Nel post precedente ho messo alla prova il modello sviluppato per le amministrative 2011 sui dati rilevati in questa tornata elettorale.

Vediamo come è andata.

Il modello ha funzionato nel 66,6% dei casi. Nello specifico il candidato con più Facebook Likes è risultato il più votato nel 41,6% dei casi (Catanzaro, Como, Genova, Lecce, Lucca, Monza, Palermo, Rieti, Taranto e Trani) ed è arrivato invece secondo nel 25% dei casi (Agrigento, Belluno, Brindisi, Cuneo, Gorizia e Pistoia).

Nel 2011 il modello aveva funzionato nell’82,1% dei casi (39,2%  primo e 42,86% secondo).

Nel 20,8% dei casi il modello ha previsto correttamente sia il candidato più votato che quello secondo classificato, ma in altrettanti casi il modello ha fallito completamente (in alcuni di questi casi non aveva alcuna chance visto che i candidati che hanno vinto non avevano una pagina Facebook).

L’indice di accuratezza della previsione è stato di 4,875 su 10. Nel 2011 questo indice ha fatto registrare performance simili (4,71).

Vediamo invece come è andata per quanto invece riguarda il secondo modello, il cui scopo è prevedere la percentuale di voti riportati da ciascun candidato.

Il margine di errore rilevato (candidate prediction gap) varia da un minimo di 0,07% ad un massimo di 70,54% (2011 CPG MIN: 0, MAX: 84,18).

Lo scarto medio fra le percentuali di voto e quelle di Likes è stato del -7,04% ovvero del 12,76% facendo la media dei valori assoluti degli scarti. Il primo valore è un indicatore di quanto la previsione sia sbilanciata in un senso o nell’altro (+ voti che like o + likes che voti), il secondo valore indica il margine di errore effettivo. Nel 2011 il CPG medio dei valori assoluti era 15,77% e l’ABS[CPG] -6,21%. Si tratta di margini di errori molto alti che rendono il modello così com’è poco utile dal punto di vista previsionale.

I 24 comuni capoluoghi con almeno due candidati con pagina Facebook avevano 5 e 16 candidati. Il 55,87% di questi candidati aveva una pagina Facebook che è stata monitorata nell’ambito di questo studio. Il margine medio di errore rilevato per comune ovvero ABS[Municipality Prediction Gap] è 15,24% con un massimo di scarto del 35,88% (Agrigento) ed un minimo del 4,70% (Genova). Nel 2011 l’ABS[MPG] rilevato fu 18,99% con un MIN di 5,09% ed un MAX di 51,99%.

Si conferma il rapporto fra ABS[MPG] e percentuale di candidati presenti con una pagina su Facebook rispetto al totale dei candidati. L’ABS[MPG] passa dal 24,78% dei comuni con meno del 33% di candidati su Facebook all’11,89% di quello dei comuni con oltre il 66% di candidati con pagina (nella categoria 34-66% l’ABS[MPG] è di 15,11%).

Confermato anche il rapporto fra dimensione della città (in termini di numero di elettori) e margine di errore. Nelle grandi città si ottengono previsioni più accurate che in quelle più piccole. Si passa infatti da un ABS[MPG] di 17,39% delle città con meno di 80000 elettori ad un ABS[MPG] intorno al 9% tanto per le città con un numero di elettori compreso fra 80000 e 200000 sia per quelle oltre i 200000.

Per quanto riguarda gli schieramenti si è proceduto a calcolare un Party Prediction Gap (PPG). Nel 2011 tutti gli schieramenti avevano ricevuto un maggiore consenso su Facebook, rispetto alle percentuali reali di voto, ma questa tendenza si faceva più evidente in rapporto ai partiti più estremi (sinistra PPG=-11,27% e destra PPG =-8,66%). Il partito invece meno sopravvalutato dal modello risultò il Centro Destra (PPG=-1,30%). Rispetto all’edizione 2011, sono stati aggiunti due nuovi schieramenti: Terzo Polo e Lega Nord. Il primo non esisteva nel 2011 ed il secondo era accorpato al risultato del Centro Destra. Proprio questi due nuovi schieramenti sono stati quelli più sottostimati dal modello Terzo Polo (PPG=4,58%) e Lega Nord (PPG=5,56%). La Destra è invece risultato lo schieramento più sopravvalutato nelle previsioni di Facebook (PPG=-18,71%).

Se dunque si conferma un maggiore attivismo online da parte dei supporter dei partiti più estremi, si evidenzia anche l’anomalia della Lega Nord. Accorpando infatti i dati della Lega Nord con quelli del Centro Destra, quest’ultimo torna ad essere fra gli schieramenti più sopravvalutati dal modello. Questi dati potrebbero far pensare ad un incidenza dei candidati (o meglio delle strategie e supporter) Lega Nord anche sul risultato del 2011. Quello che appare evidente è che le strategie di costruzione del consenso della Lega Nord (e forse la tipologia di elettori di questo partito) non sono passate, almeno in questa occasione, per Facebook.

Per il futuro intendo provare a perfezionare il modello basato sugli scarti prendendo in considerazione solo i voti ottenuti dai candidati effettivamente presenti con una pagina su Facebook e applicando dei correttivi basati sui risultati dei PPG dei diversi schieramenti. Inoltre vorrei capire quali variabili possono influenzare il margine di errore e l’indice di accuratezza in modo da costruire un indice di affidabilità delle previsione.

I dati sono disponibili in questo Google Spreadsheet.

Da oggi ho inoltre reso pubblicamente disponibile il working paper relativo allo studio del 2011: Giglietto, Fabio, If Likes Were Votes: An Empirical Study on the 2011 Italian Administrative Elections (January 16, 2012). Available at SSRN: http://ssrn.com/abstract=1982736. Una versione ridotta di questo articolo sarà pubblicata negli atti dell’ICWSM-12.

Dopo la prima esperienza fatta con le elezioni amministrative 2011, ho deciso di raccogliere i dati delle amministrative 2012. Grazie alla indispensabile collaborazione di Agnese Vardanega e del suo team, sono riuscito a identificare e monitorare 116 pagine Facebook relative ai 229 candidati sindaco dei 26 comuni capoluogo che andranno al voto il 6 e 7 Maggio. Si tratta del 51,6% contro il 44,5% dell’edizione 2011 dell’indagine.  Come lo scorso hanno ho deciso di concentrarmi solo sull’utilizzo delle pagine e non su quello dei profili personali (per una panoramica complessiva sull’utilizzo del web da parte dei candidati 2012 si veda questo report). La raccolta dati è iniziata il 17 Aprile e si è conclusa con la rilevazioni di oggi 5 Maggio. Per ogni pagina individuata ho raccolta sia il numero di Likes che quello dei talking_about_count (una metrica di engagement della pagina che non esisteva nel 2011).

Nel complesso ho rilevato un totale di 80147 Likes (contro i 179003 del 2011). Nel 2011 i rinnovi delle amministrazioni dei 29 capoluoghi coinvolgevano un totale di 4724554 elettori. Il rapporto con i Likes era dunque del 3,78%. Al momento non ho il dato degli elettori totali per i capoluoghi 2012, ma una prima stima basata sul numero di abitanti dei comuni chiamati al voto farebbe pensare ad una flessione della partecipazione. Gli elettori chiamati al voto 2012 nei 26 comuni capoluoghi sono in totale 2846168. Il rapporto con i like è dunque sceso dal 3,78% al 2,81% (un calo del 25,6% rispetto all’anno precedente).

Seguendo quanto fatto lo scorso anno, per ogni candidato calcolerò un Candidate Prediction Gap (CPG) inteso come la differenza fra la percentuale di voti validi e la percentuale di Likes ricevuti sul totale di quelli ricevuti da tutti i candidati del comune presenti con una pagina su Facebook.

