Il Valore Reale del Denaro Virtuale. Dai giochi Online ai Mercati Valutari.

Video: “Il valore reale del denaro virtuale. Dai giochi Online ai mercati valutari”. Seminario organizzato dal Dipartimento di Scienze di Base e Fondamenti dell’università degli Studi di di Urbino “Carlo Bo” in collaborazione con l’Associazione Culturale NeuNet. Su questo tema si sono confrontati Alessandro Bogliolo, Paolo Polidori, Fabio Giglietto e Francesca Stradini.

Il 17 novembre 2011 ad Urbino presso il Collegio Raffaello si è tenuto il seminario “Il valore reale del denaro virtuale. Dai giochi Online ai mercati valutari” organizzato dal Dipartimento di Scienze di Base e Fondamenti dell’università degli Studi di di Urbino “Carlo Bo” in collaborazione con  l’Associazione Culturale NeuNet.
Il seminario è stato un importante momento di confronto tra diverse discipline riguardo numerosi temi che scaturiscono dall’emergente importanza del denaro virtuale. Il denaro virtuale, infatti, è sempre più pervasivo nella nostra quotidianità, a partire dall’aspetto ludico come avviene nei social network (si pensi a facebook e al sistema di cambio tra denaro reale e virtuale per poter usufruire appieno delle funzionalità di gioco, come ad esempio FarmVille) fino a diventare un vero e proprio modello di business, per cui il gioco (al quale si ha accesso gratuito) diventa piattaforma di lancio per generare scambi monetari: per poter proseguire ed evolvere nel gioco è necessario spendere denaro virtuale, acquistabile con denaro reale.
Si pensi, ancora, al mercato in via di sviluppo dell’ In-App Purchase e alla possibilità di acquistare nuove funzionalità personalizzate delle applicazioni scaricate gratuitamente. Le applicazioni, siano esse giochi o utilità, gratuite diventano una azione di marketing per vendere il prodotto e generare movimenti di denaro virtuale.
Ma prima di addentrarsi in una descrizione puntuale di quelle che sono le potenzialità del denaro virtuale è opportuno farsi alcune domande a partire da quella più importante e cioè che cos’è il denaro virtuale? Quali sono i meccanismi del suo funzionamento? Quali sono le sue applicazioni nel mondo reale? E quali sono i suoi impatti?
L’uso del denaro virtuale fa sorgere una serie di interrogativi a livello economico, fiscale e sociale. Su questi interrogativi si sono confrontati Alessandro Bogliolo (sistemi di elaborazione delle informazioni) su strumenti, tecnologia, applicazioni e problematiche del denaro virtuale, Paolo Polidori (Scienza delle finanze), su origine ed evoluzione della moneta fino alla moneta elettronica e al suo step evolutivo successivo e cioè la moneta virtuale, Fabio Giglietto (Sociologia dei processi culturali e comunicativi),  sul rapproto tra denaro e giochi online, denaro sia virtuale (interno ai giochi) sia reale (il tempo passato giocando diventa una merce) e Francesca Stradini (Diritto Tributario) sulla rilevanza fiscale delle transazioni online e sulle problematiche fiscali che il denaro virtuale potrebbe far emergere.
Pubblicheremo, a partire da oggi e nelle prossime settimana, l’intero seminario suddiviso in sei puntate. Enjoy!

Il valore reale del denaro virtuale – Prima Parte, Presentazioni from Erica Reika on Vimeo.

Il valore reale del denaro virtuale – Seconda Parte from Erica Reika on Vimeo.

Il valore reale del denaro virtuale – Terza Parte from Erica Reika on Vimeo.

Breve analisi della partecipazione dei fan nella pagina Facebook di Servizio Pubblico

Testando il nuovo social network importer plugin di nodexl

I ricercatori della social media research foundation hanno rilasciato ieri un plugin per Node XL che consente di accedere ad alcuni dati che riguardano gli utenti che interagiscono con una pagina Facebook facendo like o commentando un post.
Ho deciso di provare subito i plugin usando la pagina di Servizio Pubblico.
La prima scoperta che ho fatto è che il plugin consente di scaricare i dati degli ultimi dieci post.
Nel caso della pagina del programma di Santoro si tratta nello specifico dei post che vanno da questo a questo.
Il plugin considera un nodo ogni utente che ha interagito con la pagina e crea un arco ogni volta che due utenti hanno commentato (o fatto like) sullo stesso post. Suppongo che il legame creato rappresenti un mutuo interesse di un utente verso uno specifico tema.
Il testo dei post e di tutti i commenti vengono salvati e collegati all’utente rendendo questo plugin utile per piccoli progetti sull’analisi del contenuto. Per ogni nodo vengono scaricate tutte le informazioni disponibili pubblicamente (o alle quale si può accedere in virtù di un legame di amicizia). I dati che sono disponibili nella maggior parte dei casi sono nome, cognome, link alla foto profilo di Facebook e genere.
I dieci post presi in esame hanno ricevuto in totale 954 commenti da 703 utenti diversi. Il numero massimo di commenti per utente è 6. Non sorprendentemente la distribuzione è caratterizzata da pochi utenti che commentano molto e molti che commentano poco (543 o il 77,2% ha commentato solo una volta).
Chi commenta è in grande prevalenza maschio (71% m, 27% f ed il restante non specificato).
I post in questione hanno ricevuto in totale 1635 Mi Piace da 1016 utenti diversi. Il numero massimo di like per utente è 9. Considerate che mentre è possibile commentare più di una volta su un post non si può fare altrettanto con i Mi Piace. La distribuzione dei Mi Piace ha la consueta forma anche se, in questo caso, la percentuale di partecipanti che ha fatto un solo Like è inferiore (44,2%).
Anche chi clicca su Mi Piace è in prevalenza maschio anche se meno di quanto non avvenga per i commenti (60% m, 38% f ed il restante non specificato).
I temi che più hanno colpito l’immaginario degli spettatori attivi sono ben evidenziati in questa tagcloud.

Tagcloud dei commenti

Invece questa è la visualizzazione della rete dei commentatori.
Per dimensionare i nodi ho usato la metrica degree (avrei anche potuto usare il semplice numero di commenti ma poi mi sarei perso il fatto che un commento postato in un thread dove hanno postato poche persone è diverso da uno postato in un thread con molti partecipanti). Per posizionare i nodi ho usato l’algoritmo Fruchterman-Reingo (scelta di default in Node XL). Non ho aggiunto le etichette con i nomi sui nodi, ma avrei potuto.

Con un po’ di pazienza, ovvero scaricando i post in blocchi da 10 mentre la trasmissione è in onda, si possono ottenere i dati dei circa 30/40 post pubblicati durante la messa in onda per una analisi più completa.