Il pubblico prima del pubblico: come l’AI riscrive strategie e contenuti

Le audience sintetiche sono sistemi generativi addestrati su dati comportamentali, demografici, psicografici e transazionali, impiegati per anticipare le reazioni di segmenti di pubblico e orientare decisioni editoriali e produttive prima che i contenuti esistano come oggetti culturali.

La loro diffusione pone un problema teorico agli audience studies, rendendo separabili due piani che la letteratura ha storicamente ricondotto allo stesso soggetto, quello della partecipazione del pubblico ai processi produttivi e quello dell’esperienza situata dei contenuti. Affrontiamo questa separazione attraverso due strumenti teorici: ARD (Agentività Relazionale Distribuita), che ricostruisce la distribuzione dell’azione entro reti socio-tecniche asimmetriche, e SENSE (Social Emergent Network of Situated Experience), che individua nell’integrazione socio-semiotica, nella fallibilità e nell’esposizione alle conseguenze, e nella stabilizzazione temporale, le condizioni dell’esperienza.

I casi di Netflix, AAVA e del gemello digitale del panel del Times consentono di osservare una progressiva autonomizzazione della partecipazione funzionale dall’esperienza reale, da cui deriva la distinzione tra “pubblico funzionale” e “pubblico esperienziale” proposta come strumento per ripensare il pubblico nei processi contemporanei di produzione culturale.

Audience sintetiche: modelli previsionali prima dell’esperienza

Per gran parte della loro storia, le industrie culturali hanno conosciuto i propri pubblici soltanto a posteriori. I contenuti venivano prodotti, circolavano, raggiungevano i pubblici e di quell’incontro restavano tracce che un repertorio di tecniche sempre più raffinato, dal sondaggio d’opinione all’analisi delle metriche delle piattaforme, si incaricava di registrare e interpretare. Il presente articolo prende in esame un fenomeno capace di mettere in discussione questa linearità. Per “audience sintetiche” intendiamo sistemi generativi che, a partire da tracce comportamentali e transazionali e da profili demografici e psicografici di pubblici reali, generano modelli computazionali di segmenti di pubblico interrogabili in tempo reale.

Il pubblico figura in questi modelli come simulazione statistica delle proprie probabili reazioni, e in questa veste prende parte alle decisioni (dallo sviluppo editoriale alla distribuzione) quando i contenuti non esistono ancora come oggetti culturali. Con il suo ingresso nella fase di progettazione, il pubblico assume così una funzione anticipatoria che precede ogni esperienza effettiva del contenuto, venendo rappresentato ancor prima di costituirsi come soggetto, con effetti sulla forma dei contenuti destinati ai pubblici reali non ancora sufficientemente esaminati in letteratura.

Il ricorso a questi modelli non può ancora considerarsi una pratica diffusa e corrente, ma più di un segnale ne lascia presagire una rapida normalizzazione. Ad esempio il Times, in collaborazione con la società Electric Twin, ha costruito un clone digitale di un panel di oltre 642.000 abbonati che la redazione interroga come un gruppo di ricerca artificiale al quale sottoporre idee di format, titoli di podcast e formule di abbonamento prima del lancio del prodotto editoriale (Peterson, 2025); le decisioni che ne discendono riguardano contenuti destinati a un pubblico reale che al processo non ha preso parte in alcuna fase.

Dentsu, tra le maggiori agenzie media globali, ha integrato le audience sintetiche nelle proprie pipeline di pianificazione attraverso una collaborazione con la piattaforma di ricerca sintetica Evidenza (Dentsu, 2025), affidando loro la funzione decisionale un tempo tipica dei focus group, ma con tempi ridotti da settimane a frazioni di secondo, e con costi stimati fino a mille volte inferiori. L’IBC Accelerator, un programma di ricerca applicata del principale consorzio radiotelevisivo europeo, ha presentato nel 2024 un prototipo denominato AAVA (AI Audience Validation Assistant), un gemello digitale di diversi segmenti di spettatori concepito per pronunciarsi su script e format televisivi prima ancora che la produzione abbia inizio al fine di avere in anticipo un orientamento tanto sulle scelte narrative quanto sulla fisionomia dei personaggi o sull’architettura degli episodi (IBC, 2024).

Dalla ricerca sociale al silicon sampling

Queste sperimentazioni intercettano una letteratura in rapida crescita concentratasi sullo studio del cosiddetto silicon sampling (Argyle et al., 2023), ovverosia l’impiego sistematico di LLM, istruiti ad assumere di volta in volta un determinato profilo socio-demografico, come sostituti delle persone reali che a quel profilo corrispondono, così da trarre il campione della ricerca sociale “dal silicio” anziché dagli individui. Studi di questo filone hanno mostrato che modelli così istruiti riescono a replicare tanto le distribuzioni aggregate delle opinioni quanto le risposte dei singoli intervistati, fino a riprodurre esperimenti classici delle scienze sociali (Aher et al.

, 2023; Dillion et al., 2023; Park et al., 2024). Il dibattito che ne è nato, estesosi presto agli ambiti delle ricerche di mercato e di quelle sul consumo (Sarstedt et al., 2024), si è immediatamente accompagnato a rilievi critici sulla tendenza di questi campioni a comprimere la varianza delle risposte restituendo un corpo sociale più omogeneo e più prevedibile di quello reale (Bisbee et al., 2024). Per quanto già relativamente ricca, questa letteratura si interroga essenzialmente sulle implicazioni metodologiche del fenomeno o su quanto i campioni sintetici possano essere in grado di sostituire i rispondenti umani.

La domanda da cui muovono queste pagine è invece di natura teorica, e riguarda l’adeguatezza delle categorie attraverso cui gli studi sui media hanno finora pensato il pubblico di fronte all’emergere di queste “simulazioni” nei processi decisionali della produzione culturale.

Difatti, leaudience sintetiche rimettono in discussione buona parte di quanto si è andato dicendo negli ultimi anni sul rapporto tra pubblici e piattaforme. Raccomandazione, profilazione e tracciamento dei comportamenti digitali e altre tecnologie attorno alle quali la questione si è concentrata lavoravano tutte su un pubblico già esistente, un pubblico che le piattaforme attraverso i propri sistemi algoritmici osservavano e segmentavano per orientarne le condotte e massimizzare traffico e di conseguenza profitti. L’audience sintetica, invece, subentra al pubblico quando le decisioni che lo riguardano non sono ancora state prese, sostituendolo con un modello di se stesso.

