evoluzione del sapere

La conoscenza umana diventa open data: ecco “Atlas Of Human Knowledge”

Prevedere quali relazioni creare fra settori industriali e stakeholders nei network economici di oggi per accelerare l’innovazione di domani, in modo sostenibile e trasparente: ecco come il progetto di ricerca Atlas Human Knowledge cerca di facilitare comprensione e scoperta di collegamenti fra aree multidiciplinari

06 Dic 2019
Luigi Assom

Scuola internazionale studi avanzati Sissa


Poter descrivere come evolve il sapere nel tempo significa prevedere come e quando aree multi-disciplinari si fondono (o biforcano) per generare nuova informazione.

Nifty.works ed il suo prototipo Atlas Human Knowledge sono progetti di ricerca applicata per divulgare e accelerare l’innovazione: l’importanza di creare un network della conoscenza umana è rendere la sua topologia accessibile come open-data. Non tanto per accedere ad un particolare dato (quali contenuti video, documenti, pagine web), ma per potere analizzare come l’intero sistema evolve.

Per poter comprendere perché e quanto tutto ciò è importante, pensiamo ad esempio che nel 2030 metà delle attuali professioni sarà scomparsa e ad oggi, il 35% dei lavoratori europei è occupato in un settore non correlato ai propri studi (OCSE[1], fonte Federica Weblearning, la piattaforma di e-learning dell’Università di Napoli Federico II). Circa 2/3 della forza lavoro è impiegata da piccole e medie imprese: compongono circa il 95% del tessuto economico dei Paesi OCSE[2] (36 Paesi che includono l’Europa geografica e le economie di mercato sviluppate). In Italia oltre 9 imprese su 10 sono micro-entità, di cui, quelle che hanno non più di un addetto, realizzano circa 1/3 del valore aggiunto[3].

Secondo ManpowerGroup (azienda di selezione personale), la prospettiva per il 12% dei millenials sarà di dovere lavorare fino alla morte[4]: valorizzare al meglio il proprio tempo è, quindi, un’esigenza che è necessario soddisfare e richiede una trasformazione del modo di lavorare e di apprendere. Nove millenials su 10 già considerano importante avere benefici lavorativi di formazione professionale, e sono desiderosi di dedicare il proprio tempo a formazione continua; 2/3 della forza lavoro sotto i 40 anni la considera un fattore importante nel decidere se rimanere o meno in un’azienda.

Ad oggi, la risposta delle aziende sembra più orientata a competenze per raccontare storie anziché a ricerca e sviluppo[5]; fra le quali spiccano influencing marketing[6], corporate storytelling e giornalismo d’impresa[7] come nuovi modi di raccontare che il proprio brand o che la propria cultura aziendale fanno bene.

Ma come approfondire se e quanto una storia è vera ? Come mettere in condizione di contestualizzare nuova informazione e distinguerla dalla fuffa? Come dialogare e negoziare l’impiego di nuove competenze per rispondere consapevolmente ai problemi del nostro tempo ?

E-learning: competenze nuove

Questo contesto spiega perché il trend del settore e-learning stia raddoppiando nell’arco di una decina di anni (circa 325 miliardi di dollari nel 2025[8]), ed offre un interessante scenario.

A fronte di un mercato del lavoro che richiede una flessibilità senza precedenti per acquisire competenze, una strategia per mantenere le organizzazioni competitive sarà condividere il proprio know-how, anche al di fuori dell’azienda: valorizzare aspetti creativi e problem-solving affinché possano essere impiegati pure da terzi.
Conoscenza modulare, pezzi di “innovazione” un po’ come i mattoncini lego: scambiare un pezzo mancante con altri, può facilitare la creazione di costruzioni nuove, diversificate e complesse, senza dover risolvere ciò che esiste già.

Condividere il proprio know-how potrebbe sembrare suicida, come per chi, negli anni ’90, considerava il software rilasciato in open source una mera scelta etica o naif; non intuiva che avrebbe trasformato il modo di creare valore sia per chi produce software sia per chi lo utilizza per produrre servizi: una trasformazione industriale di filiere intere.
Il trasferimento tecnologico basato su accordi di tutela e licenza di proprietà intellettuale, potrebbe non rivelarsi adeguato: l’evoluzione delle competenze è rapida; di conseguenza, per poterne valorizzare i risultati di ricerca e know-how, riadattare una organizzazione deve essere rapido.

