Navigazione – Mappa del sito

HomeNumeri90- LXVIrecensioniPablo Jensen, Pourquoi la société...

recensioni

Pablo Jensen, Pourquoi la société ne se laisse pas mettre en équations

Fabrizio Li Vigni
p. 95-98
Notizia bibliografica:

Pablo Jensen, Pourquoi la société ne se laisse pas mettre en équations, Paris, Édition du Seuil, 2018, pp. 336.1

Testo integrale

1L’onnipresenza dei big data e degli algoritmi nell’era digitale offre, a chiunque voglia studiare la società, un materiale abbondante e delle tecniche d’analisi all’avanguardia. Ogni giorno lasciamo su internet, coi nostri acquisti e spostamenti, una quantità di segnali e tracce che si misurano in “zettabyte” (migliaia di miliardi di miliardi di byte). In questo contesto, certuni affermano che presto non avremo più bisogno di modelli teorici per studiare il mondo perché i big data produrranno risultati e teorie senza il nostro intervento (Anderson, 2008). Alcuni sostenitori della “rivoluzione digitale” vedono in essa un modo per ottenere saperi “esaurienti” e “oggettivi”, specie in scienze sociali – che essi giudicano a torto “pre-scientifiche” e che chiamano spregiativamente “scienze molli”. Ma il fisico e sociologo francese Pablo Jensen (IXXI, CNRS) ha voluto rimettere in discussione tali idee in un testo gradevole, corposo e accessibile, intitolato Perché la società non si lascia matematizzare. Pubblicato nel 2018 dall’editore francese Seuil, il libro introduce a importanti dibattiti scientifici, epistemologici ed etici. Per queste ragioni esso può interessare i novizi del mondo digitale come gli studenti d’informatica umanistica, di scienza dei dati e di scienze sociali computazionali. Gli specialisti potranno trovare insufficienti alcuni passaggi del libro, desiderando talora un approfondimento talora un alleggerimento. Ma il testo in questione ha prima di tutto un intento pedagogico, motivo per cui può far parte di una triade introduttiva alle tematiche del digitale insieme a Cardon (2018) e a Casilli (2019). Le ragioni della presente recensione sono due: da un lato, non è mai troppo tardi per far conoscere in Italia una voce competente che interviene sull’uso del digitale in scienze (Jensen, 2021a) e che meriterebbe d’esser tradotta in italiano; dall’altro, il testo di Jensen è stato riadattato l’anno scorso dall’editore Copernicus/Springer in inglese (Jensen, 2021b), lingua che allarga il numero dei potenziali lettori. Ne offro una recensione commentata a partire dall’edizione francese.

2Il saggio di Jensen si compone di un’introduzione, di cinque parti, di ventidue scorrevoli capitoli e di una conclusione. Nell’introduzione, l’autore descrive il punto di partenza del suo periplo: sebbene le scienze sociali abbiano mostrato che la maggior parte dei comportamenti umani hanno un’origine non biologica ma culturale e politica, il sogno d’Adolphe Quételet di una “meccanica sociale” fatta di leggi a partire dai dati statistici, non solo non è mai sparito, ma è ritornato in forza con l’avvento del digitale. Jensen si chiede dunque: cosa possono fare le scienze esatte per affrontare lo studio delle società umane? E quali sono i limiti dei loro modelli?

3Nella prima parte del libro, Jensen parte dalla domanda seguente: quali sono le strategie che le scienze naturali hanno impiegato per costruire dei saperi affidabili? Quella dell’autore è un’ottica costruttivista che si nutre del campo chiamato Science & Technology Studies (STS) e in particolare dei lavori di Bruno Latour. Per spiegare la sua posizione, Jensen cita il filosofo pragmatico William James – fonte d’ispirazione degli STS – secondo cui “la verità è una relazione, non tra le nostre idee e una serie di realtà non-umane, ma fra le parti concettuali e le parti sensibili della nostra esperienza” (pp. 28-29). Il che significa che non esiste alcuna verità atemporale d’aristotelica memoria (adequatio rei intellecti), ma anche e soprattutto che le scienze sono un’istituzione sociale fra altre coi suoi elementi epistemici, etici, tecnici, istituzionali, economici e politici (Felt et al., 2017). In tal senso, le astrazioni proposte dagli scienziati attraverso i loro modelli non sono altro che delle scorciatoie (spesso efficaci) per cercare di comprendere e a volte predire la realtà, ma che queste astrazioni vanno analizzate nel contesto sociale in cui sono prodotte. A sostegno del suo punto di vista, Jensen propone un excursus storico che risale al metodo galileano basato su eventi misurabili, riproducibili e riconducibili a una sola causa. Ma Jensen contesta la visione matematica del mondo ereditata da Galileo, la quale può portare alla credenza positivistica secondo cui gli esseri umani sarebbero prevedibili.

