Workshop di Scrittura

IA Generativa e Media — Settimana 6

Fabio Giglietto

DISCUI · Università degli Studi di Urbino Carlo Bo

30 marzo 2026

Roadmap della sessione

1. Struttura del relazione — il formato IMRaD
2. Ogni sezione in dettaglio — cosa scrivere e come
3. NotebookLM per la scrittura — sintetizzare fonti e risultati
4. IA e scrittura accademica — cosa è consentito e cosa no
5. Citazioni e riferimenti — pratiche corrette
6. Errori comuni — e come evitarli
7. Esercizio — costruire l’outline del relazione

Oggi è un workshop pratico sulla scrittura del relazione di ricerca. L’obiettivo è che ogni gruppo esca dalla sessione con un outline dettagliato è una strategia di scrittura chiara. La struttura IMRaD (Introduzione, Metodo, Risultati e Discussione) è lo standard internazionale per i relazione scientifici. Passeremo in rassegna ogni sezione con esempi concreti, poi vedremo come usare NotebookLM per supportare la scrittura. L’ultima parte della sessione sarà dedicata all’esercizio pratico.

Il Formato IMRaD

Sezione 1: panoramica della struttura IMRaD. Questa struttura e usata nella grande maggioranza dei relazione scientifici in comunicazione e scienze sociali.

Che cos’e il formato IMRaD

IMRaD: Introduzione, Metodo, Risultati e Discussione — la struttura standard della comunicazione scientifica.

Sezione	Domanda a cui risponde	Peso indicativo
Introduzione	Perche lo studiamo?	20-25%
Metodo	Come lo studiamo?	20-25%
Risultati	Cosa abbiamo trovato?	25-30%
Discussione	Cosa significa?	20-25%

Il formato IMRaD è lo standard delle scienze sociali e della comunicazione. Ogni sezione risponde a una domanda specifica. Le percentuali sono indicative: un relazione di circa 5.000-6.000 parole dovrebbe bilanciare le sezioni. L’errore più comune degli studenti e scrivere un’introduzione troppo lunga è una discussione troppo corta. La discussione è la sezione più importante: e dove dimostrate di aver compreso il significato dei vostri risultati.

Struttura completa del relazione

Sezione	Contenuto
Titolo + Abstract	Descrittivo e specifico; 150-250 parole (scriverlo per ultimo)
Introduzione	Contesto, gap, domanda di ricerca
Letteratura	Framework teorico di riferimento
Metodo	Dati, strumenti, procedura, validazione
Risultati	Dati, tabelle, grafici
Discussione + Conclusione	Interpretazione, limiti, implicazioni, sintesi

Struttura completa del relazione. Nota: l’abstract si scrive per ultimo, perche deve riassumere tutto il contenuto. La revisione della letteratura può essere integrata nell’introduzione o costituire una sezione separata — per questo progetto, suggeriamo una sezione separata breve che presenti i framework teorici chiave (sistema mediale ibrido, realtà sintetica, deepfake e fiducia). Il metodo deve essere sufficientemente dettagliato da permettere la replicabilita.

L’Introduzione

Sezione 2: dettaglio su ogni parte del relazione. Iniziamo dall’introduzione.

Scrivere l’introduzione

La struttura a imbuto

L’introduzione parte dal generale (il fenomeno dell’IA generativa nei media) e si restringe fino allo specifico (la vostra domanda di ricerca).

Quattro elementi essenziali:

1. Contesto — l’IA generativa è il sistema mediale ibrido
2. Problema — il fenomeno dell’AI slop e i suoi effetti
3. Gap — cosa non sappiamo (la ricezione da parte degli utenti)
4. Domanda di ricerca — la vostra domanda specifica

L’introduzione segue una logica a imbuto: dal generale al particolare. Iniziare con il contesto ampio (l’IA generativa sta trasformando il sistema mediale, come descritto da Chadwick, Mattis, Ferrara), poi restringere al problema specifico (l’AI slop come forma di contenuto sintetico su Facebook), poi identificare il gap conoscitivo (sappiamo come viene prodotto e diffuso, ma non come reagiscono gli utenti), e infine formulare la domanda di ricerca specifica del gruppo. Ogni passaggio deve essere supportato da riferimenti bibliografici.

Esempio di apertura

L’avvento dell’IA generativa ha profondamente trasformato il sistema mediale contemporaneo, creando quello che Ferrara (2026) definisce il “Paradosso dell’IA Generativa”: una tecnologia sempre più capace di produrre contenuti indistinguibili da quelli umani, che al contempo erode la fiducia nell’intero ecosistema informativo.

