Paid Voices vs. Public Feeds: Interpretable Cross-Platform Theme-Based Analysis of Climate Discourse

Sintesi Tecnica: Voci a Pagamento vs. Feed Pubblici

Definizione del Problema
Il discorso climatico online plasma la comprensione pubblica e le politiche, ma si articola in ambienti strutturalmente distinti. Le piattaforme pubblicitarie a pagamento (es. Meta) ospitano messaggi strategici, prodotti istituzionalmente e progettati per una persuasione mirata, mentre i social media pubblici (es. Bluesky) riflettono una discussione organica, guidata dagli utenti. Gran parte del lavoro computazionale precedente ha esaminato questi ambienti isolatamente, concentrandosi su compiti come il topic modeling o la rilevazione della posizione (stance detection) all'interno di una singola piattaforma. Ciò lascia un vuoto nella comprensione se i modelli tematici siano condivisi tra gli ambienti di comunicazione o specifici del mezzo. Inoltre, i metodi esistenti spesso si affidano a inventari di argomenti predefiniti o set di parole chiave (seed sets), che potrebbero non catturare le sfumature emergenti e specifiche della piattaforma nel discorso climatico.

Metodologia
Gli autori presentano un'analisi comparativa del discorso climatico tra annunci pubblicitari a pagamento su Meta e post pubblici su Bluesky da luglio 2024 a settembre 2025. Lo studio utilizza un dataset di 17.026 annunci Meta de-duplicati e 19.182 post di Bluesky de-duplicati, raccolti tramite parole chiave correlate al clima accuratamente selezionate.

Il contributo principale è una pipeline di scoperta tematica interpretabile che opera senza inventari di argomenti predefiniti o seed set. La metodologia procede come segue:

1. Embedding e Clustering: I testi vengono trasformati in vettori (embedding) utilizzando SentenceBERT (all-MiniLM-L6-v2) con normalizzazione L2, seguiti da riduzione della dimensionalità tramite PCA e UMAP. I testi semanticamente simili vengono raggruppati utilizzando HDBSCAN.
2. Filtraggio della Coerenza: I cluster iniziali vengono filtrati per coerenza semantica utilizzando un LLM (Mistral-Large-Instruct-2407), che valuta se i testi rappresentativi all'interno di un cluster riflettano un singolo tema sottostante.
3. Riassunto e Etichettatura: Per i cluster mantenuti, i top-k testi rappresentativi vengono utilizzati per generare riassunti concisi tramite l'LLM. Questi riassunti vengono poi uniti in base alla somiglianza degli embedding e assegnati a etichette tematiche interpretabili dall'uomo (1–3 parole).
4. Assegnazione: I testi vengono assegnati ai temi attraverso due strategie: (i) accoppiando il testo al riassunto del cluster più simile, o (ii) assegnando direttamente il testo all'etichetta tematica generata.

Il framework è stato valutato rispetto a baseline standard (LDA, BERTopic, TopicGPT) utilizzando sia annotatori umani che un giudice LLM. Inoltre, l'utilità dei temi scoperti è stata validata attraverso task a valle: predizione della posizione (stance prediction) e recupero guidato dal tema (theme-guided retrieval).

Risultati Chiave
L'analisi rivela divergenze sistematiche tra il discorso climatico a pagamento e quello organico in termini di struttura tematica, registro retorico e reattività temporale:

• Struttura Tematica: La pubblicità a pagamento (Meta) si concentra sulla promozione strategica di soluzioni specifiche (es. "Urgenza incentivi solari", "Slancio dell'eolico offshore") e su una varietà di argomenti promozionali. Al contrario, il discorso organico (Bluesky) è pesantemente concentrato sulla critica sistemica di attori aziendali e politici (es. "Sabotaggio climatico aziendale", "Greenwashing svelato"). Un singolo tema orientato alla critica su Bluesky ha rappresentato un volume di testo superiore ai primi quattro temi dominanti su Meta messi insieme.
• Registro Retorico: Gli annunci Meta esibiscono un registro formale, autorevole e orientato alle soluzioni, con punteggi più alti in "Analitico" e "Clout" (LIWC) e un'enfasi sugli attori individuali e sulla prospettiva futura. I post di Bluesky sono più personali, orientati alla crisi e scientificamente fondati, con punteggi più alti in termini di framing "Autentico" e di "Crisi", con un focus sugli attori istituzionali e sulla critica sistemica.
• Allineamento della Posizione (Stance): I temi indotti dimostrano un allineamento coerente della posizione. I temi Pro-Clima si allineano con posizioni Pro-Clima, e i temi Pro-Energia con posizioni Pro-Energia. I metodi degli autori hanno prodotto correlazioni più concentrate rispetto ai modelli di argomento baselines (LDA, BERTopic), che hanno fornito correlazioni diffuse.
• Reattività Temporale: Le piattaforme rispondono ai grandi eventi in direzioni opposte. In seguito alle elezioni statunitensi di novembre 2024, la pubblicità climatica a pagamento è contratta significativamente in tutti i temi principali, mentre il discorso organico è espanso, con un aumento dei temi orientati alla critica. Allo stesso modo, durante gli incendi in California di gennaio 2025, il discorso organico è cresciuto con un aumento dell'attribuzione causale e del tono negativo, mentre i pattern pubblicitari si sono spostati diversamente.

Significatività e Contributi
Il documento apporta tre contributi primari:

1. Dataset: Costruisce e rilascia il primo dataset multi-piattaforma che consente il confronto diretto tra la pubblicità climatica a pagamento e il discorso climatico pubblico.
2. Framework: Sviluppa una pipeline di scoperta tematica interpretabile che si generalizza all'analisi cross-platform senza richiedere inventari di argomenti predefiniti o seed set. Si dimostra che i temi indotti sono più coerenti e consistenti rispetto alla posizione rispetto ai modelli standard di topic-modeling (LDA, BERTopic).
3. Risultati Empirici: Fornisce una caratterizzazione descrittiva di come il discorso climatico differisca tra ambienti di comunicazione eterogenei. I risultati illustrano come il discorso pagato e quello pubblico non siano semplicemente variazioni della stessa conversazione, ma riflettano orientamenti comunicativi fondamentalmente diversi: persuasione strategica rispetto a critica sistemica.

Gli autori osservano che, sebbene il framework sia generalizzabile ad altri domini, l'analisi è descrittiva piuttosto che causale. Riconoscono i limiti riguardanti la generalizzabilità dei risultati ad altre piattaforme a causa delle differenze nelle demografie degli utenti e nelle politiche di moderazione, nonché il potenziale bias inerente agli LLM pre-addestrati utilizzati per l'etichettatura dei temi. Il lavoro non pretende di inferire l'intento del parlante o gli effetti causali degli incentivi della piattaforma, ma offre piuttosto un metodo robusto per l'analisi tematica comparativa.