Se sul numero di persone sentite si può discutere se questo sia sufficiente o insufficiente (in Italia la media degli intervistati varia da 500 a 1.000 persone; in Inghilterra è quasi il doppio; ma negli Stati Uniti, dove la popolazione è maggiore rispetto al nostro paese, le persone interpellate sono sempre un migliaio) si può invece discutere meno sul fatto che all’origine degli errori dei sondaggi, e all’origine anche delle notevoli differenze che esistono tra un sondaggio e un altro, c’è una questione legata al modo con cui vengono scelte le persone che fanno parte del campione. [...] Ancora, altri motivi per cui non fidarsi troppo dei sondaggi sono relativi, secondo Natale (2009), al fatto che ogni sondaggio passa per una serie di interviste che vengono rivolte ad un campione di individui, e quindi è necessario tener presente l’effetto clima di opinione (in particolare nel contesto di acceso scontro politico tipicamente italiano), ovvero la desiderabilità sociale delle risposte, nonchè la problematica dell’autoselezione dei rispondenti, che deriva dal fenomeno delle non risposte e della relativa sostituzione degli intervistati, motivo per il quale anche se il campione iniziale è probabilistico, il campione finale spesso non lo è.

I risultati dei sondaggi vengono utilizzati come strumento di comunicazione in campagna elettorale, ovvero per confermare l’andamento vincente di un determinato partito/candidato. In questo senso, il sondaggio rischia non solo di manipolare l’imparzialità e la correttezza dell’informazione, ma anche di scatenare un effetto band wagon (ovvero di salita sul carro del vincitore) da parte dei cittadini: proprio da questo rischio trae l’origine il divieto di diffusione di sondaggi politico-elettorali nella fase finale del periodo elettorale, presente nelle legislazioni di alcune democrazie occidentali.

Lo scopo del sondaggio era il seguente: se le elezioni si tenessero oggi, per chi voterebbe? Barack Obama\Mitt Romney\Altri\Non sicuro

Ecco le domande non-rappresentative fatte all'elettore:

1. Per chi ha votato alle elezioni presidenziali del 2008? Barack Obama\ John McCain\ Altri candidati\ Non ho votato nel 2008
2. Parlando di politica oggi, come descriverebbe il suo punto di vista politico? Liberale\ Moderato\ Conservatore\ Non sicuro
3. Generalmente parlando, lei si ritiene . . . ? Democratico\ Republicano\ Indipendente\ Altro
4. E' attualmente registrato per il voto? Si \ No\ Non sicuro
5. Lei è maschio o femmina? Maschio\ Femmina
6. Qual è il suo livello scolastico? Non diplomato\ Diplomato\ Laureato (breve)\ Laureato (laurea magistrale)
7. Dove vive? Indicare lo stato
8. In quale anno è nato? 1947 o precedente\ 1948–1967\1968–1982\ 1983–1994
9. Qual è la sua razza o gruppo etnico? Bianco\ Nero\ Ispanico\ Altro

Tra le tecniche implementate per l’analisi del contenuto sul web, emotional web analysis e sentiment analysis appartengono al filone che tenta la massimizzazione dell’efficacia emotiva della comunicazione al fine di analizzare l’emotività collettiva espressa in rete nei confronti di specifici oggetti/soggetti, secondo le specifiche logiche che guidano gli utenti nell’uso dei social media, nella gestione dei diversi target di pubblico a cui si rivolgono, nella narrazione di specifici argomenti, e nella ricerca della massima autenticità (Marwick, Boyd 2010); in questo senso il web si presta ad essere eletto quale contesto relazionale che possa far emergere correlazioni tra oggetti emotivamente in relazione nello stesso contesto. [...] La sentiment analysis consiste operativamente nell’attuazione di una suddivisione di testo e nella sua traduzione in polarità positive o negative, e si serve pertanto degli sviluppi del text mining (Kennedy 2012) e dell’unione con tecniche di connessione, afferenti alla social network text analysis, che si dimostra un ottimo strumento per l’individuazione di utenti leader o influenzatori ed utenti seguaci, determinandone anche la forza e il raggio di azione attraverso la posizione assunta da tali soggetti all’interno della rete, e diventando quindi assai utile in caso di studi predittivi.

