Analisi testuale delle recensioni sulle app di IA generativa: Modellazione Strutturale dell'esperienza percepita dall'utente

La presente tesi analizza le recensioni in lingua inglese pubblicate sul Google Play Store relative a tre applicazioni di intelligenza artificiale conversazionale generativa molto discusse nel 2025: ChatGPT, Gemini e DeepSeek. L’obiettivo dello studio è comprendere come i diversi aspetti emergenti dall’esperienza percepita dall’utente influenzino la soddisfazione complessiva, attraverso l’integrazione di metodologie di analisi testuale e modelli quantitativi finalizzati a esaminare la struttura delle relazioni tra le variabili. Viene adottato un approccio metodologico ibrido che combina tecniche di Sentiment Analysis, Topic Modeling e Partial Least Squares Structural Equation Modeling (PLS-SEM). Dopo una fase di pre-processing dei testi, viene condotta un’analisi esplorativa delle frequenze lessicali, sia su dati aggregati sia distinti per singola applicazione. L’analisi del sentiment consente di valutare la direzione e l’intensità del tono espresso nelle recensioni. Attraverso l’applicazione del Correlated Topic Model (CTM), vengono identificati i principali topic, successivamente utilizzati come variabili osservate nell’analisi PLS-SEM. I risultati mostrano una percezione generalmente positiva delle applicazioni analizzate, con valutazioni più favorevoli per ChatGPT e Gemini. Il Topic Modeling evidenzia differenze tra le applicazioni: DeepSeek presenta una maggiore incidenza di criticità tecniche, mentre Gemini si distingue per aspetti legati agli aggiornamenti. I topic relativi alle emozioni percepite risultano, invece, distribuiti in modo simile tra le tre applicazioni, senza la predominanza di un singolo argomento. L’analisi PLS-SEM consente di esaminare la struttura delle relazioni tra criticità tecniche, qualità informativa, emozioni percepite e soddisfazione dell’utente, evidenziando il ruolo di mediazione della dimensione emotiva. Le differenze nelle relazioni strutturali tra le applicazioni considerate vengono, infine, analizzate tramite un’analisi multigruppo nell’ambito dei modelli SEM.