Insegnamento FILOSOFIA DELLA SCIENZA

Nome del corso di laurea	Filosofia ed etica delle relazioni
Codice insegnamento	35104506
Curriculum	Filosofia della relazione tra giustizia e ambiente
Docente responsabile	Vera Matarese
Docenti	Vera Matarese
Ore	36 Ore - Vera Matarese
CFU	6
Regolamento	Coorte 2024
Erogato	Erogato nel 2025/26
Erogato altro regolamento
Attività	Caratterizzante
Ambito	Istituzioni di filosofia
Settore	M-FIL/02
Anno	2
Periodo	Secondo Semestre
Tipo insegnamento	Opzionale (Optional)
Tipo attività	Attività formativa monodisciplinare
Lingua insegnamento	ITALIANO
Contenuti	Filosofia delle Scienze Il Metodo scientifico: esperimenti, modelli, simulazioni e intelligenza artificiale Cosa rende la scienza “scienza”? Che cosa distingue le pratiche scientifiche da quelle della pseudoscienza? In che misura possiamo davvero fidarci di esperimenti, modelli, simulazioni o inferenze statistiche? E cosa succede quando il machine learning diventa una componente essenziale e pervasiva del metodo scientifico? Questo corso è un invito al confronto diretto tra filosofi e scienziati attorno a una domanda centrale: come si produce conoscenza scientifica e cosa la rende affidabile? Nella prima metà del corso, verranno affrontate questioni come il problema della demarcazione tra scienza e pseudoscienza, l’epistemologia degli esperimenti (mentali ed empirici), dei modelli e delle simulazioni, la distinzione tra ragionamenti epistemici ed euristici, i diversi tipi di conferma, il problema della replicabilità e il rapporto tra teoria e dati. La seconda metà del corso sarà dedicata all’epistemologia dell’intelligenza artificiale, con un focus particolare sul machine learning: ne discuteremo le promesse e i limiti, la questione dell’opacità algoritmica, il problema della generalizzazione senza comprensione, l’emergenza di nuovi rischi epistemici per la scienza. L’obiettivo è duplice: fornire ai filosofi strumenti per comprendere la scienza dall’interno, e offrire a chi fa ricerca scientifica un’occasione per interrogarsi criticamente sulle proprie pratiche. La filosofia, lungi dall’essere una speculazione astratta, si rivela qui una risorsa concreta per fare buona scienza. Il corso è strutturato come un seminario aperto e interdisciplinare, con letture guidate, discussioni, e incontri con ricercatori provenienti da diverse aree scientifiche. È richiesta una partecipazione attiva, critica, vivace e il desiderio di discutere l’affidabilità del metodo della ricerca scientifica in modo consapevole e costruttivo.
Testi di riferimento	Gillies, D., & Giorello, G. (2010). La filosofia della scienza nel XX secolo. GLF editori Laterza. Potochnik, A., Colombo, M., & Wright, C. (2018). Recipes for science: An introduction to scientific methods and reasoning. Routledge. Melanie Mitchell 2019, Artificial Intelligence: A Guide for Thinking Humans, chapter 2. Watch the course: Complexity Explorer ‘Fundamentals of Machine Learning’ organized by Santa Fe University. Stuart Russell and Peter Norvig, Artificial Intelligence, A modern Approach, chapter 2, 19, 20. In aggiunta, tutti gli articoli scientifici che appaiono nella lista del programma esteso.
