Il "sentiment" dei testi nelle canzoni

Un brano musicale di qualsivoglia autore mi fa sentire in pace con me stesso, oppure arrabbiato col mondo, senza dover per forza comprenderne la ritmica, gli accordi, l’arrangiamento, e così via. Questo perché è la sfera personale ed emozionale, unica per ogni individuo, a trasmettermi quel sentimento, stimolato da un tale pezzo. Ciò vale sia per le sette note che per le lettere dell’alfabeto: per il testo, in altre parole. Ma qui può sorgere qualche dubbio: pare infatti che nel tempo i testi della musica popolare siano diventano più arrabbiati e più tristi.

La Billboard Hot 100 raccoglie annualmente le canzoni più popolari degli USA e riflette le preferenze degli appassionati di musica. Se in passato il metro era dato da vendite discografiche, trasmissioni radiofoniche e jukebox, oggi ci si basa essenzialmente su streaming e social media. I toni espressi in ogni canzone sono stati analizzati da un team di ricerca della Lawrence Technological University nel Michigan, applicando l'analisi quantitativa automatica del sentiment. Questo termine può far pensare a “sentimento”, ma non è esattamente la giusta traduzione, perché si riferisce a quello che un gruppo di parole sta dicendo, il loro tono, la forza dell’espressione, ecc. Sono stati così calcolati i sentiment di tutti testi della Hot100 di ogni anno, misurando le relative variazioni, dagli anni ’50 fino ai giorni nostri.

I risultati hanno mostrato che l'espressione di rabbia e tristezza nella musica popolare è aumentata gradualmente nel tempo, mentre la comunicazione di un sentimento di gioia è diminuita, pur se con qualche eccezione. Le canzoni pubblicate nel triennio 1982-1984 erano meno arrabbiate rispetto a qualsiasi altro periodo, ad eccezione degli anni '50. Verso la metà degli anni '90, i testi parlavano con toni negativi, in una forma più considerevole rispetto agli anni precedenti. Anche l'espressione di tristezza, disgusto e paura è cresciuta negli anni, pur se in misura meno marcata rispetto alla collera.

E’ stato infatti rilevato che una specie di disgusto si è insinuato gradualmente nelle parole cantate, in maniera meno evidente all'inizio degli anni '80 e più evidente a metà e fine degli anni '90. Anche il sentimento di paura ha avuto alti e bassi, con espressioni più spiccate durante la metà degli anni '80, seguite da un brusco calo nel 1988. Poi c’è stato un repentino aumento di testi legati alla paura nel biennio 1998 -1999, scemata subito nel 2000 (probabilmente per l’entrata del nuovo millennio – nota mia). Lo studio ha dimostrato anche che la gioia era un tono dominante nelle parole di musiche popolari durante la fine degli anni '50, ma è anch’essa diminuita nel tempo, diventando molto meno presente negli ultimi anni.

Vi avevo già parlato di connessioni tra la musica e l’intimo sentire in questo post. Qualcosa del genere è accaduto con questo recente studio, spostando il focus sui testi. Ma, a ben guardare, lo studio non mostra che la musica sia cambiata, quanto che le preferenze dei consumatori/ascoltatori di musica sono cambiate nel tempo. Mentre gli appassionati degli anni ‘50 preferivano canzoni gioiose, i consumatori di musica moderna sono più interessati a quelle che esprimono tristezza o rabbia. Non necessariamente quindi una maggiore spinta degli autori in questo senso, anche perché, senza essere banali, c’è sempre quella componente di musica che dovrebbe contribuire al sogno, alla speranza.

Sia chiaro, sono state analizzate solo le canzoni statunitensi e non è detto che questo trend sia ripetuto in altre parti del mondo. Non scordiamoci però che da noi l’influsso della musica a stelle e strisce (ma anche quella dello Union Jack) è stato forte. Dunque, possiamo credere che in generale la qualità media dei sentimenti sia peggiorata nel tempo? E’ una probabile spiegazione. Un’altra potrebbe essere la ricerca, di chi ascolta le canzoni, di conferme delle proprie negatività e di quelle sociali. In ogni caso, non proprio un bel quadretto dell’evoluzione dell’umana specie.

