A cura di Giovanni Prattichizzo, Giulia Peci, Giorgia Proietti Pannunzi, Pamela Pergolini, Francesca Persiani, Katia Cosco, Christian Spazioso, Antonino Siino

Introduzione editoriale

Un numero corretto che dice una cosa falsa

Introduzione a «La fiducia non è un dato» di Giovanni Prattichizzo e altri

Un istituto di statistica pubblica un dato: disoccupazione giovanile al 20%.

La frase che circola il giorno dopo è: un giovane su cinque non lavora.

È falsa. Il denominatore di quel tasso non è la popolazione giovanile: è la forza lavoro — chi ha un impiego e chi ne cerca attivamente uno. Chi studia e non cerca lavoro non è nel calcolo.

Il numero è esatto. Nessuno ha mentito. Ma lungo il percorso si sono perse le definizioni, e con esse il significato.

È da questo genere di cortocircuito che parte il contributo di un gruppo di lavoro dell’Istituto nazionale di statistica, ed è la ragione per cui questo numero lo ospita: è il caso concreto di una cosa che altre pagine di questo fascicolo argomentano in astratto.

La tesi centrale è una distinzione che vale ben oltre la statistica. L’autorevolezza istituzionale non genera automaticamente fiducia.

L’affidabilità è ciò che un’istituzione può dimostrare: qualità dei metodi, indipendenza, trasparenza, responsabilità tracciabile. La fiducia è la valutazione che ne danno gli altri. La prima crea le condizioni della seconda, ma non la produce — e un marchio istituzionale segnala la provenienza di un contenuto, non sostituisce la verifica.

Da qui la proposta: che la comunicazione pubblica sostenga la fiducia quando mantiene una continuità verificabile fra evidenza, fonte, metodo, contesto, trasformazione editoriale e possibilità di riscontro. Non un affidamento passivo, ma un giudizio reso possibile.

E una definizione che questa rivista adotta volentieri: la verità statistica intesa in senso procedurale — informazione fondata, contestualizzata, trasparente sui propri limiti, aperta alla verifica.


Il contributo riporta infine un dato che riguarda chiunque scriva. Un’analisi su centoundici milioni di riferimenti bibliografici, in circa due milioni e mezzo di articoli, stima in centoquarantasettemila le citazioni inesistenti comparse nel solo 2025 dopo la diffusione dei modelli linguistici.

Gli autori precisano che si tratta di un preprint non ancora sottoposto a revisione paritaria, e che non dimostra un decadimento generale della ricerca. Ma indica una direzione: strumenti capaci di accelerare la sintesi, quando sostituiscono la verifica invece di precederla, erodono l’infrastruttura su cui la conoscenza si regge.

Carmine Marinucci

Abstract

Il contributo analizza a quali condizioni l’ecosistema social e digitale dell’Istat possa preservare verificabilità, contesto e significato del dato ufficiale quando l’informazione viene adattata ai linguaggi delle piattaforme e rimediata da utenti e intermediari. Inquadrato nell’Asse 2 — Verità, fonti ed ecologia della comunicazione — lo studio adotta un approccio qualitativo e riflessivo: ricostruisce il workflow editoriale e discute pratiche documentate di comunicazione, Digital PR, ascolto della rete e gamification. Il quadro teorico integra i principi della statistica ufficiale, gli studi sull’information disorder e sulla piattaformizzazione, la statistical literacy e l’organizational listening. L’analisi sostiene che l’autorevolezza istituzionale non generi fiducia in modo automatico: la fiducia dipende dalla continuità verificabile tra evidenza, fonte, metodo, contesto, trasformazione editoriale e possibilità di riscontro. I casi esaminati mostrano opportunità e limiti dei formati brevi, multimediali e interattivi. Ne deriva un modello di ecologia della comunicazione statistica nel quale accessibilità e partecipazione producono valore pubblico solo se accompagnate da tracciabilità, validazione scientifica, ascolto organizzativo e responsabilità editoriale.

Parole chiave

statistica ufficiale; fiducia; democrazia; verifica delle fonti; ecologia della comunicazione; social media; Digital PR; statistical literacy; gamification

Abstract in English

This paper examines the conditions under which Istat’s social and digital communication ecosystem can preserve the verifiability, context and meaning of official data when information is adapted to platform languages and remediated by users and intermediaries. Framed within Track 2 — Truth, sources and communication ecology — the study adopts a qualitative, reflexive approach: it reconstructs the editorial workflow and discusses documented practices of communication, digital public relations, online listening and gamification. Its theoretical framework combines the principles of official statistics with research on information disorder, platformisation, statistical literacy and organisational listening. The analysis argues that institutional authority does not automatically generate trust. Trust depends on a verifiable continuity between evidence, source, method, context, editorial transformation and opportunities for checking. The cases considered highlight both the potential and the limits of short, multimedia and interactive formats. The paper therefore outlines a communication ecology for official statistics in which accessibility and participation create public value only when supported by traceability, scientific validation, organisational listening and editorial responsibility.

Keywords

official statistics; trust; democracy; source verification; communication ecology; social media; digital public relations; statistical literacy; gamification

 1. Introduzione: statistica ufficiale, fiducia e democrazia

(A cura di Giovanni Prattichizzo)

Nel contesto digitale contemporaneo, segnato da abbondanza informativa, centralità delle piattaforme e diffusione dell’intelligenza artificiale generativa, cambiano le condizioni nelle quali le statistiche ufficiali vengono diffuse, incontrate, comunicate e interpretate. Una recente riflessione di Tom Crick pone il problema in termini particolarmente pertinenti: la moltiplicazione di dati, metriche, dashboard, classifiche, sondaggi e previsioni non elimina l’incertezza e può favorire la confusione tra precisione apparente e accuratezza. Per giudicare un’informazione occorre invece interrogarne provenienza, evidenze, metodo, contesto e limiti (Crick, 2026). (Il contributo di Crick, elaborato in relazione alla William Guy Lecture 2026/27 della Royal Statistical Society, è disponibile all’indirizzo https://proftomcrick.com/2026/09/13/can-you-trust-the-numbers).  

