Ripensare i dati per
progettare le città

Si chiama digital twin, ed è la rappresentazione digitale di un processo, una persona, un luogo o un macchinario che ne fornisce il modello fisico, il suo comportamento e le sue relazioni con il mondo reale. Un digital twin si aggiorna costantemente e quindi è in grado di raccontare evoluzioni e disegnare scenari predittivi. Grazie all’uso di sensori, algoritmi, trasmissione di dati, in ambito urbanistico un digital twin può fornire informazioni sulla città reale che ci consentono di disegnare servizi, misure, infrastrutture che diano risposte efficienti ai bisogni della città.

Sappiamo però che i dati non sono neutri, ossia scollegati dal contesto che li produce, anche se spesso vengono trattati come se lo fossero. E sappiamo anche che donne e uomini vivono la città e gli spazi in modo diverso. Cosa significa, quindi, pensare a un digital twin consapevole dal punto di vista di genere nel contesto di una progettazione urbana? 

Quando parliamo dei digital twin urbani stiamo parlando della rappresentazione virtuale dell’assetto di una città attraverso la rilevazione e l’analisi statistica e l’apprendimento automatico dei dati, che consentono la creazione di modelli aggiornati continuamente e che cambiano quando cambia il loro equivalente reale.

È come se avessimo una mappa che cambia costantemente, e a mano a mano che cambia la realtà, ed è anche come se avessimo una mappa data non solo dalle coordinate spaziali ma da quelle relazionali. Prendiamo ad esempio un edificio: il suo digital twin non ci fornisce solo un modello 3D, ma ci permette di visualizzare anche quante persone entrano ed escono, in quali fasce orarie e come raggiungono l’edificio; quali sono i loro consumi nel tempo: quante luci accendono e spengono, quanta energia elettrica impiegano e per fare cosa, quanta acqua consumano, e così via.

Ma un digital twin non è solo una descrizione della realtà (e del suo mutamento nel tempo): il suo vero valore aggiunto sono le applicazioni che di questi dati possiamo fare per migliorare l’efficienza dei costi, la gestione delle crisi, la trasparenza e la capacità di progettare politiche orientate dai dati, una governance partecipativa e una migliore pianificazione urbana. La città di Amsterdam, per esempio, ha usato il digital twin per migliorare la mobilità, analizzando i dati su traffico e trasporto pubblico per migliorare la qualità dell’aria e la transizione energetica; quelli relativi ai pannelli solari sugli edifici e alle pale eoliche, oltre alle informazioni meteo.

L’aspetto più importante dei digital twin è la loro intenzione di stabilire una relazione in tempo reale tra il virtuale e il reale che non serve solo per rappresentare e comprendere il modo fisico ma anche per controllarlo e trasformarlo. Secondo l’architetta Marianna Charitonidou dell’Università di Atene, il potenziale su scala reale dei digital twin di una città risiede proprio nella loro capacità di monitorare le attività della città e di utilizzare i dati per progettare soluzioni efficaci.

I dati che possono essere monitorati attraverso un digital twin sono diversi e possono includere vari parametri sulle condizioni urbane, come, per esempio, i dati sul traffico e il trasporto, sull’uso e le fonti dell’energia, sulla fornitura di servizi, sulla fornitura e l’uso dell’acqua e sulla gestione dei rifiuti.

Questa mole di dati è una risorsa per la governance, ma anche per la cittadinanza se i dati sono pubblici, accessibili e comparabili. Avere un sistema di rilevazione di dati continuamente aggiornato, aggregato, visualizzabile e analizzabile ci offre la possibilità di osservare come cambia un aspetto peculiare nel tempo, gli elementi di ripetitività, l’identificazione di cicli, e quindi la possibilità di predire e intervenire. 

Quando parliamo di politiche, infatti, sappiamo che una buona politica è basata sui dati, perché i dati ci permettono di mappare un fenomeno, capire quali sono i problemi, misurarli e decidere quali soluzioni adottare e verificare se il loro effetto è positivo o negativo. E avere i dati in tempo reale ci permette di osservare gli effetti degli interventi in un modo nuovo la cui efficacia non ha precedenti.

Siamo quindi di fronte a una grande opportunità, ma per coglierla appieno dobbiamo leggerla anche in una dimensione sociale. Il femminismo ci insegna, infatti, che i dati non sono oggettivi così come le tecnologie non sono neutre. È sempre Marianna Charitonidou in un suo articolo su digital twin e universalismo dei dati a problematizzare la credenza diffusa secondo cui i dati sono slegati dal contesto storico e sociale che li produce e a presentare le tecnologie come operanti fuori dalla storia e dagli specifici contesti socio culturali ed economici che le producono. 

