Sentiment analysis sui recenti scioperi

amazon galofaro2di Francesco Galofaro e Marco Pondrelli

Lo sciopero dei lavoratori di Amazon, tenutosi il 23 di marzo, ha catalizzato l’attenzione degli utenti di twitter. L’hashtag #sciopero ha generato oltre 1200 tweet piazzandosi al terzo tra gli argomenti politici più discussi, dietro De Luca (che ha aperto al vaccino Sputnik) e il reddito di cittadinanza.

Si tratta di un’ottima notizia per diversi motivi. In primo luogo, l’opinione pubblica è ancora interessata a chi lotta per le proprie condizioni di vita e per la democrazia economica, nonostante quanti lottano per i ‘diritti’ dimentichino spesso, intenzionalmente, quelli relativi alla dignità dei lavoratori. In secondo luogo, i tweet sono largamente positivi (fig. 1); anche quelli che mostrano una polarità negativa esprimono solidarietà verso i lavoratori, criticando le condizioni di ‘sfruttamento vergognoso’ cui sono sottoposti (fig. 2). Il massimo di negatività è comunque generato da un titolo del Sole 24 ore, che – pur di connotare negativamente l’evento – parla di ‘consegne a rischio’. In secondo luogo, l’hashtag #sciopero realizza l’unità tra diverse forme di lotta: nel discorso della rete, lo sciopero Amazon si somma a quello dei Riders del 26 marzo, quello della scuola contro la DAD, dei mezzi pubblici e di tante altre realtà produttive italiane a rischio licenziamento. Un legame semantico tra diverse lotte che tuttavia il movimento dei lavoratori nel proprio complesso non riesce ancora ad organizzare – ed è un limite sindacale evidente. In terzo luogo, evidentemente, non tutto funziona nella luna di miele tra il Paese e il Governo. L’appoggio incondizionato della totalità delle forze politiche e dei media non possono cancellare i problemi sociali e del lavoro che il COVID ha soltanto aggravato: precariato e sfruttamento in Italia sono strutturali da 30 anni.

Figura 1

amazon galofaro1

Figura 2

amazon galofaro2

Nota: che cos’è e come funziona una sentiment analysis

Per i nostri lettori ricordiamo che cos’è una sentiment analysis. Si tratta di interpretare gli umori degli utenti di twitter – ammesso e non concesso che siano in qualche modo rappresentativi – rispetto a un tema molto discusso, a partire dai messaggi che più hanno influenzato il dibattito veneno maggiormente ‘ri-twittati’. L’interpretatzione, fallibile, si basa su due valori (polarità e soggettività) che vengono assegnati da una intelligenza artificiale precedentemente addestrata. Polarità e soggettività dipendono dalla scelta di parole del mittente; il secondo valore è sensibile all’uso dei pronomi e di certi verbi (esempio: ‘io penso che la terra sia rotonda’ è più soggettivo di ‘la terra è piatta’) e teoricamente fornisce indicazioni sul grado di coinvolgimento del mittente nel messaggio. E’ più difficile definire la polarità, che ha qualcosa a che vedere con un significato di ‘positività’ o negatività insito nelle parole stesse: così, ‘pace’ porta tendenzialmente un valore euforico, ‘assassino’ porta un valore disforico. Tutto questo rende problematica l’associazione di un ‘sentimento collettivo’ espressa dai tweet. In particolare, una frase come ‘Dovrebbero dare a Biden il Nobel per la pace’ avrà lo stesso valore (positivo) in diversi contesti, anche quando è utilizzato in maniera ironica. Per questo motivo correggiamo sempre la nostra sentiment analysis dando un’occhiata al tag cloud delle parole più utilizzate dagli utenti oppure – quando è necessario – citando il testo di alcuni tweet significativi. Il lettore è invitato a prendere questi dati come un gioco, anche se si tratta di un gioco molto interessante: le variazioni nel sentiment analysis in un periodo considerato, ad esempio in campagna elettorale, danno indicazioni interessanti sui mutamenti nell’opinione pubblica. In particolare, c’è un legame tra il sentiment dei messaggi dei leader politici e la loro efficacia nel convincere l’opinione pubblica.