Le strutture logico-funzionali della Conoscenza

Aprendimento Interdisciplinare con l'utilizzo di Modelli di Conoscenza (Giovanni Mappa, 2020)
Non è stato fornito nessun testo alternativo per questa immagine

Cominciamo il viaggio all’interno delle strutture logico-funzionali della conoscenza, ossia all’interno delle dinamiche che fanno evolvere i dati in informazioni; queste ultime in conoscenza, che poi, con il supporto della sperimentazione, si trasformain sapere, e in ultima istanza, in saggezza. Tutto ciò a prescindere dal linguaggio e dal glossario che caratterizza l’ambito (o dominio) disciplinare di interesse.

Siamo abituati già, dai primi anni di scuola, ad acquisire una conoscenza frazionata data dalla separazione delle varie discipline (italiano, matematica, scienze, ecc.), mentre ci troviamo a vivere poi una realtà dove si fa una inutile fatica a distinguere una disciplina dall’altra: “Le discipline, così come noi le conosciamo, sono state storicamente separate l’una dall’altra da confini convenzionali che non hanno alcun riscontro con l’unitarietà tipica dei processi di apprendimento. Ogni persona, a scuola come nella vita, impara infatti attingendo liberamente dalla sua esperienza, dalle conoscenze o dalle discipline, elaborandole con un’attività continua e autonoma. Oggi, inoltre, le stesse fondamenta delle discipline sono caratterizzate da un’intrinseca complessità e da vaste aree di connessione che rendono improponibili rigide separazioni” (dal testo delle Indicazioni Nazionali del MIUR).

Crescendo e facendo esperienze di vita e di lavoro, acquisiamo una visione più integrata e interdisciplinare delle cose e dei fatti, maturiamo maggiore perizia nelle attività lavorative e acquisiamo consapevolezza che il nostro sapere (frutto di conoscenza e sperimentazione), si trasforma in un grosso vantaggio competitivo nell’attività lavorativa e nella nostra vita

L’interdisciplinarietà è il risultato di un percorso di apprendimento in grado di instaurare un rapporto di interazione e di analogia tra discipline differenti, ma anche tra settori della stessa disciplina.

L’apprendimento interdisciplinare è il processo cognitivo in grado di decodificare ed integrare diversi “punti di vista disciplinari” su un medesimo tema e di trarne una sintesi concettuale condivisa, in grado di valorizzare ciò che “unisce” e di minimizzare ciò che “divide”. Non si tratta quindi, di acquisire le competenze da “tuttologo”, ma di utilizzare un percorso di apprendimento basato sull’utilizzo, per analogia logico-funzionale, di modelli di conoscenza come supporto alla condivisione ed integrazione di concetti e valori. L’apprendimento inizia comunque, con l’ascolto.

L’apprendimento interdisciplinareè motivato dalla curiosità di conoscere la “realtà trasversale” delle cose, con la ricerca dei nessi comuni e dei principi disciplinari che spiegano i diversi fenomeni, in rapporto alla sperimentazione e all’esperienza personale: in altri termini, apprendimento non per verticalizzazioni specialistiche, ma per trasversalità concettuali o modelli di conoscenza e di esperienza.

L’apprendimento #interdisciplinareconsidera i fatti e l’esperienza, ricerca le giustificazioni non solo nelle discipline tecnico-scientifiche, ma anche nell’ambito delle conoscenze antropologiche storico-sociali; è “mentalmente aperto” e “concettualmente evolutivo”. Non ci sono preconcetti o dogmi, ma ogni ragionamento o modello di conoscenza è in evoluzione, pur in un contesto di esperienze di riferimento. L’apprendimento interdisciplinare è sicuramente favorito dal coinvolgimento personale e, a questo proposito, si possono indicare tre risorse fondamentali target atte a favorire un “effetto di lunga durata”:

  1. Motivazione: derivante dall’interesse al raggiungimento di obiettivi chiari (la motivazione è il “combustibile” che porta a perseverare per il raggiungimento degli obiettivi).
  2. Passione: un intenso coinvolgimento e un forte desiderio per una determinata attività o interesse (rappresenta la “potenza motore” della conoscenza).
  3. Entusiasmo: incontenibile spinta ad agire ed a operare dando tutto sé stessi (è il “collante” che trascina contagiosamente).

Per gli scopi tecnico-operativi di particolare interesse, si farà qui di seguito riferimento alla #Conoscenza(“C” maiuscola nel senso di nome proprio del patrimonio economico intangibile che rappresenta) come “la facoltà umana risultante dall’interpretazione deidatie delleinformazioni finalizzata all’azione”, ovvero il risultato di un processo di inferenza e di sintesi (ragionamento), a partire da dati verso la “saggezza”.

