Theses

@mastersthesis{amslaurea17529,
title = {Social media per la rilevazione di eventi location-based: stato dell'arte e valutazione sperimentale},
author = {Miriana Rebeggiani},
url = {https://amslaurea.unibo.it/id/eprint/17529},
year = {2019},
date = {2019-01-01},
abstract = {I social media sono emersi come uno dei principali mezzi di comunicazione, data la grande rapidità di diffusione delle informazioni.
Una delle principali applicazioni di questi strumenti, su cui verte il presente elaborato, è l’utilizzo di piattaforme (in particolare di Twitter) al fine di individuare ed analizzare eventi che destano "allarme".
Le analisi volte al rilevamento degli eventi presentano una struttura comune: acquisizione, filtraggio, classificazione e visualizzazione dei dati.
Nel periodo dal 3 al 17 gennaio 2019 si sono verificati 6 diversi tipi di eventi (terremoto in Sicilia, terremoto in Emilia-Romagna, terremoto in Grecia, tornado in Ohio, TimDown).
Quindi, l’obiettivo della presente tesi è quello di studiare i contenuti del microblogging durante questi fatti, che differiscono sia per il loro impatto sia per loro natura, in modo da verificare se tale piattaforma possa effettivamente essere ancora oggi uno strumento ottimale nella rilevazione degli eventi, basandosi sugli studi presenti in letteratura.
Attraverso l’utilizzo di Twitter API, sono stati estratti tutti quei dati volti a descrivere l’accadere del fenomeno.
Successivamente, sono stati svolti diversi tipi di studi che mirano ad analizzare i Tweet dal punto di vista quantitativo, come la loro distribuzione nel tempo e nello spazio.
Inoltre, si è provveduto ad esaminare il contenuto dei messaggi mediate l’estrazione degli URL e dall’analisi relativa alla lunghezza dei Tweet.
Quest'ultimo studio è stato effettuato in quanto nel 2017 il numero di caratteri disponibili per i Tweet è raddoppiato, perciò si è voluto indagare se la lunghezza dei messaggi incrementasse con l'aumentare della disponibilità, considerando separatamente la differente natura degli eventi.
Infine, attraverso tecniche di Text mining (Word cloud e Sentiment analysis) si è cercato di far emergere sia i contenuti/termini maggiormente discussi sia il sentimento generale degli utenti che sono relazionati all'evento.},
keywords = {Analisi dati, Rilevazione eventi, social media, Twitter},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea16180,
title = {Social Media Analysis: Progettazione ed implementazione di piattaforme per la brand comparison ed applicazione in ambito turistico},
author = {Federica Merendi},
url = {https://amslaurea.unibo.it/id/eprint/16180},
year = {2018},
date = {2018-01-01},
abstract = {La diffusione dei social media aumenta di anno in anno e coinvolge sempre più utenti. I protagonisti di questo nuovo scenario sono soprattutto utenti semplici che utilizzano i social come mezzo di informazione e per rimanere in contatto con i propri amici. Ma negli ultimi anni anche numerose imprese sono approdate sui social media per aumentare la propria brand awareness. È quindi necessario che queste aziende analizzino le proprie performance e confrontino la propria strategia con quella dei concorrenti diretti, per rendere sempre di più efficace il loro utilizzo dei social.
Questa tesi è incentrata su due elementi fondamentali: lo sviluppo di una piattaforma software per l’analisi delle pagine Facebook e i profili Twitter ed un esempio applicativo di analisi sui due social media in esame. La piattaforma permette di analizzare uno o due account scelti dall’utente visualizzando grafici relativi all’utilizzo dei social media e misurare la risposta dei fan tramite la metrica dell’engagement.
L’esempio applicativo, invece, riguarda l’analisi degli account ufficiali per la promozione turistica delle regioni italiane sui due social media e propone un’analisi quantitativa sui dati estratti, una regressione sui dati per valutare quali siano le possibili variabili di influenza sull’engagement e un confronto tra i dati estratti dai due social media Facebook e Twitter.},
keywords = {DMO, facebook, Facebook API, python, regioni italiane, social media, social media analysis, turismo, Twitter, Twitter API},
pubstate = {published},
tppubtype = {mastersthesis}
}