Anteprima
Vedrai una selezione di 3 pagine su 9
Riassunto esame Epistemologia dei nuovi media, prof.ssa Numerico, libro consigliato Big Data - Una rivoluzione che trasformerà il nostro modo di vivere e già minaccia la nostra libertà, Schönberger e Cukier Pag. 1 Riassunto esame Epistemologia dei nuovi media, prof.ssa Numerico, libro consigliato Big Data - Una rivoluzione che trasformerà il nostro modo di vivere e già minaccia la nostra libertà, Schönberger e Cukier Pag. 2
Anteprima di 3 pagg. su 9.
Scarica il documento per vederlo tutto.
Riassunto esame Epistemologia dei nuovi media, prof.ssa Numerico, libro consigliato Big Data - Una rivoluzione che trasformerà il nostro modo di vivere e già minaccia la nostra libertà, Schönberger e Cukier Pag. 6
1 su 9
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Però la misurazione non era ancora ottimizzata per i calcoli (il sistema di calcolo dei romani non era fatto

per l’analisi numerica). Una numerazione alternativa è stata sviluppata in India nel I secolo d.C. e poi è

stata tramandata agli arabi, che l’hanno perfezionata: è il sistema dei numeri arabi ancora oggi in uso. Con

l’adozione dei numeri arabi, la matematica dà un nuovo significato ai dati, che adesso si possono anche

analizzare e non solo archiviare e recuperare. La datizzazione si è sviluppata perché l’umanità ha sempre

desiderato misurare la realtà e registrarne i dati, ma in un mondo analogico è una attività costosa sia in

termini di denaro sia di tempo. L’avvento dei computer ha messo a disposizione strumenti di misurazione e

archiviazione digitale che hanno reso la datizzazione molto più efficiente, e ha facilitato di molto l’analisi

matematica dei dati, con la quale possiamo scoprirne il valore nascosto. Insomma: la digitalizzazione

mette le ali alla datizzazione, ma non la sostituisce (la digitalizzazione in sé non datizza).

5.2 - Quando le parole si trasformano in dati

•• Per capire la differenza tra digitalizzazione e datizzazione, pensiamo alla scannerizzazione dei libri in

digitale fatta da Google: digitalizzare i libri trasforma una pagina cartacea in una immagine digitale di quella

pagina, ma solo con la datizzazione quella immagine digitale si “trasforma” in testo. La datizzazione ha

reso i testi indicizzabili e quindi setacciabili. La datizzazione rende anche molto più facile scoprire il plagio.

A questo punto, le parole diventano fossili racchiusi nelle pagine, e gli esperti di culturomica possono

scavare al loro interno come fossero archeologi. Amazon usa i dati provenienti dai libri digitalizzati solo per

vendere quei libri, mentre Google li usa anche e soprattutto per migliorare il suo traduttore.

5.3 - Quando la posizione si trasforma in dati

•• La geolocalizzazione è una informazione, che per essere veramente utile deve essere convertita in dati.

La standardizzazione della longitudine e della latitudine come formati universali per condividere le

informazioni di geolocalizzazione ha richiesto molto tempo. Negli anni Quaranta viene creato il sistema di

coordinate UTM (proiezione universale trasferta di Mercatore), che divide il mondo in 60 zone per

migliorare la precisione. Un cambiamento sostanziale si è avuto nel 1978 quando è stato lanciato il primo

dei 24 satelliti che formano il Global Positioning System (GPS). Quando la posizione viene datizzata,

emergono nuovi usi e si può creare nuovo valore.

5.4 - Quando le interazioni si trasformano in dati

•• Il concetto di datizzazione è alla base degli attuali social network: prendono elementi intangibili della

nostra vita quotidiana e li trasformano in dati che si possono usare per fare nuove cose. Con Twitter è

possibile datizzare le emozioni. La datizzazione consiste nel convertire in forma analizzabile non solo

atteggiamenti e sentimenti, ma anche il comportamento umano, molto difficile da rilevare in altri modi.

