L’invasione russa dell’Ucraina è stata condannata come atto di guerra non provocato. Mentre i media occidentali sono stati pieni di critiche e condanne di questa guerra, alcune nazioni, in particolare quelle che fanno parte delle alleanze russe, hanno adottato la narrativa di Putin e l’hanno etichettata come una “operazione militare speciale”. Quindi, le informazioni su questa guerra divergeranno tra varie fonti indipendenti, il che a sua volta significa che probabilmente porterà il pubblico a mantenere convinzioni diverse. Dato il crescente slancio della letteratura nel quantificare il sentimento basato su twitter (Gorodnichenko et al. 2018), giornali (Aguilar et al. 2021) e libri (Saltzman e Yung 2018), il nostro studio (Ngo et al. 2022) getta nuova luce sull’approccio dell’analisi testuale utilizzando i post sui social media relativi alla recente guerra. Per colmare questa lacuna, abbiamo analizzato il sentimento pubblico riguardo alla guerra Russia-Ucraina esaminando quasi un milione di post su Facebook provenienti da 108 paesi attraverso una combinazione di quattro approcci di analisi testuale all’avanguardia. Evidenziamo come i regimi politici e le relazioni commerciali possano prevedere come le persone percepiscono questa guerra e l’eterogeneità geografica tra le posizioni del governo e il sentimento pubblico.
Costruzioni dell’indice di sentimento
I big data di Facebook sono stati raccolti per indagare nei discorsi sui social media relativi al conflitto Russia-Ucraina dal 1 febbraio al 31 marzo, coprendo il periodo più intenso del conflitto, iniziato il 24 febbraio. I processi per estrarre i punteggi del sentiment nei post pubblici sulle sanzioni sono presentati nella Figura 1. Sono stati eseguiti cinque passaggi sequenziali principali per eseguire l’analisi del testo dei post pubblici da Facebook: (1) pulizia del testo; (2) tradurre il testo in inglese; (3) tokenizzazione, pulizia del testo e rimozione di stop-word; (4) condurre analisi di frequenza e rete di termini e bigram; e (5) costruire il sentimento pubblico utilizzando i quattro approcci all’avanguardia, inclusi BERT, TF-IDF (Go et al. 2009), Flair e Vader (Hutto e Gilbert 2014).
I punteggi medi ponderati del sentiment (basati sul numero di interazioni di ciascun post) per ciascun paese di questi quattro modelli sono stati utilizzati come punteggio finale per avere la misura in cui il testo rifletteva il sentiment pubblico positivo o negativo. Tutti e quattro gli approcci di apprendimento automatico producono una metrica per rappresentare la probabilità di un sentimento positivo. Ad esempio, Vader e Flair utilizzano un intervallo da -1 a 1 (da negativo a positivo) e BERT e TF-IDF utilizzano un intervallo da 0 a 1 (da negativo a positivo). Per garantire la coerenza, abbiamo convertito tutte le metriche nella stessa scala da 0 a 1. Di conseguenza, abbiamo classificato un punteggio come positivo se era maggiore di 0,5 e come negativo se era inferiore a 0,5. I dettagli per l’indice e la metodologia di costruzione possono essere trovati in Ngo et al. (2022).
Figura 1 Processo per estrarre il punteggio del sentiment sulle sanzioni per ciascun paese
Questo è il primo studio sul sentimento pubblico in un evento sociale dirompente che tenta di mappare i punteggi del sentimento per un gran numero di paesi a livello globale. Circa 64.000 post nel campione sono stati utilizzati per estrarre il sentimento pubblico su quest’area. Escludendo i paesi con meno di 50 interazioni, i punteggi del sentimento pubblico in 108 paesi sono stati calcolati e sono presentati nel lavoro di Ngo et al. (2022). La figura 2 mostra che i temi più popolari incentrati sulle operazioni militari, i leader politici e le organizzazioni chiave, i tentativi globali di fermare la guerra utilizzando sanzioni economiche e canali diplomatici, le preoccupazioni umanitarie, i prezzi dell’energia e del petrolio e il ruolo dei media nella guerra.
Figura 2 Analisi della rete Biggram
Figura 3 Punteggio del sentimento pubblico di 108 paesi sulle sanzioni contro la Russia
La mappa del punteggio del sentiment nella Figura 3 mostra il sostegno del pubblico alle sanzioni contro la Russia nella maggior parte dei paesi del nostro campione (108 paesi con un punteggio del sentiment pubblico medio di 0,68). Tuttavia, se si considera la forza del sostegno, c’è una chiara frammentazione dei sentimenti pubblici tra paesi con posizioni diverse nel mondo geopolitico. Il pubblico nei paesi occidentali sostiene fortemente le sanzioni, con un punteggio medio del sentimento pubblico di circa 0,71. Il pubblico di alcuni paesi che hanno una posizione geografica vicina alla Russia sembra diviso, mostrando solo un sostegno marginale alle sanzioni contro la Russia (un punteggio di sentiment superiore a 0,50 ma inferiore a 0,60). Anche l’opinione pubblica nei paesi chiave dell’America centrale e meridionale mostra un alto consenso nel sostenere con forza le sanzioni.
