(foto: Stats Under the Stars 2019/Università Bocconi)

Tra i tanti nuovi lavori che si creano grazie all’innovazione tecnologica, una professionalità emergente e destinata a consolidarsi è senz’altro quella del data scientist. In un contesto economico in cui big data, machine learning e programmazione diventano sempre più centrali, la capacità di approcciarsi in modo scientifico alla gestione delle informazioni digitali sarà una delle competenze chiave più richieste dal mercato del lavoro.

Un’interesse che è crescente anche dal lato degli studenti, come mostra la partecipazione all’edizione 2019 di Stats Under the Stars, un hackaton notturno organizzato a Milano dall’università Bocconi tra il 18 e il 19 giugno scorsi, che ha visto la partecipazione di 200 aspiranti data scientist, divisi in 54 squadre provenienti da 14 università di tutta Italia. “Questi numeri sono motivo di grande soddisfazione perché testimoniano una maggiore consapevolezza della rilevanza della statistica, e più in generale della data science, in una società caratterizzata da una disponibilità crescente di dati da organizzare, analizzare e interpretare”, ha commentato a Wired Igor Pruenster, direttore del Bocconi Institute for Data Science and Analytics (Bidsa). Oltre che da Bidsa, l’iniziativa è stata organizzata dal centro Built (Bocconi University Innovations in Learning and Teaching) e ha fatto parte degli eventi satellite legati al convegno Smart statistics for smart applications, organizzato dalla società italiana di statistica.

Ma che cosa sta determinando ora questa attenzione verso la data science? “La necessità di trasformare l’informazione in conoscenza è sempre esistita”, spiega Pruenster. “La novità, da cui deriva l’odierno interesse strategico, è che ora lo si può fare in maniera rapida e scientificamente fondata, evitando di affidarsi a procedimenti euristici o all’intuito. Un’evoluzione resa possibile grazie a un circolo virtuoso di collaborazioni tra statistica, informatica, matematica applicata e conoscenza specifica dei settori di applicazione”.

Eppure, al di là degli esperti, non per tutti ancora è chiaro in che cosa consista questa scienza dei dati, né quali evoluzioni si stiano delineando. “Non è semplice attribuire un significato univoco al termine data science, dal momento che è in costante evoluzione sia per la crescente complessità dei dati disponibili sia per le continue sfide metodologiche che le applicazioni moderne pongono”, continua Pruenster. “Sicuramente si tratta di un’area di ricerca ampia e interdisciplinare, in cui serve un solido background nelle discipline scientifiche così come la conoscenza della lingua inglese. Queste competenze sono cruciali per accedere a percorsi formativi e professionali di eccellenza. Un aspetto sottovalutato dei fenomeni complessi è l’incertezza, che spesso porta a interpretare i risultati come assoluti quando in realtà non esistono risposte certe, e quantificare l’incertezza è importante quanto i risultati stessi”.

Che cosa studia uno scienziato dei dati

Spesso è anche la stessa figura del data scientist a essere oggetto di storture e descrizioni fin troppo pubblicitarie, che derivano anzitutto da una narrazione troppo superficiale quando si tratta di raccontare le peculiarità di una figura professionale specializzata. “Il data scientist non è un semplice programmatore o un operatore che usa in modo acritico algoritmi automatizzati per la previsione, l’apprendimento, la classificazione o la quantificazione dell’incertezza”, ribadisce Pruenster. “I corsi universitari centrati su tematiche di data science si contraddistinguono per un percorso di studi che fornisce agli studenti solide basi metodologiche, fondamentali per rispondere ai mutamenti delle tipologie di dati e delle necessità analitiche che impongono. Acquisite le basi, è poi la creatività a fare la differenza nel mercato del lavoro”.

Come ci si deve preparare, in un contesto universitario, a una disciplina che si sta modificando ed è destinata a evolvere così rapidamente da rendere molte conoscenze obsolete nel giro di pochi anni? “La formazione dei giovani deve mirare a fornire competenze computazionali avanzate, accompagnate da una solida e rigorosa preparazione delle basi statistico-matematiche, risponde Pruenster. “Idealmente, si dovrebbero creare figure di statistici capaci di dominare anche strumenti moderni di programmazione e di teoria dell’informazione, oppure di informatici che abbiano familiarità con i metodi avanzati della teoria della probabilità e con i più recenti sviluppi della modellizzazione statistica. È importante trasmettere agli studenti non solo l’abilità di implementare gli algoritmi con i metodi statistici disponibili oggi, ma anche una forma mentis e un linguaggio che consentano loro di sviluppare gli algoritmi e i metodi statistici del domani, ossia di rimanere al passo coi tempi”.

