SlideShare a Scribd company logo
1 of 17
Download to read offline
DigitalEvaluations
                                   London




     Analisi sui follower dei principali politici italiani su Twitter.
Studio quantitativo e qualitativo in relazione ai comportamenti umani
(utenti presumibilmente reali) o da BOT (utenti presumibilmente falsi)
          dei profili di alcuni partiti e/o leader politici italiani.




Author:
Marco Camisani Calzolari
DigitalEvaluations - London
info@digitalevaluations.com
www.digitalevaluations.com




                           London, 25 luglio 2012




                                                                         1
Disclaimer:


A seguito delle polemiche emerse in relazione alla ricerca
precedente sull'account di Beppe Grillo sono state
effettuate le seguenti migliorie e integrazioni:

- Per garantire la confrontabilità anche temporale del
campione tra i vari soggetti politici, sull'account
Beppe_Grillo è stato estratto, in contemporanea con gli
altri soggetti, un nuovo campione di 20.000 utenti random.
Questa è la ragione per cui i risultati sono diversi da
quanto precedentemente pubblicato.

- Il periodo di estrazione del nuovo campione, per tutti gli
account, è stato dalle ore 05:00AM (GMT+1) del
22/07/2012 alle ore 10:30AM (GMT+1) del 24/07/2012.

- Al fine di introdurre nuovi dati utili a identificare con
maggior accuratezza gli utenti attivi da quelli inattivi, in
questa ricerca si è deciso di introdurre un'analisi di
sensitività basata sul "Calibration Discriminant", descritto
successivamente, mostrando tutti i risultati al variare del
Calibration Discriminant (C.D.) da 4 a 9 punti.




                                                               2
Abstract

Twitter è un servizio gratuito che fornisce agli utenti la possibilità di aggiornare
il proprio profilo attraverso messaggi di testo con una lunghezza massima di
140 caratteri. Ha raggiunto i 500 milioni di utenti, di cui solo 140 milioni attivi
che hanno pubblicato un contenuto negli ultimi 30 giorni.
Ogni utente può "seguire" altri utenti, ed essere seguito a sua volta. I follower
(gli utenti che lo seguono) riceveranno tutti i suoi messaggi nella propria
pagina principale, e viceversa lui potrà seguire altri utenti.
La grande quantità di utenti registrati lo ha reso uno strumento di marketing
utilizzato dalle aziende per promuovere i propri prodotti.
Sono molte le imprese che hanno creato un account corporate con cui
promuoversi e con l'obiettivo di collezionare il maggior numero di follower
possibili.
La campagna presidenziale americana del 2008 di Barack Obama ha
mostrato come la ricerca di sostenitori sul web attraverso la leva dei social
media potesse ampliare le potenzialità delle proprie campagne.
Questo ha spinto partiti, movimenti e personalità a ricercare nel web un punto
di incontro e di reclutamento dei propri sostenitori, un nuovo luogo in cui
creare un senso di comunità e grazie al quale abbattere le distanze percepite
nell’utilizzo dei cosiddetti “old media” che tutt’ora detengono la maggior parte
dell’informazione politica del nostro paese.
Questo tipo di attività sul web non è valutabile in termini di marketing, come
per le aziende, tuttavia come per esse, il numero di follower rimane per alcuni
un indicatore che è spesso percepito come rappresentativo del successo su
Twitter, a prescindere dal reale valore dei followers in termini di interesse nei
confronti del soggetto o della personalità politica.
Il confronto, in termini di numero di follower, con gli oppositori politici ha spinto
alcune aziende, direttamente o indirettamente attraverso intermediari, ad
acquistare follower al solo fine di aumentarne il numero. La grande domanda
ha creato un mercato internazionale di vendita di follower più o meno reali.
Ma cos'è un follower vero rispetto a uno falso? Si può considerare vero
l'utente che corrisponda a un individuo reale, che attraverso il proprio account
Twitter decida di seguire volontariamente l'account dell'azienda.
Il mercato propone follower completamente falsi, ovvero creati da BOT,
ovvero software ro-bot capaci di generare grandi quantità di account creati
ad-hoc, che diventeranno poi follower degli acquirenti che li richiederanno.
Non è possibile distinguere con assoluta certezza un falso follower da uno
vero, tuttavia è possibile identificare caratteristiche e comportamenti tipici
degli utenti veri e degli utenti BOT.
I risultati sono basati su un algoritmo capace di assegnare punti
"comportamento umano" e punti "comportamento BOT" a partire da un
software creato appositamente per questo scopo. Il metodo e l'algoritmo sono
stati definiti secondo criteri che personalmente ritengo validi e sostenibili, ma
occorre evidenziare che altri ricercatori potrebbero applicare valori diversi ai
parametri o utilizzare metodi diversi, ottenendo quindi risultati differenti.
Nella ricerca sono stati presi in analisi i Twitter follower di dei principali
soggetti politici italiani a partire da un campione dei loro follower e ho
                                                                                   3
assegnato un valore che identifica quanti di questi hanno comportamenti
umani o da BOT.
I dati che emergono evidenziano i presunti BOT, o quantomeno utenti non
attivi, nei profili.
L'algoritmo distingue gli utenti attivi da quelli inattivi e ragionevolmente tra
quelli probabilmente "umani" da quelli probabilmente "BOT". Non è possibile
affermare con assoluta certezza se gli utenti con comportamento identificato
da "BOT" siano generati artificialmente o al contrario corrispondano a utenti
umani.



                                   Introduzione

La ricerca fotografa la situazione attuale riguardo la presenza dei principali
soggetti politici su Twitter.
Sono state divisi per comodità di studio e di fruizione dei dati i profili Twitter
ufficiali dei partiti politici italiani (di seguito chiamati soggetti politici, in
quanto non tutti vengono identificati dalla definizione partito) e i profili ufficiali
delle personalità di rilievo del mondo politico (di seguito personaggi politici).
E’ emerso che non tutti i soggetti o i personaggi considerati sono presenti
Twitter, ne fanno uso quotidiano, o hanno investito in campagne dedicate ai
social media, da queste caratteristiche dipende soprattutto il numero di
followers.
Questa ricerca si propone solo come base di riferimento per pesare il valore
reale del numero dei follower spesso percepito come rappresentativo del
successo su Twitter.


                            Condizioni sperimentali

È stato utilizzato un software in grado di analizzare, a campione random, i
Twitter follower degli account elencati successivamente, restituendo sulla
base di parametri oggettivi, quali caratteristiche o comportamenti sono
attribuibili a un umano piuttosto che a un BOT.
Il software ha estratto i dati in formato .csv, che contiene i dati per ognuna di
queste voci:

       > Father_ScreenName: Il nome di twitter dell'Account
       > Father_Following: Il numero di Account twitter che l’Account segue
       > Father_Followers: Il numero di followers dell’Account
       > Follower_Id: Il Twitter_id del soggetto del Panel
       > Follower_ScreenName: Il nome di Twitter del soggetto del Panel
       > Follower_Protected: Se TRUE il soggetto del Panel è privato e non
         ha statistiche
       > Follower_HumanValue: I Punti Umano del soggetto del Panel
       > Follower_BotValue: I Punti Bot del soggetto del Panel


                                                                                    4
Questi dati sono stati aggregati ed inseriti in un database Mysql dal quale,
attraverso una query composta, sono stati estratti i risultati complessivi,
successivamente esportati in fogli Excel per poter essere riordinati e
comparati.


                                    Campione

Sono stati analizzati i profili Twitter dei seguenti account:

                                Soggetti politici

Nome soggetto                     Account ID
PDL                               @ilpdl
PD                                @PDNetwork
UDC                               @udctw
FLI                               @_futuroeliberta
IDV                               NON E’ PRESENTE SU TWITTER
                                  (potrebbe essere riconducibile all’account
                                  Antonio Di Pietro in quanto il nome
                                  nell'account non è IDV ma Antonio di Pietro)
LEGA NORD                         @LegaNordPadania
SEL (Sinistra Ecologia e Libertà) @sinistraelib
M5S (Movimento a 5 Stelle)        @Mov5Stelle
ITALIA FUTURA                     @ItaliaF

                               Personaggi politici

Nome soggetto        Twitter ID
Angelino Alfano      @angealfa
Ignazio La Russa     @Ignazio_LaRussa
Gianfranco Fini      @gianfranco_fini
Beppe Grillo         @beppe_grillo
Pier Luigi Bersani   @pbersani
Matteo Renzi         @matteorenzi
Enrico Letta         @EnricoLetta
Pierferdinando       @Pierferdinando
Casini
Antonio Di Pietro    @idvstaff
Roberto Maroni       @maroni_leganord
Nichi Vendola        @NichiVendola
Silvio Berlusconi    NON E’ PRESENTE SU TWITTER (potrebbe essere
                     riconducibile all’account del PDL)


                 Note sul campione e le sue caratteristiche:

                                                                            5
Sono stati analizzati 20.000 follower scelti random su tutto il range dei
follower degli account presi in considerazione:
    • Le API di Twitter non permettono di effettuare troppe richieste in brevi
       periodi di tempo. Questa è la ragione per cui è stato preso in analisi
       solo un campione di 20.000 utenti, per quanto elevato, e non la totalità
       dei follower.
    • Nel caso in cui un account avesse un numero di follower inferiore a
       20.000 sono stati presi in analisi tutti i suoi follower, dove permesso
       dalle API di Twitter. (Questo scarto in ogni caso si limita a pochissimi
       account)
    • Twitter ha un servizio che permette di verificare il profilo per
       dichiararne l’autenticità, non tutti gli account presi in considerazione
       hanno, al momento della ricerca, usufruito di questo servizio.
       Sono stati quindi selezionati i profili verificati e i profili che sono stati
       riconosciuti ufficiali grazie alla loro presenza sulle pagine web relative.
       Viene quindi riconosciuto come ufficiale il profilo non verificato che è
       linkato dalla pagina web del soggetto o del personaggio politico.
    • La selezione del campione è stata estratta dal software attraverso un
       algoritmo random che permette una reale casualità sull’intero range di
       utenti.
    • Non sono stati analizzati gli account "protetti". Ovvero quelli che non
       condividono pubblicamente le loro attività e quindi non sono
       analizzabili dal software.
    • Nei parametri che hanno a che fare con i post degli utenti, sono stati
       presi in considerazione solo gli ultimi 20 post.

