toghe
Il 71% delle conversazioni social sulla scarcerazione di Youssef Siher esprime un orientamento negativo, mentre il 29% difende la decisione giudiziaria. È quanto emerge da un'analisi realizzata da Spin Factor per Adnkronos attraverso Human, piattaforma di social listening basata sull'intelligenza artificiale, sui contenuti pubblicati dal 26 al 28 ottobre su Facebook, Instagram, X, TikTok, YouTube e LinkedIn. Lo studio evidenzia una forte polarizzazione della discussione, progressivamente spostatasi dalla vicenda giudiziaria allo scontro tra governo e Tribunale di Milano, con una contrapposizione tra le ragioni della sicurezza pubblica e quelle del garantismo.
Tra i contenuti contrari alla scarcerazione, il 36% richiama il tema della sicurezza pubblica, esprimendo il timore che la liberazione di Siher possa favorire nuovi disordini e indebolire l'azione delle forze dell'ordine. Il 28% denuncia una presunta politicizzazione dei giudici, considerando la decisione ideologica e distante dalle esigenze di tutela dei cittadini. Un ulteriore 22% richiama il ruolo attribuito a Siher nel Movimento 17 ottobre e nelle proteste urbane collegate al fenomeno dei maranza, mentre il 14% evoca presunte connessioni con ambienti estremisti e reti radicali pro-Palestina. Si tratta di valutazioni e accuse espresse nelle conversazioni monitorate.
Sul versante opposto, il 38% dei contenuti favorevoli richiama il rispetto dello Stato di diritto e l'autonomia della magistratura, sostenendo la necessità di applicare le norme sulle misure cautelari senza interferenze politiche. Il 27% contesta invece la consistenza delle accuse, sottolineando la presunta sproporzione tra la gestione di canali social e le ipotesi di terrorismo. Il 21% delle conversazioni favorevoli critica gli attacchi della presidente del Consiglio Giorgia Meloni alla Gip, interpretandoli come un tentativo di delegittimazione della magistratura. Il restante 14% richiama i principi del garantismo, dalla presunzione di innocenza alla necessità di dimostrare un pericolo concreto per giustificare la detenzione. Il monitoraggio è stato realizzato attraverso tecniche di machine learning e Natural Language Processing su contenuti pubblici, analizzati in forma aggregata e anonima. I risultati descrivono l'orientamento delle conversazioni social monitorate e non rappresentano un sondaggio demoscopico.