La statistica ufficiale continua, pertanto, a svolgere una funzione che supera la dimensione tecnica della misurazione: mette a disposizione una base conoscitiva comune sulla quale cittadinanza, istituzioni, media e soggetti sociali possono confrontare interpretazioni, valutare politiche e assumere decisioni. I Principi fondamentali delle statistiche ufficiali la definiscono un elemento indispensabile del sistema informativo di una società democratica (United Nations General Assembly, 2014). Il suo valore pubblico non risiede soltanto nell’accuratezza delle misure, ma anche nella possibilità di ricondurre i risultati a definizioni, classificazioni, fonti, metodi e procedure dichiarati. Il Codice delle statistiche europee collega infatti indipendenza professionale, imparzialità, solidità metodologica, accessibilità e chiarezza alla credibilità della statistica ufficiale (European Statistical System Committee, 2017).

Il dato, in questa prospettiva, non coincide immediatamente con la realtà né possiede un significato autosufficiente: ne costituisce una rappresentazione prodotta attraverso convenzioni e scelte di misurazione che devono restare osservabili e discutibili (Espeland & Stevens, 2008). Conoscere tali scelte, verificare la fonte e comprendere i limiti della misura consente alla statistica di sostenere il giudizio pubblico senza sostituirlo. In un ecosistema dei dati più ampio e plurale, gli istituti nazionali di statistica sono inoltre chiamati a integrare la produzione con compiti di data stewardship, contribuendo alla definizione di standard, qualità, governance e valore pubblico dei dati (UNECE, 2024).

Gli istituti statistici non hanno mai esercitato un controllo esclusivo sull’interpretazione pubblica dei propri risultati. Le piattaforme hanno però accresciuto la velocità, la frammentazione e le possibilità di decontestualizzazione della circolazione informativa. Quando un indicatore lascia la pubblicazione originaria e diventa un post, una card, un video breve o una citazione, entra in ambienti nei quali formati, sistemi di raccomandazione e pratiche di ricondivisione organizzano la visibilità secondo logiche non coincidenti con quelle della produzione statistica (van Dijck, Poell & de Waal, 2018). A queste mediazioni si aggiungono i sistemi di IA generativa che, in assenza di fonti ancorate e controlli adeguati, possono attenuare le cautele metodologiche, separare un’affermazione dal contesto o produrre contenuti plausibili ma infondati (NIST, 2024). Un numero corretto può così mantenere il proprio valore nominale e perdere le condizioni necessarie per essere interpretato correttamente.

Da qui deriva la distinzione centrale del contributo: l’autorevolezza istituzionale non genera automaticamente fiducia. Il marchio Istat segnala la provenienza del contenuto e richiama un sistema riconosciuto di garanzie, ma non sostituisce la verifica. Occorre distinguere l’affidabilità, o trustworthiness, fondata su qualità, indipendenza, trasparenza e responsabilità dimostrabili, dalla fiducia, o trust, intesa come valutazione relazionale dei pubblici (O’Neill, 2002). La prima può creare le condizioni per la seconda, senza determinarla meccanicamente. La comunicazione pubblica contribuisce alla fiducia quando rende identificabile la fonte primaria, ricostruibile la trasformazione del dato, visibili i limiti della misura e riconoscibili le responsabilità editoriali. Non richiede dunque un affidamento passivo, ma rende possibile un giudizio sostenuto da elementi verificabili.

La domanda di ricerca è: a quali condizioni l’ecosistema social e digitale dell’Istat preserva verificabilità, contesto e significato del dato nei linguaggi delle piattaforme? La tesi è che la continuità fra fonte, metodo, trasformazione editoriale e possibilità di riscontro costituisca una condizione di affidabilità, non una prova di fiducia acquisita.

Il contributo adotta uno studio di caso qualitativo e riflessivo, delimitato alla selezione, trasformazione e circolazione social dell’informazione e al suo ritorno alla redazione attraverso l’ascolto. Non valuta l’intero processo statistico né misura la fiducia della cittadinanza. Mette in relazione principi della statistica ufficiale, studi sulle piattaforme e pratiche professionali. La “verità statistica” è intesa in senso procedurale: informazione fondata, contestualizzata, trasparente sui propri limiti e aperta alla verifica. La ricostruzione interna dei processi consente di discutere responsabilità editoriali, ma non di attribuire causalmente gli esiti osservati alle pratiche descritte.

2. Quadro concettuale: dall’ecologia dei media all’ecologia della comunicazione statistica

(A cura di Giulia Peci)

Un’informazione non deve essere falsa per risultare fuorviante. Anche un dato corretto, se estratto dal suo contesto o presentato senza gli elementi necessari a interpretarlo, può restituire una lettura distorta della realtà. È uno dei principi alla base del modello di ‘information disorder’ di Wardle e Derakhshan (2017), che invita a superare la semplice distinzione tra vero e falso e a considerare anche intenzioni, contesti e modalità di diffusione. La questione diventa allora capire che cosa accade a un’informazione vera quando perde, lungo il suo percorso, gli elementi necessari per comprenderla correttamente.

