Nigerian Salafi Discourse Corpus (NSDC): Construction, Methods, and Use

Nello studio di come le persone utilizzano il linguaggio, i ricercatori si sono a lungo affidati a due strumenti differenti. Uno strumento è la lettura ravvicinata di pochi testi, in cui uno studioso esamina ogni singola parola per comprenderne il significato profondo e il contesto sociale. L'altro è il conteggio massiccio di parole, dove i computer scansionano milioni di pagine per trovare schemi nascosti che l'occhio umano perderebbe. Per decenni, questi due approcci hanno spesso lavorato in mondi separati. Tuttavia, un campo di studi in crescita li combina, utilizzando l'enorme volume di dati per guidare la lettura ravvicinata e utilizzando la lettura ravvicinata per dare senso ai numeri. Questo approccio è particolarmente potente quando si studia la religione, dove le credenze non sono solo pensieri privati ma argomentazioni pubbliche combattute nelle strade, nelle moschee e, sempre più, sui social media. In Nigeria, un paese con una popolazione musulmana vasta e diversificata, internet è diventato l'arena primaria in cui diversi gruppi dibattono la propria identità, autorità e il proprio posto nella società. Per comprendere questi dibattiti, i ricercatori hanno bisogno di un modo per catturare l'enorme scala della conversazione senza perdere la sfumatura delle singole voci.

Questo è esattamente ciò che un team di ricercatori dell'Università di Ibadan si è prefissato di fare. Hanno costruito una massiccia biblioteca digitale di post di Facebook per tracciare come il salafismo, un movimento specifico e spesso controverso all'interno dell'Islam sunnita, viene discusso in Nigeria. Non si sono limitati a raccogliere post casuali; hanno costruito un archivio accuratamente organizzato chiamato Nigerian Salafi Discourse Corpus. Questa collezione contiene quasi 5.800 post pubblicati in dieci anni, dal 2015 al 2025, da pagine e profili con grandi seguaci. Il testo contenuto in questi post ammonta a quasi 2,5 milioni di parole. I ricercatori hanno raccolto questi dati utilizzando un'interfaccia di ricerca formale fornita da Meta, la proprietaria di Facebook, assicurandosi di accedere solo a contenuti pubblici di figure e organizzazioni pubbliche. L'obiettivo era creare un record chiaro e verificabile di come i salafiti siano ritratti, di come ritraggano se stessi e di come argomentino contro altri gruppi, come i Sufi o i musulmani Sciiti, nel contesto nigeriano.

Per costruire questa biblioteca, i ricercatori hanno affrontato una sfida significativa: i dati grezzi provenienti da Facebook sono disordinati. Contengono formattazioni interrotte, post duplicati, emoji, script stranieri e link che possono confondere un computer nel tentativo di contare le parole. Per risolvere questo problema, hanno impiegato un assistente specializzato di intelligenza artificiale, che hanno chiamato Salih. Questo strumento non si è limitato a indovinare le risposte; ha agito come un rigoroso editor. Ha seguito un set rigoroso di regole per pulire il testo, rimuovendo il "rumore" come emoji e URL, mantenendo però le parole significative. Ha controllato il proprio lavoro ad ogni passaggio, assicurandosi che nessun post venisse accidentalmente eliminato e che il conteggio finale delle parole fosse accurato. Il risultato è stato una collezione di testi pulita e organizzata che potesse essere analizzata da altri ricercatori. Questo processo è stato progettato per essere completamente trasparente, il che significa che qualsiasi altro scienziato potrebbe seguire gli stessi passaggi e ottenere esattamente lo stesso risultato, uno standard cruciale per la fiducia scientifica.