Paradigma della “Catena della Conoscenza” (DIKW): la maggior parte delle definizioni della Conoscenza sono correlate alla cognizione dei fatti, della verità o dei principi, ma la definizione che forse meglio esprime la sua funzionalità tecnico-operativa è data dall’acronimo “DIKW” (Data, Info, Knowledge, Wisdom), intesa come “Catena della Conoscenza”, in grado di rappresentare le relazioni funzionali tra datiinformazioniconoscenza e saggezzaNel paradigma della “Catena della Conoscenza” (Knowledge Chain) si distinguono i Dati dalle Informazioni (Info) e queste ultime dalla Conoscenza, fino ad arrivare al concetto di Saggezza

Knowledge Chain (DIKW)   - Giovanni Mappa -2020

Catena della Conoscenza (Knowledge Chain –DIKW)

Dal dato alla infovi è un salto qualitativo in termini di “inferenza o di relazione rispetto a possibili “azioni” conseguenti: una raccolta di dati (rappresentati da simboli alfanumerici, parole, immagini, ecc.) può produrre informazioni solo se gli stessi contribuiscono a caratterizzare dei fatti, delle verità o dei principi.

I dati sono definibili come entità statiche“fotografie” di fatti e sono quindi espliciti, in genere sono espressi in forma alfanumerica, prodotti da fonti (database, sensori, ecc.) che ne condizionano poi la loro “qualità”. 

Le informazioni sono invece entità dinamiche ed evolutive, caratterizzate da un proprio ciclo di vita: nascono in forma esplicita o latente, sono correlate ad uno o più processi (mentali, personali, ambientali, produttivi ecc.) ed esercitano su tali processi una propria influenza (o “peso”).

Ci troviamo quindi, di fronte ad un paradosso per cui i “dati” e le “informazioni” posso avere formalmente una medesima espressione numerica, ma nel secondo caso il valore numerico fornisce la possibilità di sviluppare un ragionamento, e quindi, di generare Conoscenza. Infine, è possibile parlare di informazioni quando queste ultime esprimono la dinamica di un cambiamento circa un evento o un fatto.

Il risultato di un processo di inferenza e di sintesi (ragionamento) sulle info produce quindi Conoscenza, mentre è necessario un ulteriore salto di qualità per definire il passaggio da Conoscenza a Saggezza (v. anche buonsenso): laSaggezza può essere definita come il più alto livello di astrazione della Conoscenzaè una caratteristica mentale personale legata alla capacità di giudizio e di buonsenso, in grado di aumentare l’efficacia e il valore dei risultati dei ragionamenti e della presa di decisione.

Infine, il concetto di Knowledge Chain DIKW può essere meglio rappresentato considerando che la Conoscenza, acquisita come risultato di un’inferenza tra informazioni di base (un ragionamento), non è ancora operativa senza un processo di “sintesi” e una opportuna strategia di “comunicazione”.

Non è stato fornito nessun testo alternativo per questa immagine

Catena estesa della Conoscenza verso l’Approccio Interdisciplinare

In questo caso, ci si trova di fronte ad una più raffinata Knowledge Chain che considera l’importanza dell’inserimento della “Comunicazione Interdisciplinare della Conoscenza”, in tutte le sue modalità (verbale, scritta e non verbale).

L’Unità di Conoscenza (“Basic-Info“):è stata già evidenziata la differenza tra dati info; ora è necessario introdurre il concetto di “peso” o di “influenza che un’informazione assume nella “Knowledge Chain”, secondo un possibile contesto di ragionamento. In genere, una possibile Knowledge Chain ha a che fare con uno scenario di dati e info, ma è ovvio che ogni informazione può avere un peso diverso e può essere parzialmente o totalmente giusta o sbagliata in un contesto di ragionamentoa seconda del target finale.

Le “informazioni” con un alto tasso di certezza potrebbero avere un peso ridotto rispetto al target di ragionamento finale e viceversa. Ciò significa che le “informazioni” devono essere gestite in un contesto non deterministico di valutazione e calcolo. In questo modo quindi, si mette in evidenza un’altra differenza tra “dati” e “info”:

  • calcolo con “dati” significa applicazione di regole matematiche deterministiche classiche (addizione, sottrazione, ecc.);
  • calcolo con “info” significa l’applicazione di nuove regole di calcolo non deterministiche, perché “info” può essere parzialmente/ totalmente certa o completa (quindi, con peso diverso – v. Fuzzy Logic).

Qual è la più piccola unità di base della Conoscenza? – È quella rappresentata da un singolo dato in grado però di influenzare un target di ragionamentoÈ possibile infatti, affermare che un’unità informativa di basedeve esprimere una relazione quali-quantitativa tra la tipologia del dato e un possibile target di ragionamento.

Inoltre, una Unità di Conoscenza o “Basic-Info” deve essere costituita dai seguenti componenti e proprietà fondamentali:

  1. Input: Dato (con il proprio valore reale)
  2. Output: Peso o Influenza (valore normalizzato tra 0 e 1)
  3. Curva di Conoscenza (trend es. crescente o decrescente)
  4. Regole di inferenza (nell’intervallo di valori di validità dell’input).