Negli ultimi anni abbiamo assistito a un drammatico aumento del numero di opere che analizzano i social media al fine di valutare le opinioni degli internauti e verificare se gli atteggiamenti espressi online possono essere eventualmente utilizzato per il nowcasting e la previsione del comportamento di voto dell'intera popolazione di elettori. Pertanto, poter contare su tecniche atte a misurare l'opinione pubblica online diventa un argomento urgente. In questo articolo, in due (molto) diversi scenari politici abbiamo applicato un metodo statistico di recente introduzione in letteratura che effettua una sentiment analysis supervisionata sui social network. Le nostre analisi, tutte condotte prima che si verificassero le elezioni, mostrano una notevole capacità dei social media per trasmettere una campagna elettorale anche per prevedere i risultati elettorali. Inoltre, le Tabelle 3 e 6 illustrano che il MAE della previsione HK è sempre inferiore rispetto alle misure basate o sul volume di dati (menzioni) pubblicati sui social network o su altre tecniche di analisi automatizzata del sentiment. Impiegare il metodo HK sembra, quindi, un modo promettente per analizzare i social media rispetto alle campagne elettorali. Tuttavia, qui si pone un rompicapo tradizionale. Per trasmettere e prevedere le elezioni, dobbiamo fare affidamento su un campione rappresentativo e non vi è alcuna garanzia che si tratti di qualcosa che può essere ottenuto analizzando i social media. Al contrario, i tratti socioeconomici dei social media degli utenti non corrispondono esattamente ai dati demografici effettivi dell'intera popolazione (Bakker & de Vreese, 2011; Tjong Kim Sang & Bos, 2012; Wei e Hindman, 2011): Le persone sui social media sono generalmente più giovani (sebbene la percentuale di anziani sia in rapido aumento) e più istruiti, concentrati nelle aree urbane, nonché complessivamente più attivi politicamente (Conover et al. 2011; Jensen, Jorba, & Anduiza, 2012). Ma abbiamo bisogno di un campione rappresentativo quando, ad esempio, il 22% degli elettori ha dichiarato spontaneamente il proprio comportamento di voto sui siti di social network, come è avvenuto durante gli Stati Uniti Campagna presidenziale (Pew Research Center, 2012b)? Forse l'enorme quantità di dati disponibili sui social media, cioè la “saggezza delle folle” (Franch, 2013), può compensare in parte queste informazioni non rappresentative. Dopotutto, la folla per essere saggia deve essere diversa, indipendente, mentre la sua procedura decisionale deve essere decentrata (Surowiecki, 2004). E questo è qualcosa che è solitamente raggiunta nel mondo dei Big Data. Inoltre, per fare una previsione precisa, dovremmo preoccuparci maggiormente della distribuzione delle preferenze politiche sul web. Analisi precedenti (anche se piuttosto datate) hanno mostrato che l'inclinazione a sinistra è sovrarappresentata, anche se solo marginalmente (Best & Krueger, 2005). Abbiamo chiaramente bisogno di più (aggiornate) analisi al riguardo. Di conseguenza, un modo per migliorare le previsioni sui social media sarebbe farlo sviluppando una serie appropriata di pesi basata sulla rappresentatività di determinati gruppi di utenti (Choy, Cheong, Laik, & Shung, 2011, 2012), o, meglio ancora, secondo le preferenze politiche degli utenti dei social media, a condizione che questo tipo di informazioni sia disponibile (e affidabile). Tuttavia, alcuni dei potenziali pregiudizi che derivano dall'analisi dei social media possono essere attenuati nel medio (breve?) periodo, come aumenta l'uso dei social network (vedi Lenhart, Purcell, Smith, & Zickuhr, 2010, su questo punto). Ad esempio, la Tabella 7 [vedi articolo] confronta la distribuzione dell'autocollocazione ideologica di un campione di elettori italiani nel febbraio 2012 e il sottocampione che si dichiara attivo sui social. COME si può vedere, la differenza tra i due campioni è abbastanza banale. Infine, sebbene la popolazione dei social media, finora, non sia ancora sempre rappresentativa di uno cittadinanza del paese, ci sono ancora alcuni dubbi sul fatto che tale distorsione possa influenzare la previsione della capacità di analisi dei social media. In effetti, quest'ultimo aspetto (le capacità predittive dell'analisi dei social media) non ha necessariamente bisogno che il fattore precedente (cioè la questione della rappresentazione) sia valido per essere effettivamente applicato. Ciò può accadere, ad esempio, se assumiamo che gli utenti di Internet si comportino come opinion makers in grado di influenzare (quindi spesso anticipando) le preferenze di un pubblico più ampio (O'Connor, Balasubramanyan, Routledge, & Smith, 2010), compresi quelli dei media più ampi dell'ecosistema (Farrell & Drezner, 2008).  Lo stesso vale se le discussioni sui social media sono in grado di riprodurre tutte le (più generali) opinioni pubbliche. Ad esempio, questo può essere vero se si considera che le comunicazioni di Twitter funzionino come un sistema di interazione criticamente impegnato (Ampofo, Anstead, & O'Loughlin, 2011) le cui comunicazioni su temi specifici (come i concorsi elettorali) sono tematicamente rappresentative di correnti più ampie di conversazioni e distribuzioni di preferenze (Jensen & Anstead, 2013). Questo è chiaramente un altro argomento affascinante che merita un'ulteriore indagine. Tirando le somme, nonostante i noti limiti e le difficoltà affrontate dall'analisi dei social media (Gayo-Avello, Metaxas, & Mustafaraj, 2011; Goldstein & Rainey, 2010), i nostri risultati forniscono ragioni essere ottimisti sulla capacità della sentiment analysis di diventare (se non di esserlo già) un utile supplemento dei tradizionali sondaggi off-line. Ma il metodo conta: Shi, Agarwal, Agrawal, Garg, e Spoelstra (2012) hanno osservato che "il semplice utilizzo del volume dei tweet [ ... ] non è sufficiente per catturare opinioni pubbliche. Abbiamo bisogno di elaborare un algoritmo e un modello sofisticati per fare la previsione con successo.'' Come abbiamo sostenuto in questo articolo, le tecniche supervisionate aggregate, come il uno avanzato da HK, sembra garantire più accuratezza rispetto all'analisi del sentimento vecchio stile, appunto sotto quest'ultimo aspetto.