Suggerimento

Ogni affermazione nell’introduzione deve essere supportata da un riferimento. Non fate affermazioni generiche senza citazione.

Esempio concreto di come aprire l’introduzione. Notare: la prima frase introduce il tema generale (IA generativa e media), la seconda introduce subito un framework teorico con citazione. Gli studenti devono evitare aperture troppo generiche (“Da sempre l’uomo ha comunicato…”) e andare dritti al punto. Le letture del corso forniscono tutto il materiale necessario per l’introduzione: Ferrara (2026) per il paradosso, Chadwick (2011) per il sistema mediale ibrido, Terenzi & Giglietto (2025) per l’AI slop specificamente.

La Sezione Metodo

Sezione sul metodo. Per questo progetto, il metodo è particolarmente importante perche include la pipeline LLMs-in-the-loop.

Scrivere il metodo

Il metodo deve rispondere a cinque domande:

Domanda	Contenuto
Cosa avete analizzato?	Descrizione del dataset (N post, N commenti, periodo)
Come avete raccolto i dati?	Meta Content Library, criteri di selezione
Come avete analizzato?	Pipeline LLMs-in-the-loop con Gemini
Come avete validato?	Codifica umana, intercoder reliability
Quali strumenti avete usato?	Gemini, fogli di calcolo, metriche statistiche

Il metodo è la sezione più “tecnica” del relazione. Deve essere abbastanza dettagliato da permettere a un altro ricercatore di replicare l’analisi. Per questo progetto, il metodo include: (1) descrizione del dataset (quanti post, quanti commenti, da quali pagine/gruppi, in quale periodo), (2) procedura di raccolta tramite Meta Content Library, (3) descrizione della pipeline LLMs-in-the-loop con il prompt esatto utilizzato, (4) procedura di validazione umana con il codebook, (5) metriche di intercoder reliability utilizzate.

Descrivere la pipeline LLMs-in-the-loop

Requisito fondamentale: Il metodo deve includere il prompt esatto utilizzato per la classificazione con Gemini è la procedura completa di validazione (Marino & Giglietto, 2024).

Elementi da includere:

• Modello utilizzato — versione specifica di Gemini
• Prompt — testo completo delle istruzioni di classificazione
• Codebook — categorie, definizioni, esempi
• Procedura di validazione — campione, codificatori, protocollo
• Metriche — Cohen’s kappa, percentuale di accordo

La descrizione della pipeline LLMs-in-the-loop è il cuore metodologico del relazione. Seguendo Marino & Giglietto (2024), il metodo deve documentare ogni passaggio. Il prompt dato a Gemini deve essere riportato integralmente (eventualmente in appendice se molto lungo). Il codebook deve specificare ogni categoria con definizione ed esempi. La procedura di validazione deve indicare: quanti commenti sono stati codificati da umani, quanti codificatori umani, quale protocollo hanno seguito, e quali metriche di affidabilità sono state calcolate. Senza questi dettagli, il metodo non e replicabile.

I Risultati

Sezione sui risultati. La regola d’oro: i risultati presentano i dati, la discussione li interpreta.

Scrivere i risultati

Regola d’oro: Nei Risultati presentate i dati. Nella Discussione interpretateli.

Da includere

• Distribuzione delle categorie
• Intercoder reliability (kappa)
• Tabelle e grafici commentati

Da evitare

• Interpretazioni teoriche
• Speculazioni sulle cause
• Confronti con la letteratura

La separazione tra risultati e discussione è fondamentale nella scrittura scientifica. Nella sezione Risultati, limitarsi a presentare i dati in modo chiaro e organizzato: quanti commenti sono stati analizzati, come si distribuiscono nelle categorie, qual è la percentuale di accordo tra IA e umano. Usare tabelle e grafici per rendere i dati leggibili. Nella Discussione, poi, collegare questi risultati alla teoria. Errore comune: anticipare l’interpretazione nella sezione Risultati.

Tabelle e grafici efficaci

Tabelle: per dati precisi

• Distribuzione delle categorie
• Confronto IA vs. umano
• Metriche di affidabilità
• Dati demografici del dataset

Grafici: per pattern visivi

• Distribuzione delle reazioni
• Confronti tra gruppi/pagine
• Evoluzione temporale
• Proporzioni e rapporti

Suggerimento

Ogni tabella e ogni grafico deve avere un titolo descrittivo e deve essere commentato nel testo. Non inserite visualizzazioni senza spiegarle.

