SISP paper spina - Società Italiana di Scienza Politica

 XXVIII CONVEGNO SISP Università degli studi di Perugia -­‐ Università per Stranieri di Perugia 11-­‐13 settembre 2014 SEZIONE 5 COMUNICAZIONE POLITICA PANEL 5.6: LO STUDIO DEL LINGUAGGIO POLITICO IN ITALIA: NUOVI MEDIA, NUOVI METODI? (Chair Giorgia Bulli, Flavio Chiapponi) Metodologie di analisi del discorso politico: l’indice di keyness.
Un confronto fra il lessico usato su Twitter e in televisione Stefania Spina1 1. Introduzione Twitter -­‐ il social network che consente agli utenti di pubblicare post con un limite di lunghezza di 140 caratteri -­‐ ha superato da alcuni mesi in Italia il numero di 4 milioni di utenti attivi settimanalmente2. In rapporto a Facebook, ambiente social di massa per eccellenza, Twitter si caratterizza come il network dotato di maggiore influenza tra quelli considerati di nicchia (Tallei, Grandi 2014). Il primo tweet di un membro del parlamento italiano risale al marzo 2007. Da allora, la presenza dei politici italiani sul social network ha subito un forte incremento: una percentuale rilevante dei parlamentari ha un account su Twitter e lo usa regolarmente per comunicare con i propri follower. Man mano che le interazioni dei politici su Twitter aumentano e diventano abituali, si trasforma la funzione stessa del social network, che da strumento di diffusione del discorso politico diventa luogo stesso in cui si svolge l’azione politica. 1
2
Università per Stranieri di Perugia, Dipartimento di Scienze Umane e Sociali.
Fonte: MEC:consulting (http://youmark.it/wp-content/uploads/2013/01/Ricerca-Twitter-MEC.pdf).
Questa presentazione è suddivisa in due parti: nella prima, cercherò brevemente di mostrare, sulla base di considerazioni di tipo linguistico-­‐discorsivo, perché Twitter può costituire un'opportunità di cambiamento per il discorso politico. Nella seconda, presenterò un'analisi linguistico-­‐statistica del lessico usato su Twitter da un campione di politici italiani, mirata a verificare se e in che misura tali opportunità di cambiamento sono colte dai politici nella reale interazione quotidiana sul social network. Dal punto di vista metodologico, l’obiettivo è quello di descrivere una specifica procedura di acquisizione, organizzazione ed analisi di dati linguistici; se infatti lo studio delle interazioni sui social network consente di disporre abbastanza facilmente di grandi quantità di testi, basandosi dunque sull’analisi di dati quantitamente rilevanti e non solo su valutazioni intuitive, esso impone al tempo stesso l’adozione di scelte metodologiche mirate. Tali scelte devono consentire di analizzare i dati su basi quantitativo-­‐statistiche rigorose, e di coniugare tale impostazione iniziale con una successiva elaborazione di tipo qualitativo. Un approccio empirico di questo tipo ha come livello di analisi privilegiato, da un punto di vista linguistico, quello lessicale, che meglio di altri si presta ad un trattamento automatico dei dati. La seconda parte della presentazione verterà dunque sulla descrizione e sui risultati dell’analisi della keyness in un corpus di interazioni di politici italiani su Twitter, e sul confronto con una parallela analisi della keyness in un corpus di discorso politico tratto da talk show televisivi. 2. Twitter come opportunità di cambiamento per il discorso politico Per investigare i nuovi atteggiamenti linguistico-­‐discorsivi introdotti nella comunicazione politica dall'uso sistematico dei social network, e di Twitter in particolare, è necessario rifarsi a due differenti prospettive teoriche: 1. la prospettiva connessa all'Analisi del Discorso Politico. Secondo Chilton (2004), il discorso politico svolge la doppia funzione di: •
rappresentare un individuo come politico, e di conseguenza come una persona dotata di credibilità, per creare o rafforzare il suo consenso e fare in modo che venga accettato nell'arena politica; •