                              Algoritmo e metodo

L'algoritmo tiene conto di due classi di parametri, che corrispondono la prima
a comportamenti che rappresentano caratteristiche probabilmente "umane"; la
seconda annovera caratteristiche probabilmente da "BOT".

Caratteristiche associabili a comportamento "umano" che valgono un punto:

   ●   Il profilo contiene un nome
   ●   Il profilo contiene un'immagine
   ●   Il profilo contiene un indirizzo fisico
   ●   Il profilo contiene una biografia
   ●   L'utente ha almeno 30 follower
   ●   L'utente è stato inserito in una lista da altri utenti
   ●   L'utente ha scritto più di 50 post
   ●   L'utente è stato geolocalizzato
   ●   Il profilo contiene un URL
   ●   L'utente è stato inserito tra i preferiti di qualche altro utente
   ●   L'utente usa la punteggiatura nei suoi post
   ●   L'utente ha usato almeno una vota un hashtag nei suoi post
   ●   L'utente ha usato un iPhone per accedere a Twitter
   ●   L'utente ha usato Android per accedere a Twitter

                                                                                  6
● L’utente ha postato con Foursquare
   ● L'utente ha postato con Instagram
   ● L'utente ha usato il sito web Twitter.com
   ● L'utente ha scritto lo userID di un altro utente all'interno di almeno un
     post
   ● L’utente ha un numero di follower che se moltiplicato per 2 è maggiore
     dei following
   ● L’utente pubblica contenuti che non contengono URL

Caratteristiche associabili a comportamento "umano" che valgono due punti:

   ● Almeno un post è stato retwittato da altri utenti

Caratteristiche associabili a comportamento "umano" che valgono tre punti:

   ● L'utente ha avuto accesso a Twitter attraverso client diversi

Caratteristiche associabili a comportamento "BOT" che valgono un punto:

   ● Usa solo API
   ● Per ogni caratteristica nell'elenco "umano" che non totalizza punti, sarà
     assegnato un punto "BOT" ad esclusione delle seguenti caratteristiche:
           ○               l’utente ha usato differenti client
           ○               l’utente utilizza il sito web
           ○               l’utente ha usato Android
           ○               l’utente ha usato iPhone
           ○               l’utente ha postato con Foursquare
           ○               l’utente ha postato con Instagram

Caratteristiche associabili a comportamento "BOT" che valgono due punti:

   ● Nessun post è stato retwittato da altri utenti


Se la singola caratteristica di comportamento "umano" risulta vera, vengono
assegnati i relativi punti "umano". Se risulta falsa vengono assegnati i relativi
punti "BOT".
Viceversa per ogni singola caratteristica di comportamento "BOT", se risulta
vera, vengono assegnati punti "BOT". Se risulta falsa vengono assegnati
punti "umano".

Il software analizza i follower di ogni singolo account preso in considerazione
nel campione e assegna il punteggio "umano" o punteggio "BOT" ad ogni
singolo follower.

Esiste una parte di utenti definita da un comportamento "incerto" il cui
comportamento non rientra in una soglia tale da riuscire a definirli come
comportamenti "umani" o come comportamenti "BOT".

                                                                               7
In ottica conservativa, per non indentificare come "BOT" utenti dubbi, se il
numero di "BOT" è superiore al numero di "umani" con uno scarto, definito
come Calibration Discriminant (C.D.), compreso tra 0 e 4 punti, i profili
vengono definiti come profili dal comportamento “incerto”.

                            Calibration Discriminant

   ● “umano” se il valore “umano” è maggiore del valore “BOT”
     [Human_Value>Bot_Value]
   ● “incerto” se il valore “umano” è minore del valore “BOT” con una
     differenza di massimo 4 punti.
     [Human_Value>=Bot_Value – 4 AND Human_Value<=Bot_Value]
   ● “BOT” se il valore “umano” è inferiore al valore “BOT” di almeno 4 punti
     [Human_Value<Bot_Value – 4]

Nelle ricerche effettuate precedentemente dagli autori, è stata sempre ritenuta
valido un C.D. di 4 punti. Al fine di introdurre nuovi dati utili a identificare con
maggior accuratezza gli utenti attivi da quelli inattivi, in questa ricerca si è
deciso di considerare tutte le Calibration Discriminant comprese tra 4 e 9
punti (di seguito chiamate calibration discriminant L, dove L sta per il
livello/valore di calibration discriminant utilizzato per l’analisi), la variazione dei
dati al variare della calibration discriminant sarà visibile nei dati mostrati nel
grafico 1(a/b).

I valori che non sono quindi assimilati né ai profili dal comportamento di tipo
“umano” nè ai profili dal comportamento di tipo “BOT“ sono indicati nella
ricerca dalla percentuale degli account incerti.
Al variare della soglia differenziale quindi la percentuale degli account incerti
aumenta.

Esiste inoltre un numero marginale di utenti definiti come "protetti" le cui
attività sul social network non possono essere analizzate in quanto le
impostazioni di privacy impostate su Twitter non lo consentono. Anche in
questo caso, come sopra, i valori di questi utenti non sono stati presi in
considerazione ai fini della valutazione umano/BOT, ma sono stati misurati e
sono visualizzabili nei dati dettagliati.

In generale i valori degli utenti utenti sono stati presi in considerazione ai fini
delle tabelle riassuntive che seguiranno, sono stati misurati e sono
visualizzabili nei documenti dettagliati che è possibile richiedere presso il sito
www.digitalevaluations.com.



                                      Risultati

                               Le tabelle risultanti:


                                                                                     8
Sono state realizzate alcune tabelle che mostrano i dati più rilevanti della
ricerca, i dati integrali "raw" verranno comunque resi disponibili a chi li
richiederà per nuovi studi o approfondimenti del seguente studio.



Le tabelle sono divise in:
   ● tabelle a - tabelle relative ai soggetti politici
   ● tabelle b - tabelle relative ai personaggi politici


    Tabella 1 (a/b) - Proiezione sul totale a Calibration Discriminant 9

Nelle tabelle 1a e 1b si è deciso per prudenza di aumentare questa soglia da
4 a 9 punti in modo di aumentare il numero di variabili necessarie a definire il
probabile “comportamento BOT”.

Le tabelle 1a e 1b mostrano una proiezione dei dati ricavati sul totale dei
follower.
Sulla base delle percentuali dei comportamenti "BOT" rilevate sul campione
preso in esame (20.000 follower) è stato proiettato il numero di follower con
comportamento "BOT".
Le tabelle sono ordinate in base alla percentuale di utenti che hanno
comportamenti di tipo BOT.
●       Id Account: il nome utente dell'account
●       Followers il numero di utenti che seguono l’account
●       Numero BOT numero degli utenti che hanno comportamenti di tipo
  BOT
●       %BOT percentuale degli utenti che hanno comportamenti di tipo BOT
●       Numero umani numero degli utenti che hanno comportamenti di tipo
  umano
●       %umani percentuale degli utenti che hanno comportamenti di tipo
  umano
●       %protetti percentuale degli utenti le cui attività non sono analizzabili
  dal software
●       %incerti percentuale degli utenti che hanno comportamenti di tipo
  incerto

                               Soggetti politici


                      Tabella 1a: Proiezione sul Totale
              Followe Numero     %      Numero       %     %
  Id Account      r    "BOT" "BOT" "umani" "umani" "protetti" % "incerti"
SEL (Sinistra
Ecologia e
Libertà)       39542 11165 28,24           15696     39,70  8,05   24,02


                                                                              9
M5S
(Movimento a
5 Stelle)       20429     3606   17,65     9699     47,48    7,99    26,89
LEGA NORD        3143      547   17,39     1598     50,83    8,12    23,66
PD              14132     1686   11,93     8861     62,70    7,65    17,72
PDL              6394      654   10,22     4071     63,66    6,06    20,05
FLI               934       89    9,57      608     65,05    6,99    18,39
UDC               444       41    9,26      298     67,04    6,32    17,38
ITALIA
FUTURA            5188       328     6,32      3757     72,42 7,93   13,33
               NON E’ PRESENTE SU TWITTER (potrebbe essere
IDV            riconducibile all’account Antonio Di Pietro)




                            Personaggi politici

                     Tabella 1b: Proiezione sul Totale
               Followe Numero     %      Numero        %     %     %
   Id Account      r    "BOT" "BOT" "umani" "umani" "protetti" "incerti"
                637.37
Beppe Grillo         2 275.249 43,19 153.447           24,08  5,97 26,77
Antonio Di      122.87
Pietro               3 40.597 33,04        40.456      32,93  7,70 26,34
                212.93
Nichi Vendola        7 67.299 31,61        75.625      35,52  7,62 25,27
Pier Luigi      126.37
Bersani              2 39.169 31,00        46.852      37,08  7,11 24,83
Roberto Maroni   2.487      619 24,87        1.083     43,57  5,61 25,96
Pierferdinando
Casini          62.252 13.555 21,78        28.455      45,71  6,97 25,55
                128.45
Matteo Renzi         4 23.379 18,20        65.768      51,20  6,94 23,66
                                                                     10
Angelino Alfano 29.942        4.063 13,57        16.977 56,70 6,79        22,94
Gianfranco Fini 18.388        2.122 11,54        11.187 60,84 7,07        20,56
Ignazio La
Russa                3.645      294     8,07      2.402 65,89 6,69        19,35
Enrico Letta        12.625      823     6,52      8.918 70,64 6,39        16,45
                  NON E’ PRESENTE SU TWITTER (potrebbe essere
Silvio Berlusconi riconducibile all’account del PDL)




