Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Verso una metodologia dell’analisi visuale su Twitter. Il caso del terremoto in Emilia Romagna

10,325 views

Published on

Intervento presentato assieme a Laura Gemini, Giovanni Boccia Artieri, Manolo Farci e Elisabetta Zurovac (Università degli studi Urbino Carlo Bo) durante il convegno,“Così vicini, così lontani. La via italiana ai social network“ (26-27 Settembre Milano).

Published in: Technology
  • Be the first to comment

Verso una metodologia dell’analisi visuale su Twitter. Il caso del terremoto in Emilia Romagna

  1. 1. Giovanni [.] Boccia Artieri [@uniurb.it] Laura [.] Gemini [@uniurb.it] Manolo [.] Farci [@uniurb.it] Elisabetta [.] Zurovac [@uniurb.it] Così vicini, così lontani: la via italiana ai social network Milano, 26-27 settembre 2013
  2. 2. Il contesto teorico dell’analisi • Studi visuali • Immaginario catastrofico • Uso delle tecnologie di connessione durante gli eventi catastrofici (Twitter)
  3. 3. Il campione Twitter nel primo giorno del #terremoto 20 maggio 2012: 31318 tweet 4256 tweet contententi immagini 700 immagini caricate e condivise L’oggetto Produzione soggettiva grassroot di immagini Il dispositivo di raccolta YourTwapperKeeper
  4. 4. IMMAGINI TIPO Categorie di immagini su Twitter durante il #terremoto
  5. 5. 1. La notizia fornita da un influencer (Huges and Palen 2009; Bruns and Burges 2012) A. Sharing information/organization
  6. 6. 2. I danni causati dal terremoto
  7. 7. 3. Dati geo-localizzati
  8. 8. (Mendoza and Poblete 2010; Sutton et al. 2008) 1. Critica nei confronti dei media B. Community-based “quality check” of spreading information
  9. 9. 2. L’auto-referenza di Twitter
  10. 10. 1. Immagini confortanti C. User-generated crisis narration (Robinson 2009; Liu 2009)
  11. 11. 2. Immagini di vita quotidiana
  12. 12. 3. Emozioni connesse
  13. 13. Analisi quantitativa: verso le immagini-icona
  14. 14. -100 0 100 200 300 400 500 600 700 800 900 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 User-generated crisis narration Sharing information/organization Community-based “quality check” of spreading information Categorie delle immagini nel flusso temporale delle prime 24h
  15. 15. 83% 17% Frequenza dell’immagine con il maggior numero di RT
  16. 16. 0% 2% 4% 6% 8% 10% 12% 14% 16% 18% 20% % Tipologia Immagini Confronto delle frequenze delle immagini
  17. 17. Le IMMAGINI-ICONA: le immagini più RT #terremoto
  18. 18. Immagini Icona A. Foto shock di tipo mediale (il crollo dei monumenti e degli edifici storici)
  19. 19. Immagini Icona B. Foto shock dell’esperienza individuale
  20. 20. Immagini Icona C. La mappa #hashtag terremoto
  21. 21. PRIME OSSERVAZIONI 1. Nella prima giornata del terremoto le immagini icona hanno svolto due funzioni: a. Funzione informativa (re-fero) attraverso la ripetizione (dispositivo tipico dei media mainstream – C. Chéroux) e lo sharing (modello grassroots); b. Funzione relazionale (re-ligo), le immagini e le parole che le accompagnano diventano dei quasi-oggetti (M. Serres) 2. Le immagini icona: a. Rimandano all’immaginario mediale della catastrofe b. Sono unite all’esperienza condivisa, individuale e privata c. Mostrano l’auto-referenza dell’ambiente Twitter
  22. 22. #domande?

×