Per l’informazione statistica il fenomeno è particolarmente evidente. Un dato non esaurisce il proprio significato nel puro valore numerico. Una percentuale isolata dal contesto dice ben poco: è indispensabile conoscerne la definizione, la popolazione di riferimento, il periodo considerato e i termini di confronto. La distorsione, tuttavia, può manifestarsi in forme più sottili. Se una fonte ufficiale rileva un tasso di disoccupazione giovanile del 20%, tradurre tale dato nell’affermazione ‘un giovane su cinque non lavora’ costituisce un’errata interpretazione. Il denominatore del tasso non corrisponde infatti all’intera popolazione giovanile, bensì alla sola forza lavoro della medesima fascia d’età (composta da occupati e persone in cerca attiva di occupazione), escludendo chi non cerca lavoro, ad esempio la maggior parte degli studenti. Il dato di partenza è corretto, ma la perdita delle sue definizioni genera un’informazione distorta. La qualità dell’informazione statistica non dipende quindi soltanto dall’esattezza metodologica, ma dalla preservazione delle condizioni interpretative.

Questa fragilità diventa ancora più evidente sulle piattaforme digitali. Come osservano van Dijck e Poell (2013), infatti, le piattaforme non sono semplici canali neutrali: il modo in cui i contenuti vengono selezionati, resi visibili e proposti agli utenti ne condiziona la diffusione e la percezione. Quando un dato viene estratto dal documento originale e trasformato in un titolo, una card, un post o uno screenshot, rischia di perdere informazioni essenziali per interpretarlo correttamente. La fonte può scomparire, le definizioni essere omesse e una variazione legata a un particolare momento finire per essere letta come una tendenza stabile nel tempo.

L’intelligenza artificiale generativa introduce un ulteriore livello di mediazione. L’utente accede ai contenuti senza interfacciarsi direttamente con la fonte o con gli autori originari. I sistemi generativi sintetizzano, combinano e riformulano le informazioni, restituendo risposte linguisticamente fluide e apparentemente autosufficienti. Al di là del fenomeno delle allucinazioni (hallucinations), il rischio principale risiede nella decontestualizzazione: anche quando il dato di partenza è esatto, definizioni, vincoli di comparabilità e margini di incertezza tendono a dissolversi.

Le evidenze empiriche relative alla produzione scientifica confermano la rilevanza della questione. Nel preprint ‘Large Language Models (LLM) hallucinations in the wild’, Zhao e colleghi (2026) hanno analizzato 111 milioni di riferimenti bibliografici in circa 2,5 milioni di articoli (tratti da repository quali arXiv, bioRxiv, SSRN e PubMed Central), riscontrando una crescita significativa di citazioni inesistenti a seguito della diffusione degli LLM, stimata conservativamente in circa 147 mila riferimenti per il solo 2025. Pur trattandosi di uno studio non ancora sottoposto a peer-review – e che quindi non pretende di dimostrare un generale decadimento della ricerca – il lavoro (firmato tra gli altri da Paul Ginsparg, fondatore di arXiv) evidenzia come strumenti capaci di accelerare la sintesi dei contenuti possano, se sostituiti alla verifica critica, compromettere l’affidabilità dell’infrastruttura conoscitiva.

In questo contesto, la statistical literacy assume un significato più ampio. Per Gal (2002) non consiste solo nel saper leggere dati e grafici, ma anche nel valutare criticamente i messaggi che li utilizzano, avvicinandosi così alla ‘Media and Information Literacy’ promossa dall’UNESCO (Grizzle et al., 2021), che riguarda la capacità di comprendere e valutare le informazioni diffuse dai media. Una competenza, questa, ancora più cruciale se si considera che le informazioni errate possono continuare a condizionare il pensiero anche dopo essere state smentite (il cosiddetto ‘continued influence effect’, evidenziato da Ecker e colleghi, 2022), fenomeno richiamato anche dal Rapporto AGCOM (2026a) sull’Intelligenza Artificiale per sottolineare i rischi della disinformazione generativa.

La statistica ufficiale si trova così ad affrontare una responsabilità nuova. Accuratezza e trasparenza restano sì essenziali, ma non bastano più: occorre preservare il contesto lungo tutto il percorso dell’informazione. In un ecosistema saturo di contenuti, diventa fondamentale saper risalire all’origine del dato, capire che cosa misura e come è stato presentato. È in questa capacità di mantenere insieme dato, fonti e contesto che si gioca oggi una parte essenziale della qualità dell’informazione statistica.

3. Il caso Istat: architettura dell’ecosistema social e digitale

(A cura di Giorgia Proietti Pannunzi)

L’Istat, in quanto istituzione statistica pubblica, si confronta con la frammentazione dell’attenzione e con la mediazione algoritmica che caratterizzano la circolazione delle informazioni. In questo contesto, la diffusione del dato non può essere descritta come un processo lineare dalla produzione alla pubblicazione, ma come un insieme di pratiche che devono preservarne correttezza, contestualizzazione e comprensibilità. La descrizione che segue deriva dalla ricostruzione riflessiva del workflow della redazione e va letta come analisi organizzativa del caso, non come valutazione causale degli effetti sui pubblici.

L’ecosistema social e digitale dell’Istat non coincide con la somma dei canali utilizzati per distribuire contenuti. Esso comprende strutture scientifiche, processi editoriali, formati, relazioni con intermediari e attività di ascolto. I contenuti pubblicati costituiscono l’esito visibile di un percorso che prende avvio dalla produzione e validazione del dato e prosegue attraverso selezione, traduzione comunicativa, adattamento ai linguaggi delle piattaforme, diffusione, monitoraggio e valorizzazione dei riscontri. In questo passaggio, l’accessibilità deve essere costruita senza recidere il collegamento con la fonte primaria e con il contesto metodologico.

Il workflow della redazione social può essere interpretato come una triangolazione tra competenze statistiche, pratiche editoriali e osservazione delle dinamiche digitali. Le evidenze vengono prodotte e validate dalle strutture tecniche dell’Istituto e confluiscono in comunicati stampa, report, tavole, banche dati, pubblicazioni digitali e infografiche. A partire da questi prodotti, la redazione seleziona gli elementi informativamente rilevanti e li adatta ai formati di piattaforma. La stessa evidenza può diventare una card, un carosello, un breve video, una storia o un quiz. L’adattamento non è una mera riduzione: ogni scelta di titolo, visualizzazione, sequenza e lessico ridefinisce la gerarchia delle informazioni e richiede una validazione proporzionata al rischio di perdita del contesto.

