Il pensiero computazionale nella vita quotidiana

Ragionare, organizzare, decidere e imparare a dubitare

Il pensiero computazionale non vive soltanto nei programmi informatici. Scomporre problemi, individuare dipendenze, descrivere procedure, confrontare alternative e verificare risultati può aiutarci anche nelle scelte di ogni giorno. Non significa pensare letteralmente come un computer: significa rendere più esplicito e controllabile il nostro ragionamento.

Nei primi due articoli abbiamo trasformato l’intuizione in procedimenti precisi e imparato a costruire sequenze, decisioni e cicli. Ora spostiamo la domanda: non soltanto «Come eseguo queste istruzioni?», ma «Sto affrontando il problema giusto, con l’obiettivo giusto e con ipotesi attendibili?».

Partiamo da gesti ordinari, passiamo all’organizzazione del lavoro e della scuola e arriviamo alle decisioni in condizioni di incertezza. Non tutte queste situazioni sono problemi algoritmici in senso stretto: incontreremo anche pensiero critico, pensiero sistemico, probabilità e organizzazione. L’intuizione resta preziosa, ma diventa un’ipotesi da mettere alla prova.

Le prime due tappe del percorso: Dall’intuizione alla precisione degli algoritmi · Sequenze, decisioni e cicli.

Apri il laboratorio: Organizza, confronta, verifica

Organizzare meglio il tempo

Prima di cercare di lavorare più velocemente, osserviamo l’ordine delle attività. Alcune dipendono da altre; altre possono procedere insieme, purché non richiedano contemporaneamente la stessa risorsa o la nostra attenzione continua.

1. Chiamare l’ascensore prima di uscire

Sequenza A: porto fuori le borse, chiudo la porta, raggiungo l’ascensore, lo chiamo e aspetto. Sequenza B: se il pulsante è raggiungibile in sicurezza, chiamo prima l’ascensore e completo le operazioni necessarie mentre arriva.

Se prepararsi e raggiungere l’ascensore richiede 30 secondi e l’arrivo ne richiede 20, la prima sequenza impiega circa 50 secondi; la seconda può richiederne circa 30. Non abbiamo velocizzato l’ascensore: abbiamo sovrapposto un’attesa a un’attività.

Fermati e ragiona. Se l’ascensore arriva dopo 20 secondi ma non può attendermi fino al secondo 30, il risparmio è ancora garantito?

2. Il casello: liberare una risorsa condivisa

Dopo il pagamento posso sistemare subito il portafoglio oppure liberare il casello e sistemarlo più tardi, quando sono fermo in un luogo consentito e sicuro. Nel secondo caso riduco il tempo di occupazione di una risorsa che serve anche agli altri.

In informatica ritroviamo la stessa idea quando limitiamo il tempo per cui una risorsa comune rimane occupata. L’obiettivo non è fare ogni gesto più in fretta: è evitare di trattenere inutilmente gli altri.

Fermati e ragiona. Il tempo personale per sistemare il portafoglio scompare?

3. Sistemare la spesa e mettere a bollire l’acqua

Se prima sistemo la spesa per 8 minuti e poi scaldo l’acqua per 10, impiego 18 minuti. Se avvio il riscaldamento e sistemo la spesa mentre procede, in condizioni ideali completo entrambe le attività in circa 10 minuti, mantenendo la sorveglianza necessaria.

Per due attività indipendenti il tempo sequenziale è T1 + T2; il minimo con sovrapposizione completa è max(T1, T2). Il risparmio massimo teorico è min(T1, T2). Avvio, controllo, risorse e dipendenze possono ridurre questo vantaggio.

T1 + T2 = 8 + 10 = 18
max(T1, T2) = max(8, 10) = 10
min(T1, T2) = min(8, 10) = 8

Fermati e ragiona. Se la seconda attività richiede un oggetto che avrò solo alla fine della prima, posso usare max(T1, T2)?

4. Le interruzioni pubblicitarie: osservare e pianificare

Durante una trasmissione posso osservare durata e frequenza delle interruzioni e predisporre alcune piccole attività, ciascuna con una durata stimata. Una pausa mediamente di quattro minuti può ospitare un’attività breve e facilmente interrompibile.

Riconoscere regolarità aiuta a pianificare, ma una media non è una promessa. Conviene lasciare un margine e prevedere che una pausa finisca prima del previsto. Anche riposarsi è un obiettivo legittimo: non ogni intervallo deve diventare produttivo.