interagire, in contesti e situazioni diverse e con interlocutori diversificati. In questa prospettiva, Twitter è il luogo in cui gli attori politici hanno la possibilità di diffondere un'immagine positiva di sé, nell'atto in cui interagiscono con i loro interlocutori; 2. la prospettiva connessa al Computer-­‐Mediated Discourse (Herring 2008). Dopo il paradigma della trasmissione (broadcasting), in cui la comunicazione è solo verticale, unidirezionale e uno-­‐a-­‐molti, Internet, e in modo particolare i social media, hanno provocato un cambiamento radicale ed hanno introdotto il paradigma dell'interazione, in cui le persone condividono in modo orizzontale flussi dinamici di conversazioni, che creano nuove forme di relazioni interpersonali. Tali flussi di conversazioni sono basati su una nozione dinamica di contesto: la contestualizzazione, cioè la pratica di rendere il contesto disponibile (Auer, Di Luzio 1992), si realizza su Twitter attraverso l'uso di quattro diversi operatori, che corrispondono a quattro diverse funzioni: 1. @ = indirizzare ad utenti specifici 2. http = indirizzare ad altri testi 3. RT = redistribuire (con una valutazione implicita; Spina in stampa) 4. # = classificare ed aggregare Attraverso l'uso sistematico e combinato di questi operatori, e la conseguente realizzazione di queste funzioni, gli utenti di Twitter ancorano le loro interazioni ad uno specifico contesto, consentendo ai loro interlocutori di farlo proprio e condividerlo. Il risultato è un sistema discorsivo multireferenziale, in cui diverse azioni comunicative sono svolte dagli utenti su dimensioni multiple, basate sulla multireferenzialità, sull'intertestualità e sulla interdiscorsività (Spina, Cancila 2013). Attraverso l'integrazione di queste due prospettive, l'ipotesi che si vuole investigare è che Twitter rappresenti un’opportunità di rinnovamento per il discorso politico, specie in un periodo di profonda disaffezione da parte dei cittadini nei confronti della politica, e che tale opportunità sia legata ad alcune caratteristiche generali di Twitter come mezzo di interazione tra le persone (Spina 2012): 1. brevità forzata: i limiti nella lunghezza dei tweet favoriscono l'immediatezza della comunicazione e producono forme deittiche di interazione, che hanno un forte legame con gli eventi mentre essi stanno avvenendo; 2. aggregazione: attraverso l'uso sistematico dell'hashtag (#), le interazioni in Twitter rivelano lo sforzo di aggregare comunità di persone attorno a temi e valori chiave (Zappavigna 2012). Gli hashtag, infatti, svolgono in Twitter una duplice funzione: essi sono in primo luogo dei metadati attraverso cui gli utenti rendono esplicito l’argomento di un tweet. Al tempo stesso, tuttavia, sono anche un invito, rivolto da un utente a tutti i propri follower, a collegarsi con quello specifico argomento e col pubblico che ne parla. In questo senso, l’hashtag è anche un potente strumento utilizzato per creare aggregazione, volto a realizzare o rafforzare dei legami sociali e a creare dei significati interpersonali. Questa ricerca di aggregazione appare del tutto funzionale ad utenti-­‐politici; l’aggregazione di comunità di persone può infatti diventare strumento della positiva rappresentazione di sé e della ricerca di consenso, ed anzi favorire la creazione e il consolidamento di tale consenso, attraverso meccanismi di affiliazione intorno a nuclei di valori condivisi; 3. ricercabilità (Zappavigna 2012). Pur essendo molto simili a conversazioni parlate, le interazioni in Twitter sono di fatto testi scritti, e, di conseguenza, restano archiviate in modo permanente ed accessibili attraverso i motori di ricerca. Questa commistione tra la volatilità del parlato e la