      Tabella 2 (a/b) - Dati sul campione Calibration Discriminant 9

Le tabelle 2a e 2b rappresentano i Dati ottenuti dal software sul campione di
20.000 utenti per brand, esse contengono sei colonne ordinate per
percentuale di "BOT":
   ● Id Account: il nome utente dell'account
   ● Utenti considerati il numero di utenti scelti random dal software
   ● Numero BOT numero degli utenti che hanno comportamenti di tipo
 BOT
   ● %BOT percentuale degli utenti che hanno comportamenti di tipo BOT
   ● Numero umani numero degli utenti che hanno comportamenti di tipo
 umano
   ● %umani percentuale degli utenti che hanno comportamenti di tipo
 umano
   ● %protetti percentuale degli utenti le cui attività non sono analizzabili
 dal software
   ● %incerti percentuale degli utenti che hanno comportamenti di tipo
 incerto

                              Soggetti politici

                         Tabella 2a: Dati sul campione

                                                                           11
Utenti Numer
                consider   o     %   Numero    %        %
  Id Account       ati   "BOT" "BOT" "umani" "umani" "protetti" % "incerti"
SEL (Sinistra
Ecologia e
Libertà)          20.000   5.647   28,24    7.939    39,70    8,05    24,02
M5S
(Movimento a
5 Stelle)         20.000   3.530   17,65    9.495    47,48    7,99    26,89
LEGA NORD          3.128     544   17,39    1.590    50,83    8,12    23,66
PD                14.051   1.676   11,93    8.810    62,70    7,65    17,72
PDL                6.349     649   10,22    4.042    63,66    6,06    20,05
FLI                  930      89    9,57      605    65,05    6,99    18,39
UDC                  443      41    9,26      297    67,04    6,32    17,38
ITALIA
FUTURA              5.160     326     6,32     3.737     72,42 7,93   13,33
                NON E’ PRESENTE SU TWITTER (potrebbe essere
IDV             riconducibile all’account Antonio Di Pietro)

                             Personaggi politici

                         Tabella 2b: Dati sul campione
                 Utenti Numer
                consider   o      %       Numero      %     %
  Id Account       ati   "BOT" "BOT" "umani" "umani" "protetti" % "incerti"
Beppe Grillo      20.000 8.637 43,19          4.815   24,08  5,97    26,77
Antonio Di
Pietro           20.000 6.608 33,04           6.585 32,93 7,70        26,34
Nichi Vendola 20.000 6.321 31,61              7.103 35,52 7,62        25,27
Pier Luigi
Bersani          20.000 6.199 31,00           7.415 37,08 7,11        24,83
Roberto
Maroni            2.300     572 24,87         1.002 43,57 5,61        25,96
Pierferdinand
o Casini         20.000 4.355 21,78           9.142 45,71 6,97        25,55
Matteo Renzi     20.000 3.640 18,20          10.240 51,20 6,94        23,66
Angelino
Alfano           20.000 2.714 13,57          11.340 56,70 6,79        22,94
Gianfranco
Fini             18.300 2.112 11,54          11.133 60,84 7,07        20,56
Ignazio La
Russa             3.618     292     8,07      2.384 65,89 6,69        19,35
Enrico Letta     12.625     823     6,52      8.918 70,64 6,39        16,45
Silvio        NON E’ PRESENTE SU TWITTER (potrebbe essere
Berlusconi    riconducibile all’account del PDL)



                                                                      12
Tabella 3 (a/b) - Proiezione sul totale a Calibration Discriminant 4

Le tabelle 3a e 3b mostrano una proiezione dei dati ricavati sul totale dei
follower utilizzando la soglia di 4 punti, utilizzata nelle ricerche precedenti.
Sulla base delle percentuali dei comportamenti "BOT" rilevate sul campione
preso in esame (20.000 follower) è stato proiettato il numero di follower con
comportamento "BOT".
Le tabelle sono ordinate in base alla percentuale di utenti che hanno
comportamenti di tipo BOT.
●       Id Account: il nome utente dell'account
●       Followers il numero di utenti che seguono l’account
●       Numero BOT numero degli utenti che hanno comportamenti di tipo
  BOT
●       %BOT percentuale degli utenti che hanno comportamenti di tipo BOT
●       Numero umani numero degli utenti che hanno comportamenti di tipo
  umano
●       %umani percentuale degli utenti che hanno comportamenti di tipo
  umano
                   ● %protetti percentuale degli utenti le cui attività non sono
analizzabili dal software
●       %incerti percentuale degli utenti che hanno comportamenti di tipo
  incerto

                               Soggetti politici

                       Tabella 3a: Proiezione sul Totale
              Followe Numero          %     Numero        %     %       %
  Id Account      r      "BOT"      "BOT" "umani" "umani" "protetti" "incerti"
SEL (Sinistra
Ecologia e
Libertà)        39.542     16.388 41,45       15.696      39,70  8,05 10,81
M5S
(Movimento a
5 Stelle)       20.429       6.329 30,98        9.699     47,48  7,99 13,56
LEGA NORD        3.143          911 29,00       1598      50,83  8,12 12,05
PD              14.132       2.863 20,26        8.861     62,70  7,65    9,39
PDL              6.394       1.257 19,66        4.071     63,66  6,06 10,62
FLI                934          177 18,92         608     65,05  6,99    9,03
UDC                444           76 17,16         298     67,04  6,32    9,48
ITALIA
FUTURA           5.188          652 12,56       3.757     72,42  7,93    7,09
              NON E’ PRESENTE SU TWITTER (potrebbe essere
IDV           riconducibile all’account Antonio Di Pietro)




                                                                             13
Personaggi politici

                       Tabella 3b: Proiezione sul Totale
              Followe Numero        %     Numero      %     %
  Id Account      r    "BOT" "BOT" "umani" "umani" "protetti" % "incerti"
                637.37
Beppe Grillo         2 377770 59,27 153.447           24,08  5,97  10,69
Antonio Di      122.87
Pietro               3 58918 47,95           40.456   32,93  7,70  11,43
                212.93
Nichi Vendola        7 97866 45,96           75.625   35,52  7,62  10,91
Pier Luigi      126.37
Bersani              2 56703 44,87           46.852   37,08  7,11  10,95
Roberto
Maroni           2.487      976 39,26         1.083   43,57  5,61  11,57
Pierferdinand
o Casini        62.252 22034 35,40           28.455   45,71  6,97  11,93
                128.45
Matteo Renzi         4 38517 29,99           65.768   51,20  6,94  11,88
Angelino
Alfano          29.942     7399 24,71        16.977   56,70  6,79  11,80
Gianfranco
Fini            18.388     3912 21,27        11.187   60,84  7,07  10,83
Ignazio La
Russa            3.645      640 17,55         2.402   65,89  6,69   9,87
Enrico Letta    12.625     1732 13,72         8.918   70,64  6,39   9,25
Silvio        NON E’ PRESENTE SU TWITTER (potrebbe essere
Berlusconi    riconducibile all’account del PDL)



                                                                    14
Tabella 4 (a/b) - Dati sul campione Calibration Discriminant 4

Le tabelle 4a e 4b rappresentano i Dati ottenuti dal software sul campione di
20.000 utenti per brand, esse contengono sei colonne ordinate per
percentuale di "BOT":
●      Id Account: il nome utente dell'account
●      Utenti considerati il numero di utenti scelti random dal software
●      Numero BOT numero degli utenti che hanno comportamenti di tipo
 BOT
●      %BOT percentuale degli utenti che hanno comportamenti di tipo BOT
●      Numero umani numero degli utenti che hanno comportamenti di tipo
 umano
●      %umani percentuale degli utenti che hanno comportamenti di tipo
 umano
●      %protetti percentuale degli utenti le cui attività non sono analizzabili
 dal software
●      %incerti percentuale degli utenti che hanno comportamenti di tipo
 incerto

                               Soggetti politici

                         Tabella 4a: Dati sul campione
                 Utenti Numer
                consider   o      %       Numero      % %
  Id Account       ati   "BOT" "BOT" "umani" "umani" "protetti" % "incerti"
SEL (Sinistra
Ecologia e
Libertà)         20.000    8.289   41,45      7.939    39,70      8,05      10,81
M5S
(Movimento a
5 Stelle)        20.000    6.196   30,98      9.495    47,48      7,99      13,56

                                                                             15
LEGA NORD        3.128     907   29,00      1.590    50,83      8,12     12,05
PD              14.051   2.847   20,26      8.810    62,70      7,65      9,39
PDL              6.349   1.248   19,66      4.042    63,66      6,06     10,62
FLI                930     176   18,92        605    65,05      6,99      9,03
UDC                443      76   17,16        297    67,04      6,32      9,48
ITALIA
FUTURA            5.160     648 12,56        3.737     72,42 7,93         7,09
              NON E’ PRESENTE SU TWITTER (potrebbe essere
IDV           riconducibile all’account Antonio Di Pietro)

