Nel panorama educativo contemporaneo stiamo assistendo ad un cambiamento del termine analfabetismo. Se nel passato gli analfabeti erano coloro che non sapevano leggere, scrivere e fare calcoli, oggi il termine assume una connotazione alternativa. Essere analfabeti vuol dire anche non saper interpretare i dati.
Non è un aspetto da sottovalutare se consideriamo che siamo tutti sottoposti ad una miriade di stimoli giornalieri. I giovanissimi vivono in un mondo connesso, passando ore sui social network e navigando in Internet. Avere familiarità con i dispositivi tecnologici non vuol dire però necessariamente possedere una competenza critica reale. Un adolescente può saper caricare un video su un social network ma non saper comprendere, ad esempio, i dati rappresentati in un grafico o comprendere l’algoritmo con cui la piattaforma stessa lavora.
In questo panorama complesso la scuola diventa una bussola per orientare gli studenti aiutandoli a dotarsi di una nuova competenza chiave: la data literacy.
Cos’è la data literacy e perché è importante
Nonostante l’espressione possa apparire complicata, non richiede affatto la conoscenza di linguaggi di programmazione né di statistica. È più semplicemente la capacità di leggere, analizzare e comunicare i dati come informazioni.
Questa abilità si declina in quattro aspetti fondamentali:
- raccolta e organizzazione dei dati: saper organizzare i dati grezzi tramite tabelle e fogli di calcolo;
- leggere i dati: comprendere il significato dei numeri all’interno di un contesto, riconoscendo relazioni e causalità e avere la capacità di scegliere la forma più corretta per rappresentarli;
- analizzare i dati: porsi delle domande sui dati, verificando l’affidabilità delle fonti, l’ampiezza del campione, e la solidità delle correlazioni causa-effetto;
- comunicare i dati: saper utilizzare i dati per argomentare un’opinione o un progetto.
La data literacy fornisce allo studente la cassetta degli attrezzi per smascherare le manipolazioni informative, come le fake news, tipiche della nostra società digitale. Aiuta nello sviluppo di un pensiero critico e a mettere in dubbio ciò che appare, sviluppando delle domande precise: “da dove viene il dato?”, “come è formato il campione?”, ecc.
Non a caso potremmo citare il pensiero cartesiano del “cogito ergo sum”. Penso dunque sono, l’essere umano è inscindibilmente legato al pensare, anche di fronte a dati numerici.
Conoscere la data literacy consente anche di riflettere sulla sicurezza dei propri dati: viviamo in una società in cui gli algoritmi dei social usano i nostri dati e determinano ciò che vediamo, nulla è un caso, ed è indispensabile che i giovani ne siano consapevoli.
Data literacy tra educazione civica e AI
L’insegnamento della data literacy non è più una scelta discrezionale del singolo docente, ma un obbligo formativo sancito da decreti ministeriali e da regolamenti europei.
Le linee guida per l’insegnamento dell’Educazione Civica (Decreto Ministeriale n. 183/2024) specificano che la materia sia suddivisa in tre aspetti: Costituzione, Sviluppo e Sostenibilità, Cittadinanza Digitale. Proprio in quest’ultima si inserisce la Data Literacy, in quanto saper leggere i dati è considerato prerequisito per formare un cittadino responsabile.
Essendo una disciplina trasversale, i temi dell’educazione civica vanno affrontati dalle singole discipline. Nel caso di scienze e geografia, si potrebbe ipotizzare un’analisi dei dati relativi ai cambiamenti climatici o ai flussi demografici e migratori; in storia e filosofia, l’argomento può essere affrontato con l’analisi delle statistiche storiche e dell’opinione pubblica in riferimento a specifici temi. Inoltre, in lingue e letteratura, lo studio dei dati consente di avvalorare delle tesi con prove quantitative. In quest’ultimo caso parliamo di Data Storytelling, la traduzione di analisi dei dati in un racconto non tecnico.
L’Unione Europea, con il Regolamento 2024/1689, disciplina l’analisi dei dati in riferimento all’intelligenza artificiale: a differenza dell’uomo, l’AI non pensa. È necessario che non vi siano bias algoritmici (come pregiudizi, stereotipi…) che possano “viziare” i dati. In questo caso, il ruolo del docente è proprio quello di spiegare la cosiddetta “catena del dato”. Se il dato è influenzato a monte, l’algoritmo fornirà risposte influenzate. Saper analizzare e riconoscere i dati primari diventa una skill del cittadino del futuro.
Teaching data literacy: usare i dati per spiegare
Nelle classi della scuola primaria, l’approccio si focalizza essenzialmente sulla lettura elementare di tabelle e grafici. L’astrazione numerica viene superata attraverso la Data Physicalization, ovvero la traduzione dei dati in oggetti tridimensionali e multisensoriali, come mattoncini LEGO per costruire dei grafici, fili di lana che collegano dei punti su una bacheca, o con dei barattoli riempiti di gettoni per evidenziare le frequenze.
Alle scuole medie l’attività si espande anche ai basilari concetti di statistica, quali probabilità, tendenza e variabilità (media, mediana, moda). Infine, nelle scuole superiori, si passa ai temi di funzioni di regressione, campionamento e analisi critica delle distorsioni e dell’etica degli algoritmi.
A prescindere dal grado di scuola, insegnare la data literacy vuol dire realizzare una lezione interattiva. Anziché utilizzare il classico libro di testo, infatti, il docente porterà in classe risorse alternative e insolite. Ad esempio, i dati vengono appresi dalla realtà, dalle notizie veicolate dai media, e dalle informazioni della pubblicità. In questi casi il docente potrà effettuare uno screenshot di grafici da mostrare in classe, oppure prelevarli dalle istituzioni pubbliche, come l’ISTAT.
Lo standard internazionale dell’insegnamento dell’alfabetizzazione dei dati fa riferimento al ciclo PPDAC (Problem, Plan, Data, Analysis, Conclusion), formulato nel 1999 dagli statistici Chris Wild e Maxine Pfannkuch, per dimostrare che per capire i dati, la mente umana ha bisogno di un processo che parta da un problema e arrivi ad una conclusione, non è sufficiente la sola analisi dei dati.
Il processo dimostra che l’alfabetizzazione ai dati non coincide con la sola fase finale di calcolo, ma richiede un processo euristico completo che si sviluppa in precise fasi:
- Formulazione del problema, da individuare concretamente e non solo in astratto
- Pianificazione su cosa e come misurare (ad esempio l’uso delle tecniche di campionamento)
- Raccolta sul campo dei dati
- Analisi dei dati trasformati in grafici e tabelle che evidenziano eventuali correlazioni o anomalie
- Conclusione, ossia il data storytelling, l’interpretazione dei dati in un racconto
Nel panorama scolastico italiano si individuano diverse piattaforme che supportano gli insegnanti nell’attuazione di questo percorso:
- Scuola futura: è la piattaforma di formazione del MIM nata nell’ambito del PNRR. Si occupa di guidare i docenti nella creazione di UdA incentrate sulla data literacy
- Open the Box: fornisce kit didattici e percorsi interattivi per spronare i ragazzi ad individuare manipolazioni e disinformazione
- Portale unico dei Dati della Scuola: gestito dal MIM, fornisce un open data base su diversi argomenti scaricabili come materiale per applicare il processo PPDAC.
I dati non devono essere più considerati come numeri astratti da trattare nelle ore di matematica bensì come un modo per comprendere la realtà nella quale viviamo, per essere dei cittadini informati e consapevoli, soprattutto nel mondo digitale.
