Transcript VoB Svizzera ed Europa

Voices from the Blogs
We capture the sentiment of the net
Analisi dei dati testuali provenienti dalla
Rete e pubblicati in Svizzera relativi
all’Unione Europea e all’Unione Bancaria
Report per tvsvizzera
22 maggio 2014
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
DATI ANALIZZATI
KEYPOINT: IN SVIZZERA QUASI 60 MILA COMMENTI ON-LINE IN DUE MESI SULL’UNIONE EUROPEA
L’oggetto di questa ricerca consiste nell’analizzare le opinioni espresse in rete in Svizzera negli ultimi
due mesi precedenti le elezioni europee (dal 20 marzo al 20 maggio 2014) rispetto all’immagine che
l’Unione Europea nel suo complesso ha tra i cittadini elvetici, con una particolare attenzione nei
confronti di tre tematiche: politiche di austerity concertate tra gli stati membri e le istituzioni europee;
la percezione sulla moneta unica; l’accordo sull’Unione Bancaria recentemente siglato. Oltre a misurare
il sentiment per ciascuna di queste tematiche e per l’Unione Europea nel suo complesso, nel caso del
recente accordo intergovernativo sull’assetto finanziario di vigilanza bancaria abbiamo voluto cercare di
catturare anche le ragioni dietro alle critiche (e agli apprezzamenti) rivolti alle istituzioni e alle politiche
europee.
Questo report è stato redatto analizzando in totale quasi 60 mila menzioni pubblicate in rete sui canali
social (Twitter, Facebook, Google+), così come su Forum e Blog, che discutevano espressamente di
Unione Europea in Svizzera. L’analisi è stata replicata per ciascuna delle tre lingue: italiana, francese e
tedesca. Se consideriamo le singole lingue, chi ha commentato maggiormente di Unione Europea sono
stati i germanofoni (31 mila menzioni), seguiti dai francofoni (quasi 20 mila) e italofoni (quasi 7 mila).
Tutti i commenti sono stati analizzati utilizzando la tecnologia iSA® sviluppata da Voices from the Blogs
(VfB) presso l'Università degli studi di Milano (si veda appendice tecnica).
Numero di menzioni analizzate divise per lingua (dal 20 marzo al 20 maggio)
Totale per
lingua
Lingua italiana
6.718
Lingua francese
19.991
Lingua tedesca
34.181
TOTALE
57.843
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
TEMA: SENTIMENT VERSO L’UNIONE EUROPEA E VERSO LE TRE TEMATICHE
KEYPOINT: SVIZZERI MENO EURO-CRITICI DEGLI ITALIANI (MA PIÙ DEGLI EUROPEI). I PIÙ OTTIMISTI
SONO I FRANCOFONI, IN CANTON TICINO I PIÙ SCETTICI
Media complessiva commenti positivi per lingua: Unione Europea
Lingua italiana
Lingua francese
Lingua tedesca
Media Svizzera
Media paesi europei
Italia
35,6%
42,8%
36,6%
38,3%
38,6%
33,2%
Se misuriamo la media dei commenti positivi sull’Unione Europea, coloro che commentano in francese
mostrano un sentiment maggiormente positivo verso l’Unione Europea (42,8%), seguiti da coloro che
commentano in italiano (35,6%) e in tedesco (36,6%). La media della Svizzera si assesta così al 38,3%. Se
confrontiamo il dato per la Svizzera con quello che emerge da una analisi che Voices from the Blogs ha
condotto tra marzo e aprile su 12 paesi europei 1 per un totale di quasi 3 milioni di post monitorati,
possiamo osservare come la Svizzera presenti un sentiment postivo nei confronti della Unione Europea
leggermente inferiore a quello che emerge come media tra i paesi europei (38,6%), ma superiore al dato
Italiano che si ferma al 33,2%.
1
http://voicesfromtheblogs.com/2014/05/15/leuropa-alle-urne-vista-dalla-rete-siamo-diventati-euro-allergici/
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
-1-
KEYPOINT: L’UNIONE BANCARIA CRITICATA DAGLI SVIZZERI, APPREZZATA DAGLI ITALIANI. I PIÙ
FREDDI SONO I CANTONI DI LINGUA TEDESCA, CHE SONO ANCHE I MENO CRITICI SU EURO
Se passiamo ad analizzare il sentiment nei confronti delle tre tematiche più specifiche relative alla
Unione Europea, possiamo osservare come i commenti positivi espressi complessivamente dalla Svizzera
rimangono sempre minoritari, raggiundendo il minimo di sentiment positivo per le politiche di austerity
(25,4%) e, soprattutto, per l’Unione BancarIa (25,2%) , mentre solo un po’ meglio va il sentiment verso
l’Euro (37,3%). In modo interessante, se tutto sommato il sentiment verso le politiche per l’austerity e
per l’euro non si discosta troppo dal dato europeo e italiano (anche se, nel caso dell’euro, il giudizio
tende ad essere più severo in Italia rispetto alla Svizzera), la vera differenza emerge per quanto riguarda
l’Unione Bancaria: qua la distanza tra Svizzera da un lato, e paesi europei e soprattutto Italia dall’altro, è
molto marcata, con gi europei e gli italiani pronti a dare un giudizio decisamente più lusinghiero rispetto
agli svizzeri sul tema.
