Integrating Social Network Analysis and Topic Modeling in Social Media Research: A Systematic Literature Review of Open-Access Scopus Studies (2016-2026)

I social media lasciano dietro di sé due tipi distinti di impronte ogni volta che scorriamo, pubblichiamo o condividiamo qualcosa. Un'impronta è il contenuto stesso: le parole che scriviamo, le opinioni che esprimiamo e le storie che raccontiamo. L'altra è la connessione: l'atto di ritwittare, rispondere o seguire qualcuno, che rivela chi sta ascoltando chi e come le idee viaggiano tra le persone. Per anni, i ricercatori hanno studiato queste impronte separatamente. Alcuni team hanno mappato le connessioni per vedere come si formano le comunità e come si diffonde l'influenza, mentre altri hanno analizzato il testo per capire cosa stiano effettivamente dicendo le persone. Ma per comprendere veramente il mondo digitale, bisogna guardare contemporaneamente sia la mappa delle relazioni che la mappa della conversazione. La sfida è stata capire come intrecciare queste due mappe diverse senza perdere i dettagli di nessuna delle due.

Una recente revisione sistematica di Dwi Jaya Saputra, un ricercatore dell'Università di Brawijaya, offre una visione completa di come gli scienziati abbiano tentato di combinare questi due metodi nell'ultimo decennio. Lo studio ha esaminato 194 articoli di ricerca open-access pubblicati tra il 2016 e il 2026 che hanno cercato di fondere l'analisi delle reti sociali con la modellazione dei temi. L'obiettivo non era solo contare quanti studi esistessero, ma capire come fossero costruiti, cosa avessero scoperto e verso dove si stesse dirigendo il campo. La revisione rivela un settore in rapida crescita ma che spesso si ferma alla superficie, dove i ricercatori eseguono due analisi separate affiancate piuttosto che intrecciarle in una comprensione singola e più profonda.

La revisione è iniziata cercando in un importante database accademico studi che utilizzassero sia l'analisi di rete che la modellazione dei temi sui dati dei social media. Dopo aver filtrato gli articoli in lingua inglese disponibili gratuitamente, i ricercatori hanno ristretto una lista di 560 potenziali articoli a 194 che soddisfacevano criteri rigorosi. Questi studi coprivano una vasta gamma di argomenti, dalle discussioni sulla salute ai dibattiti politici, passando per le tendenze commerciali e le preoccupazioni ambientali. I dati provenivano da molte piattaforme, sebbene una piattaforma, X (precedentemente Twitter), abbia fornito le informazioni per più della metà degli studi. Nel tempo, l'uso di altre piattaforme come Reddit, YouTube e Weibo è aumentato, suggerendo un ampliamento del panorama della ricerca oltre una singola fonte.

Quando i ricercatori hanno esaminato come sono stati condotti questi studi, hanno trovato un modello chiaro nel modo in cui i due metodi vengono combinati. Nella stragrande maggioranza dei casi, circa il 71 percento, i ricercatori hanno utilizzato un approccio "parallelo". Ciò significa che hanno eseguito un'analisi tematica per vedere di cosa parlavano le persone e un'analisi di rete per vedere chi fosse connesso, e poi hanno semplicemente confrontato i due risultati. È come guardare separatamente la mappa delle strade di una città e un elenco dei suoi negozi popolari, per poi notare che sembrano sovrapporsi, senza tracciare effettivamente come le strade conducano ai negozi. Sebbene questo metodo sia comune e utile per ottenere una panoramica generale, la revisione ha scoperto che raramente testa se le connessioni tra i due siano reali o solo una coincidenza.

Solo una piccola frazione degli studi, circa il 9 percento, ha tentato un approccio "congiunto", in cui la rete e il testo vengono analizzati insieme in un unico quadro matematico. Questi studi sono più complessi perché cercano di stimare simultaneamente la struttura della comunità e il contenuto della conversazione. Un altro gruppo di studi ha utilizzato un approccio "dalla rete al tema", in cui prima identificavano i gruppi di persone e poi analizzavano cosa dicessero quei gruppi specifici. Un quarto e raro gruppo, che rappresentava meno del 5 percento, ha utilizzato un approccio "dal tema alla rete", costruendo le connessioni tra le persone basandosi sulla somiglianza dei temi discussi. La revisione suggerisce che, sebbene il campo si stia muovendo verso metodi più sofisticati, il semplice approccio parallelo rimane il predefinito per la maggior parte dei ricercatori.

Anche gli strumenti utilizzati per analizzare il testo si sono evoluti. Per molto tempo, un metodo chiamato Latent Dirichlet Allocation, o LDA, è stato lo standard per trovare temi nascosti in grandi collezioni di testi. È apparso in circa un terzo degli studi esaminati. Tuttavia, nuovi metodi che utilizzano una comprensione del linguaggio più avanzata, come BERTopic, hanno iniziato ad apparire con maggiore frequenza, specialmente negli ultimi anni. Nonostante questo cambiamento tecnologico, la revisione ha notato una significativa lacuna nella trasparenza: la metà degli studi non ha indicato l'algoritmo specifico utilizzato nei propri abstract. Inoltre, pochissimi studi hanno incluso una spiegazione chiara di come abbiano verificato l'accuratezza dei loro risultati. La maggior parte degli abstract non menzionava se i ricercatori avessero testato se i loro risultati sarebbero cambiati utilizzando impostazioni o strumenti diversi.

I ricercatori hanno concluso che, sebbene la combinazione di questi due metodi sia ormai una parte routinaria della ricerca sui social media, l'integrazione è spesso superficiale. Il campo è passato da un solo articolo nel 2016 a 36 articoli nel 2025, mostrando un chiaro'accelerazione dell'interesse. Tuttavia, il modo in cui questi studi sono progettati non è stato in grado di tenere il passo con la crescita. La revisione propone un nuovo quadro per la ricerca futura che incoraggi gli scienziati a andare oltre il semplice esecuzione di due analisi separate. Invezione, dovrebbero scegliere un percorso specifico per come la rete e il testo interagiscono, sia esso costruire una rete a partire dai temi o analizzare i temi all'interno di comunità specifiche. Fondamentalmente, l'autore sostiene che i ricercatori debbano validare i loro risultati combinati, testando se il legame tra le persone e le parole regge sotto diverse condizioni.

Guardando al futuro, la revisione delinea un programma per la prossima decade di ricerca. Essa richiede più studi su piattaforme diverse da X, incluse le piattaforme basate sul video e le app di messaggistica che sono attualmente sotto-rappresentate. Urge inoltre i ricercatori ad ampliare il proprio lavoro per includere lingue e regioni che sono state ampiamente ignorate, andando oltre il predominio degli studi provenienti dagli Stati Uniti e dalla Cina. Infine, la revisione suggerisce che la strada più promettente risiede nello sviluppo di modelli che trattino la struttura della rete e il contenuto della conversazione come un sistema unico e interconnesso. In questo modo, i ricercatori possono passare dal semplice descrivere ciò che accade sui social media al comprendere veramente come le connessioni tra le persone modellino le idee che condividono.