QualCoder è un software open source per l’analisi computer-assistita dei dati qualitativi (CAQDAS – Computer Assisted Qualitative Data Analysis Software). Si tratta dunque di uno strumento free, nel senso di libero e gratuito, da utilizzare per analizzare testi di vario tipo (articoli di giornali, come anche interviste) attraverso procedure di codifica flessibili, basate su decisioni “umane”, del ricercatore (cfr: Statistica testuale e interpretazione). Non semplicissimo da installare, è facile da usare e offre tutte le principali funzionalità che possono servire per la ricerca sociale.

Ho parlato del progenitore di QualCoder in questo post. L’ultima versione di RQDA è del 2018, può essere scaricata a questo indirizzo, ed è compatibile con R 3.4.4 (tutte le versioni precedenti di R sono disponibili sul sito del Cran).

Installazione

L’installazione non è semplicissima, specialmente se non si ha alcuna familiarità con Python. I passi da seguire sono i seguenti:

1. Installare Python3 e VLC (media player open source, per l’analisi dei file multimediali).
2. Per gli utenti Windows 10, è consigliabile installare Python dallo Store Microsoft (guida);
3. Scaricare i file di QualCoder (alla pagina https://github.com/ccbogel/QualCoder, oppure cliccando qui); dezippare l’intera cartella in una posizione qualunque (si chiamerà /QualCoder-master/qualcoder)
4. Installare le librerie Python necessarie per eseguire QualCoder, in base al tipo di sistema operativo utilizzato (clicca qui per le istruzioni relative a ciascun sistema).
5. A quel punto, in Windows, cliccando sul file __main__.py QualCoder-master, si aprirà l’interfaccia di QualCoder.
6. Gli utenti di Windows potrebbero dover controllare che il percorso di Vlc sia stato aggiunto fra le variabili di sistema (per trovare il percorso, si può digitare where python nel prompt dei comandi; per modificare il path, seguire le istruzioni di questo video su YouTube).

Interfaccia

L’installazione può insomma risultare complicata per l’utente medio. In compenso, il software può in compenso essere facilmente utilizzato da subito, in quanto ha una interfaccia grafica che non richiede una riga di codice e — benché non tradotta in italiano — neanche una conoscenza avanzata dell’inglese.

Se il principale limite del progenitore RQDA era costituito dal fatto che permetteva di utilizzare solo documenti di testo, QualCoder – alla pari dei software commerciali più diffusi – consente di codificare anche immagini, video e file audio.

Funzionalità

L’operazione di base, la codifica, consiste nel creare un codice (code), e successivamente assegnarlo a segmenti di testo, audio o video (documenti).

È possibile assegnare attributi – che possono essere pensati come delle variabili – a diversi tipi di oggetti, ed assegnare attributi e oggetti ai casi, secondo l’approccio della Qualitative Comparative Analysis (o QCA).

Il risultato consiste in una poderosa classificazione dei documenti del progetto (“taggati” mediante i codici), dei casi e anche codici, che possono essere raggruppati in categorie, organizzati gerarchicamente (come in NVivo), ed esportati in formato di testo, insieme alle frequenze (codebook).

Sono anche disponibili funzionalità utili al lavoro di interpretazione teorica, quali annotazioni, memos e il diario.

I risultati, memorizzati in database SQLite, potranno essere sintetizzati e visualizzati con testi, tabelle e grafici, ed esportati nel formato Rotterdam Exchange Format, uno standard aperto per l’esportazione e l’importazione di codebooks e progetti fra i diversi software per l’analisi qualitativa computer-assistita.

Riferimenti

Curtain, C. (2021) QualCoder 2.8 [Computer software]. Retrieved from https://github.com/ccbogel/QualCoder/releases/tag/2.8

Homepage del progetto: https://qualcoder.wordpress.com/ 

Manuale utente (online): https://github.com/ccbogel/QualCoder/wiki 

Relazione presentata alla conferenza Le due democrazie, 15-16 dicembre 2021, Facoltà di Scienze Politiche, Teramo. Il testo è visualizzabile dal menu opzioni (i tre punti; note del relatore).

