L’insegnamento fa parte del catalogo “Grandi Sfide”, pensato per offrire un’esperienza formativa dedicata all’analisi di temi complessi e trasversali ai diversi percorsi di studio. L’obiettivo è fornire strumenti utili per comprendere e affrontare con consapevolezza, responsabilità e capacità di collaborazione le grandi sfide del presente e del futuro. Il catalogo promuove una visione ampia e integrata, mettendo in dialogo le discipline STEM — Scienza, Tecnologia, Ingegneria e Matematica — con le scienze umane e sociali. Gli insegnamenti affrontano contenuti attuali e interdisciplinari e mirano a sviluppare soluzioni tecnologiche innovative attraverso un approccio critico, attento all’etica della progettazione e agli impatti sociali, culturali e ambientali. Le attività didattiche favoriscono l’apprendimento attivo e la collaborazione tra le competenze tecniche, scientifiche, sociali e umanistiche. In questo modo, studenti e studentesse acquisiscono strumenti per comprendere, contestualizzare e affrontare problemi complessi con responsabilità e spirito collaborativo. Le attività didattiche prevedono project work in team, finalizzati a sviluppare capacità progettuali, il confronto interdisciplinare e la responsabilità condivisa. Il catalogo “Grandi Sfide” sarà inaugurato ogni anno con una lectio magistralis in inglese dedicata a un tema di forte attualità. La nostra società è sempre più dipendente dalle nuove tecnologie informatiche, che sono di grande aiuto nella presa di decisioni e per migliorare efficacia ed efficienza delle politiche pubbliche. Al tempo stesso, nella loro apparente neutralità tali tecnologie possono introdurre fonti di parzialità (bias) e/o discriminazione, e questo in modo anche inconsapevole per la comunità che ne beneficia o ne subisce gli effetti. L’utilizzo di strumenti digitali di supporto alle decisioni, e in particolare di applicazioni basate su metodologie di tipo data-driven, quali algoritmi di intelligenza artificiale e machine learning, amplia enormemente la capacità del decisore pubblico o privato di attuare interventi efficaci, a vantaggio dei beneficiari di tali interventi. Esempi di applicazioni che oggi utilizzano metodologie data-driven sono il processo automatico di selezione delle candidature per un colloquio di lavoro, l’erogazione dei servizi e la gestione delle condizionalità nei servizi pubblici per l’impiego, la profilazione degli individui potenzialmente soggetti a sviluppare determinate patologie. Le metodologie di tipo data-driven possono tuttavia nascondere alcuni aspetti negativi quali bias nei dati e quindi nel processo decisionale e generare in modo inconsapevole discriminazioni in quest’ultimo (fondate ad esempio su genere, etnia, cultura), col risultato che esso potrebbe in ultima analisi non corrispondere ai consolidati criteri di legittimità dei processi decisionali – e dei loro prodotti – considerati standard nelle democrazie avanzate. L'insegnamento discute il ruolo degli algoritmi nei processi di presa delle decisioni pubbliche nelle democrazie avanzate, analizzandone opportunità e rischi dal punto di vista tecnico-metodologico così come del processo di policy tipico delle democrazie studiate, delle conseguenze dell'utilizzo di algoritmi per i cittadini e le cittadine e della loro possibile regolazione. Verranno discussi esempi pratici e casi di studio al fine di identificare la presenza di fonti di parzialità nei dati e negli algoritmi, quantificarle ove possibile, ed elaborare strategie e soluzioni metodologiche e di politica pubblica da adottare per superarle. Soprattutto, nell’elaborazione dei progetti di gruppo verranno identificate soluzioni di politica pubblica che utilizzano tecnologie algoritmiche per risolvere problemi collettivamente rilevanti, mettendo in pratica quanto appreso in teoria.

