Esistono diversi processi psicologici legati alla percezione del rischio che possono ostacolare l'adozione di comportamenti di coping efficaci per la gestione del rischio. Riconoscere e gestire tali processi è cruciale per una comunicazione efficace del rischio e per la sua gestione. Il presente contributo introduce un sistema automatico di classificazione dei processi psicologici legati alla percezione del rischio sui social media (il modello Risk Co-De), che comprende 9 processi psicologici, suddivisi nelle macro-categorie: consapevolezza, giustificazione, distanza e negazione del rischio. Sono stati analizzati tweet relativi a diverse crisi (come il cambiamento climatico e la pandemia Covid-19) in italiano e in inglese, annotati manualmente secondo le categorie del Co-De, totalizzando 2600 tweet in italiano e 3000 in inglese. Attraverso l'uso di vari algoritmi di machine learning (Prodigy/spaCy Text Categorization, Bert-Base-Multilingual), è stata valutata l'efficacia del Co-De nell'identificare le macro-categorie (con una precisione media fino al 90% di accuratezza) e i singoli processi psicologici (con una precisione fino al 70%). Individuare i processi psicologici legati all’(in)azione permette di approfondire il loro ruolo nei processi di adattamento e mitigazione e di comprendere quali altri fattori possano innescarli/inibirli. Per esempio, i processi di negazione risultano spesso compresenti all’emozione di rabbia, un'emozione "pro-attiva" che può tuttavia favorire un coping non adattivo. Questo contributo propone una riflessione su come avvalersi di uno strumento in grado di identificare questi processi psicologici e conoscerne il funzionamento possa essere alla base di strategie di gestione e comunicazione efficace del rischio. 

Individuare i processi psicologici di negazione del rischio sui social media attraverso il machine learning: il modello Risk Co-De / Rizzoli, Valentina; Sarrica, Mauro. - (2024). (Intervento presentato al convegno Le scienze umane e sociali per il sistema di protezione civile. tenutosi a Roma).

Individuare i processi psicologici di negazione del rischio sui social media attraverso il machine learning: il modello Risk Co-De

Valentina Rizzoli
;
Mauro Sarrica
2024

Abstract

Esistono diversi processi psicologici legati alla percezione del rischio che possono ostacolare l'adozione di comportamenti di coping efficaci per la gestione del rischio. Riconoscere e gestire tali processi è cruciale per una comunicazione efficace del rischio e per la sua gestione. Il presente contributo introduce un sistema automatico di classificazione dei processi psicologici legati alla percezione del rischio sui social media (il modello Risk Co-De), che comprende 9 processi psicologici, suddivisi nelle macro-categorie: consapevolezza, giustificazione, distanza e negazione del rischio. Sono stati analizzati tweet relativi a diverse crisi (come il cambiamento climatico e la pandemia Covid-19) in italiano e in inglese, annotati manualmente secondo le categorie del Co-De, totalizzando 2600 tweet in italiano e 3000 in inglese. Attraverso l'uso di vari algoritmi di machine learning (Prodigy/spaCy Text Categorization, Bert-Base-Multilingual), è stata valutata l'efficacia del Co-De nell'identificare le macro-categorie (con una precisione media fino al 90% di accuratezza) e i singoli processi psicologici (con una precisione fino al 70%). Individuare i processi psicologici legati all’(in)azione permette di approfondire il loro ruolo nei processi di adattamento e mitigazione e di comprendere quali altri fattori possano innescarli/inibirli. Per esempio, i processi di negazione risultano spesso compresenti all’emozione di rabbia, un'emozione "pro-attiva" che può tuttavia favorire un coping non adattivo. Questo contributo propone una riflessione su come avvalersi di uno strumento in grado di identificare questi processi psicologici e conoscerne il funzionamento possa essere alla base di strategie di gestione e comunicazione efficace del rischio. 
2024
File allegati a questo prodotto
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11573/1739411
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact