La politica e l'informazione nei Social Network: analisi della diffusione delle Fake News legate al Covid-19 = Politics and information in Social Networks: Covid-19 related Fake News spread analysis

L’avvento di Internet e dei Social Network ha mutato radicalmente la fruizione dell'informazione: i media tradizionali hanno lasciato spazio alle piattaforme algoritmiche dove flussi di notizie ufficiali e non si mescolano nell’homepage di ciascun utente. Il diffondersi dell’epidemia da Coronavirus e l’incremento di teorie complottiste ha estremizzato gli effetti negativi di tale scenario informativo, dando vita alla circolazione di una quantità eccessiva di notizie false, prevalentemente sui Social Network. A tale fenomeno è stato attribuito il nome di “infodemia” da parte dell’Organizzazione Mondiale della Sanità (OMS). In un contesto in cui la diffusione di informazione e la creazione di contenuti affidabili da parte delle personalità più seguite sui Social risulta essere un’importante arma contro la disinformazione, gli esponenti politici ricoprono un ruolo di estrema responsabilità. L’obiettivo di tale lavoro è stato quello di comprendere il ruolo di tali personalità sui Social Network durante il periodo della prima ondata di Covid-19 in Italia. Sono stati individuati gli influencer politici che hanno creato più contenuti sulle tematiche legate al Coronavirus e che hanno ottenuto un elevato livello di engagement. Inoltre, sono stati individuati i profili sotto i cui post è stata riscontrata una maggior diffusione di argomenti riguardanti le Fake News legate al Coronavirus dichiarate dall’Autorità per le Garanzie nelle Comunicazioni (AGCOM). L’obiettivo ultimo è stato quello di osservare le similarità tra i topic dei contenuti testuali creati dai profili politici e dai commentatori. Ciò è stato svolto confrontando due dei Social Network più popolari: Instagram e Facebook. Sono stati, infatti, analizzati i dati raccolti dal team SmartData@Polito su tali piattaforme, focalizzando l’attenzione sul periodo di riferimento (Gennaio 2020-Giugno 2020) e sui contenuti creati da personalità politiche. Per l’estrazione di topic dai contenuti testuali, è stato utilizzato il modello probabilistico Latent Dirichlet Allocation (LDA).