L’articolo è stato aggiunto alla lista dei desideri
LIBRO
E-mail
Facebook
LinkedIn
Twitter
WhatsApp
Armi di distruzione matematica. Come i big data aumentano la disuguaglianza e minacciano la democrazia
(7)
Cliccando su “Conferma” dichiari che il contenuto da te inserito è conforme alle Condizioni Generali d’Uso del Sito ed alle Linee Guida sui Contenuti Vietati. Puoi rileggere e modificare e successivamente confermare il tuo contenuto. Tra poche ore lo troverai online (in caso contrario verifica la conformità del contenuto alle policy del Sito).
Grazie per la tua recensione!
Tra poche ore la vedrai online (in caso contrario verifica la conformità del testo alle nostre linee guida). Dopo la pubblicazione per te +4 punti 
17,10 €
-5%
18,00 €
+170
punti
Venditore: IBS
Articolo acquistabile con Bonus Cultura 18app e Carta del Docente
Articolo acquistabile con Carta Cultura Giovani e Carta del Merito
Dati e Statistiche
Salvato in 209 liste dei desideri
Salvato in 209 liste dei desideri
Armi di distruzione matematica. Come i big data aumentano la disuguaglianza e minacciano la democrazia
Attualmente non disponibile
17,10 €
-5%
18,00 €
17,10 €
18,00 €
-5%
Attualmente non disp.
Armi di distruzione matematica. Come i big data aumentano la disuguaglianza e minacciano la democrazia
Libri
Tutti i formati ed edizioni
Rilegato
Anno edizione: 2017
17,10 €
EPUB2 con Adobe DRM
Anno edizione: 2017
9,99 €
Promo attive (0)
Armi di distruzione matematica. Come i big data aumentano la disuguaglianza e minacciano la democrazia
Lungi dall'essere modelli matematici oggettivi e trasparenti, gli algoritmi che ormai dominano la nostra quotidianità iperconnessa sono spesso vere e proprie "armi di distruzione matematica": non tengono conto di variabili fondamentali, incorporano pregiudizi e se sbagliano non offrono possibilità di appello. Queste armi pericolose giudicano insegnanti e studenti, vagliano curricula, stabiliscono se concedere o negare prestiti, valutano l'operato dei lavoratori, influenzano gli elettori, monitorano la nostra salute. Basandosi su case studies nei campi più disparati ma che appartengono alla vita di ognuno di noi, O'Neil espone i rischi della discriminazione algoritmica a favore di modelli matematici più equi ed etici. Perché rivestire i pregiudizi di un'apparenza statistica non li rende meno pregiudizi.
Leggi di più
Leggi di meno
Autore:
Traduttore:
Editore:
Collana:
Anno edizione:
2017
In commercio dal:
6 settembre 2017
Pagine:
368 p., Rilegato
EAN:
9788845294211
4,29/5
Scrivi una recensione
5
(3)
4
(3)
3
(1)
2
(0)
1
(0)
Recensioni pubblicate senza verifica sull'acquisto del prodotto.
Paolo
06 luglio 2021
bel libro, scritto bene, semplice da comprendere anche per chi non è un amante della matematica. libro molto famoso negli Stati Uniti, è interessante per le analisi riportate.
Leggi di più
Leggi di meno
roberto
06 luglio 2021
Non e' il primo libro su tema dei "Big Data" e del loro potenziale rischio per chi e' vittima dei loro famigerati algoritmi (potenzialmente tutti noi) ma si distingue dagli altri per l'accento posto sulle implicazioni etiche e morali della loro pericolosita'. Solo per questo l'autrice merita una menzione d'onore.
Leggi di più
Leggi di meno
MANUEL FANTONI
02 maggio 2021
Scritto da un "insider" in modo chiaro anche se tratta di algoritmi, è focalizzato sul sistema Statunitense quindi richiede la conoscenza dei suoi meccanismi, libro militante orientato sulla difesa ad oltranza delle minoranze in ogni ambito, non crediate di trovare sul banco degli imputati i tanto odiati algoritmi, la critica mossa dalla scrittrice è rivolta esclusivamente agli "errori" inseriti per dolo, negligenza o pregiudizio negli stessi, il futuro è tracciato, presto o tardi verremo anche noi soppesati da un algoritmo infarcito di pregiudizi, per il momento accontentiamoci dei pregiudizi delle persone.
