Lo fanno professionisti (e non) di ogni genere, anche con cariche, qualifiche ruoli importanti/altisonanti. Non sfuggono a questa pratica figure operanti nel settore della comunicazione e del giornalismo.

Molti non leggono più (se mai lo hanno fatto) testi strutturati e non frammentati, giornali, libri, siti, magazine, blog e fonti informative autorevoli (sì, esiste ancora l’autorevolezza) dentro e fuori dal web, in italiano e in inglese. Di conseguenza, non sanno quale sia l’origine della notizia o dell’informazione che leggono sul post e non ne sanno riconoscere la natura di notizia o informazione riportata.

Alcuni, invece, non si pongono il problema “etico”: gli interessa l’informazione. Originale o copia “nascosta”, con o senza link, basta che lo interessi o lo colpisca.

I post di questo tipo possono avere anche molto riscontro, tra “consiglia” e commenti. L’autore ne trae un vantaggio in termini di “popolarità” maggiore rispetto a quello che avrebbe se avesse citato la font, perché identificato dai più come unico autore del contenuto visto come originale, nel doppio senso di “primo” e “innovativo”.

Questo per le dinamiche che avvengono nelle community, anche quelle teoricamente un po’ più attente ai contenuti nel loro insieme come LinkedIn.

Se oltre a indicare il link alla fonte, non copia, usa il “virgolettato”, se fa una sintesi o sottolinea un passaggio del contenuto originale l’autore del post ha tutta la mia attenzione e il mio rispetto, nonché l’indicazione che si tratta di una persona attenta, etica e forse persino interessata a condividere la cultura dell’informazione.

Ma io non sono community.

Immagine: Greg Peterson, CC BY-SA 3.0, via Wikimedia Commons

L’aumento esponenziale – a livello globale e in Italia – delle piattaforme di crowdfunding e della raccolta in termini monetari (più di 5 miliardi di dollari stimati per il 2013 in tutto il mondo) impone analisi e studi approfonditi sulle dinamiche e sulle motivazioni di adozione/partecipazione a questi nuove forme di finanziamento.

Su First Monday (una rivista peer reviewed sul mondo Internet) è stato appena pubblicato – da Patryk Galuszka e Victor Bystrov, due ricercatori dell’Università di Lodz – uno studio incentrato sui progetti a tema musicale di una piattaforma polacca di crowdfunding, megatotal.pl.

La ricerca è tesa a comprendere le motivazioni che spingono gli individui a contribuire ai progetti.

La figura del “fan” di musica soprattutto pop-rock è stata vista in anni passati sotto un’accezione negativa – una persona o un gruppi di persone isteriche e ossessionate dai propri idoli  – e passiva. A partire degli anni ’70 c’è stata una rivalutazione del “fan”: un soggetto attivo, creativo, in grado di produrre nuove forme di contenuti (per esempio i remix). L’evoluzione del web e delle tecnologie della comunicazione (oltre che l’abbassamento dei costi di tali tecnologie) ha ulteriormente ampliato il bacino, le possibilità e gli obbiettivi della fan culture.

Le comunità di appassionati (fandom) di artisti e gruppi musicali hanno trovato nella Rete e nei social media strumenti non solo utili per condividere e scambiarsi opinioni e contenuti ma anche per supportare in maniera diretta o indiretta i loro beniamini. Non solo sostegni finanziari – tramite crowdfunding o altre forme di finanziamento – ma anche tramite la promozione volontaria di canzoni, video, concerti, l’organizzazione di eventi dedicati on e offline, la creazione di contenuti collegati all'”universo” dell’artista. E questo avviene indifferentemente – ma spesso con ovvie differenze di metodi e obbiettivi – sia per le star dell’industria musicale che per musicisti e gruppi indipendenti o esordienti.

Come si è detto la ricerca si basa sulla piattaforma polacca megatotal.pl. Attiva fin dal 2007, incentrata per lo più sui progetti musicali, ha raccolto circa 220.000 dollari, fatto realizzare 105 album, 2 video, i concerto e un libro. Ha un modello simil equity-based in cui gli utenti finanziatori  possono:

• ricevere una parte dei fondi  da coloro che hanno investito nel progetto più tardi
• ricevere una parte dei profitti derivanti dalle vendite (dell’album per esempio)
• poter scaricare le tracce (che altrimenti possono essere ascoltate in streaming)

Un meccanismo quindi un po’ diverso dalle normali piattaforme di crowdfunding, che permette di effettuare strategie di investimento non banali.