Anche se i dati presentati sono il frutto di una mia elaborazione delle prime interviste in profondità svolta, la ricerca è condotta nell’ambito di un gruppo informale, nazionale e interdisciplinare, che si è creato per iniziativa del prof. Andrea Millefiorini, e con la partecipazione di Manuel Anselmi (Roma), Erica Antonini (Roma), Paul Blokker (Bologna) Fabio de Nardis (Salento), Gaspare Nevola (Trento), Massimo Pendenza (Salerno), Ambrogio Santambrogio (Perugia), Lorenzo Viviani (Pisa).

Alcuni contributi teorici sul tema sono in corso di pubblicazione nel volume «Democrazia in movimento», edito da Mimesis e curato da Andrea Millefiorini.

Le interviste sono state progettate in una forma radicalmente narrativa, praticamente senza domande, per cercare di cogliere:

• i temi rilevanti che le intervistate e gli intervistati associano al termine «democrazia», ed in particolare alla loro esperienza personale di democrazia;
• i discorsi intorno a questi temi, o — a seconda del punto di vista adottato — le rappresentazioni sociali, le culture o gli immaginari (lascio in sospeso la questione se e in che misura discorsi, culture o immaginari siano etichettabili come “politici”).

Per l’analisi testuale, realizzata con Quanteda (in R), ho avuto cura di selezionare solo il testo prodotto spontaneamente dai ragazzi e dalle ragazze, escludendo sia gli interventi dei ricercatori, sia i brani che includessero temi sollecitati dagli intervistatori.

Questa prima esplorazione del testo parte dalla rilevante presenza del lemma “persona” nell’intero corpus delle intervista. Ho esplorato dunque l’uso di questo termine, evidenziando come esso possa segnalare:

• l’elevata individualizzazione del discorso, anche politico;
• lo “sfaldamento” non solo delle categorie politiche, ma anche di quelle sociali: non «i lavoratori», ma «le persone che lavorano»; non «i cittadini» o «gli elettori», ma «le persone» rispetto ai partiti;

In particolare, quella fra persone e partiti mi pare poter essere vista come una opposizione semantica intorno alla quale si articola il problema della rappresentanza: individualizzazione come prima sfida interna della modernità radicale alla stessa rappresentanza mediante la forma organizzativa del partito; ma anche, sull’altro fronte, chiusura dei partiti ed espulsione del sociale dalla sfera politica.

Riferimenti Bibliografici

Forse non tutti sanno che … anche l’Istat, come molti altri provider di statistiche pubbliche (Eurostat, World Bank ecc.), diffonde i suoi dati (http://dati.istat.it/) in formato aperto, in modalità machine-to-machine. Questo significa, in pratica, che, sfruttando il protocollo adottato da questi istituti (SDMX), è possibile importare i dati direttamente con R grazie al pacchetto rsdmx.

Questa modalità di accesso ai dati Istat è poco noto e poco documentato: per questa ragione, potrà essere utile consultare la guida messa a disposizione dall’associazione OnData.

Trovate invece il tutorial per scegliere, filtrare e scaricare i dati con R e rsdmx, nella pagina della wiki Importare i dati con protocollo SDMX.

Su GitHub, ho inoltre pubblicato una funzione per recuperare le informazioni su campi e etichette dei flussi ed organizzarle in un dataframe.

