Sentiment Analysis

Obiettivi

• Dover interpretare grandi massi di dati testuali è ormai necessario per diverse carriere di un laureato in Scienze delle Comunicazioni. L’analisi dei contenuti di media e giornali, l’interpretazione dei contenuti dei social media e dei web analytics, il marketing online e l’e-commerce, la comunicazione aziendale e finanziaria sono accumunate da una grande produzione di dati testuali di diverso tipo che richiedono capacità interpretative specifiche, capacità che sono sempre più richieste anche dal mondo del lavoro. 
• Per fare ciò, per comprendere grandi quantità di testi in maniera esauriente e efficace, è quindi sempre più necessario affiancare alla lettura e analisi “umana” un supporto automatico, di base computazionale. Questo può permettere sia di poter considerare moli di testi quantitativamente rilevanti, sia di produrre analisi replicabili e affidabili, indipendentemente da chi le compie. Obiettivo formativo del corso è quindi quello di fornire agli studenti i fondamenti teorici e le applicazioni pratiche delle diverse metodologie di analisi quantitativa dei testi, metodologie che poi possano essere applicate ai diversi contesti di studio e di interesse dagli studenti stessi. Alla conclusione del corso lo studente conoscerà le principali applicazioni di sentiment analysis e textual analytics e le saprà applicare a un progetto di suo interesse. I contesti di applicazione possono essere trasversali alle diverse aree tematiche del Bachelor COM

Contenuti

Il corso si articolerà in tre parti:

• Nella prima parte si introdurrà la base teorica che motiva il ricorso all’analisi automatica dei testi. Le diverse metodologie saranno presentate con particolare attenzione ai diversi contesti di applicazione e alle diverse domande di ricerca a cui le metodologie possono essere applicate. Contemporaneamente verranno esposti i principali limiti di applicazione.
• Nella seconda parte si passerà ad analizzare in pratica i diversi strumenti di analisi, con la presentazione di casi concreti ed esempi. Sotto la supervisione del docente, gli studenti applicheranno direttamente ciascun metodo a casi di studio didattici guidati. In questa fase verrà anche introdotto l’utilizzo di software specifici per ciascun tipo di analisi.
• La terza parte prevede l’impostazione del lavoro di ricerca individuale da parte di ciascuno studente, il quale presenterà il suo research proposal alla classe e al docente per ricevere feedback e commenti. Il proposal sarà poi la base per lo svolgimento del lavoro individuale utile anche alla valutazione del corso.

Partecipazione

Il corso è seminariale e quindi si basa su partecipazione attiva in classe e presentazione dei lavori svolti anche in itinere. La partecipazione è obbligatoria ad almeno il 70% delle lezioni.

Modalità d’esame

Lo studente dovrà preparare un paper che analizzi un tema di suo interesse e che utilizzi una o più delle metodologie di analisi testuale presentate nel corso. Il paper seguirà il lavoro preparatorio svolto durante il corso e il proposal presentato in classe. La valutazione considererà il paper finale (70%) così come la partecipazione attiva alle lezioni (30%).

Riferimenti bibliografici

• Baker, P., & McEnery, T. (2015). Corpora and Discourse Studies. Palgrave Macmillan UK.
• Bondi, M., & Scott, M. (Eds.). (2010). Keyness in texts (Vol. 41). John Benjamins Publishing.
• Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers
• Loughran, T., & McDonald, B. (2011). When is a liability not a liability? Textual analysis, dictionaries, and 10‐Ks. The Journal of Finance, 66(1), 35-65.
• Loughran, T., & McDonald, B. (2016). Textual analysis in accounting and finance: A survey. Journal of Accounting Research, 54(4), 1187-1230.
• Taboada, M. (2016). Sentiment Analysis: An Overview from Linguistics. Annual Review of Linguistics, 2(1).