Un sacco et(n)ico: un progetto di mediazione linguistico-culturale per la sostenibilità

Il progetto Un sacco et(n)ico si rivolge ad alcune attività di ristorazione etnica nelle città di Milano, Bergamo e Brescia utilizzando l’approccio della mediazione linguistico-culturale per raggiungere due obiettivi specifici: comunicare a ristoratori e ristoratrici le restrizioni introdotte dalla Direttiva Europea Single Use Plastics (Direttiva SUP), che ha vietato l’immissione sul mercato di diversi prodotti in plastica monouso utilizzati dalle attività di ristorazione in particolare per i servizi di asporto e di consegna a domicilio; migliorare la qualità della raccolta differenziata dei rifiuti prodotti da questo tipo di attività.

Continue reading

“UN SACCO ET(N)ICO”: raccolta differenziata e ristorazione multiculturale

“UN SACCO ET(N)ICO”: raccolta differenziata e ristorazione multiculturale

Il progetto si rivolge alle attività di ristorazione etnica attraverso l’approccio della mediazione linguistico-culturale, con il duplice obiettivo di migliorarne la qualità della raccolta differenziata dei rifiuti, incrementarne l’avvio al riciclo e comunicare le restrizioni introdotte dalla direttiva europea SUP (Single Use Plastics) proprio su alcuni prodotti in plastica non compostabile monouso largamente utilizzati nei servizi di asporto e di consegna a domicilio del cibo (posate, piatti, cannucce e palettine per caffè; contenitori per alimenti e bevande in polistirene espanso).

Il progetto, finanziato da Fondazione Cariplo  e Novamont , si svolge contemporaneamente su tre città (Bergamo, Brescia e Milano) e vede come partner le aziende che gestiscono la raccolta differenziata (APRICA e AMSA), due realtà locali esperte di mediazione linguistico-culturale (la cooperativa Ruah  e l’associazione ADL a Zavidovici), il  Dipartimento di Scienze della Mediazione Linguistica e di Studi Interculturali dell’Università degli Studi di Milano e l’associazione Economia e Sostenibilità come capofila. I tre comuni coinvolti patrocinano il progetto, sostenuto anche da ANIPS e Ascom Bergamo.

I mediatori culturali stanno contattando le circa 340 attività di ristorazione (200 a Milano, 65 a Bergamo e 75 a Brescia) per presentare il progetto ed ottenere l’adesione da parte del ristoratore. Verranno consegnati materiali informativi (le linee guida per la raccolta differenziata, la brochure del progetto con i riferimenti principali) tradotti nella lingua madre dell’esercente (cinese, arabo, turco, spagnolo e urdu).

Gli esercenti che aderiranno al progetto saranno coinvolti in due ulteriori incontri con il personale di AMSA e APRICA, sempre accompagnati dai mediatori culturali: il primo incontro per chiarire gli eventuali dubbi sulle procedure di differenziazione dei rifiuti e sull’applicazione della direttiva europea SUP e per fornire informazioni sui prodotti in plastica monouso utilizzati. Il secondo, a distanza di qualche mese, per permettere di valutare i risultati dell’intervento, sia sulla qualità della differenziata che sul grado di sostituzione dei prodotti in plastica monouso vietati. Ciascun esercente coinvolto riceverà in omaggio circa 1.000 food bag compostabili da testare.

Il progetto è iniziato a marzo 2021 e si conclude ad agosto 2022.

www.unsaccoetnico.it

La statistica nella lettura dei fenomeni socio-economico climatici

© Harriet Lee Marrion, Fertile Earth
© Harriet Lee Marrion, Fertile Earth
 

Il ruolo della statistica nella lettura dei fenomeni socio-economico climatici

 

In una società complessa e sempre più caratterizzata dall’interazione tra uomo e macchina è inevitabile dover discutere di fenomeni economico-sociali e ambientali utilizzando dati empirici e informazioni raccolti sul campo. È altrettanto inevitabile l’utilizzo di appropriate metodologie di analisi di questi al fine di comprendere il reale contenuto informativo che essi possono fornirci. Nel corso degli ultimi anni, e la pandemia COVID ha dato una ulteriore spinta, sono entrati nel nostro vocabolario giornaliero diversi termini, quali ad esempio Big Data, Intelligenza Artificiale, Data Drive, o Modelli empirici. Tutti termini che in qualche misura hanno a che vedere con la disciplina della Statistica e dell’Analisi dei dati[1].