L’evoluzione del format “Lo sai che…” rende osservabile questo processo. Le card singole, ricavate da prodotti ufficiali e organizzate intorno a un messaggio breve, sono state progressivamente affiancate da caroselli narrativi che consentono di distribuire contesto e approfondimento in una sequenza di slide. Il cambiamento di formato non dimostra, da solo, una maggiore comprensione da parte del pubblico; documenta però una scelta editoriale volta ad ampliare lo spazio disponibile per definizioni, confronti e rinvio alla fonte. La validazione dei dati resta un passaggio essenziale ed è assicurata dal coinvolgimento delle strutture statistiche competenti prima della pubblicazione.

Un secondo elemento dell’ecosistema è costituito dal monitoraggio delle metriche e dall’ascolto delle conversazioni. Le richieste di chiarimento, le interpretazioni ricorrenti e i possibili fraintendimenti possono fornire indicazioni per contenuti successivi, purché siano raccolti e ricondotti a un processo decisionale. Durante la pandemia, la campagna #IstatperilPaese ha reso disponibili dati e prodotti dedicati alla crisi; il presidio delle conversazioni ha inoltre consentito di rinviare gli utenti alle informazioni ufficiali sui decessi e di produrre contenuti esplicativi (Mottura, 2021). (Il paper è disponibile all’indirizzo https://isi-web.org/sites/default/files/import/pdf/200-day4-ips177-istat-communication-strategy-i.pdf). La figura 1 sintetizza il ciclo. Questo caso mostra il nesso tra produzione statistica e cura della circolazione: il contenuto social non sostituisce la fonte, ma può orientare verso di essa, correggere una perdita di contesto e far emergere un bisogno informativo.

Figura 1. Ecologia della comunicazione statistica nell’ecosistema social e digitale dell’Istat. Fonte: elaborazione degli autori.

4. Tradurre il dato nei linguaggi social

(A cura di Pamela Pergolini)

La traduzione dell’informazione statistica nei linguaggi dei social media costituisce lo snodo operativo in cui l’Istat agisce come infrastruttura di fiducia, garantendo la continuità tra dati, fonte, metodo, contesto e interpretazione lungo l’intera catena comunicativa. L’adattamento ai formati digitali brevi (video da 60-180 secondi, card, audio e caroselli) risponde all’esigenza di raggiungere e coinvolgere il pubblico e, al contempo, contrastare il fenomeno della news avoidance: circa il 20% dei cittadini in Italia evita attivamente le notizie per sfiducia o ansia (AGCOM, 2026b), senza tuttavia che la rapidità di fruizione comprometta il rigore scientifico e l’affidabilità del dato ufficiale.

La trasformazione del dato si basa su una triplice cornice di presidio:

  • Cognitivo: la teoria dell’apprendimento multimediale (Mayer, 2009; 2021) offre criteri per coordinare parole e immagini e limitare il sovraccarico cognitivo. Questi principi orientano la progettazione dei contenuti, senza dimostrarne automaticamente l’efficacia sui pubblici social.
  • Statistical Literacy: la capacità di interpretare, valutare criticamente e comunicare messaggi statistici (Gal, 2002) sposta l’attenzione dal contenuto alla competenza del destinatario: ciò che sopravvive alla traduzione dipende anche da quanto il pubblico sia in grado di ricollocare il dato nel proprio contesto interpretativo senza la nota metodologica originaria.
  • Etica e Standard: le linee guida della United Nations Economic Commission for Europe (UNECE 2009a; 2009b) in “Making Data Meaningful” orientano la narrazione delle statistiche e la presentazione grafica dei dati, mentre i Principi 12 (Accuratezza), 14 (Coerenza e Comparabilità) e 15 (Accessibilità e Chiarezza) del CoP- Codice delle Statistiche Europee (European Statistical System Committee, 2017) definiscono requisiti di qualità della comunicazione pubblica della statistica ufficiale.
  •  

L’adattamento opera lungo un continuum tra conservazione, compressione ed elisione. Le dimensioni più vulnerabili sono il contesto metodologico, la gerarchia del dato, la tracciabilità e l’incertezza statistica, spesso prima vittima della sintesi.

I singoli formati, ideati e prodotti in Istat, traducono il dato con logiche specifiche:

  • Video: le Statistiche in video e IstatBook combinano animazioni e voci narranti secondo il principio di contiguità temporale (Mayer, 2009). La sintesi può oscurare denominatore o base campionaria. La presenza di ricercatrici e ricercatori può rendere riconoscibile la responsabilità scientifica; il suo effetto sulla fiducia richiede una valutazione specifica.
  • Audio e podcast: la narrazione vocale consente la fruizione anche senza consultare uno schermo e amplia le modalità di accesso. Non garantisce tuttavia accessibilità universale: servono trascrizioni e percorsi equivalenti. Il formato richiede cautela perché analogie, metafore o confronti privi di riferimenti possono distorcere la misura statistica.
  • Card e Caroselli: le card statiche isolano il dato singolo, sacrificando spesso la comparabilità (European Statistical System Committee, 2017, Principio 14). Il carousel ricompone la progressione narrativa su più card, ma l’affermazione dei contenuti brevi e della snack culture espone al rischio che il pubblico invece di sfogliare l’intero carousel si fermi alla prima card, la più esposta a letture fuori contesto (UNECE, 2009b). 
  • Serie storiche e indicatori compositi: le Storie di dati offrono una lettura longitudinale in formato narrativo delle serie storiche (analisi di lungo periodo): il rischio è che la decontestualizzazione di un singolo dato temporale o di un’isolata rilevazione d’epoca ne comprometta la corretta interpretazione evolutiva (European Statistical System Committee, 2017, Principio 14). La traduzione di sistemi multidimensionali di indicatori come BES e SDGs in dati semplici rappresenta il caso più delicato: l’accessibilità (European Statistical System Committee, 2017, Principio 15) deve misurarsi con la componente multidimensionale dei fenomeni, che un titolo o un singolo numero non possono restituire per intero.  (Progetto di comunicazione e divulgazione statistica nato per raccontare come è cambiata l’Italia dal 1926 a oggi, in occasione del centenario dell’Istituto Nazionale di Statistica.)