Figura 4 Mappa di allineamento tra governo e pubblico sulle sanzioni contro la Russia
Dai risultati della nostra regressione di Poisson e dei modelli di regressione Logit, i paesi democratici dimostrano un maggiore sostegno alle sanzioni economiche contro la Russia del 16-19,7% rispetto al gruppo autoritario. Una possibile spiegazione viene dal ruolo moderatore della libertà di espressione. Sebbene le grandezze siano minori, questo impatto è presente anche nei paesi democratici imperfetti. Per quanto riguarda le attività commerciali internazionali, è più probabile che le persone provenienti da paesi su cui la Russia fa molto affidamento per esportare i suoi prodotti esprimano sostegno alle sanzioni contro la Russia per l’invasione. Al contrario, quelli provenienti da paesi fortemente dipendenti dalle esportazioni russe sembrano non essere d’accordo con le sanzioni imposte. Curiosamente, dopo aver controllato la condizione economica, i paesi con stabilità politica tendono a mostrare un maggiore sentimento pubblico contro la guerra russa. Rispetto al Nord America, c’è un sentimento positivo significativamente più alto nei confronti delle sanzioni economiche in Sud America.
Il cambiamento marginale nel sentimento pubblico è associato a variazioni medie dallo 0,63% allo 0,72% nelle probabilità che il governo scelga di opporsi all’invasione russa attraverso sanzioni economiche. Quando i cittadini hanno marginalmente più possibilità di esprimere le proprie opinioni ed essere ascoltati dal loro governo, le probabilità di scegliere di condannare la Russia da parte dei loro governi aumentano in media dello 0,25%. Infine, i paesi con livelli di PIL pro capite più elevati potrebbero prevedere sia il sentimento pubblico che la decisione del governo. Tuttavia, l’istruzione, approssimata dagli anni di scolarizzazione, non è correlata al sentimento pubblico o ai voti del governo nelle Nazioni Unite.
Conclusione
Nel contesto della comprensione delle conseguenze della guerra Russia-Ucraina, il sentimento gioca un ruolo importante nello spiegare le sfide emergenti, come l’aspettativa — e la paura — dell’inflazione (Afunts et al. 2022) e l’eterogeneità nelle risposte dei paesi europei alla crisi (Jong et al. 2022). Il nostro studio fornisce un nuovo indice del sentimento pubblico e del suo potere determinante e predittivo riguardo alla guerra Russia-Ucraina. L’innovativo indice del sentimento pubblico costruito cattura l’allineamento tra gli atteggiamenti delle persone e i voti del loro governo nelle Nazioni Unite. Dimostriamo che le relazioni commerciali di una nazione con la Russia svolgono un ruolo fondamentale nel plasmare il sentimento sulla guerra. L’indice del sentimento pubblico di nuova costruzione potrebbe prevedere il 63-72% dei voti del governo alle Nazioni Unite dopo aver controllato i determinanti macroeconomici.
Riferimenti
Aguilar, P, C Ghirelli, M Pacce e A Urtasun (2021), “Le notizie possono aiutare a misurare il sentimento economico? Un’applicazione ai tempi del COVID-19”, Lettere di Economia 199: 109730.
Afunts, G, M Cato, S Helmschrott e T Schmidt (2022), ” L’invasione russa dell’Ucraina ha portato a maggiori aspettative di inflazione degli individui in Germania “, VoxEU.org, 20 aprile.
Go, A, R Bhayani e L Huang (2009), “Classificazione dei sentimenti di Twitter utilizzando la supervisione a distanza”, Stanford University.
Gorodnichenko, Y, T Pham e O Talavera (2018), “ Social media, sentiment and public opinion: Evidence from #Brexit and #USElection ”, VoxEU.org, 2 giugno.
Hutto, C ed E Gilbert (2014), “Vader: A parsimonious rule-based model for sentiment analysis of social media text”, Atti della Conferenza internazionale AAAI su Web e Social Media 8(1): 216–225.
Jong, B, P Hartmann, P Molitor e A Tanzarella (2022), ” La guerra Russia-Ucraina, integrazione finanziaria europea e crisi “, VoxEU.org, 29 luglio.
Ngo, VM, TLD Huynh, PV Nguyen e HH Nguyen (2022), “Il sentimento pubblico verso le sanzioni economiche nella guerra Russia-Ucraina”, Scottish Journal of Political Economy 00: 1–10.
Saltzman, B e J Yung (2018), “Un approccio di apprendimento automatico per identificare diversi tipi di incertezza”, Lettere di economia 171: 58–62.
______________________
Fonte: voxeu, 11 sttembre 2022.
______________________________________________________________________________
https://www.asterios.it/catalogo/influenza-lessico-pandemico-n-8
La linea del falso, spesso usata dai poteri istituiti, oscura la prospettiva e influenza la psiche collettiva. Si giunge così, in tempi di epidemia, all’invenzione teatrale di una realtà che imita modelli letterari, all’orchestrazione nello spazio pubblico di un remake delle esperienze storiche di emergenza che sfociano nella ridefinizione di una scena sociale di consenso e di redistribuzione dei poteri in cui si coniugano fiducia nell’autorità della scienza, sottomissione e spirito di servizio nutrito di paure e illusioni. Rispetto al vissuto di crisi indotto dalla pandemia e alla minaccia che l’influenza rappresenta per l’autonomia razionale e la libertà degli individui, il contagio filosofico, in lotta contro il senso comune, riscopre il corpo sociale nella dimensione dei bisogni reali e della coscienza di un futuro diverso dalla servitù al regno dei media.
________________________