                            Personaggi politici

                       Tabella 4b: Dati sul campione
               Utenti Numer
              consider   o      %       Numero      %     %
  Id Account     ati   "BOT" "BOT" "umani" "umani" "protetti" % "incerti"
Beppe Grillo    20.000 11.854 59,27         4.815   24,08  5,97    10,69
Antonio Di
Pietro           20.000 9.590 47,95           6.585 32,93 7,70           11,43
Nichi Vendola 20.000 9.192 45,96              7.103 35,52 7,62           10,91
Pier Luigi
Bersani          20.000 8.974 44,87           7.415 37,08 7,11           10,95
Roberto
Maroni            2.300     903 39,26         1.002 43,57 5,61           11,57
Pierferdinand
o Casini         20.000 7.079 35,40           9.142 45,71 6,97           11,93
Matteo Renzi     20.000 5.997 29,99          10.240 51,20 6,94           11,88
Angelino
Alfano           20.000 4.942 24,71          11.340 56,70 6,79           11,80
Gianfranco
Fini             18.300 3.893 21,27          11.133 60,84 7,07           10,83
Ignazio La
Russa             3.618     635 17,55         2.384 65,89 6,69            9,87
Enrico Letta     12.625 1.732 13,72           8.918 70,64 6,39            9,25
Silvio        NON E’ PRESENTE SU TWITTER (potrebbe essere
Berlusconi    riconducibile all’account del PDL)




                              Grafico 1(a/b) –

I grafici 1a e 1b mostrano l’andamento delle percentuali dei “BOT” (BOT
presunti o inattivi) variando la Calibration Discriminant attraverso i valori
compresi tra 4 e 9 punti.


                                                                          16
Si ricorda che al variare della C.D. le percentuali di “protetti” e “umani”
rimangono invariate.




                                                                        17

More Related Content

Viewers also liked

Brand Cascading - How to Stay True to Your Brand
Brand Cascading - How to Stay True to Your BrandBrand Cascading - How to Stay True to Your Brand
Brand Cascading - How to Stay True to Your BrandSix Degrees
 
Top management teams
Top management teamsTop management teams
Top management teamslindahauck
 
Vinci Milan Lecce 168 09
Vinci Milan Lecce 168 09Vinci Milan Lecce 168 09
Vinci Milan Lecce 168 09Silvio De Rossi
 
Sturing & Ruimte MKB Congres 2009
Sturing & Ruimte MKB Congres 2009Sturing & Ruimte MKB Congres 2009
Sturing & Ruimte MKB Congres 2009Proven Partners
 
Michał Laskowski - internetowy business w 6 miesięcy
Michał Laskowski - internetowy business w 6 miesięcyMichał Laskowski - internetowy business w 6 miesięcy
Michał Laskowski - internetowy business w 6 miesięcyguest4d4d00
 
Rochersextraordinaires11 (4)
Rochersextraordinaires11 (4)Rochersextraordinaires11 (4)
Rochersextraordinaires11 (4)elocastanyo
 
Arron and Marci
Arron and MarciArron and Marci
Arron and MarciSteve J
 
Compensation hrd 8212 lirio
Compensation hrd 8212 lirioCompensation hrd 8212 lirio
Compensation hrd 8212 liriolindahauck
 
Paralimpiadi 2008: le schede degli atleti azzurri
Paralimpiadi 2008: le schede degli atleti azzurriParalimpiadi 2008: le schede degli atleti azzurri
Paralimpiadi 2008: le schede degli atleti azzurriSilvio De Rossi
 
Online Marketing - How to Use Corporate Blogging Effectively
Online Marketing - How to Use Corporate Blogging EffectivelyOnline Marketing - How to Use Corporate Blogging Effectively
Online Marketing - How to Use Corporate Blogging EffectivelySix Degrees
 
Eco4132 fall 2010
Eco4132 fall 2010Eco4132 fall 2010
Eco4132 fall 2010lindahauck
 
Emedigitalautobiography4
Emedigitalautobiography4Emedigitalautobiography4
Emedigitalautobiography4rae15
 
Native American Dig Site
Native American Dig SiteNative American Dig Site
Native American Dig Sitemjacobson
 
Intro To Global Interdisciplinary Studies
Intro To Global Interdisciplinary StudiesIntro To Global Interdisciplinary Studies
Intro To Global Interdisciplinary Studieslindahauck
 
Border Crossings Using NING
Border Crossings Using NINGBorder Crossings Using NING
Border Crossings Using NINGAndy Milligan
 
Metric System Scientific Notation
Metric  System  Scientific  NotationMetric  System  Scientific  Notation
Metric System Scientific NotationRegis Komperda
 

Viewers also liked (20)

We are all hackers now
We are all hackers nowWe are all hackers now
We are all hackers now
 
Brand Cascading - How to Stay True to Your Brand
Brand Cascading - How to Stay True to Your BrandBrand Cascading - How to Stay True to Your Brand
Brand Cascading - How to Stay True to Your Brand
 
Top management teams
Top management teamsTop management teams
Top management teams
 
Vinci Milan Lecce 168 09
Vinci Milan Lecce 168 09Vinci Milan Lecce 168 09
Vinci Milan Lecce 168 09
 
Sturing & Ruimte MKB Congres 2009
Sturing & Ruimte MKB Congres 2009Sturing & Ruimte MKB Congres 2009
Sturing & Ruimte MKB Congres 2009
 
SHADE
SHADESHADE
SHADE
 
Michał Laskowski - internetowy business w 6 miesięcy
Michał Laskowski - internetowy business w 6 miesięcyMichał Laskowski - internetowy business w 6 miesięcy
Michał Laskowski - internetowy business w 6 miesięcy
 
Rochersextraordinaires11 (4)
Rochersextraordinaires11 (4)Rochersextraordinaires11 (4)
Rochersextraordinaires11 (4)
 
Arron and Marci
Arron and MarciArron and Marci
Arron and Marci
 
Compensation hrd 8212 lirio
Compensation hrd 8212 lirioCompensation hrd 8212 lirio
Compensation hrd 8212 lirio
 
6 1 istoria_st
6 1 istoria_st6 1 istoria_st
6 1 istoria_st
 
Paralimpiadi 2008: le schede degli atleti azzurri
Paralimpiadi 2008: le schede degli atleti azzurriParalimpiadi 2008: le schede degli atleti azzurri
Paralimpiadi 2008: le schede degli atleti azzurri
 
Online Marketing - How to Use Corporate Blogging Effectively
Online Marketing - How to Use Corporate Blogging EffectivelyOnline Marketing - How to Use Corporate Blogging Effectively
Online Marketing - How to Use Corporate Blogging Effectively
 
3 istoria st
3 istoria st3 istoria st
3 istoria st
 
Eco4132 fall 2010
Eco4132 fall 2010Eco4132 fall 2010
Eco4132 fall 2010
 
Emedigitalautobiography4
Emedigitalautobiography4Emedigitalautobiography4
Emedigitalautobiography4
 
Native American Dig Site
Native American Dig SiteNative American Dig Site
Native American Dig Site
 
Intro To Global Interdisciplinary Studies
Intro To Global Interdisciplinary StudiesIntro To Global Interdisciplinary Studies
Intro To Global Interdisciplinary Studies
 
Border Crossings Using NING
Border Crossings Using NINGBorder Crossings Using NING
Border Crossings Using NING
 
Metric System Scientific Notation
Metric  System  Scientific  NotationMetric  System  Scientific  Notation
Metric System Scientific Notation
 

Similar to Politici su Twitter: la ricerca di Camisani Calzolari

Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.
Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.
Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.Digital Expert - Internet Enthusiast
 
#socialPA_Seminario_NexaCenter
#socialPA_Seminario_NexaCenter#socialPA_Seminario_NexaCenter
#socialPA_Seminario_NexaCenterGiovanni Arata
 
Social minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricercaSocial minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricercaSocial Minds
 
6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...
6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...
6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...Fabio Ciracì
 
Presentazione #socialPA Nov12
Presentazione #socialPA Nov12Presentazione #socialPA Nov12
Presentazione #socialPA Nov12Giovanni Arata
 
L'uso dei social network nell'e-government. Il caso di Twitter.
L'uso dei social network nell'e-government. Il caso di Twitter.L'uso dei social network nell'e-government. Il caso di Twitter.
L'uso dei social network nell'e-government. Il caso di Twitter.davide_guida
 
Social media, stili di vita digitali e reputation- Gerenzani IAB Forum
Social media, stili di vita digitali e reputation- Gerenzani IAB ForumSocial media, stili di vita digitali e reputation- Gerenzani IAB Forum
Social media, stili di vita digitali e reputation- Gerenzani IAB Forumcarla campana
 
Gli italiani "social" e le marche - Fotografia di uno scenario
Gli italiani "social" e le marche - Fotografia di uno scenarioGli italiani "social" e le marche - Fotografia di uno scenario
Gli italiani "social" e le marche - Fotografia di uno scenarioInnexa
 
Digital Marketing Platform | BEWE
Digital Marketing Platform | BEWEDigital Marketing Platform | BEWE
Digital Marketing Platform | BEWEROIALTY
 
Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...
Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...
Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...Saverio Bruno
 
Scrivere per i Social Network
Scrivere per i Social NetworkScrivere per i Social Network
Scrivere per i Social NetworkDML Srl
 
20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...
20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...
20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...Me-Source S.r.l./Blogmeter
 
Social listening: a cosa serve ascoltare la rete e cosa si può scoprire
Social listening: a cosa serve ascoltare la rete e cosa si può scoprireSocial listening: a cosa serve ascoltare la rete e cosa si può scoprire
Social listening: a cosa serve ascoltare la rete e cosa si può scoprireCentral Marketing Intelligence
 
Dai Big Data ai Relevant Data
Dai Big Data ai Relevant DataDai Big Data ai Relevant Data
Dai Big Data ai Relevant DataFederico Capeci
 
Presentazione Stacchiotti
Presentazione StacchiottiPresentazione Stacchiotti
Presentazione StacchiottiEidos Srl
 

Similar to Politici su Twitter: la ricerca di Camisani Calzolari (20)

Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.
Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.
Introduzione ai Social Media. Twitter Parte 1/2. A cura di Luca Menna.
 