Oltre ad interviste con gli amministratori della piattaforma, attraverso un questionario si sono raccolte le risposte di circa 800 utenti (su più di 21.000) che possono essere ragionevolmente identificati con il “core” di utenti più attivi. In effetti questo nucleo è quello che proporzionalmente investe di più e con continuità sulla piattaforma, mentre il restante 95% circa di utenti investe poco e poche volte (o nessuna volta, limitandosi a visitare i siti, commentare, ascoltare la musica).

I risultati forniscono, in prima approssimazione, come motivazione principale quella di supportare l’artista e come ultima quella di guadagnare dall’investimento (ma anche in questo caso egualmente importante è il supporto).

Il fatto di poter finanziare un artista “ex ante” è una possibilità recente, proprio grazie al crowdfunding: prima lo si poteva fare solo “ex post“, comprando il disco (cd) o andando ai concerti. Il fatto di finanziare progetti non tanto per guadagnarci ma perché si crede in quel progetto, nella persona o nelle persone che lo presentano è un elemento che fin da subito è emerso nei processi di crowdfunding (almeno fin quando non si parla di reale equity crowdfunding (con partecipazione azionaria) con grandi somme investite).

Infatti altri dati della ricerca mostrano come gli utenti rinunciano spesso alla “riscossione” del guadagno – comunque non grosse cifre – e lo reinvestono in altri progetti. Inoltre diventano “ambasciatori” del progetto stesso promuovendolo on e offline.

Le conclusioni della ricerca vertono su tre punti:

• le piattaforme di crowdfunding – se adeguatamente fornite di strumenti di interazione come commenti, bacheche, forum – diventano communities (nuove forme di fandom) alimentate da un nocciolo duro di utenti attivi, interessati a quella nicchia tematica (se la piattaforma è “verticale”) più che al guadagno personale o al sostegno di un unico artista “one-time“. Del resto tra coloro che entrano nella piattaforma solo per sostenere un loro amico o conoscente ve n’è qualcuno che si appassiona e continua a frequentarla anche dopo la conclusione – positiva o negativa – del progetto sostenuto in origine.
• Gli investitori più attivi e interessati sono generalmente mossi dalla propria passione e assai meno dal desiderio di guadagno. Questi “fanvestors” possono essere visti come piccole etichette indipendenti individuali (a basso rischio), interessati a promuovere artisti e progetti in cui credono e la musica (in questo caso) che piace loro. In pratica, dicono gli autori utilizzando un’espressione di Baym e Burnett, sono interessati a  “dare contributi significativi a un dominio culturale”. Ma anche, attraverso un processo di “intelligenza collettiva”, potrebbero essere in grado in un prossimo futuro di scovare talenti in modo più efficiente rispetto all’industria discografica, fenomeno già emerso in alcuni casi con gli artisti diventati famosi grazie a YouTube.
• Il crowdfunding, quando si parla di prodotti culturali come musica e film (e aggiungo io di progetti legati al sociale e forse anche all’innovazione e al design) non può essere considerato alla stregua di un “freddo” strumento finanziario, vedi business angels. La componente che prevale è quella del forte interesse personale verso certe tematiche unita a legami emozionali, addirittura empatici, con chi propone il progetto.

via crowdsourcing.org

Qualche settimana fa ho partecipato (come osservatore attento) al workshop Master of Networks 2, una due-giorni internazionale di lavori incentrata sulla teoria (e “pratica”) delle reti, organizzata da Alberto Cottica. Oltre che economista (e valente musicista) Alberto è da sempre interessato a inserire in un framework teorico tutti gli aspetti di creazione e governance di communities online, fin dai tempi del progetto Kublai (si veda la tesi di laurea di Ruggero Rossi (pdf) ispirata da Alberto).