Leggi di più
Leggi di meno
Recensioni
4,29/5
Scrivi una recensione
5
(3)
4
(3)
3
(1)
2
(0)
1
(0)
Recensioni pubblicate senza verifica sull'acquisto del prodotto.
No MASS DESTRUCTION ma MATH DESTRUCTION, sì, corretto, avete letto bene e per fortuna il correttore automatico non l’ha modificato… correttori automatici, pensati e programmati da noi umani per facilitarci la vita, per risparmiare tempo, per non sbagliare.
L’autrice però in questo caso non ha sbagliato; il gioco di parole in italiano non riesce altrettanto bene come in lingua inglese; potrebbe rendere l’idea ARMI di DISTRUZIONI di MATE dove “MATE” però ricorda più le verifiche scritte e le interrogazioni della prof di matematica delle medie o delle superiori e non è di quella matematica che tratta il libro.
L’autrice Cathy O’Neil invece scrive della matematica complessa dei BIG DATA che ha studiato con passione nel suo PhD ad Harvard, insegnato poi per alcuni anni al Barnard College e che ha messo in pratica lavorando nel settore privato degli hedge fund fino a quando ne è stata capace, fino a quando ha preso coscienza del fatto che la sua bravura nella gestione dei numeri messa al servizio esclusivo di obiettivi finanziari poteva essere fonte di diseguaglianze e arrivare a minacciare la democrazia.
Proprio così, lo sostiene con determinazione in ogni sua riga; tutto parte dai modelli, quelli che sono alla base degli algoritmi di calcolo. L’autrice li descrive nella parte iniziale del libro con un esempio banale: lo sport del baseball, un mondo fatto di giocatori che giocando ottengono determinati risultati osservabili e analizzabili in modo oggettivo perché all’interno di un sistema di regole definite, trasparenti e conosciute a tutti.
La trasparenza delle regole è indispensabile quando ci si immagina un modello e il relativo algoritmo capace di misurare e interpretare le prestazioni di un settore, di un’azienda, di un sistema, di un gruppo o di una singola persona.
Occorre fare molta attenzione quando arriviamo a trarre conclusioni attraverso l’impiego di algoritmi in merito alle prestazioni di un insegnante, all’identificazione di futuri criminali, alla selezione del candidato per una nuova posizione aperta perché le regole del gioco sono estremamente complesse, non sono dichiarate in modo trasparente e diventa così facile e probabile facciano la loro comparsa le proxies, approssimazioni; si tratta di quelle scelte soggettive fatte per velocizzare, risparmiare tempo, essere più efficienti in una valutazione, una selezione, una previsione, etc. etc., scelte personali che hanno lo scopo di decidere cosa sia rilevante e sufficiente e cosa del tutto irrilevante da considerare.
(…) I modelli sono espressione e riflesso di obiettivi e ideologie e per questo dobbiamo chiederci chi è il “designer” o l’azienda che lo ha progettato e soprattutto cosa vuole raggiungere; dobbiamo ricordare sempre che i modelli sono delle opinioni a cui noi siamo soliti riconoscere un valore di imparzialità a prescindere solo perché supportati da numeri “oggettivi” ma in realtà è più corretto considerare i modelli come dei “portatori sani” di soggettività.
(…)
Diventa sempre più importante ricordarci che questi modelli nascono da scelte personali che cominciano dal decidere quali siano i dati da considerare e quali da non considerare; sono scelte che sono strettamente correlate e vanno ad influenzare tematiche come morale, valori umani, bene comune, uguaglianza sociale a cui dobbiamo dare però la precedenza anche a scapito di un sacrificio di efficienza e profitto perché i modelli matematici devono essere sì gli strumenti di oggi e del prossimo futuro ma non devono mai finire per trasformarsi nei nostri maestri.
Recensione di Alessio Cuccu
Leggi di più
Leggi di meno
L'articolo è stato aggiunto al carrello
L’articolo è stato aggiunto alla lista dei desideri