#TwitterPA 2012
#TwitterPA 2012#TwitterPA 2012
#TwitterPA 2012
 
#socialPA_Seminario_NexaCenter
#socialPA_Seminario_NexaCenter#socialPA_Seminario_NexaCenter
#socialPA_Seminario_NexaCenter
 
Angela Creta. La comunicazione istituzionale 2.0: la PA e i Social Media
Angela Creta. La comunicazione istituzionale 2.0: la PA e i Social MediaAngela Creta. La comunicazione istituzionale 2.0: la PA e i Social Media
Angela Creta. La comunicazione istituzionale 2.0: la PA e i Social Media
 
Social minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricercaSocial minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricerca
 
Cosa è social
Cosa è socialCosa è social
Cosa è social
 
6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...
6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...
6.2 vizi e virtú dei social network (identità digitale, socioclean, twitter, ...
 
Presentazione #socialPA Nov12
Presentazione #socialPA Nov12Presentazione #socialPA Nov12
Presentazione #socialPA Nov12
 
L'uso dei social network nell'e-government. Il caso di Twitter.
L'uso dei social network nell'e-government. Il caso di Twitter.L'uso dei social network nell'e-government. Il caso di Twitter.
L'uso dei social network nell'e-government. Il caso di Twitter.
 
Social media, stili di vita digitali e reputation- Gerenzani IAB Forum
Social media, stili di vita digitali e reputation- Gerenzani IAB ForumSocial media, stili di vita digitali e reputation- Gerenzani IAB Forum
Social media, stili di vita digitali e reputation- Gerenzani IAB Forum
 
Gli italiani "social" e le marche - Fotografia di uno scenario
Gli italiani "social" e le marche - Fotografia di uno scenarioGli italiani "social" e le marche - Fotografia di uno scenario
Gli italiani "social" e le marche - Fotografia di uno scenario
 
Digital Marketing Platform | BEWE
Digital Marketing Platform | BEWEDigital Marketing Platform | BEWE
Digital Marketing Platform | BEWE
 
Politici e social media
Politici e social mediaPolitici e social media
Politici e social media
 
Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...
Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...
Strumenti di Comunicazione Integrata per PMI e Startup Social Engagement List...
 
Scrivere per i Social Network
Scrivere per i Social NetworkScrivere per i Social Network
Scrivere per i Social Network
 
Primo learning meeting Wister: social network e istituzioni
Primo learning meeting Wister: social network e istituzioniPrimo learning meeting Wister: social network e istituzioni
Primo learning meeting Wister: social network e istituzioni
 
20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...
20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...
20130926: BM_Lo scenario italiano della social tv tra comportamenti degli ute...
 
Social listening: a cosa serve ascoltare la rete e cosa si può scoprire
Social listening: a cosa serve ascoltare la rete e cosa si può scoprireSocial listening: a cosa serve ascoltare la rete e cosa si può scoprire
Social listening: a cosa serve ascoltare la rete e cosa si può scoprire
 
Dai Big Data ai Relevant Data
Dai Big Data ai Relevant DataDai Big Data ai Relevant Data
Dai Big Data ai Relevant Data
 
Presentazione Stacchiotti
Presentazione StacchiottiPresentazione Stacchiotti
Presentazione Stacchiotti
 

More from Silvio De Rossi

Moda: primo semestre 2016
Moda: primo semestre 2016Moda: primo semestre 2016
Moda: primo semestre 2016Silvio De Rossi
 
Ricerca Adecco: gli italiani e il lavoro a tempo indeterminato
Ricerca Adecco: gli italiani e il lavoro a tempo indeterminatoRicerca Adecco: gli italiani e il lavoro a tempo indeterminato
Ricerca Adecco: gli italiani e il lavoro a tempo indeterminatoSilvio De Rossi
 
Tab fiscalita 2012-2011-2010
Tab fiscalita 2012-2011-2010Tab fiscalita 2012-2011-2010
Tab fiscalita 2012-2011-2010Silvio De Rossi
 
Maturità 2012 prima prova: ecco il documento ufficiale con le tracce
Maturità 2012 prima prova: ecco il documento ufficiale con le tracceMaturità 2012 prima prova: ecco il documento ufficiale con le tracce
Maturità 2012 prima prova: ecco il documento ufficiale con le tracceSilvio De Rossi
 
Roma 2020: la lettera aperta degli sportivi italiani a Monti
Roma 2020: la lettera aperta degli sportivi italiani a MontiRoma 2020: la lettera aperta degli sportivi italiani a Monti
Roma 2020: la lettera aperta degli sportivi italiani a MontiSilvio De Rossi
 
CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento
CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento
CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento Silvio De Rossi
 
FIGC: archiviazione procedimenti
FIGC: archiviazione procedimentiFIGC: archiviazione procedimenti
FIGC: archiviazione procedimentiSilvio De Rossi
 
Disciplinare: radiati Moggi, Giraudo e Mazzini
Disciplinare: radiati Moggi, Giraudo e MazziniDisciplinare: radiati Moggi, Giraudo e Mazzini
Disciplinare: radiati Moggi, Giraudo e MazziniSilvio De Rossi
 
IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"
IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"
IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"Silvio De Rossi
 
Stadiosilviopiol anovara1
Stadiosilviopiol anovara1Stadiosilviopiol anovara1
Stadiosilviopiol anovara1Silvio De Rossi
 
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e BStadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e BSilvio De Rossi
 
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e BStadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e BSilvio De Rossi
 
Social Media Week Milano 2010: il programma
Social Media Week Milano 2010: il programmaSocial Media Week Milano 2010: il programma
Social Media Week Milano 2010: il programmaSilvio De Rossi
 
Tour HP Science of Supplies 2010
Tour HP Science of Supplies 2010Tour HP Science of Supplies 2010
Tour HP Science of Supplies 2010Silvio De Rossi
 
Calendario Cinquecentiste 2010
Calendario Cinquecentiste 2010Calendario Cinquecentiste 2010
Calendario Cinquecentiste 2010Silvio De Rossi
 
Calendario Cinquecestiste 2010
Calendario Cinquecestiste 2010Calendario Cinquecestiste 2010
Calendario Cinquecestiste 2010Silvio De Rossi
 

More from Silvio De Rossi (20)

Moda: primo semestre 2016
Moda: primo semestre 2016Moda: primo semestre 2016
Moda: primo semestre 2016
 
Ricerca Adecco: gli italiani e il lavoro a tempo indeterminato
Ricerca Adecco: gli italiani e il lavoro a tempo indeterminatoRicerca Adecco: gli italiani e il lavoro a tempo indeterminato
Ricerca Adecco: gli italiani e il lavoro a tempo indeterminato
 
Tab fiscalita 2012-2011-2010
Tab fiscalita 2012-2011-2010Tab fiscalita 2012-2011-2010
Tab fiscalita 2012-2011-2010
 
Maturità 2012 prima prova: ecco il documento ufficiale con le tracce
Maturità 2012 prima prova: ecco il documento ufficiale con le tracceMaturità 2012 prima prova: ecco il documento ufficiale con le tracce
Maturità 2012 prima prova: ecco il documento ufficiale con le tracce
 
Roma 2020: la lettera aperta degli sportivi italiani a Monti
Roma 2020: la lettera aperta degli sportivi italiani a MontiRoma 2020: la lettera aperta degli sportivi italiani a Monti
Roma 2020: la lettera aperta degli sportivi italiani a Monti
 
CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento
CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento
CGF: prosciolti Fabbri, Manfredini e lo Spezia, -6 al Benevento
 
FIGC: archiviazione procedimenti
FIGC: archiviazione procedimentiFIGC: archiviazione procedimenti
FIGC: archiviazione procedimenti
 
Disciplinare: radiati Moggi, Giraudo e Mazzini
Disciplinare: radiati Moggi, Giraudo e MazziniDisciplinare: radiati Moggi, Giraudo e Mazzini
Disciplinare: radiati Moggi, Giraudo e Mazzini
 
IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"
IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"
IAB Events Roma: Roberto Binaghi e internet "Stronger aand Faster"
 
Stadiosilviopiol anovara1
Stadiosilviopiol anovara1Stadiosilviopiol anovara1
Stadiosilviopiol anovara1
 
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e BStadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
 
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e BStadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
Stadio Silvio Piola di Novara: il 1° campo in erba sintetica tra A e B
 
Social Media Week Milano 2010: il programma
Social Media Week Milano 2010: il programmaSocial Media Week Milano 2010: il programma
Social Media Week Milano 2010: il programma
 
Tour HP Science of Supplies 2010
Tour HP Science of Supplies 2010Tour HP Science of Supplies 2010
Tour HP Science of Supplies 2010
 
Calendario Cinquecentiste 2010
Calendario Cinquecentiste 2010Calendario Cinquecentiste 2010
Calendario Cinquecentiste 2010
 
Calendario Cinquecestiste 2010
Calendario Cinquecestiste 2010Calendario Cinquecestiste 2010
Calendario Cinquecestiste 2010
 
Gioco censis servizi
Gioco   censis serviziGioco   censis servizi
Gioco censis servizi
 