permanenza della lingua scritta genera una maggiore attenzione alla scelta delle parole, perché ciascun tweet può essere ricercato e diffuso anche molto tempo dopo essere stato prodotto; 4. atteggiamento valutativo. Nel momento in cui interagiscono in Twitter, gli utenti raramente comunicano in modo distaccato e impersonale: molto più spesso tendono a prendere posizione e ad esprimere apertamente il proprio atteggiamento riguardo a un tema, una persona o un evento (Zappavigna 2012). Secondo Bamman et al. (2012), "ogni tweet veicola un atteggiamento, che riflette l'autore, l'argomento, e il pubblico.” Tale caratteristica è in netto contrasto con le strategie di evitamento di cui spesso i politici si servono nei loro interventi in altri media, come la televisione: Spina (2012) ha dimostrato che su Twitter hanno una frequenza significativamente maggiore elementi lessicali di tipo affettivo (verbi, sostantivi, aggettivi come vergognarsi, adorare, orrore, terribile, entusiasmante) rispetto a quanto avviene nella comunicazione politica televisiva. Per contro, sono usate significativamente di meno strategie linguistiche indirette o di evitamento, come i passivi, la nominalizzazione, i condizionali e l'attenuazione; 5. conversazionalità. Le interazioni in Twitter possono essere descritte come flussi di brevi conversazioni pubbliche, caratterizzate da un doppio tipo di audience: quella generale dei follower e quella specifica di eventuali, singoli destinatari, selezionati attraverso l'uso della menzione (il nome di un utente preceduto dal carattere "@"). Il carattere dialogico è dunque parte della natura stessa di Twitter (Honeycutt, Herring 2009); l'adozione di un atteggiamento concretamente dialogico, nel caso della comunicazione politica, equivale alla scelta di comunicare con l’obiettivo consapevole di stabilire delle relazioni con gli altri. Tale scelta è coerente con le diffuse aspettative dei cittadini, che, in un'ottica di interazione, ritengono ormai imprescindibile un radicale abbandono della prospettiva verticale e monodirezionale a favore di modalità comunicative orizzontali, dialogiche e partecipative. Date queste premesse, le domande a cui si è cercato di rispondere attraverso un’analisi linguistico-­‐statistica del lessico sono: •
A livello del lessico utilizzato, ci sono delle specificità che caratterizzano le interazioni dei politici su Twitter? •
Ci sono differenze con il lessico usato dai politici in altri mezzi di comunicazione? •
In che modo la costruzione di significato risulta modificata dall'uso di lessico specifico all’interno di un sistema discorsivo multireferenziale, caratterizzato dal proliferare degli interlocutori, come quello di Twitter? 3. Analisi dei dati: il lessico usato dai politici italiani su Twitter Per cercare di rispondere a queste domande, ho usato una metodologia quantitativa, caratteristica dell'approccio della Linguistica dei corpora (Spina 2001); ho dunque costituito un corpus di dati da cui estrarre fenomeni e pattern linguistici quantitativamente significativi. I dati selezionati sono costituiti dall’insieme dei tweet inviati da un campione di 40 politici italiani nell’arco di 4 mesi, corrispondenti al periodo novembre 2011-­‐febbraio 2012. Il totale dei tweet inseriti nel corpus è di 31.581; sono stati estratti per ciascuno dei 40 politici che formano il campione sia i tweet (post originali), sia i retweet (le citazioni di tweet scritti da altri); questo comporta che vi siano dei messaggi che si ripetono più volte, nel caso in cui abbiano subito più di un retweet (per una descrizione più dettagliata del corpus, cfr. Spina 2012). I messaggi inviati via Twitter sono stati estratti automaticamente usando twitteR, un pacchetto integrato nel software di analisi statistica R3; successivamente, sono stati organizzati in modo da permetterne l’analisi linguistica. Il risultato è un corpus (che da qui in avanti indicherò con TW) composto da 517.440 parole, interrogabile attraverso software specificamente costruiti per analisi di tipo linguistico, alla ricerca di pattern legati a particolari funzioni, che possano fornire indizi sul modo in cui attraverso di esse i politici in Twitter creano relazioni e costruiscono significati . 3
