{"id":3238,"date":"2017-01-31T22:30:43","date_gmt":"2017-01-31T20:30:43","guid":{"rendered":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/"},"modified":"2017-01-31T22:30:43","modified_gmt":"2017-01-31T20:30:43","slug":"big-data-una-vera-rivoluzione-scientifica","status":"publish","type":"post","link":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/","title":{"rendered":"Big Data: una vera rivoluzione scientifica?"},"content":{"rendered":"

Viviamo in un mondo globalizzato con un\u2019enorme produzione di dati, da anni ci sentiamo ripetere che siamo nell\u2019era dei Big Data e che quest\u2019abbondanza di informazioni non potr\u00e0 che essere una risorsa importante in diversi ambiti, ad esempio per la sicurezza, per le assicurazioni o per aumentare l\u2019efficienza della aziende.<\/p>\n

Sicuramente avere a disposizione una grande mole di informazioni non pu\u00f2 che essere utile: ad esempio, pi\u00f9 dati sull\u2019influenza vengono raccolti meglio sar\u00e0 per la prevenzione. Ovviamente i Big Data fanno nascere una serie di problemi etici e legali: chi \u00e8 il proprietario dei miei dati sanitari? Quale uso possono farne le compagnie di assicurazioni, i datori di lavoro, i tribunali?<\/p>\n

Senza grande sorpresa, anche la politica ha scoperto i Big Data ed il loro ruolo potenziale nell\u2019ambito scientifico e tecnologico. Ad esempio il governo italiano, sulla scia di Expo, intende lanciare il progetto Human Technopole, di cui ha recentemente discusso Francesco Sinopoli<\/a> sul Menab\u00f2, che \u00e8 incentrato in gran parte proprio sul trattamento di una grande mole di dati.<\/p>\n

In questo articolo mi occuper\u00f2 di un aspetto, sicuramente meno interessante per il grande pubblico, ma importante da un punto di vista culturale, in particolare per la ricerca scientifica, ovvero la possibilit\u00e0, offerta dai Big Data, di realizzare una nuova rivoluzione scientifica che consenta di fondare una scienza senza basi teoriche.<\/p>\n

Secondo alcuni, con la disponibilit\u00e0 di grandi quantit\u00e0 di informazioni, saremmo di fronte ad una nuova rivoluzione scientifica: la possibilit\u00e0 di fare scienza attraverso l\u2019analisi di dati avrebbe creato un quarto paradigma (T. Hey et al., \u201cThe Fourth Paradigm: Data Intensive Scientific Discovery\u201d, Microsoft Research<\/em> 2009). Un nuovo approccio si aggiungerebbe, quindi, alle tre metodologie gi\u00e0 esistenti: il metodo sperimentale, quello teorico matematico e quello computazionale (simulazioni numeriche).<\/p>\n

Il guru informatico Chris Anderson<\/a> \u00e8 arrivato a sostenere, in un articolo dal titolo esplicitamente provocatorio \u201cThe End of Theory: The Data Deluge Makes the Scientific Method Obsolete\u201d, che \u201cormai la grande quantit\u00e0 di dati a disposizione rende il metodo scientifico obsoleto… i petabyte ci consentono di dire la correlazione \u00e8 sufficiente, possiamo smettere di cercare modelli\u201d. Non sarebbe, quindi, pi\u00f9 necessario studiare teorie generali, basterebbe scaricare i dati da Internet, trattarli al computer con opportuni algoritmi statistici ed avremmo tutto quello che serve. Uno degli slogan ricorrenti dei profeti dei Big Data \u00e8 \u201cbasta la correlazione\u201d. Inutile insistere sul fatto che l\u2019esistenza di una correlazione tra due quantit\u00e0 non dica molto, come mostrano alcuni esempi decisamente divertenti: la correlazione tra il numero di pirati e la temperatura media sulla terra, quella tra il consumo di cioccolata pro capite ed il numero di premi Nobel in un dato paese o quella tra il numero di affogati per caduta da un barca da pesca e il numero di matrimoni nel Kentucky.<\/p>\n

