Scioperi Rumeni Sotto la Lente: Cosa Ci Svelano i Dati (E Un Pizzico di AI)
Ciao a tutti! Oggi voglio portarvi con me in un viaggio un po’ insolito, nel cuore delle proteste sindacali in Romania. Sì, lo so, magari non è l’argomento da prima pagina che vi aspettavate, ma vi assicuro che c’è un mondo affascinante da scoprire, soprattutto quando ci mettiamo di mezzo un po’ di tecnologia. Avete mai pensato a come si fa a “decodificare” il malcontento popolare, a capire cosa bolle davvero in pentola quando i lavoratori scendono in piazza? Beh, io sì, e ho scoperto che l’analisi del linguaggio naturale (quella che gli esperti chiamano NLP) può darci una mano enorme!
Recentemente mi sono imbattuto in uno studio che ha fatto proprio questo: ha preso i comunicati stampa dell’agenzia di stampa ufficiale rumena tra il 2021 e il 2022 – un periodo caldissimo, segnato dalla ripresa post-COVID e da importanti riforme legislative – e li ha “dati in pasto” a degli algoritmi. L’obiettivo? Capire i temi caldi, le scintille che hanno acceso le proteste guidate dai sindacati. E i risultati, ve lo dico, sono illuminanti.
Un Salto nel Passato: Le Radici del Malcontento
Prima di tuffarci nei dati più recenti, facciamo un piccolo passo indietro. Le proteste dei lavoratori in Romania non nascono certo oggi. Hanno radici profonde, che affondano in una storia complessa di transizioni politiche – dal socialismo al capitalismo – trasformazioni economiche e un’influenza sindacale che è andata e venuta come le maree. Pensate che i primi sindacati rumeni sono nati alla fine del XIX secolo! Poi c’è stato il periodo comunista (1945-1989), dove i sindacati erano più strumenti dello Stato che veri rappresentanti dei lavoratori. La caduta del regime nell’89 ha segnato una svolta, con un’esplosione di proteste negli anni ’90, quando la gente si è trovata a fare i conti con le dure realtà della privatizzazione e della liberalizzazione dei mercati: perdita di posti di lavoro, stipendi da fame, condizioni di lavoro in picchiata.
Col tempo, l’integrazione nell’economia globale e leggi sul lavoro più restrittive (come la famosa Legge sul Dialogo Sociale n. 62/2011) hanno portato a un calo degli iscritti ai sindacati e a una diminuzione delle proteste. Ma, attenzione, “diminuzione” non significa “scomparsa”. Settori come la sanità e l’istruzione sono rimasti focolai di malcontento, con problemi cronici di stipendi bassi e condizioni di lavoro precarie.
Il Periodo 2021-2022: Cosa è Successo?
Arriviamo al dunque: il periodo 2021-2022. Un momento cruciale. Le restrizioni pandemiche si allentavano, dando ai lavoratori la possibilità di tornare a farsi sentire. E si sono fatti sentire eccome, specialmente in settori come la sanità e le forze dell’ordine, dove molti si sentivano non riconosciuti e sottopagati per gli sforzi fatti durante l’emergenza COVID. In più, c’erano in ballo nuove leggi e pressioni socio-economiche che hanno gettato benzina sul fuoco di vecchie rivendicazioni.
Lo studio che ho analizzato ha usato una tecnica chiamata topic modeling. Immaginate di avere una montagna di comunicati stampa: il topic modeling è come un setaccio magico che li raggruppa per argomenti principali. È un po’ come se l’algoritmo leggesse tutto e dicesse: “Ok, qui si parla soprattutto di stipendi, qui di riforme nel settore X, qui di problemi di governance…”. Efficace, no?
Sono stati analizzati ben 114 documenti, tutti in rumeno per non perdere neanche una sfumatura del linguaggio locale. E cosa è emerso? Quattro temi principali che ribollivano nelle piazze rumene.
Tema 1: L’Istruzione sul Piede di Guerra
Il primo grande tema riguarda il personale del settore dell’istruzione. Parole come “insegnamento”, “dipendente”, “istruzione” e “personale non docente” erano super frequenti. Il motivo? Principalmente il mancato adeguamento degli stipendi previsto da una legge del 2017 (la Legge n. 153/2017) che doveva uniformare le retribuzioni nel settore pubblico. Mentre altri settori, come le forze dell’ordine, avevano visto qualche aumento, gli insegnanti erano rimasti al palo. Questo ha scatenato proteste nazionali imponenti, specialmente a dicembre 2021 e gennaio 2022, con oltre 100.000 lavoratori del settore in sciopero. Ma non era solo una questione di soldi: i sindacati dell’istruzione chiedevano anche maggiori investimenti nelle infrastrutture scolastiche e stabilità lavorativa per il personale non docente. La pandemia, poi, ci ha messo il carico, con gli insegnanti costretti ad adattarsi alla didattica online con risorse limitate e senza un adeguato riconoscimento economico.
