luigireggi.eu

Notes on Civic Technology and Open Development Policy

luigireggi.eu
START READING
29/04/20 Civic Technology

Mappa dei finanziamenti europei POR Lazio a Roma

Nella mappa sono visualizzati i progetti finanziati dal POR FESR Lazio 2014-2020 nel Comune di Roma al 31.12.2019. Fonte: OpenCoesione.

Cliccando nei marker si accede al link alla pagina di OpenCoesione con le informazioni sul progetto.

Qui la lista dei progetti.

I dati per la mappa sono ottenuti scaricando in locale i CSV “Progetti con tracciato esteso” e “Localizzazioni”. Quest’ultimo si trova all’interno di “La base dati dei progetti di OpenCoesione” della sezione “Open Data” di OpenCoesione. I CSV sono stati importati in due tabelle DBMS MySQL, “progetti_esteso_20191231” e “localizzazioni_20191231”. Il codice del POR Lazio 2014-20 è 2014IT16RFOP010. Il codice ISTAT del comune di Roma è 091.

Gli indirizzi compresi nella tabella “localizzazioni_20191231” si riferiscono al “progetto” finanziato. Altri indirizzi sono disponibili nella tabella “Soggetti” (anch’essa scaricabile come CSV) per ognuno dei soggetti pubblici e privati coinvolti nella programmazione o attuazione del progetto.

In questo caso la selezione dei progetti e relativi indirizzi è come segue:

SELECT
	localizzazioni_20191231.COD_LOCALE_PROGETTO, 
	progetti_esteso_20191231.OC_TITOLO_PROGETTO, 
	progetti_esteso_20191231.OC_SINTESI_PROGETTO, 
	localizzazioni_20191231.INDIRIZZO_PROG, 
	localizzazioni_20191231.CAP_PROG, 
	localizzazioni_20191231.OC_TERRITORIO_PROG, 
	progetti_esteso_20191231.OC_TEMA_SINTETICO, 
	progetti_esteso_20191231.FINANZ_TOTALE_PUBBLICO, 
	progetti_esteso_20191231.OC_LINK
FROM
	localizzazioni_20191231
	INNER JOIN
	progetti_esteso_20191231
	ON 
	localizzazioni_20191231.COD_LOCALE_PROGETTO = progetti_esteso_20191231.COD_LOCALE_PROGETTO

WHERE
	progetti_esteso_20191231.OC_CODICE_PROGRAMMA = "2014IT16RFOP010" AND localizzazioni_20191231.COD_COMUNE = "091"

La tabella risultante, con progetti, descrizione e indirizzi è stata caricata su un diffuso strumento free per mapping on line per una prova al volo. Obiettivo è verificare la disponibilità degli indirizzi nella base dati BDU pubblicata su OpenCoesione per il periodo 2014-20 e verificare la qualità dei dati. L’analisi vera e propria sarà effettuata con strumenti open.

Il tool di geocoding di Maptive riporta i seguenti risultati:

APPROXIMATE6
GEOMETRIC_CENTER434
RANGE_INTERPOLATED3
ROOFTOP66

Solo nel 12% dei casi la precisione è a livello di “tetto” (rooftop), mentre nella prevalenza dei casi il marker (pallino) nella mappa è posizionato nel centro geometrico della strada. Questo avviene perché la Regione Lazio non ha reso disponibili i numeri civici, ma solo la via/strada della “sede” del progetto. In 6 casi l’indirizzo non è disponibile o è generico (es. “Casal Monastero”).

Questo primo risultato mostra quindi come la qualità dei dati sia ancora ampiamente migliorabile. Si tratta però di un passo avanti notevole rispetto alla programmazione precedente (2007-13) dei fondi europei, nella quale gli indirizzi erano disponibili solo in rari casi.

0 likes 2 responses
09/03/20 Civic Technology # ,

Il Coronavirus e la curva di apprendimento collettivo

Il Coronavirus e la curva di apprendimento collettivo

Mi piace pensare all’emergenza Coronavirus di questi giorni come a un’opportunità, e non solo come a una terribile sfida che abbiamo di fronte.