Sentiment positivo verso i tre temi per lingua
Austerity
Euro
Unione Bancaria
Lingua italiana
Lingua francese
Lingua tedesca
Media Svizzera
Media paesi europei
Italia
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
21,8%
36,8%
36,6%
31,0%
44,3%
37,3%
35,6%
27,8%
17,6%
25,4%
29,4%
26,1%
-2-
32,4%
24,6%
18,7%
25,2%
49,4%
57,3%
Se confrontiamo il sentiment verso le tre tematiche a seconda della lingua usata da chi commenta in
Rete, notiamo alcune differenze. Gli italofoni sono i meno scettici verso il nuovo assetto finanziario di
sorveglianza dei maggiori istituti bancari europei (32,7%), seguiti dai francofoni (24,8%) e dai
germanofoni (18,7%). Al contrario, i germanofoni apprezzano più degli altri le politiche di rafforzamento
dell’Euro quale moneta unica (44,3%), mentre più di un francofono su tre esprime un giudizio positivo
verso le politiche di austerity quale via d’uscita per la crisi economica-finanziaria che attanaglia tuttora il
continente europeo.
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
-3-
APPROFONDIMENTO: L’UNIONE BANCARIA
KEYPOINT: L’UNIONE BANCARIA CRITICATA PERCHÉ PERCEPITA COME IMPOSIZIONE EUROPEA, SPECIE
DAI CANTONI DI LINGUA TEDESCA. AL CANTON TICINO NON PIACE PERCHÉ VISTA COME IMPOSIZIONE
TEDESCA
Principali ragioni del sentiment negativo verso l’Unione Bancaria
Lingua
Lingua
Lingua
Media Svizzera
Media paesi
italiana francese tedesca
europei
“Presa in giro”
14,3%
33,2%
40,0%
29,2%
43,9%
Incompetenze UE
33,8%
31,8%
11,0%
25,5%
14,1%
Imposizione europea
16,7%
30,4%
43,5%
30,2%
21,4%
Imposizione tedesca
14,7%
3,0%
1,0%
6,2%
4,4%
Non credibile
13,5%
0,6%
3,4%
5,8%
9,7%
Altro
7,1%
1,0%
1,1%
3,1%
6,4%
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
-4-
Commento: Tra coloro che commentano in Rete dalla Svizzera, le ragioni di un sentiment negativo verso
l’Unione Bancaria variano a seconda della lingua usata. Italofoni, francofoni e germanofoni concordano,
seppur con toni diversi, che l’accordo in ambito bancario sia una “presa in giro” verso i consumatori. I
germanofoni commentano con accenti più critici, tanto che poco meno di 1 post su 2 (40%) afferma che
l’Unione Bancaria vada a beneficio solo delle banche, mentre i consumatori sarebbero, ancora una volta,
le vittime di questi accordi intergovernativi. Un terzo dei commenti in italiano e francese
(rispettivamente 33,8% e 31,8%, ben al di sopra della media tra i paesi aderenti all’Unione Europea)
considerano le incompetenze dei burocrati europei quale causa di malcontento verso l'Unione Bancaria.
La neutralità della Svizzera, anche in temi bancari, è considerata ancora un caposaldo da coloro che
commentano dalla Confederazione Elvetica. I germanofoni e i francofoni, seguiti dagli italofoni, infatti,
giudicano con il nuovo assetto finanziario europeo come una forte intromissione delle istituzioni
europee (rispettivamente 43,5%, 30,4% e 16,7%), tanto che tali percentuali, in media, sono chiaramente
sopra al dato europeo (21,4%). Il 14,7% dei commenti degli svizzeri italiani ritiene poi che le misure di
Unione Bancaria siano ancora una volta il risultato di imposizioni tedesche, un dato che scende di molto
tra chi scrive in francese e soprattutto in tedesco.
