Riassunto esame Digital media , Prof. Ceravolo Flavio, libro consigliato Appunti Digital Epistemology, Ceravolo

Digital epistemology

Lezione giovedì 29/09/2022

Lezione introduttiva, vengono fornite solo istruzioni operative sul corso e su come muoversi negli strumenti di CoD.

Lezione venerdì 30/09/2022

Siamo tutti immersi nel mondo digitale e produciamo dati digitali (es. sveglia sul telefono, geolocalizzazione, es. programmatic marketing – meccanismo degli ADS – abbiamo una profilazione di tutti i nostri dispositivi, cioè non abbiamo sovranità digitale quando accediamo ad un servizio, perché diamo al provider del servizio la possibilità di registrare dati su di noi – questi flussi di dati finiscono in server con diverse legislazioni). A noi interessa la natura di questi dati, perché applichiamo modelli di analisi per costruire conoscenza.

Ricerca applicata (scopo immediato, cioè risponde ad un problema di un decisore) / Ricerca di base (non ha uno scopo immediato, serve a formulare teorie interpretative su quello che ci succede, cioè serve ad imparare qualcosa in più sul mondo in cui viviamo). Sono necessari metodi di ricerca per costruire una conoscenza affidabile e strutturata, pur consapevoli che la ricerca non è produttiva di certezze, c'è un errore non eliminabile. La ricerca scientifica è per definizione un'operazione incerta.

Sun Tzu (generale cinese) – L'arte della guerra: "Devi essere sicuro di avere una serie di convinzioni per fare in modo che la vittoria sia certa". Quando facciamo ricerca, dobbiamo essere certi di avere gli strumenti per raggiungere la nostra vittoria, ovvero una conoscenza affidabile (e non la verità!). Dobbiamo dunque "conoscere il nostro nemico", ovvero conoscere i modelli di costruzione della conoscenza che sono fallaci, sbagliati, e "conoscere noi stessi", ovvero quali sono le caratteristiche del sistema di ricerca che sto creando (es. Cosa sono i dati digitali, quali limiti hanno, come vengono prodotti?).

Una prima limitazione è il fatto che il dato digitale proviene da un device di qualcuno, ma non è detto che sia stato quel qualcuno ad effettuare la ricerca o acquistare un prodotto. Dobbiamo conoscere come e dove vengono raccolti? Ovvero, sono stati raccolti in maniera consapevole o no, da mobile o dal tracciamento di altri strumenti digitali?

Oggi abbiamo la possibilità di usare strumenti algoritmici che ci consentono di maneggiare grandi quantità di dati. Siamo stati in grado di costruire macchine che fanno calcoli molto velocemente, come i computer quantistici, che consentono di organizzare i dati non solo in 0 e 1, ma anche in tutto quello che sta tra 0 e 1 (sono diversi dai computer tradizionali, che ragionano sulla logica binaria). Aumentando la capacità computazionale, è richiesta maggiore capacità di controllo del calcolo (ci stiamo affidando ad algoritmi che non sono supervisionati e supervisionabili – cioè scriviamo una struttura matematica che è capace di massimizzare delle funzioni e apprendere il mondo senza il nostro aiuto – es. affidare alla rubrica il salvataggio dei numeri di telefono, mentre prima si imparavano a memoria i numeri di telefono. Al decrescere della supervisione, aumenta la probabilità che ci siano errori che non vediamo).

"Se posizioni il tuo esercito in un territorio che non conosci, il risultato è certo: se c'è qualcuno che lo conosce meglio di te, vincerà": è necessario conoscere il territorio in cui si muove la nostra conoscenza (es. satellite, che ci consente di produrre una mappa del territorio). Passiamo a insiemi verosimili di informazioni (anche prima si facevano determinate analisi, ad es. la valutazione degli atteggiamenti, ma in maniera tradizionale, con i focus group, invece ora ci sono delle macchine che lo fanno, anche se non hanno ancora la stessa sensibilità degli esseri umani). Oggi le macchine ci consentono di fare previsioni e simulazioni di scenario, il che aumenta la possibilità di creare modelli affidabili (es. previsioni del tempo), che prevedono meglio anche il comportamento umano.

