Classificazione di contenuti provenienti da Social Media tramite algoritmi di Machine Learning su architettura Big Data a supporto della Pubblica Amministrazione

L’elaborato di tesi presenta un caso di studio nell’ambito del Data Mining tramite la realizzazione di un sistema per il riconoscimento di notizie non attendibili diffuse in rete. Tale disciplina si pone l’obiettivo di identificare relazioni, pattern ricorrenti ed informazioni significative su grandi quantità di dati tramite l’applicazione di algoritmi e metodi statistici. Il processo di Data Mining può essere suddiviso in tre fasi principali: estrazione trasformazione e caricamento su una banca dati, effettiva analisi e rappresentazione grafica dei risultati ottenuti. Sfruttando strumenti e tecnologie sofisticati provenienti da altri campi quali Intelligenza Artificiale e Big Data, è possibile estrarre conoscenza approfondita, fornire predizioni sugli andamenti futuri e generare suggerimenti sulle base degli andamenti passati. Il progetto in esame si colloca proprio in questo settore sfruttando algoritmi di Network Analysis e strumenti per la gestione di Big Data per valutare l’attendibilità del contenuto proveniente dai Social Media. Il prototipo è stato realizzato presso l’azienda Iconsulting S.p.A. su commissione del Corecom Emilia-Romagna (Comitato Regionale per le Comunicazioni) in seguito alle esigenze di un supporto informatico per contrastare il fenomeno delle Fake News, tema nei cui confronti la Pubblica Amministrazione dimostra particolare sensibilità. L’obiettivo di realizzare un sistema per la valutazione automatica dell’attendibilità del contenuto digitale online può essere considerato raggiunto sotto ogni aspetto: il sistema è attualmente in funzione, il cliente ha valutato positivamente l’elaborato e l’azienda ospite sta valutando l’utilizzo di tale sistema per istituire un osservatorio tramite il quale organizzare incontri di discussione sul tema della comunicazione digitale.