Come e dove studia uno scienziato dei dati

In che modo si concretizza tutto ciò nella quotidianità della vita universitaria? La risposta dell’università Bocconi arriva nello specifico dal centro Built, che si occupa proprio di innovazione nei metodi di apprendimento e di insegnamento, dalla voce del suo direttore Leonardo Caporarello: “Oggi tutti i ragazzi hanno bisogno di una componente applicativa, e il percorso di studio deve prevedere dei check point continui. Sia per le materie qualitative sia per le quantitative, il confronto è fondamentale per mantenere l’attenzione, attraverso tecniche d’ingaggio di difficoltà diversa a seconda del tipo di studenti. Già per il pubblico della triennale, anche se ci sono più persone presenti in aula, esistono dei metodi per farlo, e alla laurea specialistica l’interazione può diventare ancora più avanzata. I ragazzi rispondono molto bene alle attività organizzate con sistemi hi-tech, perché l’apparente aspetto di difficoltà della tecnologia oggi non c’è quasi più, e anzi la didattica diventa un sistema di feedback continuo attraverso interazioni che vanno dai sondaggi al gioco, capaci di dare un senso pratico a quello che viene studiato in teoria”.

L’idea che la didattica possa assorbire il modello della gamification anche a livello universitario, quindi, è tutt’altro che campata in aria. Come Caporarello ha raccontato a Wired, infatti, esiste già un progetto di questo tipo applicato al corso di negoziazione di cui è titolare, in cui la componente ludica viene sfruttata per creare un gioco delle parti in cui si possono interpretare soggetti diversi e gestire le fasi di una negoziazione anche in base alle reazioni altrui.

E come si può includere in un corso universitario una parte giocosa senza perdere di vista i contenuti specialistici? “Ci sono persone che danno una mano a confezionare questi prodotti in ottica di gamification”, spiega Caporarello, “e inoltre anche gli stessi docenti vengono preparati attraverso un programma di formazione interno, utile a capire meglio le esigenze degli studenti e a ottimizzare l’uso delle aule. Gli strumenti della didattica che sviluppiamo hanno un approccio basato sull’idea di contaminazione, e ci piace dire che vogliamo creare una learning experience più che un learning course.

La stessa configurazione degli spazi cambia in base alle esigenze didattiche. “Abbiamo un’aula che può essere usata nella prima ora di lezione per una lezione frontale, e poi ci si riorganizza in gruppi e si sfruttano anche delle lavagne laterali, una piattaforma di coordinamento e un sistema di revisioni incrociate, prosegue Caporarello. “Mentre si simulano decisione aziendali o si sviluppano esempi di business c’è una continua interazione a feedback, con l’obiettivo di lavorare anche sulle soft skill attraverso l’inserimento di imprevisti o altri elementi di dinamicità. In tutto ciò gli studenti vivono un po’ di stress e di continua incertezza, commettendo anche degli errori, e pensiamo che un simile approccio sia utile per prepararli al meglio al futuro”.

Dal gap di genere allo sguardo internazionale

In tutte le scienze dure, come ben noto, esiste ancora un evidente problema di disparità di genere, con le donne che sono ancora in netta minoranza. Tuttavia, almeno per la data science, il problema sembra avviato verso una soluzione. “L’ambiente della data analytics un tempo era associato a un’attività di analisi e di coding che spesso faceva paura, chiarisce Caporarello. “All’evento di Stats Under the Stars c’erano invece tantissime ragazze, praticamente la metà dei partecipanti, grazie anche al fatto che oggi l’approccio è più legato all’interpretazione del dato che alla programmazione. Questi strumenti sono percepiti come più accessibili, e finalmente sta venendo meno l’idea che il coding sia solo per addetti ai lavori o per persone strambe.

“Ciò però non significa che il gap sia già scomparso, ma stiamo tentando di colmarlo rapidamente offrendo a tutti gli studenti un’attività obbligatoria di coding in linguaggio Python, che abbiamo visto essere capace di far superare alcuni vecchi stereotipi. A questo aggiungiamo un’offerta di corsi extra-curricolari di analisi dati, costruzione di dashboard e sistemi di analisi, che risulta attrattiva sia per i ragazzi sia per le ragazze. Insomma, un’offerta ampia e metodi didattici freschi  e moderni riducono di molto il problema”, chiosa Caporarello.

Se il centro Built ha l’incarico di fare da cabina di regia delle attività di ricerca e di scouting tecnologico alla Bocconi, dallo sviluppo alla sperimentazione, il contesto in cui tutto viene sviluppato è naturalmente internazionale. Dagli Edtech forum, che a livello europeo raccolgono le persone che si occupano di innovazione didattica nelle università, si arriva fino a confronti e dibattiti con i colleghi asiatici e statunitensi, per rispondere alle nuove esigenze d’apprendimento che si distinguono in base al tipo di corsi: lauree triennali e specialistiche, dottorati e corsi post laurea, fino ad arrivare al pubblico manageriale.

The post Una didattica innovativa per insegnare la scienza dei dati appeared first on Wired.



Leggi l’articolo su wired.it