![Digitalizzazione: di che parliamo?
«La digitalizzazione è il processo di conversione che,
applicato alla misurazione di un fenomeno fisico, ne
determina il passaggio dal campo dei valori continui a
quello dei valori discreti. Tale processo viene oggi
comunemente sintetizzato nei termini di passaggio
dall’analogico al digitale» [Wikipedia]
Vorrei partire da qui, e quindi sgombrare il campo da
possibili equivoci:
Non parleremo, nel mio intervento e nel resto del seminario, di
smaterializzazione della gestione documentale (paperless office)
Parleremo invece di infrastrutture della conoscenza di fronte alla
trasformazione digitale, a partire dal Rapporto sulla conoscenza dell’Istat,
e allargando lo sguardo ad altre infrastrutture rilevanti per il mondo
dell’istruzione e della cultura
2 Le infrastrutture della conoscenza nel mondo digitale
Giovanni A. Barbieri – Roma, 29 maggio 2018](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
More Related Content
What's hot
What's hot (11)
Similar to Giovanni A. Barbieri – La digitalizzazione, strategia per addomesticare l'informazione
Similar to Giovanni A. Barbieri – La digitalizzazione, strategia per addomesticare l'informazione (20)
More from Giovanni Barbieri
More from Giovanni Barbieri (20)
Giovanni A. Barbieri – La digitalizzazione, strategia per addomesticare l'informazione
- 1. LA DIGITALIZZAZIONE, STRATEGIA PER ADDOMESTICARE L’INFORMAZIONE Giovanni A. Barbieri, Istat Direttore centrale per lo sviluppo dell'informazione e della cultura statistica Le infrastrutture della conoscenza nel mondo digitale Roma, Istat, Aula magna, 29 Maggio 2018
- 2. Digitalizzazione: di che parliamo? «La digitalizzazione è il processo di conversione che, applicato alla misurazione di un fenomeno fisico, ne determina il passaggio dal campo dei valori continui a quello dei valori discreti. Tale processo viene oggi comunemente sintetizzato nei termini di passaggio dall’analogico al digitale» [Wikipedia] Vorrei partire da qui, e quindi sgombrare il campo da possibili equivoci: Non parleremo, nel mio intervento e nel resto del seminario, di smaterializzazione della gestione documentale (paperless office) Parleremo invece di infrastrutture della conoscenza di fronte alla trasformazione digitale, a partire dal Rapporto sulla conoscenza dell’Istat, e allargando lo sguardo ad altre infrastrutture rilevanti per il mondo dell’istruzione e della cultura 2 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 3. I presupposti Il presupposto sottaciuto delle dicotomie continuo/discreto e analogico/digitale è che la realtà naturale sia continua e analogica, e che la sua misurazione e rappresentazione possa essere digitale, al costo di una perdita d’informazione Che la natura sia continua e analogica è quasi vero Lo è nell’approccio scientifico classico Anche se, come vedremo, stiamo pur sempre parlando di applicazione di modelli all’osservazione e alla misurazione della realtà e – ad esempio – quando parliamo della fisica newtoniana essa adotta un modello matematico basato sul calcolo infinitesimale, che opera sul continuo Non lo è nella fisica quantistica… 3 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 4. Il linguaggio e i fonemi I fonemi sono forse la caratteristica più importante del linguaggio umano I fonemi realizzano la digitalizzazione del mezzo uditivo per il parlato mano/nano (cambia il fonema iniziale) anche/ante (cambia il fonema finale) Sono refrattari alle variazioni del parlato quotidiano (tono, accento, eccetera) Types vs tokens [Peirce 1906] Ci sono 21 lettere nell’alfabeto ma ci sono più di 21 lettere in questa frase Il linguaggio è anche un’illusione benigna Un’illusione generata dalla nostra competenza, non dalla semplicità del segnale 4 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 5. 5 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 6. La scrittura I greci adottano l’alfabeto fenicio (750 a.e.v.), superando la Lineare B d’epoca micenea Alfabeto consonantico di meno di 30 simboli (cuneiforme e geroglifico > 100), ma richiede comunque competenza Fonetica indeoeuropea meno complessa di quella semitica: restano caratteri inutilizzati I greci li applicano alle vocali: α ε ι ο υ Il primo alfabeto fonetico completo La prima tecnologia della storia dell’umanità che preserva una copia della voce umana La scrittura si democratizza: fine della «segreta conoscenza» [Rovelli] 6 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 7. 