
Implementazione sperimentale, attenta alla privacy, di un framework sociologico per l'analisi posizionale multi-piattaforma.
Multi-Platform Observational & Sociodynamic Analysis of Individual Configurations
Questo repository è una proof of concept. MOSAIC è un framework sociologico per l'analisi comportamentale multi-piattaforma, costruito in articoli prima che in codice. Ciò che trovi qui è il suo primo banco di prova: il luogo in cui la teoria incontra i dati reali, e in cui le è permesso rompersi.

Si consideri un caso illustrativo. La stessa persona prende parte a diversi ambienti digitali. Su GitHub, i suoi contributi appaiono metodici e collaborativi. Su Reddit, i suoi scambi sono più conflittuali. Nei commenti su YouTube, sono più brevi e sprezzanti.
La maggior parte degli strumenti chiederebbe quale descrizione cattura meglio la persona. MOSAIC pone una domanda diversa: cosa spiega la variazione tra i contesti, e cosa se ne può legittimamente inferire?
Non chi qualcuno è. Dove si colloca.
L'ipotesi centrale del framework:
Le tracce digitali non dovrebbero essere interpretate come segnali comportamentali stabili, ma come varianza posizionale strutturata attraverso ambienti socio-tecnici.
La varianza tra piattaforme non è rumore da filtrare. È il segnale. Il framework propone di leggerla attraverso tre componenti:
Queste sono categorie analitiche, non scoperte. "Ciò che sfugge" non rivela un "vero sé" nascosto dietro la presentazione pubblica; segnala dove le prime due letture smettono di spiegare i dati. Le tre vengono lette come una struttura, mai ridotte a un punteggio.
Questo è un framework concettuale. Le sue ipotesi non sono ancora validate empiricamente, e il codice attuale non le dimostra.
Queste distinzioni sono impegni metodologici, non garanzie. La sola intenzione teorica non determina ciò che un sistema fa: i dati che raccoglie, gli output che genera e gli usi che rende possibili contano altrettanto.
| Progettato per non | Progettato per |
|---|---|
| Inferire la personalità | Analizzare come l'espressione varia tra i contesti |
| Prevedere il comportamento | Descrivere le mosse che una posizione rende plausibili |
| Profilare psicologicamente | Mappare una posizione all'interno di un campo |
| Sorvegliare | Produrre una lettura in un dato momento, indicizzata nel tempo |
Ogni impegno vale solo se la pratica lo rispetta. "Plausibile" resta un'inferenza, non una previsione validata. Descrivere una posizione non è di per sé un profilo psicologico, ma può scivolare verso di esso se attribuisce caratteristiche stabili a una persona. Una lettura indicizzata nel tempo non è di per sé sorveglianza, ma può servirla se raccolta, consenso, conservazione e uso non seguono lo stesso impegno.
Il grande maestro non ha bisogno di conoscere il giocatore. La posizione basta.
| Stato | |
|---|---|
| Teoria: architettura a tre livelli, scomposizione del segnale, capitale posizionale, impegni epistemologici | Paper I — working paper, non peer-reviewed |
| Metodo: protocolli per ciascuna componente, grammatica delle decisioni analitiche, validazione | Paper II — in preparazione |
| Codice: raccolta multi-piattaforma, strutturazione, lettura assistita da LLM | Alpha PoC — questo repo |
Il codice è deliberatamente indietro rispetto alla teoria. Raccoglie, struttura e può produrre output assistiti da LLM. Tali output non sono ancora un'applicazione completa o riproducibile dei protocolli del framework, che sono in fase di specificazione nel Paper II. Gli attuali template di prompt precedono il framework e saranno riscritti per seguirlo.
MOSAIC fornisce una grammatica per l'analisi, non una procedura analitica validata. Il codice attuale può produrre output assistiti da LLM, ma l'analista resta responsabile della loro interpretazione.

git clone https://github.com/Or1un/MOSAIC.git && cd MOSAIC
pip install -r requirements.txt
cp modules/config.yaml.example modules/config.yaml # optional: YouTube, Telegram keys
python3 mosaic.py
Analisi LLM locale (consigliata):
pip install -r requirements_llm.txt
curl -fsSL https://ollama.com/install.sh | sh # Windows: https://ollama.com/download
ollama serve &
ollama pull mistral:7b-instruct
Fonti: GitHub, Stack Overflow · Reddit, Telegram, Mastodon, Bluesky · YouTube, Medium
Privacy-first, in pratica
Privacy-first significa locale per impostazione predefinita, per l'analista e per la persona analizzata.
results/ (ignorata da git).results/ quando un'analisi è conclusa.Privacy-first è un'impostazione predefinita di progettazione, non una garanzia: vale solo finché l'analista la rispetta.
A chi è destinato
Autoanalisi, ricerca sociodinamica e analisi con soggetti volontari. Sapere che un'analisi esiste non equivale a consentirvi, e il consenso da solo non risolve le questioni di proporzionalità, minimizzazione dei dati o riutilizzo dei risultati. Per le analisi che coinvolgono volontari, le condizioni di consenso e ritiro saranno specificate con il bando per partecipanti del Paper II.
Non destinato a sorveglianza, stalking, molestie, profilazione di qualcuno all'insaputa della persona interessata o analisi automatizzate di massa.
Conformità. Sei responsabile del GDPR e della legge locale. MOSAIC non rende conforme un utilizzo; questo README descrive lo strumento, non una garanzia legale.
L'obiettivo non è confermare la teoria, ma vedere quali parti sopravvivono al contatto con dati reali. Metti in discussione le assunzioni, il metodo, l'etica. Indica dove fallisce.
Issues e Discussions su GitHub · [email protected]