Così come gli italiani si ritrovano migliori durante ogni tipo di calamità, anche questa sfida può essere una modalità per forzarci a migliorare e imparare.

Mentre il virus di sta diffondendo in modo (secondo alcuni) esponenziale, anche la nostra curva di apprendimento deve seguire lo stesso, esponenziale, andamento. Noi – singoli individui, il “sistema-paese”, le istituzioni – possiamo e dobbiamo però essere più veloci a imparare.

La curva di apprendimento (learning curve) mette in relazione l’esperienza (asse X) con le “cose apprese” (asse Y). Ora abbiamo poco tempo per imparare rapidamente dall’esperienza collettiva modalità di lavoro, comportamenti e atteggiamenti sociali che possano essere utili a “rallentare” la curva di diffusione del Coronavirus, che sta salendo troppo in fretta. Delle quattro curve qui sotto, dobbiamo tentare la seconda.

Fonte: https://en.wikipedia.org/wiki/Learning_curve

Di seguito alcuni esempi, piccoli e grandi, di cose che stiamo imparando, ma che dobbiamo imparare più rapidamente:


1. Usare le tecnologie per il bene comune

All’inizio dell’emergenza si è parlato tanto di lavoro e studio a distanza, che per un paese non tecnologicamente avanzatissimo come l’Italia è già una gran sfida, sopratutto per il settore pubblico.

Tante aziende, amministrazioni, scuole e università si stanno organizzando e stanno imparando a usare software e modalità organizzative del tutto nuove, passando da semplici sperimentazioni a uso massivo e pervasivo. Era ora, dicono gli addetti ai lavori. Una sorta di “swich-off” imposto da fattori esterni.

Ottimo, ad esempio, che il Ministero dell’Innovazione abbia proposto a tanti fornitori privati di tecnologie di mettere a disposizione servizi e applicazioni gratuiti nelle zone rosse dell’emergenza. La campagna si chiama SolidarietàDigitale.

Un ulteriore fronte su cui abbiamo molto da imparare è l’uso delle tecnologie da parte dei governi per fronteggiare la crisi attraverso l’analisi e la pianificazione degli interventi da mettere in campo.

La Cina e la Corea del Sud, ad esempio, stanno mostrando come il tracciamento delle persone attraverso il cellulare può aiutare in maniera sostanziale a monitorare l’evoluzione del contagio. Nel rispetto della privacy, ovviamente.


2. Diffondere e usare open data per informarsi e approfondire

La solita piccola comunità di attivisti e addetti ai lavori nel campo degli open data ha chiesto da subito che i dati sul contagio fossero resi disponibili in formati utili ad un loro utilizzo per fare mappe, infografiche o modelli matematici, come quelli usati nelle discipline epidemiologiche per stimare la diffusione dei virus.

Nemmeno il tempo di chiedere, e in pochi giorni il Dipartimento della Protezione civile ha rilasciato un “cruscotto”, che ha il vantaggio di avere collegato una serie di dati in formato open.

Questo rende doppio il servizio pubblico: un sito già fruibile (e come tutte le cose fatte al volo, ovviamente migliorabile), e i dati su cui basare nuove analisi e servizi da parte di chiunque voglia cimentarsi in migliori analisi e visualizzazioni del fenomeno. Anche qui, tutto da imparare da questi dati.

Mi sembrano molto interessanti le analisi – molteplici, partite in parallelo – che provano a stimare la curva del contagio sulla base delle serie storiche attuali, anche se sono passati solo pochi giorni dall’inizio della diffusione del virus. Qui un esempio.


3. Migliorare il nostro senso civico

Di esempi ce ne sarebbero a tonnellate e non mi dilungo. Perlopiù riguardano la comprensione della malattia, del nostro ruolo nella società, delle ragioni alla base dei provvedimenti presi. Tutto questo influenza ed è alla base dei nostri comportamenti individuali.