Giornalismo: divulgazione e trasparenza

Cambiamo ora scala: passiamo dal tessuto produttivo di un’azienda, al tessuto economico in cui opera. Comprendere ed esplorare il contesto di un’azienda ha un ruolo fondamentale nella trasparenza – ciò che non è chiaro, può essere raccontato con mezze verità, soprattutto se la storia è riportata da fonti ritenute affidabili. In questo contesto, il giornalismo investigativo raccoglierà la sfida di quanto la trasparenza possa cambiare l’etica delle persone – e quindi, la loro etica lavorativa: qual è l’impatto del loro lavoro; non solo per se stessi o la propria azienda, ma anche per la propria filiera (responsible supply chain management) o il proprio territorio.

Comprendere il contesto di ciò che non si conosce : tra e-learning e giornalismo

Comprendere il contesto di un’organizzazione significa poter navigare tra scale diverse: a livello micro, esplorare le relazioni fra processi produttivi; requisiti; problematiche per articolare e comunicare concetti chiave fra team diversi; a livello macro, accedere a relazioni fra persone; organizzazioni; notizie fattuali (bilanci, report, data-analytics). Anche i non addetti ai lavori possono accedere alla trasparenza per creare relazioni di fiducia (partnership o fedeltà ad un brand).

Il punto di contatto tra e-learning e giornalismo è la possibilità di comprendere il contesto di argomenti complessi; poterlo approfondire e averne una referenza di facile accesso.

L’opportunità è democratizzare l’accesso non solo all’informazione, ma come interpretarla: come impiegare le risorse disponibili (quali il proprio tempo lavorativo) per evincere nuove prospettive, in modo sostenibile e responsabile.

Dal punto di vista di ricerca applicata (network science, intelligenza artificiale), è un bel problema da attaccare: come evolve un sistema complesso, tenendo in considerazione la scarsità di risorse.

La storia di Anna: imprenditrice, socialmente responsabile, incerta sul futuro

Un video di giornalismo investigativo, quale un Report su Rai 3, veicola la complessità di relazioni fra personalità e organizzazioni coinvolte; approfondisce fatti menzionati dai media (quali la tossicità e smaltimento di composti chimici; funzionamenti di tecnologie; esternalità di pratiche aziendali) – ma è difficile ricordare nomi e collegamenti a distanza di una settimana; a distanza di mesi, il rischio è che il contesto venga dimenticato e le personalità coinvolte, scevre da precedenti responsabilità, si riciclino in nuovi ruoli decisionali.

Avere una traccia del contesto di temi complessi ed articolati, permette di tenerne memoria nel tempo.
A esempio, sapresti ricostruire lo scandalo di Veneto Banca ? Quale impatto ha avuto la Miteni nell’ecosistema vicentino ? Quale il background di un politico locale che si è candidato alle elezioni, ricostruito attraverso notizie pubblicate in passato e atti presso le procure ?

Anche il giornalismo divulgativo, quando tratta temi tecnici, può essere difficile da digerire.

Anna ad esempio, è amministratrice di una micro-azienda agricola; è interessata a cogliere nuove opportunità di filiera corta. Non gestisce un’azienda capital-intensive come i grandi produttori di Prosecco e, nonostante il mercato “tiri”, non vuole convertire il suo micro-appezzamento per monocoltura di vitigni glera. E’ attenta a temi di resilienza ecologica, come l’impiego di glifosate e la contaminazione delle falde acquifere da perfluoroalchilici (PFAS) – di cui ha sentito su Report[9].
Vuole creare un servizio con cui i clienti possono acquistare micro-pagamenti in prevendita: le permetterà di scegliere in anticipo il tipo di ortaggi richiesti dalla sua clientela, ed incrementare i margini di vendita dei suoi pomodori rispetto ai 0.10€ dal chilo del grossista ortofrutticolo.

Ha letto sul giornale di “PSD2”, la seconda direttiva europea sui servizi di pagamento digitale.

Prima di rivolgersi ad aziende software; commercialisti; consulenti fintech ed “evangelisti” tecnologici, Anna vorrebbe capire come PSD2 può essere direttamente collegata al contesto della sua azienda agricola.

Sebbene disponga di capitale limitato, non vuole aspettare di leggere recensioni di futuri servizi da parte di qualche nuova startup con sede a Londra, Israele o Silicon Valley – vuole imprendere: essere pioniera, anche nel suo piccolo. Quali sono gli aspetti fondamentali per una possibile implementazione amministrativa e tecnica ?

Seguendo questo esempio, facciamo ora uno zoom-in sulla “rete” del sapere fattuale: entriamo nel campo dell’e-learning, per scoprire in tempi brevi il percorso critico che collega nuove competenze a ciò che è familiare.

Anna vuole esplorare l’impiego di dispositivi di micro-irrigazione: sente parlare di industria 4.0; internet delle cose; blockchain; stampanti 3D; sensori low-cost e intelligenze artificiali per monitorare la qualità e ottimizzare il consumo di acqua in funzione delle componenti chimiche del suolo e dell’ortaggio. Sa cosa siano i metodi agili. Come capitale, dispone del tempo di un team di 3 persone: il suo e di 2 suoi dipendenti. Vorrebbe costruirsi lei un prototipo, capisce che è alla portata ed è motivata ad apprendere nuove competenze per poterlo fare. Di video formativi ne trova, ma sono generici o già focalizzati su aspetti tecnici che lei ancora non conosce.

Da dove cominciare? Da novizia, non sa ancora come formulare domande in modo sufficientemente specifico, chiaro ed esaustivo per essere capite da un’utenza tecnica e avere una risposta “azionabile”, avere in mente cosa fare: un piano con priorità, requisiti e tempistiche.
Anna non sa come chiamare le cosa tecnica che ancora non conosce; la ricerca per keyword è dispersiva e un motore di ricerca non offre risultati per ambiti così specifici e ancora poco comuni.

Orientarsi e conoscere in anticipo le criticalità del suo processo di innovazione, le permetterebbe di risparmiare tempo e di negoziare meglio con futuri fornitori o partners. Quali sono le tappe per collegare il suo background in agronomia con competenze in IoT, 3D printing, programmazione per costruire un prototipo?

I servizi di e-learning

WEBINAR
Intelligenza Artificiale, Data Analysis e Image Recognition: i vantaggi concreti per l’azienda
Big Data
Intelligenza Artificiale

I servizi di e-learning come EdX e LinkedIn Learning offrono video di lezioni universitarie o corsi brevi focalizzati su competenze specifiche (quali l’utilizzo di un software; l’implementazione di metodi agili; tecniche di vendita, etc.). Molte competenze condividono parte del loro contesto: alcuni elementi possono essere ridondanti, come se lo stesso concetto fosse ripetuto in più libri (a esempio, l’intelligenza emotiva è pertinente a human centered design; design thinking; metodologie agili, leadership e collaborative; tecniche di vendita; tecniche di negoziazione; tecniche di comunicazione non verbale; storytelling). Come estrarre e collegare gli argomenti essenziali per un percorso personalizzato ?

In maniera simile alle esigenze di Anna, team diversi in aziende più grandi vorrebbero migliorare la comunicazione su aspetti comuni tra varie funzioni (procedure, utilizzo di componenti, aggiornamento di requisiti fra ingegneri, designers, amministratori, sales).
Vogliono evitare di trattare più volte un problema già risolto, e avere una visione d’insieme condivisa – ma sufficientemente dettagliata in base al ruolo di ognuno.

Prototipi di Ricerca contestuale – divulgazione, comprensione e trasparenza

Come avere una referenza immediata su quali aspetti siano prioritari, per integrare nuova informazione con ciò che conosciamo? Come permettere anche ai non-addetti ai lavori di interagire con il contesto di argomenti complessi? Come rendere accessibile il contesto di cosa si cerca, quando ancora non lo si sa spiegare bene o non è ancora così popolare ?

L’obiettivo di Atlas Of Human Knowledge è una visione d’insieme prima di approfondire gli aspetti tecnici: facilitare la comprensione e scoperta di collegamenti fra aree multidisciplinari.
Il prototipo Atlas espone una collezione di mappe “di sapere”.

Le mappe mostrano percorsi critici fra argomenti diversi.

Possono essere condivise per futura referenza o divulgazione di un tema complesso, rendendo i vari pezzi del puzzle accessibili a terzi.

Ad oggi, le mappe mostrano le correlazioni fra argomenti; possono essere utilizzate anche per mostrare connessioni con persone, organizzazioni o aspetti peculiari ad un’organizzazione o al suo dominio industriale. Per ogni argomento o collegamento, sono aggregati libri, notizie, articoli enciclopedici; possono essere aggregati visualizzazioni di dati, video, documenti e contenuti di e-learning.

