AUTO-WELF: Automatizzare il Welfare - Infrastrutture algoritmiche per la prosperità umana in Europa
Come viene automatizzato il welfare nei vari Paesi europei e nei diversi regimi di welfare?
Il progetto studia gli effetti degli algoritmi e dell'intelligenza artificiale sul benessere e la prosperità dei cittadini europei in otto paesi. Si concentra sull'implementazione del processo decisionale automatizzato (Automated Decision-Making d’ora in poi ADM) nel settore del welfare in Europa, attraverso un disegno di ricerca comparativo e multi-metodo che prende in esame otto paesi Europei. AUTO-WELF mette in primo piano la prospettiva delle persone coinvolte nel processo di automazione, tra cui ingegneri e progettisti di infrastrutture, operatori del settore e cittadini. Nel fare ciò, il progetto utilizza un approccio interdisciplinare per studiare due ambiti legati al welfare automatizzato: a) l'automazione del welfare di base, b) l'automazione delle infrastrutture e dei servizi dei beni comuni. Siccome questi due ambiti operano rispettivamente a livello individuale (a) e aggregato (b) di dati, AUTO-WELF sarà in grado di confrontare due sistemi di automazione del welfare molto diversi tra loro. Il progetto vuole raggiungere tre obiettivi principali: in primo luogo, lo sviluppo di parametri di riferimento che possono essere usati nell’Unione Europea per comparare l'automazione del welfare tra i paesi europei; in secondo luogo, lo sviluppo di un contributo teorico che definisca e concettualizzi il welfare automatizzato a beneficio delle persone e, in terzo luogo, la produzione di linee guida che possano costituire un punto di riferimento importante per legislatori e policy-makers.
Per raggiungere questi obiettivi di ricerca, il progetto adotta un disegno di ricerca comparativo, riconoscendo l'importanza di contestualizzare i diversi sistemi di ADM evidenziandone le loro specificità culturali, economiche, sociali e politiche a seconda del paese in cui i sistemi di ADM sono collocati e in relazione a diversi modelli di welfare. Pertanto, lo studio compara otto Paesi (Svezia, Danimarca, Estonia, Polonia, Germania, Austria, Portogallo e Italia), concentrandosi in primo luogo sulla relazione tra i modelli di welfare e il processo decisionale automatizzato e, in secondo luogo, sulle opportunità e le sfide dell'automazione del welfare a livello individuale e collettivo. Più nello specifico, i due domini su cui si concentrerà la ricerca empirica - servizi di welfare di base e infrastrutture di welfare dei beni comuni - saranno esplorati utilizzando diversi tipi di metodi, tra cui la mappatura dei data journeys dei cittadini, una ricerca etnografica su casi di studio specifici, interviste ad esperti, e workshop di mind scripting e vision con i cittadini. I risultati empirici comparativi contribuiscono quindi alla costruzione teorica di nuovi servizi pubblici algoritmici e alle relative raccomandazioni sulle policy-making.
Il progetto sviluppa un forte impatto basato sull'evidenza empirica per le diverse parti interessate con i seguenti cinque risultati:
Primo: sviluppa empiricamente la comprensione dell'ADM offrendo un'analisi comparativa per far progredire l'offerta di welfare in Europa.
Secondo: avanza concettualmente la comprensione dei cambiamenti nell'erogazione del welfare con, e attraverso, le tecnologie digitali basate sui dati,
Terzo: affronta le implicazioni per le persone interessate dal processo decisionale automatizzato in tutti i regimi di welfare.
Quarto: informa sulle soluzioni alle sfide emergenti del processo decisionale automatizzato nel settore pubblico, identificando esempi di buone pratiche ed insuccessi.
Quinto: sviluppa un approccio interdisciplinare e un disegno di ricerca multi-metodo che combina il lavoro di ricerca sul campo, la mappatura dei data journeys dei cittadini e i laboratori di mind scripting e vision e favorisce le discussioni teoriche sulla governance algoritmica e sulla cultura digitale nel campo della ricerca sul welfare.
- Responsabile del progetto: Anne Kaun, Södertörn University, Department for Culture and Education, Sweden
- Stine Lomborg, University of Copenhagen, Department of Communication, Denmark
- Christian Pentzold, Leipzig University, Institute for Communication and Media Studies, Germany
- Karolina Sztandar-Sztanderska, Institute of Philosophy and Sociology Polish Academy of Science, Poland
- Doris Allhutter, Austrian Academy of Sciences, Institute of Technology Assessment, Austria
- Matthias Spielkamp, Algorithm Watch
- Birgitte Kofod Olsen, DataEthics
- Tanja Mally, Epicenter.works – Plattform Grundrechtspolitik
- Pernille Boye Kock, The Danish Institute for Human Rights
- Ana Jorge, Lusófona University
- Alice Mattoni, University of Bologna
- Brigitte Alfter, Arena for Journalism in Europe / DataHarvest
- Daniel Neugebauer, Haus der Kulturen der Welt
- Veronika Liebl, Ars Electronica Linz GmbH & Co KG
Da ottobre 2022 a ottobre 2025 (36 mesi)
Il progetto è finanziato da CHANSE e BMBF.