Rispettiamo la tua privacy. Usiamo cookie tecnici necessari al funzionamento del sito e, solo col tuo consenso, cookie di misurazione e attribuzione per capire come arrivano i lettori. Puoi accettarli o rifiutarli. Dettagli nella Privacy & Cookie Policy.
Da dove vengono le notizie, come le raggruppiamo, come misuriamo il bias — e con quali limiti. Lo pubblichiamo per un motivo semplice: un progetto che analizza il bias degli altri deve essere trasparente sul proprio metodo, inclusi i suoi punti deboli.
In una riga
Ogni giorno raccogliamo le notizie da decine di testate italiane, raggruppiamo gli articoli che parlano dello stesso fatto e analizziamo chi lo copre, come lo racconta e cosa eventualmente omette. Nessuna misura qui è una “verità oggettiva”: sono indicatori, con margini di errore che descriviamo apertamente.
Il flusso in sintesi
1Raccoltaleggiamo i feed RSS di 61 testate italiane
2Raggruppamentouniamo gli articoli sullo stesso evento (cluster)
3Sintesiriassunto neutrale + fatti chiave di ogni cluster
4Frame intensityquanto è “carico” retoricamente ogni articolo
5Coperturaquanta parte del racconto viene da sinistra / centro / destra
6Polarizzazionequanto è sbilanciata quella copertura
7Confrontocome cambia la narrazione tra stampa di sx e dx
8Blindspotnotizie coperte quasi solo da un lato dello spettro
9Storiecollegamento degli eventi nel tempo (visione longitudinale)
Il processo gira una volta al giorno in modo automatico. Tutte le analisi testuali usano un modello linguistico (LLM) locale — gemma-3-12b — che gira sui nostri server, non su servizi esterni.
01Le fonti e il loro orientamento
Partiamo da 61 testate italiane, dalle grandi testate nazionali alle agenzie di stampa, ai quotidiani più marcatamente schierati, fino ad alcune testate locali e di approfondimento. A ogni testata assegniamo due etichette editoriali:
Orientamento su 5 livelli: Sinistra, Centro-sinistra, Centro, Centro-destra, Destra.
lean_score: un numero da 0 a 100 dove 0 = estrema sinistra, 50 = centro, 100 = estrema destra. Serve a calcolare medie più fini.
Esempi reali dalla nostra configurazione
Il Manifesto10
Il Fatto Quotidiano25
La Repubblica35
Corriere della Sera50
Il Giornale80
Il Primato Nazionale92
0 · Sinistra50 · Centro100 · Destra
Per l’analisi del bias i 5 livelli vengono compattati in 3 poli:
Polo usato nell’analisi
Include le etichette
Sinistra
Sinistra + Centro-sinistra
Centro
Solo Centro
Destra
Destra + Centro-destra
Con l’attuale panel di 61 testate la ripartizione è: 19 sinistra, 22 centro, 20 destra (lean_score medio del panel: 48,8 — quasi esattamente al centro).
⚠ Limiti
La classificazione è un giudizio editoriale nostro, curato a mano. Non deriva da uno studio accademico né da un algoritmo: è la nostra migliore stima dell’orientamento prevalente di ciascuna testata. È discutibile e perfettibile, e la pubblichiamo proprio perché possa essere contestata.
L’orientamento è a livello di testata, non di articolo. Un quotidiano “di destra” può pubblicare un pezzo equilibrato e viceversa: noi attribuiamo comunque quell’articolo al polo della testata.
Il collasso in 3 poli semplifica. Una testata di Centro-sinistra viene conteggiata come “sinistra” a tutti gli effetti: questo rende l’asse più netto di quanto sia nella realtà.
Il panel non è l’universo dell’informazione. Mancano TV, radio, social e testate non incluse; la composizione del panel influenza direttamente i risultati.
02Raccolta degli articoli
Ogni testata pubblica dei feed RSS (elenchi aggiornati dei loro articoli). Li leggiamo, scarichiamo il testo degli articoli e li salviamo. In una giornata tipica raccogliamo alcune migliaia di articoli.
⚠ Limiti
Vediamo solo ciò che è nei feed RSS. Se una testata non mette una notizia nel feed, per noi quel giorno non esiste. Alcuni feed contengono solo una parte della produzione della testata.
Alcune fonti possono fallire (feed offline, blocchi anti-scraping): quel giorno quella testata pesa meno o è assente, e questo può falsare la distribuzione della copertura.
03Raggruppamento delle notizie (clustering)
Per capire “chi copre cosa” dobbiamo prima riconoscere quando articoli diversi parlano dello stesso fatto. Lo facciamo in modo automatico:
Ogni articolo viene trasformato in un vettore numerico che ne cattura il significato, con un modello semantico multilingue (paraphrase-multilingual-MiniLM-L12-v2).