Obiettivi formativi	Al termine del corso, gli studenti non solo avranno acquisito una comprensione concettuale delle principali questioni della filosofia della scienza e, in particolare, dell’epistemologia dell’intelligenza artificiale, ma avranno anche coltivato virtù intellettuali essenziali per una pratica scientifica responsabile — umiltà, coraggio, autonomia, curiosità, accuratezza, perseveranza, apertura mentale e integrità. Queste virtù costituiscono il fondamento etico ed epistemico per ogni 'buon' filosofo e di ogni 'buon' scienziato. 1. Umiltà intellettuale: Riconoscere i limiti della conoscenza scientifica e dei suoi metodi. Gli studenti impareranno a difendersi dal dogmatismo scientista e dallo scetticismo relativista, comprendendo il carattere sempre provvisorio della conoscenza. L'umiltà intellettuale verrà acquisita attraverso la discussione sul problema della demarcazione, e attraverso discussioni sulla validità e affidabilità degli strumenti metodologici della scienza. 2. Coraggio intellettuale: La disponibilità a mettere in discussione paradigmi dominanti, a sfidare presupposti impliciti e ad affrontare temi complessi o controversi che mettono in dialogo filosofia e scienza. Gli studenti acquisiranno questa virtù tramite dibattiti su questioni controverse — come l’opacità algoritmica o lo statuto epistemico delle simulazioni. >Gli studenti verranno incoraggiati a formulare e difendere posizioni argomentate anche quando divergono dal paradigma dominante. 3. Autonomia intellettuale: Gli studenti impareranno a sviluppare la capacità di pensare in modo indipendente, formulare giudizi ragionati e valutare argomentazioni filosofiche sulla validità e lo statuto epistemico di diversi strumenti metodologici scientifici. Gli studenti acquisiranno questa virtù attraverso l’analisi di articoli scientifici e filosofici. 4. Curiosità intellettuale: il desiderio autentico di comprendere come funziona la scienza — non solo nei suoi risultati empirici, ma anche nelle sue dimensioni concettuali, metodologiche ed etiche. Gli studenti acquisiranno curiosità intellettuale attraverso la lettura di testi che connettono filosofia e pratica scientifica (dalla psicologia alla fisica) e tramite il dialogo con ricercatori ospiti provenienti da diverse discipline. 5. Accuratezza intellettuale: L’abitudine a ragionare con precisione, distinguendo tra strumenti euristici ed epistemici e evitando generalizzazioni affrettate. Gli studenti acquisiranno questa virtù lavorando sulle diverse forme di ragionamento — deduttivo, induttivo, statistico e causale — e tramite un esercizio di valutazione critica di modelli e simulazioni. 6. Perseveranza intellettuale: L’impegno nel perseguire la comprensione anche di fronte alla complessità, all’ambiguità o alle difficoltà interdisciplinari. Tale virtù verrà acquisita attraverso l’analisi di testi filosofici impegnativi. 7. Apertura mentale: La disponibilità a considerare prospettive scientifiche e filosofiche diverse e a integrare contributi provenienti da più discipline. I seminari interdisciplinari e gli incontri con studiosi provenienti da ambiti differenti (psicologia, geologia, biologia, fisica, chimica) offriranno agli studenti un terreno fertile per esercitare flessibilità e pluralismo intellettuale. 8. Integrità intellettuale: L’impegno a mantenere onestà intellettuale, valutando in modo equo e rispettoso le argomentazioni altrui, anche quando contrastano con le proprie convinzioni. I dibattiti in classe incoraggeranno gli studenti a confrontarsi in modo critico ma rispettoso, fondando le proprie posizioni su argomentazioni solide e ben motivate.
Prerequisiti	Nihil
Metodi didattici	Il corso adotta il metodo delle virtù intellettuali, che concepisce la formazione filosofica e scientifica non solo come acquisizione di conoscenze, ma come sviluppo di abitudini cognitive e disposizioni personali che rendono la ricerca più consapevole, critica e responsabile. Le virtù intellettuali — come l’umiltà, il coraggio, la curiosità, la perseveranza e l’integrità — sono qui intese come competenze pratiche che permettono di pensare con rigore e apertura di mente, riconoscendo i limiti del proprio sapere e cercando attivamente la verità. Il metodo delle virtù intellettuali verrà implementato sia nelle attività in aula sia nel lavoro individuale. Le lezioni non saranno soltanto frontali, ma comprenderanno: 1. discussioni di gruppo guidate, finalizzate a esercitare il dialogo critico e l’ascolto attivo; 2. analisi condivisa di casi di studio scientifici, per mettere in pratica il ragionamento epistemico e il confronto interdisciplinare; 3. sessioni di riflessione collettiva sulle virtù intellettuali, per riconoscere atteggiamenti virtuosi e vizi cognitivi nella pratica della scienza; 4. attività di peer feedback, in cui gli studenti commentano e valutano in modo costruttivo i lavori e le idee dei colleghi; 5. brevi momenti di auto-valutazione alla fine di ogni modulo, volti a rafforzare la consapevolezza dei propri progressi e delle difficoltà incontrate. A completamento di queste attività, gli studenti dovranno tenere un diario intellettuale durante l’intero corso, annotando ciò che desiderano comprendere, ciò che trovano difficile o controverso, ciò che ritengono di aver compreso e le proprie riflessioni personali sui temi affrontati. Il diario non sarà valutato nel contenuto, ma per l’impegno riflessivo e la capacità di autoanalisi che manifesta. Questa pratica promuove la consapevolezza metacognitiva, stimola la curiosità, e incoraggia un apprendimento attivo e personale, in piena coerenza con lo spirito del corso.
