A Bibliometric Mapping of Airport Security: Research Trends, Thematic Structure, and Practical Implications

Ogni volta che un viaggiatore varca la soglia di un aeroporto, entra in un sistema complesso progettato per bilanciare due necessità contrastanti: l'assoluta necessità di sicurezza e il desiderio di un viaggio fluido ed efficiente. Dietro le quinte di questi posti di controllo della sicurezza, una rivoluzione silenziosa sta avendo luogo nel modo in cui i ricercatori comprendono e migliorano il processo. Per decenni, l'attenzione è stata divisa tra due mondi distinti. Da un lato, c'è l'elemento umano: l'addestramento, la psicologia e i limiti cognitivi degli addetti alla sicurezza che osservano le immagini a raggi X per individuare oggetti pericolosi. Dall'altro lato, c'è la frontiera tecnologica: lo sviluppo rapido di computer e software in grado di riconoscere automaticamente le minacce nei bagagli. Sebbene entrambi gli aspetti mirino a mantenere sicli i cieli, hanno spesso operato in corsie separate, comunicando raramente tra loro. Questa separazione solleva una domanda critica per il futuro del viaggio: come possiamo combinare al meglio l'abilità umana con l'intelligenza delle macchine per creare un sistema di sicurezza che sia allo stesso tempo efficace ed efficiente?

Per rispondere a questo, un ricercatore di nome Tarık Mildan, della Kocaeli University in Turchia, ha deciso di mappare l'intero panorama della ricerca accademica sulla sicurezza aeroportuale. Invece di leggere ogni singolo studio uno per uno, il che sarebbe impossibile dato l'enorme volume di lavoro, ha utilizzato un metodo chiamato analisi bibliometrica. Pensate a questo come a un modo per scattare una fotografia a una vasta biblioteca e tracciare una mappa che mostri quali libri vengono letti più spesso insieme, quali autori dialogano tra loro e quali argomenti stanno guadagnando popolarità. Raccogliendo 1.207 documenti accademici pubblicati tra il 2010 e l'inizio del 2025 da un importante database chiamato Scopus, Mildan ha creato una rappresentazione visiva della struttura intellettuale del campo. Ha esaminato chi ha scritto i documenti, quali parole hanno usato più frequentemente e come gli argomenti sono cambiati nel tempo. L'obiettivo non era solo contare gli articoli, ma comprendere i modelli nascosti che dettano come la conoscenza in questo campo venga costruita e dove rimangano dei vuoti.

La mappa ha rivelato una storia chiara di due percorsi paralleli che sono stati corsi fianco a fianco. Un percorso è profondamente radicato nella psicologia umana. Al centro di questo gruppo c'è un ricercatore di nome Adrian Schwaninger, che guida una rete di studiosi focalizzati su come le persone vedono e interpretano le immagini. Questi studi esaminano i processi mentali degli addetti alla sicurezza, come vengono addestrati per individuare le minacce e come interagiscono con le macchine che utilizzano. Questa tradizione è stata costante e stabile, costruendo una solida base di conoscenze sulle prestazioni umane e sulle sfide cognitive legate all'osservazione di immagini a raggi X per ore intere. L'altro percorso è guidato dall'ingegneria e dall'informatica. Questo lato della mappa è esploso negli ultimi anni, in particolare dopo il 2019. È dominato dalla ricerca sul deep learning, un tipo di intelligenza artificiale che permette ai computer di "vedere" e identificare oggetti. I termini più frequenti in questo cluster includono "deep learning", "object detection" e strumenti software specifici come YOLO, che sta per "You Only Look Once" (Guardi una sola volta). Questa tecnologia permette alle macchine di scansionare i bagagli e segnalare potenziali minacce in una frazione di secondo, una capacità che è diventata uno standard nella ricerca moderna.