Per questo motivo abbiamo ragione di ritenere che le cornici interpretative sin qui principalmente adottate dagli audience studies non siano al momento in grado di cogliere le implicazioni pratiche e teoriche di una novità di tale portata.

Audience sintetiche e il limite delle categorie teoriche

Per comprendere perché le audience sintetiche pongano un problema teorico inedito occorre partire da una considerazione preliminare. Gli audience studies hanno prodotto, nel corso degli ultimi cinquant’anni, una pluralità di approcci, talune volte in forte disaccordo tra loro. Gli studi sulla ricezione, a partire dal modello encoding/decoding (Hall, 1980), hanno mostrato come i pubblici interpretino i testi in modi differenziati e negoziati. Le etnografie dei media (Morley, 1980; Ang, 1985; Radway, 1984) hanno ricostruito i contesti sociali entro cui i significati vengono prodotti e condivisi. I fan studies hanno evidenziato il carattere attivo, creativo e partecipativo dei pubblici (Jenkins, 1992).

La teoria delle interaction ritual chains (Collins, 2004) ha analizzato la formazione di comunità emotive e simboliche attraverso pratiche mediali condivise. Pur nelle loro profonde differenze, queste tradizioni convergono sul presupposto che il pubblico sia composto da soggetti che sentono, interpretano e attribuiscono significato ai media che consumano. Di soggetti che fanno, in altri termini, un qualche tipo di “esperienza”.

Questo presupposto rimane sostanzialmente intatto anche nella letteratura critica più recente sulle audience algoritmiche, che, semplificando un panorama assai più frastagliato, può ricondursi a tre direttrici principali. La prima è rappresentata dagli approcci che potremmo definire di “determinismo di piattaforma” (van Dijck, 2013; Bucher, 2018), secondo cui algoritmi e piattaforme strutturano le condizioni entro cui gli utenti agiscono orientando visibilità, accesso ai contenuti e possibilità di scelta, con il pubblico inteso come insieme di soggetti la cui esperienza viene organizzata dalle architetture digitali. Muove da altre premesse la letteratura sulla commodification e sulla datafication dei pubblici (Napoli, 2011; Turow, 2011; Zuboff, 2019), la quale ha mostrato come i pubblici vengano convertiti in risorse economiche via via che i loro comportamenti sono raccolti, classificati e valorizzati, fino ad assumere la fisionomia di una merce informazionale sottoposta a misurazione e monetizzazione continue.

La terza direttrice, quella della “mediatizzazione profonda” (Couldry & Hepp, 2017), riprende la questione classica della costruzione sociale della realtà per mostrare che essa avviene oramai attraverso infrastrutture di dati. Secondo questa teoria, la vita quotidiana si svolgerebbe entro processi di datificazione che ne organizzano in anticipo le coordinate, sicché ciò che una società riconosce come reale dipende anche dalle forme in cui è stato reso computabile, e l’esperienza stessa del pubblico risulta co-prodotta dalle infrastrutture incaricate di registrarla. A queste prospettive conviene accostare la nozione di premediation (Grusin, 2004), con la quale i media studies hanno descritto la tendenza dei media a “pre-mediare” il futuro, rendendolo plausibile e governabile attraverso narrazioni anticipatorie.

Nel caso delle audience sintetiche quell’operazione si radicalizza in forma computazionale, giacché a essere pre-mediata non è più la rappresentazione dell’evento a venire, bensì la reazione stessa del pubblico.

Azione ed esperienza: la separazione aperta dalle audience sintetiche

Tali prospettive sono evidentemente assai diverse tra loro. Divergono sugli oggetti privilegiati, sulle spiegazioni causali e sulle implicazioni normative della trasformazione digitale, eppure condividono un elemento fondamentale: il pubblico, difatti, continua a essere pensato come un insieme di soggetti che fanno esperienza; condizionato dagli algoritmi, trasformato in merce o riorganizzato dalle logiche mediali, esso seguita a coincidere con coloro che guardano, interpretano, attribuiscono significato e sviluppano relazioni con i contenuti. Il caso delle audience sintetiche rende improvvisamente necessaria una distinzione che la teoria del pubblico non aveva mai dovuto formulare esplicitamente: quella tra il “piano dell’azione” e il “piano dell’esperienza”^[1].

Per piano dell’azione intendiamo il complesso di operazioni attraverso cui un pubblico orienta decisioni, seleziona alternative, produce feedback e contribuisce a co-determinare gli esiti dei processi produttivi. Preferiamo qui “azione” ad “agentività” perché il piano descrive un complesso di operazioni concrete e dotate di senso nell’accezione weberiana (Weber, 1922/1978), non la capacità di produrle: quest’ultima, intesa come capacità distribuita di fare la differenza entro una rete (Giddens, 1984; Emirbayer & Mische, 1998), è propriamente l’oggetto di ARD, che nel §3 ricostruisce la distribuzione dell’azione qui definita. Per piano dell’esperienza intendiamo invece i processi di interpretazione, attribuzione di significato, coinvolgimento affettivo e costruzione di comunità interpretative.

Nelle audience reali questi due piani sono sempre stati attribuiti alla stessa entità sociale. Il pubblico che clicca, sceglie e risponde è sempre stato lo stesso pubblico che sente, interpreta e forma comunità interpretanti nel tempo. I due piani coincidevano necessariamente, e nessuna teoria aveva mai avuto bisogno di distinguerli analiticamente. Le audience sintetiche rendono manifesta la possibilità della loro separazione, e con essa la necessità di nuove cornici teoriche. Nelle pagine seguenti il piano dell’azione verrà richiamato, a seconda del livello di astrazione del discorso, come distribuzione dell’azione quando si tratterà di ARD, e come partecipazione funzionale quando si passerà ai casi empirici.

ARD: come si distribuisce l’azione nelle reti algoritmiche

Una domanda apparentemente semplice permette di introdurre il problema: quando un sistema di raccomandazione di Netflix orienta la scelta di un utente verso un determinato formato, chi ha agito? La risposta non è univoca, perché a un’osservazione più attenta concorrono almeno quattro candidati, l’utente che ha cliccato, l’algoritmo che ha proposto, il dataset che ha alimentato il modello, il product manager che ha disegnato l’interfaccia, nessuno dei quali esaurisce da solo la spiegazione.

