Programma del corso

Le operazioni di classificazione e i sistemi di categorie che per anni hanno caratterizzato lo studio dei documenti ufficiali, dell’informazione e della comunicazione pubblica e politica sono sempre più spesso rioperativizzati. Ciò nella riscoperta del prodotto culturale come unità di analisi fondamentale per lo studio, la descrizione e la comprensione delle narrazioni e dei discorsi prodotti anche nelle perimetrazioni degli ambienti digitali.
L’insieme di procedure utili alla scomposizione delle forme di comunicazione, meglio nota come analisi del contenuto, vive infatti un vero e proprio revival.
Il sistema di classificazione applicato allo studio delle narrazioni giornalistiche nella seconda metà del Novecento, ad esempio, viene oggi applicato anche per lo studio degli User-Generated Contents (UGCs) adattandosi alle affordance della rete e in particolar modo dei social media (pensiamo ad esempio ai parametri di approvazione e di reattività dei contenuti come like, condivisioni, visualizzazioni etc.). Nell’approfondimento di questi presupposti, la prima parte del corso punta a offrire competenze metodologiche utili alla preparazione e allo svolgimento tutte le fasi di una ricerca orientata allo studio delle forme di comunicazione, dalla strutturazione del disegno della ricerca alla preparazione degli strumenti di analisi. 
Questa fase del corso consiste nella segmentazione del framework teorico e nella definizione del ruolo del ricercatore che esegue il suo lavoro indagando dentro e fuori dagli ambienti digitali. Questa parte punta a chiarire gli ostacoli e le opportunità percorribili dal ricercatore nel maneggiare dati e tracce digitali, a identificare i limiti delle applicazioni single-method e a immaginare percorsi di metodo integrati sul piano quali-quantitativo.
La seconda parte del corso sposta l’attenzione sul Natural Language Processing (NLP) e sulle differenze metodologiche di progettazione e applicazione esistenti fra l’approccio probabilistico e quello ontologico.
In particolare, verranno evidenziate le differenze strutturali insite nella costruzione dei Large Language Models (LLMs) e dei Linguistic Linked Open Data (LLOD).
Questa parte del corso si sofferma sull’uso applicativo di LLMs e LLOD all’interno delle pratiche più attuali di NLP e rappresentazione automatica della conoscenza. Evidenziando i limiti e i bias presenti nei chatbot IA più diffusi, la parte laboratoriale del corso aiuterà a fare luce sul rapporto fra NLP e Intelligenza Artificiale (IA).
Questa parte del corso punta a fornire conoscenze sull’utilità che in ambito IA possono avere i metodi NLP definiti rule-based che costruiscono sistemi automatici applicativi di analisi dei dati linguistici. A tale proposito, rinnovando le definizioni di dati e metadati, si daranno specifiche descrizioni teoriche e di uso pratico dell’ambiente software NLP NooJ.

• Amaturo, E., Punziano, G. (2013). Content Analysis tra comunicazione e politica. Ledizioni.
• Chiarcos, C., Nordhoff, S. and Hellmann. S. (2012). Linked Data in Linguistics. Representing and Connecting Language Data and Language Metadata. Springer, Heidelberg.
• Jatoi, A. R. (2024). Building a Large Language Model from Scratch, disponibile su https://medium.com/@raufpokemon00/building-a-large-language-model-llm-from-scratch-61fed0570ea5.
• Silberztein, M. (2015). The NooJ Manual. Disponibile su https://nooj.univ-fcomte.fr/files/NooJManual.pdf .
• Tipaldo, G. (2025). L’analisi del contenuto e i media digitali. Dalla critica delle fonti a ChatGPT. Il Mulino.