Anche la società si è modellata di conseguenza: i telegiornali e i media offrono sempre più servizi su queste tematiche, invitando esperti dei settori o realtà connesse; sono nati molti corsi di laurea e master per formare esperti in analisi dei dati in grado di interpretare i fenomeni che ci circondano e tentare di trasformare i fenomeni in opportunità.

In effetti diventa sempre più difficile ottenere visibilità e credibilità se non ci si trova sulla frontiera di queste tematiche. Anche EStà ha colto questa opportunità e ha cercato di espandere le proprie competenze interne sviluppando collaborazioni con il mondo accademico e della ricerca per sviluppare metodologie solide e utili per comprendere con occhi oggettivi, guidati dai dati, la sempre più intricata relazione tra lo sviluppo economico moderno, l’ambiente, il mondo dell’energia e la società in continua evoluzione.

Ma facciamo un passo indietro. Di cosa stiamo parlando davvero? Con quale realtà ci dobbiamo confrontare? Partiamo da una semplice definizione di Statistica: la statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno collettivo in condizioni di incertezza o non determinismo, cioè di non completa conoscenza di esso o di una sua parte[2].

Già nella definizione sono racchiusi molti concetti fondamentali che è necessario sviluppare. Innanzitutto il termine disciplina indica la Statistica come una materia, un insieme di metodologie e di teorie. Non si tratta di semplici formule o numeri. È un corpus di contenuti che ha una propria filosofia sottostante, delle regole e dei metodi che permettono di interpretare i fenomeni, ossia eventi, che ci circondano. I fenomeni sono collettivi, riguardano una popolazione di interesse (un gruppo di soggetti o oggetti che si vogliono analizzare), che vengono studiati in un contesto di incertezza. Incertezza è tra tutti il vero cuore della definizione, il punto focale. La parola incertezza esprime il concetto di ignoranza (in senso positivo chiaramente) su qualcosa, la mancanza di informazioni totali e solo una conoscenza parziale e limitata del fenomeno. Indica che non tutto è controllabile (appunto, non è deterministico) e che, pur facendo il massimo nei nostri sforzi di modellistica, qualcosa sfuggirà sempre al controllo e potrebbe determinare importanti variazioni tra ciò che si afferma e la realtà. Incertezza e Caso, sono i due concetti che distinguono la Statistica e i suoi adepti, gli Statistici, da altre figure professionali e di ricerca. In un certo senso è come dire che per quanto uno si sforzi nel comprendere un fenomeno, un errore (distanza tra realtà e il nostro risultato) dovrà essere sempre tollerato. Il punto è come rendere questo errore minimo, poco influente, senza però avere la pretesa di eliminarlo o ignorarlo.

Già da qui è chiaro che si tratti di un mondo complesso, e a volte oscuro, che richiede una notevole cura e competenza nell’utilizzo degli strumenti che ci mette a disposizione. E a cosa serve davvero tutto questo? Una risposta semplice, ma non banale potrebbe essere quella di voler raccontare una storia. Prima di raccontarla, però, devo comprendere la storia e i dati ci danno una grande mano.

Torniamo al concetto di Popolazione, perché è da qui che nascono le parti più interessanti. Con la parola popolazione intendiamo qualunque gruppo di soggetti o oggetti accomunati da qualche caratteristica che li rappresenta e di cui siamo interessati ad ottenere delle informazioni. Con popolazione potremmo intendere ad esempio, l’insieme di tutte le imprese italiane operanti in un determinato settore oppure l’insieme di tutti gli studenti italiani in un dato momento. Oppure il numero di membri di una determinata specie di animali in una foresta o il numero totale di alberi di un’area.

