Robot, ti vedo! Ma come? Ecco RoSAS-SF, la scorciatoia per capire la nostra percezione sociale
Ciao a tutti! Oggi voglio parlarvi di qualcosa che mi affascina tantissimo: come noi esseri umani percepiamo i robot. Sì, quelle macchine intelligenti che stanno entrando sempre più nelle nostre vite, dai Roomba che puliscono casa agli assistenti vocali come Alexa, fino ai robot che ci consegnano il cibo o ci fanno compagnia. È innegabile, l’interazione uomo-robot (HRI, come la chiamiamo noi addetti ai lavori) è ormai parte del quotidiano.
Ma vi siete mai chiesti cosa pensiamo *davvero* di loro? Come li giudichiamo? Sono simpatici? Competenti? Ci mettono a disagio? Capire questo è fondamentale, perché influenza come li accettiamo e interagiamo con loro.
Il problema della misurazione
Per anni, noi ricercatori abbiamo cercato modi per misurare questa “percezione sociale” dei robot. Esistono diverse scale, alcune focalizzate su aspetti specifici come la fiducia, la sicurezza, l’empatia, altre più generali come la famosa Godspeed Questionnaire Series (GQS). Però, diciamocelo, a volte queste scale sono un po’… lunghe.
Prendiamo ad esempio la RoSAS (Robotic Social Attributes Scale), sviluppata nel 2017. È uno strumento fantastico, validato scientificamente, che misura tre dimensioni chiave derivate dalla psicologia sociale e adattate ai robot:
- Calore (quanto un robot ci sembra compassionevole, socievole, emotivo)
- Competenza (quanto lo riteniamo competente, affidabile, capace)
- Disagio (quanto ci fa sentire a disagio, strani, spaventati)
La RoSAS originale ha 18 domande (6 per ogni dimensione). Ottima, ma immaginate di doverla usare in studi dove si valutano decine, se non centinaia, di robot diversi (esistono database con centinaia di immagini di robot!), o magari in studi con campioni enormi di persone, o ancora quando si usano tante scale diverse contemporaneamente. Diventa un lavoraccio, lungo e potenzialmente stancante per chi partecipa.
La soluzione? Una scorciatoia intelligente: RoSAS-SF
Ecco che entra in gioco la nostra idea: creare una versione “short form”, abbreviata, della RoSAS. L’abbiamo chiamata RoSAS-SF. L’obiettivo? Mantenere la validità scientifica dell’originale, ma con molte meno domande. Una versione agile, veloce, perfetta per le ricerche su larga scala o quando il tempo è tiranno.
Come abbiamo fatto? Beh, non abbiamo tirato a caso!
- Abbiamo ripreso i dati di studi precedenti che usavano la RoSAS originale.
- Abbiamo analizzato attentamente quali domande (o “item”, in gergo tecnico) fossero le più rappresentative per ciascuna delle tre dimensioni (Calore, Competenza, Disagio). Abbiamo guardato le correlazioni tra le domande, come cambiava l’affidabilità della scala togliendo una domanda alla volta, e abbiamo fatto considerazioni concettuali.
- Per Calore e Competenza, abbiamo scelto le due domande che meglio catturavano l’essenza di queste dimensioni ben definite: “compassionevole” e “socievole” per il Calore; “competente” e “affidabile” per la Competenza.
- Per il Disagio, la faccenda era un po’ più complessa. Questa dimensione include sia la sensazione di stranezza (pensate all’effetto “uncanny valley”, quella sensazione perturbante che proviamo di fronte a robot troppo simili ma non perfettamente umani) sia la percezione di una minaccia. Per coprire entrambi gli aspetti, abbiamo scelto “spaventoso” (per la minaccia) e “imbarazzante/strano” (awkward, per la stranezza). Sapevamo che queste due parole non erano super-correlate, ma volevamo catturare la complessità del concetto.
Alla fine, siamo arrivati a una scala di sole 6 domande (2 per dimensione). Un bel taglio rispetto alle 18 originali!
Mettiamola alla prova: Gli Studi di Validazione
Ovviamente, non bastava crearla. Dovevamo essere sicuri che funzionasse bene quanto l’originale. Così, abbiamo condotto due studi nuovi di zecca.
Studio 1: Facce Sintetiche
Nel primo studio, abbiamo usato le stesse immagini di facce di robot sintetiche usate per validare la RoSAS originale. Queste facce variavano sistematicamente per “genere” percepito (mascoline, androgine, femminili) e livello di “antropomorfismo” (cioè quanto sembravano umane vs. meccaniche). Abbiamo reclutato circa 220 persone online e le abbiamo divise a caso: metà valutava le facce con la RoSAS originale (18 item), l’altra metà con la nostra nuova RoSAS-SF (6 item). Abbiamo poi confrontato i risultati.
