B8911 - Data Infrastructures and Algorithmic Governance (1) (LM)

Conoscenze e abilità da conseguire

The course aims to familiarize students with past and contemporary developments in studies on information infrastructures, digital Science and Technology Studies, critical data and algorithms studies. Notably, the course focuses on the implications of data production, curation, circulation and validation for the governance of topical and/or contested areas, such as security, health, land management and climate change, migration.

Contenuti

Il corso affronta i principali dibattiti teorici ed empirici sugli sviluppi contemporanei che riguardano le infrastrutture di dati, gli algoritmi e la produzione automatizzata di conoscenza (inclusa ma non limitata alla IA), con attenzione particolare alla loro agency e quindi agli aspetti legati alla governance e al potere.

Nel fare questo, il corso mobilita le prospettive degli studi sociali della tecnologia (STS), degli studi sulle infrastrutture informative, dei critical data studies e degli studi critici su algoritmi e AI. Questi approcci sono appresi attraverso letture attente e condivise dei principali testi che indirizzano il dibattito internazionale, il supporto di esercitazioni pratiche in classe, nonché analisi di casi empirici. 

Durante il corso, i momenti interattivi sono dedicati alle esercitazioni in gruppo, al commento dei testi, alle analisi di casi di studi concernenti temi oggetto di dibattito pubblico come la sicurezza, la gestione informatica delle popolazioni migranti, il cambiamento climatico, la costruzione dello Stato.

Non è necessaria conoscenza tecnologica pregressa, ma l'interesse ad apprendere competenze trans-disciplinari di recente sviluppo.

Il corso nello specifico affronta i seguenti temi:

Settimana 1 - Genealogie: Dai sistemi su larga scala alle infrastrutture e alla IA

Settimana 2 - Infrastrutture informative negli STS e negli studi critici sui dati

Settimana 3 - Infrastrutture, governance e costruzione dello Stato

Settimana 4 - Data governance in ambito securitario e di migrazioni

Settimana 5 - Data governance e cambiamenti climatici

Testi/Bibliografia

Il materiale di studio è lo stesso per studenti e studentesse frequentanti e non frequentanti, ed è costituito da articoli di riviste e capitoli di libri. Sono tutti disponibili su Virtuale o attraverso la biblioteca digitale UniBO (AlmaRE). Vedi Virtuale per i dettagli e le copie del materiale.

Studenti e studentesse sono tenute a leggere i testi obbligatori e sono invitate a leggere anche quelli consigliati, che tuttavia non saranno oggetto di valutazione finale.

Settimana 1 - Genealogie: Dai sistemi su larga scala alle infrastrutture e alla IA

Edwards, P. et al. (2025) “Infrastructures,” in U. Felt and A. Irwin (Eds.) Encyclopedia of Science & Technology Studies. Edward Elgar.

Hughes, T. P. (1987) “The evolution of large technological systems,” in W.E. Bijker, T.P. Hughes, and T. Pinch (Eds.) The social construction of technological systems: New directions in the sociology and history of technology. Cambridge, MA: The MIT Press, pp.51-82.

Consigliato:

Collins, H.M. (1987) “Expert systems and the science of knowledge,” in W.E. Bijker, T.P. Hughes, and T. Pinch (Eds.) The social construction of technological systems: New directions in the sociology and history of technology. Cambridge, MA: The MIT Press, pp.329-349.

Settimana 2 - Infrastrutture informative negli STS e negli studi critici sui dati

Bowker, G. C., & Star, S. L. (1999) Sorting Things Out: Classification and Its Consequences. Cambridge, MA: The MIT Press, pp. 1-50.

Star, SL and Ruhleder K (1996) “Steps Toward an Ecology of Infrastructure: Design and Access for Large Information Spaces.” Information Systems Research 7(1): 111–34.

Gitelman, L. and Jackson, V (2013) “Introduction,” in Gitelman L. Raw data is an Oxymoron. Cambridge, MA: The MIT Press, pp. 1-14.

Dalton, Craig & Jim Thatcher (2014) “What Does A Critical Data Studies Look Like, And Why Do We Care?,” Society & Space. Available at https://www.societyandspace.org/articles/what-does-a-critical-data-studies-look-like-and-why-do-we-care

Consigliati:

Crawford, Kate (2021) “Classification,” in The Atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press, pp. 123-149.

Kitchin, R. (2014) The Data Revolution. Big data, open data, data infrastructures and their consequences. London: Sage.