Lo scopo è quello di creare un semplicissimo modello previsionale che possa essere studiato e testato nel tempo con l’obiettivo di creare, eventualmente, un modello previsionale più articolato, basato su un numero maggiore di variabili ed auspicabilmente più preciso.

Per ogni comune provvederò poi a calcolare un Municipality Prediction Gap (ABS[MPG]) e per comprendere meglio gli effetti di alcune variabili saranno messi a confronto categorie di comuni omogenee per numero di abitanti e percentuale di candidati presenti con pagina su Facebook. Infine provvederò a classificare i candidati per area politica di appartenenza e calcolerò un Party Prediction Gap (PPG) e un ABS[PPG] . Lo scarto fra la previsione ed il risultato può essere negativo o positivo. Per questo motivo in alcuni casi ho calcolato la media dei valori assoluti degli scarti [ABS] per dare conto dell’effettiva distanza fra i valori e in altri casi, laddove era importante mettere in evidenza la direzionalità dello scarto la semplice media degli scarti.

Infine calcolerò un indice di accuratezza della previsione attribuendo ad ogni comune un punteggio in base alla seguente tabella:

Lo studio sui dati del 2011 ha fatto registrare un CPG che variava fra 0 e 84,18% per una media degli scarti in valore assoluto di 15,77% e non in valore assoluto di -6,21% (il valore negativo indica che la percentuale di popolarità su Facebook era tendenzialmente superiore a quella effettivamente ottenuta dai candidati alle elezioni – anche per via del minore numero di candidati per città). Nel 2011, dopo aver escluso i tre comuni che presentavano meno di due candidati con pagina Facebook, il campione era rappresentato da 26 competizioni elettorali corrispondenti ad altrettanti comuni. Fra i candidati di questi comuni poco più della metà avevano una pagina Facebook (51,1%). Nel 2012 questa percentuale, relativa ai 24 comuni con più di un candidato presente con una sua pagina Facebook, è del 54,8%.

Fra le conclusioni dello scorso anno si notava che:

• l’ABS[MPG] diminuiva al crescere della percentuale di candidati del comune presenti con una pagina su Facebook;
• l’ABS[MPG] nelle grandi città era inferiore rispetto a quello delle città medie e piccole;
• Lo schieramento di centro-destra era quello più sottostimato rispetto agli altri dalla previsione basata sull’analisi del consenso su Facebook. Quello meno sottostimato era invece lo schieramento di sinistra;
• In base all’indice di accuratezza della previsione ho potuto osservare come il candidato che risultava primo nella competizione su Facebook, in oltre l’80% dei casi risultava vincitore o piazzato al secondo posto della competizione elettorale.

Sulla base di queste conclusioni vorrei provare a fare delle vere previsioni sui dati di quest’anno (con la premessa che si tratta di un gioco e che il minore interesse degli elettori rispetto al 2011 porterà con tutta probabilità a previsioni meno attendibili):

Hanno l’80% di vincere o arrivare secondi nelle rispettive competizioni elettorali:

• Salvatore Pennica (Agrigento), scarsamente affidabile;
• Corrado Parise (Alessandria), poco affidabile;
• Mariangela Cotto (Asti), poco affidabile;
• Jacopo Massaro (Belluno), scarsamente affidabile;
• Mauro D’Attis (Brindisi), poco affidabile;
• Salvatore Abrano (Catanzaro), poco affidabile;
• Mario Lucini (Como), poco affidabile;
• Gigi Garelli (Cuneo), poco affidabile;
• Marco Doria (Genova), affidabile;
• Giuseppe Cingolani (Gorizia), scarsamente affidabile;
• Raffaele Mauro (Isernia), scarsamente affidabile;
• Ettore Di Cesare (L’Aquila), scarsamente affidabile;
• Massimiliano Mammì (La Spezia), scarsamente affidabile;
• Paolo Perrone (Lecce), affidabile;
• Alessandro Tambellini (Lucca), poco affidabile;
• Roberto Scanagatti (Monza), poco affidabile;
• Leoluca Orlando (Palermo), molto affidabile;
• Roberto Ghiretti (Parma), poco affidabile;
• Anna Maria Celesti (Pistoia), poco affidabile;
• Simone Petriangeli (Rieti), scarsamente affidabile;
• Ezio (Ippazio) Stefano (Taranto), poco affidabile;
• Gigi Riserbato (Trani), scarsamente affidabile;
• Sabrina Rocca (Trapani), poco affidabile;
• Gianni Benciolini (Verona), molto affidabile.

Il calcolo dell’affidabilità tiene conto della dimensione del comune e della percentuale di candidati presenti con una loro pagina su Facebook.

Nei prossimi giorni tornerò sull’argomento per vedere come è andata e quali indicazioni si possono trarre in vista della costruzione di un modello più efficace (magari tenendo anche conto della metrica talking_about_this_count).

I dati che ho raccolto sono disponibili a https://docs.google.com/spreadsheet/pub?key=0AlvOxUU1s8RVdGlFUlYwUy1nWW5QYV9mNFFobng4eUE&output=html.

L’articolo relativo allo studio sui dati del 2011 è stato accettato per la pubblicazione negli atti e la presentazione nella sezione poster di ICWSM-12.

Ecco la seconda parte del seminario “Il valore reale del denaro virtuale. Dai giochi Online ai mercati valutari” organizzato dal Dipartimento di Scienze di Base e Fondamenti dell’università degli Studi di di Urbino “Carlo Bo” in collaborazione con  l’Associazione Culturale NeuNet.

Come avevamo fatto per la prima parte del seminario, proponiamo i diversi interventi in video separati in modo da permettere, a chi volesse, di guardarli un po’ per volta. Ogni singolo intervento, pur essendo collocato in un unico contesto, offre diverse sfaccettature del tema affrontato, per questo è importante dare il giusto rilievo ad ogni punto di vista. Le riflessioni e gli spunti emersi sono stati raccolti in un white paper (A. Bogliolo, F. Giglietto, P. Polidori, and F. Stradini, Il valore reale del denaro virtuale: dai giochi online ai mercati valutari, NeuNet white paper No. 12.001, 2012), scaricabile cliccando sul link.

Nei primi video pubblicati, dopo una breve introduzione, Alessandro Bogliolo e Paolo Polidori hanno affrontato rispettivamente da un lato le problematiche connesse al denaro virtuale dal punto di vista tecnologico,  informatico e applicativo e, dall’altro, gli aspetti della moneta virtuale vista come uno step nel processo evolutivo della moneta come sistema di scambio.

I video che pubblichiamo oggi completano il quadro delineato proponendo gli interventi di Fabio Giglietto e Francesca Stradini.

Fabio Giglietto esplora il denaro virtuale anche nel suo rapporto con i giochi online. In ambiente digitali il medium denaro viene riproposto e, per stimolarne la circolazione e il ricambio con il denaro reale viene simulata una condizione di scarsità di risorse. Le virtual currency, a seconda degli ambienti virtuali per cui sono create, presentano delle differenze e diverse implicazioni.

Se, da un lato, i giochi online generano denaro perché, ad esempio, per giocare è necessario e si è disposti a pagare; dall’altro generano un vero e proprio mercato del lavoro: c’è chi è disposto a pagare qualcun altro che giochi al suo posto pur di proseguire nel gioco. Per questo stanno nascendo dei nuovi imprenditori dall’altra parte del mondo che offrono questo servizio sfruttando operai/giocatori, i così detti gold farmers.

Il valore reale del denaro virtuale – Quarta Parte from Erica Reika on Vimeo.

L’intervento di Francesca Stradini (Diritto Tributario) si concentra sulla rilevanza fiscale delle transazioni online e problematizza le questioni fiscali che il denaro virtuale potrebbe far emergere.

