Chi viene difeso, chi viene attaccato, e cosa scatena il dibattito su X
Quando si parla di partiti su X, di cosa si parla davvero? Un'analisi di 8.334 post e 4.071 utenti (3–9 giugno 2026): chi viene difeso, chi viene attaccato, e perché. Non misuriamo voti: misuriamo idee e reazioni emotive.
degli utenti si espone a favore di un partito. Tutti gli altri partecipano senza schierarsi apertamente.
Il dibattito politico su X è dominato da contenuti ostili: dei post è ostile, appena favorevole.
In breve
Cosa abbiamo scoperto
🗣️
Solo prende posizione
La grande maggioranza non esprime un sostegno esplicito a nessun partito.
🔥
Domina la critica
dei post è ostile: il confronto su X passa soprattutto per l'attacco.
⚔️
Più attenzione a chi divide
I contenuti divisivi attirano più reazioni dell'approvazione pacata: chi spacca fa discutere più di chi piace.
📢
Discussi ≠ apprezzati
I partiti di cui si parla di più non sono affatto quelli visti meglio.
Capitolo 1
Il clima generale
Di cosa si parla?
Prima di tutto il tono. Su X il confronto politico è dominato dall'ostilità, e solo una minoranza si schiera apertamente a favore di qualcuno. Ecco com'è distribuito il dibattito.
Il tono dei post
favorevoli / ostili / neutri sul totale.
Chi popola il dibattito
utenti che si espongono a favore di un partito vs chi non si schiera apertamente.
Presenza nel dibattito
utenti distinti coinvolti per partito.
💡 Cosa ci dice questo capitolo
La maggior parte degli utenti non si espone a favore di alcun partito; e tra i post prevale nettamente il tono ostile sull'adesione.
Capitolo 2
Chi mobilita davvero
Quali partiti spingono la gente a esporsi?
Non conta solo quanto se ne parla, ma come. C'è chi riceve soprattutto attacchi e chi mobilita più sostenitori. La matrice qui sotto è il cuore del dibattito: a destra chi è meno avversato, in alto chi è più discusso.
Interesse × Approvazione
asse X = sentiment netto (→ meno criticato); asse Y = utenti coinvolti (↑ più discusso); dimensione = polarizzazione.
Militanza: chi ha più difensori
utenti distinti che si espongono a favore.
Approvazione netta (con incertezza)
favorevoli − ostili tra gli utenti schierati, intervallo di Wilson 95%.
💡 Cosa ci dice questo capitolo
Pochi partiti scatenano difensori veri; la maggioranza raccoglie soprattutto attacchi. Su X non emerge chi è più apprezzato, ma chi fa più discutere.
Capitolo 2 · focus
Chi divide di più
Amato e odiato, o ignorato da tutti?
La polarizzazione misura quanto un partito spacca: 1.0 = campo di battaglia, con favorevoli e contrari in egual misura; 0.0 = reazione quasi unanime (quasi tutti dalla stessa parte, in un verso o nell'altro). È la differenza tra chi accende posizioni opposte e chi raccoglie una reazione concorde.
La nostra lettura
Capitolo 3
Perché
Cosa piace e cosa fa arrabbiare?
Dietro ogni partito ci sono temi che attirano difese e temi che scatenano attacchi. Ecco, partito per partito, su cosa si gioca il sentiment.
💡 Cosa ci dice questo capitolo
Nei post analizzati, la difesa ruota spesso intorno a pochi temi-bandiera (sicurezza, immigrazione, identità), mentre gli attacchi toccano più spesso economia, governo e alleanze.
Capitolo 4
Le voci più influenti
Chi fa girare il dibattito?
Prima qualche esempio di come suona la discussione tra gli utenti — toni e bersagli ricorrenti. Poi i post degli account ufficiali e degli esponenti, gli unici con un engagement davvero alto.
Com'è il dibattito: qualche esempio
Classifica dei post di partiti ed esponenti
Esponente
Area
Post
❤️
🔁
💬
💡 Cosa ci dice questo capitolo
Tra i post più virali del campione prevalgono i contenuti critici: l'attenzione, su X, tende a seguire il conflitto più dell'adesione.
Capitolo 5 · chiusura
Audience vs Mobilitazione
Osservati o difesi?
Like e repost misurano quante persone guardano. I sostenitori distinti misurano quante persone decidono di intervenire. Non sono la stessa cosa: alcuni leader costruiscono audience, altri costruiscono partecipazione.
Attenzione vs partecipazione, leader per leader
asse X = engagement totale dei loro post (like+repost+reply); asse Y = sostenitori distinti del partito; dimensione bolla = quanto se ne discute. Engagement su un campione recente di post per account.
📐 Come leggerlo. Il numero di sostenitori deriva dall'analisi dell'intero dataset (utenti distinti che difendono il partito); l'engagement dai post degli account ufficiali e degli esponenti inclusi nel campione. Sono due misure diverse messe a confronto di proposito: una è l'attenzione ricevuta, l'altra la partecipazione attivata.
💡 La differenza che conta
Meloni e Schlein vengono osservate: engagement altissimo, ma pochi utenti si espongono a difenderle. Vannacci viene difeso: meno engagement complessivo, ma il numero più alto di sostenitori che intervengono in prima persona.
Indice di mobilitazione — sostenitori ogni 1.000 interazioni
Non chi riceve più like, ma quanti utenti decidono di esporsi ogni 1.000 interazioni ricevute. Qui emerge la sorpresa: a parità di attenzione, alcuni leader convertono molto più di altri.
💡 In una frase
Alcuni leader costruiscono audience; altri costruiscono partecipazione. L'attenzione e la mobilitazione sono fenomeni diversi: non sempre chi raccoglie più like mobilita più persone.
Note
Metodo & limiti
Cos'è e cosa non è. Questa è un'analisi del dibattito su X — di cosa si dice e con che tono — non un sondaggio. Misura il comportamento di una minoranza vocale e attiva (chi commenta di politica su X), non l'opinione pubblica generale. Parla di mobilitazione, approvazione, ostilità e polarizzazione, non di voti.
Come è fatto (dati, classificazione, formule)
Raccolta. Ricerca su X per 10 partiti (nome+sigla+handle+leader), lang:it, 3–9 giu 2026, retweet esclusi, dedup → post, utenti. Classificazione. Ogni coppia (post, partito) etichettata via LLM come favorevole / ostile / neutro / off-topic verso quel partito. Validazione: 150 casi ri-classificati in cieco → 86% concordanza (96% sulla distinzione favorevole/non). Attribuzione del sostegno. Ogni utente viene associato al partito che difende più spesso; le sole critiche non assegnano. Formule. Approvazione netta con intervallo di Wilson 95%; polarizzazione = entropia normalizzata fav/ost; serie giornaliera con shrinkage Empirical-Bayes e test di trend Mann–Kendall (nessun trend significativo nei 7 giorni, p>0.05); intervalli via bootstrap. Limiti. Solo il 14% si espone → minoranza vocale; volume "tappato" ~200 post/giorno/partito; reach approssimata con l'engagement; +Europa escluso (segnale troppo rumoroso).