Indicazioni pratiche per la visualizzazione dei dati. Le tabelle sono preferibili quando i numeri esatti contano (intercoder reliability, percentuali di distribuzione). I grafici sono preferibili quando il pattern visivo e più informativo dei singoli numeri (distribuzione delle reazioni, confronti tra categorie). Ogni elemento visivo deve essere numerato (Tabella 1, Figura 1), avere un titolo descrittivo, e deve essere esplicitamente citato e commentato nel testo. Una tabella senza commento è un dato perso.

La Discussione

Sezione sulla discussione — la parte più importante e spesso la più trascurata dai studenti.

Scrivere la discussione

La discussione e dove il vostro relazione acquista valore scientifico.

Quattro passaggi obbligatori:

1. Sintesi dei risultati principali — cosa avete trovato
2. Collegamento alla letteratura — come i risultati dialogano con la teoria
3. Limiti dello studio — cosa non potete affermare
4. Implicazioni — cosa significano i risultati per il campo

La discussione è la sezione dove lo studente dimostra maturita intellettuale. Non basta riportare i dati — occorre interpretarli alla luce della letteratura studiata. Il collegamento alla letteratura è il cuore della discussione: i risultati confermano o contraddicono le teorie studiate? Aggiungono nuove sfumature? I limiti non sono un segno di debolezza ma di onesta metodologica: ogni studio ha limiti, e riconoscerli dimostra consapevolezza. Le implicazioni guardano avanti: cosa significano i risultati per la comprensione dell’AI slop, per le piattaforme, per la regolamentazione?

Collegare i risultati alla teoria

Esempio: “I risultati mostrano che il 65% degli utenti non riconosce le immagini come generate dall’IA, confermando il gap tra importanza percepita e capacita effettiva di riconoscimento evidenziato da Pew Research Center (2025).”

Framework teorici da collegare:

• Il Paradosso GenAI — utilita vs. erosione della fiducia (Ferrara, 2026)
• Incertezza epistemica — non inganno ma incertezza (Vaccari & Chadwick, 2020)
• Disinformazione visiva — gli effetti dipendono dal contesto (Hameleers & Meer, 2026)
• Sistema mediale ibrido — le interazioni tra vecchi e nuovi media (Chadwick, 2011)

Esempi concreti di come collegare i risultati alla teoria. Se i dati mostrano che gli utenti non riconoscono l’IA, questo si collega al gap di detection del rapporto Pew (2025). Se gli utenti mostrano incertezza piuttosto che inganno diretto, questo conferma la tesi di Vaccari & Chadwick (2020). Se le reazioni variano per tipo di immagine, questo supporta la tesi di Hameleers & van der Meer (2026) sulla dipendenza dal contesto. Incoraggiare gli studenti a fare questi collegamenti esplicitamente nel testo.

NotebookLM per la Scrittura

Sezione pratica sull’uso di NotebookLM per supportare la fase di scrittura.

Usare NotebookLM per il relazione

Cosa caricare

• Le letture del corso (PDF)
• I vostri appunti e note
• Le slides delle lezioni rilevanti
• I risultati preliminari

Cosa chiedere

• “Quali framework teorici collegano X e Y?”
• “Riassumi gli argomenti di Ferrara sulla fiducia”
• “Quali citazioni supportano il concetto di X?”
• “Come si collega il mio risultato alla letteratura?”

NotebookLM è lo strumento ideale per la fase di revisione della letteratura e di discussione. Caricare le letture del corso, i propri appunti e i risultati dell’analisi. Poi usare le domande per esplorare i collegamenti tra i propri dati è la letteratura. NotebookLM fornisce risposte con citazioni specifiche alle fonti caricate, facilitando il collegamento tra risultati e teoria. Ricordare: NotebookLM supporta la scrittura, non la sostituisce.

IA e Scrittura: Cosa e Consentito

Sezione cruciale: la policy del corso sull’uso dell’IA nella scrittura accademica.

Policy del corso: promemoria

Consentito

• Brainstorming — “Dammi idee per strutturare la discussione”
• Critica — “Rivedi la coerenza argomentativa di questo paragrafo”
• Revisione linguistica — “Correggi gli errori di sintassi”
• Sintesi fonti — NotebookLM per collegare letteratura

Vietato

• Generazione sostitutiva — “Scrivi la sezione Risultati”
• Parafrasi totale — “Riscrivi questo testo in modo diverso”
• Invenzione di dati o citazioni
• Uso non dichiarato di qualsiasi strumento IA

Attenzione

L’uso dell’IA va sempre dichiarato nel relazione, specificando quale strumento e come è stato utilizzato.