Uno su tutti: quale migliore occasione per riscoprirci parte di una società complessa e globalizzata? E fare esperienza diretta di come a problemi globali non possano che corrispondere risposte di policy di livello sovranazionale. La nostra Unione Europea serve (servirebbe!) anche a questo.

Il grafico nell’immagine è di Alessio Traficante

0 likes one response
16/06/18 Open Policy

Monitoraggio civico: come sono selezionati i progetti da monitorare?

Monitoraggio civico: come sono selezionati i progetti da monitorare?

Sul blog di Monithon ho da poco descritto i principali risultati del monitoraggio civico di 475 progetti, quasi tutti scelti a partire dai dati che i gruppi di monitoraggio (perlopiù scuole superiori ma anche studenti universitari e comunità di cittadini) hanno trovato sul portale open data OpenCoesione, dove sono tracciati quasi un milione di progetti pubblici finanziati dalle politiche di coesione.

Si tratta, appunto, di 475 progetti visitati dai cittadini su un totale di, per la precisione, 949.495 progetti: solamente considerando la numerosità, è evidente che non si tratta di un campione statisticamente rappresentativo!
E’ da tener conto, però, che l’universo da considerare per il monitoraggio civico è forse ben più limitato. Su OpenCoesione, che pubblica i dati del sistema nazionale di monitoraggio del Ministero dell’Economia e delle Finanze, la maggioranza dei progetti pubblicati sono piccolissimi (ad esempio, singole borse di studio erogate a individui dal Fondo Sociale Europeo) e fortemente concentrati in regioni come la Lombardia per caratteristiche specifiche del sistema informativo regionale che si interfaccia con il sistema nazionale del MEF.   I progetti del Fondo Europeo di Sviluppo Regionale (FESR), molto più “visibili” all’esterno in quanto infrastrutture o altri progetti dalla natura “tangibile”, rappresentano solo poco più del 10% del totale ma in termini finanziari pesano quasi il 50%.  Insomma, i progetti rilevanti per il monitoraggio civico per il periodo 2007-13 sono in realtà molti meno di un milione, probabilmente meno di 50.000.

Sempre ragionando in termini di rappresentatività dei progetti monitorati e caricati su Monithon, è comunque interessante fare qualche verifica preliminare su quanto i progetti scelti si discostano dall’universo dei progetti inclusi in OpenCoesione.

Per far questo è fondamentale partire da come avviene la scelta dei progetti da parte dei gruppi di monitoraggio.
La scelta del progetto da monitorare è forse la fase più importante del monitoraggio civico secondo il metodo di Monithon.  Ad esempio, nella prima lezione di A Scuola di OpenCoesione (“Progettare“), gli studenti si imbarcano in una data expedition sul portale OpenCoesione, alla ricerca di progetti interessanti. Si parte di solito dalla propria città, filtrabile attraverso la mappa o i campi di ricerca, e si scorre la lista dei progetti pubblici, ordinata a partire dai più grandi fino ai più piccoli.

A questo punto gli studenti iniziano a fare una serie di considerazioni su alcune caratteristiche chiave dei progetti che vedono sullo schermo.


1. Titolo

Innanzitutto l’occhio cade sui progetti che hanno un titolo comprensibile.  Quasi tutti i progetti su OpenCoesione sono descritti solamente attraverso il titolo (quelli del PON Ricerca e Competitività sono invece descritti in dettaglio), e questo a volte non è particolarmente eloquente. Accanto a tanti progetti identificabili, il titolo in certi casi corrisponde al nome di un’impresa che ha ricevuto un finanziamento, oppure porta il nome di uno strumento di “ingegneria finanziaria” (es. fondi per concedere prestiti e garanzie alle imprese), o ancora è scritto nell’impenetrabile gergo dei fondi comunitari (es. “Assistenza tecnica al programma operativo – Asse 5”).  Questo avviene perché questi dati non sono nati per fini di accountability e comunicazione al pubblico, ma come strumento amministrativo per far “funzionare la macchina” dei finanziamenti pubblici.