Il valore reale del denaro virtuale – Quinta parte from Erica Reika on Vimeo.

Il video finale presenta il dibattito che apre a nuove prospettive da esplorare.

Il valore reale del denaro virtuale – Sesta Parte from Erica Reika on Vimeo.

Le ricerche sul capitale sociale, sulla sostenibilità sociale e la nostra attività nell’ambito di ULOOP hanno una domanda in comune: quali sono le motivazioni che spingono le persone appartenenti ad una stessa comunità a mettere a disposizione degli altri le proprio risorse e ad impegnarsi in prima persona per il bene collettivo?

In questo articolo cercheremo di capire come in ULOOP si è cercato di motivare la cooperazione degli utenti. L’innovazione di ULOOP si basa su due elementi chiave: considerare l’utente come una componente chiave dei servizi di rete e la creazione di wireless local loop on-the-fly. Questi sono realizzabili solo implementando meccanismi di gestione della fiducia e di incentivazione alla cooperazione (AA.VV. D.1.1: ULOOP User-Centric Wireless Local Loop, 2010).

Annche Yochai Benkler (Berkman Professor of Entrepreneurial Legal Studies, Harvard Law School, faculty co-director, Berkman Center for Internet and Society) riflette su come  creare sistemi basati su modelli cooperativi. Secondo Benkler l’utente deve essere considerato in tutte le sue sfaccettature, è importante, quindi, implementare nei sistemi cooperativi non solo incentivi di tipo materiale come premi e punizioni, ma anche di tipo sociale come empatia e solidarietà (Benkler, Y. The Penguin and The Leviathan, Crown Business, New York 2011).

Le caratteristiche chiave di ULOOP sono un valore che gli stessi utenti aggiungono al sistema, attraverso la loro partecipazione. Così la sostenibilità socio-economica di ULOOP dipende dalla densità di nodi presenti in un local loop (AA.VV. D2.2: ULOOP. Socio-economic sustainability report 2011) e dalla capacità del sistema di inserire gli utenti nella catena del valore. Per questo gli utenti sono stati divisi in categorie e, a seconda degli effetti positivi, negativi e trascurabili di cui fanno esperienza, sono stati previsti incentivi specifici per stimolarne la cooperazione. Questo tipo di incentivi sono principalmente di tipo materiale, fanno cioè leva su vantaggi e svantaggi derivanti da una data situazione.

Nel primo White Paper dedicato a ULOOP viene sollevata una questione importante: la cooperazione dipende dalla volontà dei nodi (utenti) di partecipare, ma anche da elementi percepiti come negativi che disincentivano la partecipazione, tra cui la percezione della scarsità delle risorse e la mancanza di fiducia tra gli utenti.

Scarsità di risorse disponibili nel nodo.

L’idea di condividere una risorsa finita, ad esempio l’ampiezza di banda o la capacità di processing del device, potrebbe disincentivare la cooperazione. Per questo  ULOOP incentiva lo scambio di risorse tra utenti permettendo loro di contribuire con la risorsa che hanno maggiormente a disposizione, o che in quel momento usano meno. Così l’utente che contribuisce, guadagna il diritto di ricevere la risorsa di cui ha bisogno nel momento più adatto alle sue esigenze. La risorsa che riceverà in cambio è stata condivisa da un altro utente, dunque è frutto di un’altra scelta individuale. Lo scambio non è negoziato autonomamente dai due utenti ma è gestito automaticamente dal sistema ULOOP. Gli utenti fanno dunque affidamento sul suo funzionamento come garante dello scambio. Chi tiene un comportamento scorretto viene, mediante il meccanismo della social trust, identificato e sanzionato, ad esempio con una riduzione delle possibilità di accesso o una riduzione di banda.

Questo tipo di incentivo sembra basato sul concetto di fiducia sistemica (Luhman 1979, cit. in E. Keimolen, D. Broeders “Quando alcuni sono più uguali degli altri… Fiducia, free riding e azione collettiva in una rete P2P” in Sociologia della Comunicazione n. 40, Franco Angeli, 2009, p. 94-95). Quando calati in un sistema complesso, in cui si relazionano in collettività ampie e con sconosciuti, gli utenti non godono di fiducia reciproca ma ripongono fiducia nelle capacità del sistema di gestire questi scambi e il rischio che altri non contribuiscano, li danneggino o abbandonino il sistema danneggiandolo. <<La fiducia sistemica viene allora costruita automaticamente attraverso continue esperienze positive (feedback)>> (ibidem).

Mancanza di fiducia tra gli utenti.

La cooperazione in un sistema di relazioni create on-the-fly tra utenti che non si conoscono personalmente, deve far fronte al problema della mancanza di fiducia a livello interpersonale. La mancanza di fiducia tra utenti dipende dalla loro scarsa conoscenza reciproca. ULOOP propone diversi incentivi per ovviare a questa mancanza, innanzitutto prevede un sistema di riconoscimento univoco dell’user ID, tutelandone al tempo stesso la privacy. Dà la possibilità di creare legami tra utenti basati su interessi condivisi (stesse tipologie di file, stesse abitudini) e un sistema di valutazione reciproca collettiva (informazioni SNR, individuazione di malicious users, Quality of Experience).

Questi incentivi richiamano ciò che la letteratura sull’azione collettiva definisce meccanismi regolativi (ibidem, p. 93): l’esclusione, la reputazione, la reciprocità (Becker, Clement 2006, cit. in ibidem, p. 103; R. Alexander The biology of moral systems, cit. in Benkler The penguin and the leviathan, Crown Business, New York 2011, p. 42).

Dunque sembra che ULOOP gestisca le motivazioni alla cooperazione su due livelli. Un livello sistemico che crea fiducia nel funzionamento del sistema facendo leva sulle motivazioni strumentali alla cooperazione (Portes Alejandro, SOCIAL CAPITAL: Its Origins and Applications in Modern Sociology Annu. Rev. Sociol. 1998, pp.1-24). Si basano sulla enforceable trust, cioè il senso di appartenenza ad una comunità la cui esistenza è percepita come garanzia che il contributo dato verrà ripagato. Un livello interpersonale, che fa leva sulle motivazioni consumatorie alla cooperazione basate sulla bounded solidarity, per cui un individuo agisce per il bene collettivo anche se ad un costo personale, perché si sente parte del gruppo e si identifica in esso.

Sembra che anche Benkler lavori su questi due livelli, anche se non esplicitamente. Egli individua degli elementi chiave da implementare in un sistema perché sia cooperativo.