L\u2019idea secondo la quale \u00e8 sempre meglio avere pi\u00f9 dettagli (o dati) \u00e8 ingenua e fuorviante: quasi mai la scienza avanza per accumulo di dati, bens\u00ec per la capacit\u00e0 di eliminare gli aspetti secondari. Ovviamente fare questo non \u00e8 semplice: pi\u00f9 volte in fisica \u00e8 stata sottolineata la difficolt\u00e0 di individuare le \u201dgiuste variabili del sistema\u201d. In quasi ogni problema ci sono molti aspetti che sono irrilevanti e la prima cosa (forse la pi\u00f9 difficile e importante) da fare \u00e8 identificare la parte significativa del fenomeno, solo cos\u00ec si ha qualche speranza di capire.<\/p>\n

Una descrizione molto dettagliata pu\u00f2 avere conseguenze addirittura negative: Borges nel breve racconto \u201cFunes, o della memoria\u201d scrive di un personaggio che, in seguito ad un incidente, ricordava tutto di tutto, sin nei minimi dettagli della pi\u00f9 comune delle situazioni. Questo, ben lungi dall\u2019essere un fatto positivo, comportava la quasi incapacit\u00e0 di un pensiero astratto. Funes era infastidito che un cane visto di profilo alle 3:14 fosse lo stesso visto di fronte alle 3:15 e era quasi incapace di idee generali platoniche.<\/p>\n

Per non rimanere troppo sul\u2019astratto vale la pena discutere il caso delle previsioni meteo per mostrare chiaramente come, per un problema non banale, sia decisamente troppo ottimistico puntare solo sull\u2019uso dei dati osservativi, ma sia necessaria una combinazione di tecniche matematiche, intuizione fisica e sviluppo tecnologico.<\/p>\n

Assumiamo (cosa che non sempre \u00e8 vera) di sapere che il fenomeno che vogliamo studiare \u00e8 descritto da un set di variabili x(t) la cui evoluzione \u00e8 deterministica. Per fare una previsione del futuro si potrebbe pensare di cercare nel passato una situazione \u201dvicina\u201d a quella di oggi, se la si trova al giorno k allora \u00e8 sensato assumere che domani il sistema sar\u00e0 \u201dvicino\u201d al giorno k+1 del passato.<\/p>\n

Sembrerebbe tutto facile, in particolare ora che siamo nell\u2019 era dei Big Data e, quindi, potremmo non perdere tempo con la teoria. Per prima cosa chiediamoci se sia sempre possibile individuare un analogo (cio\u00e8 un giorno k nel passato in cui il sistema \u00e8 \u201dvicino\u201d ad oggi). Da un punto di vista matematico il problema \u00e8 strettamente collegato ad un risultato classico della fine del diciannovesimo secolo (il teorema di ricorrenza di Poincar\u00e9): un sistema deterministico, in cui ogni variabile \u00e8 contenuta in un intervallo limitato, dopo un certo tempo ritorna vicino alla sua condizione iniziale. Quindi l\u2019analogo sicuramente esiste, c\u2019\u00e8 per\u00f2 un problema pratico: quanto indietro si deve andare per trovarlo? La risposta \u00e8 un risultato ben noto della teoria matematica dell\u2019ergodicit\u00e0. La difficolt\u00e0 di trovare un analogo dipende dalla dimensione \u201cD\u201d (in parole povere D \u00e8 il numero minimo di variabili necessarie per descrivere il problema), per trovare un analogo con precisione percentuale \u201ca\u201d si deve andare indietro di un tempo ordine (1\/a)D<\/sup>.<\/p>\n

E facile convincersi che si pu\u00f2 fare una previsione con l\u2019idea degli analoghi, solo se la lunghezza della sequenza \u00e8 di ordine almeno (1\/a)D<\/sup>. Se D \u00e8 grande (diciamo oltre 7\u22128) gi\u00e0 per precisioni non enormi (ad esempio per a=0,05) in genere non si trova un analogo, basti notare che (1\/a)10<\/sup>=2010<\/sup> =1,024\u00d71013<\/sup>. Da questo si capisce come la limitata lunghezza delle serie dei Big Data, per quanto grandi in situazioni non banali, non permette di usare per le previsioni un approccio puramente induttivo e senza teoria (Cecconi et al. , American Journal of Physics 80<\/em>, 2012).<\/p>\n