Ad esempio, una volta individuato l’identificativo del dataset che interessa, in questo caso quello del tasso di occupazione (http://dati.istat.it/Index.aspx?DataSetCode=DCCV_TAXOCCU1), scriveremo:

# funzione cod_sdmx
res <- cod_sdmx(rid = "DCCV_TAXOCCU1")

Ed otteremo una lista composta da due dataframe tibble:

res

$campi
# A tibble: 7 x 3
  component conceptRef    codelist        
  <chr>     <chr>         <chr>           
1 Dimension FREQ          CL_FREQ         
2 Dimension CITTADINANZA  CL_CITTADINANZA 
3 Dimension CLASSE_ETA    CL_ETA1         
4 Dimension ITTER107      CL_ITTER107     
5 Dimension SESSO         CL_SEXISTAT1    
6 Dimension TIPO_DATO     CL_TIPO_DATO_FOL
7 Dimension TITOLO_STUDIO CL_TITOLO_STUDIO

$codici
# A tibble: 11,758 x 4
   concept      id    label.it                  label.en                
   <chr>        <chr> <chr>                     <chr>                   
 1 FREQ         A     annuale                   annual                  
 2 FREQ         B     business (non supportato) business (not supported)
 3 FREQ         D     giornaliero               daily                   
 4 FREQ         E     event (non supportato)    event (not supported)   
 5 FREQ         H     semestrale                half-yearly             
 6 FREQ         M     mensile                   monthly                 
 7 FREQ         Q     trimestrale               quarterly               
 8 FREQ         W     settimanale               weekly                  
 9 CITTADINANZA ITL   italiano-a                italian                 
10 CITTADINANZA FRG   straniero-a               foreign                 
# ... with 11,748 more rows

La funzione è dedicata ai soli dati Istat (ma è facilmente modificabile), e richiede l’installazione del pacchetto rsdmx e dplyr. Il dataframe delle variabili (campi, il primo), è accessibile digitando res$campi, quello dei codici digitando res$codici.

I pacchetti utilizzati sono tidytext per il trattamento dei testi, rtweet per l’accesso a Twitter, e quelli del tidyverse (vedi la sezione dedicata nella wiki).

rtweet è stato sviluppato e messo a disposizione da rOpenScience, una organizzazione non-profit che ha come suo obiettivo quello di “trasformare la scienza mediante dati e software aperti, e la riproducibilità”.

Il primo step, quello che può risultare più complicato all’utente comune di R — a parte naturalmente l’impostazione della ricerca e l’analisi dei testi —, consiste nel creare ed usare un account sviluppatore di Twitter per effettuare l’accesso. Il secondo passaggio prevede l’uso di rtweet per impostare la ricerca dei messaggi nel modo più appropriato rispetto ai propri obiettivi di analisi. Infine, una volta trovati e scaricati i messaggi, si procederà, con tidytext, al parsing dei messaggi, ovvero al riconoscimento delle unità di testo (in questo caso, le parole, o per l’esattezza, i tokens).

A questo punto, avremo un dataframe con i tokens dei messaggi, e il lavoro di analisi potrà proseguire con la normalizzazione del testo, ed eventualmente con la costruzione della matrice testuale vera e propria. Di questo, però, non ci occuperemo in questa sede.

Creare ed usare un account sviluppatore per accedere ai dati

Per accedere da R ai messaggi di Twitter, è necessario creare un account sviluppatore, all’indirizzo https://developer.twitter.com, e soprattutto rispettare i termini di servizio (https://developer.twitter.com/en/developer-terms/agreement-and-policy).

Per il primo accesso, sono necessarie le seguenti informazioni: nome dell’app, API key e API secret key. Il nome dell’app è naturalmente a scelta dell’utente (in figura, si chiama “Analisi”; nell’esempio, la chiameremo “my_app”), mentre le chiavi vengono assegnate dalla piattaforma.

install.packages("rtweet")
library(rtweet)

# qui vanno inserite le chiavi personali
api_key <- "...."
api_secret_key <- "..."

token <- create_token(
  app = "my_app",
  consumer_key = api_key,
  consumer_secret = api_secret_key)

get_token()