La risposta sociologica tradizionale ha sempre cercato un soggetto. La teoria della strutturazione di Giddens (1984) colloca l’agentività nella capacità degli attori di “fare la differenza” entro contesti strutturati, in un rapporto ricorsivo tra azione e struttura. Approcci successivi, da Emirbayer e Mische (1998) in poi, hanno sottolineato la dimensione processuale e temporale dell’agire, inteso come intreccio dinamico tra sedimentazioni del passato, valutazioni del presente e proiezioni verso il futuro. Le teorie relazionali e socio-materiali, con Latour (2005) in primo piano, hanno distribuito l’azione su reti eterogenee di attori umani e non-umani mostrando come gli esiti sociali emergano da catene di mediazione che eccedono qualsiasi singolo soggetto.

Tuttavia, nemmeno questi modelli affrontano il problema che ci interessa: non si tratta infatti di stabilire se l’intenzionalità sia ancora umana, lo è, ma di comprendere perché l’intenzionalità umana non basta più a spiegare gli effetti sociali dell’azione in ambienti algoritmici.

In molte configurazioni organizzative e mediali attuali, i sistemi di raccomandazione, i modelli predittivi e i dispositivi di supporto decisionale non operano come infrastrutture passive: partecipano attivamente alla definizione delle opzioni disponibili, alla gerarchizzazione delle alternative, alla costruzione dei criteri di rilevanza. Simon (1957) aveva già mostrato che le decisioni non sono mai atti sovrani di una mente isolata: si prendono sempre entro un ambiente che pre-struttura le alternative accessibili. Suchman (2007) ha radicalizzato questa intuizione: l’azione non esegue piani preformati, emerge situata nel corso stesso dell’interazione con l’ambiente. Bratton (2016) porta questa logica nell’era digitale: lo stack computazionale, l’insieme stratificato di infrastrutture fisiche, reti, software e interfacce, non è uno sfondo neutro.

È architettura dell’agire: configura che cosa è possibile fare prima ancora che l’utente si trovi a scegliere.

Una rete socio-tecnica asimmetrica

Il concetto di Agentività Relazionale Distribuita, ARD, nasce per affrontare questa trasformazione empirica senza cadere in due errori simmetrici: l’antropocentrismo, che ignora il ruolo costitutivo dei sistemi algoritmici, e il tecnodeterminismo, che dissolve l’azione umana in processi sistemici (Ferraresi & Raffa, 2025). ARD propone che l’agentività non sia una proprietà posseduta da un soggetto, ma una funzione emergente distribuita lungo una rete socio-tecnica asimmetrica. Asimmetrica: perché la distribuzione non implica equivalenza ontologica tra umano e artificiale. L’intenzionalità resta una prerogativa dell’attore umano (Searle, 1983); ma gli effetti sociali dell’azione emergono da configurazioni relazionali in cui giudizi umani, architetture di interfaccia, protocolli organizzativi, dataset e modelli algoritmici operano congiuntamente.

ARD non stabilisce che umano e algoritmo contribuiscano in parti uguali alla co-produzione dell’azione. La distribuzione è asimmetrica per definizione, e questa asimmetria ha una direzione precisa: l’algoritmo struttura le opzioni, gerarchizza le alternative, pre-formatta i criteri di valutazione; l’attore umano valuta, decide, corregge, cambia direzione. Il confine non è fisso, varia per contesto e per grado di automazione, ma il momento critico, quello in cui ci si ferma, si rileva un’incoerenza, si scopre che quello che si credeva di dire non era ancora quello che si voleva dire, resta umano.

ARD descrive la configurazione in cui questi contributi operano congiuntamente; non afferma che siano intercambiabili.

ARD deve descrivere come le opzioni vengono strutturate, per esempio quando un algoritmo di raccomandazione decide quali titoli compaiono nella home di un utente e quali restano invisibili; come i criteri di valutazione vengono formalizzati, per esempio quando un sistema di selezione del personale traduce la nozione di ‘candidato adatto’ in variabili misurabili; come le decisioni vengono validate, per esempio quando un medico approva o rigetta una diagnosi suggerita da un sistema di supporto clinico; come gli esiti vengono stabilizzati come ‘scelte’, per esempio quando la raccomandazione algoritmica viene percepita dall’utente come propria preferenza.

È una categoria euristica, non una teoria dell’azione in senso pieno: non spiega perché gli attori agiscono, non ha una teoria della motivazione né del cambiamento strutturale. Il suo valore sta nella capacità di rendere osservabili e comparabili configurazioni di agentività distribuita che le teorie esistenti non riescono a descrivere con sufficiente precisione.

ARD, tuttavia, descrive soltanto dove e come l’azione si distribuisce entro la rete; non stabilisce se quella distribuzione dia luogo anche a un’esperienza situata. È la questione che il paragrafo seguente affronta attraverso SENSE.

SENSE e l’esperienza situata delle audience

ARD nasce per spiegare dove si distribuisce l’azione. Ma non dice dove si produce il senso. Questa distinzione è il punto di partenza di SENSE: Social Emergent Network of Situated Experience, ovvero una teoria sociologica della coscienza come funzione emergente di reti relazionali situate.

Il tema della coscienza va introdotto qui perché le teorie classiche del pubblico lo presupponevano senza nominarlo. Ogni modello degli audience studies, dalla encoding/decoding di Hall alle teorie della ricezione, dagli interaction ritual chains di Collins agli approcci post-strutturalisti, ha sempre assunto che il pubblico fosse composto da soggetti che non si limitano ad agire, ma sentono, interpretano, attribuiscono significato, falliscono nell’interpretazione e la correggono. Le audience sintetiche lo rendono per la prima volta visibile, non perché lo confutino, ma perché lo simulano: producono l’apparenza di un pubblico senziente senza essere soggetti nel senso che quelle teorie presupponevano.

È questa apparenza a rendere necessario una esplicita definizione di che cosa si intenda per coscienza quando si parla di pubblico, e di dove si trovi il confine tra chi partecipa alla rete produttiva e chi la attraversa come esperienza.

La distinzione analitica che riteniamo costituisca il contributo originale è quella tra senso, significato e coscienza. Il senso è ciò che emerge nelle e dalle pratiche, dalle interazioni, dai corpi e dalle aspettative quando una rete relazionale è impegnata con il mondo: è locale, situato, operativo, talvolta opaco. Il significato è il risultato della stabilizzazione del senso all’interno di dispositivi simbolici, istituzioni, linguaggi e convenzioni che lo rendono riproducibile e condivisibile oltre il contesto immediato. La coscienza non coincide né con l’uno né con l’altro: è la funzione attraverso cui una rete relazionale situata integra il senso emergente e i significati circolanti, mantenendoli entro una continuità orientata, riconoscibile e imputabile nel tempo.