Articoli semanticamente vicini vengono raggruppati in cluster (un cluster = un evento/notizia), combinando raggruppamento per similarità e fusione dei gruppi troppo simili tra loro.
Un cluster diventa una “notizia” analizzabile solo se ha almeno 2 articoli e, per ricevere un titolo generato automaticamente, almeno 2 fonti diverse.
⚠ Limiti
Il raggruppamento non è perfetto. Può capitare che due filoni della stessa vicenda restino separati, o che eventi diversi ma lessicalmente simili finiscano vicini. Applichiamo controlli per ridurre questi casi, ma non li eliminiamo.
La qualità dipende dal titolo e dal testo estratto. Titoli ambigui o testi troncati peggiorano il raggruppamento.
04Sintesi dei cluster
Per ogni cluster produciamo:
Riassunto neutrale e fatti chiave (date, numeri, nomi), generati dall’LLM a partire dai titoli degli articoli;
per un sottoinsieme di cluster, una sintesi estesa scritta dall’LLM leggendo il contenuto degli articoli, non solo i titoli — più ancorata ai fatti.
⚠ Limiti
I riassunti generati da un LLM possono contenere imprecisioni o dettagli non presenti nelle fonti (“allucinazioni”). Per questo, dove disponibile, privilegiamo la sintesi basata sul contenuto rispetto a quella basata sui soli titoli, che è più esposta a questo rischio.
La sintesi estesa non è calcolata per tutti i cluster (ha un costo computazionale): i cluster minori possono avere solo il riassunto breve.
I riassunti sono un ausilio alla lettura, non una fonte: la fonte restano gli articoli originali, sempre linkati.
05Frame intensity — quanto è “carico” un articolo
La frame intensity è un numero da 0 a 1 che stima quanto il linguaggio di un articolo è retoricamente caricato (allarmistico, enfatico, drammatizzante) rispetto a un tono informativo e neutro. 0,5 è il valore neutro di partenza.
Non misura l’orientamento politico e non misura la verità: misura il tono. Il calcolo è basato su regole linguistiche, senza LLM. Sommiamo segnali che alzano o abbassano il punteggio, per esempio:
↑ Alzano l’intensità
Superlativi, punti esclamativi nei titoli, metafore belliche/catastrofiche (“guerra”, “assedio”, “crollo”), linguaggio d’allarme (“emergenza”, “pericolo”), toni di denuncia, iperboli (“mai”, “sempre”, “storico”), appelli identitari, virgolette ironiche.
↓ Abbassano l’intensità
Prosa istituzionale (“ha dichiarato”, “in una nota”), registro passivo, citazioni con fonte esplicita, dati quantitativi contestualizzati.
La somma pesata viene poi compressa nell’intervallo 0–1. Ogni articolo riceve anche un elenco di segnali rilevati (“metafora bellica”, “tono di denuncia”, ecc.), così che il punteggio sia ispezionabile e non una scatola nera.
⚠ Limiti
È un’euristica lessicale, non capisce il contesto. Una citazione ironica, una metafora giornalistica o una parola come “guerra” in un pezzo di politica estera possono alzare il punteggio anche senza reale sensazionalismo.
Non distingue sarcasmo, virgolettato altrui e opinione dell’autore.
È tarata sull’italiano giornalistico “medio”: su generi particolari (editoriali, satira, tecnico-finanziario) è meno affidabile.
Va letta come indicatore di tendenza, non come misura esatta.
06Distribuzione della copertura
Per ogni cluster calcoliamo da quale parte dello spettro arriva la copertura: la percentuale di articoli di sinistra, centro e destra.
Esempio
Sinistra 60%Centro 30%Destra 10%
Tra gli articoli che coprono questa notizia, il 60% viene da testate classificate a sinistra.
Calcoliamo anche il lean_scoremedio degli articoli di ciascun polo, per una lettura più fine.
⚠ Limiti
È una misura di quantità, non di contenuto. Dice quanti articoli per polo, non cosa dicono.
Dipende dal panel e dalla raccolta del giorno (vedi §01 e §02): se una testata è assente, la sua “fetta” sparisce.
Conta gli articoli, non i lettori o l’impatto: una testata piccola e una grande pesano allo stesso modo.
07Polarizzazione
La polarizzazione riassume in una parola quanto la copertura di un cluster è sbilanciata verso un unico polo. Si basa sulla percentuale del polo dominante:
Livello
Condizione (quota del polo dominante)
Alta
oltre il 70%
Media
oltre il 50% e fino al 70%
Bassa
50% o meno
⚠ Limiti
Sono soglie convenzionali, scelte da noi: un cluster al 69% e uno al 71% sono vicini nella realtà ma finiscono in categorie diverse.