Cercare i messaggi

rt <- search_tweets(
  "#greenpassday", 
  n = 5000, 
  include_rts = FALSE,
  type = "recent"
)

rt

  user_id            status_id created_at          screen_name text  source 
  <chr>              <chr>     <dttm>              <chr>       <chr> <chr>
1 ...                14492836~ 2021-10-16 07:58:38 ...         "Ve ~ Twitt~
2 ...                14492834~ 2021-10-16 07:57:57 ...         "Ma ~ Twitt~
3 ...                14492834~ 2021-10-16 07:57:50 ...         "Le ~ Twitt~
4 ...                14492831~ 2021-10-16 07:56:34 ...         "#gr~ Twitt~
5 ...                14492827~ 2021-10-16 07:55:00 ...         "And~ Twitt~
6 ...                14492822~ 2021-10-16 07:53:20 ...         "Ald~ Twitt~
...

head(rt$text)

[1] "Ve lo dico chiaro e tondo: DOVETE VACCINARVI! #greenpassday"
[2] "Ma guardiamo cosa fanno all'estero per esempio in Germania non ...
[3] "Le prime pagine dei quotidiani del regime, di oggi 16 ottobre!\nNotate ...
[4] "#greenpassday https://t.co/hXzFczYxG4"
[5] "Andrea Zaccaro: “Uno scontro sociale di pregiudizi in cui proliferano ...
[6] "Aldilà del vaccino sì vaccino no, una rete di stato che oscura le ...

rt2 <- search_tweets(
  "#greenpassday", n = 5000, 
  include_rts = FALSE,
  lang = "it",
  type = "recent"
)

Il parsing dei messaggi con tidytext

library(tidytext)
library(tidyverse)
rt2 %>% 
  mutate(text = str_replace_all(text, "[\'’]", "' ")) %>% 
  unnest_tweets(word, text, 
                to_lower = FALSE,
                strip_url = FALSE)

rt2

# A tibble: 40,422 x 90
   user_id             status_id created_at          screen_name source 
   <chr>               <chr>     <dttm>              <chr>       <chr>             
 1 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 2 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 3 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 4 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 5 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 6 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 7 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 8 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
 9 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
10 ...                 14492838~ 2021-10-16 07:59:23 ...         Twitt~ 
# ... with 40,412 more rows, and 85 more variables ...

rt2 %>% 
  mutate(text = str_replace_all(text, "[\'’]", "' ")) %>% 
  unnest_tweets(word, text, 
                to_lower = FALSE,
                strip_url = FALSE) %>% 
  select(word, everything())

# A tibble: 40,422 x 90
   word    user_id  status_id  created_at          screen_name source 
   <chr>   <chr>    <chr>      <dttm>              <chr>       <chr>  
 1 @barba~ ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 2 https:~ ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 3 Dottor~ ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 4 si      ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 5 fa      ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 6 per     ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 7 dire    ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 8 se      ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
 9 esiste  ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 
10 una     ...      144928381~ 2021-10-16 07:59:23 ...         Twitt~ 

 1 https://t.co/htp962z7pe
 2 https://t.co/7WcFCJwCs6
 3 https://t.co/E8d5kkxsR7
 4 https://t.co/osQD9sHmd3
 5 https://t.co/uFdvjkPoPr
 6 https://t.co/lavAdcIfPM
 7 https://t.co/fIHxQEOd1H
 8 https://t.co/VyBjmVwZCk
 9 https://t.co/H9liyiEDU5
10 https://t.co/BL5skPrGZx

rt2 <- rt2 %>% 
  mutate(text = str_replace_all(text, "[\'’]", "' ")) %>% 
  unnest_tweets(word, text, 
                to_lower = FALSE,
                strip_url = FALSE) %>% 
  select(word, everything())

Codice

Qui potete scaricare il codice per eseguire i passaggi illustrati sopra. Per ragioni di sicurezza, il file ha estensione txt (es. ‘file.txt’). Basterà cambiare l’estensione in R (es. ‘file.R’)

Sto pubblicando online la bozza di un libro dedicato ai principali strumenti disponibili in R per l’analisi dei testi. Il titolo provvisorio è Strumenti per l’analisi testuale e il text mining con R.