Un esempio: un semaforo rosso genera senso nella pratica situata della guida, nel momento concreto in cui un conducente si trova davanti a quell’oggetto in strada. Acquista significato attraverso la sua stabilizzazione in sistemi simbolici codificati: il codice della strada, la tipologia dei semafori, la convenzione culturale che associa il rosso all’arresto. La coscienza è il momento in cui senso e significato si integrano in un soggetto situato che sa di dover frenare, che prefigura il pericolo in cui incorrerebbe se non frenasse, che si assume la responsabilità di quella scelta, e che quella scelta la ricorda, la incorpora nell’abitudine del guidare, e la può raccontare se qualcosa va storto.

Senza quella integrazione, il semaforo rosso può essere ‘letto’ da un sistema algoritmico, ma non diventa un’esperienza nel senso pieno del termine.

SENSE si radica filosoficamente nella tradizione peirceana. Il gesto più radicale di Peirce è l’identificazione del pensiero con il processo semiotico: non che il pensiero usi segni, ma che il pensiero sia semiosi (Peirce, CP 5.253). Non esiste un interiore pre-semiotico in cui i significati si formano prima di essere espressi. Il soggetto non è una interiorità sovrana che produce segni: è esso stesso costituito attraverso il processo semiotico che lo attraversa.

Peirce formula una distinzione tra mente e coscienza che SENSE assume come punto di partenza: ‘consciousness is a special, and not a universal, accompaniment of mind’ (CP 7.366). Da questa distinzione SENSE trae una conseguenza che Peirce non formula esplicitamente ma che la sua architettura rende possibile: non ogni semiosi è cosciente. La coscienza designa il caso speciale in cui la semiosi è accompagnata dalla dimensione fenomenologica dell’esperienza vissuta dall’interno, da quello che Peirce chiama medisense: ‘the consciousness of a thirdness, leading from primisense to altersense; the consciousness of a process of bringing to mind’ (CP 7.

551).

Tre condizioni dell’esperienza situata

Ispirandosi a questa architettura peirceana e traducendola in termini sociologici, SENSE identifica tre criteri attraverso cui una rete relazionale attraversa la soglia situata e diventa cosciente. Non si tratta di una derivazione diretta dalla triade peirceana, ma di una traduzione: Peirce fornisce il fondamento filosofico per pensare la coscienza come processo, SENSE lo rende operativo come insieme di condizioni sociologicamente osservabili.

Il primo criterio è l’integrazione socio-semiotica: la rete delle relazioni sociotecniche organizza l’esperienza come tessuto di segni interpretabili e negoziabili entro un regime condiviso di significato. Il secondo criterio, e qui sta il punto che interessa di più in questa sede, è l’orientamento pragmatico: il senso prodotto da tale rete comincia a guidare scelte, aspettative e forme di coordinamento. Ma la caratteristica decisiva di questo orientamento è la sua fallibilità. Il senso diventa cosciente quando l’azione che orienta può parzialmente fallire, incontrare resistenza, produrre negazioni che rendono necessaria la revisione.

Senza fallibilità, senza esposizione alle conseguenze, non c’è coscienza: c’è solo output. Il terzo criterio è la stabilizzazione temporale: il senso sedimenta in abitudini, pratiche e regole riconoscibili, rendendo l’esperienza anticipabile e l’azione responsabile nel tempo. In termini peirceani, il senso produce habits: disposizioni relativamente stabili che trasformano l’occorrenza in orientamento (CP 5.398).

ARD e SENSE per leggere le audience sintetiche

Prima di applicare i due strumenti alle audience sintetiche, è utile precisarne il rapporto. ARD e SENSE operano su piani analitici distinti e descrivono aspetti diversi della medesima configurazione. Il primo riguarda la distribuzione dell’azione nella rete socio-tecnica, il secondo le condizioni entro cui quella stessa rete può dare luogo a un’esperienza situata. Poiché ARD serve anzitutto a localizzare, permettendo di stabilire dove si distribuisca l’azione entro una configurazione socio-tecnica, la sua applicazione alle audience sintetiche mostra che simili sistemi partecipano pienamente alla rete produttiva, strutturando le opzioni disponibili e orientando le decisioni editoriali.

Nei termini di ARD, dunque, una audience sintetica è un nodo che co-produce l’azione, privo di intenzionalità propria, eppure capace di generare effetti socialmente significativi. Per dirla con Latour (2005), essa è un “attante” che modifica lo stato delle cose.

C’è però una questione che rimane fuori dalla portata di ARD, quella di ciò che accade tra i nodi della rete. Una audience sintetica produce output, e quegli output orientano decisioni, ma non è chiaro se essa produca anche senso, ossia se attraversi la soglia oltre la quale un processo cessa di essere “elaborazione” e si fa “esperienza”. E questo è il tema centrale di SENSE.

Che una audience sintetica non attraversi questa soglia dipende da ragioni strutturali. I suoi output sono statisticamente coerenti con i comportamenti del pubblico reale su cui è stata addestrata, e tuttavia difettano della fallibilità che SENSE richiede, poiché nessuna resistenza li obbliga a una revisione, nessuna conseguenza ricade su di essi come ricadrebbe su chi agisce nel mondo, nessuna esperienza si sedimenta in abitudini che rendano l’azione riconoscibile e imputabile nel tempo. Un sistema generativo commette errori computazionali ben diversi da quel genere di fallimento umano dal quale derivano l’apprendimento e il senso di sé.

Si potrebbe obiettare che il fine-tuning e l’apprendimento per rinforzo da feedback umano costituiscano essi stessi una forma di fallibilità: il modello produce un output, riceve una correzione, cambia comportamento. Ma l’istanza che genera l’errore e il processo che lo corregge non sono la stessa cosa che persiste nel tempo: la correzione avviene altrove, sui pesi del modello, e produce una versione nuova del sistema, che nessuna delle istanze precedenti vive come propria revisione. Manca così quella continuità tra chi sbaglia, chi ne paga le conseguenze e chi ne trae abitudine che rende un errore un’esperienza, e non solo uno spostamento statistico.