Spesso non è possibile raggiungere tutta la popolazione complessiva. Perché troppo grande (quanti alberi ci sono esattamente in Italia? Difficile a dirsi), perché non si conoscono le ‘generalità’, i ‘nomi’ di tutti i membri della popolazione (quante sono esattamente le persone immigrate in Italia nell’ultimo anno? Tra migranti regolari e irregolari non è facile contare). Per questo motivo si utilizza un campione (un sottogruppo, sottoinsieme) della popolazione di interesse, lo si studia e analizza e infine si prova a trarre qualche conclusione sulla popolazione complessiva partendo dai risultati campionari. Questo processo di passaggio dai dati campionari a stime sulla popolazione complessiva prende il nome di Inferenza Statistica. Ovviamente, dal momento che utilizzo solo parte della popolazione e la inserisco nel campione, commetteremo un errore di approssimazione che è tanto più piccolo tanto più il campione è grande e tanto più esso rappresenta la vera natura della popolazione. Facciamo un esempio: se volessi stimare l’altezza media dei cittadini italiani (diciamo circa 60 milioni), dovrei costruire un campione quanto più ampio possibile (diciamo almeno qualche migliaio di persone) e questo campione deve rispettare la distribuzione della popolazione in termini di genere (stessa % di maschi nel campione e nella popolazione), di fascia di età (stessa % di persone tra i 40 e i 50 anni nel campione e nella popolazione) e di area geografica (stessa % di cittadini Lombardi nel campione e nella popolazione). Il campione così ottenuto è rappresentativo (rispetta le caratteristiche chiave, le proprietà) della popolazione. L’errore, come anticipato, esisterà sempre e non potrà essere eliminato. Al più possiamo cercare di ridurlo al minimo con degli appropriati metodi. L’incertezza è la chiave di comprensione dell’inferenza.

Partendo dall’inferenza posso poi fare delle previsioni nel tempo (previsione per serie storiche), nello spazio (previsione con modelli geo-statistici o spaziali) o su soggetti della popolazione non presenti nel campione (previsione cross-sezionale). Vale a dire, usando informazioni osservate posso ottenere delle stime di valori che sono ancora ignoti nel tempo (il meteo di domani), nello spazio (le concentrazioni di inquinanti in una certa città) o su un particolare soggetto (qual è la ricchezza di un soggetto che ha certe caratteristiche socio-economiche). Ancora una volta, anche la previsione dà luogo ad un errore di previsione che va considerato.

Ora, facciamo uno sforzo, e proviamo ad applicare questi concetti nei contesti dello sviluppo economico sostenibile, dell’ambiente, dell’inquinamento o della società. Ciò che EStà sta maturando in questi anni è la convinzione che alcuni fenomeni e trend ambientali ed economici possano essere interpretati e, sotto certe condizioni, previsti. Basti pensare ai cambiamenti climatici: i dati raccontano che le temperature in tutto il globo sono in evoluzione, abbiamo aree del mondo in cui la temperatura si alza e altre in cui si abbassa (lo scioglimenti dei ghiacci polari ha questa assurda contraddizione giudicata senza senso da tanti scettici, ad esempio l’ex presidente degli Stati Uniti, ma che ha solide basi scientifiche); il livello del mare si sta alzando un po’ ovunque; le concentrazioni di inquinanti si stanno riducendo in varie aree d’Italia (la Lombardia ad esempio registra ossidi e particolati in forte diminuzione dal 2014 in avanti). Escludendo eventi esogeni, cioè che non dipendono dalla struttura economico-sociale di un sistema economico, anomali come la pandemia da COVID-19, anche lo stato di salute di una economia può essere analizzata e prevista. Ogni anno gli istituti nazionali e internazionali di statistica ci offrono stime sugli andamenti della ricchezza, sia nel tempo che a livello territoriale e le banche centrali tentano di interpretare l’evoluzione dei prezzi. Non bisogna stancarsi nel dire che, pur quando sono fornite da enti certificati e accreditati (come può essere ISTAT o Banca d’Italia), le stime possono essere errate proprio in virtù di quell’errore ci sempre accompagna gli statistici.

