Consultazione Gruppi e Analisi Engagement

IA Generativa e Media — Settimana 6

Fabio Giglietto

DISCUI · Università degli Studi di Urbino Carlo Bo

30 marzo 2026

Roadmap della sessione

1. Stato di avanzamento — checklist aggiornata
2. Analisi di engagement — categorie come variabile indipendente
3. Statistiche descrittive e visualizzazione — cosa calcolare e come rappresentarlo
4. Consultazioni individuali — ogni gruppo presenta risultati e analisi
5. Preparazione per la scrittura — verso il workshop di domani

Sessione con due anime: una parte collettiva (analisi engagement, statistiche descrittive) e una parte individuale (consultazioni per gruppo). L’analisi di engagement è il nuovo contenuto di oggi: i gruppi hanno le classificazioni validate e ora devono collegarle alle metriche del CSV. Le consultazioni servono per verificare lo stato di avanzamento, discutere i risultati preliminari e preparare la transizione alla fase di scrittura. Circa 10-15 minuti per gruppo nelle consultazioni.

Stato di Avanzamento

Sezione di verifica dello stato di avanzamento. Prima di iniziare le consultazioni individuali, verificare collettivamente a che punto sono i gruppi.

Il vostro pipeline: a che punto siete?

Usando il vocabolario della pipeline LLMs-in-the-loop che conoscete dal seminario Paroni:

Fase	Stato atteso	Verificare
Step 1 — Classificazione binaria	Completata	420 post: AI slop / Non AI slop
Step 1 — Validazione	Completata	Kappa ≥ 0.60 sulla codifica binaria
Step 2 — Classificazione tematica	Completata	Tutti gli AI slop classificati con le vostre categorie
Step 2 — Validazione	Completata	Kappa ≥ 0.60 sulle categorie tematiche
Codebook + Prompt	Documentati	Definizioni Step 1 + Step 2, prompt con one-shot
Analisi engagement	Da iniziare oggi	Categorie tematiche (VI) → metriche engagement (VD)
Bozza relazione	Da iniziare	Outline IMRaD

Checklist aggiornata per la pipeline a due step. Lo Step 1 (binario: AI slop / non AI slop) e lo Step 2 (tematico: le categorie di ogni gruppo) dovrebbero essere entrambi completati e validati. Il codebook dovrebbe contenere le definizioni per entrambi gli step, il tab PROMPT le versioni dei prompt usati. L’analisi di engagement è la novità di oggi: si usano le categorie tematiche validate come variabile indipendente e le metriche di engagement dal CSV come variabile dipendente. I gruppi che non hanno completato la validazione devono farlo con priorità.

Analisi di Engagement

Sezione centrale: come analizzare i pattern di engagement per categoria di contenuto. Questo è il passaggio analitico chiave del progetto — trasformare la classificazione in risultati interpretabili.

La domanda di ricerca centrale

Le categorie tematiche di AI slop predicono livelli diversi di engagement?

Le categorie validate dallo Step 2 (variabile indipendente) → metriche di engagement dal CSV (variabile dipendente).

Il dataset integrato contiene per ogni post AI slop:

• Classificazione tematica: la categoria assegnata (e validata) dallo Step 2
• Reazioni: numero di reaction al post
• Condivisioni: numero di share
• Visualizzazioni: numero di views
• N. commenti: conteggio dei commenti (non il testo)

Questa è la struttura analitica del progetto. Le categorie tematiche dello Step 2 — validate attraverso il protocollo umano-IA — diventano la variabile indipendente. Le metriche di engagement dal CSV diventano le variabili dipendenti. La domanda è semplice ma potente: diversi tipi di immagini AI-generated generano livelli diversi di engagement? Questo si collega direttamente al framework di Terenzi e Giglietto (2025) sull’AI slop come engagement bait strategico. Nota importante: abbiamo i conteggi dei commenti ma non il testo dei singoli commenti — questo è una limitazione da riportare nel relazione.

Statistiche descrittive: cosa calcolare

Per ogni categoria del vostro schema di classificazione:

Statistica	Cosa misura	Come calcolarla
N (frequenza)	Quante immagini in questa categoria	Conteggio
Media	Engagement medio	MEDIA() in Sheets
Mediana	Valore centrale (robusta agli outlier)	MEDIANA() in Sheets
Dev. standard	Variabilità dell’engagement	DEV.ST() in Sheets
Min / Max	Intervallo dei valori	MIN() / MAX() in Sheets

Suggerimento

Usate la mediana piuttosto che la media per i confronti tra categorie: l’engagement sui social media ha distribuzioni molto asimmetriche con pochi post virali che distorcono la media.