R è un software per l’elaborazione statistica dei dati: http://www.r-­‐project.org. twitteR è un pacchetto finalizzato all’estrazione e all’analisi di dati di Twitter: http://cran.r-­‐
project.org/web/packages/twitteR/index.html 3.1. Alcuni dati sul campione La scelta dei 40 esponenti politici come campione per la costituzione del corpus è stata effettuata nell’ottobre del 2011, per poi iniziare l’estrazione sistematica dei dati il primo di novembre. Erano le settimane in cui Twitter incominciava ad essere scoperto come veicolo efficace della comunicazione politica, ma la presenza di politici sul social network non era diffusa come oggi. Non è stato dunque agevole trovare 40 politici italiani attivi su Twitter, che rispondessero ad alcuni criteri di base: •
essere attivi sul network in modo continuo (non meno di un tweet a settimana); •
produrre messaggi scritti in modo specifico per Twitter (sono stati esclusi coloro che inoltrano abitualmente messaggi su Twitter attraverso altri network, come Facebook) . Questa scelta è legata alla volontà di rappresentare nel corpus le specificità linguistiche, sociali, tecnologiche e semiotiche di Twitter; Nell’arco dei 4 mesi presi in esame, la media di tweet al giorno inviati dai politici analizzati è di 6,5 (vedi tab. 1). Il campione selezionato rivela in realtà una grande differenziazione interna: i 6.5 tweet al giorno sono il risultato di medie personali molto eterogenee, che vanno da meno di 1 tweet quotidiano a quasi 50. C’è dunque chi dedica alla produzione di tweet i pochi minuti al giorno richiesti dalla scrittura di un messaggio, e chi invece vi trascorre una quantità di tempo molto più consistente, necessaria ad inviare decine di messaggi. La fig. 1 mostra il picco di tweet inviati nel mese di novembre, in coincidenza con la caduta del governo Berlusconi. 10000 8000 6000 4000 2000 novembre 2011 dicembre gennaio 2012 febbraio 2011 2012 Fig. 1 -­‐ I tweet inviati dai politici da novembre 2011 a febbraio 2012 Nome Alfano Ancarani Belisario Bergamini Bindi Bocchino Brambilla Caldoro Capezzone Carfagna Casini Cavallaro Civati Cota De Girolamo De Magistris De Poli Di Pietro Donadi Fini Franceschini Frattini Lupi Melandri Meloni Moroni Mosca Palma Palmieri Pinotti Pisapia Rao Renzi Rutelli Sarubbi Scalfarotto Serracchiani Valducci Vicari Vincenzi TOTALE nov. 11 52 518 196 91 67 147 42 11 25 14 100 541 2680 45 71 29 285 170 127 70 82 29 132 39 59 18 27 36 46 269 147 432 244 55 1541 728 72 62 14 423 9736 dic. 11 15 44 176 158 43 163 57 19 16 18 60 234 1195 40 251 325 286 247 53 62 26 55 85 19 135 25 16 54 14 394 107 232 97 38 1089 565 56 70 6 261 6806 gen. 12 18 20 207 207 32 105 50 42 14 15 90 204 1047 60 190 192 271 262 37 114 21 57 147 11 160 7 29 139 55 416 163 255 104 20 1086 609 53 134 20 253 6916 feb. 12 27 36 177 484 47 170 5 58 19 31 132 353 1094 69 227 159 516 331 58 84 30 113 300 44 247 48 18 66 78 307 194 352 120 27 1291 578 46 66 36 85 8123 totali 112 618 756 940 189 585 154 130 74 78 382 1332 6016 214 739 705 1358 1010 275 330 159 254 664 113 601 98 90 295 193 1386 611 1271 565 140 5007 2480 227 332 76 1022 31581 media giornaliera 0,93 5,11 6,25 7,77 1,56 4,83 1,27 1,07 0,61 0,64 3,16 11,01 49,72 1,77 6,11 5,83 11,22 8,35 2,27 2,73 1,31 2,10 5,49 0,93 4,97 0,81 0,74 2,44 1,60 11,45 5,05 10,50 4,67 1,16 41,38 20,50 1,88 2,74 0,63 8,45 6,52 Tabella 1 – I dati riassuntivi dei 40 politici del campione: n. di tweet per mese, numero totale, media giornaliera dei tweet inviati nei quattro mesi considerati. 