I partecipanti al workshop sono stati divisi in due team che hanno affrontato due problemi diversi; il “Team 1” si è dedicato alla “rilevazione algoritmica di specializzazioni nelle conversazioni online” basata sui dati della community transeuropea Edgeryders, il “Team 2” alla “schemi e patterns nella ricerca fondi in Italia” basata su “open data” resi disponibili dal Ministero dell’Istruzione.

Qui di seguito la traduzione (quasi) integrale del documento finale del Team 1 che potete trovare nella sua versione originale e integrale (in inglese) qui su insiteproject.com. Appena disponibile riporterò anche il documento finale del Team 2.

Partecipanti

Alberto Cottica, Benjamin Renoust, Khatuna Sandroshvili, Luca Mearelli, , Gaia Marcus, Kei Kreutler, Jonne Catshoek, Federico Bo.

Obbiettivo

Scoprire quali gruppi di utenti in Edgeryders  (si) sono auto-organizzati in conversazioni specialistiche, nelle quali le persone gravitano intorno a uno o due argomenti (piuttosto che disperdere la loro partecipazione in tutte le discussioni). Inoltre capire se questi “specialisti”, oltre che concentrarsi su determinati argomenti, interagiscano strettamente l’uno con l’altro.

Perché è rilevante

Capire le dinamiche dei social networks e delle communities e conoscere lo schema della loro infrastruttura può rivelarsi un utile strumento a disposizione dei policy makers per ripensare il modo in cui vengono sviluppate e implementate le linee guida politiche. Inoltre si potrebbe assicurare che questi indirizzi riflettano in maniera corretta bisogni e possibili soluzioni proposte dai cittadini.

Poter scoprire i legami tra i membri di un social network basati sulle loro aree di specializzazione può permettere ai decision makers di:

• Attingere a reti esistenti di esperti e persone informate per capire meglio un problema di policy e i gruppi che ne sono più influenzati (cioè i beneficiari della policy).
• Identificare “dal basso” pre-esistenti idee e proposte per le politiche che si intendono sviluppare e mettere in atto
• Unire insieme reti diverse accomunate da un provato interesse per le politiche pubbliche, utilizzandole per progettare nuove soluzioni orientate al cambiamento e all’innovazione

Piuttosto che spendere tempo e risorse nello sviluppo e nella costruzione di sempre nuove communities intorno a vari temi, questa metodologia può aiutare ad utilizzare strutture già esistenti rafforzandole con queste reti di “esperti dal basso”, razionalizzando e rendendo più efficienti i processi decisionali.

I dati e gli strumenti

Edgeryders è un progetto nato su iniziativa del Consiglio d’Europa e della Commissione Europea nel 2011. Il suo obbiettivo era generare proposte per le nuove politiche europee sui giovani dai giovani stessi attraverso l’utilizzo di una piattaforma web aperta strutturata come un social network (maggiori informazioni). Attualmente Edgeryders è uno spinoff del progetto originale, incorporato come impresa nonprofit con sede in UK.

La piattaforma iniziale – sui dati della quale viene effettuata l’analisi – è stata realizzata con Drupal 6. Usando un set di plugin chiamato Views Datasource sono stati esportati in tre file JSON le informazioni su utenti, post e commenti.

Questi dati hanno consentito di ricreare la rete delle conversazioni nella quale gli utenti sono i nodi e i commenti gli archi. Anna e Bob sono connessi da un arco se Anna ha scritto almeno un commento su un frammento di contenuto scritto da Bob. Si è utilizzato il framework Tulip per costruire e analizzare il grafo a partire dai dati disponibili. Il risultato è stata una rete di 260 utenti attivi, circa 1600 archi e 400 commenti.

Per avvicinarsi all’obbiettivo si è arricchito il dataset con informazioni extra sulla semantica delle conversazioni.

Cosa si è fatto.

Per definire in che misura gli utenti gravitano intorno a certi argomenti e l’uno all’altro si è effettuata una “entanglement analysis” sul dataset. Questa analisi è stata proposta da Benjamin Renoust nel 2013 ed è stata eseguita con un programma chiamato Data Detangler.

     1. Edgeryders come social network di commenti

Questi dati possono essere interpretati come un social network: le persone scrivono post e commenti nella rete e, naturalmente, si commentano a vicenda. Ogni commento può essere visto come un arco che connette l’autore del commento all’autore di un post o di un commento. Oppure si può interpretare il social network come un grafo bipartito che connette gli utenti al contenuto: i commenti sono archi che connettono i loro autori all’unità di contenuto che stanno commentando.