Nel suo libro Invisibili, Caroline Criado Perez fornisce diversi esempi di come i dati, la loro raccolta e la loro analisi risentano di “bias” ossia dei pregiudizi e degli stereotipi di chi li produce. Marcella Corsi e Giulia Zacchia sulle pagine di inGenere hanno raccontato bene come per avere dati che riflettano le differenze di genere non basta avere dati disaggregati per sesso, ma è necessario che i dati siano estratti in base a concetti e definizioni che riflettono adeguatamente la diversità delle persone in tutti gli aspetti della loro vita, garantendo così che i metodi di raccolta dei dati evitino stereotipi di genere tali da creare distorsioni statistiche, che possano inficiare una corretta rappresentazione della realtà.

L’esempio di distorsione statistica portato dalle autrici è nella definizione di "attività economica" che per l'approccio tradizionale all'economia si concentra sui settori valorizzati (ossia monetizzati/retribuiti), ma trascura il lavoro di cura non retribuito. Per comprendere la piena fornitura di beni e servizi in un paese è importante invece disporre di dati completi su tutti tipi di lavoro, compreso il lavoro non retribuito che può essere quantificato con metodi ad hoc come le indagini sull’uso del tempo.

Tornando ai dati e a come la loro presunzione di universalismo è di fatti l’assenza di consapevolezza sulle strutture di potere che raccontano, vorrei tornare alle parole di Criado Perez, che ci dice: “è importante chiarire sin d’ora che l’assenza di dati di genere non è sempre malevola, e neppure premeditata. Spesso è solo la conseguenza di un modo di pensare che esiste da millenni e che, in un certo senso, è un modo di non pensare. Una duplice inerzia del pensiero, se vogliamo: gli uomini si dànno per scontati, e delle donne non si parla neanche. Perché quando diciamo 'umanità', tutto sommato, intendiamo l’insieme degli individui di sesso maschile”.

Se parlare di digital twin significa parlare di dati e parlare di città, e se abbiamo visto come i dati non siano neutri, dobbiamo sottolineare come nemmeno la città lo sia. La città femminista, la governance di genere delle città, l’urbanistica di genere, sono temi di riflessione molto attuali ma che hanno una storia sia in termini di politiche che di pensiero. Riprendo le parole della geografa Leslie Kern, che ha scritto La città femminista:

Le donne vivono ancora la città con una serie di barriere – fisiche, sociali, economiche e simboliche – che modellano la loro vita quotidiana attraverso dinamiche che sono profondamente (sebbene non solo) di genere. Molte di queste barriere sono invisibili agli uomini, perché raramente rientrano nelle loro esperienze. Ciò significa che i principali responsabili delle decisioni, che sono ancora per lo più uomini, stanno facendo scelte su tutto, dalla politica economica urbana alla progettazione degli alloggi, dall’inserimento scolastico ai posti a sedere sugli autobus, dalla sorveglianza alla pulizia delle strade, senza sapere nulla, né tanto meno preoccuparsi, di come queste decisioni influenzino la vita delle donne. La città è stata istituita per sostenere e facilitare i ruoli di genere tradizionali, e le esperienze degli uomini sono la “norma”; questo modello non tiene conto delle difficoltà che le donne incontrano nella loro vita quotidiana, e questo è ciò che intendo quando parlo di “città degli uomini”.

Per fare una buona politica ci servono i dati, e per fare una buona politica ci servono anche misure mirate per destinatari specifici. Non esistono politiche taglia unica: se le specificità dei beneficiari non vengono contemplate le politiche avvantaggiano i soggetti più forti (maschi, bianchi, di sana e robusta costituzione). Un esempio: nel passato recente molti farmaci venivano ritirati dal mercato a causa degli effetti collaterali sulle donne, perché erano testati e disegnati soprattutto sugli uomini. Oggi, grazie alla diffusione di un approccio genere-specifico, le case farmaceutiche hanno iniziato a includere le donne nei clinical trials.

La stessa cosa dovrebbe valere per le politiche, non pensare a come impatteranno sulle donne significa perdere terreno in termini di efficacia.

Questo vuol dire che quando pensiamo ai dati e al loro ciclo di vita dobbiamo fare in modo che possano dare una rappresentazione complessa della realtà e quindi anche delle disuguaglianze che la stratificano, che quando pensiamo alle politiche dobbiamo pensare a come massimizzare il loro impatto per fare in modo che possano colmare le disuguaglianze, e che quando pensiamo alla città dovremmo pensare soprattutto al fatto che a vivere ed attraversare lo spazio pubblico ci sono soggetti diversi, con esigenze diverse.

Di tutto questo, e di molto altro, abbiamo parlato a Bologna con Florencia Andreola – storica dell’architettura, co-fondatrice del progetto Sex and the city con cui ha realizzato L’atlante di genere di Milano – e Monica Costantini – esperta di IoT, analisi dei dati e loro gestione sicura e trasparente, responsabile ricerca e sviluppo per T.net, società che si occupa di infrastrutture digitali – durante l'incontro dedicato a tecnologie, dati, urbanistica e prospettiva di genere e ospitato dal Laboratorio Aperto di Bologna all'interno della nuova edizione della rassegna Women in Tech curata dall'Agenda Digitale della Regione Emilia Romagna.

Guarda il video del dibattito che si è tenuto a Bologna

Leggi il dossier Che genere di città, a cura di inGenere