E laddove questo manca nessun orientamento si sedimenta in abitudine nel senso peirceano, e pertanto viene meno anche la stabilizzazione temporale e la soglia resta inattraversata alla base del terzo criterio di emergenza precedentemente esposto. Le audience sintetiche sono pubblici che non falliscono, e perciò non sentono. Con le audience sintetiche, la funzione sociale del pubblico diventa tecnicamente separabile dall’esistenza di un pubblico. Una rappresentazione di esso può acquisire efficacia propria, orientare decisioni e concorrere alla forma dei contenuti prima che esista un soggetto al quale quelle reazioni possano essere ricondotte. ARD consente di descrivere questa capacità di produrre effetti nella rete.

SENSE mostra che essa può darsi in assenza di un’esperienza situata. Il pubblico sopravvive così come funzione operativa anche quando viene meno il soggetto esperienziale che, fino a oggi, ne aveva costituito il presupposto.

Dal modello al pubblico funzionale

Le conseguenze di questa scissione oltrepassano il campo degli audience studies, e in nessun ambito si lasciano cogliere con altrettanta chiarezza come in quello della produzione culturale, in cui l’elaborazione di ogni format discende da una previsione intorno ai consumatori dell’oggetto culturale che verrà in seguito prodotto. Finché quella previsione si formava sulle reazioni di spettatori in carne e ossa o su indagini di mercato, il pubblico immaginato dai produttori e il pubblico che avrebbe poi ricevuto il prodotto erano, sia pure in maniera opaca o non perfettamente inquadrata, la stessa cosa. Quando invece a fornirla è una simulazione che co-produce l’azione senza attraversare la soglia del senso, si stabilisce una asimmetria destinata a durare, per cui a governare lo sviluppo di un prodotto culturale è un pubblico funzionale e privo di una propria presenza situata, mentre a riceverne gli esiti è comunque un pubblico reale e fallibile.

I format nascono così per spettatori che non esistono in quanto soggetti esperienti. Si inverte, così, il rapporto causale tra opera e pubblico. Tradizionalmente, un’opera ha sempre cercato il proprio pubblico attraverso la mediazione del mercato o dei gatekeepers, mentre ora è una simulazione del pubblico a stabilirne la forma quando essa non è ancora stata scritta.

Nella fase in cui un contenuto viene ideato, il posto un tempo occupato dal pubblico reale è ora occupato da un suo modello. Tale sostituzione, tuttavia, riguarda soltanto una parte di ciò che il pubblico faceva, e i due strumenti servono a stabilire quale. Con ARD si accerta che il modello svolga davvero la funzione del pubblico, poiché è esso a strutturare le opzioni fra cui i produttori scelgono e a orientarne le decisioni editoriali, come un tempo faceva il feedback degli spettatori reali. SENSE spiega invece che il modello non svolge l’altra funzione, quella di fare un qualche tipo di esperienza dei contenuti, poiché gli manca quella “esposizione al mondo” da cui soltanto nasce il senso.

Nella catena produttiva entra così un pubblico che agisce senza sentire, mentre resta fuori il pubblico che sente e che quei contenuti dovrà riceverli. ARD e SENSE, concepiti per rispondere a domande teoriche distinte, possono in questo caso essere impiegati per tentare di spiegare quel distacco tra pubblico che orienta la produzione e quello che ne farà poi esperienza.

Prima di passare ai casi empirici, la tavola seguente riepiloga il lessico teorico introdotto nei paragrafi precedenti; restano ancora da definire, nei paragrafi che seguono, pubblico funzionale e pubblico esperienziale.

Audience sintetiche nei casi Netflix, AAVA e Times

Tre casi permettono di seguire questo allontanamento passo per passo, disposti come sono lungo un continuum di crescente separazione tra chi orienta la produzione e chi ne fa esperienza.

Netflix: partecipazione basata sulle tracce

Il primo è quello di Netflix. La piattaforma utilizza da anni sofisticati modelli predittivi costruiti sui comportamenti del pubblico durante lo sviluppo dei contenuti. I dati comportamentali di centinaia di milioni di utenti reali (che cosa hanno guardato, per quanto tempo, dove hanno abbandonato la visione, che cosa hanno ri-guardato) vengono utilizzati per addestrare sistemi in grado di anticipare come segmenti di spettatori potrebbero reagire a un determinato format, a una struttura narrativa, a un ritmo di montaggio. Queste previsioni orientano decisioni di sviluppo: quali pilot finanziare, quali strutture narrative privilegiare, quale durata assegnare agli episodi, quali generi valorizzare all’interno del catalogo.

Un sistema di questo tipo riorganizza il rapporto che ha storicamente legato produzione e pubblico. Nel modello filiera tradizionale, il pubblico esercitava la propria influenza attraverso reazioni a contenuti già distribuiti. Le decisioni future dipendevano dal feedback, cioè quella porzione di giudizio dei pubblici mediali restituita ai produttori culturali (Hirsch, 1972). I sistemi predittivi hanno introdotto una configurazione diversa, poiché le rappresentazioni del pubblico entrano nella fase di sviluppo dei contenuti e contribuiscono a orientarne la forma prima dell’incontro con gli spettatori effettivi. Il pubblico ha così progressivamente assunto una funzione progettuale partecipando indirettamente alla costruzione dei testi mediali attraverso la propria modellizzazione, con il possibile effetto di produrre tendenze alla convergenza formale dei contenuti verso strutture narrative ottimizzate per la retention.

Tale dinamica, come è stato osservato, può favorire processi di standardizzazione formale dei contenuti, nella misura in cui gli indicatori di performance retroagiscono sulla fase di sviluppo e tendono a consolidare convenzioni narrative già validate dai dati storici (Hallinan & Striphas, 2016; Navar-Gill, 2020; Rasmussen, 2025), restringendo progressivamente lo spazio dell’innovazione formale e favorendo opere calibrate sulle regolarità attribuite al pubblico. Nondimeno, i comportamenti che alimentano il modello di Netflix conservano una relazione diretta con esperienze realmente vissute. Qualcuno ha effettivamente guardato, interrotto, ripreso o abbandonato un contenuto, e quell’esperienza continua a essere presente sotto forma di dato aggregato e modellizzato.

La separazione tra il piano dell’azione e quello dell’esperienza è dunque già in nuce, senza essere ancora compiuta, dal momento che il modello poggia pur sempre su tracce lasciate da spettatori che quei contenuti li avevano attraversati davvero, per quanto molteplici strati di elaborazione computazionale si siano frapposti tra la loro esperienza e quanto restituito dal sistema.

