Si ha sempre pi\u00f9 la sensazione che tutto ci\u00f2 che conta sia sul web e che debba essere accessibile attraverso la ricerca1<\/sup>. Come dice LM Hinman, \"Esse est indicato in Google (essere \u00e8 essere indicizzati su Google)\". Come osserva anche l'autore, \"in una democrazia i cittadini non possono prendere decisioni informate senza avere accesso a informazioni precise\"2,3<\/sup>. Se la democrazia si basa sul libero accesso a informazioni non distorte, i motori di ricerca influenzano direttamente la democraticit\u00e0 dei nostri Paesi. Il loro ruolo di custodi della conoscenza \u00e8 in diretto conflitto con la loro natura di aziende private che dipendono dagli annunci pubblicitari per ottenere un reddito. Pertanto, per il bene di una societ\u00e0 libera, dobbiamo chiedere responsabilit\u00e0 ai motori di ricerca e trasparenza nel funzionamento dei loro algoritmi2<\/sup>.<\/p>\n\n I sistemi che raccomandano contenuti in base ai profili degli utenti, compresi i motori di ricerca, possono isolare gli utenti dall'esposizione a punti di vista diversi. Alimentando i contenuti che piacciono all'utente, creano pregiudizi che si auto-rinforzano e \"bolle di filtraggio\"2,4<\/sup>. Queste bolle, che si creano quando le nuove conoscenze acquisite si basano su interessi e attivit\u00e0 passate5<\/sup>, cementano i pregiudizi come solide fondamenta della conoscenza. Questo potrebbe diventare particolarmente pericoloso se usato con menti giovani e impressionabili. Per questo motivo, in classe si dovrebbero promuovere discussioni aperte con i compagni e gli insegnanti e attivit\u00e0 di apprendimento colloborativo.<\/p>\n\n I motori di ricerca, come altri sistemi di raccomandazione, prevedono ci\u00f2 che interesser\u00e0 all'utente. Poi, quando l'utente clicca su ci\u00f2 che \u00e8 stato raccomandato, lo considera un feedback positivo. Questo feedback influisce sui link visualizzati in futuro. Se un utente clicca sul primo link visualizzato, \u00e8 perch\u00e9 lo trova rilevante o semplicemente perch\u00e9 \u00e8 il primo risultato e quindi pi\u00f9 facile da scegliere?<\/p>\n Il feedback implicito \u00e8 difficile da interpretare. Quando le previsioni si basano su un'interpretazione errata, gli effetti sono ancora pi\u00f9 difficili da prevedere. Quando i risultati di una certa natura vengono mostrati ripetutamente - e sono l'unica cosa che l'utente vede - possono persino finire per cambiare ci\u00f2 che piace o non piace all'utente: il caso della previsione che si autoavvera.<\/p>\n In una citt\u00e0 degli Stati Uniti \u00e8 stato lanciato un sistema di polizia predittiva che indica le aree della citt\u00e0 ad alto rischio di criminalit\u00e0. Ci\u00f2 significa che un maggior numero di agenti di polizia viene dispiegato in tali aree. Poich\u00e9 questi agenti sapevano che la zona era ad alto rischio, sono stati molto attenti e hanno fermato, perquisito o arrestato pi\u00f9 persone di quanto avrebbero fatto normalmente. Gli arresti hanno quindi convalidato la previsione, anche se la previsione era stata falsata in partenza. Non solo, gli arresti sono stati i dati per le previsioni future sulle stesse aree e su aree simili, aggravando i pregiudizi nel tempo5<\/sup>.<\/p>\n Utilizziamo sistemi di previsione per poter agire in base alle previsioni. Ma agire su previsioni distorte influisce sui risultati futuri, sulle persone coinvolte e quindi sulla societ\u00e0 stessa. \"Come effetto collaterale dell'adempimento del suo scopo di recuperare informazioni rilevanti, un motore di ricerca cambier\u00e0 necessariamente ci\u00f2 che mira a misurare, ordinare e classificare. Allo stesso modo, la maggior parte dei sistemi di apprendimento automatico influisce sui fenomeni che prevede\"5<\/sup>.