3.2. La metodologia di analisi: l’indice di keyness: Il lessico usato dai politici nelle loro interazioni in Twitter è stato quindi sottoposto a un’analisi linguistico-­‐quantitativa, utilizzando in particolare una misura statistica piuttosto comune nel campo della Linguistica dei corpora. L'indice in questione è quello che individua la keyness (Baker, 2006:121; Scott, 1996), cioè la specificità delle parole usate in un insieme di testi; il valore di keyness è ottenuto confrontando la frequenza delle parole con quella delle parole usate in un corpus di riferimento4: A word is said to be "key" if [...] its frequency in the text when compared with its frequency in a reference corpus is such that the statistical probability as computed by an appropriate procedure is smaller than or equal to a p-­‐value specified by the user (Scott, 2011). La procedura per calcolare l’indice di keyness è, molto sinteticamente, la seguente: si ottiene la lista di frequenza del corpus oggetto di studio (CS) e di un corpus di riferimento (CR), che possiamo considerare un insieme di dati in cui le parole hanno una frequenza media; si sceglie un test statistico di significatività, tipicamente la log-­‐ likelihood (Rayson, Garside 2000) o il chi-­‐square (Gries 2013); si confrontano le due liste di frequenza (CS) e (CR), e si calcolano le parole “key”, quelle cioè che secondo il test selezionato hanno un p-­‐value con un valore significativo rispetto alla soglia (p-­‐value = <0.01). Tale procedura può essere eseguita manualmente, oppure utilizzando un software mirato all’analisi linguistica5. Il calcolo dell'indice di keyness produce una lista di parole key che possono tipicamente essere suddivise in tre grandi classi (in questa sede ci occuperemo della 2 e della 3): 1. i nomi propri, che ovviamente differiscono al variare dei testi; 2. il lessico specifico propriamente detto, legato strettamente all'argomento dei testi e costituito spesso da tecnicismi (la cosiddetta aboutness, che individua le parole che mettono in grado il destinatario di identificare il dominio di un testo anche senza conoscerlo); 3. una parte del lessico comune, che, per motivi spesso stilistici, presenta in particolari generi testuali frequenze anomale rispetto a quelle che ha nel corpus di riferimento. L'analisi della keyness è stata effettuata sul corpus TW e su un corpus di trascrizioni di 37 talk show televisivi a cui partecipavano politici (il corpus TV6); il confronto tra i valori di keyness di TW e TV ha evidenziato fenomeni interessanti e rivelatori dei criteri che guidano, nell'uno e nell'altro medium, la scelta delle parole. Partendo dalla seconda classe di parole individuate dall’indice di keyness, cioè il lessico specifico vero e proprio, la tab. 2 mostra alcuni esempi di parole key in TW e TV (ho 4
Per “corpus di riferimento” si intende un insieme di testi, spesso di dimensioni molto estese e costruito bilanciando generi testuali diversi, che siano rappresentativi di una determinata lingua (Spina 2001). Per questo studio è stato utilizzato il Perugia Corpus, un corpus di riferimento dell'italiano contemporaneo scritto e parlato, realizzato all'Università per Stranieri di Perugia (http://perugiacorpus.unistrapg.it/); in particolare, i valori di keyness sono stati calcolati usando un suo sottoinsieme bilanciato formato da cinque milioni di parole. 5 In particolare, eseguono il calcolo della keyness AntConc (http://www.antlab.sci.waseda.ac.jp/antconc_index.html) e Wordsmith Tools (http://www.lexically.net/wordsmith/). 6
Si tratta di talk show andati in onda tra la fine del 1998 e il 2012, per totale di circa 50 ore di trasmissione e di un corpus che
misura oltre 450.000 parole (cfr. Spina 2012).
