Dalla Non Discriminazione alle Pari Opportunità: Intelligenza Artificiale, Sostenibilità e Gender Gap

Sintesi Esecutiva

Il presente documento analizza le dinamiche del divario di genere nel contesto accademico e tecnologico italiano, sintetizzando i contributi del convegno tenutosi presso l’Università degli Studi di Salerno (UNISA) in occasione della Giornata Internazionale della Donna 2024.

L’analisi evidenzia un paradosso strutturale: sebbene le donne rappresentino la maggioranza della popolazione studentesca e dei laureati, la loro presenza si contrae drasticamente ai vertici della carriera accademica (il cosiddetto fenomeno della “forbice”) e nei settori STEM (Science, Technology, Engineering, and Mathematics). La sfida contemporanea si sposta dalla mera “non discriminazione” alla promozione attiva delle “pari opportunità”, con un focus critico sull’impatto dell’Intelligenza Artificiale (IA). L’IA, se nutrita da dati storici viziati da pregiudizi, rischia di cristallizzare e amplificare le discriminazioni esistenti anziché risolverle. Il ruolo dell’Università emerge come fondamentale non solo per la formazione tecnica, ma per la costruzione di una cultura “meta-disciplinare” che integri saperi umanistici e scientifici per governare l’innovazione in modo equo e sostenibile.

——————————————————————————–

1. Evoluzione Concettuale: Dalla Non Discriminazione alle Pari Opportunità

Il passaggio dalla “non discriminazione” alle “pari opportunità” segna una transizione fondamentale nell’approccio alla parità di genere:

• Dimensione Negativa (Non discriminazione): Interpretata come un obbligo di non facere, ovvero il divieto di trattamenti differenziati ingiustificati.
• Dimensione Positiva (Pari opportunità): Interpretata come un obbligo di facere, richiedendo l’adozione di azioni positive per garantire una parità di fatto e non solo di diritto.

Questa evoluzione si inscrive in quadri normativi e strategici globali, come l’Obiettivo 5 dell’Agenda 2030 delle Nazioni Unite, che identifica la parità di genere come pre-condizione per lo sviluppo economico e la promozione dei diritti umani. In Italia, tale priorità è integrata nel PNRR (Piano Nazionale di Ripresa e Resilienza), che impone clausole di condizionalità per l’occupazione femminile negli appalti pubblici.

——————————————————————————–

2. Analisi di Genere nel Sistema Accademico Italiano

L’analisi condotta dall’ANVUR e dai ricercatori universitari evidenzia una chiara segregazione, sia orizzontale che verticale.

2.1 La Segregazione Orizzontale (Settori di Studio)

La partecipazione femminile è fortemente polarizzata per aree disciplinari (dati 2021/22):

• Prevalenza Femminile: Discipline umanistiche (78,2% di immatricolate), aree sanitarie e sociali.
• Gap STEM: Nelle materie tecnico-scientifiche la percentuale scende al 39,3% (immatricolate) e 37% (iscritte). La presenza femminile nelle STEM è rimasta sostanzialmente invariata nell’ultimo decennio.

2.2 La Segregazione Verticale (Progressione di Carriera)

Il fenomeno della “forbice” o “tetto di cristallo” descrive come il vantaggio numerico femminile iniziale si azzeri e si inverta procedendo verso l’alto (dati 2022):

Ruolo	Percentuale Donne	Previsione Parità (al trend attuale)
Laureati	~57%	–
Ricercatori (RUTD)	~44%	–
Professori Associati (PA)	42,3%	–
Professori Ordinari (PO)	27%	Anno 2061 (fra 37 anni)
Rettori/Rettrici	~12%	Anno 2106 (fra 82 anni)

Nota critica: Il divario nelle carriere apicali (Rettori) è particolarmente marcato nel Sud e nelle Isole, dove la quota di rettrici scende al 7,4%.

——————————————————————————–

3. La Strategia Nazionale per la Parità di Genere 2021-2026

La Strategia Nazionale si articola su cinque domini prioritari, con target misurabili entro il 2026:

1. Lavoro: Aumento del tasso di occupazione femminile di 4 punti percentuali e riduzione del gap occupazionale (attualmente stabile a 27 p.p.).
2. Reddito: Riduzione del gender pay gap (attualmente circa il 17% nel privato) e del gap specifico per i laureati (che raggiunge il 22%).
3. Competenze: Incremento della percentuale di studentesse in corsi STEM al 35% e potenziamento delle competenze digitali femminili (target 35%).
4. Tempo: Potenziamento della copertura degli asili nido (target: 50% nazionale e minimo 33% in ogni regione).
5. Potere: Incremento della rappresentanza femminile nelle posizioni apicali (target 35%).