Mag associati
Mag associatiMag associati
Mag associati
 
Ricerca human highway
Ricerca human highwayRicerca human highway
Ricerca human highway
 
Sos gioco
Sos giocoSos gioco
Sos gioco
 

Politici su Twitter: la ricerca di Camisani Calzolari

  • 1. DigitalEvaluations London Analisi sui follower dei principali politici italiani su Twitter. Studio quantitativo e qualitativo in relazione ai comportamenti umani (utenti presumibilmente reali) o da BOT (utenti presumibilmente falsi) dei profili di alcuni partiti e/o leader politici italiani. Author: Marco Camisani Calzolari DigitalEvaluations - London info@digitalevaluations.com www.digitalevaluations.com London, 25 luglio 2012 1
  • 2. Disclaimer: A seguito delle polemiche emerse in relazione alla ricerca precedente sull'account di Beppe Grillo sono state effettuate le seguenti migliorie e integrazioni: - Per garantire la confrontabilità anche temporale del campione tra i vari soggetti politici, sull'account Beppe_Grillo è stato estratto, in contemporanea con gli altri soggetti, un nuovo campione di 20.000 utenti random. Questa è la ragione per cui i risultati sono diversi da quanto precedentemente pubblicato. - Il periodo di estrazione del nuovo campione, per tutti gli account, è stato dalle ore 05:00AM (GMT+1) del 22/07/2012 alle ore 10:30AM (GMT+1) del 24/07/2012. - Al fine di introdurre nuovi dati utili a identificare con maggior accuratezza gli utenti attivi da quelli inattivi, in questa ricerca si è deciso di introdurre un'analisi di sensitività basata sul "Calibration Discriminant", descritto successivamente, mostrando tutti i risultati al variare del Calibration Discriminant (C.D.) da 4 a 9 punti. 2
  • 3. Abstract Twitter è un servizio gratuito che fornisce agli utenti la possibilità di aggiornare il proprio profilo attraverso messaggi di testo con una lunghezza massima di 140 caratteri. Ha raggiunto i 500 milioni di utenti, di cui solo 140 milioni attivi che hanno pubblicato un contenuto negli ultimi 30 giorni. Ogni utente può "seguire" altri utenti, ed essere seguito a sua volta. I follower (gli utenti che lo seguono) riceveranno tutti i suoi messaggi nella propria pagina principale, e viceversa lui potrà seguire altri utenti. La grande quantità di utenti registrati lo ha reso uno strumento di marketing utilizzato dalle aziende per promuovere i propri prodotti. Sono molte le imprese che hanno creato un account corporate con cui promuoversi e con l'obiettivo di collezionare il maggior numero di follower possibili. La campagna presidenziale americana del 2008 di Barack Obama ha mostrato come la ricerca di sostenitori sul web attraverso la leva dei social media potesse ampliare le potenzialità delle proprie campagne. Questo ha spinto partiti, movimenti e personalità a ricercare nel web un punto di incontro e di reclutamento dei propri sostenitori, un nuovo luogo in cui creare un senso di comunità e grazie al quale abbattere le distanze percepite nell’utilizzo dei cosiddetti “old media” che tutt’ora detengono la maggior parte dell’informazione politica del nostro paese. Questo tipo di attività sul web non è valutabile in termini di marketing, come per le aziende, tuttavia come per esse, il numero di follower rimane per alcuni un indicatore che è spesso percepito come rappresentativo del successo su Twitter, a prescindere dal reale valore dei followers in termini di interesse nei confronti del soggetto o della personalità politica. Il confronto, in termini di numero di follower, con gli oppositori politici ha spinto alcune aziende, direttamente o indirettamente attraverso intermediari, ad acquistare follower al solo fine di aumentarne il numero. La grande domanda ha creato un mercato internazionale di vendita di follower più o meno reali. Ma cos'è un follower vero rispetto a uno falso? Si può considerare vero l'utente che corrisponda a un individuo reale, che attraverso il proprio account Twitter decida di seguire volontariamente l'account dell'azienda. Il mercato propone follower completamente falsi, ovvero creati da BOT, ovvero software ro-bot capaci di generare grandi quantità di account creati ad-hoc, che diventeranno poi follower degli acquirenti che li richiederanno. Non è possibile distinguere con assoluta certezza un falso follower da uno vero, tuttavia è possibile identificare caratteristiche e comportamenti tipici degli utenti veri e degli utenti BOT. I risultati sono basati su un algoritmo capace di assegnare punti "comportamento umano" e punti "comportamento BOT" a partire da un software creato appositamente per questo scopo. Il metodo e l'algoritmo sono stati definiti secondo criteri che personalmente ritengo validi e sostenibili, ma occorre evidenziare che altri ricercatori potrebbero applicare valori diversi ai parametri o utilizzare metodi diversi, ottenendo quindi risultati differenti. Nella ricerca sono stati presi in analisi i Twitter follower di dei principali soggetti politici italiani a partire da un campione dei loro follower e ho 3
  • 4. assegnato un valore che identifica quanti di questi hanno comportamenti umani o da BOT. I dati che emergono evidenziano i presunti BOT, o quantomeno utenti non attivi, nei profili. L'algoritmo distingue gli utenti attivi da quelli inattivi e ragionevolmente tra quelli probabilmente "umani" da quelli probabilmente "BOT". Non è possibile affermare con assoluta certezza se gli utenti con comportamento identificato da "BOT" siano generati artificialmente o al contrario corrispondano a utenti umani. Introduzione La ricerca fotografa la situazione attuale riguardo la presenza dei principali soggetti politici su Twitter. Sono state divisi per comodità di studio e di fruizione dei dati i profili Twitter ufficiali dei partiti politici italiani (di seguito chiamati soggetti politici, in quanto non tutti vengono identificati dalla definizione partito) e i profili ufficiali delle personalità di rilievo del mondo politico (di seguito personaggi politici). E’ emerso che non tutti i soggetti o i personaggi considerati sono presenti Twitter, ne fanno uso quotidiano, o hanno investito in campagne dedicate ai social media, da queste caratteristiche dipende soprattutto il numero di followers. Questa ricerca si propone solo come base di riferimento per pesare il valore reale del numero dei follower spesso percepito come rappresentativo del successo su Twitter. Condizioni sperimentali È stato utilizzato un software in grado di analizzare, a campione random, i Twitter follower degli account elencati successivamente, restituendo sulla base di parametri oggettivi, quali caratteristiche o comportamenti sono attribuibili a un umano piuttosto che a un BOT. Il software ha estratto i dati in formato .csv, che contiene i dati per ognuna di queste voci: > Father_ScreenName: Il nome di twitter dell'Account > Father_Following: Il numero di Account twitter che l’Account segue > Father_Followers: Il numero di followers dell’Account > Follower_Id: Il Twitter_id del soggetto del Panel > Follower_ScreenName: Il nome di Twitter del soggetto del Panel > Follower_Protected: Se TRUE il soggetto del Panel è privato e non ha statistiche > Follower_HumanValue: I Punti Umano del soggetto del Panel > Follower_BotValue: I Punti Bot del soggetto del Panel 4
  • 5. Questi dati sono stati aggregati ed inseriti in un database Mysql dal quale, attraverso una query composta, sono stati estratti i risultati complessivi, successivamente esportati in fogli Excel per poter essere riordinati e comparati. Campione Sono stati analizzati i profili Twitter dei seguenti account: Soggetti politici Nome soggetto Account ID PDL @ilpdl PD @PDNetwork UDC @udctw FLI @_futuroeliberta IDV NON E’ PRESENTE SU TWITTER (potrebbe essere riconducibile all’account Antonio Di Pietro in quanto il nome nell'account non è IDV ma Antonio di Pietro) LEGA NORD @LegaNordPadania SEL (Sinistra Ecologia e Libertà) @sinistraelib M5S (Movimento a 5 Stelle) @Mov5Stelle ITALIA FUTURA @ItaliaF Personaggi politici Nome soggetto Twitter ID Angelino Alfano @angealfa Ignazio La Russa @Ignazio_LaRussa Gianfranco Fini @gianfranco_fini Beppe Grillo @beppe_grillo Pier Luigi Bersani @pbersani Matteo Renzi @matteorenzi Enrico Letta @EnricoLetta Pierferdinando @Pierferdinando Casini Antonio Di Pietro @idvstaff Roberto Maroni @maroni_leganord Nichi Vendola @NichiVendola Silvio Berlusconi NON E’ PRESENTE SU TWITTER (potrebbe essere riconducibile all’account del PDL) Note sul campione e le sue caratteristiche: 5