Nella realt\u00e0 la situazione \u00e8 pi\u00f9 complicata di quella sopra descritta, infatti tipicamente non si conoscono nemmeno le \u201dvariabili giuste\u201d, e molto spesso non sappiamo neanche se il sistema evolve con regole deterministiche o stocastiche.<\/p>\n

Discutiamo brevemente come si fanno le previsioni meteo. L\u2019idea di base dell\u2019approccio attualmente usato (proposto negli anni 20 da Richardson, che aveva capito come l\u2019approccio in termini di analoghi era destinato a fallire), \u00e8 il seguente: l\u2019atmosfera evolve in accordo con le equazioni dell\u2019 idrodinamica (per la velocit\u00e0, la densit\u00e0, la pressione, etc.) e la termodinamica. Quindi dalla conoscenza dello stato presente dell\u2019atmosfera, risolvendo un sistema di equazioni alle derivate parziali, si pu\u00f2 (almeno in linea di principio) effettuare una previsione del tempo. Ovviamente le equazioni in questione possono essere risolte solo numericamente.<\/p>\n

Per la realizzazione del progetto visionario di Richardson si \u00e8 aspettato fino agli anni 50 con lo sviluppo di tre \u201dingredienti\u201d assolutamente non banali: a) la messa a punto di equazioni efficaci; b) algoritmi numerici veloci; c) computer per i calcoli numerici.<\/p>\n

I punti b) e c) non hanno bisogno di particolari commenti, il punto a) \u00e8 l\u2019 aspetto concettualmente importante per capire la necessit\u00e0 di un uso non banale della matematica per descrivere un fenomeno fisico complesso. Von Neuman ed i suoi collaboratori notarono che le equazioni originariamente proposte da Richardson, bench\u00e9 corrette, non sono adatte per le previsioni meteo. Il motivo, apparentemente paradossale, \u00e8 che sono troppo accurate, infatti descrivono anche moti ondosi ad alta frequenza che sono irrilevanti in ambito meteorologico e difficili da trattare numericamente. E\u2019 quindi necessario costruire equazioni efficaci in cui non compaiano le variabili veloci, quelle relative alle alte frequenze. L\u2019approccio in termini delle equazioni originali non solo \u00e8 numericamente difficile, ma \u00e8 anche poco utile: solo con le equazioni efficaci per la dinamica lenta \u00e8 possibile individuare gli aspetti pi\u00f9 rilevanti che invece rimarrebbero nascosti nella descrizione (troppo dettagliata) in termini delle equazioni originali (Lynch, The Emergence of Numerical Weather Prediction: Richardson\u2019 s Dream,<\/em> Cambridge University Press, 2006).<\/p>\n

Alla luce di quanto \u00e8 accaduto per le previsioni del tempo – un problema che si pu\u00f2 considerare \u201dfacile\u201d (nel senso che le equazioni e le variabili rilevanti sono note), in cui c\u2019\u00e8 stato bisogno delle intuizioni geniali di Richardson e Von Neumann e, in pi\u00f9, dello sviluppo di metodi numerici sofisticati e tecnologie avanzate \u2013 \u00e8 difficile capire i proclami ottimistici dei teorici dei Big Data. Ci sono ben pochi casi in cui si sia riusciti a fare previsioni con una procedura non ad hoc. Non sorprendentemente il metodo funziona se D \u00e8 piccolo (ma questo lo si pu\u00f2 sapere solo a posteriori), un esempio interessante \u00e0 costituito dalle maree in cui D \u00e8 dell\u2019 ordine di 3 o 4.<\/p>\n