<\/p>\n\n C'\u00e8 una crescente diffusione di fake news (storie false che appaiono come notizie) nei forum online, nei siti di social media e nei blog, tutti disponibili agli studenti attraverso la ricerca. Piccoli gruppi mirati di persone possono far salire le valutazioni di specifici video e siti web di contenuto estremo. Questo aumenta la popolarit\u00e0 del contenuto e l'apparenza di autenticit\u00e0, giocando con gli algoritmi di classificazione4<\/sup>. Tuttavia, ad oggi, non esiste una politica chiara ed esplicita adottata dalle societ\u00e0 di motori di ricerca per controllare le fake news2<\/sup>.<\/p>\n D'altra parte, i motori di ricerca escludono sistematicamente alcuni siti e alcuni tipi di siti a favore di altri6<\/sup>. Censurano i contenuti di alcuni autori, nonostante non siano stati selezionati dal pubblico per tale compito. Pertanto, devono essere utilizzati con consapevolezza e discriminazione.<\/p>\n\n\n 1\u00a0<\/sup>Hillis, K., Petit, M., Jarrett, K., Google and the Culture of Search, <\/em>Routledge Taylor and Francis, 2013.<\/p>\n 2<\/sup>\u00a0Tavani, H., Zimmer, M., Search Engines and Ethics<\/a><\/em>, The Stanford Encyclopedia of Philosophy, Fall 2020 Edition), Edward N. Zalta (ed.).<\/p>\n 3 <\/sup>Hinman, L. M., Esse Est Indicato in Google: Ethical and Political Issues in Search Engines<\/em>, International Review of Information Ethics, 3: 19\u201325, 2005.<\/p>\n 4 <\/sup>Milano, S., Taddeo, M., Floridi, L. Recommender systems and their ethical challenges<\/a><\/em>, AI & Soc<\/i> 35, 957\u2013967, 2020.<\/p>\n 5 <\/sup>Barocas, S.,\u00a0 Hardt, M., Narayanan, A., Fairness and machine learning Limitations and Opportunities<\/a>, <\/em>yet to be published.<\/p>\n 6 <\/sup>Introna, L. and Nissenbaum, H., Shaping the Web: Why The Politics of Search Engines Matters<\/em>, The Information Society, 16(3): 169\u2013185, 2000.<\/p>","rendered":" Si ha sempre pi\u00f9 la sensazione che tutto ci\u00f2 che conta sia sul web e che debba essere accessibile attraverso la ricerca1<\/sup>. Come dice LM Hinman, “Esse est indicato in Google (essere \u00e8 essere indicizzati su Google)”. Come osserva anche l’autore, “in una democrazia i cittadini non possono prendere decisioni informate senza avere accesso a informazioni precise”2,3<\/sup>. Se la democrazia si basa sul libero accesso a informazioni non distorte, i motori di ricerca influenzano direttamente la democraticit\u00e0 dei nostri Paesi. Il loro ruolo di custodi della conoscenza \u00e8 in diretto conflitto con la loro natura di aziende private che dipendono dagli annunci pubblicitari per ottenere un reddito. Pertanto, per il bene di una societ\u00e0 libera, dobbiamo chiedere responsabilit\u00e0 ai motori di ricerca e trasparenza nel funzionamento dei loro algoritmi2<\/sup>.<\/p>\n I sistemi che raccomandano contenuti in base ai profili degli utenti, compresi i motori di ricerca, possono isolare gli utenti dall’esposizione a punti di vista diversi. Alimentando i contenuti che piacciono all’utente, creano pregiudizi che si auto-rinforzano e “bolle di filtraggio”2,4<\/sup>. Queste bolle, che si creano quando le nuove conoscenze acquisite si basano su interessi e attivit\u00e0 passate5<\/sup>, cementano i pregiudizi come solide fondamenta della conoscenza. Questo potrebbe diventare particolarmente pericoloso se usato con menti giovani e impressionabili. Per questo motivo, in classe si dovrebbero promuovere discussioni aperte con i compagni e gli insegnanti e attivit\u00e0 di apprendimento colloborativo.