Al termine dell’insegnamento, le studentesse e gli studenti saranno in grado di: • identificare le fonti di parzialità e discriminazione nei dati e negli algoritmi utilizzati nei processi decisionali di tipo data-driven; • identificare rischi e opportunità dell’utilizzo degli algoritmi a supporto delle decisioni sia in generale, sia con riferimento ad applicazioni specifiche, e il loro impatto relativamente al processo di policy in regimi democratici e ai loro standard; • caratterizzare le previsioni sull’evoluzione dei fenomeni di utilizzo degli algoritmi nel decision making e le loro criticità per i processi democratici; • elaborare strategie di intervento relative ad applicazioni specifiche, dal punto di vista tecnico-metodologico e di regolazione e politica pubblica; • elaborare proposte su come governare le trasformazioni in corso e su quali politiche adottare per massimizzare i benefici per la collettività dell’utilizzo delle applicazioni informatiche basate sull’intelligenza artificiale, minimizzandone i rischi; • analizzare casi di studio reali utilizzando approcci metodologici e di tipo data-driven; • analizzare casi di studio reali situandoli nel processo di produzione delle politiche pubbliche, identificando gli attori rilevanti, le loro risorse e le loro strategie.

nessuno

L’insegnamento prevede una lectio magistralis di apertura in lingua inglese – erogata in contemporanea per tutti gli insegnamenti del catalogo Grandi Sfide - su un tema di forte attualità. Il programma dell'insegnamento prevede poi quanto segue. Lezioni frontali: • Introduzione ai dati: tipologie, caratteristiche e tecniche di caratterizzazione/analisi dei dati per evitare fonti di parzialità • Introduzione alle metodologie data-driven e intelligenza artificiale con enfasi sui modelli predittivi di tipo black-box • Fonti di parzialità nei dati e negli algoritmi : metodologie per identificarle e caratterizzarle • Processi decisionali pubblici: il sistema politico e la produzione di decisioni pubbliche • Risposte di politica pubblica a problemi rilevanti e tipi di politiche pubbliche • Analisi del processo decisionale: attori, risorse, ruoli e strategie • Possibili soluzioni: aspetti tecnico-metodologici e di regolazione e politica pubblica Progetto: I docenti individueranno alcuni macrosettori di politica pubblica nei quali è sufficientemente sviluppato l’utilizzo dell’intelligenza artificiale e degli algoritmi nella presa delle decisioni private e pubbliche. Per ciascun ambito decisionale si formeranno gruppi, che sotto la guida dei docenti identificheranno in base alle proprie inclinazioni dei problemi considerati rilevanti per la collettività e in risposta ai quali svilupperanno degli interventi che utilizzino tecnologie algoritmiche, anche muovendo dall’analisi di esempi e casi reali. Le soluzioni di policy proposte devono derivare le conseguenze in termini di rischi ed opportunità delle scelte sostantive e metodologiche effettuate relativamente al disegno della policy e alle tecnologie algoritmiche utilizzate. Il lavoro relativo alla parte progettuale prevede incontri con l’intera classe e per gruppi in orario di lezione e lavoro da parte dei gruppi e individuale al di fuori dell’orario di lezione. Ciascun gruppo dovrà preparare un breve video, che verrà reso disponibile e mostrato a tutta la classe prima della fine dell'insegnamento. Ciascun video verrà discusso in aula da un gruppo estratto a sorte, e il gruppo che ha prodotto il video dovrà replicare alle critiche del gruppo discussant. I docenti selezioneranno i gruppi che avranno realizzato i progetti migliori e che saranno premiati sul voto finale. Oltre al lavoro di gruppo, ciascun gruppo dovrà presentare entro una settimana dalla fine dell'insegnamento un breve articolo scientifico che illustra i contenuti del progetto e i suoi risultati, mostrandone la rilevanza per le Grandi Sfide e in particolare la Sfida Digitale. L'articolo deve altresì dare evidenza del contributo individuale al progetto di ciascun membro del gruppo. Per quanti fossero impossibilitati a partecipare ai lavori di gruppo, è prevista la possibilità di sviluppare un progetto individuale, consegnando un video e un articolo scientifico individuali, tenendo in considerazione nella valutazione finale il mancato conseguimento di abilità e competenze relative alla capacità di lavorare in gruppo. La partecipazione attiva alla realizzazione del progetto costituisce condizione necessaria per il sostenimento della prova scritta nell'anno accademico di erogazione dell'insegnamento, laddove la mancata partecipazione al progetto di gruppo o, in alternativa, la mancata consegna del progetto e dell'articolo scientifico individuali impediscono il sostenimento dell'esame.

La metà delle ore saranno dedicate a lezioni frontali e all'illustrazione di casi concreti; la metà allo sviluppo di un progetto. Le lezioni frontali dell'insegnamento saranno tenute separatamente dai due docenti. Nel progetto, gli studenti e le studentesse saranno divisi in gruppi di circa 6-8 persone ciascuno e dovranno identificare dei problemi collettivamente rilevanti, sviluppare delle soluzioni di politica pubblica ed elaborare delle concrete proposte di intervento che utilizzino tecnologie algoritmiche per rispondere ai problemi individuati. Nello svolgimento dei progetti gli studenti e le studentesse saranno supervisionati da entrambi i docenti, quando possibile in compresenza così da facilitare lo sviluppo di progetti genuinamente interdisciplinari.

La bibliografia per la parte teorica verrà indicata dai docenti all'inizio dell'insegnamento. Eventuale bibliografia per lo svolgimento dei progetti verrà suggerita direttamente agli studenti e alle studentesse coinvolti. Per la parte di politiche pubbliche, gli studenti e le studentesse possono in ogni caso voler considerare come lettura integrativa il manuale di Bruno Dente, Le decisioni di policy: come si prendono, come si studiano, Il Mulino, Bologna, 2011.

Slides;

Modalita di esame: Prova scritta (in aula); Elaborato scritto individuale; Elaborato scritto prodotto in gruppo; Elaborato progettuale individuale; Elaborato progettuale in gruppo; Prova scritta in aula tramite PC con l'utilizzo della piattaforma di ateneo;

Exam: Written test; Individual essay; Group essay; Individual project; Group project; Computer-based written test in class using POLITO platform;