Alta polarizzazione non significa “notizia falsa” o “manipolata”: significa solo che a raccontarla è stato soprattutto un lato dello spettro.
08Confronto narrativo (sinistra vs destra)
Dove la copertura è sufficientemente bilanciata e il tema è divisivo, chiediamo all’LLM di analizzare come cambia il racconto tra stampa di sinistra e di destra: quale aspetto ciascun lato accentua, che tono usa, cosa omette, se il bias è esplicito (tono dichiaratamente politico) o implicito (scelta degli angoli e dei dettagli).
Prima di procedere applichiamo due filtri:
Divisività: temi come sport, meteo, cronaca leggera, cultura vengono esclusi dall’analisi politica (non c’è una vera frattura sinistra/destra).
Copertura sufficiente: se un cluster ha articoli di un solo polo, segnaliamo esplicitamente che non c’è confronto possibile — il che è a sua volta un’informazione (vedi Blindspot).
⚠ Limiti
È un’analisi generata da un LLM: può semplificare, enfatizzare differenze modeste o, raramente, interpretare male. È un supporto alla lettura critica, non un verdetto.
Descrive tendenze generali di un polo, non la posizione di una singola testata (per scelta, per non attribuire tesi a nomi specifici).
Vale sui testi raccolti quel giorno: non è un giudizio permanente sulla testata.
09Blindspot — cosa racconta (quasi) solo un lato
Un blindspot è una notizia coperta in modo fortemente sbilanciato: quando in un cluster (con almeno 2 articoli e 2 fonti diverse) un solo polo supera il 75% della copertura, lo segnaliamo, indicando qual è il polo dominante e con quale percentuale.
L’idea, ispirata all’approccio “blindspot” del giornalismo comparativo, è mostrare a un lettore cosa rischia di non vedere leggendo solo una parte della stampa.
⚠ Limiti
“Blindspot” non implica censura né malafede. Può dipendere dagli interessi editoriali, dal caso, o dal fatto che una notizia è locale o di nicchia per un solo pubblico.
La soglia del 75% è convenzionale.
Come tutto il resto, dipende dal panel di 61 testate: un vero blindspot dell’intera informazione italiana potrebbe non emergere se nessuna delle nostre fonti lo copre.
10Storie — la vicenda nel tempo
I cluster sono fotografie di un singolo giorno. Per dare una visione longitudinale, colleghiamo i cluster di giorni diversi che raccontano la stessa vicenda in “storie” persistenti. Così si può seguire come la copertura e la polarizzazione di un caso evolvono nel tempo.
Il collegamento avviene in due passaggi, pensati per privilegiare la precisione:
Pre-filtro semantico: individuiamo le storie esistenti più simili al nuovo cluster (per vicinanza di significato, ultimi 14 giorni).
Validazione finale con LLM: per ogni candidata, l’LLM conferma se è davvero la stessa vicenda specifica (non semplicemente lo stesso tema). Solo con conferma il cluster si aggancia; nel dubbio si crea una storia nuova.
⚠ Limiti
È un compromesso tra due errori opposti: fondere vicende diverse e tenere separati sviluppi della stessa vicenda. Tariamo il sistema per evitare soprattutto il primo (più grave per un sito di analisi), quindi può occasionalmente lasciare separati due filoni che un lettore unirebbe.
La qualità dipende dai passaggi precedenti (clustering e sintesi).
11Principi e avvertenze generali
Non stabiliamo cosa è vero. Analizziamo come le notizie vengono coperte e raccontate dalle diverse testate, non la loro veridicità.
Le nostre misure sono indicatori, non sentenze. Orientamento delle fonti, frame intensity, polarizzazione e blindspot hanno margini di errore e assunzioni che qui abbiamo cercato di dichiarare per intero.
Tutto parte da un panel curato a mano. La scelta e la classificazione delle 61 testate è la decisione più influente dell’intero sistema, ed è la più soggettiva.
Automazione = velocità + errori sistematici. L’analisi automatica ci permette di coprire ogni giorno migliaia di articoli, ma introduce errori ricorrenti (di clustering, di sintesi, di attribuzione) che un occhio umano eviterebbe.
La fonte resta l’articolo originale, sempre raggiungibile. I nostri riassunti e le nostre analisi servono a orientarsi, non a sostituire la lettura diretta.
Segnalazioni ed errori sulla classificazione delle fonti o su singole analisi sono benvenuti: la trasparenza include la possibilità di correggerci.