5.5 - La datizzazione di tutto quanto

•• L’entusiasmo per “l’internet delle cose” (inserimento di sensori in oggetti di uso quotidiano) ha a che fare

con il networking, ma soprattutto con la datizzazione di tutto ciò che ci circonda. Il progetto della

datizzazione rivaleggia con gli acquedotti romani e con l’Encyclopédie degli Illuministi, e produrrà

cambiamenti radicali nella società. Il fatto di vedere il mondo come una massa di informazioni da esplorare

ci offre una prospettiva sulla realtà che prima non avevamo.

6 - Valore

•• Alla fine degli anni Novanta, gli spambot riempivano chat e forum di spam, così Von Ahn ha inventato i

captcha, qualcosa di facile per gli umani, ma di difficile per le macchine. In seguito Von Ahn ha inventato i

reCaptcha, formati anche da una parola scannerizzata e che doveva essere digitalizzata e datizzata: è

importante il riutilizzo dei dati. Nell’era dei big data, tutti i dati verranno considerati preziosi di per sé. Oggi, i

dati si possono raccogliere passivamente, senza grossi sforzi da parte di chi li crea, spesso anche a sua

insaputa, il tutto a basso costo. Il valore dei dati non diminuisce quando vengono usati, in quanto si

possono riprocessare all’infinito. Le informazioni sono perciò un bene “non competitivo”: il fatto che una

persona le usi non impedisce a un’altra di usarle, in quanto le informazioni non si logorano come fanno i

beni materiali.

6.1 - Il valore opzionale dei dati

•• Si prendono informazioni generate per uno scopo e le si riutilizzano per un altro; si dice allora che i darti

passano da usi primari a usi secondari. Il valore dei dati va calcolato in base a tutti i possibili modi con cui

si potrebbero impiegare in futuro, e non semplicemente in base all’uso che se ne fa attualmente. Tre modi

efficaci per liberare il valore opzionale dei dati: riutilizzo, fusione dei dataset e identificazione delle

possibilità di estensione.

6.2 - Riutilizzo dei dati

•• A volte il valore non deriva dai singoli data point, ma da ciò che rivelano nel loro insieme. Anche le

informazioni più anali potrebbero avere un valore particolare, se impiegate nel modo giusto. Per esempio,

gli operatori di telefonia mobile sanno esattamente dove e quando i telefoni si collegano alle stazioni radio,

conoscendo anche la forza del segnale. Possono usare questi dati per migliorare la performance dei propri

network oppure potrebbero venderli ai produttori di telefoni per aiutarli a capire che cosa influenza la forza

del segnale, per esempio per migliorare la capacità di ricezione dei loro apparecchi.

6.3 - Dati ricombinanti

•• A volte il valore nascosto dei dati può uscire allo scoperto solo combinando un dataset (un insieme di

dati) con un altro, anche del tutto diverso (per esempio lo studio sull’incidenza di tumori presso gli

utilizzatori di telefoni cellulari; per questo studio si sono uniti vari dataset: dati degli operatori sugli abbonati

in Danimarca, registro nazionale dei pazienti oncologici delle autorità sanitarie e registro nazionale con i

dati sul titolo di studio e il reddito disponibile di ogni cittadino danese). Alla fine si è scoperto che non esiste

correlazione tra tumore e uso dei telefoni cellulari.

6.4 - Dati estensibili

•• Per facilitare il riuso dei dati bisognerebbe renderli strutturalmente flessibili sin dall’inizio. Si tratta di

cercare delle possibilità di estensione, così i dati possono crescere di valore (se si raccolgono con certe

modalità che permettono ai dati di prestarsi a vari scopi).