Modalità di verifica dell'apprendimento	La prova finale consiste nel rispondere in modo argomentativo a due domande sui temi trattati durante il corso. Le risposte dovranno mostrare comprensione critica dei concetti discussi, capacità di analisi e chiarezza espositiva.
Programma esteso	1. Che cos'è la scienza? Il problema della demarcazione. Richard Feynman, On Scientific Method, 1964 (video). Chapter 2: Karl Popper, The Logic of Scientific Discovery. Routledge 2005 (first published in 1935). Stephan Law, “How can we tell Science from Pseudoscience?”, in McCain, What is scientific knowledge? An introduction to contemporary epistemology of science (2019), New York: Routledge, chapter 7. Larry Laudan, "The Demise of the Demarcation Problem," in Physics, philosophy, and psychoanalysis: essays in honor of Adolf Grünbaum. Boston Studies in the Philosophy of Science. 76, Dordrecht: D. Reidel, 1983, pp. 111–127. 2. Gli esperimenti scientifici Nora Boyd, “Evidence Enriched,” Philosophy of Science 85(3)(2018), pp. 403-421. 3. La rappresentazione scientifica. Wendy Parker, "Does Matter Really Matter? Computer Simulations, Experiments, and Materiality". Synthese, 169 (2009) pp. 483-496. 4. Modelli, simulazioni e dati scientifici Introduction Morgan Morrison, Models as mediating instruments Leonelli, S. (2019). What distinguishes data from models?. European journal for philosophy of science, 9(2), 22. Collins, R. (1994). Against the epistemic value of prediction over accommodation. Nous, 28(2), 210-224. 5. La conferma e il ragionamento scientifico Richard Dawid, The Significance of Non-Empirical Confirmation in Fundamental Physics, in Why Trust a Theory (2019): 99-119. Carlo Rovelli, The dangers of Non-Empirical Confirmation, in Why Trust a Theory (2019): 120-125. McCoy, C. D. (2020). Meta-Empirical Support for Eliminative Reasoning. 6. Il problema della replicabilità https://www.pbs.org/wgbh/nova/video/what-makes-science-true/ Leonelli, Sabina. "Rethinking reproducibility as a criterion for research quality." Including a symposium on Mary Morgan: curiosity, imagination, and surprise. Emerald Publishing Limited, 2018. 7. Il problema dei valori non-epistemici nella scienza. Elliott, K. C., & McKaughan, D. J. (2009). How values in scientific discovery and pursuit alter theory appraisal. Philosophy of Science, 76(5), 598-611. 8. L'AI Melanie Mitchell 2019, Artificial Intelligence: A Guide for Thinking Humans, chapter 2. Watch the course: Complexity Explorer ‘Fundamentals of Machine Learning’ organized by Santa Fe University. Beisbart, C., & Räz, T. (2022). Philosophy of science at sea: Clarifying the interpretability of machine learning. Philosophy Compass, 17(6), e12830. Buckner, C. (2019). Deep learning: A philosophical introduction. Philosophy Compass, 14(10), 1-19 Emily Sullivan. Understanding from Machine Learning Models. The British journal for the philosophy of science, 73(1):109–133, 2022 Gillies, D. (1996). Artificial intelligence and scientific method. Oxford University Press. Excerpts. Messeri, L., & Crockett, M. J. (2024). Artificial intelligence and illusions of understanding in scientific research. Nature, 627(8002), 49-58.