In sintesi una unità di Conoscenza o Basic-Info è esprimibile come:

Non è stato fornito nessun testo alternativo per questa immagine
Non è stato fornito nessun testo alternativo per questa immagine

Suddivisione sistemica in Basic-Info di un dominio di Conoscenza

Non è stato fornito nessun testo alternativo per questa immagine

Rappresentazione delle componenti di una Basic-Info

Grado di “certezza” e propagazione delle Basic-Infoun’altra questione importante è quella di mettere in evidenza il livello di certezzao diverità inerente i dati e le informazioni. Per maggiore semplicità di comprensione, si può considerare il “tasso di certezza“, come il “peso” che acquisisce il valore di un dato in riferimento ad un prefissato target di ragionamento.

La propagazione dei “pesi” contenuti nelle diverse informazioni di input (A, B, C) di un ragionamento deduttivo si compone come una “intersezione insiemistica” dove i sottoinsiemi di intersezione che si propagano, contengono “maggiore certezza” rispetto al target/azione finale e riducono man mano l’errore (incertezza) finale del ragionamento.

Non è stato fornito nessun testo alternativo per questa immagine

Rappresentazione di un ragionamento con 3 informazioni input (A, B, C) rispetto ad un Target (decisione finale)

Modelli Cognitivi di Basic-Info e Reti Neurali – la riflessione sulle Basic-Info con il loro “peso” dinamico, ovvero con la propria singola influenza in un ragionamento target, si può estendere ad un numero anche molto grande di Dati/Basic-Info concorrenti rispetto a diversi possibili target di ragionamento.

Questo caso può essere rappresentato da una Matrice di Correlazione Causa/ Influenza/ Target, ovvero da una Rete Cognitiva di Basic-Info dove le “righe” rappresentano i Dati acquisiti da una o più sorgenti anche eterogenee tra loro, mentre le “colonne” sono i Target di Ragionamento possibili in relazione ad un determinato ambito di conoscenza (diagnosi, presa di decisione, classificazione, ecc.

Non è stato fornito nessun testo alternativo per questa immagine

Software Toolbox to develop “Knowledge Curves” (“K-Neurexp” ANOVA – http://www.anovastudi.com)

Se consideriamo un interosistema complesso di Conoscenza(Complex Knowledge’s System Ω), quest’ultimo può essere sempre suddiviso in sottodomini (Di) più piccoli e più semplici, fino a poter essere descritte da Matrici di Correlazione (Correlation Matrix System):

Non è stato fornito nessun testo alternativo per questa immagine

Scomposizione di un dominio complesso di Conoscenza i sotto domini più semplici

Questo approccio consente di sviluppare Reti Cognitive che possono essere utilizzate nel dominio della conoscenza sia in forma numerica che testuale, nonchésviluppare Sistemi basati sulla Conoscenza (Knowledge Based Systems) e in tempo reale (Real Time) per processi industriali, ambientali, “presa di decisione”, diagnostici, ecc. Ad esempio, nel caso che dovessimo far prendere una decisione, per nostro conto, ad una rete cognitiva informatica (v. Intelligenza Artificiale) su “cosa fare?” in un certo momento della giornata, tra:

  • andare in palestra (Gym);
  • al bar (Pub);
  • a passeggiare con gli amici (Walking);
  • andare al cinema (Cinema);

la rete cognitiva andrebbe a correlare tra loro ad es. dati/info qualitativi come il nostro bioritmo (Biorhythmic), le condizioni meteo al momento (Weather), la nostra età (Age), il nostro stato di “libertà” da impegni importanti (Freedom), secondo una “rete di ragionamento” (v. fig. seg.) ispirata alle reti neurali biologiche (del cervello): in questo caso (molto semplice), la corrispondente rete cognitiva assumerebbe il seguente schema funzionale di ragionamento (con tre livelli di sintesi):

Non è stato fornito nessun testo alternativo per questa immagine

In generale, le reti cognitive possono assumere forme più complesse, come la composizione e l’integrazione dello schema sopra mostrato, con più di due o tre livelli di nodo, più di quattro nodi per livello e più di un tipo di curve di conoscenza per ogni Basic-Info.

Analogia delle Reti Cognitive di Basic-Info con le Reti Neurali Artificiali (ANN) – Nel campo dell’apprendimento automatico (Machine Learning), una rete neurale artificiale (Artificial Neural Network, ANN) è un modello computazionale composto di “neuroni” artificiali, che si ispira vagamente alla semplificazione di una rete neurale biologica. Quest’ultima è costituita da interconnessioni tra nodi (sinapsi) ed a “pesi” numerici associati a ciascuna interconnessione. Ognuna di queste interconnessioni, come le sinapsi in un cervello biologico, può trasmettere un segnale mediante una funzione di attivazione ad altri neuroni.

Un neurone artificiale che riceve un segnale poi l’elabora e può segnalare neuroni ad esso collegati (figura (a)). In ogni neurale rete, esiste un’unica funzione di attivazione (una sigmoide, una scala funzione, ecc.). Questa funzione rappresenta un’informazione elementare che elabora i pesi dei nodi di input e restituisce (in genere) in maniera deterministica un peso risultante in output. .