Per preservare verificabilità e contesto, contro il rischio di impoverimento informativo ed esclusione, e garantire un flusso redazionale trasparente e human-in-the-loop, la redazione social dell’Istat individua alcuni presìdi operativi:

  • Piramide dei Metadati (UNECE, 2009b): dati essenziali di primo livello, note esplicative di secondo e rimandi metodologici di terzo livello (link, QR code). 
  • Governance dell’IA: l’assistenza alla sintesi e alla scrittura deve restare distinguibile dalla validazione dei contenuti. Il flusso descritto comprende bozza umana, ottimizzazione assistita, verifica scientifica e validazione redazionale. La tracciabilità degli interventi e la trasparenza sull’impiego dell’IA costituiscono criteri di responsabilità, non garanzie automatiche di correttezza.
  • La traduzione social amplia le modalità di accesso alla fonte primaria, in coerenza con il Principio 15 del Codice delle statistiche europee (European Statistical System Committee, 2017), e prepara il monitoraggio successivo alla pubblicazione.

5. Dal dato alla conversazione: social listening e apprendimento organizzativo

(A cura di Francesca Persiani)

Dopo la pubblicazione, il dato viene selezionato, commentato e reinterpretato. Il social listening osserva queste trasformazioni e i bisogni informativi che rendono visibili; le Digital PR, discusse nel paragrafo successivo, presidiano le relazioni attraverso cui i contenuti circolano (van Dijck & Poell, 2013).

L’obiettivo dell’ascolto non è soltanto misurare la portata di una campagna, ma comprendere quali domande emergano e quali semplificazioni separino il dato dalla fonte e dal contesto metodologico.

La prospettiva dell’organizational listening distingue l’ascolto dalla semplice raccolta di menzioni o metriche: perché vi sia ascolto, ciò che viene rilevato deve poter incidere sui processi dell’organizzazione (Macnamara, 2016). Il social listening rappresenta dunque una fase di un ciclo più ampio. Una domanda ricorrente può generare un chiarimento; un fraintendimento può richiedere una nuova visualizzazione; una lacuna informativa può orientare il piano editoriale. Il valore dell’ascolto dipende dalla presenza di responsabilità, criteri e canali interni capaci di trasformare il segnale in una decisione.

Le “Storie di dati” del Centenario illustrano una pratica complementare: uno stesso patrimonio informativo viene declinato in infografiche, podcast e contenuti audiovisivi, mantenendo il rinvio alla fonte. Il caso documenta coerenza multiformato, non dimostra di per sé un processo di ascolto. Per qualificarlo come apprendimento organizzativo occorre ricostruire il passaggio da un riscontro del pubblico a una decisione editoriale. (Un esempio è “Storie di dati: Lavoro”: https://www.istat.it/infografiche/infografiche-storie-di-dati-lavoro/).

Il rapporto tra ascolto e fiducia va formulato in termini processuali: domande e fraintendimenti possono evidenziare bisogni non intercettati. La rete diventa spazio di apprendimento organizzativo quando questi riscontri sono documentati e alimentano risposte e scelte editoriali verificabili.

6. Dalla pubblicazione alla circolazione: Digital PR e Istat Family

(A cura di Katia Cosco)

La comunicazione della statistica ufficiale sta evolvendo da un modello centrato sulla pubblicazione a un modello orientato alla circolazione dei contenuti. In questo scenario, le Digital PR non rappresentano un semplice strumento di amplificazione, ma un dispositivo relazionale capace di connettere Istat con ecosistemi digitali, community e pubblici differenti. Il passaggio dalla “pubblicazione” alla “circolazione” implica infatti che un contenuto istituzionale continui a vivere oltre i canali proprietari, attraverso interpretazioni, rilanci e conversazioni che ne estendono portata e significato.

L’esperienza di Istat evidenzia la progressiva costruzione di un ecosistema comunicativo nel quale media tradizionali, testate digitali, piattaforme social, università, community tematiche e content creator interagiscono con i canali proprietari dell’Istituto. Le campagne dedicate al Rapporto Annuale, agli SDGs, al BES, ai Censimenti e alle iniziative del Centenario Istat mostrano come la diffusione della statistica ufficiale dipenda sempre più dalla capacità di entrare in reti comunicative già esistenti, nelle quali il dato viene interpretato attraverso linguaggi e codici differenti.

La “Istat Family” designa una rete di interlocutori selezionati per autorevolezza e competenza tematica, non una semplice mailing list. La relazione con testate, creator e community scientifiche e professionali si sviluppa attraverso briefing, confronto editoriale, eventi e supporto nella verifica dei contenuti.

Nel corso degli ultimi anni, lo scouting ha consentito di attivare oltre 350 contatti tra creator, testate digitali e pagine tematiche. Una parte di questi interlocutori è progressivamente diventata parte stabile dell’ecosistema Istat, trasformando una relazione occasionale in una forma di partnership editoriale. In questa prospettiva, la Istat Family costituisce un vero e proprio asset relazionale: la fiducia costruita nel tempo può ridurre le barriere di accesso, abbreviare i tempi di briefing e facilitare l’attivazione di campagne organiche (unpaid), generando valore di earned media senza che questo dimostri, da solo, un aumento dell’autenticità percepita.

