Upload
phungthuan
View
227
Download
0
Embed Size (px)
Citation preview
1
15 - ANALISI DEL
CONTENUTO: 1°TIPO
Losito 1993
P. Montesperelli AIP / 15 - AdC 1°tipo 2
PRIMO TIPO:
LE UNITA’ DI ANALISI COINCIDONO CON GLI ELEMENTI “SIGNIFICANTI” O CON GLI ELEMENTI GRAMMATICALI
DELLA STRUTTURA LINGUISTICA (Rositi 1988, 71)
Ad esempio:
• Parole (v. p. es. Lasswell);
• Sintagmi = sequenza unitaria di 2 o più segni (nel linguaggio: sequenza ordinata di 2 o più parole all’interno di una frase);
• Simboli-chiave = una o poche parole capaci di raggiungere il centro di attenzione del destinatario (Lasswell); elementi semantici cruciali;
2
Proposizione (� asserti) = unità
sintatticamente compiute;
Enunciati (� sistemi di asserti) = sequenza di parole, composta da 2 o più proposizioni, emessa da un solo soggetto e delimitata da pause, silenzi o enunciati di altri soggetti.
Discorsi = sequenza di più enunciati
P. Montesperelli AIP / 15 - AdC 1°tipo 4
• Le unità di analisi (parole o segmenti di testi) sono facilmente individuabili e isolabili
• L’AdC del 1°tipo è quella più facilmente attuabile con procedure completamente automatiche (trattamento informatico)
3
P. Montesperelli AIP / 15 - AdC 1°tipo 5
Frequenze monovariate(p. es. di parole)
P. Montesperelli AIP / 15 - AdC 1°tipo 6
gli articoli sugli immigrati
Prevalgono parole come “carabinieri”, “polizia”, “guardia di finanza”, “agenti”, “squadra mobile”, “commissariato”, etc.; verbi come “arrestare”, “denunciare”, etc.
Il fenomeno dell’immigrazione viene illustrato come “cronaca”, problema di ordine pubblico, contenimento e repressione da parte delle Forze dell’Ordine
4
P. Montesperelli AIP / 15 - AdC 1°tipo 7
uso del pronome o dell’aggettivo possessivo ‘loro’
Ricerca su immigrazione e media italiani - AdC su articoli di quotidiani:
Uso di ‘noi/loro’ a proposito di riferimenti religiosi: «loro fede», «loro dio», «loro religione», «noi» (in quanto cattolici), etc.
L’identità religiosa è meno “negoziabile”
Uso antagonistico (soprattutto verso l’Islam)
o comunque importanza attribuita all’appartenenza religiosa come frame interpretativo
[Binotto e Martino 2004, 85]
P. Montesperelli AIP / 15 - AdC 1°tipo 8
Oggi l’analisi delle frequenze di unità lessicali è una procedura di tipo descrittivo, generalmente utilizzata in una prima fase esplorativa nelle ricerche di analisi del contenuto, per trarre indicazioni per la scelta e la messa a punto di procedure più complesse da applicare nelle fasi successive.
Word cloud:
Rapporto
proporzionale tra
frequenza nel testo e
dimensione di ogni
parola
-Uno stesso termine può avere significati diversi a seconda dei
testi/contesti;
-L’uso di sinonimi o pronomi può ridurre la frequenza di alcune
parole;
5
P. Montesperelli AIP / 15 - AdC 1°tipo 9
Frequenze associate:bivariate (o multivariate)
P. Montesperelli AIP / 15 - AdC 1°tipo 10
Si può analizzare la frequenza delle parole mettendola in relazione con:
Altre parole presenti in uno stesso messaggio o in un insieme di messaggi (es. paura + aids: Altheide 1996/2000,
112);
Eventuali immagini (es. ‘crimine’ + foto di gruppo etnico: Altheide ivi, 111);Titoli (articolo, servizio TV);
Ampiezza del messaggio (discorso pubblico, articolo, servizio televisivo…);
Chi comunica (personalità, ruolo, intenzioni…);
etc.
