Social media per la rilevazione di eventi location-based: stato dell'arte e valutazione sperimentale

I social media sono emersi come uno dei principali mezzi di comunicazione, data la grande rapidità di diffusione delle informazioni. Una delle principali applicazioni di questi strumenti, su cui verte il presente elaborato, è l’utilizzo di piattaforme (in particolare di Twitter) al fine di individuare ed analizzare eventi che destano "allarme". Le analisi volte al rilevamento degli eventi presentano una struttura comune: acquisizione, filtraggio, classificazione e visualizzazione dei dati. Nel periodo dal 3 al 17 gennaio 2019 si sono verificati 6 diversi tipi di eventi (terremoto in Sicilia, terremoto in Emilia-Romagna, terremoto in Grecia, tornado in Ohio, TimDown). Quindi, l’obiettivo della presente tesi è quello di studiare i contenuti del microblogging durante questi fatti, che differiscono sia per il loro impatto sia per loro natura, in modo da verificare se tale piattaforma possa effettivamente essere ancora oggi uno strumento ottimale nella rilevazione degli eventi, basandosi sugli studi presenti in letteratura. Attraverso l’utilizzo di Twitter API, sono stati estratti tutti quei dati volti a descrivere l’accadere del fenomeno. Successivamente, sono stati svolti diversi tipi di studi che mirano ad analizzare i Tweet dal punto di vista quantitativo, come la loro distribuzione nel tempo e nello spazio. Inoltre, si è provveduto ad esaminare il contenuto dei messaggi mediate l’estrazione degli URL e dall’analisi relativa alla lunghezza dei Tweet. Quest'ultimo studio è stato effettuato in quanto nel 2017 il numero di caratteri disponibili per i Tweet è raddoppiato, perciò si è voluto indagare se la lunghezza dei messaggi incrementasse con l'aumentare della disponibilità, considerando separatamente la differente natura degli eventi. Infine, attraverso tecniche di Text mining (Word cloud e Sentiment analysis) si è cercato di far emergere sia i contenuti/termini maggiormente discussi sia il sentimento generale degli utenti che sono relazionati all'evento.