Emotional Text Mining e protesta climatica: un'analisi computazionale delle narrazioni dell'attivismo italiano

This study applies Emotional Text Mining (ETM) techniques to a medium-small sized corpus of 664 press releases published between January 2022 and December 2025 by three major Italian climate activism collectives: Fridays for Future, Extinction Rebellion, and Ultima Generazione. The research aims at exploring how affective semantics, symbolic framing, and emotional landscapes contribute to the construction of shared meanings and promote collective action within Italian environmental movements. Texts were processed via T-Lab software and segmented into elementary contexts. A hybrid clustering strategy combining hierarchical clustering (Ward’s method) and K-Means partitioning was adopted and evaluated through a multi-index validation procedure. While preliminary diagnostics suggested a six-cluster solution, low inter-cluster separability led to the adoption of a more parsimonious four-cluster configuration, ensuring a high classification rate of the textual units (99.62%). Results reveal a polarized semantic-affective structure of activist discourse, organized around shared dimensions of ecological urgency, institutional critique, moral responsibility, and claims for climate justice. Sub-clusters analysis further highlights internal tensions, including regulation versus expressive freedom and responsibility attribution versus redistributive demands. From a methodological perspective, the study shows the potential of combining unsupervised clustering with multi-index validation in the analysis of activist corpora, contributing to the integration of computational text analysis and interpretive approaches in the study of environmental communication.

Lo studio applica tecniche di Emotional Text Mining (ETM) a un corpus di dimensioni medio-piccole composto da 664 comunicati stampa, pubblicati tra gennaio 2022 e dicembre 2025 da tre collettivi italiani di attivismo climatico: Fridays for Future, Extinction Rebellion e Ultima Generazione. La ricerca si propone di esplorare in che modo la semantica affettiva, l’inquadramento simbolico e i paesaggi emotivi contribuiscano alla costruzione di significati condivisi e alla promozione dell’azione collettiva nei movimenti ambientalisti italiani. I testi sono stati elaborati mediante il software T-Lab e segmentati in contesti elementari. È stata adottata una strategia di clustering ibrido, che combina il clustering gerarchico (metodo di Ward) e il partizionamento K-Means, ed è stata valutata attraverso una procedura di validazione multi-indice. Sebbene le diagnosi preliminari suggerissero una soluzione a sei cluster, la bassa separabilità inter-cluster ha portato all’adozione di una configurazione più parsimoniosa a quattro cluster, garantendo un elevato tasso di classificazione delle unità testuali (99,62%). I risultati rivelano una struttura semantico-affettiva polarizzata del discorso attivista, organizzata attorno a dimensioni condivise di urgenza ecologica, critica istituzionale, responsabilità morale e rivendicazioni di giustizia climatica. L’analisi dei sotto-cluster mette inoltre in luce tensioni interne tra regolamentazione e libertà espressiva e tra attribuzione delle responsabilità e richieste redistributive. Dal punto di vista metodologico, lo studio mostra il potenziale della combinazione tra clustering non supervisionato e validazione multi-indice nell’analisi di corpora attivisti, contribuendo all’integrazione tra analisi testuale computazionale e approcci interpretativi nello studio della comunicazione ambientale.