Non è stato fornito nessun testo alternativo per questa immagine

Il mondo reale invece, non è deterministico; pertanto è necessario trovare un modo non deterministico per risolvere il problema reale. La Rete Cognitiva di Basic-Info (figura (b)) utilizza un approccio non deterministico: presenta una struttura reticolare, come in una classica neurale rete neurale artificiale ANN, ma ogni singolo nodo contiene una matrice [m*n] di funzioni di attivazione (b), piuttosto che una singola funzione (a). Ogni nodo elementare rappresenta una Base di Conoscenza (Knowledge Base). Le interconnessioni tra questi neuroni consentono poi di fondere diversi processi cognitivi. Nelle reti cognitive di Basic-Info, ogni nodo rappresenta quindi, un dominio omogeneo di Conoscenza, avente come punto di riferimento ciascuno dei “nodi di conoscenza“: nodi indipendenti, nei quali si fondono i dati primari. Questi dati vengono trasformati, prima, in informazioni, poi in una Knowledge Base omogenea, specifica per la fonte area dei dati.

Quindi, partendo da concetti elementari, le interconnessioni creano, dinamicamente, nuovi livelli più evoluti di sintesi della Conoscenza. Il livello finale produrrà le regole e le azioni del “sistema esperto”. Ad ogni livello, la Conoscenza è “sintetizzata”, mentre al livello finale, si arriva ad osservare una riduzione dei nodi cognitivi finalizzata alla elaborazione degli output decisionali.

Non è stato fornito nessun testo alternativo per questa immagine

Cognitive Network “K-Neurexp” application (G. Mappa, 1997)

Una rete cognitiva basata su Basic-Info, offre i seguenti vantaggi rispetto alle ANN:

  • non è composto da un’unica funzione di attivazione, ma da una matrice di funzioni di attivazione;
  • è un sistema “chiaro” e non una “scatola nera”, poiché si conosce il dominio dell’applicazione e la Conoscenza viene introdotta nel nodo della rete;
  • è molto efficiente, poiché esistono diverse funzioni di attivazione;
  • ogni neurone esperto ha una correlazione con un sottodominio omogeneo;
  • ogni nodo permette di trasformare un input in un risultato definitivo o parziale, chiamato meta-informazione;
  • permette di rappresentare il dominio della Conoscenza eterogeneo ed esteso;
  • opera con diversi set di input, sia qualitativi che quantitativi;
  • ad ogni passo, permette di ottenere un livello maggiore di sintesi della Conoscenza.

Processo tipico di “modellazione” della Conoscenza con le Basic-Info – In generale, un processo tipico di “modellazione” della Conoscenza, soprattutto nella realizzazione di sistemi on-line di controllo intelligente, segue alcuni passi fondamentali come la formalizzazione e validazione dei dati acquisiti da sorgenti eterogenee esterne, la normalizzazione rispetto ai range di operatività, l’inferenziazione di cross-matching (inferentation-integration-data fusion), la de-normalizzazione dei risultati target ottenuti.

Non è stato fornito nessun testo alternativo per questa immagine

Dal punto di vista concettuale, questo processo di “modellazione della conoscenza” può essere raffigurabile anche come una rete neurale costituita da “nodi” (neuroni) come unità base di elaborazione delle informazioni (Basic-Info), e “collegamenti” (sinapsi) come adduttori di inferenza caratterizzata da un grado di certezza (“peso” dinamico non probabilistico).

Innovation Manager in azienda (Knowledge Model)

“Gestire l’innovazione in una azienda, è fare in modo che quest’ultima possa esprimere il proprio business al meglio del “potenziale distintivo” e intraprendere la navigazione in “oceani blu”, dove è ancora possibile inventare il proprio futuro”.  (Giovanni Mappa, 2020)

Il Knowledge Model dell’Innovation Manager che opera all’interno di una azienda, si basa su diversi livelli operativi:

    1. sviluppo della cultura e della consapevolezza del cambiamento come fattore di benessere per le risorse coinvolte e per l’impresa;
    2. l’individuazione del dove siamo e come possiamo “distinguerci nel nostro mercato di riferimento (AS-IS);
    3. la definizione di strategie di breve-medio e lungo termine sostenibili per lo sviluppo del business così come lo “desideriamo”  (TO-BE);
    4. la definizione degli strumenti e delle tecnologie innovative che possono supportare tale sviluppo;
    5. il monitoraggio e adattamento continuo della rotta del business (v. Balanced Scorecard).

L’Innovation Manager ha innanzi tutto il ruolo del “facilitatore” dei processi che portano allo sviluppo dell’innovazione, nonché il ruolo del  “coach“, in relazione al “bilanciamento delle competenze e delle tecnologie innovative” di supporto.

 

K-Commerce: la vendita on-line di prodotti/servizi “Intangibili”

Risultato immagini per vendita dell'intangibileE’ noto come l’e-commerce consenta di sviluppare il processo di acquisto e vendita di prodotti  (tangibili) con mezzi elettronici (shopping online), come le applicazioni mobili e Internet. L’e-commerce di prodotti/servizi “tangibili” è cresciuto enormemente negli ultimi decenni, spesso provocando una sostanziale sostituzione dei tradizionali negozi di mattoni e malta.  Il valore delle transazioni on-line per l’acquisto di beni e servizi “tangibili” gode di meccanismi di economie di scala, di incremento della competitività internazionale delle imprese,  di modelli di business innovativi.

