#RestiamoUmani: il fenomeno visto con i dati

Il naufragio a poche miglia dalle coste libiche dove hanno perso la vita 100 migranti, ha fatto emergere su twitter l’hashtag #RestiamoUmani che è rimasto in trend per tutta la giornata di ieri 30 giugno.

Così come fatto per #Censimento e #Salvinischedacitutti, ho prelevato i dati per analizzare il fenomeno con gli occhi della social networking analysis.

#RestiamoUmani: pattern polarizzato

Anche per questo hashtag il pattern che si forma è di tipo polarizzato: due gruppi che, rispetto alla conversazione, si trovano su poli opposti; uno è a favore e l’altro contro. Nel sociografo il grappolo a sinistra è composto da opinanti a favore del topic, il grappolo a destra è composto da opinanti contrari al topic.

I dati sono stati prelevati campionando l’universo delle conversazioni relative. Nodi: 2530 Relazioni: 3396

#RestiamoUmani: l’universo delle relazioni

Fermo restando il pattern, vediamo come i due grappoli si sostengono.

Per ognuno è stato necessario isolare i nodi che li compongono, ricostruire i collegamenti. Fatto questo si è avuta la possibilità di calcolare il frizz index: il tasso di effervescenza relazionale. Vediamo come in questo caso il segmento di sinistra è molto più effervescente dell’altro, una eventuale analisi di text mining potrebbe farci capire meglio gli intorni del fenomeno, ma in questo caso non è necessario. Estrapolando le relazioni riusciamo a capire quali siano gli elementi polarizzanti le conversazioni.

 

 

 

 

 

 

 

 

Il grappolo di destra ha come “anchor text” il tweet di Giorgio La Porta che si rifà al massacro di via spalato a Macerata lo scorso febbraio

Per il grappolo a sinistra, l’anchor text è rappresentato dal tweet di Laura Boldrini. Due facce della stessa medaglia.

Due contenuti apparentemente opposti che giustificano le differenti prese di posizione da parte degli opinanti.

La cosa non cambia se, dai dati, andiamo ad estrapolare  il profilo più retwittato: Giorgio La Porta 535 RT e Laura Boldrini 503 RT.

Una analisi di text mining potrebbe delineare meglio il fenomeno. Stay tuned (forse).