Studio 2: Robot Reali
Nel secondo studio, abbiamo alzato il tiro usando immagini di robot reali, presi da ricerche precedenti. Anche qui, i robot variavano per genere percepito e antropomorfismo. Abbiamo reclutato altri 250 partecipanti circa, sempre divisi tra chi usava la scala lunga e chi quella corta.
Cosa abbiamo scoperto? Funziona! (Con un piccolo “ma”)
I risultati sono stati davvero incoraggianti! Ecco i punti salienti:
- Affidabilità Accettabile: La RoSAS-SF ha mostrato un buon livello di affidabilità (in gergo, Cronbach’s Alpha e Spearman-Brown erano buoni), anche se, come prevedibile avendo meno item, leggermente inferiore all’originale.
- Stessi Pattern di Giudizio: La cosa più importante è che i pattern di risposta erano praticamente identici tra le due scale! Ad esempio, sia con la RoSAS che con la RoSAS-SF, i robot dall’aspetto più femminile venivano giudicati più “calorosi”, mentre quelli più mascolini suscitavano più “disagio”. Allo stesso modo, i robot più simili agli umani erano visti come più calorosi e competenti. Questi risultati confermano stereotipi di genere che, purtroppo, applichiamo anche alle macchine.
- Struttura Confermata: Le analisi statistiche più complesse (tipo la Confirmatory Factor Analysis, CFA) hanno confermato che la struttura a tre fattori (Calore, Competenza, Disagio) reggeva bene anche per la versione corta.
- Più Veloce: Come previsto, chi usava la RoSAS-SF completava il compito in molto meno tempo (ad esempio, nello Studio 1, 8 minuti contro 13; nello Studio 2, 5 minuti contro 7).
C’è un piccolo “ma”? Sì, riguarda la dimensione del Disagio. L’affidabilità di questa sottoscala nella versione SF, pur essendo accettabile, era un po’ più bassa e variabile rispetto a Calore e Competenza. Questo probabilmente è dovuto proprio alla nostra scelta di usare due item (“spaventoso” e “imbarazzante/strano”) concettualmente un po’ diversi per coprire meglio l’ampiezza del costrutto.
Perché la RoSAS-SF è utile? Vantaggi e Applicazioni
Allora, a cosa serve questa RoSAS-SF? I vantaggi sono chiari:
- Efficienza: Fa risparmiare tempo e risorse, sia ai ricercatori che ai partecipanti.
- Studi su Larga Scala: Rende fattibili ricerche che prima erano proibitive per lunghezza e complessità, come valutare centinaia di design di robot o raccogliere dati da campioni molto ampi e diversificati.
- Meno Fatica: Questionari più corti stancano meno chi risponde, migliorando potenzialmente la qualità dei dati.
- Adattabilità: Essendo più corta, potrebbe essere più facile tradurla e adattarla a diverse lingue e culture.
- Uso con Altre Scale: Perfetta quando si vogliono misurare tanti aspetti diversi della percezione usando più scale contemporaneamente.
Possiamo usarla per capire meglio come caratteristiche come il colore, la voce, il movimento influenzano la nostra percezione, per studiare gli stereotipi (di genere, ma anche razziali o etnici, che purtroppo emergono anche verso i robot) e, in definitiva, per progettare robot che siano più accettati e adatti ai loro ruoli, combattendo al contempo stereotipi dannosi.
Un pizzico di cautela
È importante sottolineare che la RoSAS-SF non vuole sostituire completamente la RoSAS originale. Se uno studio è focalizzato specificamente e in modo approfondito sulla dimensione del Disagio, o se si valutano pochi robot e il tempo non è un problema, allora la scala originale a 18 item rimane la scelta migliore, data la sua maggiore affidabilità su quella specifica dimensione. La RoSAS-SF è la campionessa dell’efficienza, l’alternativa ideale quando serve rapidità e sintesi.
In conclusione
Viviamo in un’epoca in cui i robot sociali sono sempre più tra noi. Capire come li percepiamo è cruciale. Con la RoSAS-SF, ora abbiamo uno strumento in più, validato e affidabile, per farlo in modo rapido ed efficiente. È un piccolo passo, ma utile, per continuare a esplorare l’affascinante e complesso mondo dell’interazione uomo-robot. E voi, cosa ne pensate dei robot che vi circondano?
Fonte: Springer