• Francesco Marrazzo (2014), Dai sondaggi alla sentiment analysis: le previsioni politicoelettorali nel racconto dei mass media (PDF)
• Andrew Gelman, Gary King (1993), Why are American Presidential Election Campaign Polls so Variable When Votes are so Predictable? (PDF)
  
• Wei Wang, David Rothschild, Sharad Goel, Andrew Gelman (2014), Forecasting elections with non-representative polls (PDF)
  
• Éric Bélanger, Stuart Soroka (2012), Campaigns and the prediction of election outcomes: Can historical and campaign-period prediction models be combined? (PDF)
• Barbara Norrander, Clyde Wilcox (2000), Understanding Public Opinion (PDF) [31 citazioni]
• Akshat Bakliwal et Al. (2013), Sentiment Analysis of Political Tweets: Towards an Accurate Classifier (PDF)
  
• Ilvo Diamanti, Luigi Ceccarini (2013), Sondaggi ed elezioni - Le regole del gioco e della comunicazione (PDF) - XI Convegno internazionale Sise
• Bo Pang, Lillian Lee (2008), Opinion mining and sentiment analysis (PDF) [4820 citazioni]
• Umberto Grandi, Andrea Loreggia, Francesca Rossi, Vijay A. Saraswat (2014), From sentiment anaysis to preference aggregation (PDF) [7 citazioni]
• Manisha Shinde-Pawar (2014), Formation of smart sentiment analysis tecnique for Big Data (PDF)
• Riccardo Esposito (2019), Come usare i sondaggi sui social: FB, Instagram e Twitter
• Andrea Ceron et al. (2015), Using Sentiment Analysis to Monitor Electoral Campaigns: Method Matters—Evidence From the United States and Italy (PDF) [55 citazioni]

• Profilazione utenti
• Comunicazione persuasiva
• Manipolazione mediatica
  
• Big Data
• Social Network
• Mistificazione e demistificazione
• Manipolazioni statistiche
• Agenda setting

Pagina aggiornata il 14 luglio 2023