APPRENDIMENTO, CONCETTI, DIVULGAZIONE, MANAGEMENT, TEORIE

Tanta pratica porta alla perfezione? Una critica alla teoria delle “10.000 ore”

In anni caratterizzati da un “boom” di teorie provenienti dal campo delle neuroscienze, quella delle “10.000” ore continua a essere una delle più gettonate. Resa celebre dall’americano Malcolm Gladwell nel suo Fuoriclasse (2009), la teoria ha origine nel 2003, anno in cui gli esperimenti di laboratorio condotti da tre psicologi (K. Anders Ericsson, Ralf Th. Krampe e Clemens Tesch-Romer) giungono a una conclusione: per diventare “esperti” in un qualsiasi campo, sono necessarie almeno 10.000 ore di pratica, cioè tre ore al giorno per dieci anni. Nei seguenti dieci anni la teoria è stata applicata, ottenendo un generale e quasi incondizionato plauso, agli ambiti più diversi: dalla scrittura allo sport, dalla musica al management.

In Focus (2013), ultimo saggio del “padre” dell’intelligenza emotiva Daniel Goleman, la tesi delle 10.000 ore viene finalmente affrontata con un certo distacco critico. Anzitutto, nota Goleman, quel che più conta del tempo speso a esercitarsi non è la quantità ma la qualità. Osservazione sensata, ma certo più degna della saggezza popolare che di uno psicologo di fama internazionale. Va da sé che, in presenza di un errore reiterato, 10.000 ore di pratica diventano praticamente inutili. Il molto tempo dedicato all’esercizio è dunque una condizione necessaria ma non sufficiente per giungere alla maestria.

Una seconda osservazione di Goleman tocca un aspetto meno scontato, quello cioè del senso di soddisfazione cui una certa quantità di pratica solitamente conduce. Dopo circa 50 ore di esercizio – lo 0,5% delle famose 10.000 ore – si tende a sentirsi “bravi abbastanza” e ad abbassare la propria soglia di concentrazione. È questo il momento più critico di qualsiasi processo di apprendimento: se si continua a far pratica accompagnati dal relax e dall’autocompiacimento, difficilmente si raggiungeranno grandi risultati, anche nell’ipotesi di andare avanti per 10.000 ore. Solo obbligandosi a un’attenzione vigile e a una continua rimessa in discussione dei propri errori – in altri termini: non smettendo mai di sentirsi principianti e non sentendosi mai troppo tranquilli né soddisfatti – si potrà aspirare a diventare “esperti”.

[ illustrazione: fotogramma dal film Karate Kid di John G. Avildsen, 1984 ]

Annunci
Standard
BIGDATA, EPISTEMOLOGIA, LAVORO, TECNOLOGIA

Big data: di che diavolo si tratta?

Big data (2013) di Viktor Mayer-Schönberger e Kenneth Cukier fa chiarezza su un tema tanto chiacchierato quanto di fatto poco conosciuto. Che si voglia o meno descriverlo con la parola “rivoluzione” usata nel sottotitolo del libro, il fenomeno big data sta influenzando il nostro rapporto con la tecnologia. Sul fronte individuale, questo è testimoniato dalla grande diffusione di dispositivi e app di “personal tracking”; su quello business, dalla potenza dell’aggregazione di dati sfoderata da colossi come Google o Facebook e ora in corso di diffusione a più livelli in un insieme di imprese più ampio e diversificato.

Come Mayer-Schönberger e Cukier mettono in luce, l’efficacia predittiva dei big data rispetto a sistemi di indagine più tradizionali pare essere oggettivamente provata. Altrettanto certa pare la loro incapacità di dotare le previsioni di una motivazione. In altri termini, i big data danno risposte sul “cosa” ma non sul “perché” di quel che sta per accadere. Se confrontato con il classico paradigma causa-effetto, che guida tanto il decision-making più ponderato quanto le nostre scelte più intuitive – cioè i “blink”, come li definisce l’americano Malcolm Gladwell nel suo In un batter di ciglia – , un simile approccio risulta davvero sconvolgente.

La direzione verso cui l’uso dei big data sembra spingerci è quella in cui la certezza del poter dar ragione di un fenomeno analizzandone le evidenze e studiandone le cause viene sostituita da una piena – e spesso cieca – fiducia nelle capacità della tecnologia di prevedere quel che sta per accadere. Come Mayer-Schönberger e Cukier spesso ripetono nel loro libro, sapere “cosa” (e non “perché”) è il più delle volte sufficiente per prendere la decisione giusta al momento giusto. Ma quando la posta in gioco riguarda anche temi di innovazione, il discorso si fa diverso:

«Se Henry Ford si fosse affidato agli algoritmi di ricerca per sapere cosa voleva la gente, probabilmente avrebbe scoperto che tutti desideravano solo ‘un cavallo più veloce’ […]. In un mondo di dati dovranno essere incoraggiati gli aspetti più umani: la creatività, l’intuizione e l’ambizione intellettuale, perché la principale fonte di progresso è l’ingegno umano».

[ illustrazione: composizione grafica di autore ignoto ]

Standard