About

I dati utilizzati per realizzare questo progetto sono stati raccolti attingendo a fonti aperte e costruite attraverso il crowdsourcing, come OpenStreetMap e Wikidata. Ciò che abbiamo fatto, in sostanza, è stato abbinare l’archivio di strade costruito da OpenStreetMap (e reso disponibile da Geofabrik) con l’identificativo Wikidata dei nomi a cui sono dedicate, prima in modo automatico e poi manualmente utilizzando un’interfaccia dedicata. Wikidata è un database associato a Wikipedia che permette di estrarre informazioni in modo sistematico. Ad esempio, in Wikidata Grazia Deledda è associata all’identificativo Q7728. Da qui, abbiamo estratto il campo “sesso o genere” poi utlizzato nell’analisi. Per tutte le persone per cui non abbiamo trovato un identificativo Wikidata, abbiamo attribuito il genere basandoci sul nome.

È stato svolto un minuzioso lavoro di controllo di qualità, sia automatico che manuale. Si tratta però di un dataset di dimensioni e complessità notevoli – basti pensare alle diverse varianti di uno stesso nome, o ai casi di omonimia. Se noti qualcosa che non ti torna, puoi aiutarci a migliorare la precisione dei dati:

  • Manca una strada o il nome non è riportato correttamente? Se appropriato, puoi modificare i dati direttamente alla fonte, contribuendo così a OpenStreetMap. Prima di fare modifiche, consulta le indicazioni della comunità di OpenStreetMap.
  • I dettagli su una persona sono assenti, incompleti o scorretti, ad esempio non sono riportate correttamente tutte le professioni che ha svolto? Puoi integrare queste informazioni direttamente su Wikidata.
  • Il nome di una via è associato alla persona sbagliata? È colpa nostra! Per ora, puoi segnalarcelo via email. Prossimamente renderemo pubblica un’interfaccia che permette di associare i nomi di strada alle persone a cui sono dedicate, facilitando questo lavoro ben oltre i capoluoghi italiani e permettendo di condividere i risultati con altre iniziative di questo tipo.

Scelte e limiti dell’analisi

I dati e le mappe si basano sull’archivio di vie percorribili con un mezzo o a piedi secondo OpenStreetMap. È quindi possibile che alcune aree categorizzate diversamente (come parchi pubblici, o parcheggi che sono anche piazze) non siano attualmente incluse nella nostra analisi. Questo approccio metodologico spiega in parte la differenza tra i numeri emersi da altre iniziative che si sono occupate di toponomastica. L’impatto sull’analisi complessiva ci pare marginale, ma spunti su come migliorare questo lavoro sono naturalmente benvenuti.

Abbiamo incluso nell’analisi solo le strade che sono dedicate a degli individui precisi. Abbiamo dunque escluso le strade intolate a nomi collettivi, ad esempio le strade dedicate ai donatori del sangue, alle vittime del terrorismo o agli atleti azzurri, ma anche quelle dedicate a nomi comuni, come “via del fabbro” o “via della vedova”.

Abbiamo cercato di attribuire una strada ad una persona solo quando è evidente che il riferimento è effettivamente a quella persona, e non ad altro luogo che a sua volta è dedicato a quella persona. Ad esempio, un’ipotetica “via monastero di San Francesco” è effettivamente dedicata al monastero, e non direttamente al santo.

In Wikidata, il campo “sesso o genere” non è definito da una scelta binaria (qui l’elenco delle numerose opzioni disponibili) ed è peraltro possibile scegliere più opzioni per uno stesso individuo. Ciononostante, ed a maggior ragione trattandosi di figure storiche, emerge dai dati che l’attribuzione del genere è nella pratica sostanzialmente binaria. Ci siamo basati sul nome per attribuire il genere alle persone per cui al momento non esiste un identificativo Wikidata: questo campo dovrebbe essere interpretato come “identità di genere assegnata alla nascita”.

Per un efficace riassunto dei principali limiti di questo approccio, si vedano i punti enumerati da Lincoln Mullen ad introduzione del suo lavoro basato sull’estrapolazione del genere da nomi di persona, in particolare l’osservazione che questo tipo di analisi può essere utile in particolare per osservare dati aggregati (non per trarre conclusioni su singoli individui) e quando “l’alternativa non sarebbe un approccio che lascia più spazio alle sfumature del concetto di genere, ma porterebbe invece a non studiare affatto l’aspetto di genere”. Per un dibattito più esteso su dati e binarismo di genere, segnaliamo questo capitolo del libro “Data feminism” dedicato al tema.

Federico Caruso, Gianluca De Feo e Matteo Torri hanno contribuito alla raccolta dei dati.

Raccogliamo statistiche sulle visite a questo sito senza utilizzare cookie o registrare dati personali utilizzando un'istanza di Plausible Analytics ospitata su nostri server. Per avere più dettagli su quali dati raccoglie effettivamente Plausible Analytics, potete consultare la relativa data policy.

Questo progetto è stato prodotto dallo European Data Journalism Network ed è rilasciato con una licenza CC BY 4.0.