"Noi vogliamo anticipare cosa succede intorno a noi (perché significa decidere meglio)". Significa costruire modelli di ipotesi, o anche esperimenti controfattuali. Possiamo utilizzare i dati digitali per modellare qualcosa che ancora non è avvenuto, cioè mettere in fila le caratteristiche previsionali per far funzionare uno scenario che ancora non è avvenuto (es. previsioni degli investitori in borsa: usano delle serie storiche di dati di un determinato titolo, costruiscono un modello con variabili e provano a costruire un modello di previsione della crescita in funzione di una certa variabile).

Lezione lunedì 03/10/2022

L'epistemologia digitale dipende dalla consapevolezza che abbiamo del livello di trasformazione che il mondo ha subito in funzione del cambiamento che ci ha fatti passare dall'analogico al tecnologico. Non è una rivoluzione digitale, perché è un processo molto lento (ad es. nella società, ancora oggi, non tutti utilizzano gli strumenti digitali in ugual misura) - è una lunga transizione, ancora incompiuta (ci sono ancora molti processi non digitalizzati e stiamo continuando ad inseguire il fatto che ci siano persone che costruiscono software e hardware - il software implementa le prestazioni dell'hardware), è un processo evolutivo continuo. Se un qualsiasi attore, ad es. un'azienda, è in grado di avere personale capace di gestire al meglio i sistemi digitali più avanzati, ha una rendita di posizione rispetto a tutte le altre aziende che non hanno un personale così skillato (è una scelta strategica); questa scelta strategica la fanno tutti gli attori all'interno del mondo economico, sociale e politico (NB. In Europa non ci sono tech giants, ovvero Google, Aliexpress e Amazon).

Anche il GDPR è una scelta strategica: le aziende decidono in base al GDPR dove mettere la loro base, se in Europa o fuori dall'Europa. La transizione digitale è un insieme di scelte strategiche: uno dei principali ambiti di impiego dei fondi PNRR è proprio la transizione digitale, perché siamo molto indietro. La transizione digitale è un insieme di mutamenti continui, che non si arrestano - mentre i cambiamenti tecnologici dell'era precedente sono stati molto più lenti - da qui la necessità di un posizionamento continuo in termini di apprendimento.

NB. Strategia = insieme di scelte che hanno ricadute di lungo termine VS Tattica = insieme di tutte le scelte. Qualsiasi attore opera delle scelte tattiche all'interno di un quadro strategico di riferimento: il fattore essenziale della buona riuscita di un processo decisionale è avere informazioni reliable (affidabili), consistent (dal punto di vista statistico) e adequate (precise rispetto agli elementi che devo conoscere per raggiungere i miei obiettivi) > il nostro obiettivo è massimizzare questi tre livelli.

Che cos'è la scienza? L'idea che abbiamo di scienza è quella di un deposito di certezze, legata ai laboratori ed alla matematica. In realtà, è un processo creativo (nel senso che gli scienziati devono avere intuito creativo, legato alla voglia di spostare definizioni che sono date per certe) - il processo di innovazione è alimentato dalla creatività, che significa anche curiosità MA nella scienza la creatività è regolata dalle regole che vengono condivise nella comunità scientifica: noi impariamo come funziona il mondo intorno a noi in un processo cumulativo, e costruiamo delle regole per costruire un buon metodo di apprendimento.

Metodo: le regole possono essere violate, ma una non può essere violata mai è la trasparenza, ovvero l'ispezionabilità del metodo e del percorso utilizzato (nel mondo scientifico, gli articoli non vengono pubblicati se manca questa condizione).

È necessario saper distinguere due fasi in ogni ricerca scientifica:

• Scoperta: ha una maggiore tensione osservativa, consente di farsi una prima idea per far germogliare una teoria;
• Giustificazione: una volta osservato un fenomeno e definita una teoria, che è il primo passo da cui verranno definite le ipotesi, dovremo descrivere tutte le fasi attraversate nel processo di ricerca (è necessario tenere un diario di bordo per documentare tutte le fasi). NB. Bisogna descrivere anche il tasso di affidabilità della ricerca.

