Il laboratorio di Social Pattern Recognition (SPaRe Lab) del Dipartimento di Sociologia e Ricerca Sociale dell’Università di Trento si propone come luogo di ricerca e riflessione interdisciplinare nel campo della formalizzazione, modellizzazione, rappresentazione e visualizzazione di analisi e risultati provenienti da ricerche sociali di stampo qualitativo. Si tratta, infatti, di un tipo di ricerca che genera dati ricchi ed offre analisi dettagliate e in profondità, i cui risultati, tuttavia, trovano difficilmente formalizzazione (ad esempio attraverso analisi ontologica), rappresentazione sintetica o ispezionabilità statistica. Questo ne riduce il potenziale impatto e la circolazione tra discipline. Una piena ricognizione delle forme e delle modalità di rappresentazione e circolazione dei dati di ricerca qualitativa presenta un enorme potenziale in termini di diffusione, valorizzazione e impatto della ricerca sociale. Il laboratorio intende costituirsi come punto di riferimento per studiose e studiosi interessati allo sviluppo di tecniche, supporti e canali per il più ampio uso di teorie, analisi e risultati micro-sociologici.

Diversi sono i tipi di dati e analisi —dunque i metodi— considerati: dall’etnografia all’analisi della conversazione e video-based, dall’analisi qualitativa di reti sociali (qualitative social network analysis) all’analisi documentale (es. di testi mediali, in connessione con M2Lab; di testi legali e di policy, in connessione con il DocuLab), dall’intervista in profondità alle storie di vita, dal focus group ai metodi visuali (in particolare partecipati, es. in connessione con recenti sviluppi nel campo dei servizi sociali).

Svariati sono anche i campi di applicazione e le possibili ricadute. Una prima dimensione concerne la progettazione e lo sviluppo di tecnologie nel campo dell’intelligenza artificiale (IA), della social robotics, della cura a distanza. Questo permette alla sociologia di portare il proprio contributo in questo settore anche al di là del ruolo valutativo e riflessivo cui è oggi quasi esclusivamente chiamata (etica dell’IA, trasparenza e fiducia, ecc.).  Laddove la ricerca sociale e i metodi qualitativi in particolare sono ormai riconosciuti, studiati e utilizzati nel campo della Human-Computer Interaction, altre aree di ricerca e sviluppo della computer science vedono tutt’oggi un’assenza della sociologia e una mancata consapevolezza del potenziale conoscitivo e applicativo di teorie e analisi microsociologiche e, più in particolare, interazioniste. Troppo spesso, tanto la dimensione cognitiva quanto quella (socio-)comportamentale —per non parlare della dimensione culturale— vengono concettualizzate come fenomeni individuali (cui, ad esempio, un robot dovrebbe adattarsi, in termini di “personalizzazione”), perdendo così di vista il livello inter-azionale della vita sociale e della cooperazione persone-macchina.

Un secondo aspetto, altrettanto importante in termini tanto di ricerca quanto di impatto sociale, riguarda i cosiddetti indicatori sociali (es. well-being, vivibilità, decent work). Il dibattito recente a questo riguardo in seno all’area di ricerca vede crescere le critiche rivolte all’approccio aggregativo basato su indicatori compositi, che riduce eccessivamente la complessità e multi-dimensionalità dei fenomeni socio-economici. Per questo, parte della comunità è favorevole all’uso di dashboard che lasciano la responsabilità dell’interpretazione all’utente finale. Metodi e tecniche per la formalizzazione di analisi dettagliate e in profondità delle dimensioni socio-economiche in esame gioverebbero a una miglior costruzione di quegli indicatori che spesso orientano o giustificano le decisioni politiche, integrate da una riflessione critica sull’impatto degli indicatori nella costruzione della realtà e nella (pre)definizione delle problematiche sociali.

