0 
0 di Stefano Zapperi (dal sito i ricercatori non crescono sugli alberi, dicembre 2009)
In un recente articolo su lavoce.info Checchi e Jappelli sostengono che autonomia e concorrenza siano necessarie per avere università di migliore qualità. La dimostrazione verrebbe da un articolo di Aghion et al. che riporta un grafico a riprova della correlazione tra il grado autonomia e concorrenza e la qualità, misurata dall’indice della classifica di Shanghai. Includere un grafico del genere in un qualsiasi lavoro di fisica porterebbe alla immediata “rejection” dell’articolo, ma si sa che non tutte le discipline hanno gli stessi criteri. Purtroppo però il risultato delle analisi degli economisti si trasformia a volte in politiche di cui tutti subiamo le conseguenze.
Di seguito riportiamo qui il grafico, dove si vede che esiste una blanda correlazione (r=0.29) tra i due indici, ma che questa è ristretta in realtà alle sole università del Regno Unito. Se si considerano le altre università il coefficiente di correlazione è infimo (r=0.12) e il fit dei dati da una pendenza il cui valore è inferiore all’errore statistico. Dov’é quindi la dimostrazione?
Vorrei provare a chiarire alcuni punti riguardo al post (commento, ndr) precedente, cercando allo stesso tempo di rispondere alle critiche. Il punto centrale riguarda l’uso del formalismo matematico e dei metodi quantitativi che si fa nelle scienze sociali e nell’economia. Si tratta di metodi caratteristici delle scienze “dure” come la fisica ma vengono usati sempre di più in tutti i campi del sapere. Non è detto che questo sia di per sé sbagliato, ma bisogna sempre tenere presente cosa si sta misurando, come lo si sta misurando e se le ipotesi da cui parte l’analisi siano fondate o meno. Spesso vediamo misurare alcune quantità o definire alcuni indicatori per poi trarre conclusioni sommarie che trascendono ciò che la misura realmente rappresenta. Un esempio classico è quello del quoziente intellettivo (QI). Il QI rappresenta la capacità che ha una persona ad un dato istante di tempo nel rispondere ad una serie di domande di un certo tipo. Quello che invece ci viene spesso raccontato è che il QI misura l’intelligenza innata di una persona e che questa quantità sarebbe addirittura ereditaria. Gli studiosi del QI fanno uso di metodi statistici e matematici sofisticati, quali l’analisi fattoriale, il p-value, il g-factor, matrici di cross-correlazionie e chi più ne ha più ne metta. Tutta questa matematica offusca una cosa evidente e cioé che l’intelligenza non è misurabile semplicemente su di una scala lineare come se fosse la circonferenza cranica, come discusso in dettaglio da S. J. Gould in un bellissimo libro (Intelligenza e pregiudizio).
Una misura quantitativa o una sofisticata analisi matematica sembra però rendere una tesi molto più forte e convincente, grazie all’idea che la scienza sia in un certo senso obbiettiva. Ad esempio, se misuro la resistenza meccanica dell’acciaio e mostro che aggiungendo una certa percentuale di carbonio il materiale diventa più resistente posso dire ad una industria metallurgica che in questo modo i suoi componenti saranno migliori (nel senso della resistenza). Abbiamo una misura di due quantità fisiche ben definite (resistenza meccanica, di trazione ad esempio) e percentuale di carbonio e una curva che lega una caratteristica all’altra (vedi grafico).
Certo, se la curva di resistenza fosse simile al grafico riportato nel post precedente dubito che la nostra industria metallurgica utilizzerebbe il carbonio nella sua lega. Ma questo è solo un aspetto della questione, il punto è che ciò che viene misurato in quel grafico è molto lontano dalla nostra misura meccanica. Le ascisse riportano un indice, frutto di un’analisi fattoriale su vari indicatori di “autonomia”, scelti arbitrariamente dagli autori e combinati poi linearmente. Questo almeno quello che io ho potuto capire dall’articolo in questione. In ogni modo si tratta di una misura perlomeno indiretta. Sulle ordinate invece troviamo l’inverso del punteggio di Shanghai, anche questa una misura indiretta della performance dell’università che riassume una serie di punteggi, normalizzandoli e combinandoli linearmente in maniera arbitraria. Adesso X e Y, di per sé quantità arbitrarie che riassumono in un unico indice tante qualità diverse, ognuna misurata in maniera arbitraria, vengono poste in un grafico per mostrarne la correlazione. Quello che io vedo è una nuvola di punti che riempiono il piano. Ma decidiamo di non fidarci dagli occhi (la correlazione c’è ma non si vede!) e facciamo un fit, possiamo estrarre una relazione lineare da cui concludiamo: se diamo maggiore autonomia l’università sarà migliore! Come dire: aumentiamo il contenuto di carbonio e la resistenza aumenterà! I messaggi sembrano simili: si tratta di conclusioni frutto di un’analisi sofisticata matematicamente, difficile da comprendere per il profano, ma oggettiva e scientifica. In realtà in un caso abbiamo la misura di quantità fisiche ben definite, mentre nell’altro caso ci viene detto che si stanno misurando “qualità dell’università ” e “autonomia”, ma in realtà si sta misurando altro: cosa esattamente non è neanche chiaro, ma di certo qualcosa di molto complicato e arbitrario, quindi facile da manipolare.
Detto questo, non vogliamo dare l’impressione di fisici arroganti disgustati di fronte al lavoro degli economisti, ma non vogliamo neanche essere presi in giro. Se ci si viene proposto un modello di università ideale quale frutto di un’analisi scientifica rigorosa, vogliamo vedere le carte, e quanto visto non ci convince affatto.
[…] Che i dati mostrino una correlazione è del tutto da dimostrare; inoltre il risultato è basato sul test del p-value ampiamente criticato in letteratura […]