4Dalla seconda parte del libro, Jensen comincia a picconare proprio quest’idea descrivendo alcuni esempi di matematiche applicate allo studio dei sistemi sociali. Uno dei messaggi da tenere a mente di questi capitoli lo troviamo nelle critiche che l’autore indirizza ad esempio ai modelli trasposti dalla fisica statistica alle dinamiche d’opinione. Mentre i fisici fanno simulazioni degli atomi in accordo con ciò che sappiamo su di essi dalle prove sperimentali, “chi cerca di modellizzare i fenomeni sociali è libero di scegliere arbitrariamente il comportamento dei loro piccoli robot per ottenere il risultato desiderato” col rischio di produrre modelli tautologici (pp. 90-91). Questo passaggio suggerisce che l’interdisciplinarietà ha senso solo quando è fatta in modo collaborativo e simmetrico fra ricercatori d’orizzonti disciplinari diversi. Ora, la scienza dei dati ha tendenza a estromettere o negligere le scienze sociali. Il che nuoce, in primo luogo, ai colleghi di queste ultime, i quali lavorano da decenni su temi come la cultura, il linguaggio, il potere, il genere, il commercio, ecc. In secondo luogo, a patirne è la pertinenza dei saperi stessi. Le teorie e i risultati empirici delle scienze sociali sono solidi, ancorché svariati e apparentemente contraddittori. Diversamente dalle scienze naturali, il pluralismo teorico delle scienze sociali è utile a vedere il mondo in maniera prismatica, poiché ogni approccio illustra qualcosa che gli altri lasciano nell’ombra. Le società umane sono eterogenee, mutevoli, complesse e riflessive, motivo per cui la sociologia, l’antropologia, la storia, l’economia e la psicologia sono scienze ermeneutiche: esse producono cioè resoconti causali. Ogni quantificazione deve partire da essi se non vuole produrre conoscenze mutilate o false. Jensen procede in seguito con la descrizione del lato politico degli algoritmi, troppo spesso descritti come “neutri”. Si veda il caso della polizia predittiva di Los Angeles che funziona come una specie di profezia che si autoadempie: “Se la polizia anticipa la violenza da qualche parte e interviene con forza per prevenirla, può in realtà provocarla” (p. 166). Così, gli studenti troveranno in questo testo strumenti per comprendere il mondo digitale e per produrre algoritmi più responsabili, in accordo coi recenti lavori sulla normatività degli algoritmi (O’Neil, 2016; Eubanks, 2018; Zou, Schiebinger, 2018).

5La terza parte del libro evoca la nascita delle statistiche e della sociologia a partire dall’uso teorico di questi strumenti matematici. Jensen qui mette in guardia contro gli effetti negativi dell’eccessivo riduzionismo della modellizzazione, pericoloso “quando si tratta di sistemi sociali, perché la scelta di quali processi ignorare può avere conseguenze politiche” (p. 189). L’autore passa poi in rassegna un esempio di sovra-interpretazione dei big data da parte di un gruppo di fisici, autori di un articolo apparso su Science, secondo cui “gli esseri umani sono previdibili al 93%” (p. 207). Una conclusione affrettata secondo Jensen, per il quale “[p]iccole serie di dati provenienti da esperimenti ben progettati possono a volte dirci di più sul nostro comportamento rispetto a grandi quantità di dati su cui i ricercatori hanno poco controllo” (ivi).

6Nella quarta parte del libro, Jensen si domanda se possiamo parlare di misure “oggettive” della società. Nei capitoli che la compongono, l’autore commenta – fra altre cose – il sogno del filosofo inglese Jeremy Bentham d’un “termometro morale” capace di misurare la ricchezza e la felicità delle nazioni. Analizza poi la traduzione novecentesca di quest’idea nella misura del PIL inventato dall’economista bielorusso Simon Kuznets. Così Jensen ci ricorda – citando lo storico della statistica Alain Desrosières (2002) – che “quantificare significa prima di tutto stabilire una convenzione e poi misurare” (p. 237). In altre parole, le classi dentro le quali mettere i gruppi umani necessitano di una negoziazione che non ha nulla di “oggettivo” o di “neutro”. Le classi sono infatti oggetto di contese politiche e non solo epistemiche. Prendiamo ad esempio la classe dei “disoccupati”. Il conteggio delle persone inattive non è univoco e può variare parecchio secondo la definizione operativa che ne diamo. Si devono considerare (come fanno certi paesi) soltanto gli adulti senza un lavoro che sono iscritti a un centro per l’impiego e che dimostrano di cercare attivamente un contratto, oppure anche quelli che sono troppo demoralizzati per inviare il loro curriculum a dei potenziali datori di lavoro? Se scegliamo la prima opzione, finiamo per rendere invisibili tutti quelli le cui indennità di disoccupazione sono giunte al termine e che hanno difficoltà pratiche (e a volte psicologiche) a rientrare nella popolazione detta “attiva”. “Insomma”, ci dice Jensen, “oggettivare è un buon verbo, che indica uno sforzo lodevole, ma ‘oggettivo’ è un cattivo attributo, perché implica un compimento impossibile” (p. 253).