Le mappe possono essere create da terze parti, a esempio Persone e Algoritmi.
Le mappe sono condivisibili su web, cosicché un utente può fruire o contribuire ad espandere un “pezzo di puzzle” già esistente: un modello prosumers e di co-buying (B2B2C) agevola lo scambio di moduli “open-innovation” e “open-awareness” per ridurre il gap tra chi produce nuova informazione (aziende; dipendenti e/o consulenti specializzati; università; pubbliche amministrazioni), e chi ha bisogno di comprenderne i benefici, creando incentivi anche per gli utenti finali ad interpretare novità, cambiamenti e a loro volta contribuire a nuova informazione, secondo il proprio contesto applicativo e la propria formazione.

Sapresti aiutare Anna a ridurre l’incertezza – conoscere in anticipo gli aspetti fondamentali che affronterà nel suo processo di prototipazione?

Come può esserti utile conoscere con trasparenza l’impatto di un’organizzazione (personalità e stakeholders coinvolti, esternalità prodotte)?

Per informazioni o contribuire al progetto, clicca qui.

Il futuro della ricerca contestuale: tecnologie

Tre aspetti tecnologici accomunano l’evoluzione di e-learning e giornalismo investigativo[10]:

  • il ruolo di scienza dei network;
  • intelligenza artificiale;
  • interfacce per navigare il contesto di argomenti complessi.

Atlas già supporta tipi di interfacce impiegate in applicazioni di giornalismo investigativo (come Panama Papers, un caso riguardante l’evasione fiscale offshore). In aggiunta, permette di divulgare mappe (connessioni tra argomenti) e contenuti; le mappe vengono integrate in un “connettoma”: un oggetto con una struttura a grafo, che organizza e inferisce nuove connessioni; quando un utente incontra un argomento nuovo, ne può esplorare il contesto, integrando informazioni contribuite da altri o proposte da algoritmi.

Esempi di interfacce per navigare e scoprire relazioni. A sinistra, ICIJ - relazioni fra organizzazioni per esplorare casi di evasione fiscale (giornalismo investigativo). A destra, Nifty.works / Atlas of Human Knowledge - relazioni tra argomenti, con aggiornamento automatico di notizie (ricerca contestuale)

Fig. 1 – Esempi di interfacce per navigare e scoprire relazioni. A sinistra, ICIJ – relazioni fra organizzazioni per esplorare casi di evasione fiscale (giornalismo investigativo). A destra, Nifty.works / Atlas of Human Knowledge – relazioni tra argomenti, con aggiornamento automatico di notizie (ricerca contestuale).

Atlas utilizza modelli di scienza dei network per scoprire nuova informazione contenuta in grafi di conoscenza fattuale.
La scienza dei network esplora come la topologia di una rete influenzi le proprietà di un nodo.

Nel caso di reti economiche, l’opportunità è esplorare come il valore contribuito da un nodo si distribuisce sulla filiera; viceversa, come il contesto di un’organizzazione influenzi il suo successo: a esempio, prevedere la probabilità di successo di una startup, dato il suo network (persone, enti, partner, influencers). Le reti di sapere sono un ottimo punto di partenza per approssimare le reti economiche, perché descrivono economie di beni intangibili.

Il passo successivo è studiare come il sapere evolve nel tempo.

L’intelligenza artificiale applicata alle reti di sapere e reti economiche offre una grande opportunità di ricerca applicata. Le reti sono oggetti tipicamente multi-dimensionali: sono sì più complesse di oggetti euclidei (come audio e immagini); ma in linea di principio si può pensare di generalizzare tradizionali concetti di machine learning (convolutional neural network) per il riconoscimento di immagini, per apprendere e riconoscere caratteristiche salienti della struttura delle reti. Su questa intuizione si basa Geometrical Deep Learning[11]: un dominio emergente studiato all’Università della Svizzera Italiana, sul quale Twitter ha investito con acquisizioni (Fabula AI), e che offre interessantissimi spunti.

Immagina se nei primi 2000 fosse stato possibile predire che il Peer-To-Peer, entro 20 anni, dalla condivisione di files e programmi pirata sarebbe stato utilizzato per validare atti e transazioni (blockchain, fintech).

