascosti dei tuoi clienti (Small Data), Hoepli Editore, Milano 2016, p. 44.
- A. Zinna A., F. Marsciani, Elementi di semiotica generativa, Esculapio, Bologna 1991, pp. 105-106.
- A. Zinna, F. Marsciani, Elementi di semiotica generativa, op. cit., p. 26