EStà sta impegnando molte risorse e tempo nello studio delle metodologie più appropriate per sviluppare modelli e analisi di qualità che permettano di indirizzare gli interlocutori verso scelte ragionate e basate quanto più possibile su criteri oggettivi. Fermo restando che non sempre sia possibile fornire una indicazione esatta, ma quanto meno sensata e solida nei fondamenti.

 

 

[1] Facciamo attenzione ad un aspetto davvero importante parlando di dati: due concetti connessi non per forza si sovrappongono. Statistica, Machine Learning, Ingegneria del dato, sono termini tra loro connessi e identificano campi e filosofie complementari, ma al tempo stesso contrastanti. Ognuno di questi campi ha visioni diverse e richiedono competenza diverse, ma devono comunicare per una corretta evoluzione della ricerca.

[2] https://it.wikipedia.org/wiki/Statistica

I numeri e la società

© Loulou and Tummie, 2015
© Loulou and Tummie, 2015
 

I numeri e la società

I fenomeni economici e sociali non possono e non sono ravvisabili nei numeri. La statistica descrittiva aiuta a studiare i fenomeni quantitativi e qualitativi della collettività, sebbene le condizioni di incertezza, cioè di incompleta conoscenza di essa o di una sua parte, assegnano alla logica e all’intelligenza un ruolo ancor più stringente. La semplice rilevazione di un numero, per esempio l’inflazione, non permette di catturare il fenomeno dell’inflazione. Occorre accoppiare sempre un’altra rilevazione per catturare e interpretare la crescita dei prezzi: possono crescere i profitti, il costo delle materie prime, oppure gli investimenti non hanno dato i risultati attesi. Possiamo anche sostenere che la crescita della massa monetaria ha permesso la crescita dei prezzi dei titoli quotati in borsa; è una crescita del valore dei titoli trattati o una crescita dei prezzi dei titoli trattati?

La dissertazione è un avvertimento ai naviganti circa le misure e gli indicatori. Sono sempre utili e funzionali all’interpretazione dei fenomeni, ma è solo grazie al metodo e all’intelligenza che i numeri possono raccontarci qualcosa di interessante, che rimane pur sempre parziale e verificabile (Popper e la discutibilità della tesi).

L’esperienza e il lavoro aiutano. Passo dopo passo permette di affinare le informazioni statistiche, di testarle e verificare la loro attendibilità (parziale) rispetto ai fenomeni economici e sociali.

EStà ha maturato alcune convinzioni rispetto ai numeri che più e meglio di altri aiutano la comprensione della società.  Sono un supporto prezioso per catturare il ben-essere della collettività ravvisabile nei cambiamenti climatici, occupazionali e di reddito disponibile. Rispetto al reddito disponibile utilizziamo sia la contabilità dei fattori, sia quella della domanda. Si tratta di due facce della stessa medaglia, ma con un significato economico abbastanza diverso. Il primo tende a misurare il Reddito dal lato del consumo, degli investimenti e della spesa pubblica; il secondo osserva la sua distribuzione, ovvero la ripartizione tra salari, profitto e rendita. Inoltre, EStà cerca sempre di comparare le informazioni statistiche con quelle di altre realtà socioeconomiche che meglio di altre possono essere associate al Paese o alla Regione Lombardia. Diversamente i “numeri” raccolti hanno una capacità esplicativa manifestamente contenuta. La comparazione è un tratto caratteristico del nostro lavoro.