selezionato in particolare, tra le 200 con valori più elevati, alcune di quelle esclusive, che sono cioè specifiche di un corpus e non lo sono dell'altro). Come si può notare, il lessico specifico dei dibattiti politici televisivi è in realtà assai poco specifico e molto generico: faremmo probabilmente fatica a definire tecnicismi parole come disoccupazione o fisco, e diverse altre, come lavoro o crisi sono per lo più dei termini-­‐contenitore, dai confini semantici assai poco delineati. Questo estratto da un talk show televisivo è un esempio efficace della genericità e dell'indeterminatezza prodotta dall'uso sistematico di tali termini: Io sostengo che noi abbiamo in Italia un problema sociale acuto che ha in testa la parola lavoro, che se non affrontato può portarci, diciamo, a un rimpicciolimento di questo Paese dal punto di vista della produzione, della ricchezza, di possibilità di tener su lo Stato Sociale, di dare una prospettiva di lavoro ai giovani. TV TW centrodestra assemblea centrosinistra audizione crisi aula disoccupazione commissione elezioni consultazioni finanziaria emendamento fisco IMU giustizia mozione governare odg lavoro Porcellum sanità primarie stato referendum Tab. 2 -­‐ Alcuni termini con indice di keyness elevato in TW e TV (parole specifiche e tecniche) Se passiamo ad analizzare alcuni dei termini key usati in Twitter, notiamo subito alcune differenze: alcuni di essi sono senz'altro tecnicismi (referendum, primarie, emendamento, ad esempio). Oltre a questo, il lessico specifico di TW sembra spesso riferirsi ad eventi o situazioni concrete che riguardano l'attività politica (assemblea, mozione, aula, odg). Le parole più tipiche di Twitter hanno dunque una reale specificità legata al dominio della politica, e si riferiscono inoltre molto più direttamente alla concretezza del contesto reale in cui l'attività politica si svolge; se in TV dominano genericità e indeterminatezza, in Twitter prevalgono specificità e concretezza. Alcuni esempi tratti da TW illustrano questa differenza: @utente IdV ha presentato circa 150 emendamenti. PD -­‐ PDL -­‐ Terzo Polo ne hanno presentato quasi 2000 . Perché se sostengono il Governo? Vannino Chiti propone una mozione d' indirizzo per la legge elettorale. Esiste già, l'hanno fatta i cittadini firmando per il referendum. Ho completato la preparazione del mio intervento di domani in commissione cultura per l'audizione del ministro Profumo. Digitale e non solo scusa, @utente, ma ieri @RutelliTweet non aveva detto che sarebbe stato lui l'incaricato del Terzo Polo per le #consultazioni? Anche nella terza classe di parole identificata dall’indice di keyness, quella del lessico comune con frequenza anomala rispetto al corpus di riferimento, Twitter e i dibattiti televisivi presentano differenze di rilievo (vedi tab. 3). TV TW fare oggi cosa domani credo ora problema stasera noi auguri situazione grazie tema cari milioni buon miliardi voi (auguri, complimenti, grazie a voi) Tab. 3 -­‐ Alcuni termini con indice di keyness elevato in TW e TV (parole di uso comune) In TV, anche in questo caso, dominano termini fortemente generici come cosa, fare, problema, situazione, tema. Se è vero dunque che per questa classe di parole comuni la frequenza anomala rispetto ad un corpus di riferimento indica per lo più scelte stilistiche, nelle trasmissioni televisive di politica tali scelte stilistiche corrispondono all’adozione di un lessico vago e generico. E’ inoltre da notare l’uso frequente in televisione di numeri e cifre (miliardo, milione), che, dietro l’apparenza di oggettività ed esattezza, hanno spesso una funzione distraente sullo spettatore (Spina 2012). Un’altra parola comune che in televisione è usata più spesso di quanto avviene nella media in italiano è credo: oltre alla sua funzione di introdurre l’opinione di chi sta parlando, credo funge anche da attenuativo, per mitigare l’intensità o la portata di un’affermazione, come nell’esempio seguente, tratto da TV, in cui, nella parte finale, credo e secondo me svolgono entrambi tale funzione: Io credo che poco a poco si chiarisca la situazione. Noi abbiamo cercato di mettere a