Nell’attuale competizione tra tecnologie intelligenti e umanità consapevole non ci sono vinti o vincitori, ma piuttosto un rapporto sinergico che dovrebbe essere finalizzato in ultima analisi, alla sostenibilità della vita dell’uomo sulla terra (o su altri pianeti), man mano che si accresce la numerosità della popolazione mondiale.

Il Valore del Capitale Intangibile (Fattore K)

Grazie ad una maggiore diffusione e consapevolezza sulle metodologie e sugli strumenti dell’Intelligenza Artificiale (Artificial Intelligence) e, in particolare, dell’Ingegneria della Conoscenza (Knowledge Engineering),  oggi è possibile  “vendere” non la conoscenza in quanto tale (intangibile), ma il “beneficio” economico o funzionale (tangibile) che essa produce, ad un “prezzo” che sarà commisurato ai risultati ottenuti. Ad esempio, nel caso di un algoritmo (Modello di Conoscenza) capace di far risparmiare decine di migliaia di kilowattora di energia elettrica, il prezzo dell’algoritmo non è quello di un ebook nel quale è contenuto, ma è proporzionale al valore del risparmio economico ottenuto.

    • AMBIENTE & ENERGIA
    • IMPRESE & Tecnologie 4.0
    • TALENTI Interdisciplinari 4.0

Risultato immagini per economia della conoscenza

Nell’Economia della Conoscenza, il termine di K-Commerce (Knowledge-Commerce) si riferisce alla possibilità di commercializzare (misurare, valorizzare, proteggere) la conoscenza (capitale intellettuale) per contenuti funzionali o “a pacchetti“, con metodologie e strumenti tali da rendere la transazione di acquisto, del tutto simile a quella corrispondente ad un prodotto tangibile, anche (ma non solo) utilizzando piattaforme elettroniche di e-commerce.  Il termine K-Commerce è stato coniato nell’era della Economia della Conoscenza motivato dal fatto che in una economia basata soprattutto sul “sapere” e sul “saper fare“, risulta di fondamentale importanza lo sviluppare strumenti appropriati innovativi per gestire la conoscenza, non solo come “middleware” per generare valore nel modo che già conosciamo (consulenza, e-learninge-book ecc.), ma direttamente come valore tangibile in sé, protetto da un concetto di copyright innovativo, del quale si parlerà più avanti. Pertanto, il K-Commerce esprime non solo un nuovo modo di commercializzare il sapere, ma rappresenta l’insieme delle metodologie e degli strumenti per:

    • gestire la conoscenza in termini “quantitativi” (e non solo qualitativi degli intangibiles) e quindi, misurabili;
    • organizzare package funzionali di conoscenza  (Modelli di Conoscenza) finalizzati ad ottenere risultati (vantaggi) economici determinabili e quindi, misurabili;
    • trasferire agli utilizzatori finali detti package funzionali di conoscenza, in modo che prevalga l’interesse per il valore ottenibile dal suo utilizzo, piuttosto che dalle modalità in cui la conoscenza risulti rappresentata e configurata.

Proprio su quest’ultimo concetto, si basa la possibilità di realizzare “barriere” per la protezione della conoscenza, ovvero della proprietà intellettuale (copyright),  spostando il polo di attrazione e interesse verso il “risultato” che la stessa produce, piuttosto che sulla propria forma.

Progetto CAMSOL-ARIA

CAMSOL-ARIA

CAMINI SOLARI PER L’ABBATTIMENTO DEGLI INQUINANTI ATMOSFERICI

REGIONE CAMPANIA – Concessione del contributo in forma di sovvenzione – Programma Operativo (POR) FESR CAMPANIA 2014/2020 – Asse Prioritario 1 “Ricerca e Innovazione” – Obiettivo Specifico (O.S.) 1.1 – “Incremento dell’attività di innovazione delle imprese” – AVVISO PUBBLICO PER IL SOSTEGNO ALLE IMPRESE NELLA REALIZZAZIONE DI STUDI DI FATTIBILITÀ (FASE 1) E PROGETTI DI TRASFERIMENTO TECNOLOGICO (FASE 2) COERENTI CON LA RIS 3.

Il progetto CAMSOL-ARIA riguarda lo sviluppo di tecnologie innovative low-cost ed ecosostenibili per l’abbattimento degli inquinanti atmosferici e degli odori, basate sul principio di funzionamento dei “camini solari” di ventilazione, con caratteristiche tecnologiche e di design architettonico a basso impatto.

La finalità del Progetto è  quella di mettere a punto una soluzione/prodotto sostenibile e innovativa in grado di realizzare l’abbattimento dell’inquinamento atmosferico e degli odori molesti, con l’”empowerment” delle specifiche competenze ed esperienze di ciascuno dei Partner di Progetto, in linea con il rafforzamento dell’attuazione delle traiettorie delle linee strategiche del RIS3, nonché del sostegno alle imprese fornito dalla Regione Campania.