AAVA e Times: la simulazione del pubblico

Nelle audience sintetiche propriamente dette quelle tracce vengono a mancare, e il caso di AAVA lo mostra con chiarezza. Il sistema viene interrogato in linguaggio naturale a proposito di uno script o di un format che nessuno ha ancora prodotto, e restituisce il giudizio che un determinato segmento di spettatori esprimerebbe, giudizio che orienta poi le scelte narrative, la costruzione dei personaggi, l’architettura degli episodi e le strategie di sviluppo (IBC, 2024). La differenza rispetto ai modelli predittivi risiede nell’oggetto della previsione. Un sistema addestrato sui comportamenti di visione estrapola informazioni da reazioni realmente avvenute, mentre AAVA produce una reazione a qualcosa che nessuno ha mai visto, e lo fa combinando regolarità linguistiche e comportamentali apprese altrove.

Nessuna esperienza di quel contenuto è mai stata fatta da nessuno, e tuttavia il giudizio che ne deriva incide sulla forma che il contenuto assumerà.

Il caso del giornalismo digitale porta questa logica in un contesto diverso e per molti aspetti ancora più esplicito. Nel già menzionato caso del Times, le prestazioni dichiarate dal sistema vengono presentate come comparabili a quelle ottenute attraverso ricerche tradizionali condotte su panelumani, con un’accuratezza dichiarata di circa il 92%, misurata su un gruppo di controllo del panel reale (Peterson, 2025). Questa comparabilità funzionale rende il fenomeno teoricamente urgente. Quando una simulazione produce risultati sufficientemente convincenti da entrare stabilmente nei processi decisionali, l’industria acquisisce forti incentivi a trattarla come un interlocutore legittimo, e le decisioni editoriali vengono elaborate sulla base di quella specifica equivalenza operativa.

I contenuti in questo caso vengono progettati in relazione a un modello sintetico di lettori che non condivide le condizioni concrete della loro esperienza. Il modello, difatti, non ha letto le notizie del giorno, non ha discusso un articolo con un collega, non ha modificato le proprie convinzioni dopo aver ascoltato un punto di vista inatteso.

L’eventuale consolidamento di pratiche di questo tipo porterebbe alla luce la distinzione tra un pubblico che contribuisce a orientare la produzione culturale e un pubblico che entra in relazione con i contenuti come esperienza vissuta. Questa diagnosi trova un riscontro speculare nei memory studies. Guien e Hoskins (2026) hanno descritto l’ingresso dell’IA generativa all’interno dei processi di produzione giornalistica come una forma di “espropriazione della memoria”, sostenendo che quando un modello linguistico viene addestrato sull’archivio di un giornale, esso ne assorbe i testi ma perde traccia delle decisioni che li avevano generati, ossia quel complesso di considerazioni squisitamente umane intorno a che cosa meritasse di essere raccontato e in che modo.

Di quel lavoro, di fatto, sopravvivono soltanto le regolarità statistiche. Il giornalista, vero e proprio “agente di memoria” (Zelizer, 2008), diviene così il fornitore del materiale grezzo di una sintesi automatica alla quale il lettore si rivolge per primo, prima ancora che agli articoli originali. Questi fenomeni rappresentano l’esito più recente di un mutamento cominciato ben prima dell’IA generativa. Mir (2020) lo aveva colto nel passaggio al post-journalism, quando le redazioni si erano spostate dalla produzione di notizie alla loro validazione; Fang (2025) ne ha descritto oggi l’ultimo stadio attraverso la nozione di intention economy (Fang, 2025), intesa come condizione nella quale i sistemi generativi arrivano ad anticipare le domande che gli utenti si porranno.

Le audience sintetiche introducono una rappresentazione del pubblico nella fase di progettazione; la sintesi macchinica descritta dagli studi su IA e giornalismo interviene invece nella ricezione, separando il lettore dal lavoro giornalistico che ha prodotto il contenuto. La scissione tra partecipazione ed esperienza attraversa così l’intero processo comunicativo: il pubblico orienta senza esperire, mentre l’esperienza del giornalista perde il rapporto diretto con il lettore. Giornalismo e produzione culturale convergono così nello stesso processo, nel quale l’esperienza umana continua ad alimentare contenuti e decisioni senza coincidere necessariamente con il punto in cui essi acquistano efficacia sociale.

I tre casi presentati consentono di specificare il rapporto tra esperienza reale e partecipazione funzionale. Lungo il continuum (Fig. 1), la capacità attribuita al pubblico di incidere sulla produzione acquista progressivamente autonomia rispetto a un’esperienza effettivamente vissuta. Nel caso di Netflix, il modello conserva un legame diretto con comportamenti reali e trae da essi la propria capacità di orientare le decisioni. Con AAVA, l’esperienza specifica del contenuto non è ancora avvenuta, e il sistema produce comunque un giudizio dotato di efficacia progettuale. Nel caso del Times, l’equivalenza funzionale con il pubblico reale diventa una risorsa sufficiente per entrare stabilmente nel processo decisionale.

Fig.1: Relazione tra esperienza reale e partecipazione funzionale nei casi Netflix, AAVA e Times

La progressione descritta dai tre casi consente di leggere la separazione tra esperienza reale e partecipazione funzionale come una trasformazione dello statuto della rappresentazione del pubblico. In Netflix la partecipazione funzionale resta genealogicamente dipendente da esperienze di visione realmente avvenute; con AAVA tale dipendenza viene meno rispetto al contenuto sul quale il sistema è chiamato a pronunciarsi; nel caso del giornalismo digitale, la separazione può interessare tanto il momento in cui il pubblico viene anticipato nella progettazione quanto quello in cui il contenuto raggiunge il lettore. Ad ogni modo, la trasformazione del pubblico in modello ne accresce la disponibilità operativa, poiché il sistema può essere interrogato indefinitamente, ricombinato, segmentato e incorporato in ogni passaggio della decisione produttiva, e il pubblico sintetico acquista forza decisionale proprio nella misura in cui diventa indipendente dai tempi, dalle contraddizioni e dall’imprevedibilità attraverso cui un pubblico reale forma i propri giudizi.

Pubblico funzionale e pubblico esperienziale nell’IA generativa

Le teorie classiche delle audience, come si è detto, hanno sempre considerato il pubblico come composto da soggetti che sentono, che falliscono nell’interpretazione e la correggono, che, nei nostri termini, “attraversano la soglia del senso”. Gli audience studies hanno descritto correttamente i pubblici reali e continueranno a farlo. Ciononostante, è oggi necessario volgere lo sguardo a tutti quei nodi che prendono parte alla rete produttiva senza attraversare la soglia del senso, e per trattarlo occorre distinguere due dimensioni che fino a oggi coincidevano per definizione, la partecipazione funzionale alla rete e l’esperienza situata del testo.

