The Visual Atlas: Esplorazione delle narrative dell'invasione in Ucraina

Abstract Data visualisations have long since begun to circulate freely online, fitting into the context that Kostelnick (2019) refers to as the 'second golden age of data design'. They seek to provide answers to interpret and make sense of increasingly complex moments of crisis, such as the Russo-Ukrainian conflict. Data visualisations have become pivotal to online communication (Kasumba R. et al., 2022) and have started to circulate virally on social networks, which have become the new official communication channels (Leetaru, 2019). With the war in Ukraine, which broke out in late February 2022, this trend flourished: 'maps depicting the attack proliferated online' (Fafinsky M., 2022). Both pandemics and war can be considered 'social issues' (Marres N. S., 2005), as problems that affect society as a whole and undermine its balance with actions beyond the control of the individual. This thesis project focuses on the collection of images and data visualisation, shared on Twitter, which offer a visual narrative about the first week of the Russian-Ukrainian conflict from 24 February to 3 March 2022. The collection was done with a query limiting the number of tweets collected, excluding those without images and retweets. A preliminary qualitative analysis of the content of the images was then made, so as to divide them into different categories, which was then followed by an analysis of the tweets aimed at linking all the information collected. This analysis focused on the individual components of the tweets, including text, image, hashtags and metadata, seen as a dialoguing whole in the creation of a narrative. The analysis identified 34 different categories of images, divided by the topics represented. They show how the Russo-Ukrainian conflict is declined on the platform and addressed from a range of perspectives, from the migration crisis to the stock market crash. This highlighted how the conversation on Twitter is fragmented and fuelled by a multitude of users. At the same time, a great repetitiveness of shared elements emerges. Finally, active users are overwhelmingly 'normal users', unverified, who therefore produce content from the bottom defined as 'grassroots'. Finally, the focal point of the thesis is the project output, an explorable digital atlas with which the mentioned analyses can be reconstructed. The project output in the form of a digital archive allows the browsing of all 6596 images with their metadata (hashtags, publication date, engagement, number of duplicates), already divided into the relevant categories. This provides both an overview of the narratives, but also of which data views are present and what type of users share them. To further facilitate a complete overview, an exploration of the categories can be made through the hashtags of the tweets. Finally, a comparison is made regarding the temporal relevance of the categories: since each category is a topic, this shows how often the individual topic is discussed and its relevance over the analysed time span.

Le visualizzazioni di dati hanno da tempo iniziato a circolare liberamente online, inserendosi nel contesto che Kostelnick (2019) definisce come "seconda età dell'oro del design dei dati". Esse cercano di fornire risposte per interpretare e dare un senso a momenti di crisi, come il conflitto russo-ucraino, sempre più complessi. Le visualizzazioni di dati sono diventate fondamentali nella comunicazione online (Kasumba R. et al., 2022) e hanno iniziato a circolare in maniera virale sui social network, diventati i nuovi canali di comunicazione ufficiali (Leetaru, 2019). Con la guerra in Ucraina, scoppiata a fine febbraio 2022, questa tendenza è fiorita: "le mappe che raffigurano l'attacco sono proliferate online" (Fafinsky M., 2022). Sia la pandemia che la guerra possono essere considerate delle “social issues” (Marres N. S., 2005), in quanto problemi che riguardano la società nella sua interezza e che ne minano l’equilibrio con azioni che vanno oltre il controllo del singolo. Il progetto di tesi si concentra sulla raccolta di immagini e data visualisation, condivise su Twitter, che offrono una narrativa visuale circa la prima settimana del conflitto russo-ucraino dal 24 febbraio al 3 marzo 2022. La raccolta è stata fatta con una query che limitasse il numero di tweet collezionati, escludendo quelli privi di immagini e i retweet. Successivamente è stata fatta un’analisi preliminare qualitativa del contenuto delle immagini, così da suddividerle in diverse categorie, a cui poi è seguita un’analisi dei tweet volta a collegare tutte le informazioni raccolte. Questa analisi si è concentrata sulle singole componenti dei tweet, tra cui il testo, l’immagine, gli hashtag e i metadati, viste come un insieme dialogante nella creazione di una narrativa. L’analisi ha permesso di identificare 34 differenti categorie di immagini, divise per gli argomenti rappresentati. Essi mostrano come il conflitto russo-ucraino venga declinato sulla piattaforma e affrontato da un ventaglio di punti di vista, dalle crisi migratorie fino al crollo dei mercati azionari. Ciò ha evidenziato come la conversazione su Twitter sia frammentata e alimentata da una moltitudine di utenti. Allo stesso tempo emerge una grande ripetitività degli elementi condivisi. Infine, gli utenti attivi sono in larga maggioranza “utenti normali”, non verificati, che perciò producono del contenuto dal basso definito “grassroot”. Il punto focale della tesi infine è l’output di progetto, un atlante digitale esplorabile con cui è possibile ricostruire le analisi menzionate. L’output di progetto sotto forma di un archivio digitale permette la navigazione di tutte le 6596 immagini corredate dei loro metadati (hashtag, data di pubblicazione, engagement, numero di duplicati), già suddivise nelle relative categorie. Ciò permette di avere sia una visione d’insieme delle narrative, ma anche di quali sono le visualizzazioni di dati presenti e che tipologia di utenti le condivide. Per favorire ulteriormente una visione completa del panorama, è possibile fare un’esplorazione delle categorie attraverso gli hashtag dei tweet. Infine viene eseguito un confronto circa la rilevanza temporale delle categorie: poiché ogni categoria è un argomento, così facendo si evidenzia la frequenza con cui il singolo argomento viene trattato e la sua rilevanza nell’arco temporale analizzato.