confronto due ipotesi che non erano due uomini , erano due ipotesi. Le abbiamo messe a confronto davanti ai cittadini e agli elettori. Io credo che questo metodo , secondo me , è un metodo che sarebbe consigliabile. Alcune considerazioni interessanti riguardano inoltre l’uso dei pronomi personali, altre parole comuni che spesso hanno frequenze anomale. I pronomi personali sono importanti perché definiscono e individuano i partecipanti a un'interazione, e l'uso di uno o dell'altro può rivelare differenze nel loro rapporto con chi parla. In TV i due pronomi con valori di keyness elevati sono io e noi. Il noi inclusivo, in particolare (Biber 1988), rivela la costante ricerca di coinvolgimento del pubblico televisivo, nel tentativo di fare appello alla sua emotività, al fatto di avere in comune – il politico e gli spettatori – obiettivi condivisi, e per questo di identificarsi in valori comuni, in contrapposizione con qualcun altro. Noi stiam discutendo appunto il processo breve e via andando. Allora, io non son catastrofista neanch'io, sono un ottimista. Però, dati alla mano, non mi vengano a dire noi stiamo meglio di altri, il problema ce l'abbiamo alle spalle. Perché se fosse vero questo, avrebbe ragione Tremonti, andiamo avanti così. Per tornare al 2007, in termini di ricchezza, noi siamo lontani 4,8 punti, tanto così , gli altri son lontani tanto così . Siam più lontani noi , quindi dovrai correre più forte. E adesso Tremonti dice l'1%, l'anno prossimo l'uno. Ma la Francia sarà al due, la Germania sarà all'1,8. L'anno scorso noi ci siamo fatti bel bello 700 mila posti di lavoro in meno, okay? Adesso, quest'anno, noi abbiamo un milione di cassintegrati . Le scelte lessicali dei politici in televisione sono dunque improntate, dal punto di vista stilistico, alla ricerca di espressioni vaghe, generiche o attenuative, che siano in grado di mitigare la portata di un’affermazione e che puntino al coinvolgimento emotivo degli spettatori e alla loro identificazione con valori comuni. La situazione in Twitter appare molto diversa: ai ranghi più alti tra le parole comuni con indici di keyness elevati troviamo una serie di avverbi di tempo, tutti riferiti al presente o al futuro: oggi, domani, ora, stasera. Il discorso di Twitter è fortemente ancorato al contesto presente, e fa uso frequente di deittici, che realizzano linguisticamente questo legame (Zappavigna, 2012). Una delle tracce stilistiche di Twitter, dunque, è l’uso frequente di marche temporali che rendano esplicito questo forte radicamento nel presente, come negli esempi seguenti: Buongiorno! Fino ad ora al lavoro in via dell'Umiltà. Adesso vado alla riunione di tutti i senatori del PDL. A dopo... Oggi ascolteremo #Monti per ora sono state fatte solo chiacchiere. Appoggeremo misure che davvero promuovano lo sviluppo. Inauguro stasera una serie di post su questa #manovrainvotabile http Un altro indizio di un forte legame col contesto è l’uso della preposizione su, che ha in Twitter un valore di keyness molto elevato, nonostante si tratti di una parola grammaticale che potrebbe dunque rientrare nel numero di quelle soppresse per rientrare nei limiti di spazio imposti dal network. Un’analisi delle parole con cui su co-­‐occorre, riassunta nella tab. 4, rivela che il suo sovrauso è motivato dalla necessità di dare una localizzazione precisa a eventi, risorse o testi che vengono richiamati nei tweet. Su è quindi molto spesso seguito dal nome di un sito Internet o dalle denominazioni di altri media (giornali, reti e programmi televisivi), e serve a specificare la localizzazione a cui rimanda il contenuto di un tweet. Come nel caso precedente, l'anomalia della frequenza di su trova la sua spiegazione nella necessità di esplicitare il contesto – in questo caso quello spaziale o testuale – a cui chi scrive fa riferimento. su su [link] su Facebook su la7 su Rai3 su #opencamera su Repubblica su Tgcom24 su Internet Tab. 4 -­‐ Le parole che co-­‐occorrono con su in TW Per completare l'analisi comparativa del lessico comune con un valore elevato di keyness in Twitter e in televisione, ho preso in esame anche in TW i pronomi personali; a