Proponiamo di designare questa distinzione con una coppia concettuale specifica: “pubblico funzionale” e “pubblico esperienziale”. Il primo è il nodo che co-produce l’azione nella rete produttiva orientando decisioni, strutturando opzioni, generando effetti socialmente consequenziali, e può essere umano o sintetico. Un esempio di pubblico funzionale umano è offerto dalle proiezioni di prova (test screening) nell’industria cinematografica: un campione di spettatori selezionato guarda una versione non definitiva del film, e le sue reazioni orientano scelte di montaggio, tagli di scene o persino il finale. Quel campione esaurisce la propria funzione nel momento in cui la decisione viene presa, e non è detto che ne faccia parte il pubblico che incontrerà poi la versione distribuita nelle sale: la partecipazione funzionale, in questo caso pienamente umana, resta dunque distinta dall’esperienza situata del prodotto finito.

Il secondo è invece il soggetto che attraversa la soglia situata sentendo, interpretando, fallendo, correggendo, abituandosi. Ed è necessariamente umano, perché la soglia situata richiede fallibilità esistenziale, non solo computazionale.

Una nuova agenda per le audience sintetiche

Questa distinzione apre un’agenda di ricerca che accenniamo in tre direzioni. La prima riguarda la misurabilità della divergenza, poiché se pubblico funzionale e pubblico esperienziale possono separarsi, si porrà sempre di più il problema empirico di come analizzare quella separazione nei contesti produttivi concreti, andando a guardare in che misura e con che effetti parte delle decisioni editoriali nelle piattaforme di streaming siano instradate da simulazioni di pubblico piuttosto che da dati di ricezione reale o quali indicatori permettano di tracciare questa proporzione nel tempo.

La seconda possibile direzione di ricerca riguarda le conseguenze sulle dimensioni formali dei testi culturali. Se la rappresentazione del pubblico precede e orienta la costruzione del testo, è lecito aspettarsi che i contenuti prodotti attraverso un ricorso intenso alle audience sintetiche presentino caratteristiche formali specifiche, quali una maggiore convergenza strutturale o una riduzione della varianza narrativa. L’ipotesi è verificabile empiricamente su corpora di contenuti audiovisivi e costituisce un programma di ricerca concreto per gli screen studies, trovando peraltro un possibile ancoraggio tecnico nella letteratura sul model collapse (Shumailov et al., 2024).

La terza direzione è la più generale ma anche la più urgente, ed è quella che attiene alla ridefinizione normativa del pubblico come categoria di diritto e oggetto di politica culturale. Le istituzioni regolatorie, dall’AGCOM alle direttive europee sui media audiovisivi, continuano a pensare il pubblico come insieme di soggetti titolari di diritti calibrati su un ecosistema in cui il pubblico era, se non l’unico, quantomeno il principale interlocutore della produzione culturale. Quell’ecosistema potrebbe presto non esistere più nella forma in cui l’abbiamo sin qui conosciuto. La presenza crescente di audience sintetiche nella catena produttiva non sottrarrebbe diritti al pubblico reale in modo diretto, ma lo esporrebbe a forme di opacità decisionale, di manipolazione della forma dei testi e di esclusione silenziosa dal processo che lo riguarda che le categorie giuridiche esistenti non erano state progettate per fronteggiare.

I memory studies hanno descritto qualcosa di simile con la nozione di “memoria grigia” (Hoskins & Halstead, 2021; Hoskins, 2024). Chi consulta un archivio digitale lo trova disponibile e ha l’impressione di padroneggiarlo mentre gli sfuggono la proprietà dei dati, i termini di accesso, i costi e la durata della conservazione, vale a dire tutto ciò da cui dipende la sopravvivenza stessa di quel materiale. Quando la funzione del pubblico è assunta da una simulazione, il nodo che interviene nel processo decisionale non coincide con un soggetto titolare di diritti; la sua presenza accresce quindi le esigenze di tutela del pubblico esperienziale.

Le audience sintetiche sono destinate a essere impiegate in numerosi settori della produzione culturale: nell’editoria libraria, nella produzione videoludica, nell’industria musicale, nella pubblicità e nel marketing culturale. La presenza crescente di pubblici sintetici rende osservabili processi che fino a pochi anni fa appartenevano esclusivamente alla sfera delle decisioni organizzative interne, e sarà presto necessario studiare come i modelli del pubblico intervengano nella selezione dei contenuti, nella costruzione dei format, nelle strategie distributive e nelle pratiche professionali.

In conclusione, il contributo di ARD e SENSE consiste nell’offrire un vocabolario concettuale per descrivere una configurazione emergente della produzione culturale contemporanea, e la distinzione tra “pubblico funzionale” e “pubblico esperienziale” ci consente di osservare come partecipazione alla rete produttiva ed esperienza del contenuto possano assumere forme diverse all’interno dello stesso ecosistema mediale. Le audience sintetiche rappresentano oggi uno dei casi più chiari di questa trasformazione in atto, ma la questione che esse sollevano riguarda più in generale il modo in cui la produzione culturale verrà organizzata in una società sempre più fondata sulla modellizzazione, l’anticipazione e la simulazione dei comportamenti collettivi.

Le categorie con cui gli audience studies hanno pensato il pubblico per mezzo secolo non vanno abbandonate, ma precisate nella loro condizione di validità. Continueranno di certo a valere per i pubblici esperienziali, mentre per i pubblici funzionali di natura sintetica occorreranno modelli teorici e strumenti empirici capaci sia di descrivere l’agentività dei pubblici senza presupporre la loro soggettività sia di identificare il punto in cui la distribuzione dell’azione non produce necessariamente anche distribuzione del senso.

Riferimenti bibliografici

Aher, G. V., Arriaga, R. I., & Kalai, A. T. (2023). Using large language models to simulate multiple humans and replicate human subject studies. In Proceedings of the 40th International Conference on Machine Learning (PMLR 202). PMLR.

Ang, I. (1985). Watching Dallas: Soap opera and the melodramatic imagination. Methuen.

Argyle, L. P., Busby, E. C., Fulda, N., Gubler, J. R., Rytting, C., & Wingate, D. (2023). Out of one, many: Using language models to simulate human samples. Political Analysis, 31(3), 337-351.