Il Progetto è costituito in forma associata (ATS) dalla società NATURA srl, che ha il ruolo di capofila, dalla società ORION srl, dalla startup innovativa CAPTOP Srl e dall’OdR costituito dal Dipartimento di Ingegneria Chimica dei Materiali e della Produzione Industriale (DICMAPI) dell’Università degli Studi di Napoli “Federico II” (UNINA), che assume anche la direzione tecnico-scientifica dello stesso Progetto.

La compagine delle imprese proponenti ha caratteristiche e competenze sinergiche e focalizzate sulle tematiche riguardanti l’ambiente e la sostenibilità ambientale, con particolare riferimento all’analisi e al controllo dell’inquinamento atmosferico e dei fattori di rischio e alla prevenzione.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Comunicazione Interdisciplinare: un “booster” per lo sviluppo dei processi di innovazione condivisa

Estratto dalla PRESENTAZIONE del eBook (G.Mappa, 2018):  COMUNICAZIONE INTERDISCIPLINARE – Algoritmi di Comunicazione ProAttiva e Apprendimento Interdisciplinare

Saper comunicare non significa essere necessariamente oratori, ma essere abili nell’arrivare agli interlocutori, nel superare le possibili barriere linguistiche o culturali, nel generare una partecipazione emotiva; ma ancora più importante, nell’ottenere il “risultato” pianificato: un contratto, un coinvolgimento, un riconoscimento, ecc.

Comunicare in maniera efficace è come rispettare le “partiture” di una composizione musicale: esiste la scelta delle note (parole) con la loro durata temporale, le pause, il ritmo, gli accordi, ecc.

Entrano in gioco diversi strumenti musicali (interlocutori), ciascuno con il proprio suono distintivo (altezza, timbro, intensità), ma che combinato a quello degli altri nel rispetto di opportune dinamiche e sintonie, fanno sì che la composizione musicale (risultato) risulti efficace e generi emozioni. Se è il pentagramma è il codice di riferimento (linguaggio comune) per tutti gli strumenti dell’orchestra, è il direttore d’orchestra (coordinatore interdisciplinare) a preparare (exAnte), a guidare verso il risultato e a verificare (exPost) il raggiungimento degli obiettivi e gli effetti emozionali prodotti.

Comunicazione Interdisciplinare: comunicare in maniera collaborativa e coordinata (come in una orchestra) per raggiungere il risultato.

In analogia, in una riunione di lavoro dove possono essere presenti diversi interlocutori con differenti culture o competenze (ad es.: un medico, un ingegnere, un biologo e un amministrativo), che discutono su un tema “trasversale”, sarebbe molto difficile dialogare e soprattutto, trarre una sintesi conclusiva condivisa sulle azioni da intraprendere, se non ci fosse a farlo, almeno un coordinatore interdisciplinare (direttore d’orchestra) in grado di comprendere il linguaggio e le motivazioni di tutti, per convergere ad un risultato “win-win”.

Nella figura che segue, vengono raffigurati due casi contrapposti di una riunione dove: nella prima (a sinistra) permane la “multidisciplinarità” e quindi, permangono conclusioni distinte; nell’altra (a destra), le conclusioni convergono in un’unica sintesi concettuale interdisciplinare.

Confronto tra comunicazione multidisciplinare (left) e interdisciplinare (right)

L’analogia appena illustrata rappresenta il “Fil-Rouge” della trattazione dell’eBook il cui titolo “Comunicazione Interdisciplinare, è esplicativo del tentativo di fornire, a chi si trova spesso ad operare in ambiti multidisciplinari o multiculturali, una metodologia di approccio logica e di buon senso.

Come nel caso del “direttore di orchestra”, che deve innanzi tuttopreparare” il concerto con i diversi componenti (azione exAnte proattiva), deve “condurre” (al risultato)  il concerto e deve “concluderlo” (ex-post) cercando di ottenere la risposta del pubblico, in questo eBook saranno trattate le “dinamiche” di cui si compone una comunicazione professionale efficace in contesti multidisciplinari e complessi (comunicazione interdisciplinare) e il “linguaggio comune” (interdisciplinare) che è possibile utilizzare “per comprendere e farsi comprendere”, basato su un originale e innovativo utilizzo di “modelli di conoscenza” e di “analogie concettuali”.

Il neologismo della “Comunicazione Interdisciplinare” viene definito, più compiutamente, nell’eBook come binomio di due fattori sinergici: la comunicazione proattiva e la conoscenza interdisciplinare.

L’eBook riporta alcuni modelli concettuali per sviluppare le proprie abilità alla “pro-azione” nei processi comunicativi, ad es. come la” focalizzazione” e la capacità di proporre, prima degli altri, una soluzione nuova e stimolante, che cambia le regole del gioco o che è qualcosa di utile, ecc.

Vengono altresì riportati alcuni modelli di conoscenza in grado di supportare la comprensione delle diverse possibili situazioni comunicative complesse o multidisciplinari, nonché favorire lo sviluppo della capacità analitica di comprensione dei bisogni degli interlocutori (focalizzazione), della individuazione di soluzioni condivise (persuasione) in grado di generare la partecipazione (coinvolgimento) nel raggiungimento “win-win” degli obiettivi prefissati.