Sorge allora naturale domandarsi cosa si pu\u00f2 fare per le previsioni in finanza. Anche assumendo che esistano delle leggi, non \u00e8 chiaro se esse siano di natura deterministica o stocastica, in ogni caso quali siano le \u201dvariabili giuste\u201d \u00e8 un problema aperto. Possono i Big Data portare ad un reale avanzamento? L\u2019eventuale carattere stocastico non \u00e8 una grande limitazione, di fatto certi approcci degli analisti finanziari sono varianti della tecnica degli analoghi: dall\u2019andamento del mercato nel passato si cerca di inferire il futuro. Rimane il problema del valore di D e soprattutto della stazionariet\u00e0 del sistema; infatti se le regole (deterministiche o probabilistiche) cambiano nel tempo troppo velocemente la filosofia dell\u2019imparare dal passato non pu\u00f2 che fallire (F. Sylos Labini, Rischio e previsione<\/em>, Laterza, 2016).<\/p>\n

Non trovo, pertanto, convincente la retorica sulla presunta nuova rivoluzione dei Big Data, di cui finora, nonostante le molti dichiarazioni enfatiche, non c\u2019\u00e8 traccia, almeno nella ricerca di base. L\u2019idea dell\u2019utilizzo di Big Data per fondare una scienza senza basi teoriche sembra inoltre in linea, in maniera allarmante, con l\u2019attuale visione pragmatica, ormai imperante nei nostri atenei, in cui si privilegiano gli aspetti pratici a scapito di una solida formazione di base.<\/p>\n

* Per un approfondimento del rapporto <\/a>tra scienza e big data si rimanda al video di un dibattito svoltosi il 18 gennaio 2017 alla Sapienza al quale Angelo Vulpiani ha partecipato assieme a Pietro Greco<\/p>\n","protected":false},"excerpt":{"rendered":"

