Data as Transcendental Stabilizations: Symbolic Mediation and the Pre-Semantic Conditions of Data
Questo articolo sostiene che i dati non siano primitivi ontologici o meri artefatti tecnici, ma emergano attraverso stabilizzazioni simboliche storicamente variabili che trasformano configurazioni differenziali in differenze operativamente disponibili, riformulando così questioni come il pregiudizio algoritmico come dispute tra regimi di intelligibilità concorrenti piuttosto che come semplici problemi di gestione tecnica.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina di tenere in mano un secchiello di sabbia. Per un geologo, è un campione di silice e feldspato. Per un bambino, è materiale per costruire castelli. Per un poeta, è una metafora del tempo che scivola tra le dita. Ma prima che queste persone possano dire "questa è sabbia", qualcosa di invisibile deve accadere per primo. I granelli caotici e mutevoli devono essere catturati, nominati e trasformati in qualcosa che possa essere contato, condiviso e ricordato. Questa è la vita segreta dei dati.
Nel mondo della scienza e della tecnologia, spesso trattiamo i dati come piccoli mattoncini di realtà che raccogliamo semplicemente dal pavimento. Presumiamo che se abbiamo un termometro, la temperatura sia semplicemente "lì", in attesa di essere scritta. Ma un nuovo articolo di Rodrigo Garrido suggerisce che questo sia un po' un trucco. Sostiene che il dato non sia qualcosa che troviamo; è qualcosa che creiamo. Per capire questo, dobbiamo guardare a tre grandi idee. Primo, la mediazione simbolica: l'idea che non possiamo toccare la realtà direttamente; dobbiamo sempre usare strumenti, parole o numeri per tradurre il mondo in qualcosa che possiamo comprendere. Secondo, la stabilizzazione: il processo di prendere qualcosa di disordinato e cambiarlo affinché rimanga uguale abbastanza a lungo da essere utile. E terzo, la proiezione: come proiettare la luce di una torcia su un oggetto 3D per vederne l'ombra 2D, dobbiamo scegliere quali parti della realtà evidenziare e quali ignorare per creare un "dato". Perché questo è importante? Perché se pensiamo che il dato sia solo "verità pura", potremmo non accorgerci del fatto che il modo in cui scegliamo di misurare le cose decide effettivamente cosa possiamo vedere, cosa possiamo conoscere e persino cosa conta come "reale" nel nostro mondo digitale.
Cosa sta dicendo realmente questo articolo? Propone che un "datum" (un singolo pezzo di dato) non sia un piccolo pezzo preesistente dell'universo. Invezione, è una stabilizzazione trascendentale. Questo è un modo complicato per dire che è un'istantanea della realtà che è stata congelata, confezionata e resa ripetibile da un set specifico di regole e strumenti.
Pensa alla realtà come a un enorme, continuo, ronzante fiume di informazioni. È sempre in movimento, cambia ed è pieno di differenze infinite. Non puoi semplicemente prendere il fiume con un secchio e metterlo in un barattolo; traboccerebbe semplicemente. Per ottenere dei "dati", devi costruire una diga. Devi decidere dove tagliare il fiume, cosa misurare e come etichettarlo. L'articolo sostiene che l'atto di costruire la diga è ciò che crea il dato. Prima che la diga venga costruita, c'è solo il fiume (variazione ontologica). Una volta costruita la diga e una volta che l'acqua è stata incanalata in un tubo specifico, quello è il dato.
L'autore usa alcune metafore interessanti per spiegare come funziona questo processo. Immagina di cercare di descrivere una canzone. Le onde sonore nell'aria sono il "fiume". Se vuoi trasformare quella canzone in un file sul tuo computer (un dato), devi tagliare il suono in piccoli pezzi discreti. Questo si chiama tokenizzazione nel mondo dei computer. Non puoi dare l'intera canzone continua a una macchina; devi scomporla in piccoli pezzi (token) che la macchina possa contenere. Ma ecco il punto cruciale: il modo in cui la tagli cambia la canzone. Se la tagli seguendo il ritmo, otterrai un certo tipo di dato. Se la tagli seguendo l'altezza della nota, ne otterrai un tipo completamente diverso. L'articolo dice che il "dato" non è la canzone stessa; è il modo specifico in cui hai deciso di tagliarla.
L'articolo sostiene anche che questo non è un evento isolato. Una volta tagliata la canzone, devi impedire che quei pezzi si sfaldino. È qui che entra in gioco la sedimentazione tecnica. Immagina di scrivere una ricetta su un foglio di carta. Quel foglio è un "supporto tecnico". Tiene la ricetta in modo che tu possa leggerla domani. Ma quel foglio ha delle regole: ha delle righe, ha una certa dimensione e forse è scritto in una lingua che conosci. Quelle regole del passato (la carta, la lingua) sono "sedimentate" nella tua ricetta. Esse decidono cosa puoi scrivere e come puoi scrivere. L'articolo suggerisce che tutti i nostri dati siano così. Sono costruiti su strati di vecchi strumenti, vecchie regole e vecchi modi di pensare che spesso nemmeno notiamo. Un database progettato negli anni '80 potrebbe ancora oggi decidere che tipo di dati possiamo raccogliere, semplicemente per il modo in cui è stato costruito.
L'autore è molto chiaro su cosa il dato non sia. Non è un pezzo "grezzo" di realtà in attesa di essere scoperto. Non puoi semplicemente trovare un "datum" in natura. Un cambiamento di temperatura esiste, certo, ma diventa un "dato di temperatura" solo quando un termometro lo misura, un computer lo registra e uno scienziato concorda su come scriverlo. L'articolo contesta anche l'idea che il dato sia solo un elemento neutro per la verità. Al contrario, suggerisce che il modo in cui stabilizziamo i dati (le regole che usiamo) in realtà crea la verità che vediamo. Se usi un set diverso di regole (una forma simbolica diversa), ottieni un tipo di dato diverso e un tipo di verità diverso.
L'articolo non sostiene di aver trovato una formula magica per risolvere tutti i problemi legati ai dati. Inve invece, suggerisce che dobbiamo cambiare il nostro modo di pensare ai dati. Non dovremmo trattare i dati come se fossero solo "là fuori". Dobb di realizzare che il dato è un prodotto delle nostre scelte, dei nostri strumenti e della nostra storia. Quando parliamo di cose come il "bias algoritmico" o la "privacy dei dati", l'articolo suggerisce che non dovremmo guardare solo i numeri. Dovremmo guardare la diga che abbiamo costruito. Dovremmo chiederci: chi ha deciso dove tagliare il fiume? Quali regole abbiamo usato per tagliare la canzone? Quali vecchie, polverose regole del passato stanno ancora controllando ciò che possiamo vedere oggi?
In breve, l'articolo ci invita a smettere di guardare ai dati come a uno specchio della realtà e a iniziare a vederli come un dipinto. Il dipinto non è la realtà stessa; è una versione specifica, stabilizzata e consolidata della realtà, creata dal pennello dell'artista, dalla tela e dalla storia dell'arte che è venuta prima. E proprio come un dipinto, ci dice tanto sull'artista e sugli strumenti che ha usato quanto sul mondo che sta cercando di mostrare.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.