1Nel maggio del 2018 è entrato in vigore il nuovo regolamento dell'Unione Europea in materia di trattamento dei dati personali e di privacy, noto come GDPR ovvero General Data Regulation Protection. Nei mesi successivi, e precisamente nel corso della sua assemblea generale di luglio, la Società Italiana di Antropologia Culturale (SIAC) ha promosso l’istituzione di una commissione di lavoro sui temi dell’etica nella ricerca e della protezione dei dati relativi alla ricerca antropologica, in particolare dedicata a raccogliere informazioni accurate sulle procedure e le prassi che gli antropologi in Italia hanno storicamente adottato per la gestione dei dati etnografici, nella prospettiva di organizzare la transizione verso il “nuovo mondo” regolato dal GDPR. I lavori di questa commissione, che sono ancora in corso e che hanno visto coinvolti rappresentanti di tutte le associazioni antropologiche italiane, saranno riportati in dettaglio in un articolo in preparazione per il prossimo numero di AAM. D’altra parte, durante i lavori è parso subito evidente quanto fosse necessario non solo approfondire la conoscenza dei termini giuridici del GDPR in relazione alle sue declinazioni nazionali e alle sue parti più specificamente attuative, quanto capire anche quale fosse il suo spirito etico, a quale tipo di rischi e a quale tipo di dati da proteggere si riferisse il legislatore europeo, e in che misura il nuovo GDRP avrebbe aiutato, o piuttosto avrebbe rischiato di penalizzare, la ricerca antropologica.
- 1 Il webinar “General Data Protection Regulation in Antropologia”, organizzato da chi scrive e dal Di (...)
2Nel febbraio 2021 la SIAC ha organizzato un webinar pubblico, in cui numerosi relatori hanno discusso gli elementi emersi dalla ricognizione sulle pratiche, hanno esposto un’analisi accurata del GDPR e dato una valutazione dei diversi dibattiti suscitati in Europa dalla sua applicazione. In questo contributo e nei saggi che seguono, l'intervista a Giulia Barrera e il testo di Roberta Raffaetà, si intende dare conto della discussione emersa dal webinar dello scorso febbraio1, senza ripercorrerne esattamente le tracce, ma raccogliendo gli elementi su cui è assolutamente necessario discutere e riflettere ancora, alla luce delle nuove stringenti normative che ormai sono in vigore, e che condizionano il nostro modo di fare ricerca sin dalle sue premesse: come fare domanda per un finanziamento, come relazionarsi con le fonti, come intraprendere il lavoro sul campo.
3I dati con cui lavora la conoscenza non sono mai effettivamente dati, consegnati, given, viceversa sono sempre costruiti, pensati e ripensati, ‘coevoluti’. Potrebbe sembrare irrituale dare avvio a questa riflessione sul GDPR in modo così assertivo, ma si tratta di un punto di partenza fondamentale su cui è necessario fare molta chiarezza. Ad essere costruiti infatti non sono solo i dati delle scienze sociali, fragili esiti processuali spesso non riproducili, di cui dirò estesamente più avanti e che sono il vero tema di questa riflessione. Costruiti sono anche i data delle scienze naturali, incredibilmente chiamate tuttora in qualche contesto “scienze esatte”, a partire dalla cui interpretazione epistemologica fuorviante si muove tutto il discorso sulla necessità di regolamentazione e protezione dei dati della ricerca, che si estende poi anche alla nostra disciplina.