Ripasso della policy del corso. La regola di base: l’IA supporta il pensiero critico dello studente, non lo sostituisce. Brainstorming, critica e revisione linguistica sono consentiti. Generazione sostitutiva (far scrivere all’IA intere sezioni) e vietata. La trasparenza e obbligatoria: nel relazione deve esserci una dichiarazione esplicita degli strumenti IA utilizzati. Suggerire di inserire un breve paragrafo nel metodo: “Per la stesura del relazione sono stati utilizzati i seguenti strumenti: NotebookLM per la sintesi della letteratura, Gemini per la revisione linguistica. L’uso è stato limitato a supporto e revisione, come previsto dalla policy del corso.”

Citazioni e Riferimenti

Sezione sulle pratiche di citazione. Fondamentale per la correttezza accademica.

Citare correttamente

Regola fondamentale: Ogni affermazione derivata da una fonte deve essere accompagnata da una citazione. L’assenza di citazione equivale ad appropriarsi del lavoro altrui.

Tipo di citazione	Esempio
Autore nel testo	Come evidenziato da Ferrara (2026), l’IA generativa…
Riferimento a fine frase	…un fenomeno di crescente preoccupazione (Vaccari & Chadwick, 2020).
Citazione diretta	“Il paradosso dell’IA generativa” (Ferrara, 2026, p. 3).
Fonte con più autori	Schroeder et al. (2026) descrivono…

Pratiche di citazione in stile APA, lo standard del relazione. Tre regole d’oro: (1) ogni affermazione derivata da una fonte deve avere una citazione, (2) le citazioni dirette (parole esatte dell’autore) devono essere tra virgolette con il numero di pagina, (3) quando si parafrasano le idee di un autore, la citazione e comunque obbligatoria anche se non si usano le parole esatte. Errore gravissimo: le citazioni inventate. Se NotebookLM o Gemini suggeriscono un riferimento, verificare sempre che esista realmente.

Errori Comuni nella Scrittura

Sezione sugli errori più frequenti nei relazione degli studenti.

I 5 errori più frequenti

1. Introduzione troppo generica — partire dalla notte dei tempi invece che dal problema
2. Metodo insufficiente — non riportare il prompt o la procedura di validazione
3. Risultati e discussione mescolati — interpretare mentre si presentano i dati
4. Discussione senza teoria — presentare risultati senza collegarli alla letteratura
5. Limiti assenti — non riconoscere le debolezze dello studio

Suggerimento

Scrivete la sezione Metodo per prima: è la più concreta e vi aiutera a strutturare il resto.

Questi sono gli errori che si riscontrano più frequentemente nei relazione degli studenti. Per ognuno: (1) l’introduzione deve partire dal problema specifico, non dalla storia dell’umanita; (2) il metodo deve essere dettagliato — se qualcuno non può replicare il vostro studio, il metodo e insufficiente; (3) nella sezione Risultati, limitarsi ai dati; l’interpretazione va nella Discussione; (4) la Discussione senza teoria è una lista di osservazioni, non una discussione scientifica; (5) ogni studio ha limiti — riconoscerli dimostra onesta e maturita. Il suggerimento di scrivere il metodo per primo e pratico: il metodo descrive quello che avete effettivamente fatto, quindi è il punto di partenza più concreto.

Organizzare la Scrittura Collaborativa

Sezione sulla strategia di scrittura collaborativa. Punto fondamentale: la relazione è un lavoro di squadra che va distribuito, non scritto tutti insieme davanti a uno schermo.

Scrivere in parallelo, non attorno a uno schermo

Errore da evitare

Non sedetevi tutti attorno allo stesso schermo a scrivere insieme. È lento, frustrante e produce testi incoerenti.

La scrittura della relazione è un lavoro distribuito e coordinato:

1. Dividete le sezioni — ogni membro è responsabile di una o più sezioni
2. Scrivete in parallelo — ognuno lavora sulla propria sezione nel Google Docs condiviso
3. Revisionate a turno — ogni sezione viene riletta da un altro membro per coerenza
4. Un responsabile armonizza — il redattore uniforma stile e linguaggio

Questo è un punto fondamentale: la scrittura collaborativa non significa scrivere insieme allo stesso momento. Significa organizzare il lavoro in modo che ciascun membro del gruppo contribuisca in modo autonomo e produttivo. Il Google Docs condiviso permette di lavorare contemporaneamente su sezioni diverse senza conflitti. La revisione incrociata è cruciale: chi scrive il Metodo rilegge i Risultati, chi scrive l’Introduzione rilegge la Discussione. Questo garantisce coerenza tra le sezioni. Il redattore del gruppo fa un passaggio finale per uniformare lo stile.