1. Comunicazione: nella costruzione di un sistema cooperativo è fondamentale implementare la possibilità di comunicare tra gli utenti e, in maniera altrettanto importante, stimolare un processo di negoziazione e mediazione tra i punti di vista differenti. La comunicazione fa sviluppare empatia e fiducia negli altri, aiutando nella risoluzione di problemi.
2. Empatia e Solidarietà: immedesimarsi in qualcun altro, provare le stesse emozioni e talvolta le stesse sensazioni (empatia) così come identificarsi in un gruppo (solidarietà), rende gli utenti disposti a sopportare un costo personale per il benessere del gruppo a cui sentono di appartenere. Per stimolare questo processo è importante umanizzare le persone, permettere di sapere chi sono e perché necessitano dell’aiuto o contributo di altri.
3. Framing: creare un frame, un contesto che descriva il sistema come cooperativo, come una comunità, orientando l’interpretazione del sistema da parte degli utenti rendendoli maggiormente disposti alla cooperazione. Il frame, però, funziona solo se costruito sulla verità. Il sistema deve veramente essere progettato come cooperativo, altrimenti, non rispondendo alle aspettative degli utenti, si svuoterebbe dopo poco tempo.
4. Reputazione, trasparenza e reciprocità: i sistemi che si basano sulla reciprocità, soprattutto quella indiretta, sono facilmente invasi da utenti che attingono al sistema senza contribuire, basta pensare al fenomeno dei free riders (Benkler 2011). La reputazione è lo strumento più importante che si ha per sostenere il sistema ma per essere veramente efficace necessita che l’identità delle persone coinvolte sia visibile e trasparente, sempre nei limiti della privacy.
5. Equità, moralità, norme sociali: se percepiamo il sistema in cui siamo inseriti come  equo, siamo più predisposti a cooperare. Basarsi solo su incentivi e punizioni può essere controproducente, è necessario pensare se e come il nostro sistema risulti equo. Moralità: definire chiaramente i valori, discutendone, spiegandoli, evidenziando qual è la cosa che si ritiene giusta da fare in ogni situazione. Social Norms: Le norme sociali sono un codice che orientano il comportamento ma non sono stabilite a priori, sono emergenti, per questo generalmente la maggior parte delle persone tende a seguirle. Rendere trasparente il comportamento degli altri nelle diverse situazioni permetterà di conformarsi con ciò che è ritenuto “normale”.
6. Modularità: cooperare ha un costo, è come l’impegno in una attività, una spesa economica per l’accesso a un servizio, la rinuncia ad una risorsa a favore di qualcun altro. Dunque uno dei primi elementi da attivare per incentivare la cooperazione è consentire la partecipazione per piccoli moduli di contribuito, permettendo a ciascuno di cooperare secondo le possibilità e disponibilità del momento.
7. Premi e punizioni: siano essi materiali (ottenimento di vantaggi per il singolo), oppure sociali (raggiungimento di un benessere comune) ma sempre dati in base alle motivazioni degli utenti. Dare premi materiali a qualcuno che coopera alla comunità perché interessato al bene comune o, viceversa, premiare con la reputazione qualcuno interessato ad un aumento di risorse materiali, potrebbe causarne l’allontanamento spontaneo dalla comunità.
8. Flessibilità: è necessario tenere presente i diversi profili motivazionali, anche quelli poco produttivi, perciò i sistemi che si avvalgono della cooperazione devono essere flessibili e consentire una contribuzione asimmetrica, sfruttando il principio della coda lunga.

Anche gli elementi suggeriti da Benkler si possono raggruppare e implementare nei due livelli di motivazione alla cooperazione: sistemico e interpersonale.
Comunicazione, empatia, solidarietà, reputazione, trasparenza, reciprocità e framing possono essere utili strumenti per costruire, a un livello interpersonale, la fiducia reciproca tra gli utenti, contribuendo a realizzare l’identificazione nel gruppo e a rafforzare la bounded solidarity.

Equità, moralità, norme sociali, modularità, premi, punizioni e flessibilità possono essere utili strumenti, a livello sistemico, per costruire la fiducia sistemica, contribuendo a rafforzare il senso di appartenenza alla comunità e la enforceable trust.

Oltre il 40% degli atenei italiani ha una presenza ufficiale su Facebook (fonte: http://ssrn.com/abstract=1978393). I dati cambiano tuttavia con frequenza quotidiana ed eventi specifici (come ad esempio le recenti nevicate) possono modificare significativamente l’intensità di utilizzo di questi strumenti da parte della comunità di riferimento di un ateneo. Per questo motivo ho deciso di dedicare un po’ di tempo a realizzare uno strumento in grado di tenere traccia di questi cambiamenti nel tempo. A questo scopo ho raffinato alcuni strumenti che avevo già utilizzato in passato per creare un vero e proprio osservatorio che racconti gli atenei italiani su Facebook calcolando quotidianamente indici sintetici di popolarità, popolarità ponderata sul numero degli iscritti e trend dell’attività sulla pagina ponderato in base alla popolarità della pagina stessa.

Alla pagina dell’osservatorio troverete i dati aggiornati quotidianamente. Il reperimento dei dati è affidato ad un script che aggiorna automaticamente il foglio di calcolo prelevandoli da Facebook Graph, archivia i dati del giorno precedente e crea le tabelle riassuntive ed i grafici.

Il servizio è in fase sperimentale. C’è un problema noto che riguarda la pagina dell’Università di Foggia i cui dati sono disponibili solo ad utenti di Facebook autenticati (probabilmente è attivo qualche limitazione geografica o di età sul target di utenti che può visualizzare la pagina). Questo fa si che lo script non sia in grado di reperire i dati di quella pagina.

Potrebbero inoltre mancare delle pagine. Nella pagina dell’osservatorio è descritta la metodologia che ci ha consentito di individuare le pagine ufficiali. Potrebbero tuttavia essere intercorsi dei cambiamenti dalla data di rilevazione e nuovi atenei potrebbero aver aperto pagine ufficiali. Provvederò ad aggiungere queste pagine dietro segnalazione.

Vai alla pagina dell’osservatorio.

Alessandro Lovari, durante la scuola di dottorato Meris, mi ha proposto, avendo letto il post sulla popolarità delle pagine Facebook delle Università italiane, di sviluppare insieme l’idea di analizzare se e come gli atenei italiani usassero i social media.

Dopo un paio di incontri in Skype, qualche telefonata e diverse ore di lavoro abbiamo completato la scrittura di questo articolo che prende in esame le presenze ufficiali sui media sociali di tutte i 95 atenei italiani. Poco più della metà degli atenei è presente su almeno un social media. Facebook è il più diffuso seguito da YouTube e Twitter. Gli atenei di medie dimensioni e le università private sono più presenti ed attive. Per valutare meglio le performance delle Università sui social media abbiamo sviluppato un indice che abbiamo denominato USMPI ovvero “university social media performance index”. Questo indice valuta la presenza e le performance degli atenei sui social media usando combinando una serie di metriche e rapportando alcune di esse alla dimensione dell’ateneo (i dettagli metodologici sono nel paragrafo 4.1 dell’articolo).

I dieci atenei che hanno fatto registrare le migliori performance sono:

Ateneo, USMPI

Libera Univ. Inter.le Studi Sociali “Guido Carli” LUISS-ROMA, 0.31
Università Commerciale “Luigi Bocconi” MILANO, 0.31
Politecnico di MILANO, 0.25
Università degli Studi di MILANO-BICOCCA, 0.24
Università degli Studi di URBINO “Carlo BO”, 0.19
Libera Univ. degli Studi “Maria SS.Assunta” – LUMSA – Roma, 0.19
Università “Cà Foscari” VENEZIA, 0.17
Libera Università di lingue e comunicazione IULM-MI, 0.17
Università degli Studi di PAVIA, 0.16
Università degli Studi di UDINE, 0.16

USMPI nel complesso varia da un minimo di 0 ad un massimo di 0.31. La media è 0.0502 e la deviazione standard 0.07351.

L’indice è stato realizzato con l’intento di essere facilmente calcolabile con un intervento umano minimo o nullo. Tutte le metriche analizzate sono basate su dati esposti pubblicamente dalle API delle piattaforme di social media.

Maggiori dettagli sull’indice e su tutta la ricerca sono disponibili nell’articolo (in inglese) che abbiamo pubblicato, in versione pre-print, su ssrn.

Lovari, Alessandro and Giglietto, Fabio, Social Media and Italian Universities: An Empirical Study on the Adoption and Use of Facebook, Twitter and Youtube (January 2, 2012). Available at SSRN: http://ssrn.com/abstract=1978393.

Consigli e suggerimenti sono più che benvenuti

Il 17 novembre 2011 ad Urbino presso il Collegio Raffaello si è tenuto il seminario “Il valore reale del denaro virtuale. Dai giochi Online ai mercati valutari” organizzato dal Dipartimento di Scienze di Base e Fondamenti dell’università degli Studi di di Urbino “Carlo Bo” in collaborazione con  l’Associazione Culturale NeuNet.