     2. I post sono scritti in risposta alle “missioni” 

In Edgeryders sono presenti nove “campagne” ciascuna delle quali contiene dei brief, o “missioni”. I post (e relativi commenti) sono scritti in risposta alle missioni.

     3. Le keywords indicizzano le missioni

Per capire come le varie campagne e missioni sono  connesse tra di loro si sono analizzate le parole chiave (keywords) di ogni missione.

Procedendo manualmente, attraverso il servizio online TagCrowd, si sono trovate e selezionate le prime 12/15 parole per ordine di frequenza presenti nelle missioni (sono state rimosse parole non significative o inerenti le funzionalità della piattaforma, tipo “add post”).

La combinazione di questi tre passi ha prodotto un “multiplex social network“(nel quale esistono relazioni multiple tra lo stesso insieme di attori) indicizzato da keywords.

Vediamo quali sono stati i passi successivi.

     4. Eliminare gli specialisti “by default”

Sono stati eliminati gli archi collegati a una sola missione che identificano specialisti “by default”.

     5. Rimuovere conversazioni generaliste.

A questo punto si ha un social network di utenti e keywords. Ogni keyword può esser vista come un “livello” della rete, che identifica una sotto-rete: la rete delle conversazioni sul lavoro, sull’educazione ecc. Per isolare le conversazioni specializzate, per ciascun arco si sono rimosse tutte le keyword ad eccezione di quelle che apparivano in tutte le intersezioni tra due utenti. Ovvero, si è ricostruita la rete assegnando a ciascun arco l’intersezione dell’insieme di keywords comprese in ogni interazione individuale. In alcuni casi l’intersezione era vuota e quindi l’arco è stato eliminato.

Un utile effetto collaterale di questi ultimi due passi è stato quello di ridurre fortemente l’influenza dei moderatori del team di Edgeryders, che sono per definizione tra gli utenti più attivi e potrebbero distorcere i risultati dell’analisi. Il punto 4 rimuove le interazioni “one off” con gli utenti poco attivi, il punto 5 rimuove gli archi che connettono tra loro i moderatori, visto che partecipando a tutte le discussioni fanno tendere a zero l’intersezione delle parole chiave.

     6. Identificazione gruppi di specialisti

Si è arrivati quindi a identificare gruppi di specialisti identificano quegli utenti che interagiscono tra loro solo con un piccolo numero di keywords. Nell’esempio n(keywords)=2.

Conclusioni

Il metodo sembra in grado di identificare “gruppi” di specialisti, dove la parola “gruppo” è intesa nel senso di un’insieme di persone che non solo contribuiscono con contenuti ma interagiscono gli uni con gli altri. Questo fa emergere l'”intelligenza collettiva” nelle conversazioni su larga scala. Nella figura 1 sono evidenziati individui (sulla sinistra) che interagiscono solo attraverso le parole “education” e “learning“. Gli individui evidenziati che non sono connessi con alcun arco evidenziato sono utenti che hanno scritto contenuti relativi a queste parole chiave ma non sono parte di interazioni su queste stesse parole.

Una volta identificati i gruppi di specialisti il passo successivo è guardare le keywords che co-occorrono negli archi che li connettono. Per esempio nella Figura 2 si possono vedere le parole che si aggiungono a “education” e “learning” nel gruppo prima identificato. Si può notare sia che anche la parola “open” è significativa (la grandezza del circolo associato è proporzionale al suo uso). Si potrebbe interpretare questo dato dicendo che gli “specialisti” in educazione in questa community pensano che il concetto di “apertura” sia importante quando si parla di educazione.

Questo metodo è scalabile. Può essere usato per scoprire inaspettati schemi di interazione che possono essere oggetto di successive ricerche.

Margini di miglioramento

Il problema principale con questo metodo d’analisi è che è estremamente sensibile alla selezione delle keywords. Si possono ottenere risultati migliori con un metodo che associ al conteggio delle occorrenze un’analisi etnografica. Purtroppo le “folksonomies” (tagging non strutturato) tendono a non funzionare perché introducono molto rumore nel sistema.