L’elaborato di tesi si inserisce rispetto al tema del contrasto al cyberbullismo mediante l’utilizzo di sistemi di intelligenza artificiale, i quali rappresentano una modalità ampiamente diffusa per la gestione dell’emergenza che il cyberbullismo rappresenta. La prima parte dell’elaborato presenta il quadro dello stato dell’arte della letteratura scientifica rispetto al cyberbullismo, da cui emerge la compresenza di una molteplicità di definizioni e di teorie che, oltre a descrivere una frammentazione teorico-metodologica rispetto all’oggetto d’indagine, contribuiscono a configurare il costrutto come ente empirico-fattuale. Le modalità con cui i modelli di intelligenza artificiale rilevano gli elementi target che dovrebbero denotare online ciò a cui il costrutto “cyberbullismo” di volta in volta fa riferimento, risentono di tale frammentazione. Quanto si genera in rete come dato testuale entro chat, blog o interazioni live viene considerato alla luce della sola valenza semantica, portando con sé l’implicito di un significato “vero” in quanto tale e permettendo la sola operazione di “interpretazione” del dato stesso. Sulla scorta della criticità che permane rispetto alla modalità dell’interpretazione, data dall’impossibilità di avere accesso a un dato testuale fattuale, unitamente all’assenza di un modello teorico-metodologico che permetta di anticipare la generazione del cyberbullismo in modo unilaterale e coeso, è stata adottata la cornice conoscitiva della Scienza Dialogica, la quale permette di considerare la valenza ostensiva del linguaggio, col fine di rispondere all’esigenza osservata in letteratura di disporre di strategie e strumenti che consentano di anticipare le possibili ricadute di quanto viene generato in interazioni online, nei termini di descrizione del valore d’uso attribuibile ai dati testuali prodotti dagli utenti in uno spazio virtuale (chat, social network, app di messaggistica). Adottata la cornice della Scienza Dialogica, viene assunto il costrutto di ricerca di “Esposizione al Rischio di Cyberbullismo” che, alla base dello strumento NetGuardian, permette di osservare quanto le modalità interattive utilizzate in rete espongano gli utenti al rischio di cyberbullismo. Al fine di descrivere la distintività di uno strumento di IA fondato su un modello teorico-metodologico coerente con la valenza ostensiva dei dati testuali, viene proposto un confronto su come NetGuardian e un LLM (Claude), pur osservando gli stessi testi prodotti in rete e adottando la stessa definizione di “Esposizione al Rischio di Cyberbullismo”, differenzino le proprie classificazioni dei dati testuali entro quattro livelli di rischio (basso, medio, medio-alto e alto) in virtù dei diversi criteri che ne fondano il funzionamento: nel caso di NetGuardian, criteri derivati da un impianto teorico-metodologico che rispetta i riferimenti teorico-epistemologici entro cui si colloca il costrutto; nel caso dell’LLM, criteri di senso comune per discriminare “cosa è” da “cosa non è” cyberbullismo, impiegati da uno strumento di machine learning semi-automatizzato simulato (Bert Transformer), che prende avvio dalla scienza statistica ed informatica.
Gli strumenti informatici per il contrasto del cyberbullismo: il progetto NetGuardian
BALAN, DENIS MARIANO
2025/2026
Abstract
L’elaborato di tesi si inserisce rispetto al tema del contrasto al cyberbullismo mediante l’utilizzo di sistemi di intelligenza artificiale, i quali rappresentano una modalità ampiamente diffusa per la gestione dell’emergenza che il cyberbullismo rappresenta. La prima parte dell’elaborato presenta il quadro dello stato dell’arte della letteratura scientifica rispetto al cyberbullismo, da cui emerge la compresenza di una molteplicità di definizioni e di teorie che, oltre a descrivere una frammentazione teorico-metodologica rispetto all’oggetto d’indagine, contribuiscono a configurare il costrutto come ente empirico-fattuale. Le modalità con cui i modelli di intelligenza artificiale rilevano gli elementi target che dovrebbero denotare online ciò a cui il costrutto “cyberbullismo” di volta in volta fa riferimento, risentono di tale frammentazione. Quanto si genera in rete come dato testuale entro chat, blog o interazioni live viene considerato alla luce della sola valenza semantica, portando con sé l’implicito di un significato “vero” in quanto tale e permettendo la sola operazione di “interpretazione” del dato stesso. Sulla scorta della criticità che permane rispetto alla modalità dell’interpretazione, data dall’impossibilità di avere accesso a un dato testuale fattuale, unitamente all’assenza di un modello teorico-metodologico che permetta di anticipare la generazione del cyberbullismo in modo unilaterale e coeso, è stata adottata la cornice conoscitiva della Scienza Dialogica, la quale permette di considerare la valenza ostensiva del linguaggio, col fine di rispondere all’esigenza osservata in letteratura di disporre di strategie e strumenti che consentano di anticipare le possibili ricadute di quanto viene generato in interazioni online, nei termini di descrizione del valore d’uso attribuibile ai dati testuali prodotti dagli utenti in uno spazio virtuale (chat, social network, app di messaggistica). Adottata la cornice della Scienza Dialogica, viene assunto il costrutto di ricerca di “Esposizione al Rischio di Cyberbullismo” che, alla base dello strumento NetGuardian, permette di osservare quanto le modalità interattive utilizzate in rete espongano gli utenti al rischio di cyberbullismo. Al fine di descrivere la distintività di uno strumento di IA fondato su un modello teorico-metodologico coerente con la valenza ostensiva dei dati testuali, viene proposto un confronto su come NetGuardian e un LLM (Claude), pur osservando gli stessi testi prodotti in rete e adottando la stessa definizione di “Esposizione al Rischio di Cyberbullismo”, differenzino le proprie classificazioni dei dati testuali entro quattro livelli di rischio (basso, medio, medio-alto e alto) in virtù dei diversi criteri che ne fondano il funzionamento: nel caso di NetGuardian, criteri derivati da un impianto teorico-metodologico che rispetta i riferimenti teorico-epistemologici entro cui si colloca il costrutto; nel caso dell’LLM, criteri di senso comune per discriminare “cosa è” da “cosa non è” cyberbullismo, impiegati da uno strumento di machine learning semi-automatizzato simulato (Bert Transformer), che prende avvio dalla scienza statistica ed informatica.| File | Dimensione | Formato | |
|---|---|---|---|
|
Balan_DenisMariano.pdf
Accesso riservato
Dimensione
2.1 MB
Formato
Adobe PDF
|
2.1 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/118795