  • 6. Sono stati analizzati 20.000 follower scelti random su tutto il range dei follower degli account presi in considerazione: • Le API di Twitter non permettono di effettuare troppe richieste in brevi periodi di tempo. Questa è la ragione per cui è stato preso in analisi solo un campione di 20.000 utenti, per quanto elevato, e non la totalità dei follower. • Nel caso in cui un account avesse un numero di follower inferiore a 20.000 sono stati presi in analisi tutti i suoi follower, dove permesso dalle API di Twitter. (Questo scarto in ogni caso si limita a pochissimi account) • Twitter ha un servizio che permette di verificare il profilo per dichiararne l’autenticità, non tutti gli account presi in considerazione hanno, al momento della ricerca, usufruito di questo servizio. Sono stati quindi selezionati i profili verificati e i profili che sono stati riconosciuti ufficiali grazie alla loro presenza sulle pagine web relative. Viene quindi riconosciuto come ufficiale il profilo non verificato che è linkato dalla pagina web del soggetto o del personaggio politico. • La selezione del campione è stata estratta dal software attraverso un algoritmo random che permette una reale casualità sull’intero range di utenti. • Non sono stati analizzati gli account "protetti". Ovvero quelli che non condividono pubblicamente le loro attività e quindi non sono analizzabili dal software. • Nei parametri che hanno a che fare con i post degli utenti, sono stati presi in considerazione solo gli ultimi 20 post. Algoritmo e metodo L'algoritmo tiene conto di due classi di parametri, che corrispondono la prima a comportamenti che rappresentano caratteristiche probabilmente "umane"; la seconda annovera caratteristiche probabilmente da "BOT". Caratteristiche associabili a comportamento "umano" che valgono un punto: ● Il profilo contiene un nome ● Il profilo contiene un'immagine ● Il profilo contiene un indirizzo fisico ● Il profilo contiene una biografia ● L'utente ha almeno 30 follower ● L'utente è stato inserito in una lista da altri utenti ● L'utente ha scritto più di 50 post ● L'utente è stato geolocalizzato ● Il profilo contiene un URL ● L'utente è stato inserito tra i preferiti di qualche altro utente ● L'utente usa la punteggiatura nei suoi post ● L'utente ha usato almeno una vota un hashtag nei suoi post ● L'utente ha usato un iPhone per accedere a Twitter ● L'utente ha usato Android per accedere a Twitter 6
  • 7. ● L’utente ha postato con Foursquare ● L'utente ha postato con Instagram ● L'utente ha usato il sito web Twitter.com ● L'utente ha scritto lo userID di un altro utente all'interno di almeno un post ● L’utente ha un numero di follower che se moltiplicato per 2 è maggiore dei following ● L’utente pubblica contenuti che non contengono URL Caratteristiche associabili a comportamento "umano" che valgono due punti: ● Almeno un post è stato retwittato da altri utenti Caratteristiche associabili a comportamento "umano" che valgono tre punti: ● L'utente ha avuto accesso a Twitter attraverso client diversi Caratteristiche associabili a comportamento "BOT" che valgono un punto: ● Usa solo API ● Per ogni caratteristica nell'elenco "umano" che non totalizza punti, sarà assegnato un punto "BOT" ad esclusione delle seguenti caratteristiche: ○ l’utente ha usato differenti client ○ l’utente utilizza il sito web ○ l’utente ha usato Android ○ l’utente ha usato iPhone ○ l’utente ha postato con Foursquare ○ l’utente ha postato con Instagram Caratteristiche associabili a comportamento "BOT" che valgono due punti: ● Nessun post è stato retwittato da altri utenti Se la singola caratteristica di comportamento "umano" risulta vera, vengono assegnati i relativi punti "umano". Se risulta falsa vengono assegnati i relativi punti "BOT". Viceversa per ogni singola caratteristica di comportamento "BOT", se risulta vera, vengono assegnati punti "BOT". Se risulta falsa vengono assegnati punti "umano". Il software analizza i follower di ogni singolo account preso in considerazione nel campione e assegna il punteggio "umano" o punteggio "BOT" ad ogni singolo follower. Esiste una parte di utenti definita da un comportamento "incerto" il cui comportamento non rientra in una soglia tale da riuscire a definirli come comportamenti "umani" o come comportamenti "BOT". 7
  • 8. In ottica conservativa, per non indentificare come "BOT" utenti dubbi, se il numero di "BOT" è superiore al numero di "umani" con uno scarto, definito come Calibration Discriminant (C.D.), compreso tra 0 e 4 punti, i profili vengono definiti come profili dal comportamento “incerto”. Calibration Discriminant ● “umano” se il valore “umano” è maggiore del valore “BOT” [Human_Value>Bot_Value] ● “incerto” se il valore “umano” è minore del valore “BOT” con una differenza di massimo 4 punti. [Human_Value>=Bot_Value – 4 AND Human_Value<=Bot_Value] ● “BOT” se il valore “umano” è inferiore al valore “BOT” di almeno 4 punti [Human_Value<Bot_Value – 4] Nelle ricerche effettuate precedentemente dagli autori, è stata sempre ritenuta valido un C.D. di 4 punti. Al fine di introdurre nuovi dati utili a identificare con maggior accuratezza gli utenti attivi da quelli inattivi, in questa ricerca si è deciso di considerare tutte le Calibration Discriminant comprese tra 4 e 9 punti (di seguito chiamate calibration discriminant L, dove L sta per il livello/valore di calibration discriminant utilizzato per l’analisi), la variazione dei dati al variare della calibration discriminant sarà visibile nei dati mostrati nel grafico 1(a/b). I valori che non sono quindi assimilati né ai profili dal comportamento di tipo “umano” nè ai profili dal comportamento di tipo “BOT“ sono indicati nella ricerca dalla percentuale degli account incerti. Al variare della soglia differenziale quindi la percentuale degli account incerti aumenta. Esiste inoltre un numero marginale di utenti definiti come "protetti" le cui attività sul social network non possono essere analizzate in quanto le impostazioni di privacy impostate su Twitter non lo consentono. Anche in questo caso, come sopra, i valori di questi utenti non sono stati presi in considerazione ai fini della valutazione umano/BOT, ma sono stati misurati e sono visualizzabili nei dati dettagliati. In generale i valori degli utenti utenti sono stati presi in considerazione ai fini delle tabelle riassuntive che seguiranno, sono stati misurati e sono visualizzabili nei documenti dettagliati che è possibile richiedere presso il sito www.digitalevaluations.com. Risultati Le tabelle risultanti: 8
  • 9. Sono state realizzate alcune tabelle che mostrano i dati più rilevanti della ricerca, i dati integrali "raw" verranno comunque resi disponibili a chi li richiederà per nuovi studi o approfondimenti del seguente studio. Le tabelle sono divise in: ● tabelle a - tabelle relative ai soggetti politici ● tabelle b - tabelle relative ai personaggi politici Tabella 1 (a/b) - Proiezione sul totale a Calibration Discriminant 9 Nelle tabelle 1a e 1b si è deciso per prudenza di aumentare questa soglia da 4 a 9 punti in modo di aumentare il numero di variabili necessarie a definire il probabile “comportamento BOT”. Le tabelle 1a e 1b mostrano una proiezione dei dati ricavati sul totale dei follower. Sulla base delle percentuali dei comportamenti "BOT" rilevate sul campione preso in esame (20.000 follower) è stato proiettato il numero di follower con comportamento "BOT". Le tabelle sono ordinate in base alla percentuale di utenti che hanno comportamenti di tipo BOT. ● Id Account: il nome utente dell'account ● Followers il numero di utenti che seguono l’account ● Numero BOT numero degli utenti che hanno comportamenti di tipo BOT ● %BOT percentuale degli utenti che hanno comportamenti di tipo BOT ● Numero umani numero degli utenti che hanno comportamenti di tipo umano ● %umani percentuale degli utenti che hanno comportamenti di tipo umano ● %protetti percentuale degli utenti le cui attività non sono analizzabili dal software ● %incerti percentuale degli utenti che hanno comportamenti di tipo incerto Soggetti politici Tabella 1a: Proiezione sul Totale Followe Numero % Numero % % Id Account r "BOT" "BOT" "umani" "umani" "protetti" % "incerti" SEL (Sinistra Ecologia e Libertà) 39542 11165 28,24 15696 39,70 8,05 24,02 9