Fermati e ragiona. Un’attività di quattro minuti entra sicuramente in una pausa media di quattro minuti?

Scomporre e coordinare un problema

Dividere un compito complesso in parti aiuta soltanto se sappiamo come ricomporle. Responsabilità, interfacce, vincoli e verifiche contano quanto il lavoro delle singole persone.

5. Ristrutturare una casa: per competenze o per ambienti?

Un appartamento richiede muratore, elettricista, idraulico, decoratore e arredatore. Possiamo organizzare il lavoro per competenze, con ciascuno specialista impegnato in tutte le stanze necessarie, oppure per ambienti, affidando ogni stanza a un responsabile che svolge o coordina le lavorazioni.

Il primo modello favorisce specializzazione, attrezzature condivise e uniformità; il secondo autonomia, responsabilità chiare e completamento progressivo degli ambienti. Nessuno elimina le dipendenze: gli impianti, per esempio, possono collegare più stanze. Una soluzione ibrida è possibile.

Nel software possiamo suddividere i gruppi per interfaccia, dati e logica oppure affidare a ogni gruppo un componente completo. La scelta dipende anche da quanto le parti devono comunicare: definire bene i punti di contatto evita sorprese quando ricomponiamo il sistema.

Fermati e ragiona. Assegnare un responsabile a ogni stanza elimina il bisogno dell’idraulico?

6. La scuola per geometri: partire da ciò che bisogna saper fare

Un percorso di studi può partire dai risultati attesi: rilevare un edificio, leggere un progetto, calcolare superfici e volumi, predisporre un computo e verificare fasi e costi dei lavori. Matematica, costruzioni, topografia, estimo, diritto e informatica contribuiscono a competenze concrete, senza perdere la propria identità.

Consideriamo un lavoro diviso in fasi, ciascuna con un peso sul totale e un grado di completamento. Se entrambi sono scritti come numeri percentuali, il contributo in punti percentuali è peso × avanzamento / 100. I pesi devono sommare a 100 ed essere definiti con un criterio coerente, per esempio economico.

La muratura completa a metà e con peso del 10% contribuisce per 50/100 × 10% = 5% del lavoro complessivo. Sommando i contributi della tabella otteniamo il 22,5%. Non stiamo contando semplicemente quante fasi sono iniziate o concluse.

È soprattutto un esempio di didattica per competenze e progettazione interdisciplinare. Diventa anche pensiero computazionale quando esplicitiamo obiettivi, sotto-obiettivi, dati, dipendenze, regole di calcolo e verifiche.

Fermati e ragiona. Perché la media semplice del 35% non è il risultato corretto per questa tabella?

Scegliere bene e imparare a dubitare

Una procedura può essere eseguita senza errori e portare comunque a una decisione poco sensata. Può ottimizzare la misura sbagliata, ignorare un’informazione essenziale o trascurare le reazioni degli altri.

7. La politica: cambiare gli incentivi cambia il risultato?

Possiamo formulare l’ipotesi che chi governa cerchi il consenso necessario alla rielezione e, in certe circostanze, privilegi misure gradite a gruppi specifici. Se l’alternanza fosse certa, quell’incentivo cambierebbe: ma ne seguirebbero necessariamente decisioni migliori?

La deduzione non è automatica. Resterebbero altri interessi e potrebbe diminuire anche la responsabilità verso gli elettori. Un ragionamento esplicito elenca attori, incentivi, alternative, effetti possibili, evidenze e controesempi. La scelta politica resta una valutazione personale, non un risultato obbligato di un algoritmo.

Fermati e ragiona. Un argomento coerente basta a dimostrare che una riforma produrrà l’effetto desiderato?

8. Il supermercato: ottimizzare la variabile giusta

La fila più corta non è necessariamente quella più veloce. Tre carrelli pieni possono richiedere più tempo di sei clienti con pochi articoli. Il numero di persone è facile da osservare, ma l’obiettivo reale è ridurre il tempo di attesa previsto.

Un modello semplice somma il tempo per gestire ogni cliente e il tempo per ogni articolo. Non prevede tutto: velocità della cassa, pagamenti, imprevisti e clienti già parzialmente serviti possono cambiare la stima. Il laboratorio permette di variare proprio persone, articoli e tempi.

Fermati e ragiona. Per scegliere la coda basta contare le persone?