7 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 8. E allora? Ecco, adesso vi chiedete: ma questo dove vuol andare a parare? Dicevamo all’inizio: rappresentare il continuo attraverso il discreto è una buona strategia, al costo di una perdita d’informazione Qual è questo costo? È il costo dell’approssimazione e del campionamento 8 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 9. Pensare per modelli Un modello astratto (o concettuale) è una costruzione teorica che rappresenta processi fisici, biologici o sociali, con un insieme di variabili e un insieme di relazioni logiche e quantitative tra loro In questa accezione, il modello consente di ragionare all’interno di uno schema logico astratto e semplificato: Astratto (idealizzato) perché il modello può formulare ipotesi esplicite di cui è noto che – a un certo livello di dettaglio – sono false Semplificato perché ciò consente di pervenire a soluzioni ragionevolmente accurate, trascurando la complessità implicita nel grande numero di variabili e attori del processo modellizzato 9 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 10. I modelli in statistica Albert Einstein 1933 «Models should be as simple as possible, but not simpler» George Box 1976: «Since all models are wrong the scientist cannot obtain a ‘correct’ one by excessive elaboration» 1978: «All models are wrong but some are useful» è il titolo di un paragrafo «…parsimonious models often do provide remarkably useful approximations» 10 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 11. Entropia Ludwig Boltzmann (1844-1906): Meccanica statistica: entropia correlata a ordine (differenti probabilità degli stati del sistema) Entropia espressione del «grado di disordine» di un sistema Claude Shannon (1916-2009): Livello di imprevedibilità di una fonte d’informazione Quanta «informazione» in un messaggio (segnale/rumore)? Grado di ignoranza equiparato a disordine: messaggio come quantità di informazione che fa passare il ricevente da incertezza a ordine (minor incertezza) L’unità di misura è il bit (binary digit) Principio di Landauer (confermato sperimentalmente nel 2012): «qualsiasi manipolazione logicamente irreversibile dell’informazione, come la cancellazione di un bit, deve essere accompagnata da un corrispondente aumento dell’entropia dei gradi di libertà non cognitivi dell’apparecchio per l’elaborazione dell’informazione o del suo ambiente» 11 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 12. 12 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
- 13. Informazione semantica Digitalizzazione come strategia per minimizzare gli errori di conservazione e trasmissione dell’informazione E i contenuti? Siamo spesso interessati ai contenuti dell’informazione a prescindere dal modo in cui essa è codificata o digitalizzata [Dennett 2017] Questo è il secondo concetto di informazione, che si usa chiamare informazione semantica Quando riferita all’economia e alla società, possiamo chiamarla informazione utile, o informazione economica, nel senso proposto da Luciano Floridi [2010]: un’informazione che vale qualche cosa, in termini economici, di lavoro o di costo 13 Le infrastrutture della conoscenza nel mondo digitale Giovanni A. Barbieri – Roma, 29 maggio 2018
Editor's Notes
- Peirce, Charles Sanders (1906). “Prolegomena to an apology for pragmaticism”. Monist. vol.16 (1906). pp. 492–546. Dennett, Daniel C. (2018). Dai batteri a Bach. Come evolve la mente. Milano: Raffaello Cortina. ISBN 978-88-328-5007-9
- La tavoletta della conoscenza segreta, da Ninive. British Museum
- Rovelli, Carlo (2011). Che cos'è la scienza. La rivoluzione di Anassimandro. Milano: Mondadori Università. ISBN 978-88-6184-075-1
- Bruno Munari
- Rovelli, Carlo (2011). Che cos'è la scienza. La rivoluzione di Anassimandro. Milano: Mondadori Università. ISBN 978-88-6184-075-1
- Rovelli, Carlo (2011). Che cos'è la scienza. La rivoluzione di Anassimandro. Milano: Mondadori Università. ISBN 978-88-6184-075-1