Il seminario è stato un importante momento di confronto tra diverse discipline riguardo numerosi temi che scaturiscono dall’emergente importanza del denaro virtuale. Il denaro virtuale, infatti, è sempre più pervasivo nella nostra quotidianità, a partire dall’aspetto ludico come avviene nei social network (si pensi a facebook e al sistema di cambio tra denaro reale e virtuale per poter usufruire appieno delle funzionalità di gioco, come ad esempio FarmVille) fino a diventare un vero e proprio modello di business, per cui il gioco (al quale si ha accesso gratuito) diventa piattaforma di lancio per generare scambi monetari: per poter proseguire ed evolvere nel gioco è necessario spendere denaro virtuale, acquistabile con denaro reale.

Si pensi, ancora, al mercato in via di sviluppo dell’ In-App Purchase e alla possibilità di acquistare nuove funzionalità personalizzate delle applicazioni scaricate gratuitamente. Le applicazioni, siano esse giochi o utilità, gratuite diventano una azione di marketing per vendere il prodotto e generare movimenti di denaro virtuale.

Ma prima di addentrarsi in una descrizione puntuale di quelle che sono le potenzialità del denaro virtuale è opportuno farsi alcune domande a partire da quella più importante e cioè che cos’è il denaro virtuale? Quali sono i meccanismi del suo funzionamento? Quali sono le sue applicazioni nel mondo reale? E quali sono i suoi impatti?

L’uso del denaro virtuale fa sorgere una serie di interrogativi a livello economico, fiscale e sociale. Su questi interrogativi si sono confrontati Alessandro Bogliolo (sistemi di elaborazione delle informazioni) su strumenti, tecnologia, applicazioni e problematiche del denaro virtuale, Paolo Polidori (Scienza delle finanze), su origine ed evoluzione della moneta fino alla moneta elettronica e al suo step evolutivo successivo e cioè la moneta virtuale, Fabio Giglietto (Sociologia dei processi culturali e comunicativi),  sul rapproto tra denaro e giochi online, denaro sia virtuale (interno ai giochi) sia reale (il tempo passato giocando diventa una merce) e Francesca Stradini (Diritto Tributario) sulla rilevanza fiscale delle transazioni online e sulle problematiche fiscali che il denaro virtuale potrebbe far emergere.

Pubblicheremo, a partire da oggi e nelle prossime settimana, l’intero seminario suddiviso in sei puntate. Enjoy!

Il valore reale del denaro virtuale – Prima Parte, Presentazioni from Erica Reika on Vimeo.

Il valore reale del denaro virtuale – Seconda Parte from Erica Reika on Vimeo.

Il valore reale del denaro virtuale – Terza Parte from Erica Reika on Vimeo.

I ricercatori della social media research foundation hanno rilasciato ieri un plugin per Node XL che consente di accedere ad alcuni dati che riguardano gli utenti che interagiscono con una pagina Facebook facendo like o commentando un post.

Ho deciso di provare subito i plugin usando la pagina di Servizio Pubblico.

La prima scoperta che ho fatto è che il plugin consente di scaricare i dati degli ultimi dieci post.

Nel caso della pagina del programma di Santoro si tratta nello specifico dei post che vanno da questo a questo.

Il plugin considera un nodo ogni utente che ha interagito con la pagina e crea un arco ogni volta che due utenti hanno commentato (o fatto like) sullo stesso post. Suppongo che il legame creato rappresenti un mutuo interesse di un utente verso uno specifico tema.

Il testo dei post e di tutti i commenti vengono salvati e collegati all’utente rendendo questo plugin utile per piccoli progetti sull’analisi del contenuto. Per ogni nodo vengono scaricate tutte le informazioni disponibili pubblicamente (o alle quale si può accedere in virtù di un legame di amicizia). I dati che sono disponibili nella maggior parte dei casi sono nome, cognome, link alla foto profilo di Facebook e genere.

I dieci post presi in esame hanno ricevuto in totale 954 commenti da 703 utenti diversi. Il numero massimo di commenti per utente è 6. Non sorprendentemente la distribuzione è caratterizzata da pochi utenti che commentano molto e molti che commentano poco (543 o il 77,2% ha commentato solo una volta).

Chi commenta è in grande prevalenza maschio (71% m, 27% f ed il restante non specificato).

I post in questione hanno ricevuto in totale 1635 Mi Piace da 1016 utenti diversi. Il numero massimo di like per utente è 9. Considerate che mentre è possibile commentare più di una volta su un post non si può fare altrettanto con i Mi Piace. La distribuzione dei Mi Piace ha la consueta forma anche se, in questo caso, la percentuale di partecipanti che ha fatto un solo Like è inferiore (44,2%).

Anche chi clicca su Mi Piace è in prevalenza maschio anche se meno di quanto non avvenga per i commenti (60% m, 38% f ed il restante non specificato).

I temi che più hanno colpito l’immaginario degli spettatori attivi sono ben evidenziati in questa tagcloud.

Tagcloud dei commenti

Invece questa è la visualizzazione della rete dei commentatori.
Per dimensionare i nodi ho usato la metrica degree (avrei anche potuto usare il semplice numero di commenti ma poi mi sarei perso il fatto che un commento postato in un thread dove hanno postato poche persone è diverso da uno postato in un thread con molti partecipanti). Per posizionare i nodi ho usato l’algoritmo Fruchterman-Reingo (scelta di default in Node XL). Non ho aggiunto le etichette con i nomi sui nodi, ma avrei potuto.

Con un po’ di pazienza, ovvero scaricando i post in blocchi da 10 mentre la trasmissione è in onda, si possono ottenere i dati dei circa 30/40 post pubblicati durante la messa in onda per una analisi più completa.

Secondo articolo della serie dedicata al progetto ULOOP curato da Erica Giambitto.

Dopo la panoramica sul progetto ULOOP pubblicata qualche settimana fa, cerchiamo ora di definire meglio il campo di ricerca  e di arricchirlo. Ci eravamo posti la domanda di ricerca “ULOOP è una tecnologia socialmente sostenibile?”, abbiamo delineato alcuni aspetti della sostenibilità sociale, come ad esempio una gestione delle risorse che mantenga l’equilibrio del sistema, ed anche una idea di sostenibilità sociale intesa come risorsa, come capitale sociale, che emerge da una rete collaborativa di relazioni. Questi, però, sono  solo alcuni aspetti della sostenibilità sociale che rimane un concetto che difficilmente può essere racchiuso in una definizione univoca e che può invece essere pensato come un concetto sfaccettato, come suggerito da Stephen McKenzie nel suo articolo “Social Sustainability: Towards some definitions” (S. McKenzie, Social sustainability: Towards some definitions, Hawke Research Institute Working Paper Series n.27, Hawke Research Insitute, University of South Australia, Magill 2004). Per questo è stato osservato da un’ampia serie di punti di vista diversi.

Come possono esserci utili questi approcci nella nostra ricerca sulla sostenibilità sociale di ULOOP?

Innanzitutto nel delineare in modo sempre più preciso questo duplice aspetto della sostenibilità sociale che la vede, da un lato, come gestione, azione e quindi un processo in atto in una comunità e, dall’altro lato la vede come risorsa, come capitale sociale emergente dalle relazioni che legano la comunità. È importante, però, tenere a mente che quando parliamo di sistema e di relazioni in ULOOP stiamo parlando di diversi tipi di soggetti che entrano in relazione. Come indicato nel white paper 03 gli attori in gioco sono molteplici (ULOOP users, End-Users, Users, Subscribers, Consumers, Service Providers, Operators) e  quindi la sostenibilità sociale dovrebbe essere legata alla relazione fra questi soggetti.
Come vedremo, di per sé la sostenibilità sociale è un concetto complesso dunque cercheremo dapprima di comprenderlo meglio e in seguito di cercare dei legami con ULOOP.