La gran parte dei testi, manuali e tutorial online attualmente in commercio o liberamente disponibili online usano esempi in lingua inglese. In questo testo vengono invece presentati (anche) esempi e risorse per l’analisi dei testi in lingua italiana.

I pacchetti principali ai quali si farà riferimento nel testo sono quanteda (Benoit et al. 2021) e tidytext (Robinson e Silge 2021), entrambi compatibili con i pacchetti e le funzioni del tidyverse (Wickham 2021), anche in termini di “grammatica”.

Il pacchetto koRpus (Michalke 2021), d’altra parte, è particolarmente utile per l’analisi in lingua italiana, in quanto consente di accedere facilmente a TreeTagger per la lemmatizzazione e il tagging grammaticale. tm ( Feinerer e Hornik 2020; Feinerer et al. 2008) infine, è il pacchetto che da anni permette di effettuare text mining utilizzando l’infrastruttura per il natural language processing di R (NLP).

Si consiglia di fare riferimento ai seguenti testi, per quanto riguarda gli aspetti teorici e metodologici della statistica testuale e linguistica computazionale: Bolasco (2013); Lenci, Montemagni, e Pirrelli (2016); Krippendorff (2004).

Scrivete per domande, correzioni, richieste di chiarimento. Mi saranno utili per la stesura.

Riferimenti Bibliografici

Pubblicato nell’ultimo numero della rivista Progressus (II, 2020), l’articolo – scritto con Claudia Vardanega – esplora il discorso intorno alla pandemia, così come si è andato costituendo nella prima fase della diffusione del virus, quando si trattava di un fenomeno completamente inedito. Principale obiettivo è stato quello di individuare temi, attori e categorie intorno alle quali è andato organizzandosi, fra febbraio e maggio 2020, il “discorso sul virus”.

L’analisi dei titoli è stata svolta con R, ed in particolare con Quanteda, ed altri pacchetti per l’analisi testuale e l’analisi dei temi mediante Latent Dirichlet Allocation.

Qui trovate il numero integrale della rivista

Obiettivo dell’indagine è monitorare l’impatto del lockdown e delle misure messe in atto contro la diffusione del Covid-19 sulla vita e sulle condizioni delle donne della provincia di Teramo. A tale scopo, verranno poste domande relative a diverse aree della vita, con una particolare attenzione per il contratto di genere, ovvero della divisione dei compiti domestici e non, all’interno delle coppie.

L’indagine è rivolta però a tutte le donne e le ragazze della provincia, giovani e anziane, con o senza figli. Per scongiurare il rischio di non intercettare le donne che probabilmente risentono di più della crisi, e cioè quelle che hanno perso il lavoro o hanno un basso livello di istruzione, il questionario è già online, ma sarà distribuito anche in formato cartaceo in diversi comuni della provincia.

Il link per rispondere al questionario online è http://bit.ly/covid19donne.

Un ringraziamento particolare va alla Consigliera Beta Costantini, naturalmente, ma anche ad Annapaola Di Dalmazio, che ha curato l’organizzazione, e a Pina Manente, che ha curato la comunicazione.

Quello che segue è il messaggio che vedrete in giro, sui social e nei punti di distribuzione del questionario.

Con la Provincia di Teramo, stiamo svolgendo una ricerca sulla vita delle donne durante l’emergenza Covid19. I dati raccolti serviranno – fra le altre cose – a utilizzare al meglio i fondi che arriveranno dal Governo e dall’Europa. L’indagine è rivolta alle donne maggiorenni residenti nella provincia di Teramo. Il questionario è anonimo e non raccoglie informazioni personali.
Per aiutarci, potete rispondere al questionario … e inoltrare il messaggio ad altre donne.

