Probably right, and interesting if so
BIG IF TRUE #000: what this series is, how it is made, and why you should not simply trust it
BIT VERDICT #000
The Claim: Data-science pieces that start from my own life — what I live, read, play and scroll through — built from open data or from data named directly on the web.
The Catch: Every analysis is produced by me guiding a large language model (Claude, to begin with). The model writes and runs the code, and I do not re-read it line by line. Nothing here is peer-reviewed.
The Reality: Each piece is probably correct, and would be interesting if it were — hence the name. Uncertainty is part of the narrative, and every issue ends with its cards on the table: a transparency-and-reproducibility panel that lets the reader judge for themselves.
1. What it is
I am Riccardo Gallotti. I lead the Complex Human Behaviour (CHuB) unit at Fondazione Bruno Kessler in Trento; I am a theoretical physicist by training, a complexity scientist and data scientist by trade, and for most of my career the questions I have asked of data — about how people move, connect, misinform and decide — have gone through the slow machinery of peer review before anyone read them. This is the other thing: the questions that come up on a train or in front of a screen, which a decade ago would have taken a month of code and now take an afternoon.
The distinctive thing is not the topics but how the work is done. I work with the model the way I would with one of my interns: I set the question and the framing, it downloads the data, writes the pipeline, draws the figures and drafts the text, and then we iterate — I question its assumptions and its results, send it back when a number looks wrong, suggest how a figure could be clearer, iterate on the text until it speaks in my own voice, and decide what goes in and what stays out. The words you are reading went through the same process. I am starting with Claude, and may use others as they come; whichever it is, the model is named with its version in every issue and the division of labour is stated the same way every time, because a vague "AI-assisted" invites the reader to guess.
The format reproduces, in miniature, the critical path of a scientific publication, in three figures. BIG is the observation of the fact: one figure, one claim, stated as plainly as the data allows. IF is the verification and deepening: a closer look at what the first figure measures, and what it misses. It is the part that asks the most of the reader. Sometimes that look corrects it; sometimes it adds what the figure could not show. TRUE is the extension: what IF leaves standing, taken beyond the case it started from. That is the IF in the title doing its job.
2. Why you should not simply trust it, and what replaces trust
Because the analysis is done entirely through the model, the content is not a scientific article I would submit — though some colleague might likely dare to. Uncertainty is therefore not a caveat added at the end but part of the story itself. What stands in for peer review is disclosure that can be checked: every issue ends with its cards on the table: a panel that says which model did what, lists in plain language the real errors found and fixed along the way, and reports the attempt to find peer-reviewed work on the same question and whether it agrees. Code and data are open: every issue publishes the code that collects the data, and, wherever the source's licence allows, the data itself and the full analysis, so that anyone can rerun it and check the numbers. The pieces measure; they do not recommend. And they are not scientific publications: if you need to reference one anyway, each issue gives a DOI for its archived code and data on Zenodo, and that is what to cite.
3. Who it is for
This is for people who are curious rather than credentialed, and who suspect that the small things and the serious ones deserve the same treatment: the same care in measuring, the same honesty about what the measurement can and cannot say. The questions often start from wherever I happen to be looking — the news, the place where I live, the web where we all live, the videogames and movies that are my own interests — and some will be light while others are anything but. None of them is too small to measure properly, or too heated to measure calmly, and the data usually reaches further than the question did. It is written for readers who want substance and are willing to follow an argument from one figure to the next — and for journalists who may want to pick a finding up, or fellow scientists who might want to follow one up, helped by the cards on the table. If that is you, feel free to contact me, or to cite the work. Each issue comes out in English and in Italian; any other language you may be reading it in is Substack's automatic translation, which I have not checked.
If you find a mistake, tell me. That is not a courtesy; it is the point.
Riccardo Gallotti, Trento, Italy
I would rather someone found a mistake than that nobody looked. Code and data are open, and published with every issue.
Probabilmente corretto, e interessante se lo fosse
BIG IF TRUE #000: che cos'è questa serie, come è fatta, e perché non fidarsi e basta
BIT VERDETTO #000
L'affermazione: articoli di data science che partono dalla mia vita — quello che vivo, leggo, gioco e trovo in rete — costruiti su dati aperti o su dati indicati direttamente dal web.
Il limite: ogni analisi è prodotta da me guidando un grande modello linguistico (Claude, per cominciare). Il modello scrive ed esegue il codice, e io non lo rileggo riga per riga. Niente di quello che si legge qui è passato per una revisione scientifica.
La realtà: ogni articolo è probabilmente corretto, e se lo fosse sarebbe interessante — da qui il nome. L'incertezza fa parte del racconto, e ogni uscita si chiude con le carte in tavola: un pannello di trasparenza e riproducibilità che permette a chi legge di giudicare da sé.