= associazione
6
P. Montesperelli AIP / 15 - AdC 1°tipo 11
Esempio (% di riga)
51580Criminalità
204040Tossico-dipendenza
152560Aids
SOLIDARIETA’RIPULSAPAURASentimenti
problemi
P. Montesperelli AIP / 15 - AdC 1°tipo 12
Indici verbali
Di solito usati per inferire da determinate
caratteristiche di testi (interviste,
messaggi mediali, etc.) a caratteristiche:
a) psicologiche;
b) Culturali, sociali.
7
P. Montesperelli AIP / 15 - AdC 1°tipo 13
• Indici lessicali: TTR (type-token ratio) = p/P con p = n. parole diverse; (NB Una parola che ricorre più volte viene
conteggiata una sola volta) P = n. complessivo di parole. Si applica su campioni di testi di lunghezza standard (100, 200, 500 o 1000
parole). In psicologia clinica può essere utilizzato come indicatore di disagio
psicologico (p. es. gli schizofrenici presentano bassi valori di TTR); nella ricerca sociale come indicatore di competenza linguistica.
Lessico = Insieme dei termini di una lingua, con le
relative accezioni. Sinonimo di vocabolario.
P. Montesperelli AIP / 15 - AdC 1°tipo 14
•Indici grammaticali = considerano parole classificate in categorie grammaticali • VAQ (verbe-adjective quotient) = V/A con V = n. delle forme verbali (esclusi ‘essere’, ‘avere’, sostituti di ‘essere’…) A = n. degli aggettivi In psicologia clinica può essere utilizzato come indicatore di instabilità affettiva; nella ricerca sociale come indicatore di stereotipia. Nella ricerca sociale può servire a rilevare, p. es., quanto un messaggio sia descrittivo o valutativo
Alti valori del VAQ = livelli elevati di stereotipia
8
P. Montesperelli AIP / 15 - AdC 1°tipo 15
• Una variante del VAQ: (N+V)/(A+Av) con N = n. di sostantivi; V = n. di forme verbali; A = n. di aggettivi; Av = di avverbi. Come il VAQ, può essere utilizzato come indicatore di stereotipia.
Soprattutto di modo,
tempo, giudizio,
quantità
P. Montesperelli AIP / 15 - AdC 1°tipo 16
•Indici semantici: considerano parole classificate in categorie di significato DRQ (discomfort-relief quotient) = M/(M+B) con M = parole esprimenti malessere; B = parole esprimenti benessere. In psicologia clinica può essere utilizzato in situazioni prima/dopo, ad esempio prima e dopo un intervento finalizzato a risolvere un problema che suscita disagio o tensione emotiva. Esempio (Tesi De Cenzo su Ballarò 5/04/05) drq D’Alema 0,09 Rutelli 0,07 Berlusconi 0,18 Alemanno 0,24 Diamanti 0,06 Faini 0,06 Vendola 0,00 Floris 0,12
9
P. Montesperelli AIP / 15 - AdC 1°tipo 17
Analisi delle valutazioni UdA: proposizione Tutte le proposizioni di un testo vengono così classificate:
Indice di favore: [(F – S) / R] x F/ (NR + R)
Proposizioni
NR
Non
rilevanti
= 0
R
Rilevanti
N
Neutro
= 0
F
Favorevole
= + 1
S
Sfavorevole
= - 1
NB_ La classificazione delle frasi R può
essere più sensibile:
Es.: Molto favorevole:
+ 2
Abbastanza
favorevole: + 1
Etc.
P. Montesperelli AIP / 15 - AdC 1°tipo 18
Analisi degli asserti valutativi (EAA) Procedura finalizzata a rilevare la direzione (positiva o negativa) e
l’intensità della valutazione nei confronti di uno o più oggetti di atteggiamento (attitude object, AO) in un testo o in un insieme di testi
(Osgood, Saporta e Nunnally, 1956).
