Indica un intervallo di date:
  • Dal Al
politica

Il voto alle politiche di marzo e chi bara ai test Invalsi. Il caso degli elettori del Sud

Quello che state per leggere è un articolo nato dalla collaborazione tra gli studenti di Data Science  dell’Università di Milano-Bicocca e noi di Info Data con l’obiettivo di formare gli studenti di data science sull’applicazione dell’analisi dei dati al giornalismo. 

Per decenni alla guida del Paese si sono alternate le stesse forze politiche, scambiandosi di tanto in tanto il ruolo grazie a pochi voti. Nelle elezioni politiche di marzo 2018, invece, la “vecchia politica” è crollata lasciando il posto quasi in ugual misura all’astensionismo e alle preferenze per il Movimento 5 Stelle. Il Movimento 5 Stelle cattura nei suoi argomenti e nella sua propaganda il disamore verso la politica e le sue istituzioni. Sin dagli albori quando il Blog di Beppe Grillo lanciò il “V… day” il Movimento si è posizionato come la ribellione alla “casta” ed ai “poteri forti”, spesso denunciati come nemici del popolo e dei cittadini. Per approfondire le ragioni di questo terremoto politico abbiamo provato a analizzare il voto con altri indicatori (seguirà un post dedicato al reddito territoriale). Nessuno finora ha per esempio provato a capire se esista una relazione tra la propensione a barare sulle proprie competenze e quindi la disonestà nei confronti dei sistemi di valutazione e  il voto alle politiche.

Per analizzare i risultati elettorali nel dettaglio facciamo uso di un grafico ternario in cui la posizione di una provincia è determinata dal rapporto relativo tra i voti delle tre maggiori forze politiche. Le tre forze politiche di Partito Democratico, Lega-Forza Italia e Movimento 5 Stelle sono poste ai vertici e, maggiore la componente di voto per una fazione in una data provincia, più vicino sarà il segno che la rappresenta al vertice di quella fazione.
Il colore dei simboli indica il valore del coefficiente di Cheating INVALSI rispetto alla media nazionale, mentre il simbolo indica se tale valore si pone al di sopra o sotto tale media.

 

 Questa visualizzazione (basata su dati elettorali per il Senato alle elezioni politiche di marzo 2018) mostra come ci sia un rilevante parallelo tra le zone dove hanno prevalso il Movimento 5 Stelle e quelle dove si è registrato un coefficiente di Cheating INVALSI sopra la media. Come discusso in un articolo separato, questi stessi territori sono spesso caratterizzati da un forte astensionismo. Diverso è il caso di Sondrio dove ha prevalso il centro-destra dopo la vittoria alle comunali del candidato di sinistra. Oltre al risultato straordinario del Movimento di Grillo al Sud hanno pesato anche ragioni di altro tipo. Ma guardando la cartina la concentrazione di rosso è prevalentemente al Sud e sulle Isole.
Cosa è il cheating?  L’Istituto Nazionale per la Valutazione del Sistema educativo di Istruzione e di formazione (INVALSI) è l’ente pubblico di ricerca sottoposto al MIUR che somministra i Test INVALSI, prove standard a livello nazionale per vari gradi della scuola pubblica. Una delle analisi statistiche effettuate da questo ente è la cosiddetta “propensione al Cheating”, ovvero quanto viene rilevato che studenti e soprattutto insegnanti barino per migliorare l’esito dei test. 

Risulta ovviamente difficile e avventato trarre conclusioni da questi dati, ma è chiaro come contribuiscano a costruire un’immagine delle province interessate caratterizzata da un forte sentimento di alienazione dell’elettore rispetto alle istituzioni. Questo richiama la disaffezione mostrata verso i partiti storici, e può essere collegato al ritardo nello sviluppo economico di cui spesso soffrono questi stessi territori. Chi si sente meno rappresentato dal governo lo abbandona, ma se decide comunque di votare lo fa “per protesta” nella speranza di un cambiamento radicale, che in molte province si è prevalentemente concretizzato in un voto al Movimento 5 Stelle.

 

Gli autori hanno frequentato il corso di Data Science dell’università Bicocca .
Ultimi commenti
  • Luca Salone |

    E pensare che nonostante tutto hanno preso pure 30 e Lode. Vergogna

  • Luca Salone |

    E pensare che nonostante tutto hanno preso pure 30 e Lode. Vergogna

  • Andrea Maurino |

    Come docenti e responsabili a vario titolo di insegnamenti e del corso di studio in data science desideriamo chiarire il processo che ha portato alla pubblicazione dell’articolo.

    L’articolo è il quinto esercizio che è stato pubblicato su questo blog come attività collaterale alla didattica tradizionale sui temi della raccolta, integrazione e visualizzazione dei dati per avvicinare gli studenti di datascience ai contesti applicati che affronteranno in futuro.

    Con tale spirito il lavoro è stato successivamente sintetizzato e rielaborato dagli studenti, anche con il contributo di giornalisti, per farne un post pubblico e non rappresenta dunque un lavoro scientificamente completo e valido.

    Senza dubbio la competente visuale è corretta e adeguata agli scopi del corso, mentre la parte testuale realizzata appositamente per il post sembra aver generato una certa dialettica fra chi lo ha letto. Negli insegnamenti del corso di laurea si descrivono in maniera accurata le tecniche di interpretazione dei dati e di fatto nel testo non compare nessun riferimento a correlazioni.
    Tuttavia nella stesura del testo, visto a posteriori, sarebbe stato non superfluo chiarire meglio i limiti metodologici insiti nell’esercizio svolto.

    Sicuramente i nostri studenti hanno avuto un’esperienza diretta di quanto spiegato a lezione sulle difficoltà e l’importanza della comunicazione dei dati che un data scientist deve essere in grado di gestire.

    Carlo Batini
    Federico Cabitza
    Andrea Maurino

  • Andrea Maurino |

    Come docenti e responsabili a vario titolo di insegnamenti e del corso di studio in data science desideriamo chiarire il processo che ha portato alla pubblicazione dell’articolo.

    L’articolo è il quinto esercizio che è stato pubblicato su questo blog come attività collaterale alla didattica tradizionale sui temi della raccolta, integrazione e visualizzazione dei dati per avvicinare gli studenti di datascience ai contesti applicati che affronteranno in futuro.

    Con tale spirito il lavoro è stato successivamente sintetizzato e rielaborato dagli studenti, anche con il contributo di giornalisti, per farne un post pubblico e non rappresenta dunque un lavoro scientificamente completo e valido.

    Senza dubbio la competente visuale è corretta e adeguata agli scopi del corso, mentre la parte testuale realizzata appositamente per il post sembra aver generato una certa dialettica fra chi lo ha letto. Negli insegnamenti del corso di laurea si descrivono in maniera accurata le tecniche di interpretazione dei dati e di fatto nel testo non compare nessun riferimento a correlazioni.
    Tuttavia nella stesura del testo, visto a posteriori, sarebbe stato non superfluo chiarire meglio i limiti metodologici insiti nell’esercizio svolto.

    Sicuramente i nostri studenti hanno avuto un’esperienza diretta di quanto spiegato a lezione sulle difficoltà e l’importanza della comunicazione dei dati che un data scientist deve essere in grado di gestire.

    Carlo Batini
    Federico Cabitza
    Andrea Maurino

  • Luca Tremolada |

    In ogni pezzo spieghiamo che correlazione non vuole dire causa effetto. In questo caso non l’abbiamo proprio calcolata.

Suggeriti