Verso uno studio della sostenibilità sociale

<<When discussing social sustainability, ‘What is…’ or ‘What do we mean by…’ are immediate and automatic responses>> (McKenzie, 2004)

Il problema di definizione della sostenibilità sociale nasce dall’origine stessa del concetto. Frutto di un lungo processo scaturito dai primi interrogativi sull’impatto ambientale di un’industrializzazione del mondo sempre più spinta, può essere considerata una conseguenza degli interrogativi sulla sostenibilità economica e sulla sostenibilità ambientale in un’ottica di sviluppo sostenibile. La ricerca sulla sostenibilità sociale è ancora molto legata ad aspetti economici ed ambientali, e non deve esserne svincolata, ma per poterla comprendere e analizzare veramente e per poterla valorizzare adeguatamente è necessario, secondo McKenzie focalizzarsi su di essa attraverso un approccio specifico realizzato dalle scienze sociali.
Negli anni Sessanta sorgevano i primi problemi di sostenibilità ambientale delle imprese e delle economie e, per questo, iniziava a sentirsi la necessità di elaborare delle politiche di sviluppo che permettessero una crescita economica non deleteria per l’ambiente e che migliorasse le qualità della vita delle persone. Nacque per questo l’Organizzazione per lo Sviluppo e la Cooperazione Economica (OECD).
Negli anni Ottanta si fece un notevole passo avanti nell’agenda della sostenibilità. La Commissione delle Nazioni Unite su Sviluppo e Ambiente (fondata nel 1983 dalle Nazioni Unite) inizia il suo lavoro per una nuova era di crescita economica basata su politiche che sostengono e proteggono le risorse ambientali. Viene riconosciuto da un lato l’aggravarsi dei problemi ambientali e, dall’altro, che questi problemi ambientali potevano essere dovuti anche a fattori sociali: degrado, povertà, pressione demografica e diseguaglianza sociale sono alcuni dei fattori sociali individuati come maggiore causa di degrado ambientale.

Si comincia a parlare di sviluppo sostenibile come mantenimento di <<processi ecologici essenziali e sistemi di supporto alla vita>> . (IUCN/UNEP/WWF, World conservation strategy: living resource conservation for sustainable development, IUCN/UNEP/WWF, Gland, Switzerland, 1980. Citato in McKenzie 2004, p. 4).

Da qui il passo successivo è rappresentato dal rapporto Brundtland, il quale definisce lo sviluppo sostenibile come

<<uno sviluppo che incontra i bisogni del presente senza compromettere le capacità delle future generazioni di soddisfare i propri bisogni>> (WCED, Brundtland G.H , Mansour  K.,  1987 common future,  Oxford University Press, Oxford, GB; Citato in Canu 2011).

Il fattore sociale viene di fatto inserito nell’agenda della sostenibilità, ma nonostante questo le critiche mosse a questo approccio mostrano alcune perplessità.
McKenzie fa notare che il fattore sociale, sebbene incluso nell’agenda di ricerca è ancora “subordinato” all’idea dello sviluppo economico di tipo “colonialista”, le stesse perplessità che sollevava Latouche e che abbiamo considerato nel nostro precedente articolo.
L’idea secondo cui portando sviluppo economico nelle aree con basso capitale sociale e cioè con scarsa coesione sociale e povertà, si può invertire la tendenza riducendo così l’impatto ambientale, è fortemente criticata poiché rispecchia, secondo Joshi, un’ottica colonialista e non un vero interesse per l’ambiente e per una società più equa (M M Joshi, Sustainable consumption: issues of a paradigm shift, Indian Council of Social Science Research, Occasional Monograph Series, No 1, New Delhi, 2002, p 7; Citato in McKenzie 2004, p. 4). Un’altra critica è stata mossa alla “vaghezza” della definizione: spesso questa si trasforma in una cortina di fumo dietro la quale si nascondono le imprese per non realizzare realmente uno sviluppo più equo. (Michael Jacobs, ‘Sustainable development: a contested concept’ in A Dobson, ed, Fairness and futurity: essays on environmental sustainability and social justice, Oxford University Press, Oxford, 1999, p 24; Citato in McKenzie 2004).

Il problema più importante ai fini della nostra ricerca continua ad essere il fatto che i principali “soggetti” considerati rimangono l’ambiente e lo sviluppo economico. Il tentativo di creare un equilibrio tra questi due fattori, considerati come contrapposti, non ha permesso di considerare il fattore sociale come altrettanto importante.

Negli anni Novanta le Università Australiane e la ricerca Australiana, si sono mosse per realizzare un approccio sempre più interdisciplinare alla sostenibilità. Dove per interdisciplinare si intende una sinergia tra dipartimenti di ricerca, dedicati ognuno ad un aspetto delle scienze sociali. Tra queste il Group of Eight cioè la rete delle otto università più antiche e prestigiose dell’Australia, la University of Queensland Faculty of Social and Behavioural Sciences; la Australian Academy of, the Humanities; l’Academy of the Social Sciences; la University of New South Wales Social Policy Research Centre e la University of New England Institute for Rural Futures.

Da qui, la University of South Australia ha lavorato sulla definizione di sostenibilità:

<<Sustainability—including sustainable environments, sustainable societies and sustainable economies. This priority would mean attention inter alia to issues relating to water use, renewable energy, democratic citizenship, social justice, equity, impact of globalised economies on work and triple bottom line approaches.>> (intervento della University of South Australia durante il processo consultativo sulle priorità di ricerca nazionali Australiane, citato da McKenzie 2004 )

Successivamente ha dato vita all’Hawke Research Institute proprio per dedicarsi in modo specifico ai fattori sociali che incidono sulla sostenibilità. Nonostante questi sforzi, l’impronta di ricerca a livello nazionale era ancora molto legata alle scienze economiche e tecniche, per questo la National Academy of the Humanities ha cercato di specificare riorganizzare gli obiettivi di ricerca:

<< We believe that the existing priority goals need to be re-drafted to acknowledge the fundamental human origins of environmental problems>> (National Academy of the Humanities,The humanities and Australia’s National Research Priorities p.13, citato in McKenzie 2004)

La sostenibilità ambientale è, secondo questa idea, anche una questione sociale, dal momento che i problemi ambientali hanno origine dal comportamento dell’uomo. Questo ha permesso finalmente di riconoscere il ruolo centrale degli elementi sociali e culturali nella questione della sostenibilità. La ricerca delle scienze sociali si sta affermando come campo autonomo di analisi, anche se al momento ancora risente di questa consapevolezza giunta in un secondo momento. Le scienze sociali sono ancora considerate come qualcosa da integrare in un processo già cominciato, come supporto ad un processo di analisi già iniziato.

Per McKenzie, dunque è sì necessaria una ricerca interdisciplinare sul concetto di sostenibilità ma, prima di tutto, è necessario che le scienze sociali si interroghino in maniera autonoma e indipendente sul concetto di sostenibilità sociale. Una volta definita la sostenibilità sociale come un campo indipendente di studi, una volta elaborati dei modelli di analisi, allora la ricerca sociale, quella ambientale ed economica potranno lavorare in sinergia per lo sviluppo di una sostenibilità che vede i fattori ambientali, sociali ed economici come equivalenti.

Verso una definizione di sostenibilità sociale

Nel suo testo McKenzie fornisce una definizione operativa di sostenibilità sociale:

<<Social sustainability is: a life-enhancing condition within communities, and a process within communities that can achieve that condition.>> (S. McKenzie, Social sustainability: Towards some definitions, Hawke Research Institute Working Paper Series n.27, Hawke Research Insitute, University of South Australia, Magill 2004, p. 12.)

