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.