Terminologia di base

Metodologia = "discorso sul metodo". Nel corso lavoreremo analizzando dal punto di vista metodologico il mondo digitale. Il metodo, invece, è la scelta strategica fra le possibilità tecniche a disposizione per raggiungere un determinato tipo di conoscenza. Il metodo può essere di tipo qualitativo o quantitativo, ed all'interno dei metodi ci sono tecniche (es. questionario - metodo quantitativo), ovvero gli strumenti utilizzati e scelti in funzione del metodo - per scegliere intelligentemente il metodo devo conoscere le tecniche che posso applicare, e saperne valutare i pregi e difetti, conoscendone il funzionamento e le caratteristiche specifiche.

Dal punto di vista strettamente operativo, il mondo digitale ed analogico sono due cose completamente diverse: si tratta di un modello di organizzazione delle informazioni e di creazione delle relazioni che non è una trasposizione del mondo fisico, ma è completamente diverso (es. essere amici sui social vs essere amici de visu).

Lezione giovedì 06/10/2022

Scientific research is a process that implies on one hand creativity, and on another the necessity of rules, that are common in a specific scientific community. This sort of opposition, between creative approach and rules is a false opposition, because rules are a sort of constraint of our creativity, and we have to understand where the board is among them.

We have two possible ways to create social research:

• Context of exploration (we move from observation of natural phenomena, with a process of induction, to the theory) - creation process based on observation
• Context of justification = the empirical control of a specific hypothesis. We have a hypothesis (if...then...), and we use empirical control, so we use evidence from data to reject/to accept the specific hypothesis we are studying - empirical control of hypothesis.

The problem is that the very classical difference in social research implies the use of different methodological approaches. The land of discovery is the land of qualitative methods (that are not adequate for confirmatory approach - the idea is the use of methods based on text, not numbers), and the land of justification is the land of quantitative methods (statistical methods for analysis are mostly confirmatory, not explorative). The idea is that in the digital world, this important difference between qualitative and quantitative, is not so important. We can use qualitative interviews collecting quantitative data, and vice versa - that’s because the use of digital data permits us the possibility of hybridization of those two, quite easily, so we have to consider to merge quantitative and qualitative information.

Another important point is that information in the digital world is produced with everyday behavior (es. smartphone, credit card: they are tracks of our digital behavior in the real world). This information exists, we don’t have to find them, that is a problem (we have a very large amount of data), but also an opportunity, to profile the idea of personas (not the real people, in the real world, but a profile, a sort of abstraction from the real world - sono profili tipico-ideali, una sorta di avatar che accomunano tutte le persone che adottano un certo comportamento - groups of people that share the same position in the market -, e sono utili per orientare delle decisioni, ed è costruito su base induttiva, attraverso dati quantitativi). The digital world gives us the possibility to go beyond the idea of qualitative and quantitative methods as separate fields.

We have to understand the difference between methodology (the discipline that talks about methods - il ragionamento di metodo è epistemologicamente necessario, ed è la decisione tra diversi strumenti che vorremmo utilizzare - that is the key point of our argumentation, we have to know both advantages and disadvantages of every method es. fake profiles in social media).

How can we create a correct definition of the scientific field? At first, we have different possibilities to create knowledge about something: the first one is common sense. It’s not a correct method of creation of knowledge (an example is that girls mainly are bad drivers, so you have to be scared to meet a girl driving), si basa su generalizzazioni che non necessariamente sono corrette, ma si fondano su conoscenze vaghe e non controllate, is a problem for the correct knowledge, reliable knowledge, which is based on three main important levels:

• Linguistic accuracy: in scientific language, the creation of specific terms to identify specific experiences in the world, is an important point because it reduces the possibility of mistakes in the communication amongst people (tutte le volte che uso un termine in maniera diversa rispetto a come viene usato nella comunità scientifica, devo giustificare l’uso) - commonly, math is quite used in every scientific community, because it’s based on symbols (ti costringe ad essere lineare e a definire ogni termine utilizzato - every sentence could be disentangled in all the semantic equivalent of every word in the sentence, come nell’analisi logica).
• Use of logic: when we use science, we have to be really accurate in the use of logic (è una questione di retorica, un sistema di ricerca deve essere coerente e non deve contenere errori logici al suo interno) - scientific language is logic and needs logic.
• Rigorous empirical controls: the correct empirical control for a specific hypothesis is the use of appropriate techniques + create a very deep account of the path of our research (dobbiamo spiegare come funziona il percorso di ricerca, is a problem of transparency of the research, il progetto deve essere ispezionabile, everyone should be able to verify the data and the path of the research) + repeatability, being transferable: ognuno di noi è diverso da tutti gli altri, per il nostro background e anche per il nostro diverso punto di vista (ad esempio l’interazione strategica tra individui), questo rende pressoché impossibile il concetto di ripetibilità diretta di un esperimento nelle scienze sociali.

If you are aware of the possibility of being under observation in the digital world, are you gonna do the same thing that you do if you are certain that nobody is observing you? The idea of real transferable research in social sciences is quite difficult to apply: there is a reasonable limit to it, we have to take in account that there is the possibility that the same methodology applied at different times have slightly different results, because the object of social research is human behavior.

Why do we have to be aware of this difference among all the possible ways to create scientific knowledge? Because it can be useful to create answers for specific questions, not for all the questions of the society (ex. ethical question, political, social problems - the field of science is science, so science can create useful knowledge for a specific group of questions, and this is an important point of view - how can we use science to decision making? It can give information about a specific problem, but it’s not a substitute for the decision-making process).

Lezione venerdì 07/10/2022

Caso di studio

Sono diventato CEO di una società che eroga il trasporto pubblico in tutta la Regione Lombardia. Ho un problema, ovvero ho bisogno di qualcuno che mi aiuti a capire:

• Quanto le persone dentro alla Regione Lombardia conoscono i servizi che sono erogati dalla mia company;
• Quanto i servizi che la mia company offre sono adeguati alle esigenze di trasporto delle persone che vivono nella Lombardia.

Compito: Immaginare la strategia di ricerca che potremmo proporre per risolvere questo problema. Quali sono i passaggi che metterei giù per elaborare una strategia di ricerca? Quali sono i passaggi formali che devo rispettare affinché questa strategia di ricerca funzioni? Devo elaborare l’indice delle cose da fare.

Risposta personale

1. Targhettizzare il pubblico di riferimento: Chi utilizza il treno; Chi utilizza il pullman…e così per tutti i mezzi + Chi non utilizza alcun mezzo di trasporto.
2. Individuare quali sono i servizi strategici che vorrei che le persone conoscessero, della mia company.
3. Somministrare un questionario, in cui si indaghi l’indice di soddisfazione relativo ai servizi offerti dalla mia company + un sondaggio che indaghi se le persone conoscono alcuni determinati servizi strategici + in che misura vengono utilizzati i mezzi pubblici (per calibrare il pubblico).
4. Dovrei incrociare anche i dati del pubblico di riferimento (quindi, se sono più persone che utilizzano il treno, piuttosto che il tram, andrei ad implementare quel mezzo di trasporto specifico).
5. Studierei i miei competitors. Se trovo sondaggi circa il grado di soddisfazione rispetto ad altri fornitori.
6. Definire il problema: Conoscere il grado di conoscenza e di soddisfazione degli utenti rispetto ai servizi erogati dalla company. Definisco la mia ipotesi? Ed il mio approccio: mi muoverò dall’osservazione dei dati raccolti attraverso un questionario - o da indagini pre-esistenti - mi basterebbe analizzare i commenti sui social? No, perché non andrei ad intercettare tutto il target. In ogni caso, un approccio pragmatico: non ho un’ipotesi da verificare, ma devo studiare uno status quo.
7. Studio il contesto: la Lombardia è un luogo dove l’uso dei mezzi è molto diffuso? Chi usa i mezzi in Lombardia?