Il 9 aprile inizieranno gli incontri del Laboratorio online di Analisi dei Dati con R, nell’ambito del corso di studi in Economia della Facoltà di Scienze Politiche dell’Università di Teramo.

Il laboratorio prevede 4 incontri da 4 ore ciascuno (dalle 14:00 alle 18:00), per un totale di 16 ore e 2 cfu. Si svolgerà su piattaforma Google Meet. Gli iscritti verranno aggiunti ad un gruppo Google, che permetterà loro di ricevere le informazioni, i materiali didattici, e le eventuali registrazioni delle lezioni.

Il laboratorio è aperto agli esterni, con iscrizione obbligatoria (modulo https://forms.gle/4mvYj3sM27AZkewy5)

Come è stato sin troppo spesso ricordato in questi mesi, Boccaccio, nell’Introduzione alla giornata prima del Decameron, descrive le diverse risposte individuali e collettive all’epidemia di peste del 1348. 

… Particolarmente significativo, con riferimento al tema di questo ciclo di seminari, è il brano in cui Boccaccio mette in rapporto l’esperie nza della fame e della morte con la perdita di senso e la dissolutezza dei costumi:

per le sparte ville e per li campi i lavoratori miseri e poveri e le loro famiglie, senza alcuna fatica di medico o aiuto di servidore, per le vie e per li loro cólti e per le case, di dí e di notte indifferentemente, non come uomini ma quasi come bestie morieno. Per la qual cosa essi cosí nelli loro costumi come i cittadini divenuti lascivi, di niuna lor cosa o faccenda curavano: anzi tutti, quasi quel giorno nel quale si vedevano esser venuti la morte aspettassero, non d’aiutare i futuri frutti delle bestie e delle terre e delle loro passate fatiche, ma di consumare quegli che si trovavano presenti si sforzavano con ogni ingegno.

Nuove forme di socialità

Per evitare tanto la morte, quanto la “dissoluzione morale”, il venir meno del legame sociale e dunque della progettualità esistenziale, Boccaccio fa suggerire a Pampinea l’allontanamento dalla città e il ritiro in campagna, accompagnato però da una attività ad un tempo sociale, ludica e creativa: il racconto delle novelle.

Secondo Boccaccio, insomma, quella che oggi chiameremmo “anomia”, la perdita cioè del riferimento a norme e ruoli consolidati, si contrasta con la relazione e la socialità, ma secondo modalità e forme necessariamente “innovative” rispetto a quelle in uso nei tempi precedenti.

La nostra generazione ha dovuto affrontare la pandemia come si è sempre fatto, ovvero chiudendosi in casa, ma avendo la possibilità di restare in contatto, di comunicare con familiari, partner e amici, e condividere attività ludiche e produttive a distanza. E questo ha in parte ammortizzato l’onda d’urto di questo “fatto totale” sulla nostra vita quotidiana […]

Distanza fisica e distanza sociale

Al di là dei vantaggi economici, la possibilità di mantenere parte delle relazioni e parte delle attività ha ridotto gli effetti della “dissoluzione” sociale, che riecheggiava in qualche misura nel dibattito su “distanza sociale” vs. “distanza fisica”. 

In sociologia e psicologia sociale, l’espressione distanza sociale ha una storia e un significato ben precisi, è vero. Nello stesso tempo, però, le analisi di Goffman (1956; 1972; 1983) sulle modalità attraverso le quali la distanza sociale è elaborata culturalmente lasciano ben intuire che, per mantenere in pubblico una distanza fisica evitando che questa diventi sociale, bisogna inevitabilmente elaborarne di nuove. 

Un metro è una distanza fisica enorme, in prossemica, del tutto innaturale fra persone che si conoscono. Quanti di noi si sono sentiti a disagio nel non dover/voler dare la mano a un conoscente incontrato per strada? O nel tenersi alla larga dagli altri fra gli scaffali del supermercato, aspettando pazientemente il proprio turno per avvicinarsi ai prodotti? Nel mettere in atto insomma misure di distanziamento sociale, di evitamento, le stesse che terremmo nei confronti di untori o appestati, e che vengono non di rado tenute —magari inconsapevolmente — nei confronti di gruppi o persone stigmatizzate come “sporche” (i senzatetto, le prostitute ecc.).