I contenuti e gli aspetti innovativi proposti si basano sull’utilizzo di un linguaggio sintetico logico-matematico come “linguaggio comune e condiviso” (a valenza trasversale), in grado di mettere in relazione fra di loro le componenti di valore (“sostanza”) in un processo di comunicazione, distinguendo gli aspetti (“forma”) legati al lessico e al glossario dei termini specifici dei diversi interlocutori di uno scenario multiculturale.

Chiave di volta dell’approccio “unificante” sul quale si basa il presente lavoro, è il fatto che per facilitare i rapporti comunicativi con i diversi interlocutori, è possibile impostare la propria strategia di comunicazione lavorando sulla separazione dei due aspetti: la “forma” (lessico, glossario) specifica dell’interlocutore, rispetto alla sostanza” (modelli di conoscenza risolutori) che invece, riguarda gli algoritmi mentali da applicare per raggiungere lo scopo. Si mette in atto così, un approccio di comunicazione interdisciplinare, basata da un lato sull’utilizzo del “vocabolario” specifico richiesto caso per caso (cosa non particolarmente difficile oggi con l’uso di internet), dall’altro sull’attuazione di strategie basate sull’utilizzo di modelli di conoscenza.

Si introducono gli strumenti innovativi per una Comunicazione Interdisciplinare, che è innanzi tutto, una comunicazione professionale e quindi, etica, basata su un concetto di fiducia che nasce da una reputazione, a sua volta costituita da storie e comportamenti corretti, perché ispirati dall’etica professionale.

In ultima analisi, l’eBook propone una “cassetta degli attrezzi”, ovvero metodologie e strumenti per lo sviluppo individuale e di gruppo di una comunicazione professionale più funzionale ed efficace, in grado di rapportarsi con più discipline o “saperi”, per integrare i diversi “punti di vista” in una sintesi concettuale conclusiva, in grado di valorizzare ciò che “unisce” e di minimizzare ciò che “divide”.

PREMATIC-LAB (apparecchiatura meccatronica di PREanalitica autoMATICa per i LABoratori di analisi ambientali)

Giovanni Mappa, in qualità di coordinatore dell’area RSI (Ricerca, Sviluppo, Innovazione) di NATURA srl e Responsabile Tecnico Scientifico del Progetto:

Ricerca e sviluppo (2017-2018) per conto di NATURA srl (sede di Casoria) di un prototipo di apparecchiatura meccatronica complessa (PREMATIC-LAB) per l’automazione delle fasi di pre-analitica di campioni di “matrice solida” in ambito ambientale: Attività di Ricerca Industriale e Sviluppo Sperimentale per la realizzazione di un prototipo di apparecchiatura meccatronica modulare, destinata ai laboratori di analisi ambientale, in grado di automatizzare le fasi di processo relative alla preparazione (preanalitica) dei campioni a matrice solida, con incremento di produttività in condizioni di eco-compatibilità” – PON 2014-2020  ASSE 1 – Programma Operativo Nazionale “Imprese e Competitività” 2014/2020 FESR, – Azione 1.1.3 – Bando MISE 2016. 


Soggetti Proponenti e Sedi di riferimento:

 

PREMATIC-LAB  PREMATIC-LAB PREMATIC-LAB PREMATIC-LAB PREMATIC-LAB PREMATIC-LAB PREMATIC-LAB

PROBIM (piattaforma informatica collaborativa basata sull’utilizzo integrato di tecnologie di supporto della PROgettazione parametrica BIM e della capitalizzazione dell’esperienza, finalizzata allo sviluppo di offerte competitive di qualità, in linea con la riforma europea delle gare di appalto)

Giovanni Mappa, in qualità di coordinatore dell’area RSI (Ricerca, Sviluppo, Innovazione) di ARETHUSA srl e Responsabile Tecnico di Progetto per il MIUR:

ricerca e sviluppo (2017-2018) per conto di ARETHUSA srl (sede Casoria) di un prototipo di piattaforma informatica collaborativa (PROBIM) basata sull’utilizzo integrato di tecnologie di supporto della PROgettazione parametrica BIM e della capitalizzazione dell’esperienza, finalizzata allo sviluppo di offerte competitive di qualità, in linea con la riforma europea delle gare di appalto: Attività di Ricerca Industriale e Sviluppo Sperimentale per la realizzazione di una innovativa piattaforma “tecnologica di contenuto e di gestione dell’informazione”(TIC), basata su tecnologie di progettazione parametrica BIM (Building Information Modeling) e di capitalizzazione dell’esperienza acquisita, in grado di supportare in maniera collaborativa e interdisciplinare il team che lavora per lo sviluppo di offerte competitive di qualità, nell’ambito delle gare di appalto nei settori di interesse”PON 2014-2020  ASSE 1 – Programma Operativo Nazionale “Imprese e Competitività” 2014/2020 FESR, – Azione 1.1.3 – Bando MISE 2016

 