- On the role and usefulness of models, there is a vast literature and even anecdotes and folklore. There is the celebrated short story by J. L. Borges (1975, but originally published in a magazine in 1946) on the map of the empire: “In that Empire, […] the Cartographers Guilds struck a Map of the Empire whose size was that of the Empire, and which coincided point for point with it. The following Generations, who were not so fond of the Study of Cartography as their Forebears had been, saw that that vast map was Useless […]”). There is the one-liner attributed to Einstein (“Models should be as simple as possible, but not simpler”). Even if he never wrote exactly this concise phrase, he said something to this effect in the conference in “On the Method of Theoretical Physics” in Oxford on June 10th, 1933 (Einstein 1934): “It can scarcely be denied that the supreme goal of all theory is to make the irreducible basic elements as simple and as few as possible without having to surrender the adequate representation of a single datum of experience.”) But why should a model be parsimonious? The answer is once again in Maxwell’s thought experiment: because models are costly. Because perception, observation and understanding are costly. On the other hand, understanding implies reaching out for the far-away object (the nearly unattainable reality) and putting it to work in our “system of understanding”. In my opinion, the best clarification of the role of models in statistics, as a scientific tool, comes from an often misquoted George Box. He returned to the issue at least twice, with a slightly different wording and emphasis: Since all models are wrong the scientist cannot obtain a “correct” one by excessive elaboration. On the contrary following William of Occam he should seek an economical description of natural phenomena. Just as the ability to devise simple but evocative models is the signature of the great scientist so overelaboration and overparameterization is often the mark of mediocrity. (Box 1976) Now it would be very remarkable if any system existing in the real world could be exactly represented by any simple model. However, cunningly chosen parsimonious models often do provide remarkably useful approximations. For example, the law PV = RT relating pressure P, volume V and temperature T of an “ideal” gas via a constant R is not exactly true for any real gas, but it frequently provides a useful approximation and furthermore its structure is informative since it springs from a physical view of the behavior of gas molecules. For such a model there is no need to ask the question “Is the model true?”. If “truth” is to be the “whole truth” the answer must be “No”. The only question of interest is “Is the model illuminating and useful?”. (Box 1979)
- L'approccio molecolare introdotto dalla meccanica statistica ha successivamente generalizzato l'entropia agli stati di non-equilibrio correlandola più strettamente al concetto di ordine, precisamente alle possibili diverse disposizioni dei livelli molecolari e quindi differenti probabilità degli stati in cui può trovarsi macroscopicamente un sistema [359]. L’entropia è dunque espressione del “grado di disordine” di un sistema: un aumento del disordine corrisponde ad aumento di entropia e, viceversa, una diminuzione del disordine è associata a una diminuzione di entropia. Come misura del grado di disordine o di indeterminazione di un sistema, il concetto di entropia ha potuto essere esteso ad ambiti di applicazione lontani dalla fisica, primo fra tutti la teoria dell’informazione. Negli anni quaranta Shannon riuscì a definire l’equazione con cui calcolare il livello di imprevedibilità di una fonte d’informazione, constatando che la sua formula era praticamente uguale a quella con cui Boltzmann aveva calcolato l’entropia di un sistema termodinamico. Per Shannon il problema era misurare quanta “informazione” contiene un dato messaggio, e quindi, di conseguenza, quanto costa inviarlo, dato un sistema di trasmissione e le difficoltà che un canale di trasmissione (in generale disturbato da “rumore” ) può trovare. La sua intuizione fu quella di equiparare il grado di ignoranza al disordine: il “messaggio” è quella quantità di informazione che fa passare il ricevente da uno stato di incertezza ad uno stato di ordine (o, se si vuole, di minor incertezza). Charles H. Bennett (2003), "Notes on Landauer's principle, Reversible Computation and Maxwell's Demon" (PDF), Studies in History and Philosophy of Modern Physics, 34 (3): 501–510, arXiv:physics/0210005 Freely accessible, Bibcode:2003SHPMP..34..501B, doi:10.1016/S1355-2198(03)00039-X, retrieved 2015-02-18 Floridi, Luciano (2010). Information. A Very Short Introduction. Oxford: Oxford University Press.