4Entro dunque nel merito delle diverse tipologie di dati, e mi arrischio in questa disamina comparativa perché nel corso della mia vita da ricercatrice ho avuto occasione di manipolare dati di assai diversa natura, provenienza ed entità. I data con cui lavorano le scienze naturali vengono considerati, specialmente al di fuori dei contesti che li producono, come oggetti cognitivi stabili e definitivi, come entità statiche su cui fondare affidabilmente il resto della conoscenza, il processo di costruzione della conoscenza. Nelle scienze naturali da oltre sessant’anni, e in tutte le altre discipline in tempi più recenti, si parla esplicitamente di robust data set per indicare quelle basi di dati che non solo sono ampie in senso quantitativo, e quindi forse più capaci di cogliere elementi di una data realtà, ma sono anche solide (robust) nel senso di attendibili e confermate. Un robust data set è costituito da dati raccolti coerentemente, tutti nello stesso modo, attraverso un metodo invariante, ovvero che non risente di perturbazioni da parte di fattori esterni, e non muta nel tempo. Un robust data set contiene inoltre dati puliti, ovvero dati già privati di elementi valutati superflui ai fini della sua specifica missione, e ordinati secondo la logica che poi servirà alla loro lettura. Tali dettagli mettono bene in luce quanto non tutti i database siano robust, anzi evidenziano che la maggior parte dei database non lo è affatto. I normali data set sono infatti insiemi più o meno disordinati di informazioni ancora tutte da organizzare, raccolte in ordine sparso e senza una vera sequenzialità, prima di diventare robust e dunque forse utili ai fini della ricerca quantitativa. Il ricorso a un aggettivo qualitativo quale robust per fissare esattamente il carattere di un oggetto prettamente quantitativo come un dataset dovrebbe destare qualche sospetto: si rende necessario fare riferimento al processo di raffinamento e organizzazione dei dati al fine di poter consolidare il concetto unico e statico di dato nel senso di given, consegnato, finale e concluso, poiché se preso solo il dato non lo è, né consegnato, né finale, né concluso.
- 2 Qui si veda una ricostruzione della principale genealogia delle STS secondo la Harvard Kennedy Scho (...)
5Fatta questa premessa di lessico, è necessario anche osservare la storia recente delle scienze sociali, dove negli ultimi decenni spicca la novità interessante portata dagli Science and Technology Studies, STS2, inaugurati – forse a sua insaputa – da Thomas Kuhn nel 1962 e poi sviluppati in multiple direzioni, aprendo una lunga stagione di analisi e critica epistemologica ai processi di costruzione dei dati nelle scienze naturali. Grazie alle discussioni accese dagli STS, chi oggi assume ancora una posizione determinista nei confronti dell’esito della propria ricerca (evenienza rara) collocata all’interno delle scienze naturali fa una professione di ignoranza del dibattito sollevato delle STS, oppure deve esplicitare e motivare – direi quasi giustificare – la propria posizione epistemologica in modo molto netto e convincente (evenienza ancora più rara).
- 3 Interessante notare la proliferazione dei programmi accademici in STS ai livelli (BA, MA, PhD), tut (...)
- 4 Qui mi riferisco in particolare al linguistic turn (Russell, Foucault, Quine), che in antropologia (...)
6Il contributo principale delle STS è stato quello di obbligare tipi diversi di ricercatori a confrontare sul campo i rispettivi metodi di lavoro, riconoscendo nel metodo dell’altro una capacità inaspettata di arrivare a dare risposte per domande che, nel proprio campo e con il proprio metodo, non si sarebbero mai neanche poste. Gli “uni” e gli “altri” sono stati intercambiabilmente i ricercatori delle scienze sociali e di quelle naturali, vicendevolmente sorpresi dalle potenzialità del confronto, con la sostanziale differenza che quelli delle scienze naturali hanno visto “indebolirsi” la propria pregressa nozione di dato, divenuta via via più contingente e processuale, mentre per quelli delle scienze sociali si è trattato quasi sempre di confermare la validità del proprio metodo, certamente “debole”, instabile e precario, ma incredibilmente fecondo, quanto affascinante e utile per tutti, specialmente nelle situazioni di crisi3. Nello stesso tempo, in certi ambienti delle scienze sociali si è anche iniziato ad avvertire un certo qual fascino per il dato quantitativo, per la sua capacità di descrivere visivamente e permettere confronti, che pure era stato considerato per tutto il postmodernismo come il male assoluto4.
- 5 Solo per fornire una cornice bibliografica, riporto qui alcune delle voci più autorevoli del dibatt (...)
- 6 Fino al Rapporto precedente dell’IPCC, l’Assessment Report IV, 2007, la gestione delle tematiche di (...)
- 7 Cfr. tra gli altri, tra i contributi più recenti in Italia: Alliegro 2020, Bonifacio e Vianello 202 (...)