Una terza dimensione concerne la visualizzazione e visibilità dei risultati analitici. Chiaramente, la questione non riguarda solo i dati qualitativi, ma questi in modo particolare. Anche in questo caso, l’impatto sociale è potenzialmente molto alto, non solo in termini di disseminazione della ricerca in ambito accademico, ma anche e forse soprattutto in termini di terza missione. Da questo punto di vista, il contributo al mondo della formazione, dell’informazione e della pubblica amministrazione (insegnanti, giornalisti, funzionari, ecc.) —tanto in termini di lettura e uso dei dati, quanto di loro comunicazione alla cittadinanza— sarebbe importante. Lo stesso vale per gli operatori dei servizi (psicologi, consulenti, assistenti sociali, educatori ecc.).

In termini di didattica, il Laboratorio costituisce un polo d’interesse per la scuola di dottorato —intesa quale fucina d’innovazione, oltre che di formazione, nel campo della ricerca—, così come per diversi corsi di Laurea Magistrale del Dipartimento: da ‘Sociology and Social Research’ a ‘Data Science’, da ‘Organizzazione, Tecnologia e Società’ a 'Global and local studies’, fino a ‘Metodologia, organizzazione e valutazione dei servizi sociali’. In relazione a quest’ultima area didattica, il laboratorio gioca un ruolo importante per la stessa formazione pratica nell’ambito del servizio sociale e delle professioni di aiuto (es. videoregistrazione di esercizi di colloquio con persone e loro analisi formale/formalizzata).

Lo SpaRe Lab si situa in continuità ed espansione col Centro Metodi del Dipartimento (HSC), anche in sinergia con la sua Methods Clinic (rivolta a studenti magistrali e di dottorato; edizione pilota a.a. 2022/23, seconda edizione ampliata a.a. 2023/24). In termini di unità di ricerca, è evidente il coinvolgimento di ACME - Action, Meaning, Culture, and Experience, tanto per i metodi quanto per i temi che la caratterizzano; è utile segnalare l’interesse di CoACT - Collective Action, Change and Transition, in particolare in termini di analisi delle reti e delle dinamiche processuali proprie dei movimenti sociali; e bene notare la potenziale sinergia con MODDS - Mapping Organizational and Digital Dynamics in Society, per l’attenzione ai processi di digitalizzazione e alle forme di mappatura, nonché SMMS - Scenari migratori e mutamento sociale, con la lunga e radicata storia di ricerca qualitativa che caratterizza i migration studies e con la loro rilevanza in termini di policy e geopolitica; infine, l’unità SW&SP - Social Work e Social Policies è coinvolta per l’attenzione posta agli interventi, a livello micro meso e macro, a supporto delle fragilità sociale e ai processi di riconoscimento dei diritti.

Una delle prime attività del Laboratorio è stata l’organizzazione del Workshop ForMoRe - Formalization, Modellization, and Representation of Social Pattern Analyses.  La prima edizione ha aperto con successo spazi di scambio e collaborazione interdisciplinare tra chi intende ampliare i confini di ciò s’intende con social pattern recognition, social signal processing, social robotics, trustworthy AI, industria 5.0, esperimenti etnometodologici ed etnografia sperimentale, mixed symbolic and data-driven models and machine learning… e qualunque altro confine che necessiti di venire ridisegnato. La seconda edizione ha consolidato le sinergie emerse; con il terzo e quarto incontro (luglio 2024, febbraio 2025), un gruppo più ristretto ha iniziato a alvorare a uno special issue, che speriamo potrete leggere a breve.

Vale la pena di citare la convenzione in essere tra il Dipartimento di Sociologia e Ricerca Sociale dell’Università di Trento e l’Istituto di Scienze e Tecnologie della Cognizione del Consiglio Nazionale delle Ricerche (ISTC-CNR), in particolare il suo Laboratorio di Ontologia Applicata (LOA), che si occupa appunto di formalizzazione della conoscenza.

Coordinatrice: Chiara Bassetti

Membri DSRS:

  • Lorenzo Beltrame
  • Teresa Bertotti
  • Andrea Mubi Brighenti
  • Attila Bruni
  • Andrea Cossu
  • Francesca Decimo
  • Giolo Fele
  • Ester Gallo
  • Elena Pavan
  • Barbara Poggio
  • Alessandro Sicora

Fellow Members:

  • Stefano Borgo (ISTC-CNR)
  • Enrico Blanzieri (DISI-Unitn)