Ciò che rende questa mappa così preziosa è che mostra come questi due percorsi si siano ampiamente ignorati a vicenda. I ricercatori che studiano la psicologia umana raramente citano i lavori scritti dagli informatici, e viceversa. I dati mostrano che, mentre il gruppo dei fattori umani ha una comunità di collaboratori molto unita, il gruppo tecnologico è un campo enorme e in rapida crescita che ha attirato migliaia di citazioni. Gli autori più prolifici nel settore tecnologico sono esperti di computer vision e intelligenza artificiale, mentre gli esperti di fattori umani sono psicologi e ricercatori applicati. Questa divisione suggerisce che il campo è attualmente diviso in due conversazioni separate. Una conversazione riguarda come addestrare una persona per farla diventare migliore nel proprio lavoro, e l'altra riguarda come costruire una macchina che possa svolgere quel lavoro al posto suo. Lo studio suggerisce che questa separazione potrebbe essere un problema, poiché il futuro della sicurezza aeroportuale dipenderà probabilmente dall'integrazione di questi due approcci piuttosto che dal mantenerli separati.

La cronologia della ricerca racconta un'altra storia importante. Per i primi otto anni del periodo di studio, dal 2010 al 2018, il numero di pubblicazioni è cresciuto con un ritmo lento e costante. Tuttavia, a partire dal 2019, la produzione è aumentata drasticamente, raggiungendo un picco nel 2023 e nel 2024. Questo improvviso balzo coincide con l'adozione diffusa di tecniche avanzate di computer vision. L'impennata non è stata un generico aumento di interesse; è stata guidata specificamente da un'ondata di nuovi studi sul deep learning, l'imaging a raggi X e il rilevamento automatizzato delle minacce. Le aree tematiche di questi articoli confermano questo spostamento. La maggior parte del lavoro proviene ora da dipartimenti di ingegneria e informatica, con una parte significativa proveniente anche da matematica e fisica. Sebbene le scienze sociali e la psicologia contribuiscano ancora con un numero sostanziale di studi, la loro quota è diventata minore rispetto alla fiorente letteratura tecnica. Ciò indica che il campo sta diventando sempre più tecnico, con un forte accento sulla costruzione di algoritmi e sistemi di rilevamento migliori.

Nonostante l'impressionante crescita tecnologica, la mappa evidenzia anche ciò che manca. La ricerca è fortemente sbilanciata verso la meccanica del rilevamento: come rendere le macchine più veloci, più accurate e migliori nel riconoscere armi o esplosivi. Tuttavia, l'esperienza del passeggero è appena accennata. C'è pochissima ricerca che colleghi il processo di controllo della sicurezza a come i viaggiatori si sentono, quanto tempo aspettano o quanto siano soddisfatti del servizio. Allo stesso modo, gli aspetti politici ed economici più ampi della sicurezza aeroportuale sono poco esplorati. Mentre il lato tecnico dell'equazione viene risolto con grande rapidità, il lato umano dell'equazione — come questi sistemi si inseriscono nella vita quotidiana dei viaggiatori e come vengono regolamentati — rimane un punto cieco. Lo studio suggerisce che la ricerca futura debba colmare queste lacune, esaminando come il rilevamento automatizzato possa essere integrato con l'addestramento umano e come le misure di sicurezza possano essere progettate per essere sia sicure che adatte ai passeggeri.

Per le persone che gestiscono effettivamente gli aeroporti e progettano le politiche di sicurezza, questi risultati offrono una guida chiara. La persistenza della tradizione della ricerca sui fattori umani suggerisce che le macchine non sono un sostituto degli addetti alla sicurezza, ma piuttosto uno strumento che deve essere utilizzato insieme a loro. I dati indicano che, anche mentre sviluppiamo una migliore intelligenza artificiale, dobbiamo continuare a investire nella formazione delle persone, perché la fiducia tra l'addetto alla sicurezza e la macchina è una questione psicologica complessa che non può essere data per scontata. Inoltre, il rapido ritmo del cambiamento tecnologico significa che le regole e i regolamenti che governano la sicurezza aeroportuale devono stare al passo. Se la tecnologia avanza ogni anno, i processi di certificazione per le nuove apparecchiature non dovrebbero restare indietro di anni. Infine, lo studio sottolinea che la strategia di sicurezza più efficace deriverà probabilmente dal collegare i punti tra i programmi di screening basati sul rischio, che trattano i passeggeri in modo diverso in base al loro livello di rischio, e i nuovi strumenti di rilevamento automatizzato. Riunendo questi flussi di ricerca separati, l'industria dell'aviazione può muoversi verso un sistema che sia non solo più intelligente, ma anche più coeso ed efficace per tutti i soggetti coinvolti.