• Si selezionano i sistemi di asserti che includono una valutazione
verso quell’oggetto;
• Si scompongono i sistemi di asserti in asserti semplici (attore / azione / complemento)
• Si costituisce un gruppo di analisti
• Ciascun analista deve attribuire un punteggio a ciascun elemento valutativo (attore/azione/complemento): da + 3 (massimo favore) a – 3 (massimo sfavore)
• Si calcola la media dei punteggi ottenuti da ciascun oggetto di atteggiamento � direzione (pro- o contro-) e intensità della valutazione verso quell’oggetto
• Si comparano le valutazioni di oggetti diversi nello stesso testo e/o di uno stesso oggetto in più testi
10
P. Montesperelli AIP / 15 - AdC 1°tipo 19
T2 T5 T1 T3 T4
-3 -2 -1 0 +1 +2 +3 AO4 AO3 AO1 AO2
-3 -2 -1 0 +1 +2 +3 NB. Problemi simili (distorsioni) alle Scale Likert
Valutazione di uno stesso
oggetto in testi diversi
Valutazione di oggetti diversi in
uno stesso testo
P. Montesperelli AIP / 15 - AdC 1°tipo 20
• Elezioni politiche 24-25 febbraio 2015;
• 5047 tweets contenenti l’hashtag #elezioni2013e postati il 22 febbraio 2013;
• 1.500 parole-chiave.
Esempio: una ricerca su Twitter
(Tipaldo 2014)
11
P. Montesperelli AIP / 15 - AdC 1°tipo 21
a) Calcolo delle associazioni di parole
Visualizza le relazioni fra un lemma ed altri lemmi;
L’intensitàdell’associazione è direttamente proporzionale alla vicinanza
“Paura” è piùassociata a “Movimento 5 stelle” e a “Beppe Grillo”
P. Montesperelli AIP / 15 - AdC 1°tipo 22
b) Confronto fra parole-chiave
Visualizza i
temi in cui
una o
entrambe le
parole
selezionate
sono presenti
e in quale %
lo sono
-Il PdL prevale i 6 contesti su 7;
- ‘PD’ e ‘PdL’ co-occorrono ca 20% solo in
“rimborso” (IMU) e “nonmipiace” (hashtag contro
i 2 partiti)
Parole-chiave per temi
0%
20%
40%
60%
80%
100%
Napoli Non voto Fiducia Non mi
piace
Rimborso Via
PDL
PD+PDL
PD
12
P. Montesperelli AIP / 15 - AdC 1°tipo 23
c) Analisi delle sequenze
Individua tutte le sequenze di n parole che si ripetono.
La parola scelta ècollegata ai lemmi che la precedono / seguono.
CONTESTI SEMANTICI IN CUI RICORRE UNA PAROLA
Esempio:
La parola ‘IMU’ è
comparsa 141 volte = 19°posto su 1.500 parole-chiave = tema portante del dibattitopolitico elettorale
P. Montesperelli AIP / 15 - AdC 1°tipo 24
La vicinanza è
direttamente
proporzionale
alla frequenza
delle sequenze
(v. prima:
calcolo delle
associazioni di
parole).
13
P. Montesperelli AIP / 15 - AdC 1°tipo 25
AVVERTENZE (Tipaldo 2014, 184 ss.)
• PROFONDITA’ TEORICA: Perché la interpretazione non sia impressionistica e/o meramente descrittiva, il ricercatore non deve limitarsi ad affermare “cosa vede”nei dati, ma soprattutto che senso ha ciò che vede;
• TRASPARENZA METODOLOGICA: Evitare un uso acritico dei software; non considerarli “black boxes”;
• SPIRITO CRITICO: i software offrono risultati pronti all’uso con il minimo sforzo cognitivo.
Elevato automatismo + tendenza alla modellizzazionestatistica � 1) Disattenzione al contesto; 2) oggettivismo ingenuo.