Istruzioni pratiche per le statistiche descrittive. Gli studenti possono calcolare tutto in Google Sheets senza bisogno di strumenti statistici avanzati. La mediana è raccomandata perché l’engagement sui social media segue tipicamente una distribuzione a coda lunga: pochi post ricevono moltissimo engagement e la maggior parte ne riceve poco. In questi casi la media è distorta dai valori estremi. La deviazione standard indica quanto è variabile l’engagement nella categoria — una alta variabilità potrebbe indicare che la categoria contiene immagini molto eterogenee. I gruppi possono anche usare Gemini per calcolare e interpretare queste statistiche caricando il foglio.

Esempio: tabella riassuntiva per categoria

Esempio concreto di come presentare i risultati dell’analisi di engagement. Tabella illustrativa con dati fittizi.

Engagement per categoria: un esempio

Categoria	N	Reazioni (mediana)	Condivisioni (mediana)	Views (mediana)
Bambini	85	890	245	12.400
Animali	72	720	180	9.800
Religioso	45	1.450	520	18.600
Nostalgia	40	980	380	14.200
Paesaggi	58	540	120	6.500

Dati esemplificativi — ogni gruppo avrà categorie e valori diversi.

Da discutere

Perché le immagini religiose potrebbero avere engagement più alto? Quali dinamiche di piattaforma e quali strategie emotive sono in gioco (Ferrara, 2026)?

Esempio puramente illustrativo. Notare come la tabella rivela immediatamente un pattern: le immagini religiose hanno engagement mediano molto superiore — quasi il triplo dei paesaggi per condivisioni. Questo tipo di risultato richiede interpretazione nella Discussione del relazione: perché? Le ipotesi possibili includono: (1) contenuto religioso attiva risposte emotive più forti (identità, valori), (2) le community religiose su Facebook sono molto attive nella condivisione, (3) gli algoritmi di Meta amplificano contenuti con alto engagement iniziale. Collegare a Ferrara (2026): l’AI slop religioso sfrutta la “credulity” degli utenti e la “epistemic insecurity” per massimizzare l’engagement.

Visualizzare i pattern

Rappresentazioni utili per il relazione:

Grafici consigliati

• Bar chart con mediane per categoria (il più chiaro)
• Box plot per mostrare la distribuzione completa
• Separare le diverse metriche (reazioni, condivisioni, views)

Come crearli

• Google Sheets: grafici a barre e box plot nativi
• Gemini: descrivete i dati e chiedete suggerimenti di visualizzazione
• R (opzionale): ggplot2 con theme_uniurb() per grafici più raffinati

Suggerimento

Ordinate le categorie per engagement decrescente nel grafico — rende il pattern immediatamente leggibile.

Suggerimenti pratici per la visualizzazione. Il bar chart con mediane è il formato più chiaro per il relazione: un grafico per ogni metrica di engagement (reazioni, condivisioni, views), con le categorie ordinate per valore decrescente. Il box plot è più informativo ma potrebbe essere troppo complesso per alcuni gruppi. Google Sheets permette di creare grafici a barre rapidamente; per il relazione, volendo, si possono raffinare con ggplot2 usando il tema DISCUI. Gemini può aiutare a interpretare i pattern e suggerire visualizzazioni alternative. L’importante è che i grafici siano chiari, leggibili e ordinati.

Consultazioni Individuali

Fase centrale della sessione. Incontrare ogni gruppo individualmente per 10-15 minuti. Ogni gruppo presenta: classificazione validata, kappa, pattern di engagement preliminari, domande aperte.

Guida alla consultazione

Per ogni gruppo, discuteremo:

Dati e validazione

• Step 1: proporzione AI slop, kappa binario
• Step 2: distribuzione categorie, kappa tematico
• Matrici di confusione: dove sbaglia l’IA?
• Iterazioni effettuate?

Engagement e interpretazione

• Pattern di engagement per categoria
• Risultati attesi vs. risultati osservati
• Collegamento con i framework teorici
• Limitazioni da riportare nel relazione

Suggerimento

Preparate la vostra presentazione in 5 minuti: kappa, categorie principali, un pattern di engagement interessante, una domanda per il docente.