Alcune ipotesi di ricerca sviluppate nel tempo e con un certo grado di raffinatezza, pur nei limiti sopra ricordati, suggeriscono che 1) alcune variabili sono più rappresentative di altre e 2) la combinazione tra due variabili permette di catturare (in parte) alcuni tratti dei fenomeni indagati. Solo per offrire una prima rappresentazione immaginiamo di voler catturare l’innovazione tecnologica e/o il contenuto tecnico degli investimenti. La prima potrebbe essere legata all’innovazione incorporata negli investimenti (investimenti su valore aggiunto), la seconda nell’intensità tecnologica (ricerca e sviluppo su investimenti). Naturalmente il fenomeno è più complesso, ma nel tempo ha mostrato una certa solidità, anche accademica, attraverso un certo numero di pubblicazioni.

Alcuni indicatori sono consolidati nella pubblicistica e difficilmente è possibile rinunciarvi:

  • Consumi
  • Investimenti
  • Spesa pubblica

A questi possiamo associare:

  • Reddito da lavoro;
  • Reddito da profitto;
  • Reddito da rendita, ancorché quest’ultima abbia non poche implicazioni economiche di difficile soluzione.

Come è facile intuire, è solo attraverso la comparazione con altre realtà socioeconomiche omogenee che queste variabili possono consegnarci un risultato adeguato a esprimere una qualsiasi valutazione. Inoltre, è necessario considerare le poste indicate utilizzando alcune sotto categorizzazioni: pro-capite, a prezzi costanti e/o correnti, in rapporto all’aggregato e via discorrendo.

EStà ha poi indagato nelle proprie ricerche la struttura economica, ovvero il contenuto quali-quantitativo dell’offerta. Di norma utilizziamo il valore aggiunto per addetto, sostanzialmente la produttività, nella consapevolezza che il valore aggiunto è soggetto a molte considerazioni. Infatti, il valore aggiunto, così come la sua dinamica, variazione su un anno base, è legato al posizionamento del settore rispetto alla domanda, al contenuto tecnico e tecnologico dell’output e alla specializzazione produttiva. Di norma tentiamo di catturare questi fenomeni in quanto restituiscono la “resilienza” del settore e del sistema economico nel suo insieme. Il processo potrebbe essere rappresentato come una approssimazione quali-quantitativa che assume ancor più significato se le informazioni considerate vengono comparate. In particolare:

  • Investimenti su valore aggiunto (reddito)
  • Ricerca e Sviluppo su investimenti che in alcuni casi può anche rappresentare la conoscenza incorporata nei beni capitali
  • Incidenza del valore aggiunto aggregato per settore che restituisce il quanto e il come una realtà economica è specializzata

Tale approccio è apparso un punto di partenza utile per catturare la grande sfida tecno-economica sottesa al Green deal e alla digitalizzazione. In effetti, se agli indicatori appena menzionati associamo le emissioni climalteranti (CO2 eq.)  possiamo “valutare” alcune correlazioni (link) tra le emissioni di CO2 con gli investimenti, la Ricerca e Sviluppo, il valore aggiunto e la specializzazione produttiva, ottenendo indicazioni su come un ambito settoriale e/o territoriale si colloca rispetto alla sfida cogente della decarbonizzazione. Più precisamente:

  • CO2 su valore aggiunto
  • CO2 su investimenti
  • CO2 su ricerca e sviluppo
  • CO2 su intensità tecnologica
  • CO2 su reddito da lavoro.

EStà si è anche cimentata in alcune stime circa gli effetti occupazionali e di valore aggiunto di investimenti, ricerca e sviluppo tesi a ridurre l’impatto climalterante della CO2. Una sfida che affonda le sue radici in approcci metodologi diversificati perché riflettono modi differenti di vedere la società, ma utili per costruire le stime, le quali rimangono tali. In effetti, un modello che catturi il potenziale paradigma tecno-economico non esiste, nemmeno nella teoria della complessità veicolata da Mauro Gallegati.

EStà non rappresenta il mondo per quello che è, piuttosto interpreta e suggerisce delle idee rispetto ad alcune variabili testate nel tempo. La materia economica e statistica non sono una scienza neutrale. Chi guarda il mondo ha sempre occhiali e fotografie da utilizzare.

ITA

ENG