Lo scouting affianca alle relazioni consolidate nuovi contatti individuati per competenza tematica, qualità dei pubblici e capacità di rendere accessibili i dati senza comprometterne il rigore. La numerosità della rete non è quindi, da sola, un criterio di qualità.

Il caso del Rapporto Annuale 2025 rappresenta un esempio emblematico. L’invio personalizzato, l’accesso alla preview dedicata alla stampa e la successiva disponibilità di un Digital Kit hanno favorito una circolazione multilivello dei contenuti. Social card, infografiche e insight hanno trasformato la fase di condivisione in una forma di co-produzione editoriale, nella quale Istat ha mantenuto la funzione di garante scientifico mentre creator e testate hanno adattato i contenuti ai linguaggi delle proprie community. I risultati documentano la capacità di circolazione dei contenuti: circa 60 pubblicazioni, 6,1 milioni di utenti potenzialmente raggiunti, 63 mila interazioni e sentiment prevalentemente positivo. Particolarmente significativo è stato il coinvolgimento della fascia 25-34 anni, tradizionalmente meno esposta ai canali istituzionali (Istat, 2025).

La pubblicazione differita e il riutilizzo dei contenuti da parte di altre testate prolungano la circolazione del Rapporto. Questi segnali di persistenza vanno distinti dagli effetti sulla comprensione o sulla fiducia.

La Istat Family rappresenta inoltre un importante dispositivo di ascolto organizzativo. Le conversazioni generate dai contenuti consentono di osservare non soltanto reach ed engagement, ma anche interpretazioni, domande, aspettative e reazioni dei pubblici. I casi BES e SDGs sono emblematici: il sentiment negativo rilevato non risultava principalmente diretto verso Istat, ma rifletteva frustrazione e attivismo degli utenti nei confronti delle istituzioni politiche sui temi della sostenibilità. L’ascolto permette dunque di distinguere la percezione dell’Istituto da quella dei fenomeni che esso documenta, senza assumere il sentiment come misura diretta della fiducia.

Le attività realizzate per i Censimenti e per il Centenario Istat hanno ulteriormente consolidato questo paradigma. In occasione di Istat100, a un gruppo selezionato di creator appartenenti alla Istat Family è stato proposto il ruolo di Ambassador Istat100. Tale riconoscimento ha trasformato la fidelizzazione in una forma strutturata di collaborazione, fondata su uno scambio di valore reciproco: da un lato, l’Istituto ha offerto accesso, contenuti e visibilità; dall’altro, gli Ambassador hanno contribuito alla diffusione e alla reinterpretazione dei messaggi presso le proprie community.

La Digital PR si configura così come un processo circolare di pubblicazione, ascolto, relazione, adattamento e amplificazione. L’obiettivo non è semplicemente aumentare la reach, ma costruire nel tempo una comunità di mediatori della conoscenza statistica. La Istat Family rappresenta, in questa prospettiva, un’infrastruttura relazionale attraverso cui l’Istituto può rendere il dato più accessibile e rilevante, mantenendo al contempo il rigore scientifico e rafforzando la propria presenza nelle conversazioni della società digitale.

7. La gamification come strumento di democrazia del dato

(A cura di Christian Spazioso)

La gamification indica l’impiego di elementi del game design in contesti che non sono giochi (Deterding et al., 2011). Applicata alla comunicazione social dell’Istat, può creare occasioni di interazione con l’informazione statistica e sostenere la statistical literacy: non soltanto lettura di numeri e grafici, ma capacità di interrogare criticamente messaggi e fonti (Gal, 2002). Il suo valore democratico non è tuttavia intrinseco al formato. Dipende dalle condizioni nelle quali l’interazione conduce dal coinvolgimento alla verifica e restituisce al pubblico gli elementi necessari per comprendere il dato.

Il format #IstatQuiz nelle Instagram Stories rappresenta un caso pertinente. Su temi di attualità o su serie storiche collegate a Istat100, il contenuto chiede all’utente di formulare un’ipotesi prima di mostrare la risposta. Domande sulla popolazione futura, sul PIL pro capite, sull’analfabetismo nel 1926 o sugli stereotipi di genere introducono il dato attraverso un confronto tra aspettativa e misura. La storia successiva presenta la soluzione e può rinviare alla fonte o alla relativa “Storia di dati”. Il percorso ideale è quindi articolato in quattro passaggi: domanda, scelta, feedback esplicativo e approfondimento verificabile.

La letteratura sul gamified learning consente di formulare aspettative prudenti. Le revisioni disponibili rilevano risultati eterogenei e dipendenti dal contesto (Hamari, Koivisto & Sarsa, 2014); la meta-analisi di Sailer e Homner osserva effetti medi piccoli e positivi sugli esiti cognitivi, motivazionali e comportamentali, con variazioni legate al disegno e alle componenti utilizzate (Sailer & Homner, 2020). La teoria del gamified learning chiarisce inoltre che gli elementi di gioco non producono direttamente apprendimento, ma modificano comportamenti o atteggiamenti che possono influire sull’apprendimento quando sono connessi a obiettivi didattici espliciti (Landers, 2014). Per questo il quiz può essere descritto come dispositivo potenzialmente favorevole all’attenzione e all’autovalutazione, non come prova automatica di acquisizione di competenze.

Anche il confronto tra previsione personale e risposta ufficiale richiede cautela. L’errore può diventare un’occasione di revisione delle proprie convinzioni soltanto se il feedback spiega perché una risposta è corretta e rende visibili definizioni, denominatori, periodo di riferimento e confronti appropriati. I principi dell’apprendimento multimediale suggeriscono di coordinare parole e immagini, riducendo gli elementi estranei che aumentano il carico cognitivo (Mayer, 2021). Una soluzione mostrata senza spiegazione o senza fonte può invece limitarsi a produrre sorpresa, lasciando intatto il fraintendimento iniziale.

