Sei sulla pagina 1di 4

Bibliografia

Badhofer, N. (2019). Tu quoque? Exploring Trends in Divorce Law Through Margarine-Based Models. (In
corso di pubblicazione).
Introduzione
Lo sviluppo della tecnica negli ultimi decenni non ha consentito alle macchine di svilupparsi soltanto
in termini di pura potenza di calcolo1. Ad oggi i computer sono in grado di reperire, conservare,
digitalizzare e rielaborare quantità smisurate di dati e informazioni (Big Data), consentendone la
gestione e l’analisi attraverso l’utilizzo di algoritmi, tecniche di data mining, machine learning e
simulazioni. Questi fenomeni costituiscono il nucleo della cd. computazione. La computazione
consente, dunque, di superare il binomio galileiano osservazione/esperimento, poiché non solo
consente di osservare e comprendere meglio la natura, ma anche di riprodurla artificialmente.
Approcci di tipo computazionale giocano un ruolo centrale nelle ‘scienze dure’, ma potrebbero avere
un impatto importante anche sulle ‘scienze molli’, in particolare sulle scienze sociali2. Nello studio
dei fenomeni sociali, il ricorso a metodi di questo tipo permetterebbe di costruire modelli di

1
In questa sede, con il concetto di calcolo si intende una successione più o meno lunga di operazioni atte a fornire la
soluzione di un dato problema aritmetico, o, più in generale, matematico.
2
Le espressioni ‘scienze dure’ e ‘scienze molli’ sono calchi dalla lingua inglese, che si serve delle espressioni hard
science e soft science. Le scienze dure comprendono sia le scienze esatte (matematica, logica) sia le scienze naturali
(biologia, chimica, fisica), mentre le scienze molli comprendono uno spettro abbastanza ampio di discipline sia
umanistiche (filosofia, critica letteraria, studi di genere) che sociali (economia, sociologia, psicologia). La differenza sta
nel rigore, nella falsificabilità e nella cumulatività che caratterizzano le prime. Ciò significa che le scienze dure,
applicando rigorosamente il metodo scientifico, raccolgono dati con misure sperimentali ripetibili e li elaborano
servendosi di formule matematiche, analisi statistiche e grafici.
spiegazione della realtà in grado di fornire una possibilità di verifica empirica e sperimentale della
tradizionale attività di elaborazione teorica. L’utilizzo di metodi quantitativi e strumenti matematici,
statistici e di simulazione, più o meno sofisticati, opera come un potenziatore empirico 3, nel senso
che potrebbe consentire agli scienziati sociali di estendere la percezione dei fenomeni di loro interesse
attraverso macchine, calcolo e artefatti. Ciò significa rendere i fenomeni sociali dei fenomeni naturali,
ovvero fenomeni testabili in via sperimentale attraverso l’utilizzo di modelli di simulazione ripetibili
e riproducibili in silico.
Presentandosi come un’intersezione tra scienze sociali, scienze dell’informazione e scienze della
complessità, il paradigma di ricerca emergente delle scienze sociali computazionali (Computational
Social Sciences – in seguito CSS) sembra essere indirizzato in tal senso. Sebbene relativamente
nuova, l’area di ricerca possiede già una comunità internazionale di studiosi attivi in ambiti
disciplinari che spaziano dalla matematica alla psicologia, dalle scienze politiche alla cibernetica,
passando per economia, sociologia e computer science4. Inoltre, tale comunità di studiosi può già fare
affidamento su una serie di metodi di ricerca ben consolidati5. Le euristiche computazionali sembrano
poter essere utili anche alla scienza giuridica, nella misura in cui si assuma che essa sia una scienza
sociale. Riconoscere la scienza giuridica come scienza sociale significa osservare il diritto non
soltanto come fattore di regolazione della realtà sociale che vive di vita e leggi proprie, ma anche

