Come leggiamo i TG: metodo, limiti
e ragioni di un approccio nuovo.
Le analisi pubblicate su OsservatorioTG sono prodotte da un framework proprietario — il FMSDM (Framework di Misurazione Semantica del Discorso Mediale) — che utilizza modelli di intelligenza artificiale generativa (Large Language Model) per interpretare le trascrizioni integrali di ciascuna edizione. Non si tratta di un conteggio meccanico di parole chiave, né di un’opinione editoriale: è un’analisi semantica strutturata, in cui un modello linguistico avanzato legge ogni trascrizione e ne estrae entità, temi, toni, frame narrativi, co-occorrenze e assenze significative, seguendo una griglia analitica rigorosa e costante.
Questo approccio ha un vantaggio sostanziale rispetto ai metodi tradizionali: coglie sfumature che un sistema a regole fisse non potrebbe catturare — l’ironia implicita, la differenza tra una critica costruttiva e una delegittimazione, il peso di un silenzio — e lo fa in modo sistematico, su ogni edizione, ogni giorno, con la stessa griglia di lettura. Nessun osservatorio umano potrebbe garantire questa continuità e uniformità di analisi su volumi così ampi.
È però fondamentale comprendere la natura dei dati che leggerete. Le grandezze estratte si collocano su uno spettro: alcune sono quasi oggettive (chi viene nominato, quante volte), altre sono classificazioni operate dal modello (quale tema, quale tipo di entità), altre ancora sono genuinamente interpretative (il tono emotivo di un passaggio, il frame narrativo dominante, la rilevanza di ciò che non viene detto). Queste ultime non vanno lette come fatti misurati, ma come interpretazioni qualificate — coerenti, motivate, documentate con evidenze testuali, ma soggette a un margine di variabilità intrinseco al processo inferenziale.
In particolare: i punteggi sintetici (come il valence score o il prominence score) sono indicatori utili per orientarsi, non misure esatte. Le analisi delle assenze — cosa un TG sceglie di non trattare — sono ipotesi interpretative fondate sul contesto, non prove di omissione deliberata. E il confronto tra reti tiene conto delle differenze di formato e durata, ma resta un’approssimazione che richiede cautela nella lettura.
Una domanda legittima riguarda il bias intrinseco dei modelli linguistici: se l’intelligenza artificiale ha proprie tendenze interpretative — e la ricerca scientifica indica che ne ha — come possono i risultati essere affidabili? La risposta sta nella natura comparativa dell’analisi. Ogni edizione, di ogni rete, viene processata dallo stesso modello, con lo stesso prompt, gli stessi parametri, nelle stesse condizioni operative. Se esiste un bias sistematico — nella sensibilità a certi toni, nella propensione a riconoscere certi frame piuttosto che altri — quel bias si applica in modo identico a tutti i soggetti analizzati. OsservatorioTG non misura il valore assoluto della qualità informativa di un telegiornale: misura le differenze relative tra reti sottoposte allo stesso trattamento analitico. È la stessa logica degli esperimenti controllati: lo strumento di misura non deve essere perfetto in senso assoluto — deve essere costante. Un termometro che segna sistematicamente due gradi in più non compromette la capacità di rilevare che un corpo è più caldo di un altro. Eventuali distorsioni del modello non invalidano il confronto, perché si applicano uniformemente a tutte le reti lasciando intatte le differenze relative che sono il vero oggetto dell’analisi.
In concreto, l’analisi FMSDM viene eseguita da Claude, modello linguistico sviluppato da Anthropic, nella sua versione ottimizzata per elaborazioni strutturate ad alto volume. Ogni trascrizione viene sottoposta a un prompt analitico fisso — una griglia di istruzioni dettagliata che specifica le grandezze da estrarre, il formato atteso, i criteri di classificazione e i vincoli quantitativi. La griglia è identica per ogni rete e per ogni edizione. L’output è in formato JSON strutturato, non testo libero: questo vincola il modello a restituire dati in campi predefiniti — entità, topic, frame, toni, co-occorrenze, evidenze testuali — riducendo la variabilità e rendendo ogni analisi direttamente confrontabile con le altre. La temperatura di generazione è fissata al minimo per massimizzare la riproducibilità: la stessa trascrizione, processata due volte, produce risultati sostanzialmente identici. Non pubblichiamo il prompt integrale, che costituisce proprietà intellettuale del progetto. Pubblichiamo però la lista completa delle grandezze estratte, la loro definizione e la loro scala di misura nella pagina dedicata. Chiunque abbia accesso a un modello linguistico e a una trascrizione può costruire una griglia analoga e confrontare i propri risultati con i nostri. La falsificabilità del metodo è un principio di progetto, non una concessione.
Quello che OsservatorioTG offre, in definitiva, è uno strumento senza precedenti nel panorama italiano: un’analisi quotidiana, strutturata, trasparente e comparativa del discorso televisivo. Non una verità assoluta su come i TG informano, ma una lente analitica potente, dichiaratamente imperfetta, che rende visibile ciò che normalmente resta implicito. Ogni dato è esplorabile in profondità, ogni classificazione è accompagnata dalle evidenze che la sostengono. La trasparenza del metodo è parte integrante del progetto.
Proprietà intellettuale: Il FMSDM, la sua architettura analitica, la griglia di classificazione e le visualizzazioni prodotte su questo sito sono opere originali dell’autore. È consentita la citazione a fini giornalistici, accademici o di ricerca, con obbligo di attribuzione esplicita a OsservatorioTG.it. Qualsiasi riproduzione, adattamento o utilizzo commerciale — anche parziale — è soggetto ad autorizzazione scritta.