Prevedere i risultati elettorali su Facebook!!! Non cè solo Mi Piace… Elaborato di: Stefano GUERRETTI

Perché questo progetto? La motivazione che ha portato alla scelta di un progetto in questo ambito è stata la possibilità di poter usufruire delle capacità acquisite durante il percorso accademico, svolto in questa sede, in un contesto di estrema attualità e di interesse quale: i social network e le elezioni amministrative Consapevole che, dopo lesempio Obama, anche la classe politica italiana si è adeguata a questa tendenza!!

Prevedere i risultati elettorali tramite Facebook La popolarità dei candidati su Facebook può essere una previsione dei risultati finali ? Gli studi svolti fino ad oggi analizzano landamento dei politici attraverso i consensi che riescono a ottenere sulle piattaforme sociali. Fin da subito si è potuto notare come non sia possibile effettuare un diretto paragone fra il numero di iscritti alla pagina e i reali votanti. Esempio di studio svolto in questo contesto è quello portato avanti da LaRICA

LaRICA Lo studio svolto ha visto come campione le elezioni amministrative 2011 ottenendo il seguente risultato: Fonte:

Un Punto di vista alternativo Lanalisi proposta mira a trovare un collegamento tra la struttura grafologica dei sostenitori del candidato e la popolarità alle urne

Le informazioni di Facebook La rete sociale è il risultato dalle connessioni fra i membri del gruppo di sostegno del candidato in esame. Per lestrazione della matrice di incidenza del gruppo è stata utilizzata unapplicazione già presente chiamata Netvizz.

I grafi derivanti dai gruppi Una volta estratta la rete sociale dal gruppo lipotesi di lavoro è considerare la rete come una rappresentazione della struttura del consenso politico. Le informazioni a riguardo possono essere estratte attraverso la Social Network Analysis, una metodologia di analisi delle relazioni sociali sviluppatasi dalla sociologia.

Le informazioni della rete sociale Il metodo proposto analizza ogni struttura grafologica legata ad un candidato attraverso metriche specifiche e parametri ben definiti quali:

Le informazioni della rete sociale 2 Average Degree (AD) Il grado medio dei nodi è il numero complessivo dei legami che mediamente la rete possiede, senza tener conto della loro direzione. Così espressa, questa misura è tipica di una rete a legami vincolati, ovvero non orientati.

Le informazioni della rete sociale 2 Average Degree (AD) Network Diameter (ND) Il diametro è la lunghezza del maggior percorso che vi è in assoluto nella rete; tale valore assume spesso la funzione di definitore della profondità, ovvero del numero dei passi di percorso che sono presi in considerazione nelle analisi.

Le informazioni della rete sociale 2 Average Degree (AD) Network Diameter (ND) Avg. Path Lenght (APL) Il parametro APL indica il numero di passaggi che occorrono in media per passare tra due nodi generici u e v appartenenti al grafo G. Il risultato è la media di tutti i possibili percorsi fra i nodi presenti nel grafo G in esame.

Le informazioni della rete sociale 2 Average Degree (AD) Network Diameter (ND) Avg. Path Lenght (APL) Graph Density (GD) Il parametro descrive il livello generale di connessione tra i punti di un grafo. Il parametro si esprime in termini di: inclusività - numero dei punti collegati meno il numero dei punti isolati grado di connessione - quanto più punti hanno elevato connessioni, tanto maggiore sarà la densità del grafo.

Le informazioni della rete sociale 2 Average Degree (AD) Network Diameter (ND) Avg. Path Lenght (APL) Graph Density (GD) Connected Components (CC) Questo parametro indica il numero di componenti connesse presenti nel grafo in pratica analizza i nodi e conta le comunità separate presenti nella rete.

Le informazioni della rete sociale 2 Average Degree (AD) Network Diameter (ND) Avg. Path Lenght (APL) Graph Density (GD) Connected Components (CC) Avg. Clustering Coefficient (ACC)

Le informazioni della rete sociale 2 Average Degree (AD) Network Diameter (ND) Avg. Path Lenght (APL) Graph Density (GD) Connected Components (CC) Avg. Clustering Coefficient (ACC) Modularity (M)

Il campione analizzato I campioni presi in esame sono i candidati politici alle elezioni amministrative 2011 nelle città di: Milano Napoli Torino Palermo Per avere un campione locale lanalisi si è concentrata anche sulle primarie del centro sinistra effettuate nel comune di Crema.

I valori dei candidati analizzati Per ogni singola elezione prese in esame, si sono confrontati i valori delle reti dei due candidati considerando rilevante il parametro laddove il valore più alto risulta associato al gruppo del candidato vincente. Per arricchire ulteriormente la tabella riassuntiva dellanalisi vengono prese in esame anche le percentuali di elementi maschi e femmine presenti.

I valori dei candidati analizzati 2

Come evidenziato vi sono parametri che risultano costanti in ogni singolo campione analizzato rendendo possibile avanzare alcune ipotesi conclusive

La Formal Concept Analysis Per poter avanzare ipotesi conclusive meno esplicite si è deciso di analizzare tali valori con la metodologia della Formal Concept Analysis. Una tecnica che permette di effettuare ipotesi sulle association rules derivanti dalle associazioni tra i vari campioni elettivi e i parametri calcolati per i gruppi di sostenitori del candidato vincente.

Conclusioni La presenza di un numero superiore di componenti fortemente connesse (comunità differenti) porta ad ottenere una popolarità non solo in una cerchia ristretta. Inoltre risulta interessante anche il parametro del percorso medio, il quale risulta superiore dove sono presenti comunità ben distinte. Altro parametro rilevante è la densità del grafo cioè quanto i nodi risultano strettamente connessi. Il fatto che più la densità è minore più la popolarità sembra aumentare valida ulteriormente la conclusione che la rete del candidato composta da diverse comunità comporta un aumento della sua popolarità nelle votazioni.

Grazie per lattenzione