Come leggiamo i proxy nei dati pubblici

[Gabrymi93]

Molti dataset pubblici non misurano direttamente il fenomeno che ci interessa.
Misurano invece un suo proxy: una traccia indiretta, utile ma non equivalente.

E' un punto importante, perche' una parte consistente degli errori di lettura nasce proprio qui: si prende la metrica disponibile e la si tratta come se fosse il fenomeno reale.

Alcuni esempi semplici

• Nei dati sui delitti, spesso osserviamo il momento della denuncia, non il reato "reale" in senso pieno.
• Nei dati scolastici, le iscrizioni non coincidono automaticamente con la presenza effettiva o con l'abbandono durante l'anno.
• Nei dati ambientali, l'assenza di un superamento puo' dipendere anche dal fatto che una sostanza non e' stata cercata o monitorata in modo uniforme.

Perche' conta

Un proxy puo' essere molto utile, ma va letto per quello che e'.
Se lo carichiamo di significato oltre il suo perimetro, il rischio e' duplice:

• fare claim troppo forti
• leggere come "miglioramento" o "peggioramento" qualcosa che il dataset, da solo, non puo' davvero dimostrare

Come proviamo a trattarlo

Quando lavoriamo su una fonte, cerchiamo di chiarire presto:

• cosa misura davvero
• cosa non misura
• qual e' il salto interpretativo piu' rischioso
• se il proxy e' comunque abbastanza utile da sostenere una domanda pubblica seria

Questo non vuol dire scartare il dato.
Vuol dire usarlo con un perimetro piu' chiaro.

Domanda aperta

Quali sono, secondo voi, i casi in cui un dato pubblico sembra parlare da solo ma in realta' sta misurando solo un proxy parziale del problema?