Tema 2: Stipendi Pubblici e Governance Sotto Tiro
Il secondo tema caldo riguarda le strutture di governo e gli stipendi nel settore pubblico in generale. Qui le parole chiave erano “stipendio”, “legge”, “dipendente” e “poliziotto”. Non solo insegnanti, quindi, ma anche forze dell’ordine, dipendenti pubblici e operatori sanitari erano sul piede di guerra. I poliziotti e il personale carcerario protestavano per stipendi stagnanti, riforme pensionistiche penalizzanti e condizioni di lavoro sempre peggiori. I dipendenti pubblici erano contro il blocco delle assunzioni e l’aumento del carico di lavoro. Gli operatori sanitari, eroi della pandemia, chiedevano indennità di rischio e una distribuzione più equa degli stipendi. Insomma, un malcontento diffuso che toccava le fondamenta dello Stato.
Tema 3: Ferrovie Rumene, Binario Morto?
Il terzo filone di proteste ha riguardato il settore ferroviario rumeno. Termini come “ferrovia”, “treno” e “CFR” (le Ferrovie Rumene) la facevano da padrone. Qui i problemi erano cronici: finanziamenti insufficienti, stipendi bassi e infrastrutture fatiscenti. I sindacati dei ferrovieri hanno organizzato diversi scioperi chiedendo aumenti salariali, opzioni di pensionamento anticipato e, soprattutto, maggiori investimenti. Anche se il governo ha promesso interventi di modernizzazione, la situazione è rimasta critica, con un forte squilibrio di finanziamenti a favore del trasporto su strada.
Tema 4: Trasporti in Agitazione, dai Camionisti ai Rider
L’ultimo grande tema identificato riguarda le controversie nel settore dei trasporti in generale, con un focus su autisti professionisti, lavoratori del trasporto pubblico locale e dipendenti delle piattaforme di ride-hailing (come Uber e Bolt). Le parole più gettonate? “Autista”, “veicolo” e “gestione”. Camionisti e lavoratori della logistica protestavano per orari massacranti, bassi redditi e tassazione ingiusta. Nel settore del ride-hailing, il caos normativo tra taxi tradizionali e nuove piattaforme ha scatenato grandi proteste dei tassisti, che chiedevano regole più severe per i nuovi concorrenti. Anche il sindacato della metropolitana di Bucarest si è mobilitato contro piani di ristrutturazione e tagli al personale, arrivando a scontri con le autorità.
Cosa ci insegna tutto questo?
L’analisi di questi temi ci dice molto. Innanzitutto, che la stragrande maggioranza delle proteste nel periodo 2021-2022 si è concentrata nel settore pubblico. L’istruzione è stata la più mobilitata, con oltre 100.000 lavoratori in piazza, costringendo il governo a sedersi al tavolo delle trattative. Le proteste delle forze dell’ordine e dei ferrovieri, seppur più localizzate, hanno comunque avuto un peso. Nel settore privato, invece, le mobilitazioni sono state più frammentate e meno visibili, anche se i problemi non mancavano, specialmente per i lavoratori della gig economy.
Questo studio, secondo me, è importantissimo per due motivi. Primo, ci mostra come le tecniche di analisi del linguaggio naturale possano aiutarci a capire in modo sistematico e basato sui dati le dinamiche sociali complesse come le proteste. Non si tratta solo di contare quanti scioperi ci sono stati, ma di capire perché la gente scende in piazza. Secondo, offre spunti preziosi a chi deve prendere decisioni politiche: conoscere le cause profonde del malcontento è il primo passo per trovare soluzioni e costruire una società più giusta.
Le proteste sindacali in Romania, quindi, sono molto più di semplici rivendicazioni salariali. Sono lo specchio di problemi strutturali, di un bisogno di riforme profonde e di un dialogo sociale che a volte sembra mancare. E anche se l’adesione ai sindacati è diminuita rispetto al passato, il loro ruolo nel dare voce ai lavoratori e nel plasmare il dibattito pubblico resta fondamentale. La nuova Legge sul Dialogo Sociale (n. 367/2022), adottata a fine 2022, potrebbe offrire nuove opportunità per la contrattazione collettiva e gli scioperi, ma la sua reale efficacia si vedrà solo con il tempo e con un impegno concreto da parte di tutte le istituzioni.
Insomma, tenere d’occhio cosa succede nelle piazze rumene, magari con l’aiuto di un po’ di “intelligenza artificiale”, ci aiuta a capire non solo un paese specifico, ma anche le sfide che molti lavoratori affrontano in un mondo in continua trasformazione. E voi, cosa ne pensate?
Fonte: Springer
]]A
indici di sovrapposizione (Overlap Indices – OI) e gli indici di raggruppamento (Grouping Indices – GI), soprattutto quando ci avventuriamo in contesti con più di due “giocatori” in campo, ovvero in contesti n-dimensionali.