(fonte https://www.eurekalert.org/pub_releases/2019-01/ltu-cas012419.php; si ringrazia il sito http://www.lizmoore.net per la gentile concessione della foto)

L’analisi del sentiment mediante immagini

Con l’avvento di internet e soprattutto dei social network molte cose sono cambiate nel rapporto tra grandi marchi e consumatori. Sono stati creati software dedicati ad analizzare quello che dice “la rete” riguardo ad un brand, un prodotto, un evento, oppure quando la gente fa di più una certa cosa, informazioni molto appetibile a pubblicitari e commerciali. Questo tipo di ricerca, automatizzata visti i milioni di utenti connessi, è stato definito coi termini anglosassoni sentiment analysis, che in italiano è diventato brutalmente analisi del sentiment (termine traducibile come emozione, sensazione, umore, oppure anche sentimento nell’accezione comune).

Il sistema di analisi si basa su ciò che gli internauti scrivono. Ora però, un team composto da ricercatori dell’Università della California e degli Yahoo Labs, guidati dal professor Xu, sta cercando di capire qual è l’umore delle persone anche tramite le immagini che vengono postate e caricate, utilizzando un algoritmo basato su reti neurali.  Queste reti sono dei modelli matematici composti da più formule, nelle quali ci sono dei parametri variabili modulati finemente durante un procedimento noto come addestramento o training, dove i dati di ingresso sono sottoposti un numero elevato di volte al modello, fino ad ottenere i dati di uscita molto vicini a quelli desiderati. Si tratta di un sistema già utilizzato per il riconoscimento automatico delle immagini, sempre più in crescita date le attuali potenze di calcolo disponibili.

I ricercatori americani sono partiti da un insieme di immagini suddivise in 1000 raggruppamenti, poi hanno preso moltissime foto dai social Tumblr e Twitter, già valutate per il sentiment su una scala a cinque punti di molto negativo, negativo, neutro, positivo e molto positivo. Il passo successivo è stato quello di creare ed addestrare una rete neurale che abbinasse la suddivisione iniziale con il sentiment associato alle immagini prese dai social. In sostanza, nel primo set di immagini si era a conoscenza di cosa conteneva la foto senza comprenderne il significato emozionale, nel secondo non si era interessati al contenuto ma era noto all’incirca cosa provava il soggetto fotografato o cosa trasmetteva lo scatto nel guardarlo. Alla prova dei fatti, la rete neurale creata dal professor Xu ha riportato risultati migliori delle attuali tecniche di analisi delle immagini, come ad esempio quella basata su caratteristiche visive di basso livello, tipo il colore e le sue tonalità, oppure come  SentiBank, un software che genera una descrizione completa di aggettivi per una foto e dà quindi l’idea di riconoscerne il sentimento.

Gli esperti di marketing e di comunicazione si staranno già leccando i baffi. Uno strumento del genere potrebbe superare le analisi fatte solo su frasi, messaggi e post, che hanno due grossi limiti: la dipendenza del senso dalla lingua in cui sono formulati e le influenze culturali su sarcasmo e l'ironia, problematiche inesistenti per le immagini. L’affidabilità quindi ne avrebbe un bel guadagno e, di conseguenza, il business di chi potrà usare questi nuovi sistemi. Per non dire dell’uso, oltre a quello corrente, che potrebbero farne i partiti politici nel misurare e anche reindirizzare l’opinione della gente a loro insaputa.

Ma è naturale pensare a quali altre possibilità potrebbe portare un sistema del genere, magari nella sua versione più evoluta. L’uso più banale sarebbe quello su un presunto colpevole, per capire qualcosa in più sulla verità in base alla sua espressione. Quello meno banale e anche un po’ inquietante, potrebbe essere la misurazione del livello di felicità delle persone. Ve lo immaginate, in un futuro spero più lontano possibile, un supercomputer che smaschera gli umani tristi, relegandoli da qualche parte, e fa prosperare solo coloro che i suoi algoritmi neurali giudicano come felici ?

(fonte http://www.technologyreview.com/view/533061/neural-network-rates-images-for-happiness-levels/ )