——————————————————————————–

4. L’Intelligenza Artificiale: Sfide, Rischi e Bias

L’Intelligenza Artificiale rappresenta la nuova “frontiera” del gender gap. La tesi della neutralità tecnologica è confutata dall’evidenza dei bias algoritmici.

4.1 Il Rischio dei Dati Storici

Gli algoritmi di IA sono “nutriti” da dati che riflettono pregiudizi storici:

• Gestione del Credito: I sistemi possono assegnare limiti di credito inferiori alle donne basandosi su modelli di solvibilità passati.
• Reclutamento: Gli algoritmi possono scartare profili femminili in settori storicamente maschili perché non corrispondenti al “modello ideale” costruito su dipendenti precedenti (uomini).
• Riconoscimento Vocale e Traduzione: I sistemi risultano spesso più precisi con voci maschili e tendono a tradurre termini neutri associando stereotipi di genere (es. associare “infermiera” al femminile e “medico” al maschile).

4.2 Verso un’Algoretica e un Costituzionalismo Digitale

La sfida non è solo tecnica ma etico-normativa. È necessario un “costituzionalismo digitale” che garantisca:

• La valutazione dell’impatto sui diritti umani durante tutto il ciclo di vita dell’IA.
• L’integrazione dell’ottica di genere nella costruzione degli algoritmi.
• Il superamento della dicotomia tra saperi umanistici (etica, storia) e conoscenze tecnico-scientifiche.

——————————————————————————–

5. Il Ruolo dell’Università e le Buone Pratiche

L’Università di Salerno si pone come “incubatore” di best practices attraverso la Roadmap UNISA Pari Opportunità.

5.1 Strumenti di Governance

• CUG (Comitato Unico di Garanzia): Organo obbligatorio per promuovere il benessere lavorativo e combattere le discriminazioni.
• GEP (Gender Equality Plan): Documento strategico richiesto dalla Commissione Europea per accedere ai finanziamenti (Horizon Europe, PNRR).
• Bilancio di Genere: Strumento per monitorare la distribuzione delle risorse e valutare l’impatto delle politiche di ateneo.
• Carriere Alias: Dispositivo per tutelare l’identità di genere degli studenti e del personale in transizione.

5.2 Azioni Concrete a UNISA

• Partecipazione al Dottorato Nazionale in Gender Studies.
• Bandi per borse di studio STEM specificamente dedicate alle studentesse.
• Progetto Young Women Empowerment Program per il talento femminile nel Sud.
• Integrazione trasversale della prospettiva di genere nei programmi di insegnamento e nelle attività di terza missione.

——————————————————————————–

6. Prospettiva Storica e Meta-disciplinare

Il documento sottolinea l’importanza di riscoprire le “protagoniste invisibili” della scienza per fornire modelli alle nuove generazioni. Un esempio emblematico è quello di Ada Byron Lovelace, pioniera dell’informatica che già nel XIX secolo intuì la capacità delle macchine di elaborare non solo numeri ma simboli, musica e immagini.

La “scienza poetica” di Ada Lovelace rappresenta l’ideale di meta-disciplinarità auspicato: una visione che non si limita alla competenza specialistica ma abbraccia storia, filosofia e immaginazione per rispondere alla complessità del mondo moderno. Senza la “contaminazione” tra saperi, la tecnologia resta priva di senso profondo e vulnerabile ai pregiudizi.

——————————————————————————–

Conclusione

La parità di genere non è solo una questione di giustizia sociale, ma un motore essenziale di crescita economica (il superamento del gap occupazionale potrebbe valere un incremento del 12% del PIL entro il 2050). L’Università deve guidare questo cambiamento agendo su due fronti: la rimozione delle barriere strutturali (asili nido, lavoro agile, trasparenza nelle carriere) e la promozione di una cultura inclusiva che educhi le nuove generazioni al rispetto e alla valorizzazione delle differenze identitarie.