7Non sempre, va detto, gli studi nelle STS e le loro contaminazioni hanno prodotto interessanti e feconde sintesi, ma se non altro sono state aperte delle porte, e abbattuti alcuni steccati di reciproca ignoranza e mis-conoscenza5. Un esempio recente e molto adatto a mostrare la crescita di valore del dialogo interdisciplinare acceso dalle STS è fornito dalla ricerca sui temi ambientali: a partire dalla consacrazione ricevuta dal quinto Rapporto Generale dell’IPCC (Assessment Report 5, WG II, 2014), il coinvolgimento delle scienze sociali nella ricerca sulle crisi dell’ambiente e sugli impatti del cambiamento climatico è stato sempre crescente, mostrando sempre più spesso quanto siano necessari gli sconfinamenti dei ricercatori di specifiche discipline verso le discipline degli altri. Vorrei osservare che l’AR5 ha stabilito la necessità – e anche l’urgenza – di considerare l’apporto delle scienze sociali per descrivere, gestire e mitigare la crisi climatica già nel 2014, a partite da una letteratura scientifica internazionale che a sua volta era già ampiamente disponibile6. Invece il Piano Nazionale della Ricerca italiano per il settennio 2021-27 delega ancora alle scienze naturali tutta la gestione del “pacchetto ambiente”, riproducendo una visione vecchia, parziale e pure economicamente dannosa, in quanto si priva di contributi ricchi, documentati e creativi dei ricercatori che anche in Italia hanno lavorato sulle “scienze sociali del clima”7.
8Dunque, riportando il focus sulla natura dei dati: proprio mentre con grande fatica le scienze naturali (già esatte) escono dalla torre di cristallo, e nelle more di crisi ambientali sempre diverse e più frequenti (inclusa la pandemia da Covid, che si configura come una crisi ambientale sindemica8), il mondo si riempie di tecnologie: la comunicazione su scala globale è appaltata a pochissimi attori privati monopolisti, l’università e tutto il settore educativo si consegnano a mani legate a pochi provider della rete, la gestione dei big data (ovvero le nostre stesse biografie, con tutti i dettagli inclusi) è affidata a oscurissimi data analytics, che ci comprano e ci vendono a caro prezzo, come se fossimo noi stessi dei dati (la vicenda della compravendita dei profili FB da parte di Cambridge Analytica per influenzare la campagna elettorale di Trump è un caso eloquente). Osservo solo per completezza che il valore miliardario di WhatsApp che Facebook è stata disposta a pagare per comprarla, e inglobarla nel suo database, ha pochissimo a che fare con il valore reale e materiale delle infrastrutture e del personale che lavora a WhatsApp, e molto a che fare con il numero dei suoi utenti – il valore di WhatsApp è infatti decuplicato in dieci anni, grazie alla “sola” crescita degli utenti, e non certo quella dei suoi dipendenti professionisti delle IT, né dei loro stipendi9.
9La repentina tecnologizzazione e quindi datizzazione dell’esistenza privata e pubblica di tutti, avvenuta attraverso la creazione e lo scambio di informazioni quantitative, ha fatto scivolare il discorso sulla natura e sulla fragilità del dato/given verso una direzione ben diversa da quella che veniva, e viene tuttora, intesa nella ricerca e che invece è determinata dalle politiche di mercato. Sono queste infatti a stabilire come avvengono la raccolta e la gestione globale di informazioni, quelle sì fisse e statiche, quali sono i dati biografici, medici, bancari, telefonici, valutativi, ecc. La legge europea sulla protezione dei dati nota come GDPR nasce dunque in questo contesto caratterizzato da un duplice problema: da una parte, la necessità di gestire, per la prima volta nella storia, valanghe impensabili di dati personali, a totale disposizione di pochi privati, con tutte le conseguenze relative alle potenzialità manipolatorie e politiche insite nel possesso di tale massa di dati; dall’altra, la nuova e ubiqua sensibilità verso il concetto stesso di dato e verso la sua controversa natura, suscitata globalmente da un’esperienza di ricerca quali le STS, non mainstream ma certamente nota anche a chi non vi ha direttamente contribuito, che ha messo in dialogo permanente, e direi definitivo, i diversi tipi di dati.