Esempio di distribuzione del lavoro

Membro	Sezione principale	Revisiona
Membro A	Introduzione + letteratura	Discussione
Membro B	Metodo (pipeline + validazione)	Risultati
Membro C	Risultati (tabelle + grafici)	Metodo
Membro D	Discussione + conclusioni	Introduzione
Membro E	Abstract + appendici + formattazione	Tutto (revisione finale)

Esempio concreto di come distribuire il lavoro in un gruppo di 5. Ogni membro ha una sezione principale da scrivere e una sezione da revisionare. Il membro E ha il ruolo di redattore: scrive l’abstract (che va scritto per ultimo, quindi ha tempo), prepara le appendici (prompt completo, codebook), cura la formattazione, e fa la revisione finale di tutto il documento. In gruppi di 4 o 6, adattare la distribuzione. La chiave è che nessuno è inattivo e nessuno scrive tutto.

Esercizio: Costruire l’Outline

Fase pratica della sessione. I gruppi lavorano alla costruzione dell’outline e alla distribuzione del lavoro.

Esercizio di gruppo (30 minuti)

Costruite l’outline della relazione e distribuite il lavoro

Per ogni sezione, scrivete 2-3 punti e assegnate un responsabile. Usate NotebookLM per i collegamenti con la letteratura.

Sezione	Punti chiave	Chi scrive
Introduzione	3 punti	___
Metodo	3 elementi	___
Risultati	3 evidenze	___
Discussione	3 collegamenti	___

Esercizio pratico: dare 30 minuti ai gruppi per costruire l’outline del relazione. Circolare tra i gruppi per fornire feedback. L’obiettivo non e scrivere il relazione, ma avere una struttura chiara. Ogni sezione deve avere 2-3 punti che indicano il contenuto previsto. Il titolo provvisorio aiuta a focalizzare l’argomento. La domanda di ricerca deve essere specifica e misurabile. I risultati possono essere preliminari — l’importante e avere un’idea di cosa presentare. Alla fine dei 30 minuti, ogni gruppo presenta brevemente il proprio outline (2 minuti).

Checklist di qualità del relazione

Criterio	Verifica
Titolo descrittivo e specifico?
Introduzione: dal problema alla domanda di ricerca?
Metodo: include prompt e procedura di validazione?
Risultati: dati senza interpretazione?
Discussione: collegamento risultati-teoria + limiti?
Citazioni corrette e uso IA dichiarato?

Checklist da usare come guida durante la stesura e come strumento di auto-valutazione prima della consegna. Ogni punto della checklist corrisponde a un criterio di valutazione del relazione. I gruppi possono usarla anche per la revisione tra pari di domani: ogni gruppo leggera una bozza di un altro gruppo è la valutera usando questa checklist.

Per la prossima sessione

Domani (Martedi 31 Marzo): Lavoro di Gruppo — Stesura Relazione

Obiettivo della sessione di domani: Lavorare in aula alla prima bozza del relazione. Portate laptop, dati, e l’outline costruito oggi.

Da completare oggi/stasera

• Outline del relazione finalizzato
• Divisione del lavoro nel gruppo
• Risultati consolidati

Da portare domani

• Laptop con Google Docs condiviso
• Dataset e risultati finali
• Letture del corso (per citazioni)

Istruzioni per domani. La sessione di domani è dedicata al lavoro di gruppo in aula con supporto del docente. L’obiettivo e iniziare la stesura effettiva del relazione. I gruppi dovrebbero arrivare con l’outline completato, i risultati consolidati è una chiara divisione del lavoro. Suggerire di dividere la scrittura: un membro scrive l’introduzione, un altro il metodo, un altro i risultati, e cosi via. Poi revisione incrociata per coerenza. Il Google Docs condiviso permette la scrittura simultanea.

Grazie!

Prossima lezione: Lavoro di Gruppo — Stesura Relazione (31 Marzo 2026)

📧 fabio.giglietto@uniurb.it

🌐 blended.uniurb.it

Chiusura. Ricordare: (1) completare l’outline del relazione, (2) dividere il lavoro nel gruppo, (3) portare tutto il necessario domani. Domani lavoriamo! A domani.

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].

Hameleers, M., & Meer, T. van der. (2026). Beyond Textual Disinformation: Comparing the Effects of Textual Disinformation to AI-Generated and Video-Based Visual Disinformation Across Different Issues. New Media & Society. https://doi.org/10.1177/14614448251409208

Marino, G., & Giglietto, F. (2024). Integrating Large Language Models in Political Discourse Studies on Social Media: Challenges of Validating an LLMs-in-the-loop Pipeline. Sociologica, 18(2), 87–107. https://doi.org/10.6092/issn.1971-8853/19524

Pew Research Center. (2025). How Americans View AI and Its Impact on People and Society. Pew Research Center.

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