7Nella quinta e ultima parte del libro, Jensen trae “insegnamento dalle difficoltà della modellizzazione e propo[ne] una visione del sociale che permetta di comprendere meglio [la] resistenza [dei gruppi umani ad essere modellizzati]” (p. 257). Secondo lui, i ricercatori che formalizzano la società riducendola a dei sistemi fisici deterministici sono fuori strada perché non possiedono un’interpretazione adeguata della vita sociale. Il problema di certi modellizzatori è la loro adesione acritica all’individualismo metodologico, secondo cui la società è la semplice somma degli individui regolati da un pugno di principi (come un gas è un ammasso di atomi sottoposti alle leggi dell’universo). Si tratta di una posizione opposta a quelle scienze sociali che s’iscrivono invece nell’olismo metodologico, secondo cui gli individui sono prima di tutto influenzati dalla cultura in cui nascono e crescono. Allo stesso tempo, Jensen cerca di non cadere in una forma di determinismo sociologico altrettanto problematico: “le regolarità sociali, sempre approssimative, non implicano il determinismo. È sufficiente accettare che la socializzazione interiorizzata influenza le nostre azioni in misura maggiore o minore” (p. 276).

8In conclusione, l’autore riassume il messaggio del libro. Contro il feticismo degli strumenti di ricerca, Jensen sostiene che la formalizzazione è un mezzo utile per pensare, ma che le teorie delle scienze sociali non possono essere abbandonate in nome della superiorità delle formalizzazioni numeriche. Solo un’interdisciplinarietà simmetrica può infatti fornirci saperi più pertinenti.

Torna su

Bibliografia

Anderson C. (2008), The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, «Wired», https://www.wired.com/2008/06/pb-theory/.

Cardon D. (2018), Che cosa sognano gli algoritmi. Le nostre vite al tempo dei big data, Milano, Mondadori.

Casilli A. (2020), Schiavi del clic. Perché lavoriamo tutti per il nuovo capitalismo?, Milano, Feltrinelli.

Desrosières A. (2002), The Politics of Large Numbers: A History of Statistical Reasoning, Cambridge, Harvard University Press.

Eubanks V. (2018), Automating Inequality. How High-tech Tools Profile, Police, and Punish the Poor, New York, St. Martin’s Press.

Felt U., Fouché R., Miller C.A., Smith-Doerr L. (2017), The handbook of science and technology studies, Cambridge, MIT Press.

Jensen P. (2021a), Deep earnings. Le néolibéralisme au cœur des réseaux de neurones, Caen, C&F éditions.

Jensen P. (2021b), Your Life in Numbers: Modeling Society Though Data, Cham, Copernicus/Springer.

O’Neil C. (2016), Weapons of Math Destruction. How Big Data Increases Inequality and Threatens Democracy, New York, Crown.

Zou J., Schiebinger L. (2018), AI can be sexist and racist – it’s time to make it fair, «Nature», 559.

Torna su

Note

1 Ogni citazione del libro è tradotta dal francese all’italiano dall’autore della recensione.

Torna su

Per citare questo articolo

Notizia bibliografica

Fabrizio Li Vigni, «Pablo Jensen, Pourquoi la société ne se laisse pas mettre en équations»Quaderni di Sociologia, 90- LXVI | 2022, 95-98.

Notizia bibliografica digitale

Fabrizio Li Vigni, «Pablo Jensen, Pourquoi la société ne se laisse pas mettre en équations»Quaderni di Sociologia [Online], 90- LXVI | 2022, online dal 01 septembre 2023, consultato il 21 juin 2024. URL: http://0-journals-openedition-org.catalogue.libraries.london.ac.uk/qds/5139; DOI: https://0-doi-org.catalogue.libraries.london.ac.uk/10.4000/qds.5139

Torna su

Autore

Fabrizio Li Vigni

Centre Internet et Société – Centre National de la Recherche Scientifique (CNRS), Paris, France

Torna su

Diritti d'autore

CC-BY-NC-ND-4.0

Solamente il testo è utilizzabile con licenza CC BY-NC-ND 4.0. Salvo diversa indicazione, per tutti agli altri elementi (illustrazioni, allegati importati) la copia non è autorizzata ("Tutti i diritti riservati").

Torna su
Cerca su OpenEdition Search

Sarai reindirizzato su OpenEdition Search