10L’esperienza di confronto sulla natura dei diversi tipi di dati promossa dalle STS ha avviato inoltre l’esplorazione di un terreno ibrido, promettente e creativo, ma proprio per questo denso di rischi e di possibili fraintendimenti, a cominciare da quello della denominazione dell’oggetto del comune interesse. Tutti hanno cominciato a parlare di dati, riferendosi però a entità della conoscenza ben diverse. Ad oggi, la domanda sull’autorialità, sulla possibilità dialettica e sulla proprietà degli esiti della ricerca anche all’interno dei progetti in scienze sociali, sin dalle premesse di contenuto, sia quando i progetti vengono sottoposti a valutazione, fino alla consegna dei risultati, viene posta quasi esclusivamente in termini di data management: anche in antropologia si parla paradossalmente di “generazione dei dati”, “scambio di dati”, “interpretazione dei dati". Il dato è diventato il fulcro della discussione sul contenuto, la sua archiviazione è diventata il nodo problematico principale del progetto.
11Di fronte a questo scivolamento, al contrario, vorrei osservare quanto sia limitante e in certi casi proprio sbagliato parlare in termini di dato riferendosi alla materia prima plastica e dinamica con cui lavora la conoscenza, antropologica ma non solo: sia dal punto di vista del rigore del ragionamento (chi dà cosa?) sia dal punto di vista della premessa epistemologica implicita che questo presuppone (esiste in sé qualcosa da dare); concordo con coloro che rigettano la nozione di dato, given, consegnato e statico, sempre e a maggior ragione nella ricerca sociale. La premessa epistemologica implicita è infatti quella secondo cui, da qualche parte, esiste un’informazione solida e attendibile (al pari di un dato telefonico o bancario), che può essere raggiunta e rivelata grazie a un opportuno processo di ricerca, attraverso il quale l’informazione medesima viene presa, catturata, acquisita, o più gentilmente e semplicemente data (given) al ricercatore. Il ricercatore in questa visione è quindi una sorta di “ricevente del dato”, e lo diventa a maggior ragione quando il processo di interrogazione della sua materia di studio è andato a buon fine – cioè il dato si è dimostrato tale, fisso e stabile. La questione, come si osserva facilmente, diventa rapidamente ontologica e varia sostanzialmente in base alla natura, alla qualità e all’oggetto (e non, lo voglio sottolineare, “in base al processo”) della ricerca attivata dal ricercatore; a seconda dei casi sarà più o meno legittimo, opportuno o addirittura inutile porsi la domanda dell’esistenza primaria dell’informazione in quanto entità dotata di un suo statuto ontologico, pregresso alla ricerca. Sto quindi affermando che, per molta parte della ricerca, non esiste una verità pregressa da svelare e dunque nessun dato da dare.
12Quanto appena detto apparirà molto anomalo per alcuni ricercatori, mentre per altri la stessa affermazione sarà scontata e forse ovvia: questa varietà di reazioni è la prima prova tangibile che sicuramente i dati non sono gli stessi per tutti, e non possono essere trattati in maniera indifferenziata riferendosi agli ambiti della vita sociale, meno che mai alle discipline della ricerca. Quando discutiamo delle entità della conoscenza manipolate in antropologia e in biologia, in antichistica e in scienza dei materiali, osserviamo come la situazione autoriale, dialettica, proprietaria – e dunque tutta l’architettura che investe la giurisdizione del dato – viene posta in modo sostanzialmente diverso. Assumere come ipotesi queste diversità ontologiche tra i dati di diversa provenienza e contenuto significa saper entrare nel merito della dinamica e della specificità delle forme della conoscenza, ed è esattamente il contrario di ciò che assume il GDPR.
- 10 Pels et al., Forum: Data management in anthropology: the next phase in ethics governance? In Social (...)
13Il dibattito sulla legittimità e sulla in/opportunità di trattare i dati della ricerca in modo indifferenziato rispetto alle discipline, con particolare attenzione all’antropologia, è stato affrontato in dettaglio da Peter Pels et al. in un forum ospitato sulla rivista dell‘EASA10. I colleghi hanno messo a fuoco in modo esemplare la specificità del concetto di dato per la ricerca etnografica, e il dibattito merita di essere letto per esteso.