1. Che cos'è
Sono Riccardo Gallotti. Dirigo l'unità Complex Human Behaviour (CHuB) della Fondazione Bruno Kessler a Trento; sono fisico teorico di formazione, scienziato della complessità e dei dati di mestiere, e per gran parte della mia carriera le domande che ho posto ai dati — su come le persone si spostano, si connettono, si disinformano e decidono — sono passate per il lento meccanismo della revisione scientifica prima che qualcuno le leggesse. Questa è l'altra cosa: le domande che vengono in treno o davanti a uno schermo, che dieci anni fa avrebbero richiesto un mese di codice e oggi richiedono un pomeriggio.
Ciò che la distingue non sono gli argomenti ma il modo in cui il lavoro è fatto. Lavoro con il modello come farei con uno dei miei stagisti: io pongo la domanda e ne scelgo l'impostazione, lui scarica i dati, scrive la pipeline, disegna le figure e abbozza il testo, e poi iteriamo — metto in discussione le sue ipotesi e i suoi risultati, lo rimando indietro quando un numero non mi torna, suggerisco come rendere più chiara una figura, lavoro sul testo finché non parla con la mia voce, e decido cosa entra e cosa resta fuori. Anche queste parole sono passate per lo stesso processo. Comincio con Claude, e potrei usarne altri man mano che arrivano; qualunque sia, il modello è indicato con la sua versione in ogni uscita e la divisione del lavoro è dichiarata ogni volta nello stesso modo, perché un vago "assistito dall'IA" costringe chi legge a tirare a indovinare.
Il formato riproduce, in piccolo, il percorso critico di una pubblicazione scientifica, in tre figure. BIG è l'osservazione del fatto: una figura, un'affermazione, detta nel modo più semplice che i dati consentono. IF è la verifica e l'approfondimento: uno sguardo più da vicino a ciò che la prima figura misura, e a ciò che le sfugge. È la parte che chiede di più a chi legge. A volte quello sguardo la corregge; a volte aggiunge ciò che la figura non poteva mostrare. TRUE è l'estensione: ciò che IF lascia in piedi, portato oltre il caso da cui era partito. È l'IF del titolo che fa il suo lavoro.
2. Perché non fidarsi e basta, e cosa prende il posto della fiducia
Poiché l'analisi è fatta interamente attraverso il modello, il contenuto non è un articolo scientifico che manderei a una rivista — anche se qualche collega probabilmente oserebbe. L'incertezza quindi non è un'avvertenza aggiunta in fondo, ma parte della storia. Al posto della revisione scientifica c'è una trasparenza che si può verificare: ogni uscita si chiude con le carte in tavola: un pannello che dice quale modello ha fatto cosa, elenca in parole semplici gli errori veri trovati e corretti lungo la strada, e riporta il tentativo di trovare lavori pubblicati con revisione scientifica sulla stessa domanda, e se concordano. Codice e dati sono aperti: ogni uscita pubblica il codice che raccoglie i dati e, dove la licenza della fonte lo consente, i dati stessi e l'analisi completa, così che chiunque possa rifarla e controllare i numeri. Gli articoli misurano; non raccomandano. E non sono pubblicazioni scientifiche: se ti serve comunque citarne uno, ogni uscita indica un DOI per il suo codice e i suoi dati archiviati su Zenodo, ed è quello da citare.
3. Per chi è
È per persone curiose più che titolate, che sospettano che le cose piccole e quelle serie meritino lo stesso trattamento: la stessa cura nel misurare, la stessa onestà su ciò che la misura può e non può dire. Le domande partono spesso da dove mi capita di guardare — le notizie, il posto in cui vivo, il web in cui viviamo tutti, i videogiochi e i film che sono le mie passioni — e alcune saranno leggere, altre per niente. Nessuna è troppo piccola per essere misurata come si deve, o troppo accesa per essere misurata con calma, e di solito i dati arrivano più lontano della domanda. È scritto per chi cerca sostanza ed è disposto a seguire un ragionamento da una figura all'altra — e per i giornalisti che volessero riprendere un risultato, o per i colleghi scienziati che volessero approfondirlo, anche grazie alle carte in tavola. Se è il tuo caso, puoi scrivermi o citare il lavoro. Ogni uscita è pubblicata in inglese e in italiano; le altre lingue in cui potresti leggerla sono traduzioni automatiche di Substack, che non ho controllato.
Se trovi un errore, dimmelo. Non è una cortesia: è lo scopo.
Riccardo Gallotti, Trento, Italia
Preferisco che qualcuno trovi un errore piuttosto che nessuno guardi. Codice e dati sono aperti, e pubblicati con ogni uscita.