La responsabilità editoriale riguarda anzitutto il rischio di banalizzazione. La compressione di un fenomeno complesso in un quiz non deve cancellare rigore, metadati o tracciabilità della fonte. Occorre inoltre distinguere engagement e apprendimento: il numero di risposte o di tocchi documenta una partecipazione osservabile, ma non dimostra comprensione, ritenzione o trasferimento della conoscenza. Una valutazione più robusta richiederebbe indicatori ulteriori, come accessi alla fonte, completamento della sequenza, risposte a domande di controllo, confronto tra rilevazioni successive o indagini qualitative sui pubblici.

In questa prospettiva, la gamification può contribuire alla democrazia del dato quando soddisfa almeno quattro condizioni: formula una domanda statisticamente corretta; offre un feedback che contestualizza la risposta; consente di raggiungere la fonte primaria; rende accessibile l’interazione anche sul piano linguistico, visivo e cognitivo. Il caso #IstatQuiz documenta una pratica promettente da analizzare, non un esito già dimostrato. Il suo contributo al valore pubblico potrà essere sostenuto scientificamente solo collegando i contenuti archiviati agli obiettivi di literacy e a evidenze empiriche coerenti con tali obiettivi.

8. Governare l’ecosistema: principi per una comunicazione statistica responsabile

(A cura di Antonino Siino)

I paragrafi precedenti hanno ricostruito un unico percorso osservato da angolature diverse. I casi citati condividono una stessa condizione di possibilità: la fiducia non si genera nel singolo contenuto, ma nella continuità verificabile che lo lega alla fonte primaria lungo l’intera catena comunicativa.

Il confronto tra le pratiche descritte suggerisce sette principi operativi: partire dalla fonte; proteggere il contesto; distinguere dato e interpretazione; delimitare l’uso dell’IA; mantenere umane verifica e decisione; garantire accessibilità e tracciabilità; trasformare il feedback in apprendimento. Si tratta di una sintesi interpretativa del caso, non di un modello di efficacia già validato.

Partire dalla fonte primaria si osserva già nella struttura a “piramide dei metadati” adottata dalla redazione (UNECE 2009b): dato essenziale, nota esplicativa, rimando metodologico. Lo stesso principio regge la Istat Family, dove Istat mantiene la funzione di garante scientifico anche quando creator e testate riformulano i contenuti nei propri linguaggi.

Proteggere il contesto indispensabile emerge nel continuum tra conservazione, compressione ed elisione descritto per video, audio, card e caroselli: la traduzione di sistemi di indicatori come BES e SDGs mostra, più di altri casi, quanto un titolo o un singolo numero possano perdere la componente multidimensionale dei fenomeni descritti (European Statistical System Committee, 2017, Principio 15).

Distinguere dato e interpretazione trova applicazione esemplare nel caso BES/SDGs discusso: l’ascolto ha permesso di riconoscere che il sentiment negativo non era diretto contro Istat ma contro i fenomeni documentati, distinguendo la percezione della fonte da quella dell’oggetto misurato.

Delimitare l’uso dell’IA richiede che verifica e decisione restino distinguibili dall’elaborazione assistita (AGCOM, 2026a). Le Content Credentials della C2PA offrono un riferimento tecnico per documentare origine e trasformazioni dei contenuti, ma non ne certificano la verità (C2PA, s.d.). Il richiamo non implica che tali strumenti siano adottati dall’Istat.

Mantenere umane verifica e decisione costituisce il criterio dello stesso flusso e dalla validazione scientifica richiamata per le “Storie di dati”: nessun formato, per quanto automatizzato o “gamificato”, sostituisce la responsabilità editoriale finale né la decisione sulla pubblicazione.

Garantire accessibilità e tracciabilità riassume la lezione di #IstatQuiz e trova un riferimento più ampio nei principi di comunicazione pubblica trasparente promossi dall’OECD (2021): la gamification contribuisce alla democrazia del dato solo quando la domanda è statisticamente corretta, il feedback contestualizza la risposta e resta percorribile il rinvio alla fonte (condizioni che distinguono l’engagement, misurabile, dall’apprendimento, che richiederebbe indicatori ulteriori, Sailer & Homner, 2020; Landers, 2014).

Trasformare ascolto e feedback in apprendimento richiede di documentare quali domande o fraintendimenti abbiano modificato un contenuto o una procedura. È questo passaggio, e non la sola crescita del canale, a qualificare l’ascolto organizzativo (Macnamara, 2016).

Letti insieme, questi principi confermano la distinzione posta in apertura del paper tra trustworthiness e trust (O’Neill, 2002): nessuno dei casi esaminati dimostra, da solo, un aumento della fiducia dei pubblici, ma tutti documentano le condizioni procedurali che rendono quella fiducia possibile.

La trasferibilità ad altre amministrazioni riguarda questi criteri di governance, non la riproduzione automatica dei risultati del caso Istat. Il confronto con la comunicazione pubblica in altri contesti può verificarne applicabilità e limiti (OECD, 2021).

Resta aperta, come limite dichiarato nei paragrafi precedenti, l’assenza di un disegno di valutazione capace di misurare l’effetto di questi principi sulla fiducia percepita.


Bibliografia

AGCOM (2026a), Rapporto Intelligenza Artificiale 2026, Roma: Autorità per le Garanzie nelle Comunicazioni.

AGCOM (2026b), Rapporto sui consumi informativi e la fruizione dell’informazione in Italia, Roma: Autorità per le Garanzie nelle Comunicazioni.