14Come rilevato da Barrera nell’intervista pubblicata in questo numero, l’urgenza di legiferare in materia di protezione dei dati viene dettata alla Commissione Europea non certo dalla necessità di proteggere chi si trova coinvolto in una ricerca, ma piuttosto di proteggere l’utente (non più identificato come cittadino, e neanche come informatore) dall’uso non trasparente dei propri dati sensibili da parte delle grandi corporation della comunicazione, da quelle telefoniche a quelle del web, a cui è obbligatorio cederli in cambio dell’accesso ai rispettivi servizi, in un processo di accondiscendenza non negoziabile e spesso non reversibile. Che i dati personali abbiamo un valore commerciale è ormai certo, ma altrettanto certo è che la maggior parte dei dati della ricerca non ne ha alcuno. E qui emerge la prima contraddizione tra la (giusta) tutela dell’utente di fronte allo strapotere economico delle corporation della comunicazione e la (dubitabile) necessità di proteggere gli informatori della ricerca con cui abbiamo lavorato, come antropologi, per mesi o anni. Se parliamo della protezione delle identità di chi è coinvolto in ricerche su delinquenza, prostituzione, traffico di stupefacenti, terrorismo, stiamo ponendo una questione ovvia nella ricerca antropologica; esiste infatti una nutrita letteratura su cui in questa sede non è il caso di insistere, in quanto è sempre stata cura dei ricercatori delle scienze sociali di anonimizzare le fonti, e in ogni caso di proteggerle. Certamente è possibile migliorare le strategie di anonimizzazione, ma questo non richiede un regolamento europeo da recepire in tutti gli stati membri. Come emerso dal dibattito in sede EASA, il presupposto del rapporto tra ricercatore e informatore è quello di fiducia – e dunque protezione – reciproca, mentre quello tra multinazionale delle comunicazioni e cliente è di soggiacenza – e dunque sfiducia e diffidenza preventiva.
15Che cosa succede poi se da parte del ricercatore vengono violate le consegne previste dalla protezione? Il GDPR entra nel merito del tipo di protezione e delle conseguenze della sua violazione, che consistono in multe salatissime pensate per scoraggiare chiunque, gli enti di ricerca per primi, ma che certamente non scoraggiano una grande corporation che notoriamente mette a budget una cospicua voce casualties, incidenti, per coprire le cause legali a cui inevitabilmente va incontro la sua attività – se non altro perché opera in contesti giuridici diversi, e spesso non vale proprio la pena di adattare le politiche aziendali ad un contesto che promette di rendere commercialmente di più delle multe che infligge.
16Pels e colleghi entrano ancor più nel vivo delle due ragioni per cui il GDPR non si adatta e non parla della ricerca antropologica, ovvero non descrive utilmente la specificità dei suoi dati. La prima ragione è il già citato problema epistemologico: in antropologia il dato è inevitabilmente non solo costruito, ma co-costruito con il s/oggetto della ricerca, con l’informatore, con il contesto, con il gruppo. Un antropologo da solo è una contraddizione in termini, senza contesto di relazioni la ricerca antropologica semplicemente non è data. Per non dire di una delle istanze fondamentali delle ricerche antropologiche, secondo cui la nostra disciplina “dà voce a …”, capovolgendo la direzione del senso di dare. Ammesso che si possa usare il termine “dato”, e Pels non si sottrae al suo utilizzo, senza dubbio quelli della ricerca etnografica sono dei co-dati, delle co-informazioni, co-prodotte insieme al contesto, nel corso della relazione e grazie alla relazione che sta alla base della ricerca (Pels et al. 2018: 391). Quindi, se il dato appartiene a entrambi gli interlocutori di un’intervista, oppure a tutti i partecipanti di un forum, chi è ad avere bisogno di protezione? e chi necessita di essere protetto da chi? Entrambi, tutti?
17La questione così posta è paradossale perché è la risposta a una domanda mal posta. Nessuno infatti dà qualcosa a qualcun altro nella relazione etnografica, o piuttosto, ogni relazione etnografica è una relazione di scambio, e come sanno bene gli antropologi le relazioni di scambio sono biunivoche, reciproche, ricorsive e complesse. Quindi il già molto discusso concetto di dato/given non si può applicare al dato etnografico – e così anche, ne deducono Pels e colleghi, a quest’ultimo non si può applicare il GDPR nella sua forma generale.
