Usa ed etnie nelle università, impariamo da Sasha

Dopo una lunga attesa, due settimane fa la Corte Suprema degli Stati Uniti si è pronunciata sul caso S.F.F.A. vs. Harvard: gli atenei americani non potranno più usare la razza come criterio di ammissione all’università.

Leggendo le motivazioni della sentenza, la nostra prima reazione è stata di pensare a una giovane post-doc del Mit. La ricercatrice — chiamiamola Sasha — proveniva da un’ex repubblica sovietica. I nostri colleghi pensavano che il suo curriculum non fosse all’altezza. Eppure — ci siamo detti — se Sasha era riuscita a fare così tanto in un ambiente che le aveva offerto tanto poco, perché non darle una chance? Perché non arricchire la nostra comunità con prospettive diverse, come la sua?

Scommessa vinta: Sasha è stata una delle nostre migliori ricercatrici ed è oggi una stimata professoressa in un’università americana. La sua storia non ha valenze razziali, ma riguarda i principi dell’azione affermativa e ci potrebbe insegnare qualcosa su come ripensare i meccanismi di ammissione all’università americana nel prossimo futuro. Come accademici e studiosi di Big Data, vorremmo condividere con voi qualche idea.

Pensiamo innanzitutto ai principi fondanti dell’azione affermativa. Per prima cosa, tutti gli individui dovrebbero avere uguali opportunità indipendentemente dalla loro provenienza. Quando i blocchi di partenza sono tanto diversi, non si può guardare solo all’ordine di arrivo — voti e punteggi ai test universitari. Inoltre, la diversità di razza, genere, origine geografica eccetera arricchisce il contesto educativo. In ultima analisi, promuovere candidati con background sotto-rappresentati migliora l’esperienza di tutti.

Per anni la razza è stata una variabile chiave dell’azione affermativa negli Stati Uniti. Eppure, la decisione della Corte Suprema ora ci impedisce di usarla in modo esplicito. Che fare? Un’idea potrebbe essere di dare più peso a variabili indipendenti dalla razza, come il reddito familiare e i quartieri di residenza. Tuttavia, recenti ricerche dimostrano che questi approcci funzionano solo in parte. Il fatto è che tutte le variabili discusse finora (razza, condizione socio-economica, eccetera) sono grossolane. Non ci dicono molto su Sasha in quanto individuo, ma solo sui gruppi cui appartiene. Eppure viviamo al tempo dei Big Data — immense basi dati con una risoluzione strabiliante, a volte al livello del singolo individuo. Questa rivoluzione sta trasformando tutte le scienze sociali rendendole sempre più “computazionali”. Nelle ammissioni all’università potremmo usare gli stessi dati per capire meglio i candidati.

Pensate a tutte le variabili che contano nella vita di uno studente ma sono invisibili nelle domande di ammissione. Un sistema davvero equo dovrebbe tener conto non solo dei voti del liceo ma anche della qualità dell’asilo nido, non solo del cap di residenza ma anche dei livelli di piombo nelle condutture. Siamo lontani da poter tenere conto di tutto, ma nel 2023 possiamo fare molto meglio.

Inoltre, le università dovrebbero non solo considerare più dati ma anche condividerli di più. Non avremmo dovuto aspettare la Corte Suprema per conoscere i criteri di ammissione a Harvard. In piena trasparenza, ogni ateneo potrebbe diventare un banco di prova per politiche di ammissione innovative. Magari sperimentandone più d’una e monitorando i risultati nel tempo, in termini di successi universitari e professionali. A lungo Harvard ha sostenuto che l’ammissione di troppi studenti a basso reddito avrebbero compromesso la sua eccellenza accademica. Perché non verificare questa ipotesi con i fatti?

Non illudiamoci: il progresso verso un mondo più giusto non può passare solo attraverso i metodi quantitativi. Non ci sono bacchette magiche per l’università: abbiamo troppi candidati in gamba e troppi pochi posti. A lungo andare, la soluzione migliore sarebbe probabilmente quella di assicurare una molteplicità di percorsi per una buona educazione e mobilità sociale al di fuori delle istituzioni di punta. Ma per il momento, in assenza dell’azione affermativa basata sulla razza, sperimentare nuove soluzioni è un dovere – sia verso noi stessi sia verso le generazioni future. I Big Data sono una delle nostre poche speranze di avere più giustizia nelle ammissioni all’università – e di assicurarci che nessuna Sasha si perda nel mare dei candidati.

Carlo Ratti è professore presso il MIT di Boston, dove dirige il Senseable City Lab. Marco Santambrogio, già professore di filosofia del linguaggio presso l’Università di Parma, è autore de “Il complotto contro il merito” (Laterza, 2021)