9. Il traffico: vantaggio individuale e risultato collettivo

Aggiungere una strada sembra sempre utile. In particolari reti, però, una nuova connessione può indurre gli automobilisti a cambiare percorso e aumentare i tempi di viaggio: è il paradosso di Braess. Non significa che tutte le strade nuove peggiorino il traffico.

La rete non è uno sfondo immobile: i tempi dipendono da quante persone scelgono ogni tratto. Una modifica cambia anche le decisioni dei singoli, e queste cambiano il sistema. Per valutare un intervento occorre considerare le reazioni, non soltanto disegnare un collegamento in più.

Fermati e ragiona. Il paradosso dimostra che non bisogna costruire nuove strade?

10. Le offerte: sconto e risparmio non sono sinonimi

«Spendi altri 20 euro e ottieni 10 euro di sconto». Se quei 20 euro acquistano beni che non avrei comprato, la mia spesa cresce di 10 euro rispetto alla scelta di fermarmi. Lo sconto è reale, ma non coincide necessariamente con un risparmio sul mio obiettivo.

Prima di calcolare la convenienza devo scegliere il confronto: spesa prevista per ciò che mi serve oppure carrello ampliato. Se i beni aggiunti erano già necessari, il giudizio può cambiare. Ottimizzare lo sconto senza controllare la spesa complessiva può premiare la variabile sbagliata.

Fermati e ragiona. Se non mi servono altri prodotti, spendere 20 euro per riceverne 10 di sconto mi fa spendere meno?

11. Un test: attenzione alle probabilità di partenza

Usiamo un esempio matematico inventato, non uno strumento per interpretare esami personali. In una popolazione di 10.000 persone la condizione cercata riguarda l’1%, cioè 100 persone. La sensibilità del 90% produce 90 veri positivi; la specificità del 95% produce falsi positivi nel 5% delle 9.900 persone senza la condizione, cioè 495.

I positivi attesi sono 90 + 495 = 585. Fra questi, la quota con la condizione è 90/585 × 100% ≈ 15,4%. Il 90% di sensibilità risponde a una domanda diversa: quanto spesso il test è positivo fra chi ha la condizione. Invertire la domanda senza considerare la probabilità iniziale è l’errore.

Sensibilità, specificità e valore predittivo positivo sono misure differenti. I valori reali dipendono dal test e dal contesto clinico; il calcolo qui serve a capire una relazione probabilistica, non a formulare diagnosi.

Fermati e ragiona. Da dove vengono i 495 falsi positivi?

Un metodo comune: osservare, modellare, verificare

1. Definire l’obiettivo: tempo, qualità, costo, sicurezza o apprendimento? Quale confronto rende sensato il risultato?
2. Scomporre il problema: quali attività, persone e risorse sono coinvolte? Quali parti dipendono da altre?
3. Esplicitare le ipotesi: quali dati conosco e quali sto soltanto stimando o supponendo?
4. Cercare alternative: posso riordinare, sovrapporre, distribuire o coordinare diversamente?
5. Verificare e rivedere: quali eccezioni, controesempi o conseguenze inattese cambierebbero la conclusione?

Apri il laboratorio: Organizza, confronta, verifica

Tre modi di pensare che si aiutano a vicenda

Queste prospettive non sono compartimenti separati e non coincidono tutte con la programmazione. Il loro incontro aiuta a passare dall’intuizione a una rappresentazione più chiara di obiettivi, regole e conseguenze. Il pensiero computazionale non serve soltanto a risolvere i problemi, ma anche a ripensare il modo in cui li affrontiamo.

Possiamo chiedere all’IA di confrontare strategie, dichiarare ipotesi e cercare controesempi. Non basta però una spiegazione convincente: dobbiamo controllare i calcoli, le premesse e il significato del risultato. Nei problemi che coinvolgono persone e valori, il modello sostiene il giudizio, non lo sostituisce.

Non basta fare bene i passaggi: occorre domandarsi se stiamo facendo i passaggi giusti, per l’obiettivo giusto e sulla base di ipotesi attendibili.

Per approfondire

I collegamenti approfondiscono i concetti discussi; le situazioni e i dati numerici dell’articolo sono esempi didattici.

• Jeannette M. Wing, Computational Thinking (2006): formulare e rappresentare problemi
• Cornell University, Traffic Network Games: il paradosso di Braess
• FDA: sensibilità, specificità e misure predittive dei test

Dall’intuizione alla precisione degli algoritmi · Sequenze, decisioni e cicli

Tutti gli articoli di Pensiero computazionale