Un’Avventura nel Mondo Fuzzy: Quando il Confronto si Fa Multidimensionale
Partiamo dalle basi, ma senza annoiarci. Immaginate di dover confrontare due cose, magari due elenchi di caratteristiche, due profili utente, o qualsiasi cosa vi venga in mente. Spesso, queste “cose” non sono bianco o nero, sì o no. Hanno delle sfumature, delle appartenenze parziali. Qui entra in gioco la logica fuzzy, che ci permette di gestire questa incertezza e gradualità.
Gli indici di sovrapposizione (OI) sono come dei misuratori intelligenti che ci dicono “quanto si assomigliano” due insiemi fuzzy, guardando alla loro intersezione “sfumata”. Pensatela come due nuvole di colore che si sovrappongono: l’OI ci dice quanto è intensa e vasta l’area in comune. D’altro canto, gli indici di raggruppamento (GI) fanno un po’ il contrario: misurano quanto due insiemi fuzzy, presi insieme, si avvicinano a coprire un intero “universo di riferimento”, guardando alla loro unione “sfumata”. Come se volessimo vedere quanto bene le nostre due nuvole colorate, unite, riescono a coprire un cielo.
Questi strumenti sono già fantastici e super utili in sistemi fuzzy interpolativi, nella classificazione basata su regole fuzzy, o per confrontare regole di inferenza. Spesso, per costruirli, si usano le cosiddette funzioni di sovrapposizione (Overlap Functions – OF) e funzioni di raggruppamento (Grouping Functions – GF). Queste sono funzioni di aggregazione, magari non associative (il che significa che l’ordine con cui aggreghi le cose può contare, un po’ come in certe ricette!), ma con caratteristiche che le rendono perfette per problemi pratici, ad esempio a due variabili.
Ma ecco il punto cruciale, il vero “pepe” della questione: cosa succede se abbiamo bisogno di confrontare più di due insiemi fuzzy contemporaneamente? Pensate a classificare un oggetto basandovi non su due, ma su cinque, dieci, n caratteristiche fuzzy. L’applicazione diretta degli OI e GI classici diventa un bel rompicapo, proprio perché quella non-associatività può limitare come li usiamo in domini multidimensionali.
Ed è qui che entra in gioco il lavoro di cui vi parlo, ispirato da ricerche che cercano di generalizzare questi concetti. L’obiettivo? Introdurre gli indici di sovrapposizione/raggruppamento n-dimensionali e anche delle versioni “generali”, con un occhio di riguardo a come costruirli usando funzioni di sovrapposizione/raggruppamento generalizzate. Questo ci permetterebbe di confrontare direttamente n input, senza dover fare mille analisi a coppie. Mica male, eh?
Gli Indici di Sovrapposizione (OI): Misurare l’Intersezione Fuzzy in Più Dimensioni
Come accennavo, gli OI tradizionali misurano la “vicinanza” dell’intersezione fuzzy di due insiemi fuzzy A e B all’insieme vuoto. Più l’indice è alto, più c’è sovrapposizione. Ci sono diverse definizioni formali (assiomatizzazioni), ma l’idea di fondo è quella. Un aspetto chiave è che possono essere costruiti aggregando funzioni di sovrapposizione (OF). Le OF sono funzioni flessibili, non necessariamente associative, che hanno dato ottimi risultati in campi come l’elaborazione di immagini, la classificazione e il supporto decisionale multi-criterio.
Ora, il salto: gli indici di sovrapposizione n-dimensionali (n-OI). Questi estendono il concetto per misurare l’intersezione fuzzy tra n insiemi fuzzy. Immaginate di avere A1, A2, …, An insiemi fuzzy. Un n-OI ci darà un valore che indica quanto questi n insiemi si “intersecano” tutti insieme.
Le proprietà sono simili a quelle degli OI classici:
Esiste anche una versione “normale” che dice che se c’è almeno un elemento dell’universo in cui tutti gli n insiemi hanno appartenenza massima (1), allora l’indice è 1.
Verso Nuovi Orizzonti: Il Futuro degli Indici Generalizzati
Insomma, generalizzare i concetti di indici di sovrapposizione e raggruppamento per gestire n insiemi fuzzy e per allentare le condizioni al contorno non è solo un esercizio matematico fine a sé stesso. È un passo avanti che ci fornisce strumenti più potenti e versatili per analizzare dati complessi e “sfumati”.
Le possibilità di applicazione sono vaste, dall’intelligenza artificiale al data mining, dalla classificazione al supporto decisionale. L’esempio dell’indice di Jaccard n-dimensionale è solo la punta dell’iceberg. Si potrebbero sviluppare versioni ancora più generali dell’indice di Jaccard usando i GOI e GGI, o applicare questi nuovi indici al confronto di regole fuzzy nei sistemi di classificazione.
È un campo di ricerca vivo e stimolante, e sono convinto che vedremo sviluppi ancora più interessanti in futuro. Per ora, spero di avervi incuriosito e di avervi dato un assaggio di come la matematica, anche quella più astratta, possa avere un impatto concreto sul modo in cui comprendiamo e interagiamo con il mondo dei dati. Alla prossima!
Fonte: Springer