... Il voto complessivo è la media ponderata di tre componenti, secondo lo schema seguente: • 50% voto per la parte relativa alle lezioni frontali del corso di Algoritmi e Democrazia • 50% voto per la parte progettuale Per superare l’esame, gli/le studenti/esse devono conseguire un voto pari o superiore a 18/30 in ciascuna delle due componenti. Il voto riguardante la parte relativa alle lezioni frontali è ottenuto sulla scorta di un esame scritto di 75 minuti, condotto senza poter utilizzare libri o appunti, nel quale rispondere a domande sia chiuse sia aperte (scrivendo risposte comprese tra 300 e 500 parole ciascuna) relative alla parte svolta nell'insegnamento di Algoritmi e Democrazia. Le risposte errate a domande chiuse comportano una penalità, che verrà comunicata prima dell'esame. Le risposte mancanti non comportano penalità. La prova scritta ha una votazione massima pari a 32 punti. Esempi di prove di esame sono pubblicati sul Portale della Didattica. Fatte salve successive comunicazioni, secondo le attuali regole dell’Ateneo gli esami si terranno in presenza. Il voto riguardante la parte progettuale è ottenuto sulla scorta della partecipazione ai lavori del gruppo, inclusa la valutazione del breve video realizzato dal gruppo che deve essere consegnato prima della fine del corso, e dell’apporto individuale al progetto come testimoniato dalla relativa sezione dell’articolo scientifico di gruppo. Il video verrà presentato in una delle ultime lezioni dell'insegnamento e discusso da un altro gruppo, estratto a sorte. Il gruppo che ha realizzato il video dovrà quindi rispondere alle domande e alle critiche del gruppo discussant. La valutazione relativa all’articolo scientifico di gruppo, da consegnare entro una settimana dalla fine dell'insegnamento, integra quella relativa al video, confermandola o modificandola, e fa riferimento a chiarezza, appropriatezza e rilevanza dell’esposizione dei contenuti del progetto. In particolare, l’articolo scientifico di gruppo deve essere strutturato intorno ai seguenti elementi: contestualizzazione del problema socialmente rilevante; definizione dello scopo e degli obiettivi del progetto come risposta al problema; identificazione delle sorgenti dati potenzialmente utili; caratterizzazione e ruolo degli stakeholder e loro coinvolgimento nello svolgimento del progetto; descrizione nel linguaggio naturale della soluzione algoritmica proposta (descrizione procedurale); identificazione di possibili criticità e sorgenti di bias; valutazione dell’efficacia della risposta di policy/algoritmica rispetto al problema; verifica della congruenza con i pilastri di una elabarazione dati responsabile. L'articolo scientifico di gruppo deve riportare la struttura del gruppo e l'attribuzione dei compiti al suo interno, elemento di valutazione tra pari che consente la verifica della partecipazione di tutti i membri ai lavori svolti dal gruppo, consentendo l'attribuzione di un voto a ciascun membro del gruppo. I membri che non hanno partecipato attivamente ai lavori di gruppo dovranno sviluppare un progetto individuale. I/le partecipanti ai tre gruppi selezionati per aver svolto i progetti migliori (valutando anche la capacità di rispondere alle critiche, così come di svolgere il ruolo di discussant) otterranno sino ad un massimo di 2 punti aggiuntivi sul voto relativo alla parte progettuale. La lode può essere ottenuta con un punteggio complessivo pari o superiore a 31 trentesimi. Gli studenti/le studentesse che non partecipano attivamente alla realizzazione di un progetto possono sostenere l'esame scritto sviluppando individualmente la parte progettuale, consegnando un video e il relativo articolo scientifico realizzati individualmente. Non potendo conseguire abilità e competenze relative al lavoro in gruppo, inclusa la capacità di rispondere alle critiche, così come di svolgere il ruolo di discussant, la valutazione relativa alla parte progettuale svolta individualmente non può superare il voto di 27 trentesimi. Griglia di valutazione che mette in relazione risultati attesi dichiarati e criteri di valutazione (x: corrispondenza; X: elevata corrispondenza) • Identificare le fonti di parzialità e discriminazione nei dati e negli algoritmi utilizzati nei processi decisionali di tipo data-driven: Esame scritto (X) Progetto di gruppo (x) • Identificare rischi e opportunità dell’utilizzo degli algoritmi a supporto delle decisioni sia in generale, sia con riferimento ad applicazioni specifiche, e il loro impatto relativamente al processo di policy in regimi democratici e ai loro standard: Esame scritto (X) Progetto di gruppo (x) • Caratterizzare le previsioni sull’evoluzione dei fenomeni di utilizzo degli algoritmi nel decision making e le loro criticità per i processi democratici: Esame scritto (X) Progetto di gruppo (X) • Elaborare strategie di intervento relative ad applicazioni specifiche, dal punto di vista tecnico-metodologico e di regolazione e politica pubblica: Esame scritto (x) Progetto di gruppo (X) • Elaborare proposte su come governare le trasformazioni in corso e su quali politiche adottare per massimizzare i benefici per la collettività dell’utilizzo delle applicazioni informatiche basate sull’intelligenza artificiale, minimizzandone i rischi: Esame scritto (x) Progetto di gruppo (X) • Analizzare casi di studio reali utilizzando approcci metodologici e di tipo data-driven: Esame scritto (x) Progetto di gruppo (X) • Analizzare casi di studio reali situandoli nel processo di produzione delle politiche pubbliche, identificando gli attori rilevanti, le loro risorse e le loro strategie: Esame scritto (x) Progetto di gruppo (X)

Gli studenti e le studentesse con disabilita o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unita Special Needs, al fine di permettere al/la docente la declinazione piu idonea in riferimento alla specifica tipologia di esame.