Dottorato in COMUNICAZIONE, RICERCA SOCIALE E MARKETING

Titolo della tesi: Infrastrutture di disuguaglianza: un’indagine socio-tecnica sui bias di genere ed etnici nei sistemi di intelligenza artificiale

Il presente progetto di tesi indaga i bias di genere ed etnici dei sistemi algoritmici adottando una prospettiva socio-tecnica che intende riconoscere tali tecnologie come agenti sociali e infrastrutture di disuguaglianza capaci di riprodurre e amplificare disparità storicamente radicate. Inserendosi in un contesto di crescente interesse rivolto alle dinamiche discriminatorie provocate dai processi di dataficazione e automazione, la ricerca si propone di esplorare la dimensione contestuale e situata dei bias algoritmici, rifiutando interpretazioni riduttive che li considerano esclusivamente anomalie tecniche o carenze procedurali (Airoldi, 2022). Al contrario, la tesi parte dal presupposto che tali distorsioni siano intimamente intrecciate ai rapporti di potere che informano la società e alla persistenza di logiche di esclusione e marginalizzazione che confluiscono anche nelle pratiche tecnologiche (Costanza-Chock, 2020; D’Ignazio & Klein, 2020; Noble, 2018). Il lavoro si articola in tre capitoli. Il primo capitolo contestualizza l’analisi dei bias algoritmici nella società delle piattaforme, con riferimento agli studi fondativi che hanno informato la ricerca sociologica in questo campo e specifica attenzione alle prospettive femministe intersezionali e decoloniali. Descrive, in particolare, come questi sistemi, attraverso processi di classificazione e ottimizzazione, influenzino le dinamiche di riconoscimento e accesso alle risorse e alle opportunità. In questo scenario, le tecnologie algoritmiche non si limitano a riflettere il sociale, ma lo costituiscono attivamente, agendo come attanti che plasmano le relazioni simboliche, culturali ed economiche (Crawford, 2021; van Dijck, Poell & de Waal, 2019). Il secondo capitolo presenta una scoping review realizzata secondo il protocollo PRISMA (Page et al. 2021), che ha permesso di mappare la letteratura accademica sui bias di genere ed etnici incorporati dalle tecnologie di ML/IA e di evidenziare la frammentazione concettuale e la predominanza di prospettive specialistiche che tendono a escludere i punti di vista dei soggetti direttamente coinvolti nella progettazione di tali sistemi. La mancanza di definizioni condivise per concetti come bias, equità (fairness) e inclusività ostacola la possibilità di costruire strumenti teorici e operativi capaci di affrontare la complessità dei fenomeni discriminatori (Hall & Ellis, 2023; Kekez et al., 2025). Questa lacuna è ancor più significativa se si considera come tali concetti siano spesso declinati in astratto, senza un adeguato ancoraggio alle esperienze e alle posizioni dei professionisti e dei gruppi storicamente marginalizzati. A partire da questi risultati, il capitolo successivo presenta l’analisi tematica (Braun & Clarke, 2006) dei dati raccolti attraverso 35 interviste a persone sviluppatrici di tecnologie basate sull’IA. Le testimonianze emerse evidenziano anche in questo caso una vaghezza definitoria e una sovrapposizione concettuale delle nozioni di bias, equità e inclusività, nonché una consapevolezza delle discriminazioni algoritmiche generalmente superficiale. In alcuni casi persistono narrazioni di neutralità tecnologica (Airoldi & Gambetta 2018; Natale & Ballatore, 2017). Alla luce di queste analisi, il capitolo conclusivo integra evidenze teoriche ed empiriche per delineare una sintesi definitoria dei tre concetti cardine e proporre un insieme di macro-principi e linee d’indirizzo per la mitigazione delle disuguaglianze algoritmiche articolate lungo cinque livelli interdipendenti – dati, team, modello, utenti, contesto. L’obiettivo è quello di superare la frammentazione corrente e di orientare la progettazione verso l’intersezionalità, la prossimità, la decolonizzazione e la liberazione. L’intero percorso è concepito in una prospettiva longitudinale, attenta ai cicli iterativi di progettazione e valutazione, capace di osservare come definizioni normative e pratiche operative si riconfigurino al mutare delle strutture organizzative e dell’ecosistema tecnologico.