Immagina ora di prevedere quali relazioni sia opportuno creare fra settori industriali e stakeholders nei network economici di oggi, per accelerare l’innovazione di domani – in modo sostenibile e trasparente.

Accelerare la scoperta di nuove interazioni tra scienze, business, tecnologie; accedere in autonomia e trasparenza al contesto di competenze, organizzazioni e al loro impatto, offrono la visione di esplorare modelli economici per valorizzare il Tempo di risorse umane in aziende e società, con una prospettiva più ampia sul ruolo della divulgazione: mettere in condizione di dialogare e negoziare [12] per rispondere consapevolmente ai problemi del nostro tempo.

__________________________________________________________________

Fonti e Referenze

Reports

Future of Works and Skills, Ocse, 2017

Small and Medium-sized Enterprises: Local Strength, Global Reach, Policy Brief, OECD, 2000

Demografia dell’Impresa, ISTAT, 2017

Risultati Economici delle Imprese, ISTAT, 2016

I percorsi di carriera dei millennial: visione per il 2020, ManpowerGroup, 2016

Influencer Marketing Report (AKQA, IED), 2018

La gestione del trasferimento tecnologico di A. Piccaluga, G. Giuseppe, M. Granieri, Springer, 2011

Trends – E-learning, Giornalismo, tecnologie

Vi spiego perché Il brand journalism è il futuro della comunicazione, Linkiesta, 2019

Innovazione, in Italia cala la spesa in R&S. Skill al palo, Rapporto Cootec, in CorCom 2018

E Learning Climbing To $325 Billion By 2025 UF Canvas Absorb Schoology Moodle, Forbes, 2018

eLearning: dai vantaggi ai trend per l’apprendimento online, InsideMarketing, 2019

Size of e-learning market in 2013 and 2016, by segment (in million U.S. dollars), Statista, 2018

eLearning Industry – network-based media and publishing company. https://elearningindustry.com/

Comunicazione della scienza: 5 parole chiave, Observa – Science in Society, 2019

La comunicazione della Scienza non è un campo di Battaglia, Wired, 2019

Piano di Comunicazione – CNR, Consiglio Nazionale delle Ricerche, 2016

International Consortium of Investigative Journalists – https://www.icij.org/

Global Investigative Journalism Network –https://gijn.org/

Introducing Geometric Deep Learning – http://geometricdeeplearning.com/

Contextual Research platforms – Nifty.works – Maps of Knowledge Landscapes

News

Twitter acquires Fabula AI to strengthen its machine learning expertise, Twitter, 2019

Veneto, Pfas nel sangue degli adolescenti: fino a 40 volte la soglia di sicurezza, Report, Rai, 2019

Popolare di Vicenza e Veneto Banca, Report, Rai, 2019

Info

Atlas of Human Knowledge – Informazioni

  1. Future of Works and Skills, Ocse, 2017
  2. Small and Medium-sized Enterprises: Local Strength, Global Reach, OECD, 2000
  3. ISTAT, Demografia dell’Impresa (201), Risultati economici delle Imprese (2016).
  4. I percorsi di carriera dei millennial: visione per il 2020, ManpowerGroup, 2016
  5. Innovazione, in Italia cala la spesa in R&S. Skill al palo, Rapporto Cootec, in CorCom 2018
  6. Influencer Marketing Report (AKQA, IED), 2018
  7. Vi spiego perché il brand journalism è il futuro della comunicazione, Linkiesta, 2019
  8. Size of e-learning market in 2013 and 2016, by segment (in million U.S. dollars), Statista, 2018
    E-Learning Climbing To $325 Billion By 2025 UF Canvas Absorb Schoology Moodle, Forbes, 2018
  9. Report Rai – Veneto, Pfas nel sangue degli adolescenti: fino a 40 volte la soglia di sicurezza
    Report Rai – Popolare di Vicenza e Veneto Banca
  10. What the Experts Expect for Data Journalism in 2019 – Global Investigative Journalism Network
  11. http://geometricdeeplearning.com/
  12. Consiglio Nazionale delle Ricerche (CNR) – Obiettivi del Piano di Comunicazione, Divulgazione scientifica e comunicazione della scienza, in Piano di Comunicazione 2016
WHITEPAPER
Ricerca IDC: come aggregare i dati per un'analisi ottimale
Big Data
Business Analytics

@RIPRODUZIONE RISERVATA

Articolo 1 di 4