La sostenibilità sociale è dunque vista come una condizione descritta da alcune caratteristiche che, quando presenti, sono considerate come indicatori della condizione stessa. Gli ultimi tre elementi sono invece dei meccanismi, essi descrivono delle azioni che rendono possibile il processo di sostenibilità sociale:

• Equità d’accesso ai servizi chiave (incluse salute, educazione, trasporti, casa e svaghi);
• Equità tra le generazioni (le future generazioni non saranno svantaggiate dalle attività della generazione attuale);
• Un sistema di relazioni culturali in cui gli aspetti positivi di culture diverse sono valorizzati e protetti, e in cui l’integrazione culturale è supportata e promossa quando è desiderata da individui e gruppi;
• La diffusa partecipazione politica dei cittadini non solo nelle procedure elettorali ma anche nelle altre aree dell’attività politica, particolarmente a livello locale;
• Un sistema per trasmettere consapevolezza sulla sostenibilità sociale da una generazione alla successiva;
• Un senso di responsabilità di comunità per mantenere quel sistema di trasmissione;
• Meccanismi che permettono ad una comunità di identificare collettivamente le sue capacità e i suoi bisogni;
• Meccanismi che permettono ad una comunità di soddisfare i suoi stessi bisogni dove possibile attraverso  un’azione di comunità;
• Meccanismi di difesa politica per soddisfare le esigenze che non possono essere soddisfatte con l’azione della comunità.

Sostenibilità come condizione misurabile e come capitale sociale emergente

La sostenibilità è qui intesa come una condizione misurabile in base alla presenza o all’assenza di questi indicatori, al momento riduttivi e non esaustivi, attraverso cui è possibile, per McKenzie, sviluppare un’agenda di ricerca della sostenibilità sociale che faccia esclusivo riferimento all’aspetto sociale.

Un altro studio in questo senso è quello compiuto da Cocklin e Alston per la  Academy of the Social Sciences realizzata all’interno del progetto Australia’s Community Sustainability (Chris Cocklin and Margaret Alston, eds., Community sustainability in rural Australia: a question of capital, Centre for Rural Social Research, Wagga Wagga, NSW, 2003; Citato in McKenzie 2004). Lo scopo degli autori è quello di misurare e valutare le variazioni del capitale sociale in una comunità monitorando le variazioni all’interno dei cinque sottoinsiemi che lo compongono: capitale naturale (risorse naturali), umano (conoscenza e abilità dei singoli individui), sociale (reti produttive e valori condivisi), istituzionale (strutture istituzionali nel privato, nel pubblico e nel terzo settore) e di prodotto (costruzioni, beni prodotti, risorse monetarie). L’ipotesi di lavoro è che la sostenibilità sociale di una comunità sia misurabile rispetto alla presenza e al valore di questi “stock” di capitale in diversi settori.

Nel nostro primo articolo avevamo visto come ULOOP potesse configurarsi come una rete di relazioni da cui emerge capitale sociale e, quindi, tenendo come riferimento il modello di sviluppo fornito nel white paper 03 e non avendo ancora un caso reale su cui lavorare, potremmo utilizzare le caratteristiche distintive di ULOOP per ipotizzare delle sottocategorie: Capitale di Risorse (ampiezza di banda, potere computazionale, livello di energia, stampanti); Capitale di Informazioni (info turistiche, pubblicità, opinioni, localizzazioni); Capitale Potenziale (o di Disponibilità:  risorse computazionali, di connessione internet, di servizi, di informazioni); Capitale di Sicurezza (supporto alla mobilità, trasferimenti trasparenti); potremmo aggiungere una sottocategoria dedicata al Capitale Umano (conoscenze, abilità, disponibilità di diventare nodi) e una sottocategoria dedicata al Capitale di Struttura (fornita da operatori e da service provider).

L’ipotesi di Cocklin e Alston viene approfondita da Pepperdine (Sharon Pepperdine, Social Indicators of Rural Community Sustainability: An Example from the Woady Yaloak Catchment, 2000, Department of Geography & Environmental Studies, The University of Melbourne), che  in uno studio specifico sulla comunità di Woady Yaloak Catchmen (comunità di rinnovamento del territorio attraverso uno sviluppo sostenibile, portato avanti grazie a contributi “bottom up” della popolazione), cerca di sviluppare degli indicatori sociali che descrivano la sostenibilità sociale, anche grazie alla partecipazione degli appartenenti alla comunità. Attraverso interviste, sondaggi e questionari ha identificato degli importanti temi ritenuti rilevanti che ha successivamente raggruppato in 15 indicatori chiave della sostenibilità sociale.

1. Coesione: coordinamento, abilità di lavorare insieme
2. Senso di comunità: vita di comunità, partecipazione attiva
3. Prosperità: ricambio della popolazione inclusi i giovani adulti, mentalità positiva, rivendita di proprietà
4. Senso del vicinato: comunità amichevole e di supporto
5. Accettazione: differenti punti di vista, di idee, di nuovi arrivati; conoscenza dei vicini
6. Opportunità di partecipare alle attività sociali (intrattenimento, culturale, ricreazionale e sport) e affari pubblici; presenza di persone motivate ed entusiaste
7. Opportunità d’impiego che includano giovani e adulti
8. Scarsa integrazione sociale: separazioni di famiglie, droga e crimine, suicidio
9. Attaccamento all’area
10. Apertura mentale: apertura verso “estranei” e donne
11. Vitalità economica: tempo per vacanze e svago, pensionamento, sicurezza finanziaria
12. Input di comunità: gruppi di comunità, negozi locali, fiducia della comunità in se stessa
13. Comunicazione: quotidiano locale
14. Unità: volontariato, valori comuni
15. Stabilità della popolazione

Questi indicatori forniscono, secondo Pepperdine uno strumento per ottenere una visione soggettiva, dall’interno di una comunità sulla sua sostenibilità misurando la realtà in cui vivono. Sono indicatori sociali soggettivi e possono essere usati a fianco degli indicatori “oggettivi”, come ad esempio i dati di censimento, per dare un’immagine più ampia delle tendenze nella sostenibilità e che la svincolano da indicatori legati principalmente allo sviluppo economico.

Un fatto importante da mettere in evidenza secondo Pepperdine è che gli indicatori ritenuti più rilevanti dalla popolazione riguardano la coesione sociale, il senso di appartenenza, il senso del vicinato e l’accettazione della diversità; indicatori molto diversi da quelli considerati tradizionalmente come “oggettivi” (prosperità economica, possibilità d’impiego e vitalità economica) e che, secondo la popolazione, consentono alla comunità di proseguire e di migliorare nel suo progetto di riqualificazione sostenibile del territorio.

Lo studio di Pepperdine fa riferimento ad una specifica comunità rurale e ci rendiamo conto dei limiti che questo comporta nella nostra ricerca.  È importante, infatti, esplicitare che gli indicatori così sviluppati sono specifici di quella comunità, sebbene siano abbastanza generali da poter essere utilizzati anche in altri luoghi. Credo, dunque, che sia necessario sviluppare degli indicatori specifici per il nostro progetto. Visto però lo stato dell’arte nella ricerca sulla sostenibilità sociale e la sua, ancora forte, subordinazione al concetto di sostenibilità ambientale in relazione ad un territorio, una così selettiva attenzione agli aspetti sociali messa in atto dalla comunità stessa ci sembra particolarmente interessante. È necessario anche considerare che qui si fa riferimento ad un territorio specifico e al suo sviluppo reso possibile dal senso di comunità interno e dalla vicinanza fisica.
Nel caso di ULOOP, invece, sebbene ci sia un legame con il luogo fisico (per citare alcuni esempi legati allo spazio: geolocalizzazione, estensione della copertura tra nodi vicini, advertising di prossimità, informazioni turistiche fornite dagli abitanti locali) potrebbe non svilupparsi quella percezione di territorio fisico da condividere e valorizzare con uno sforzo comune. Ma se consideriamo un altro tipo di territorio, un altro tipo di luogo che è quello prodotto dalla comunicazione (scambi comunicativi, di relazione e di dati), ULOOP potrebbe essere percepito come uno spazio, sì virtuale, ma da tenere “in vita” attraverso la partecipazione di ogni singolo individuo coinvolto.