Soggetti Proponenti e Sedi di riferimento:

 

PROBIM  PROBIM  PROBIM  PROBIM PROBIM  PROBIM  PROBIM  PROBIM  PROBIM  PROBIM PROBIM  PROBIM

SMART-CASE – Soluzioni innovative MultifunzionAli peR l’otTimizzazione dei Consumi di energiA primaria e della vivibilità indoor nel Sistema Edilizio

Giovanni Mappa, in qualità di coordinatore dell’area RSI (Ricerca, Sviluppo, Innovazione) di ARETHUSA srl:

ricerca e sviluppo (2016) per conto di ARETHUSA srl del Progetto di ricerca di soluzioni innovative multifunzionali per l’ottimizzazione dei consumi di energia primaria e della vivibilità indoor del sistema edilizio: SMART-CASE – Soluzioni innovative MultifunzionAli peR l’otTimizzazione dei Consumi di energiA primaria e della vivibilità indoor nel Sistema Edilizio  (Soggetto Beneficiario: STRESS Scarl) – Avviso n. 713/Ric. del 29/10/2010 – Titolo III – “Creazione di nuovi Distretti e/o Aggregazioni Pubblico Private”.

La Comunicazione Interdisciplinare secondo ITKS

Algoritmi di Comunicazione Proattiva e Apprendimento Interdisciplinare
COMUNICAZIONE INTERDISCIPLINARE

COMUNICAZIONE INTERDISCIPLINARE – Algoritmi di Comunicazione ProAttiva e Apprendimento Interdisciplinare

Breve trailer del libro di Giovanni Mappa, ingegnere, esperto internazionalmente riconosciuto di problemi legati alla gestione aziendale, all’innovazione, alla comunicazione. Mappa mette in luce l’interdisciplinarietà che contraddistingue la nostra epoca, dalla quale non può prescindere chi fa del comunicare l’essenza del proprio lavoro: manager, giornalisti, politici, commentatori, eccetera. Un libro da leggere, meditare, studiare.

Con il termine “comunicazione interdisciplinare”  secondo l’approccio  ITKS (Interdisciplinary Thinking By Knowledge Synthesis Modeling), si intende qui un progetto di comunicazione “proattiva” per ambiti relazionali complessi o multidisciplinari (teamwork, imprese), finalizzata allo sviluppo di un processo collaborativo di “empowering, nel raggiungimento compartecipato e condiviso dei risultati..Esistono diverse modalità ed esempi di sviluppo della comunicazione interdisciplinare (anche se in Italia è si è ancora ai primi passi), che vanno dagli ambiti applicativi STEAM (Science, Technology, Engineering, Art, Mathematics) come nel caso della Comunicazione Interdisciplinare promossa dalla Autodesk, agli ambiti della didattica innovativa nelle scuole. Nel caso del Progetto proposto, si intende sviluppare un approccio interdisciplinare basato su “modelli di conoscenza” trasversali e transdisciplinari, in grado di fornire gli strumenti cognitivi e relazionali per massimizzare “ciò che unisce” (risultati) e minimizzare “ciò che divide” (i conflitti).

La comunicazione interdisciplinare consente di interpretare la realtà (multidisciplinare) dei fatti secondo differenti punti di osservazione concorrenti (tecnico, tecnologico, imprenditoriale, personale, ecc.). Essa si basa sull’integrazione efficace di tecniche di comunicazione “proattiva” e di “modelli di conoscenza” in grado di sviluppare un processo sistemico e collaborativo diempowering”.

Il Progetto qui proposto intende sviluppareun framework di principi, linee guida e di schemi applicativi atti a configurare un Modello Innovativo diComunicazione Interdisciplinare, secondo tre prospettive di sviluppo (3C):

  1. Comprensione “realistica” dei Bisogni da soddisfare secondo un approccio “Win-Win”
  2. Ottenimento del Consenso (Progetto di Rete) e dell’Interesse “concreto” (Gestione di Rete) delle Parti interessate, rispetto al raggiungimento degli obiettivi prefissati.
  3. Sviluppo del Coinvolgimento (Rete) mediante l’applicazione di tecniche di comunicazione interdisciplinare per “massimizzare ciò che unisce e minimizzare ciò che divide”.

Il Progetto proposto intende affrontare operativamente, uno degli aspetti più strategici e cogenti che entrano in gioco nella definizione delle nuove professionalità 4.0, nell’ambito della ricerca continua  di nuove condizioni di sostenibilità dei modelli di business, in un mercato sempre più liquido e complesso.  L’ambizione del Progetto di sviluppare un modello innovativo di Comunicazione Interdisciplinare è però supportata da una esperienza applicativa consolidata nella formazione di risorse operanti nell’ambito del Knowledge Working e, in particolare, nell’ambito RSI (Ricerca & Sviluppo e Innovazione) e dell’Ingegneria della Conoscenza. Al riguardo, esiste un testo di possibile riferimento, che è anche una raccolta di appunti dello scrivente utilizzato nella formazione: https://www.amazon.com/Interdisciplinary-Thinking-Knowledge-Synthesis-Modeling/dp/1447867815