SE MISURARE I COMPORTAMENTI È COSÌ IMPORTANTE, PERCHÉ LO FACCIAMO COSÌ POCO?

La Behavior Analysis studia il comportamento umano al fine di comprenderlo, capirne le variabili che lo hanno motivato e quindi perché no, magari anche a prevederlo e cambiarlo. Ma cosa vuol dire di preciso misurare i comportamenti e perché è così importante per poter strutturare interventi efficaci? In che misura è possibile prevedere i comportamenti? E, infine, come si può fare tutto questo nel concreto?

Cominciamo con il dire che la Behavior Analysis abbraccia una prospettiva sui generis rispetto ad altri approcci psicologici, dato che sposta il focus da quello che le persone sono a quello che le persone fanno e dicono. Dichiarando che l’oggetto di studio è il comportamento,  si intende che a interessare non è l’individuo in senso generale e cristallizzato nel tempo (es. persona nervosa) ma il cambiamento fisico apportato all’ambiente in un dato momento (es. suonare il clacson) in risposta alle sollecitazioni dell’ambiente stesso.

La sfida della Behavior Analysis consiste nel misurare il comportamento in maniera neutra e scevra da pregiudizi. I primi pionieri di questa disciplina, come B.F. Skinner, cominciarono a prendere nota di dati numerici mentre i comportamenti avvenivano, letteralmente, con in mano un cronometro o un conta-eventi. Per dare un’idea, tre dei parametri più utili e facilmente tracciabili sono:

  • Frequenza: quanto è raro o ricorrente un certo comportamento in un dato lasso di tempo (es. quante volte “suoni” il clacson con la mano durante 10 minuti di guida?)
  • Durata: quanto è breve o lungo il comportamento in termini di tempo (es. per quanti secondi consecutivi “suoni” il clacson ogni volta?)
  • Latenza: quanto è lento o immediato l’innescarsi del comportamento in una data situazione (es. dopo quanti secondi di immobilità a semaforo verde, si reagisce suonando il clacson per “spronare” l’automobilista davanti a partire e a non farti perdere l’opportunità di attraversare subito l’incrocio?)

Una tentazione potrebbe essere quella di dire che tutti questi parametri mostrano qual è lo “stile di guida” dell’automobilista, ricorrendo a una locuzione che però non ci dà molte informazioni precise sul perché vengano attuati davvero determinati comportamenti proprio in certe situazioni e non in altre. Sarebbe una soluzione illusoria, dato che esclude dall’analisi tutte le variabili oggettive tranne una, interna alla persona e pertanto non più direttamente indagabile.

Se avessimo l’opportunità di seguire questa persona per più tempo (ore, giorni, settimane) potremmo raccogliere invece sempre più dati utili per capire quali variabili ambientali estemporanee possano aver giocato il ruolo maggiore nell’emissione del comportamento campionato. Se togliendo e re-introducendo più volte un aspetto ambientale contingente, come un ritardo o la presenza di un Suv nero (v. indipendenti) si notano ricorrenti cambiamenti nel comportamento di suonare il clacson al semaforo (v. dipendente) allora significa che probabilmente abbiamo fatto centro.

L’approccio scientifico ci obbliga a essere cauti e a riferirci alla questione in termini probabilistici, perché difficilmente potremo raccogliere tutti i dati rilevanti per fare speculazioni sull’andamento del comportamento in un sistema aperto. D’altra parte, meglio un metodo imperfetto che uno inesistente, se l’alternativa è ignorare completamente la questione e intervenire a casaccio. Come diceva l’economista e guru del management Peter Drucker “solo quello che misuriamo, può essere migliorato”.

E allora, se è così tanto utile, perché in tanti ambiti non vediamo applicare i principi di misurazione della Behavior Analysis? Uno dei motivi principali, oltre all’ignoranza, è probabilmente il fatto che è, come molte cose utili, richiede impegno. Dedicare delle risorse alla raccolta dati e alla sua interpretazione richiede tempo, strumentazioni e competenze adeguate. Per questo esistono specialisti capaci di mettere a punto sistemi personalizzati ed efficaci in grado di semplificare queste attività. I big data sono sempre stati attorno a noi, siamo noi che non li raccoglievamo.