Angelo Vulpiani si occupa dell\u2019attesa \u201crivoluzione dei Big Data\u201d, partendo dalla diffusa opinione secondo cui grazie all’enorme mole di informazioni attualmente disponibili saremmo prossimi ad una nuova rivoluzione che consentirebbe di fondare una scienza senza basi teoriche. Vulpiani illustra le ragioni del suo scetticismo e sostiene che non \u00e8 opportuno esagerare l\u2019importanza dei Big Data, il cui impatto nell\u2019ambito della ricerca, peraltro, non \u00e8 stato finora sostanziale. <\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jet_sm_ready_style":"","_jet_sm_style":"","_jet_sm_controls_values":"","_jet_sm_fonts_collection":"","_jet_sm_fonts_links":"","footnotes":""},"categories":[402],"tags":[],"autore":[680],"acf":[],"yoast_head":"\nBig Data: una vera rivoluzione scientifica?<\/title>\n<meta name=\"description\" content=\"Angelo Vulpiani si occupa dell\u2019attesa \u201crivoluzione dei Big Data\u201d, partendo dalla diffusa opinione secondo cui grazie all'enorme mole di informazioni attualmente disponibili saremmo prossimi ad una nuova rivoluzione che consentirebbe di fondare una scienza senza basi teoriche. Vulpiani illustra le ragioni del suo scetticismo e sostiene che non \u00e8 opportuno esagerare l\u2019importanza dei Big Data, il cui impatto nell\u2019ambito della ricerca, peraltro, non \u00e8 stato finora sostanziale.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Big Data: una vera rivoluzione scientifica?\" \/>\n<meta property=\"og:description\" content=\"Angelo Vulpiani si occupa dell\u2019attesa \u201crivoluzione dei Big Data\u201d, partendo dalla diffusa opinione secondo cui grazie all'enorme mole di informazioni attualmente disponibili saremmo prossimi ad una nuova rivoluzione che consentirebbe di fondare una scienza senza basi teoriche. Vulpiani illustra le ragioni del suo scetticismo e sostiene che non \u00e8 opportuno esagerare l\u2019importanza dei Big Data, il cui impatto nell\u2019ambito della ricerca, peraltro, non \u00e8 stato finora sostanziale.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/\" \/>\n<meta property=\"og:site_name\" content=\"Etica ed Economia\" \/>\n<meta property=\"article:published_time\" content=\"2017-01-31T20:30:43+00:00\" \/>\n<meta name=\"author\" content=\"Giulia Santamaria\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Giulia Santamaria\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/\"},\"author\":{\"name\":\"Giulia Santamaria\",\"@id\":\"https:\/\/eticaeconomia.it\/#\/schema\/person\/2e658cef83aa3769eb4a1f000d3d5e14\"},\"headline\":\"Big Data: una vera rivoluzione scientifica?\",\"datePublished\":\"2017-01-31T20:30:43+00:00\",\"dateModified\":\"2017-01-31T20:30:43+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/\"},\"wordCount\":1680,\"publisher\":{\"@id\":\"https:\/\/eticaeconomia.it\/#organization\"},\"articleSection\":[\"Istituzioni e regole\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/\",\"url\":\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/\",\"name\":\"Big Data: una vera rivoluzione scientifica?\",\"isPartOf\":{\"@id\":\"https:\/\/eticaeconomia.it\/#website\"},\"datePublished\":\"2017-01-31T20:30:43+00:00\",\"dateModified\":\"2017-01-31T20:30:43+00:00\",\"description\":\"Angelo Vulpiani si occupa dell\u2019attesa \u201crivoluzione dei Big Data\u201d, partendo dalla diffusa opinione secondo cui grazie all'enorme mole di informazioni attualmente disponibili saremmo prossimi ad una nuova rivoluzione che consentirebbe di fondare una scienza senza basi teoriche. Vulpiani illustra le ragioni del suo scetticismo e sostiene che non \u00e8 opportuno esagerare l\u2019importanza dei Big Data, il cui impatto nell\u2019ambito della ricerca, peraltro, non \u00e8 stato finora sostanziale.\",\"breadcrumb\":{\"@id\":\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/eticaeconomia.it\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Big Data: una vera rivoluzione scientifica?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/eticaeconomia.it\/#website\",\"url\":\"https:\/\/eticaeconomia.it\/\",\"name\":\"Etica ed Economia\",\"description\":\"Menab\u00f2 di Etica ed Economia\",\"publisher\":{\"@id\":\"https:\/\/eticaeconomia.it\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/eticaeconomia.it\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/eticaeconomia.it\/#organization\",\"name\":\"Etica ed Economia\",\"url\":\"https:\/\/eticaeconomia.it\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/eticaeconomia.it\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/eticaeconomia.it\/wp-content\/uploads\/2022\/04\/Logo-Etica-economia-1.png\",\"contentUrl\":\"https:\/\/eticaeconomia.it\/wp-content\/uploads\/2022\/04\/Logo-Etica-economia-1.png\",\"width\":645,\"height\":500,\"caption\":\"Etica ed Economia\"},\"image\":{\"@id\":\"https:\/\/eticaeconomia.it\/#\/schema\/logo\/image\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\/\/eticaeconomia.it\/#\/schema\/person\/2e658cef83aa3769eb4a1f000d3d5e14\",\"name\":\"Giulia Santamaria\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/eticaeconomia.it\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/f73aad83c0dc2d94dccd650efd19666d?