differenza con quanto avviene in TV, l'unico che presenta una frequenza anomala in Twitter è voi, che viene spesso usato in espressioni ricorrenti come grazie a voi, auguri a voi, complimenti a voi. La frequenza di queste espressioni è indice di una tendenza ad un'interazione di tipo dialogico: chi scrive, uno dei 40 politici esaminati, è alla costante ricerca di connessione con altri utenti, identificati dal voi, a cui si rivolge per stabilire o consolidare un'interazione (Zappavigna 2012). Non c'è più, come nel caso di noi in televisione, la ricerca di un coinvolgimento, basato sulla contrapposizione noi/loro, ma c'è la persistente ricerca di una connessione o di un dialogo tra chi scrive e voi, i followers, o una parte di essi (quelli, ad esempio, individuati da una menzione). Attraverso un’analisi della keyness emergono dunque alcuni aspetti del discorso politico su Twitter che lo caratterizzano rispetto a quello televisivo: la selezione lessicale, ad esempio, risponde maggiormente a criteri di concretezza e di specificità rispetto al dominio della politica; prevalgono le parole che realizzano legami col contesto spazio-­‐temporale e testuale, con un radicamento particolare nel momento presente. L'uso dei pronomi personali rivela inoltre una tendenza alla dialogicità e una ricerca costante di connessione e di interazione. Questa tendenza all'interazione e alla dialogicità è legata al sorgere di nuove pratiche di tipo sociale, favorite da innovazioni tecnologiche. Le scelte lessicali operate dai politici in Twitter sono dunque il risultato di vincoli e opportunità offerti dalla tecnologia e, al tempo stesso, da nuove abitudini sociali che il nuovo mezzo di comunicazione introduce e rende comuni nelle interazioni di rete. Riferimenti bibliografici Auer, P., Di Luzio, A. (1992). The Contextualization of Language. Amsterdam: Benjamins. Baker, P. (2006). Using Corpora in Discourse Analysis. London: Continuum. Bamman, D., J. Eisenstein, T. Schnoebelen, (2012). "Gender in Twitter: Styles, stances, and social networks". http://arxiv.org/pdf/1210.4567.pdf. Biber, D. (1988). Variation Across Speech and Writing. Cambridge: Cambridge University Press. Chilton, P. (2004). Analysing political discourse: theory and practice. London: Routledge. Gries, S. Th. (2013). Statistics for linguistics with R. Berlin -­‐ New York, De Gruyter Mouton. Herring, S. C. (2008). “Computer-­‐Mediated Discourse”. In D. Schiffrin, D. Tannen and H. E. Hamilton (eds.) The Handbook of Discourse Analysis. Malden: Blackwell, 612-­‐634. Honeycutt C., Herring S. C., (2009). “Beyond microblogging: Conversation and collaboration via Twitter”. Proceedings of the Forty-­‐Second Hawai'i International Conference on System Sciences (HICSS-­‐42), Los Alamitos: IEEE Press. Rayson, P., Garside R. (2000). “Comparing corpora using frequency profiling”, in Proceedings of the workshop on Comparing Corpora, held in conjunction with the 38th annual meeting of the Association for Computational Linguistics (ACL 2000), 1-­‐8 October 2000, Hong Kong, pp. 1-­‐6. Scott, M. (1996). WordSmith Tools Manual. Oxford: Oxford University Press. Scott, M. (2011). WordSmith Tools Manual, Version 6. Liverpool: Lexical Analysis Software Ltd. Spina S. (2001). Fare i conti con le parole. Introduzione alla linguistica dei corpora. Perugia: Guerra. Spina, S. (2012). Openpolitica. Il discorso dei politici italiani nell’era di Twitter. Milano: FrancoAngeli. Spina, S. (in stampa). Twitter as a source of change in political discourse. Atti del Convegno “The Languages of Politics – La politique et ses languages” (Università di Verona, 30-­‐31 maggio 2013). Spina, S., Cancila J. (2013). “Gender issues in the interactions of Italian politicians on Twitter: Identity, representation and flows of conversation”. In International Journal of Cross-­‐
cultural Studies and Environmental Communication, 2.2, pp. 147-­‐157 Tallei, R., Grandi, M. (2014). #Arrivo Arrivo: La corsa di @matteorenzi da Twitter a Palazzo Chigi. Roma: Fazi. Zappavigna, M. (2012). The Discourse of Twitter and Social Media. How We Use Language to Create Affiliation on the Web. London: Continuum.