18La seconda specificità del dato etnografico rilevata nel Forum è la differenza strutturale tra dato grezzo e dato processato. Il discorso si fa assai interessante, e ci riporta direttamente alla discussione inziale introdotta dalle STS sulla modalità di costruzione del dato, questa volta dato processato, nelle scienze naturali. In nessun paper di ricerca infatti verranno mai messi a disposizione i dati grezzi (row data) delle scienze naturali. Tutte le scienze naturali dall’avvento dei computer nelle loro procedure, cioè almeno dagli anni Sessanta, si sono modellate intorno ai processi di data analysis. Interi istituti di ricerca e schiere di ricercatori globali non si occupano più di trovare dati, cioè generare informazioni nuove, bensì processano (alias ripuliscono, organizzano, rendono robust) i dati prodotti da altri. La ricerca è diventata, nel senso che essa coincide esattamente con, un grande processo di analisi dei dati. I dati in sé sono solo file di numeri, matrici e sequenze, che da soli non dicono proprio nulla, sono muti e inerti, e vanno filtrati, selezionati, normalizzati, e interpretati (ma si dice “letti” per evitare rischi di soggettivismo) per arrivare a mostrare – forse – un dato processato di qualche significato. Se si cambia il processo di data analysis, pur partendo dalla stessa base di dati ne risulta modificato completamente il dato processato, e dunque il risultato della ricerca.
19Per rendere chiaro questo abisso semantico tra dato grezzo e dato processato, e come prova trasversale della dinamicità della natura dei dati processati tanto nelle scienze naturali che in quelle sociali, ricorro a un esempio noto a chiunque abbia lavorato nell’università in Italia negli ultimi dieci-quindici anni, che riguarda la procedura di VQR e le distorte (fragili, precarie) rappresentazioni della realtà accademica che questa ci ha fornito. Quando sono stati resi disponibili i “dati grezzi” delle prime due VQR del 2004-2010 e 2011-2014, ovvero i dati sulla produttività scientifica direttamente forniti dagli atenei, alcuni ricercatori hanno fatto un esperimento interessante, ovvero hanno applicato i criteri di valutazione utilizzati nella seconda VQR (2011-2014) ai dati forniti per la prima (2004-2010). I criteri di valutazione sono qui i cosiddetti algoritmi che, a partire dai giudizi sui singoli prodotti di ricerca (qui mi scuso per il temine) hanno configurato la valutazione dei dipartimenti e degli atenei. Nei termini del discorso precedente, i dati grezzi della produttività scientifica sono stati ripuliti, organizzati, resi robust nel corso della VQR per arrivare a dei dati processati che hanno permesso il confronto a livello nazionale, hanno cioè reso possibile la compilazione di una graduatoria da cui sono dipesi finanziamenti, incentivi ecc. La VQR, sottolineo, ha reso confrontabili le performance di discipline bibliometriche e non, ha prodotto valutazioni uniche per dipartimenti con eterogenei campi di ricerca, sottoposti ad eterogenei algoritmi di valutazione.
20Il risultato dell’interessante esperimento è consistito in una nuova classifica delle università (cioè una nuova valutazione presupposta oggettiva delle università) basata di nuovo sui dati grezzi della prima VQR, ma completamente diversa dalla precedente. Questa nuova classifica – vecchi dati e nuovi criteri, cioè nuovi processi di analisi dei dati, nuovi algoritmi – avrebbe potuto essere confrontata più sensatamente con la seconda VQR, essendo generata attraverso le medesime procedure (naturalmente questo poteva accadere solo in un discorso ipotetico, che non si è mai svolto in sede istituzionale). Interessante, eppure anche questo confronto non sarebbe stato del tutto “giusto”, non sarebbe stato cioè un confronto tra pari: perché nel frattempo, tra la prima e la seconda VQR sono cambiati i criteri per il conferimento dei prodotti di ricerca (qui ci vorrebbe un altro articolo per discutere la semantica di “prodotto” e quanto sia impreciso e fuorviante usare questo termine per descrivere ciò che la ricerca fa).
- 11 Qui è possibile ricostruire come la valutazione d’insieme sia prodotta da quella dei singoli, D. Pi (...)