Bisbee, J., Clinton, J. D., Dorff, C., Kenkel, B., & Larson, J. M. (2024). Synthetic replacements for human survey data? The perils of large language models. Political Analysis, 32(4), 401-416.

Bowker, G. C., & Star, S. L. (2000). Sorting things out: Classification and its consequences. MIT Press.

Bratton, B. H. (2016). The stack: On software and sovereignty. MIT Press.

Bucher, T. (2018). If…then: Algorithmic power and politics. Oxford University Press.

Carpentier, N. (2011). Contextualising author-audience convergences. Cultural Studies, 25(4-5), 517-533.

Collins, R. (2004). Interaction ritual chains. Princeton University Press.

Couldry, N., & Hepp, A. (2017). The mediated construction of reality. Polity Press.

Dentsu. (2025, 17 giugno). Dentsu partners with Evidenza to integrate synthetic audiences into next gen media planning [Comunicato stampa]. https://www.dentsu.com/news-releases/dentsu-partners-with-evidenza-to-integrate-synthetic-audiences-into-next-gen-media-planning

Dillion, D., Tandon, N., Gu, Y., & Gray, K. (2023). Can AI language models replace human participants? Trends in Cognitive Sciences, 27(7), 597-600.

Emirbayer, M., & Mische, A. (1998). What is agency? American Journal of Sociology, 103(4), 962-1023.

Fang, S. (2025, 29 ottobre). From attention merchants to intention architects: The invisible infrastructure reshaping human curiosity. Shorenstein Center on Media, Politics and Public Policy, Harvard Kennedy School. https://shorensteincenter.org/resource/from-attention-merchants-to-intention-architects-the-invisible-infrastructure-reshaping-human-curiosity/

Ferraresi, M., & Raffa, M. (2025). Sociologia dell’IA. Creatività, coscienza, potere, Guerini.

Giddens, A.(1984). The constitution of society: Outline of the theory of structuration. Polity Press.

Grusin, R. (2004). Premediation. Criticism, 46(1), 17-39.

Guien, L., & Hoskins, A. (2026). We are an input, now. Generative AI and the death of the journalist as human memory-maker. Memory, Mind & Media, 5, e19, 1-10. https://doi.org/10.1017/mem.2026.10044

Hall, S. (1980). Encoding/decoding. In S. Hall, D. Hobson, A. Lowe & P. Willis (Eds.), Culture, media, language (pp. 128-138). Hutchinson.

Hallinan, B., & Striphas, T. (2016). Recommended for you: The Netflix Prize and the production of algorithmic culture. New Media & Society, 18(1), 117-137.

Hirsch, P. M. (1972). Processing fads and fashions: An organization-set analysis of cultural industry systems. American Journal of Sociology, 77(4), 639-659.

Hjarvard, S. (2008). The mediatization of society: A theory of the media as agents of social and cultural change. Nordicom Review, 29(2), 105-134.

Hoskins, A. (2024). AI and memory. Memory, Mind & Media, 3, e18. https://doi.org/10.1017/mem.2024.16

Hoskins, A., & Halstead, H. (2021). The new grey of memory: Andrew Hoskins in conversation with Huw Halstead. Memory Studies, 14(3), 675-685.

IBC. (2024). Accelerator project 2024: AI Media Production Lab. IBC. https://show.ibc.org/accelerator-project-ai-media-production-lab

Jenkins, H. (1992). Textual poachers: Television fans and participatory culture. Routledge.

Latour, B. (2005). Reassembling the social: An introduction to actor-network theory. Oxford University Press.

Mir, A. (2020). Postjournalism and the death of newspapers. The media after Trump: Manufacturing anger and polarization. Human as Media.

Morley, D. (1980). The ’Nationwide’ audience: Structure and decoding. British Film Institute.

Napoli, P. M. (2011). Audience evolution: New technologies and the transformation of media audiences. Columbia University Press.

Navar-Gill, A. (2020). The golden ratio of algorithms to artists? Streaming services and the platformization of creativity in American television production. Social Media + Society, 6(3).

Park, J. S., Zou, C. Q., Shaw, A., Hill, B. M., Cai, C., Morris, M. R., Willer, R., Liang, P., & Bernstein, M. S. (2024). Generative agent simulations of 1,000 people (arXiv:2411.10109). arXiv.

Peirce, C. S. (1931-1958). Collected papers of Charles Sanders Peirce (Vols. 1-8, C. Hartshorne, P. Weiss & A. W. Burks, Eds.). Harvard University Press.

Peterson, T. (2025, 4 novembre). How The Times is using AI to model synthetic focus groups from human audiences. Digiday. https://digiday.com/media/how-the-times-is-using-ai-to-model-synthetic-focus-groups-from-human-audiences/

Radway, J. A. (1984). Reading the romance: Women, patriarchy, and popular literature. University of North Carolina Press.

Rasmussen, N. V. (2025). Friction in the Netflix machine: How screen workers interact with streaming data. New Media & Society, 27(9), 5239-5256.

Sarstedt, M., Adler, S. J., Rau, L., & Schmitt, B. (2024). Using large language models to generate silicon samples in consumer and marketing research: Challenges, opportunities, and guidelines. Psychology & Marketing, 41(6), 1254-1270.

Searle, J. R. (1983). Intentionality: An essay in the philosophy of mind. Cambridge University Press.

Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R., & Gal, Y. (2024). AI models collapse when trained on recursively generated data. Nature, 631(8022), 755-759.

Simon, H. A. (1957). Models of man: Social and rational. Wiley.

Suchman, L. (2007). Human-machine reconfigurations: Plans and situated actions (2nd ed.). Cambridge University Press.

Turow, J. (2011). The daily you: How the new advertising industry is defining your identity and your worth. Yale University Press.

van Dijck, J. (2013). The culture of connectivity: A critical history of social media. Oxford University Press.

Weber, M. (1922/1978). Economy and society: An outline of interpretive sociology (G. Roth & C. Wittich, Eds.). University of California Press.

Zelizer, B. (2008). Why memory’s work on journalism does not reflect journalism’s work on memory. Memory Studies, 1(1), 79-87.

Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.

Note

[1] Una distinzione per certi versi affine, sebbene elaborata in un contesto teorico diverso, quello della partecipazione mediale, è stata proposta da Nico Carpentier, che distingue l’interazione, i processi di significazione e interpretazione innescati dal consumo mediale, dalla partecipazione, il potere decisionale esercitato nei processi di produzione dei contenuti (Carpentier, 2011).