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/f73aad83c0dc2d94dccd650efd19666d?s=96&d=mm&r=g\",\"caption\":\"Giulia Santamaria\"},\"url\":\"https:\/\/eticaeconomia.it\/author\/giulia\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Big Data: una vera rivoluzione scientifica?","description":"Angelo Vulpiani si occupa dell\u2019attesa \u201crivoluzione dei Big Data\u201d, partendo dalla diffusa opinione secondo cui grazie all'enorme mole di informazioni attualmente disponibili saremmo prossimi ad una nuova rivoluzione che consentirebbe di fondare una scienza senza basi teoriche. Vulpiani illustra le ragioni del suo scetticismo e sostiene che non \u00e8 opportuno esagerare l\u2019importanza dei Big Data, il cui impatto nell\u2019ambito della ricerca, peraltro, non \u00e8 stato finora sostanziale.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/","og_locale":"it_IT","og_type":"article","og_title":"Big Data: una vera rivoluzione scientifica?","og_description":"Angelo Vulpiani si occupa dell\u2019attesa \u201crivoluzione dei Big Data\u201d, partendo dalla diffusa opinione secondo cui grazie all'enorme mole di informazioni attualmente disponibili saremmo prossimi ad una nuova rivoluzione che consentirebbe di fondare una scienza senza basi teoriche. Vulpiani illustra le ragioni del suo scetticismo e sostiene che non \u00e8 opportuno esagerare l\u2019importanza dei Big Data, il cui impatto nell\u2019ambito della ricerca, peraltro, non \u00e8 stato finora sostanziale.","og_url":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/","og_site_name":"Etica ed Economia","article_published_time":"2017-01-31T20:30:43+00:00","author":"Giulia Santamaria","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"Giulia Santamaria","Tempo di lettura stimato":"8 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/#article","isPartOf":{"@id":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/"},"author":{"name":"Giulia Santamaria","@id":"https:\/\/eticaeconomia.it\/#\/schema\/person\/2e658cef83aa3769eb4a1f000d3d5e14"},"headline":"Big Data: una vera rivoluzione scientifica?","datePublished":"2017-01-31T20:30:43+00:00","dateModified":"2017-01-31T20:30:43+00:00","mainEntityOfPage":{"@id":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/"},"wordCount":1680,"publisher":{"@id":"https:\/\/eticaeconomia.it\/#organization"},"articleSection":["Istituzioni e regole"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/","url":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/","name":"Big Data: una vera rivoluzione scientifica?","isPartOf":{"@id":"https:\/\/eticaeconomia.it\/#website"},"datePublished":"2017-01-31T20:30:43+00:00","dateModified":"2017-01-31T20:30:43+00:00","description":"Angelo Vulpiani si occupa dell\u2019attesa \u201crivoluzione dei Big Data\u201d, partendo dalla diffusa opinione secondo cui grazie all'enorme mole di informazioni attualmente disponibili saremmo prossimi ad una nuova rivoluzione che consentirebbe di fondare una scienza senza basi teoriche. Vulpiani illustra le ragioni del suo scetticismo e sostiene che non \u00e8 opportuno esagerare l\u2019importanza dei Big Data, il cui impatto nell\u2019ambito della ricerca, peraltro, non \u00e8 stato finora sostanziale.","breadcrumb":{"@id":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/eticaeconomia.it\/big-data-una-vera-rivoluzione-scientifica\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/eticaeconomia.it\/"},{"@type":"ListItem","position":2,"name":"Big Data: una vera rivoluzione scientifica?"}]},{"@type":"WebSite","@id":"https:\/\/eticaeconomia.it\/#website","url":"https:\/\/eticaeconomia.it\/","name":"Etica ed Economia","description":"Menab\u00f2 di Etica ed Economia","publisher":{"@id":"https:\/\/eticaeconomia.it\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/eticaeconomia.it\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"it-IT"},{"@type":"Organization","@id":"https:\/\/eticaeconomia.it\/#organization","name":"Etica ed Economia","url":"https:\/\/eticaeconomia.it\/","logo":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/eticaeconomia.it\/#\/schema\/logo\/image\/","url":"https:\/\/eticaeconomia.it\/wp-content\/uploads\/2022\/04\/Logo-Etica-economia-1.png","contentUrl":"https:\/\/eticaeconomia.it\/wp-content\/uploads\/2022\/04\/Logo-Etica-economia-1.png","width":645,"height":500,"caption":"Etica ed Economia"},"image":{"@id":"https:\/\/eticaeconomia.it\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/eticaeconomia.it\/#\/schema\/person\/2e658cef83aa3769eb4a1f000d3d5e14","name":"Giulia Santamaria","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/eticaeconomia.it\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/f73aad83c0dc2d94dccd650efd19666d?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/f73aad83c0dc2d94dccd650efd19666d?s=96&d=mm&r=g","caption":"Giulia Santamaria"},"url":"https:\/\/eticaeconomia.it\/author\/giulia\/"}]}},"_links":{"self":[{"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/posts\/3238"}],"collection":[{"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/comments?post=3238"}],"version-history":[{"count":0,"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/posts\/3238\/revisions"}],"wp:attachment":[{"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/media?parent=3238"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/categories?post=3238"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/tags?post=3238"},{"taxonomy":"autore","embeddable":true,"href":"https:\/\/eticaeconomia.it\/wp-json\/wp\/v2\/autore?post=3238"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}