Programma del corso

Il corso ha l’obiettivo di illustrare agli studenti le principali tecniche di analisi multivariata dei dati nelle Scienze Sociali, con riferimento specifico a tre famiglie di tecniche: analisi in componenti principali e analisi fattoriale; analisi delle corrispondenze multiple; analisi dei gruppi (Cluster Analysis).
Lo scopo delle tecniche di analisi multivariata è rappresentare simultaneamente le variabili e/o i casi presenti in una matrice, in modo da raggiungere una efficace sintesi dei dati (Di Franco 2001, 181); dunque, per applicare correttamente l’analisi multivariata, è necessario fare affidamento su molte variabili (da 3 in su) e disporre di un numero congruo di casi, altrimenti i risultati rischiano di essere statisticamente poco robusti.
L’analisi in componenti principali e l’analisi fattoriale hanno l’obiettivo di sintetizzare la varianza – e quindi l’informazione – di un insieme di variabili correlate in un numero più ristretto di vettori, detti componenti o fattori, a seconda della tecnica applicata. Queste tecniche sono, probabilmente, le più usate nella ricerca sociale. Anche nella vita quotidiana ci capita di dover sintetizzare delle informazioni e, spesso, senza saperlo operiamo con una logica analoga a quella dell’analisi fattoriale.
L’analisi delle corrispondenze multiple può essere considerata la trasposizione dell’analisi in componenti principali alle variabili categoriali; è, dunque, una tecnica particolarmente indicata per trattare variabili le cui categorie hanno una elevata autonomia semantica, che costituiscono la
maggioranza delle variabili rilevate nelle ricerche svolte in ambito sociologico e di marketing.
Infine, l’analisi dei gruppi il cui obiettivo è creare delle classificazioni (tipologie) dei casi presenti in matrice, a partire da un set di variabili scelte come criteri classificatori; l’analisi dei gruppi trova ampia applicazione in quella branca del marketing che si occupa della segmentazione di mercati di consumatori.
Nel corso si darà ampio risalto agli aspetti semantici ed applicativi delle tecniche di analisi multivariata rispetto alle loro formalizzazioni matematiche e statistiche, con numerosi esempi tratti da ricerche empiriche effettivamente svolte in vari ambiti: sociologia, marketing, valutazione delle politiche pubbliche, educazione.
Il corso alternerà lezioni frontali ad esercitazioni pratiche svolte con l’ausilio di SPSS, uno dei più diffusi software statistici per l’analisi dei dati nelle scienze sociali”.

Indice sintetico degli argomenti:
1. Principi di analisi monovariata e bivariata
2. Introduzione all’analisi multivariata
3. Analisi in componenti principali e analisi fattoriale
4. Analisi delle corrispondenze multiple
5. Analisi dei gruppi (Cluster Analysis)

Letture consigliate

• Di Franco G. (2001) EDS: esplorare, descrivere e sintetizzare i dati. Guida pratica all'analisi dei dati nella ricerca sociale. Milano: Franco Angeli.
• Di Franco G. (2011) Tecniche e modelli di analisi multivariata. Milano: FrancoAngeli.
• Di Franco G. e Marradi A. (2013) Factor Analysis and Principal Component Analysis. Milano: FrancoAngeli. Field, A. (2024) Discovering Statistics Using IBM SPSS Statistics, 6th ed., London: SAGE Publications.

Il corso offre un’introduzione alle tecniche dei Focus Group e della Delphi, mettendone in evidenza le principali caratteristiche e le differenze. In particolare, il corso approfondisce:

• come individuare e selezionare i partecipanti;
  
• come progettare e organizzare le diverse fasi della raccolta dei dati;
  
• come integrare in modo efficace le due metodologie all’interno di un percorso di ricerca;
  
• come analizzare e interpretare i dati raccolti.

Attraverso un inquadramento teorico e pratico, vengono illustrate le caratteristiche distintive di ciascuna metodologia, evidenziandone ambiti di applicazione, punti di forza e differenze.
Il percorso formativo guida i partecipanti nella comprensione delle fasi fondamentali della progettazione della ricerca, dalla definizione degli obiettivi all’individuazione e selezione dei partecipanti, fino all’organizzazione delle diverse fasi di raccolta dei dati. Particolare attenzione è dedicata alle modalità di integrazione dei focus group e della tecnica Delphi all’interno di uno stesso disegno di ricerca, mostrando come questi strumenti possano essere utilizzati in modo complementare.
Infine, il corso affronta le principali strategie di analisi e interpretazione dei dati raccolti, fornendo indicazioni operative per trasformare le informazioni emerse dal confronto tra i partecipanti in risultati utili e significativi per la ricerca.

Letture consigliate

• Bezzi, C. (2013). Fare ricerca con i gruppi. Guida all'utilizzo di focus group, brainstorming, Delphi e altre tecniche (Vol. 12). FrancoAngeli.
• Brüggen, E., & Willems, P. (2009). A critical comparison of offline focus groups, online focus groups and e-Delphi. International Journal of Market Research, 51(3), 1-15.
• Brown, J. (2018). Interviews, focus groups, and Delphi techniques. In Advanced research methods for applied psychology (pp. 95-106). Routledge.

• Johnson, A. (1996). ‘It's good to talk’: the focus group and the sociological imagination. The sociological review, 44(3), 517-538.
• Wilkinson, S. (1998). Focus group methodology: a review. International journal of social research methodology, 1(3), 181-203.
• Parker, A., & Tritter, J. (2006). Focus group method and methodology: current practice and recent debate. International journal of research & method in education, 29(1), 23-37.

• Landeta, J. (2006). Current validity of the Delphi method in social sciences. Technological forecasting and social change, 73(5), 467-482.
• Shariff, N. (2015). Utilizing the Delphi survey approach: A review. J Nurs Care, 4(3), 246.
• Brady, S. R. (2015). Utilizing and adapting the Delphi method for use in qualitative research. International journal of qualitative methods, 14(5), 1609406915621381.