Coalition for Content Provenance and Authenticity (C2PA) (s.d.), C2PA and Content Credentials Explainer, specifiche 2.2, https://spec.c2pa.org/specifications/specifications/2.2/explainer/Explainer.html (consultato il 18 settembre 2026).

Crick, T. (2026), Can you trust the numbers?, “Digital Society & Policy”, 13 settembre.

Deterding, S., Dixon, D., Khaled, R. & Nacke, L. (2011), From game design elements to gamefulness: defining “gamification”, in Proceedings of the 15th International Academic MindTrek Conference, 9-15, New York: ACM.

Ecker, U. K. H., Lewandowsky, S., Cook, J., Schmid, P., Fazio, L. K., Brashier, N., Kendeou, P., Vraga, E. K. & Amazeen, M. A. (2022), The psychological drivers of misinformation belief and its resistance to correction, “Nature Reviews Psychology”, 1, 13-29.

Espeland, W. N. & Stevens, M. L. (2008), A sociology of quantification, “European Journal of Sociology”, 49(3), 401-436.

European Statistical System Committee (2017), European Statistics Code of Practice, Luxembourg: Publications Office of the European Union; https://ec.europa.eu/eurostat/web/products-catalogues/-/ks-02-18-142

Gal, I. (2002), Adults’ statistical literacy: meanings, components, responsibilities, “International Statistical Review”, 70(1), 1-25.

Grizzle, A., Wilson, C., Tuazon, R. et al. (A cura di) (2021), Media and Information Literate Citizens: Think Critically, Click Wisely!, Paris: UNESCO.

Hamari, J., Koivisto, J. & Sarsa, H. (2014), Does gamification work? A literature review of empirical studies on gamification, in 47th Hawaii International Conference on System Sciences, 3025-3034, Piscataway: IEEE.

Istat (2025), Report Annuale Digital PR 2025: Strategia e Performance, report redazionale.

Landers, R. N. (2014), Developing a theory of gamified learning: linking serious games and gamification of learning, “Simulation & Gaming”, 45(6), 752-768.

Macnamara, J. (2016), Organizational Listening: The Missing Essential in Public Communication, New York: Peter Lang.

Mayer, R. E. (2009), Multimedia Learning, 2nd ed., Cambridge: Cambridge University Press.

Mayer, R. E. (2021), Multimedia Learning, 3rd ed., Cambridge: Cambridge University Press.

Mottura, G. (2021), Istat communication strategy in times of pandemic crisis, in Proceedings of the 63rd ISI World Statistics Congress, The Hague: International Statistical Institute.

National Institute of Standards and Technology (NIST) (2024), Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1), Gaithersburg: U.S. Department of Commerce.

OECD (2021), OECD Report on Public Communication: The Global Context and the Way Forward, Paris: OECD Publishing.

O’Neill, O. (2002), A Question of Trust, Cambridge: Cambridge University Press.

Sailer, M. & Homner, L. (2020), The gamification of learning: a meta-analysis, “Educational Psychology Review”, 32(1), 77-112.

United Nations Economic Commission for Europe (UNECE) (2009a), Making data meaningful: Part 1 – A guide to writing stories about numbers, Geneva: United Nations. https://unece.org/DAM/stats/documents/writing/MDM_Part1_English.pdf

United Nations Economic Commission for Europe (UNECE) (2009b), Making data meaningful: Part 2 – A guide to presenting statistics, Geneva: United Nations. https://unece.org/DAM/stats/documents/writing/MDM_Part2_English.pdf

United Nations Economic Commission for Europe (UNECE) (2024), Data Stewardship and the Role of National Statistical Offices in the New Data Ecosystem, Geneva: United Nations.

United Nations General Assembly (2014), Fundamental Principles of Official Statistics, Resolution A/RES/68/261, New York: United Nations.

van Dijck, J. & Poell, T. (2013), Understanding social media logic, “Media and Communication”, 1(1), 2-14.

van Dijck, J., Poell, T. & de Waal, M. (2018), The Platform Society: Public Values in a Connective World, Oxford: Oxford University Press.

Wardle, C. & Derakhshan, H. (2017), Information Disorder: Toward an Interdisciplinary Framework for Research and Policy Making, Strasbourg: Council of Europe.

Zhao, Z., Wang, Y., Stuart, T., De Vaan, M., Ginsparg, P. & Yin, Y. (2026), LLM hallucinations in the wild: large-scale evidence from non-existent citations, arXiv:2605.07723 [preprint].

Autrici e autori

Giovanni Prattichizzo

Dottore di ricerca in Scienze della Comunicazione e delle Relazioni Pubbliche. Dal 2020 è Social Media Manager e Digital PR dell’Istituto Nazionale di Statistica.

Giulia Peci

Comunicatrice istituzionale, coordina le User Relations in Istat e si occupa di comunicazione digitale, social media e rapporto con gli utenti, con una lunga esperienza tra settore pubblico, impresa e cooperazione internazionale.

Giorgia Proietti Pannunzi

Primo tecnologo presso Istat, esperta di comunicazione digitale, social media e accessibilità dell’informazione.

Pamela Pergolini

PhD, è giornalista e lavora alla Direzione Comunicazione Istat. Esperta di processi digitali, si è specializzata in giornalismo scientifico e divulgazione per ragazzi.

Francesca Persiani

Esperta in relazioni esterne e istituzionali, cura la gestione di eventi e conferenze stampa e lo sviluppo di piattaforme innovative di comunicazione digitale e social media.

Katia Cosco

Funzionario ed esperta di comunicazione digitale all’Istat, con background in advertising, relazioni pubbliche e comunicazione aziendale.

Christian Spazioso

Funzionario presso Istat, esperto di comunicazione istituzionale e digitale.

Antonino Siino

Tecnologo all’Istat ed esperto di comunicazione istituzionale e IA.