  • 10. M5S (Movimento a 5 Stelle) 20429 3606 17,65 9699 47,48 7,99 26,89 LEGA NORD 3143 547 17,39 1598 50,83 8,12 23,66 PD 14132 1686 11,93 8861 62,70 7,65 17,72 PDL 6394 654 10,22 4071 63,66 6,06 20,05 FLI 934 89 9,57 608 65,05 6,99 18,39 UDC 444 41 9,26 298 67,04 6,32 17,38 ITALIA FUTURA 5188 328 6,32 3757 72,42 7,93 13,33 NON E’ PRESENTE SU TWITTER (potrebbe essere IDV riconducibile all’account Antonio Di Pietro) Personaggi politici Tabella 1b: Proiezione sul Totale Followe Numero % Numero % % % Id Account r "BOT" "BOT" "umani" "umani" "protetti" "incerti" 637.37 Beppe Grillo 2 275.249 43,19 153.447 24,08 5,97 26,77 Antonio Di 122.87 Pietro 3 40.597 33,04 40.456 32,93 7,70 26,34 212.93 Nichi Vendola 7 67.299 31,61 75.625 35,52 7,62 25,27 Pier Luigi 126.37 Bersani 2 39.169 31,00 46.852 37,08 7,11 24,83 Roberto Maroni 2.487 619 24,87 1.083 43,57 5,61 25,96 Pierferdinando Casini 62.252 13.555 21,78 28.455 45,71 6,97 25,55 128.45 Matteo Renzi 4 23.379 18,20 65.768 51,20 6,94 23,66 10
  • 11. Angelino Alfano 29.942 4.063 13,57 16.977 56,70 6,79 22,94 Gianfranco Fini 18.388 2.122 11,54 11.187 60,84 7,07 20,56 Ignazio La Russa 3.645 294 8,07 2.402 65,89 6,69 19,35 Enrico Letta 12.625 823 6,52 8.918 70,64 6,39 16,45 NON E’ PRESENTE SU TWITTER (potrebbe essere Silvio Berlusconi riconducibile all’account del PDL) Tabella 2 (a/b) - Dati sul campione Calibration Discriminant 9 Le tabelle 2a e 2b rappresentano i Dati ottenuti dal software sul campione di 20.000 utenti per brand, esse contengono sei colonne ordinate per percentuale di "BOT": ● Id Account: il nome utente dell'account ● Utenti considerati il numero di utenti scelti random dal software ● Numero BOT numero degli utenti che hanno comportamenti di tipo BOT ● %BOT percentuale degli utenti che hanno comportamenti di tipo BOT ● Numero umani numero degli utenti che hanno comportamenti di tipo umano ● %umani percentuale degli utenti che hanno comportamenti di tipo umano ● %protetti percentuale degli utenti le cui attività non sono analizzabili dal software ● %incerti percentuale degli utenti che hanno comportamenti di tipo incerto Soggetti politici Tabella 2a: Dati sul campione 11
  • 12. Utenti Numer consider o % Numero % % Id Account ati "BOT" "BOT" "umani" "umani" "protetti" % "incerti" SEL (Sinistra Ecologia e Libertà) 20.000 5.647 28,24 7.939 39,70 8,05 24,02 M5S (Movimento a 5 Stelle) 20.000 3.530 17,65 9.495 47,48 7,99 26,89 LEGA NORD 3.128 544 17,39 1.590 50,83 8,12 23,66 PD 14.051 1.676 11,93 8.810 62,70 7,65 17,72 PDL 6.349 649 10,22 4.042 63,66 6,06 20,05 FLI 930 89 9,57 605 65,05 6,99 18,39 UDC 443 41 9,26 297 67,04 6,32 17,38 ITALIA FUTURA 5.160 326 6,32 3.737 72,42 7,93 13,33 NON E’ PRESENTE SU TWITTER (potrebbe essere IDV riconducibile all’account Antonio Di Pietro) Personaggi politici Tabella 2b: Dati sul campione Utenti Numer consider o % Numero % % Id Account ati "BOT" "BOT" "umani" "umani" "protetti" % "incerti" Beppe Grillo 20.000 8.637 43,19 4.815 24,08 5,97 26,77 Antonio Di Pietro 20.000 6.608 33,04 6.585 32,93 7,70 26,34 Nichi Vendola 20.000 6.321 31,61 7.103 35,52 7,62 25,27 Pier Luigi Bersani 20.000 6.199 31,00 7.415 37,08 7,11 24,83 Roberto Maroni 2.300 572 24,87 1.002 43,57 5,61 25,96 Pierferdinand o Casini 20.000 4.355 21,78 9.142 45,71 6,97 25,55 Matteo Renzi 20.000 3.640 18,20 10.240 51,20 6,94 23,66 Angelino Alfano 20.000 2.714 13,57 11.340 56,70 6,79 22,94 Gianfranco Fini 18.300 2.112 11,54 11.133 60,84 7,07 20,56 Ignazio La Russa 3.618 292 8,07 2.384 65,89 6,69 19,35 Enrico Letta 12.625 823 6,52 8.918 70,64 6,39 16,45 Silvio NON E’ PRESENTE SU TWITTER (potrebbe essere Berlusconi riconducibile all’account del PDL) 12
  • 13. Tabella 3 (a/b) - Proiezione sul totale a Calibration Discriminant 4 Le tabelle 3a e 3b mostrano una proiezione dei dati ricavati sul totale dei follower utilizzando la soglia di 4 punti, utilizzata nelle ricerche precedenti. Sulla base delle percentuali dei comportamenti "BOT" rilevate sul campione preso in esame (20.000 follower) è stato proiettato il numero di follower con comportamento "BOT". Le tabelle sono ordinate in base alla percentuale di utenti che hanno comportamenti di tipo BOT. ● Id Account: il nome utente dell'account ● Followers il numero di utenti che seguono l’account ● Numero BOT numero degli utenti che hanno comportamenti di tipo BOT ● %BOT percentuale degli utenti che hanno comportamenti di tipo BOT ● Numero umani numero degli utenti che hanno comportamenti di tipo umano ● %umani percentuale degli utenti che hanno comportamenti di tipo umano ● %protetti percentuale degli utenti le cui attività non sono analizzabili dal software ● %incerti percentuale degli utenti che hanno comportamenti di tipo incerto Soggetti politici Tabella 3a: Proiezione sul Totale Followe Numero % Numero % % % Id Account r "BOT" "BOT" "umani" "umani" "protetti" "incerti" SEL (Sinistra Ecologia e Libertà) 39.542 16.388 41,45 15.696 39,70 8,05 10,81 M5S (Movimento a 5 Stelle) 20.429 6.329 30,98 9.699 47,48 7,99 13,56 LEGA NORD 3.143 911 29,00 1598 50,83 8,12 12,05 PD 14.132 2.863 20,26 8.861 62,70 7,65 9,39 PDL 6.394 1.257 19,66 4.071 63,66 6,06 10,62 FLI 934 177 18,92 608 65,05 6,99 9,03 UDC 444 76 17,16 298 67,04 6,32 9,48 ITALIA FUTURA 5.188 652 12,56 3.757 72,42 7,93 7,09 NON E’ PRESENTE SU TWITTER (potrebbe essere IDV riconducibile all’account Antonio Di Pietro) 13
  • 14. Personaggi politici Tabella 3b: Proiezione sul Totale Followe Numero % Numero % % Id Account r "BOT" "BOT" "umani" "umani" "protetti" % "incerti" 637.37 Beppe Grillo 2 377770 59,27 153.447 24,08 5,97 10,69 Antonio Di 122.87 Pietro 3 58918 47,95 40.456 32,93 7,70 11,43 212.93 Nichi Vendola 7 97866 45,96 75.625 35,52 7,62 10,91 Pier Luigi 126.37 Bersani 2 56703 44,87 46.852 37,08 7,11 10,95 Roberto Maroni 2.487 976 39,26 1.083 43,57 5,61 11,57 Pierferdinand o Casini 62.252 22034 35,40 28.455 45,71 6,97 11,93 128.45 Matteo Renzi 4 38517 29,99 65.768 51,20 6,94 11,88 Angelino Alfano 29.942 7399 24,71 16.977 56,70 6,79 11,80 Gianfranco Fini 18.388 3912 21,27 11.187 60,84 7,07 10,83 Ignazio La Russa 3.645 640 17,55 2.402 65,89 6,69 9,87 Enrico Letta 12.625 1732 13,72 8.918 70,64 6,39 9,25 Silvio NON E’ PRESENTE SU TWITTER (potrebbe essere Berlusconi riconducibile all’account del PDL) 14
  • 15. Tabella 4 (a/b) - Dati sul campione Calibration Discriminant 4 Le tabelle 4a e 4b rappresentano i Dati ottenuti dal software sul campione di 20.000 utenti per brand, esse contengono sei colonne ordinate per percentuale di "BOT": ● Id Account: il nome utente dell'account ● Utenti considerati il numero di utenti scelti random dal software ● Numero BOT numero degli utenti che hanno comportamenti di tipo BOT ● %BOT percentuale degli utenti che hanno comportamenti di tipo BOT ● Numero umani numero degli utenti che hanno comportamenti di tipo umano ● %umani percentuale degli utenti che hanno comportamenti di tipo umano ● %protetti percentuale degli utenti le cui attività non sono analizzabili dal software ● %incerti percentuale degli utenti che hanno comportamenti di tipo incerto Soggetti politici Tabella 4a: Dati sul campione Utenti Numer consider o % Numero % % Id Account ati "BOT" "BOT" "umani" "umani" "protetti" % "incerti" SEL (Sinistra Ecologia e Libertà) 20.000 8.289 41,45 7.939 39,70 8,05 10,81 M5S (Movimento a 5 Stelle) 20.000 6.196 30,98 9.495 47,48 7,99 13,56 15
  • 16. LEGA NORD 3.128 907 29,00 1.590 50,83 8,12 12,05 PD 14.051 2.847 20,26 8.810 62,70 7,65 9,39 PDL 6.349 1.248 19,66 4.042 63,66 6,06 10,62 FLI 930 176 18,92 605 65,05 6,99 9,03 UDC 443 76 17,16 297 67,04 6,32 9,48 ITALIA FUTURA 5.160 648 12,56 3.737 72,42 7,93 7,09 NON E’ PRESENTE SU TWITTER (potrebbe essere IDV riconducibile all’account Antonio Di Pietro) Personaggi politici Tabella 4b: Dati sul campione Utenti Numer consider o % Numero % % Id Account ati "BOT" "BOT" "umani" "umani" "protetti" % "incerti" Beppe Grillo 20.000 11.854 59,27 4.815 24,08 5,97 10,69 Antonio Di Pietro 20.000 9.590 47,95 6.585 32,93 7,70 11,43 Nichi Vendola 20.000 9.192 45,96 7.103 35,52 7,62 10,91 Pier Luigi Bersani 20.000 8.974 44,87 7.415 37,08 7,11 10,95 Roberto Maroni 2.300 903 39,26 1.002 43,57 5,61 11,57 Pierferdinand o Casini 20.000 7.079 35,40 9.142 45,71 6,97 11,93 Matteo Renzi 20.000 5.997 29,99 10.240 51,20 6,94 11,88 Angelino Alfano 20.000 4.942 24,71 11.340 56,70 6,79 11,80 Gianfranco Fini 18.300 3.893 21,27 11.133 60,84 7,07 10,83 Ignazio La Russa 3.618 635 17,55 2.384 65,89 6,69 9,87 Enrico Letta 12.625 1.732 13,72 8.918 70,64 6,39 9,25 Silvio NON E’ PRESENTE SU TWITTER (potrebbe essere Berlusconi riconducibile all’account del PDL) Grafico 1(a/b) – I grafici 1a e 1b mostrano l’andamento delle percentuali dei “BOT” (BOT presunti o inattivi) variando la Calibration Discriminant attraverso i valori compresi tra 4 e 9 punti. 16
  • 17. Si ricorda che al variare della C.D. le percentuali di “protetti” e “umani” rimangono invariate. 17