Potremmo, seguendo questa direzione,  dire che questa partecipazione per essere efficace, e dunque garantire come effetto il funzionamento della rete ULOOP, dovrebbe possedere e rispecchiare gli indicatori di sostenibilità sociale sopra proposti. Potremmo, quindi, ricercare nei casi d’uso previsti dal progetto, quei temi identificati da Pepperdine:

1. Coesione, Senso di comunità, Input di comunità, Unità – tourist community services, attack detection by cooperation, coordination of group activities, trust driven access control;
2. Prosperità, Senso del vicinato, Accettazione, Apertura mentale verso “estranei” – extended broadband coverage, 3G offloading, liability support, load balancing and adaptation, Shared devices;
3. Opportunità di partecipare alle attività sociali, Opportunità d’impiego, Vitalità economica – shared device, proximity advertising;
4. Comunicazione – intra ULOOP communication

Come poco sopra accennato, un’altra strada da seguire in questo lavoro  potrebbe essere quella di elaborare, con un contributo di tipo bottom up, degli indicatori di sostenibilità sociale specifici di ULOOP. Non avendo ancora un prototipo su cui lavorare, però, potremmo seguire questa strada su una comunità che rispecchi in qualche modo il modello di funzionamento di ULOOP.

Sostenibilità come Processo 

Tornando alla definizione di sostenibilità sociale data da McKenzie, egli ne parla sì come una condizione di miglioramento della vita in una comunità, descrivibile attraverso delle caratteristiche, ma anche come un processo interno alla comunità che serve a raggiungere quella condizione di equilibrio e realizzato attraverso dei meccanismi.

Meccanismi che contribuiscono nell’identificazione collettiva dei punti di forza della comunità e dei suoi bisogni; meccanismi interni di soddisfazione dei bisogni della comunità attraverso azioni collettive e meccanismi di azione politica per soddisfare le esigenze che non possono essere soddisfatte con l’azione della comunità.

Anche ULOOP prevede dei meccanismi, chiamati meccanismi di incentivo alla cooperazione, necessari per motivare le persone in modo che prendano parte a ULOOP, e dunque per far raggiungere una condizione di sostenibilità che ne permetta il funzionamento. I meccanismi di incentivo possono essere di vario tipo, in particolare: benefici che vengono dall’utilizzo di ULOOP per ogni soggetto, il coinvolgimento nella creazione di valore per sé e per gli altri, lo scambio di ruoli che permette un’equa distribuzione di vantaggi e svantaggi il meccanismo di creazione della reputazione, e aspetti più tecnici come la monetizzazione del valore prodotto. Seguendo il ragionamento di McKenzie, se la sostenibilità sociale considerata come risorsa o come quantità misurabile è descritta e definita da una serie di indicatori, per osservarla come processo dobbiamo, invece, rivolgere la nostra attenzione a quelle azioni prodotte dalla comunità stessa che danno forma e sviluppo al processo.

Trovo utile, dunque, approfondire la riflessione sugli stessi interrogativi di ricerca che si pone McKenzie a questo punto della sua analisi e cioè:

• What are the main mechanisms by which the community collectively identifies its own needs?
• How have these mechanisms developed?
• Is the community satisfied with these mechanisms, and what are some ways in which they think these might be improved?
• Does this community’s means to identify its needs provide a suitable model for consideration by other communities?

È un processo che si sviluppa di volta in volta, perciò per gli step successivi, stay tuned!

Visto l’interesse destato dall’analisi del gruppo Facebook dell’Università di Urbino ho deciso di estendere questa visualizzazione per includere più gruppi. L’idea è quella di rappresentare le relazioni di amicizia dei più rappresentativi gruppi Facebook di Urbino.

In una prima fase ho dunque dovuto cercare e selezionare i gruppi da prendere in considerazione.

Sono dunque partito da una semplice ricerca con la chiave urbino nel motore interno di Facebook limitando i risultati ai soli gruppi. Degli oltre 364 gruppi restituiti, ho deciso di escludere tutti quelli che, dal titolo, sembravano chiaramente riferirsi a realtà più grandi (ad esempio tutti quelli Pesaro e Urbino). Ho inoltre deciso di prendere in considerazione solo i gruppi con oltre 50 membri. Di questi alcuni erano aperti ed altri chiusi. Per quelli aperti mi sono semplicemente unito al gruppo, per quelli chiusi ho richiesto l’autorizzazione a diventare membro (solo in un caso mi è stato chiesto il perché ed ho spiegato che stavo conducendo una ricerca). Ho avuto così accesso ai dati di 72 gruppi. Per ciascuno di essi ho scaricato il grafo delle relazioni intergruppo (usando netvizz) e aggregato i risultati in un unico file .gdf copiando in questo file la lista dei membri del gruppo e quella delle loro relazioni. Questa procedura ha causato ovviamente la duplicazione di molti nodi con il rispettivo numero identificativo. Questa duplicazione non ha tuttavia causato problemi all’atto dell’importazione in Gephi durante la quale i nodi duplicati sono stati automaticamente eliminati.

Il grafo risultato dall’aggregazione di tutte le relazioni fra i membri dei gruppi presi in considerazione consiste alla fine di 14014 nodi e 175188 archi.

Su questo grafo ho calcolato i soliti indici di centralità (eigenvector, betweenness, closeness ed eccentricity) e la modularity per individuare le comunità.

Ho inoltre posizionato i nodi utilizzando l’algortimo ForceAtlas 2 (con il paramento Gravity a 100 per evitare una eccessiva disgregazione).

L’analisi della modularità, definita come una misura di quanto bene una rete possa essere scomposta in comunità modulari, si attesta intorno allo 0,6 ed il numero di comunità identificato oscilla (si tratta di algoritmo randomizzato che genera risultati diversi ogni volta che viene eseguito) intorno alle 1000.

Da questo migliaio di comunità ne emergono tre che da sole raccolgono quasi il 50% dei nodi.

Si tratta di quelle che ho identificato come UNIURB (15,5% e colore Verde), URBINATI (15,02% Blu) e MOVIDA (13,15% Rosso). Significativa inoltre la dimensione del gruppo del COLLEGI (7,34% Giallo), GIURISPRUDENZA (5,41% Azzurro), ANNUNCI E RICHIESTE (5,35% Grigio), LICEO CLASSICO RAFFAELLO (5,26% Fucsia). Fra le altre comunità che ho identificato figurano inoltre quella dell’ISIA, dell’Istituto d’Arte, dell’Istituto per la Formazione al Giornalismo e quella degli studenti Greci.

Nelle immagini che seguono due visualizzazioni dei 250 utenti meglio connessi secondo, rispettivamente, la metrica della betweenness centrality e dell’eigenvector centrality.

Infine, visto che zoom.it si rifiuta di creare l’immagine zoommabile, potete scaricare le visualizzazioni totali in formto pdf con la dimensione dei nodi legate alla betweenness e all’eigenvector centrality (i nomi, in queste visualizzazioni complessive, sono stati volutamente rimossi per questioni di privacy).