6.5 - Ammortizzare il valore dei dati

•• Quasi tutti i dati perdono una parte della propria utilità con il passare del tempo: continuare a fare uso di

dati obsoleti non solo non crea valore aggiunto, ma azzera anche il valore dei dati più recenti (se Amazon

suggerisse un libro in base a un acquisto fatto dieci anni fa, è molto probabile che non intercetti più i nostri

interessi). Ogni azienda quindi deve ripulire continuamente i suoi archivi ed eliminare le informazioni che

hanno perso valore. Ma come si fa a capire quali dati non sono più utili? Non tutti i dati si deprezzano con

lo stesso ritmo o allo stesso modo. Anche se il valore dei dati diminuisce per alcuni dei loro scopi, il loro

valore opzionale potrebbe rimanere elevato. Bisogna stabilire dunque dei “tassi di ammortamento”.

6.6 - Il valore dei dati a perdere

•• Google ha costruito il suo correttore ortografico a costo zero, riusando gli errori di digitazione inseriti sul

suo motore di ricerca (3mld di ricerche al giorno: “forse cercavi…?”). Il correttore ortografico di Google si

automigliora in continuazione, quindi gli utenti non si preoccupano più di digitare correttamente le parole

chiave. Questo sistema di correzione ortografica dimostra che anche dati “difettosi” possono essere

comunque molto utili. Quando gli utenti indicano a un programma di riconoscimento vocale che ha frainteso

le parole pronunciate, in realtà “insegnano” al sistema a migliorarsi.

6.7 - Il valore dei dati aperti

•• Google ed Amazon non sono i pionieri dei big data. I primi a raccogliere dati su vasta scala sono stati

chiaramente i governi. Una differenza tra imprese e governi è che i secondi possono costringere i cittadini a

fornire loro delle informazioni, invece di doverli persuadere. Il valore dei dati è nascosto e richiede una

analisi innovativa per essere liberato. Comunque i governi si sono dimostrati spesso incapaci a usare

intelligentemente i dati. Ultimamente si crede che il miglior modo per estrarre valore dai dati in possesso

del governo sia consentire al settore privato, o ancora meglio alla società in generale, di accedervi

liberamente: quelli che vogliono questo sono i sostenitori degli “open data”, che chiedono al governo di

divulgare i propri dati per fini sia sociali sia commerciali. Obama nel 2009, appena insediatosi, diffonde una

nota in ci ordina alle agenzie federali di pubblicare il maggior numero possibile di dati: “nel dubbio, prevale

la trasparenza”: queste informazioni sono presenti nel sito data.gov. Grazie agli open data anche chi non

raccoglie dati può ugualmente usare dati raccolti dal governo per creare valore.

6.8 - Stimare l’inestimabile

•• Quando facebook è entrato in borsa, valeva 104mld di dollari, mentre il suo valore contabile (a livello

fisico, di strutture, ma non di dati) era di appena 6mld. Infatti, il metodo usato di solito per stimare il valore

di una azienda, che è fondato sul valore contabile, non riflette più il valore effettivo (il valore di mercato).

L’incapacità di stimare correttamente il valore delle imprese crea anche rischio commerciale e volatilità di

mercato. La differenza tra il valore contabile e il valore di mercato di una azienda è misurata dagli “asset

intangibili” (ovvero brand, talento, strategia, dati… tutto ciò che non è fisico e non rientra nel sistema

formale di contabilità finanziaria). In futuro il valore dei dati verrà esposto in bilancio e costituirà una nuova

categoria di asset (quando non ci saranno preoccupazioni per la responsabilità giuridica). Siccome il valore

dei dati è soprattutto latente (nascosto) e deriva da usi secondari futuri ancora ignori, non è chiaro come si

possano stimare. È certo che cominciano a formarsi delle economie intorno ai dati. Il valore dei dati sta

essenzialmente nel loro potenziale di riutilizzo, apparentemente illimitato. Il valore dei dati risiede

nell’utilizzo, non nel mero possesso.

7 - Implicazioni

•• decide.com è nata d

Dettagli
A.A. 2016-2017
9 pagine
11 download
SSD Scienze storiche, filosofiche, pedagogiche e psicologiche M-FIL/02 Logica e filosofia della scienza

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher simone.scacchetti di informazioni apprese con la frequenza delle lezioni di Epistemologia dei nuovi media e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi Roma Tre o del prof Numerico Teresa.