Vedi sotto l’esempio dei progetti in provincia di Roma oggi:


2. Tema

Spesso i gruppi di monitoraggio scelgono un tema di interesse (es. l’ambiente perché sono interessati alle energie rinnovabili), e cercano in quell’ambito un progetto da andare a visitare.

Nel grafico si vede come i progetti dedicati al settore trasporti siano ampiamente sovrarappresentati in termini di valore totale dei finanziamenti rispetto al totale dei progetti su OpenCoesione. In altri termini, i progetti monitorati sui trasporti rappresentano una “fetta” del totale dei finanziamenti monitorati molto più elevata del valore percentuale riferito a tutti i progetti sui trasporti tracciati su OpenCoesione.  Insomma, ai ragazzi piacciono le grandi infrastrutture di trasporto!

La cultura e il turismo è altro settore che comparativamente “piace di più” rispetto a quanto ci si potrebbe attendere osservando la distribuzione dei progetti di OpenCoesione nei vari temi.  C’era da aspettarsi che i gruppi di monitoraggio fossero interessati a progetti culturali, educativi e… divertenti.

Più difficile, al contrario, entrare nel merito delle tecnicalità e degli aspetti scientifici dei progetti di ricerca e innovazione, soprattutto nel caso delle grandi infrastrutture di ricerca e dei contributi alle singole aziende per progetti di ricerca industriale.

Composizione tematica (in %) dei progetti. Fonte: dati OpenCoesione al 31/12/2017 e Monithon al 12/06/2018


3. Dimensione finanziaria

Vengono privilegiati i progetti più “grandi” per almeno due ragioni. Innanzitutto, un progetto grande è spesso più rilevante per il territorio: se ne parla sui giornali, è oggetto di discussioni e controversie. In secondo luogo, è di solito più visibile (es. una grande infrastruttura) e quindi più semplice da visitare e monitorare.

Nel grafico, troviamo la dimensione media dei progetti per fondo di finanziamento e “ambito di policy”: FSE = Fondo Sociale Europeo, FESR = Fondo Europeo di Sviluppo Regionale, FSC = Fondo Sviluppo e Coesione, PAC = Piano Azione Coesione.

Valore medio dei progetti (finanziamento totale pubblico). Fonte: dati OpenCoesione al 31/12/2017 e Monithon al 12/06/2018


4. Stato del progetto

Nel monitoraggio civico c’è una tendenza a favorire i progetti già conclusi. Anche questo è un caso piuttosto intuitivo: è più interessante valutare la buona riuscita e l’efficiacia finale del progetto piuttosto che seguirne i lavori.

I progetti conclusi su Monithon rappresentano oltre il 55% del totale, mentre in totale su OpenCoesione sono circa il 45%.

% Progetti sul totale. Fonte: dati OpenCoesione al 31/12/2017 e Monithon al 12/06/2018


5. Fattibilità del monitoraggio

Infine, valgono considerazioni pratiche sulla presenza delle condizioni minime per fare un buon monitoraggio civico: l’accesso a ulteriori informazioni (es. la presenza di altri dati pubblici non soggetti a privacy, vedi l’esempio fatto sopra di una borsa di studio per un singolo studente), e la possibilità di accedere direttamente al luogo fisico in cui l’opera o il servizio si realizza.  Nel caso di finanziamento a un’impresa (es. aiuti di stato per favorire la competitività), ad esempio, questo può risultare non facile.

Di nuovo, un’opera pubblica è più semplice da monitorare: più visibile, più facilmente raggiungibile per fare foto e video.

 

 

La foto è del gruppo di monitoraggio “Hill team” di Campobasso

0 likes no responses
1 2 3
Recent Comments
- Filippo to Il Coronavirus e la curva di apprendimento collettivo
l'unione fa la forza, insieme riusciremo...
- luigireggi to Mappa dei finanziamenti europei POR Lazio a Roma
grazie Mr. Catoblepa!...
- Giovanni Catoblepa to Mappa dei finanziamenti europei POR Lazio a Roma
Finalmente un primo tentativo di mettere a terra i progetti in uno strumento open. La strada è lu...