<\/p>\n I motori di ricerca, come altri sistemi di raccomandazione, prevedono ci\u00f2 che interesser\u00e0 all’utente. Poi, quando l’utente clicca su ci\u00f2 che \u00e8 stato raccomandato, lo considera un feedback positivo. Questo feedback influisce sui link visualizzati in futuro. Se un utente clicca sul primo link visualizzato, \u00e8 perch\u00e9 lo trova rilevante o semplicemente perch\u00e9 \u00e8 il primo risultato e quindi pi\u00f9 facile da scegliere?<\/p>\n Il feedback implicito \u00e8 difficile da interpretare. Quando le previsioni si basano su un’interpretazione errata, gli effetti sono ancora pi\u00f9 difficili da prevedere. Quando i risultati di una certa natura vengono mostrati ripetutamente – e sono l’unica cosa che l’utente vede – possono persino finire per cambiare ci\u00f2 che piace o non piace all’utente: il caso della previsione che si autoavvera.<\/p>\n In una citt\u00e0 degli Stati Uniti \u00e8 stato lanciato un sistema di polizia predittiva che indica le aree della citt\u00e0 ad alto rischio di criminalit\u00e0. Ci\u00f2 significa che un maggior numero di agenti di polizia viene dispiegato in tali aree. Poich\u00e9 questi agenti sapevano che la zona era ad alto rischio, sono stati molto attenti e hanno fermato, perquisito o arrestato pi\u00f9 persone di quanto avrebbero fatto normalmente. Gli arresti hanno quindi convalidato la previsione, anche se la previsione era stata falsata in partenza. Non solo, gli arresti sono stati i dati per le previsioni future sulle stesse aree e su aree simili, aggravando i pregiudizi nel tempo5<\/sup>.<\/p>\n Utilizziamo sistemi di previsione per poter agire in base alle previsioni. Ma agire su previsioni distorte influisce sui risultati futuri, sulle persone coinvolte e quindi sulla societ\u00e0 stessa. “Come effetto collaterale dell’adempimento del suo scopo di recuperare informazioni rilevanti, un motore di ricerca cambier\u00e0 necessariamente ci\u00f2 che mira a misurare, ordinare e classificare. Allo stesso modo, la maggior parte dei sistemi di apprendimento automatico influisce sui fenomeni che prevede”5<\/sup>.<\/p>\n C’\u00e8 una crescente diffusione di fake news (storie false che appaiono come notizie) nei forum online, nei siti di social media e nei blog, tutti disponibili agli studenti attraverso la ricerca. Piccoli gruppi mirati di persone possono far salire le valutazioni di specifici video e siti web di contenuto estremo. Questo aumenta la popolarit\u00e0 del contenuto e l’apparenza di autenticit\u00e0, giocando con gli algoritmi di classificazione4<\/sup>. Tuttavia, ad oggi, non esiste una politica chiara ed esplicita adottata dalle societ\u00e0 di motori di ricerca per controllare le fake news2<\/sup>.<\/p>\n D’altra parte, i motori di ricerca escludono sistematicamente alcuni siti e alcuni tipi di siti a favore di altri6<\/sup>. Censurano i contenuti di alcuni autori, nonostante non siano stati selezionati dal pubblico per tale compito. Pertanto, devono essere utilizzati con consapevolezza e discriminazione.<\/p>\n 1\u00a0<\/sup>Hillis, K., Petit, M., Jarrett, K., Google and the Culture of Search, <\/em>Routledge Taylor and Francis, 2013.<\/p>\n 2<\/sup>\u00a0Tavani, H., Zimmer, M., Search Engines and Ethics<\/a><\/em>, The Stanford Encyclopedia of Philosophy, Fall 2020 Edition), Edward N. Zalta (ed.).<\/p>\n 3 <\/sup>Hinman, L. M., Esse Est Indicato in Google: Ethical and Political Issues in Search Engines<\/em>, International Review of Information Ethics, 3: 19\u201325, 2005.<\/p>\n 4 <\/sup>Milano, S., Taddeo, M., Floridi, L. Recommender systems and their ethical challenges<\/a><\/em>, AI & Soc<\/i> 35, 957\u2013967, 2020.<\/p>\nCreazione di bolle di filtraggio<\/h3>\n
Cicli di feedback<\/h3>\n
Fake news, contenuti estremi e censura<\/h3>\n
\nEffetti sociali<\/h3>\n
Creazione di bolle di filtraggio<\/h3>\n
Cicli di feedback<\/h3>\n
Fake news, contenuti estremi e censura<\/h3>\n
\n