KEYPOINT: L’UNIONE BANCARIA QUANDO PIACE LO É PERCHÉ APRE STRADA ALL’UNIONE POLITICA
Unione politica
Principali ragioni del sentiment positivo verso l’Unione Bancaria
Media Svizzera
Lingua
Lingua
Lingua
italiana francese tedesca
60,3%
42,0%
66,0%
56,1%
Argine contro la crisi
Trasparenza e competitività
Altro
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
11,2%
28,3%
0,1%
23,4%
31,9%
2,7%
-5-
7,9%
6,5%
19,6%
14,2%
22,2%
7,5%
Media paesi
europei
39,6%
33,1%
24,6%
3,0%
Commento: Tra i tutto sommato pochi commenti positivi in Rete dalla Svizzera riguardo l’Unione
Bancaria, una quota maggioritaria di post in tedesco (66%), italiano (60,3%) e francese (42%) giudica
favorevolmente la recente nascita di istituzioni di vigilanza sulle principali banche europee, perché
ritiene che questo processo sia un primo passo verso un’Unione Europea più politica e federale. Molto
meno rispetto alla media totale dell’Unione Europea, sono i commenti di francofoni (23,4%), italofoni
(11,2%) e, soprattutto, germanofoni (7,9%), che considerano l’Unione Bancaria un valido argine contro
la crisi e un aiuto non solo verso le banche ma anche verso i consumatori. Infine, quasi un terzo dei
commenti degli svizzeri francesi e italiani premiano il ruolo che le istituzioni sovranazionali assumeranno
nella gestione di eventuali crisi bancarie, poiché consentirà una risposta più trasparente e incentiverà
maggior competizione in un settore, quello bancario, molto chiuso.
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
-6-
APPENDICE TECNICA: LA TECNOLOGIA ISA ®
La tecnologia iSA® sviluppata da VfB si basa su innovative tecniche statistiche supervised che prevedono
classificazione tramite codificatori umani di un training set. I principi statistici alla base di tale tecnologia
vengono qui brevemente riassunti (per un approfondimento, si veda Ceron, Curini e Iacus, 2013).
Sia D= (D1,D2, … Dk) l’insieme delle diverse opinioni espresse. Sia S l’insieme delle parole utilizzate in un
testo per esprimere un concetto semantico o un’opinione Dj, j=1, …, k.
Immaginiamo di dividere l’insieme dei testi in due gruppi: il training set e il test set.
Un gruppo di codificatori umani legge i testi del training set e codifica manualmente questi testi
assegnando una delle categorie Dj, j=1, …, k. In questa fase di training del classificatore statistico,
vengono associate le parole S ai contenuti D e tale operazione non è affetta da errore statistico.
Sulla base del training set, l’algoritmo, o classificatore statistico, stima il modello: P(Dj|S) che
corrisponde alla probabilità con la quale l’opione Dj viene espressa dato l’utilizzo di una particolare
sequenza di parole S. Quindi, sulla base del modello stimato, il classificatore predice la categoria Dj per
tutti i testi del test set (che non sono stati letti dai codificatori).
Questa stima P(D|S) è invece affetta da errore statistico, ma in genere ammonta a pochi punti
percentuali. Ovvero, il classificatore assegna un testo ad un categoria con una probabilità che ciò sia
vero attorno al 95-98% (nel migliore dei casi, come per il classificatore Random Forest, vedi sotto).
Ottenuta una distribuzione di opinioni (reali e stimate) si procede all’aggregazione per ottenere il
seguente risultato
P(D) = P(D|S)*P(S)
Dove P(D) è la distribuzione aggregata delle opinioni.
Mentre non vi è problema (errore attorno al 3-5%) nella previsione individuale della categoria Dj, una
volta che le opinione stimate vengono aggregate per ottenere P(D) l’errore di ogni singola predizione
prodotto dal classificatore statistico può amplificarsi ed arrivare anche attorno al 20%.
LA TECNICA SVILUPPATA DA VfB
La tecnica sviluppata da VfB e denominata iSA® è derivata da una idea di Hopkins e King, 2010.
Sia P(S) la distribuzione delle parole dell’intero insieme di dati (training set e test set).
Vale la seguente formula
P(S) = P(S|D) P(D)
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
-7-
nota la quantità P(S), cioè la distribuzione delle parole dell’intero data set, si può ricavare P(D) tramite la
formula seguente:
P(D) = P(S|D)-1 P(S)
P(S|D)-1 è la matrice inversa di P(S|D). Questa stima di P(D) ha un errore massimo attorno al 2-3%. Con
questa tecnica non è possibile prevedere la categoria dei singoli testi del test set.
RIFERIMENTI BIBLIOGRAFICI
Breiman, L. (2001), Random Forests, Machine Learning, 45(1), 5-32
Ceron, A, Curini L, e Iacus SM (2013). Social Media e Sentiment Analysis. L'evoluzione dei fenomeni
sociali attraverso la Rete, Springer, Milano
Hopkins DJ and King G (2010) A Method of Automated Nonparametric Content Analysis for Social
Science. American Journal of Political Science, 54(1): 229–247
CONTATTI
Luigi Curini, Prof., PhD
CEO VfB
Email: [email protected]
Cell: +39 366 1652058
Url: www.voicesfromtheblogs.com
Email: [email protected]
Twitter: @blogsvoices
Stefano Maria Iacus, Prof. PhD
Vice President VfB
Email: [email protected]
Cell: +39 366 1652064
-8-
Andrea Ceron, PhD
Senior Officer VfB
Email: [email protected]
Cell: +39 366 1652061