3
Il concetto di ‘potenziatore empirico’ (epistemic enhancer/empirical extension) è un concetto presente in Humphreys,
P. (2004). Extending ourselves: Computational science, empiricism, and scientific method. Oxford University Press.
L’autore è un noto filosofo della scienza, che nel citato contributo ricostruisce l’influenza epistemologica e metodologica
della computazione sulla scienza. La categoria dell’epistemic enhancer è utilizzata per spiegare gli obiettivi raggiunti
dalla scienza per estendere le nostre abilità di conoscenza del reale. L’autore individua tre fondamentali epistemic
enhancers: Estrapolazione (Extrapolation), Conversione (Conversion) ed Aumentazione (Augmentation).
L’Estrapolazione è la possibilità di estendere il range naturale e limitato di percezione delle nostre capacità sensoriali. È
il caso dell’utilizzo di strumenti come telescopi, microscopi o strumenti in grado di rilevare frequenza sonore non udibili
dall’orecchio umano. La Conversione è la possibilità di convertire in una determinata modalità sensoriale fenomeni
normalmente accessibili e conoscibili in altra forma; è quanto accade con i dispositivi sonar muniti di display. Possiamo
osservare e studiare elementi che per natura non siamo in grado di cogliere (es. particelle alfa). La Aumentazione riguarda
i casi in cui la proprietà non è riconosciuta dai nostri organi sensoriali, perché è qualitativamente differente da quelle che
li stimolano. È il caso del rilevamento del magnetismo. Naturale conclusione di queste osservazioni è la fine
dell’antropocentrismo nel processo di acquisizione (scientifica) della conoscenza. Utilizzando le parole dell’autore: “The
moral of the story is that an activity does not have to be done either by us or for us in order to be considered scientific
[…] For such [big] data sets, the image of a human sitting in front of an instrument and conscientiously recording
observations in propositional form before comparing them with theoretical predictions is completely unrealistic. […] in
extending ourselves, scientific epistemology is no longer human epistemology.” (Ibid., pag. 7). Ciò, si badi, non è una
forma di dominio delle macchine o della tecnologia, ma un processo di indagine ed acquisizione della conoscenza in cui
l’uomo ha un ruolo diverso: non sono le macchine a trascenderci, bensì siamo noi stessi a trascenderci (‘estenderci’)
attraverso le macchine, il calcolo, i nostri artefatti. Con riguardo al diritto, ciò significherebbe utilizzare la computazione
come strumento di estensione della nostra percezione del fenomeno giuridico dalla dimensione normativa di ‘ordinamento
giuridico’ a quella sistemica di ‘artefatto sociale’.
4
Solo pochi anni fa un contributo pubblicato sulla rivista Science ha individuato le CSS come disciplina emergente nel
contesto di una ricerca scientifica influenzata da due fenomeni: da un lato, l’aumento della potenza di calcolo dei computer
e, dall’altro, lo sviluppo della capacità di digitalizzazione e conservazione dei dati. Cfr. Lazer, D., Pentland, A., Adamic,
L., Aral, S., Barabási, A. L., Brewer, D., ... & Jebara, T. (2009). Computational social science. Science, 323(5915), 721-
723.
5
Cfr. Cioffi‐Revilla, C. (2010), Computational social science. WIREs Comp Stat, 2: 259-271.
come un prodotto dell’interazione sociale stessa. In questo senso, il fenomeno giuridico ha una
dimensione fattuale, poiché è dai fatti del mondo naturale e sociale che sorge anche la necessità di
produrre norme positive. Atteso che il diritto è un fatto del mondo che non si esaurisce nelle norme
dell’ordinamento giuridico positivo e che la scienza giuridica ha interesse a comprendere le
dinamiche sociali che stimolano la funzione ordinante del diritto, il nostro scopo sarà tentare di
chiarire come lo studio dei fenomeni giuridici positivi e dei fenomeni sociali rilevanti per il diritto
possa divenire più ‘scientifico’ con il supporto della computazione.
A tal fine, il presente lavoro si concentrerà sull’utilità che l’analisi delle reti (Network Analysis – in
seguito NA) potrebbe avere in tal senso. La NA è una metodologia di ricerca interdisciplinare radicata
nella psicologia sociale, che, servendosi delle acquisizioni maturate dalla teoria matematica dei grafi,
investiga le proprietà strutturali e funzionali di strutture naturali o sociali (cd. reti) costituite da
elementi (cd. nodi) connessi tra loro da legami di varia natura (cd. archi). Il metodo si articola in due
fasi: la rappresentazione grafica dei dati relativi al fenomeno oggetto di indagine e la successiva
analisi quantitativa del grafo ottenuto. In questo modo, lo scienziato sociale potrebbe acquisire
informazioni su particolari proprietà della struttura reticolare – e delle sue componenti elementari –
difficilmente ricavabili con il ricorso a metodi più tradizionali come sondaggi, questionari o semplici
analisi statistiche6. Analizzando nel merito la struttura di tale attività di ricerca chiarendone genesi,
concetti fondamentali, metodi ed obiettivi, si cercherà di evidenziare come oltre allo studio potenziato
di reti documentali (di norme, sentenze ecc.), le euristiche computazionali di NA consentono un
ampliamento degli orizzonti metodologici e teleologici della conoscenza giuridica, ricostruendo il
legame tra diritto e fatti e scienza del diritto e società. Col fine di gettare luce sull’utilità dell’analisi
delle reti in tale prospettiva, si è deciso di verificare le nostre affermazioni con un’analisi dello stato
dell’arte, che porrà attenzione tanto ai settori di ricerca più consolidati, che alle recenti prospettive di
indagine. Il lavoro si conclude con delle riflessioni in merito a quanto esposto. Visto il fascino di
questa ‘riflessione di confine’, ma anche la sua complessità, ci teniamo a chiarire che quanto rilevato
in questa sede non intende porsi come risposta certa e definitiva alle questioni che saranno via via
trattate. Di sicuro, però, si può affermare che anche il diritto, come altre discipline, sta attraversando
una fase di evoluzione, i cui effetti non saranno pienamente visibili finché il cambiamento non avrà
inciso in modo più radicale7.

6
Cfr. Lettieri, N. (2016). Computational Social Science, the Evolution of Policy Design and Rule Making in Smart
Societies. Future internet, 8(2), 19 pagg. 5-6.
7
In merito gli autori si sono espressi in modo più o meno favorevole. Rispettivamente v. amplius Posner, R. A. (1986).
The decline of law as an autonomous discipline: 1962-1987. Harv. L. Rev., 100, 761; Kronman, A. T. (1995). The lost
lawyer: Failing ideals of the legal profession. Harvard University Press pagg. 165-167.