Una volta pulito il testo, i ricercatori hanno aggiunto tre livelli di informazioni dettagliate a ogni singola parola. Il primo livello identificava semplicemente che tipo di parola fosse, come un sostantivo, un verbo o un nome proprio. Il secondo livello raggruppava le parole in argomenti specifici, come "autorità religiosa", "conflitto" o "pratiche di culto". Il terzo livello, il più complesso, esaminava lo scopo di intere frasi. Codificava se una frase stesse cercando di legittimare un gruppo, attaccare un avversario, chiamare all'azione o riportare ciò che qualcun altro aveva detto. Questa codifica si basava su un metodo chiamato approccio storico-discorsivo, che aiuta i ricercatori a capire non solo cosa viene detto, ma perché viene detto e quale effetto si intenda ottenere. I ricercatori sono stati attenti a notare che, sebbene il computer abbia svolto il lavoro pesante, il sistema non era perfetto. Hanno scoperto che il computer a volte sovrastimava certi tipi di frasi, come le chiamate all'azione, e intendono perfezionare queste regole in futuro.

I dati che hanno scoperto rivelano una conversazione vibrante e spesso accesa. I ricercatori hanno trovato che il volume dei post è fluttuato nel decennio, con un picco di attività intorno al 2017 e un'altra crescita nel 2024. Una parte significativa della discussione riguarda la denominazione e la definizione dei gruppi. I dati mostrano che il termine "Musulmano" è usato come identità predefinita nella stragrande maggioranza dei post, ma etichette specifiche come "Salafi", "Sufi", "Sciita" e "Wahhabi" sono usate per tracciare confini tra i gruppi. L'analisi suggerisce che l'etichetta "Wahhabi" è spesso usata come termine negativo per criticare gli altri, mentre "Salafi" è frequentemente usata dal gruppo per descrivere se stesso. I ricercatori hanno anche osservato che il linguaggio usato per discutere l'autorità religiosa è intenso, con un forte ricorso alla citazione di studiosi e testi religiosi per sostenere le argomentazioni. Interessante è il fatto che i dati mostrano che, sebbene le scritture religiose vengano citate, non sono l'unico strumento utilizzato; le argomentazioni su legge, politica e ordine sociale sono altrettanto comuni, indicando che il dibattito è profondamente legato allo stato e alla società nigeriana nel loro complesso.

Uno dei risultati più sorprendenti è come la lunghezza di questi post sia cambiata nel tempo. Mentre il numero di post è rimasto relativamente costante negli ultimi anni, la quantità di testo in ogni post è diminuita. Ciò suggerisce che la natura del discorso si stia spostando verso messaggi più brevi e compressi, riflettendo forse la natura frenetica dei moderni social media. I ricercatori hanno anche notato che la conversazione non riguarda solo la teologia; è profondamente intrecciata con la sicurezza e il conflitto. I dati catturano come i gruppi religiosi siano collegati o separati dalla violenza, particolarmente nel contesto dell'insurrezione nel nord della Nigeria. Mantenendo il termine "Boko Haram" come un'unica unità nella loro analisi, i ricercatori si sono assicurati che la parola "haram" (proibito) all'interno di quel nome non attivasse accidentalmente codici relativi alle regole religiose, mantenendo la discussione sulla sicurezza distinta da quella teologica.

Il valore di questo lavoro risiede nella sua capacità di trasformare un flusso caotico di discussioni online in una risorsa strutturata che chiunque può studiare. Permette ai ricercatori di andare oltre gli aneddoti e guardare agli schemi reali di come milioni di parole vengono usate per plasmare l'identità religiosa in Africa. Il corpus è ora disponibile per altri studiosi, che possono usarlo per investigare su tutto, dagli stereotipi al modo in cui la lealtà politica si esprime nel linguaggio religioso. I ricercatori sottolineano che, sebbene il computer abbia fatto il conteggio, l'interpretazione di questi schemi richiede l'intuizione umana. Hanno fornito una mappa del territorio, ma il viaggio per comprendere i significati profondi di questi dibattiti è appena iniziato. Questo progetto dimostra che, con una progettazione attenta e metodi trasparenti, l'intelligenza artificiale può aiutarci a comprendere i modi complessi con cui le comunità definiscono se stesse e il proprio posto nel mondo.