Anomia interazionale

Per neutralizzare l’impressione di voler tenere una distanza sociale da questi sconosciuti, abbiamo magari iniziato a sorridere da dietro la mascherina, siamo stati più amichevoli del solito, forse in questo più solidali. Sorrisi e gesti che in altre circostanze sembrerebbero eccessivi o invadenti, e che oggi servono a rassicurare (“non ti vedo come un pericolo”). D’altra parte, ci sentiamo facilmente “invasi” da chi si avvicina o non coopera nel mantenere le distanze, e, nello stesso tempo, a disagio per essere tenuti a distanza.

Nella pausa estiva, abbiamo poi sperimentato quella che Romania (2020), in riferimento alla fine della pandemia e al ritorno alla normalità, ha chiamato “anomia interazionale”: E adesso che si fa? Che comportamento dobbiamo tenere in pubblico? Saremo apprezzate/i o stigmatizzate/i per portare/non portare la mascherina, o per avvicinarci/non avvicinarci agli altri?

Il fantasma dell’orda

Purtroppo, la distanza fisica ha, a mio avviso, un inevitabile effetto sociale, anche se sperabilmente non quello a cui fanno riferimento Bogardus (1947) e Goffman. Tentare di “neutralizzare” questo effetto parlando di distanza “meramente” fisica è illusorio, e potrebbe persino condurre a sottovalutare il potenziale effetto anomico delle misure di distanziamento.

Il fantasma della regressione all’orda — così spesso rappresentato nei film apocalittici, come Contagion (Soderbergh 2011) — è un orizzonte di possibilità che fa paura, tanto quanto la morte e la malattia, e forse anche di più. E resta quindi sottaciuto, negato, rimosso.

Riferimenti bibliografici

Bogardus, E. S. (1947). Measurement of Personal-Group Relations. Sociometry, 10(4), 306–311. https://doi.org/10/cqhkxg.

Goffman, E. (1956). Embarrassment and Social Organization. American Journal of Sociology, 62(3), 264–271.

Goffman, E. (1972). Encounters: Two studies in the sociology of interaction. Penguin.

Goffman, E. (1983). The interaction order: American Sociological Association, 1982 presidential address. American sociological review, 48(1), 1–17.

Romania, V. (2020). Interactional Anomie? Imaging Social Distance after COVID-19: A Goffmanian Perspective. Sociologica, 14(1), 51–66. https://doi.org/10/ghmw9v.

Soderbergh, S. (2011, settembre 8). Contagion [Drama, Thriller]. Warner Bros.,  Participant,  Imagenation Abu Dhabi FZ.

Le prime settimane della pandemia sono state l’occasione per osservare il cambiamento, e le risorse messe in campo per affrontarlo: tecnologico-strumentali, ma anche concettuali, sociali ed umane. Come abbiamo risposto alla crisi? Cosa sta succedendo nelle nostre vite? Ma soprattutto: quali problemi ci si stanno ponendo? E quali risorse abbiamo — o non abbiamo — a disposizione per rispondervi?

Il volume — che potete leggere online qui — raccoglie gli interventi di Maurizio Napolitano sul civic hacking, di Paolo Subioli sull’uso consapevole delle tecnologie, di Gianluigi Tiddia sul turismo, di Antonella Tollis sulla comunicazione istituazionale, e di Pina Manente sul data journalism.

Alla pagina troverete anche i link per scaricarlo in formato epub e mobi. È disponibile gratuitamente anche presso gli store:

• Feltrinelli, Rakuten Kobo, Mondadori, Libreria universitaria (epub)
• StreetLib (epub, mobi)