21Tra la prima e la seconda VQR infatti è cambiata la fisionomia del database all’origine della valutazione, cioè è cambiato l’assetto d’insieme delle informazioni predisposte per essere processate da algoritmi (che a loro volta erano cambiati). Dunque al fine di ottenere una valutazione comparativa – la VQR viene ripetuta periodicamente affinché si possano comparare le sue valutazioni nel tempo – sono state processate basi di dati con strutture diverse, e attraverso criteri diversi11. È diventato quindi palese e chiaro agli occhi di tutti che con gli stessi “dati” si possono costruire molti e discordanti “prodotti” (l’ANVUR converrà che si possano chiamare prodotti di ricerca anche gli esiti delle sue valutazioni), e che le classifiche prodotte dalla VQR negli anni non sono confrontabili in senso stretto; forse lo sono in senso lato, cioè storicamente, in modo contingente, ovvero considerata la società (!), la situazione economica (!) e il collettivo umano che le ha prodotte (!!). Quanto meno è possibile dire che le classifiche della VQR sono sia socialmente che scientificamente costruite.
22Dal momento che ciò che conta è quindi il dato processato, cioè il risultato, è lecito chiedersi perché all’antropologia e alla ricerca in generale il GDPR chieda di rendere trasparenti i dati grezzi. I dati etnografici grezzi sono per noi le voci registrate, le note di campo, gli appunti in brutta copia, le riprese video non montate, tutti materiali delicati costruiti sulla, e grazie alla, fiducia, che niente hanno a che vedere con i dati da proteggere dalla metamorfosi loro imposta da un “processo” di normalizzazione e standardizzazione. Sull’inutilità della condivisione dei dati antropologici grezzi Pels ritorna descrivendo un esempio lampante di frode accademica (manipolazione e falsificazione della base dei dati), venuto alla luce recentemente nei Paesi Bassi non già attraverso la condivisione della base di dati – che era stata fatta con i pari dal ricercatore fraudolento – ma piuttosto grazie all’attenta peer-review di giovani studiosi che hanno considerato “del tutto inverosimili” i risultati presentati, con tanta determinazione da costringere l’autore a rivelare lui stesso la manipolazione del proprio database (Pels et al. 2018: 400). Ancora una volta, la posizione giuridica per garantire la sicurezza assunta dal GDPR si mostra inservibile nella protezione della (buona) ricerca.
23Proseguendo sulla falsariga della specificità del dato etnografico Pels et al. (2018: 408) tornano sul concetto di co-costruzione introdotto, e si soffermano sulla indispensabile relazione di fiducia che deve intercorrere tra l’etnografo e i suoi co-autori (citiamo le espressioni di Pels et al.) affinché la ricerca etnografica possa cominciare a svolgersi. Senza relazione di fiducia non avviene alcuno scambio di informazioni, e senza informazioni e condivisioni, come già detto, non c’è ricerca. La nozione di fiducia è essenziale da evidenziare come prerequisito della nostra ricerca perché è esattamente ciò che manca nella relazione tra le corporation della comunicazione e i suoi utenti. In questa seconda relazione infatti i dati scambiati non sono né co-costruiti né co-evoluti, ma sono pretesi a partire da una posizione di forza ad un utente che non può sottrarsi, e che dunque instaura con il database una relazione sospettosa come automatismo di difesa (Pels et al. 2018: 412).
- 12 Qui e nelle pagine seguenti è possibile consultare gli articoli inclusi nel codice etico della AAA (...)