Settimana 3 - Infrastrutture, governance e costruzione dello Stato

Mitchell, Timothy. 1991. “The Limits of the State: Beyond Statist Approaches and Their Critics.” The American Political Science Review 85 (1): 77-96.

Mukerji, Chandra. 2011. “Jurisdiction, Inscription, and State Formation. Administrative Modernism and Knowledge Regimes.” Theory and Society 40 (3): 223-45. doi: 10.1007/s11186-011-9141-9.

Pelizza, Annalisa. 2016a. “Disciplining Change, Displacing Frictions. Two Structural Dimensions of Digital Circulation across Land Registry Database Integration.” Tecnoscienza Italian Journal of Science & Technology Studies 7 (2): 35-60.

Consigliati:

Pelizza, Annalisa 2016b. “Developing the Vectorial Glance: Infrastructural inversion for the new agenda on governmental information systems.” Science, Technology and Human Values 41 (2): 298-321. https://doi.org/10.1177/0162243915597478

Schipper, Frank, and Johan Schot. 2011. “Infrastructural Europeanism, or the Project of Building Europe on Infrastructures. An Introduction.” History and Technology 27 (3): 245-64. doi: 10.1080/07341512.2011.604166.

Settimana 4 - Data governance in ambito securitario e di migrazioni

Aradau, C., & Blanke, T. (2022) Algorithmic reason: The new government of self and other. Oxford: Oxford University Press, pp. 1-66.

Pelizza, A. (2021) “Identification as translation: The art of choosing the right spokespersons at the securitized border.” Social Studies of Science 51 (4), 487-511. https://doi.org/10.1177/0306312720983932

Consigliato:

Aradau, C., & Blanke, T. (2022) Algorithmic reason: The new government of self and other. Oxford: Oxford University Press, pp. 68-90.

Settimana 5 - Data governance e cambiamenti climatici

Edwards, P. N. (2013). A vast machine: Computer models, climate data, and the politics of global warming. Cambridge, MA: The MIT Press, pp. XIII-XXIV; 1-59; 83-110.

Consigliato:

Edwards, P. N. (2013). A vast machine: Computer models, climate data, and the politics of global warming. Cambridge, MA: The MIT Press, pp. 338-355.

Metodi didattici

Lo stile di insegnamento privilegia l'interattività. Le lezioni comprendono lezioni della docente, presentazioni degli studenti/studentesse, esercitazioni e discussioni in aula.

Lo scopo delle attività in aula è triplice: 1) sostenere e sviluppare la comprensione della letteratura da parte di studentesse e studenti; 2) sostenere e sviluppare le loro capacità analitiche e di ricerca prima della valutazione formale; 3) promozione dell'apprendimento tra pari.

Per raggiungere questi obiettivi, le bozze di elaborati da sottoporre alla valutazione finale saranno preliminarmente discusse collegialmente in classe (vedi modalità di valutazione).

Modalità di verifica e valutazione dell'apprendimento

Il processo di apprendimento è valutato per studentesse e studenti frequentanti e non attraverso un elaborato analitico finale su un caso di studio di propria scelta.

Il voto viene espresso in 30/30.
Il punteggio massimo ottenibile è quindi pari a 30 e lode.
La prova si intende superata con un punteggio minimo di 18/30.

 

Nel corso dell’a.a. 2025/2016 sono previsti consegne degli elaborati finali nei seguenti mesi:

- dicembre 2025 per tutti gli studenti

- gennaio 2026 per tutti gli studenti

- aprile 2026 per tutti gli studenti

- luglio 2026 per tutti gli studenti

- settembre 2026 per studentesse e studenti in debito

- novembre 2026 per studentesse e studenti in debito

 

Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/la docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Strumenti a supporto della didattica

Le lezioni si svolgono in presenza: in aula, computer con videoproiettore e lavagna digitale. Il materiale didattico è costituito dai testi, dalle lezioni preparate dalla docente e dai casi di studio.

Il materiale didattico, quando non protetto da diritto d'autore, è messo a disposizione di studenti e studentesse attraverso la piattaforma didattica Virtuale (http://virtuale.unibo.it) dell'Università di Bologna. I testi protetti da copyright oltre un certo numero di pagine sono disponibili presso il sistema bibliotecario dell'Università di Bologna.

Orario di ricevimento

Consulta il sito web di Annalisa Pelizza