Istruzioni operative per le consultazioni. Ogni gruppo ha circa 10-15 minuti. La novità rispetto alle consultazioni tradizionali è che oggi si discutono anche i risultati dell’analisi di engagement. Domande chiave per ogni gruppo: (1) la classificazione è affidabile (kappa ≥ 0.60)? (2) i pattern di engagement sono interpretabili? (3) c’è un collegamento chiaro tra le categorie e le dinamiche di piattaforma descritte da Terenzi & Giglietto? (4) quali limitazioni vanno discusse (assenza dei commenti testuali, singola piattaforma, dataset pre-curato)?

Collegamento teoria-dati

Domanda chiave

I vostri risultati empirici dialogano con i framework teorici del corso? Non basta presentare i dati: occorre interpretarli.

Framework teorici da collegare ai risultati:

• Realtà sintetica a strati (Ferrara, 2026) — l’AI slop come livello base della manipolazione
• Sistema mediale ibrido (Chadwick, 2011) — come si inserisce nel ciclo informativo?
• Incertezza epistemica (Vaccari & Chadwick, 2020) — l’engagement riflette consapevolezza o credulità?

Problema tipico degli studenti: raccolgono dati e li presentano, ma non li collegano alla teoria. Nel relazione, la sezione Discussione deve collegare esplicitamente i risultati ai framework teorici studiati nel corso. Esempio: se le immagini con bambini hanno engagement altissimo, collegare a Ferrara (2026) sulla manipolazione emotiva e alla credulity nell’era delle realtà sintetiche. Se le condivisioni variano più delle reazioni, collegare a Chadwick (2011) sui meccanismi di circolazione nel sistema mediale ibrido. Se le immagini con artefatti visivi evidenti hanno meno engagement, collegare a Vaccari & Chadwick (2020) sulla capacità degli utenti di riconoscere contenuti sintetici.

Preparazione per la Prossima Settimana

Sezione finale: preparazione per la settimana di scrittura.

Timeline: una settimana alla scrittura

Data	Attività	Stato
Mar 24 Mar	Step 1: codifica binaria + Gemini	Fatto
Mer 25 Mar	Validazione Step 1 + Step 2 tematico	Fatto
Lun 30 Mar	Consultazione + analisi engagement (oggi)	In corso
Mar 31 Mar	Workshop di scrittura	Prossima
Mer 1 Apr	Lavoro di gruppo: stesura relazione	Settimana 6
Lun 13 Apr	Sintesi del corso — confronto inter-gruppo	Ultima sessione
2 sett. prima appello	Consegna relazione	Scadenza

Da portare al workshop di domani:

• Risultati consolidati: classificazione validata + analisi engagement
• Una bozza di outline del relazione (titolo, domanda di ricerca, sezioni principali)
• Le letture del corso più rilevanti per la vostra domanda di ricerca

Riepilogo della timeline. Da domani si scrive. Il workshop di scrittura fornirà la struttura del relazione (formato IMRaD revisionato per il progetto) e strategie per usare NotebookLM nella fase di redazione. I gruppi devono arrivare con i risultati dell’analisi consolidati e una bozza di outline. Chi non ha completato l’analisi di engagement deve farlo stasera. I prossimi giorni sono dedicati alla scrittura: non ci sarà tempo per tornare sui dati. La sessione del 13 aprile includerà il confronto inter-gruppo: come schemi di classificazione diversi rivelano pattern diversi nelle stesse immagini.

Grazie!

Prossima lezione: Workshop di Scrittura (31 Marzo 2026)

📧 fabio.giglietto@uniurb.it

🌐 blended.uniurb.it

Chiusura. Ricordare: (1) completare l’analisi di engagement se non ancora fatta, (2) preparare l’outline del relazione per domani (titolo, domanda di ricerca, 2-3 punti per ogni sezione IMRaD), (3) rileggere le letture del corso rilevanti per la propria domanda di ricerca — in particolare Ferrara (2026) per la Discussione. A domani per il workshop di scrittura!

Riferimenti

Chadwick, A. (2011). The Hybrid Media System [Manoscritto].

Ferrara, E. (2026). The Generative AI Paradox: GenAI and the Erosion of Trust, the Corrosion of Information Verification, and the Demise of Truth [Manoscritto].

Vaccari, C., & Chadwick, A. (2020). Deepfakes and Disinformation: Exploring the Impact of Synthetic Political Video on Deception, Uncertainty, and Trust in News. Social Media + Society, 6(1), 1–13. https://doi.org/10.1177/2056305120903408