24La relazione di fiducia nella nostra ricerca è molto più antica del GDPR. Negli statuti della ricerca antropologica americana sin dagli anni ’40 del Novecento si trovano evidenziati i criteri del no harm e di reciprocal trust, visti come assunti indispensabili senza i quali la ricerca antropologica proprio non sussiste12. Talvolta alcuni dati sono “rubati” anche dal più specchiato antropologo: questi li potremmo disconoscere e valutare meno nobili degli altri, ma in ogni caso sono stati rubati in una circostanza costruita sulla fiducia, che a sua volta ha reso possibile il furto. Posso fare qui un esempio legato ad una mia ricerca, svolta grazie a delle persone che avevano la mia piena fiducia, e viceversa, le quali mi hanno permesso l’accesso ad archivi che altrimenti non avrei raggiunto, le cui informazioni non erano pensate per essere condivise, né con me né attraverso una ricerca del mio tipo. Questi sono rientrati come dati grigi nella mia documentazione (report interni dell’azienda, linee guida per lo sviluppo strategico, contenuti dei corsi di formazione, ecc.) e non sono stati dischiusi per l’accesso ad altri ricercatori su alcuna piattaforma. Tuttavia nelle fasi di costruzione e poi valutazione della mia ricerca io li ho condivisi con i colleghi vicini, con chi ha corretto e rivisto le mie pubblicazioni, ottenendo l’assenso delle mie fonti alla condivisione caso per caso. Così alla base della mia ricerca è rimasta la relazione di fiducia, cosa che sarebbe stata impossibile se avessi perso il controllo sulla condivisione, come richiede ora il GDPR. Anzi direi di più, alla relazione di fiducia che stava alla base del mio accesso ai dati si è aggiunta in qualche caso la richiesta di dischiudere miratamente i suddetti dati grigi, ricevuta da più di un informatore – direttamente e per interposta persona – in un contesto di mantenuta fiducia, e forse anche necessità reciproca. Nel caso della ricerca di cui sto parlando infatti, avevamo la certezza assoluta che il soggetto disvelato dall’apertura degli archivi non potesse essere in alcun modo danneggiato da tale decisione, al contrario, i soggetti da proteggere sarebbero stati semmai i ricercatori, e le loro reti di relazioni.
25Il motivo per cui indugio su questo caso è perché esemplifica come ogni ricerca etnografica sia un caso a sé, ogni relazione di fiducia e di interdipendenza sia unica e non replicabile, ogni infrazione di codice ha un contesto, una motivazione, un destinatario – tutti elementi che devono essere letti insieme per valutare la circostanza dell’infrazione, caso per caso. Come può la compilazione di un questionario di disclaimer sostituire questa variabilità di contesti e situazioni?
26Infine, ma non certo in ordine di importanza, si pone per la nostra ricerca un problema di relazione istituzionale: i nostri interlocutori durante le delicate fasi decisionali in cui si negoziano le condizioni di privacy da inserire nei progetti sono gli Uffici Ricerca e/o Trasferimento Tecnologico e/o Relazioni Internazionali delle università e degli enti che ospitano i progetti. Tali uffici, salvo rarissime eccezioni, sin dall’inizio della loro esistenza hanno gestito i dati provenienti dalla ricerca quantitativa, e sono forgiati sulle relative esigenze: il dato è quello che arriva dalle scienze esatte, e in quanto tale va protetto come si fa ad esempio con un brevetto. Il brevetto è una forma di protezione della ricerca, ma è possibile ottenerlo una volta stabilito e corrisposto il suo prezzo, mentre è inutile sottolineare che, al contrario, alcuni dati della ricerca sociale non devono essere condivisi mai, a nessun prezzo. Oggi, con la ricerca che si frammenta in una molteplicità di sfumature, e le procedure del GDPR che vengono applicate alla lettera essenzialmente per proteggere al massimo grado le università dal rischio di penali fuori scala per i loro budget, tali uffici prevedono ancora, e di nuovo, un solo tipo di trattamento per tutti i tipi di ricerca, di fatto azzerando tutte le differenze tra i dati (quali/quantitativo, grezzo/processato, privato/condiviso) di cui abbiamo parlato finora (cfr. Raffaetà in questo numero).
27La standardizzazione della procedura per tutti i tipi di ricerca – e del pensiero – già penalizzante per come è prevista nella normativa sul GDPR, diventa ingestibile a livello locale, quando gli interlocutori non sono titolati, a causa del ruolo amministrativo che ricoprono, a ricorrere al pensiero critico e non possono certo dedicarsi, data la missione che hanno, all’interpretazione giuridica sottile. Due elementi, la lettura critica e l’interpretazione giuridicamente corretta della normativa ma antropologicamente flessibile, che invece sono stati elaborati dalla commissione interassociativa che ha lavorato al GDPR dal 2018, e devono ora essere esplicitati e messi a disposizione di tutti gli antropologi che fanno ricerca in Italia attraverso i canali di comunicazione ufficiale della SIAC. Tali elementi e concrete indicazioni saranno presentati in un articolo di Francesca di Declich in preparazione per il prossimo numero di AAM.