Una ricerca all'altezza della pratica

A volte la ricerca è come un viaggio. Quando Dominik Hangartner si mette in viaggio, stabilisce una destinazione, salva il percorso su un'app e parte. Anche la sua ricerca è caratterizzata dall'attitudine a percorrere nuove strade, unita alla determinazione, alla perseveranza e all'uso di nuovi metodi informatici. Hangartner è l'ETH Professor of Political Analysis.

Un sano mix di pazienza e impazienza è tipico di lui e del suo modo di lavorare, dice. L'impazienza è ciò che lo guida. In realtà vorrebbe avere le risposte alle sue domande di ricerca oggi, se possibile, e non domani. "Tuttavia, la qualità scientifica richiede tempo, la ricerca fondamentale non è uno sprint", dice Hangartner. Richiede pazienza e perseveranza, finché le ipotesi iniziali non vengono condensate in fatti e corroborate in modo ineccepibile oppure, cosa altrettanto istruttiva in ambito scientifico, falliscono alla luce dell'evidenza empirica e vengono scartate: A quel punto la migrazione ricomincia.

Hangartner è affascinato dalla tensione che nasce dal ritmo della curiosità e dalla durata della ricerca. È uno dei motivi per cui ha fatto della scienza la sua professione. Un altro è che ama la sfida quando i risultati della ricerca fondamentale devono essere dimostrati nella pratica: "Come scienziato, voglio sempre fare un passo avanti. Questo significa anche che posso tradurre e testare i risultati della mia ricerca in applicazioni".

Le tensioni della migrazione

Hangartner non è uno che sviluppa teorie audaci in un tranquillo studio. I dati che valuta scientificamente provengono dalla pratica politica e spesso sono frutto di collaborazioni con ministeri, organizzazioni internazionali o organizzazioni non governative. Analizza gli effetti economici e politici della migrazione, le procedure di asilo e l'integrazione, nonché l'atteggiamento dell'opinione pubblica nei confronti dell'immigrazione.

I casi di studio tipici della sua ricerca includono l'accesso dei rifugiati ai mercati del lavoro locali, la strutturazione dei processi di asilo e la naturalizzazione dei migranti. Per Hangartner il crescente scetticismo nei confronti della migrazione in molti Paesi ospitanti rappresenta una sfida importante. Allo stesso tempo, però, le ragioni per cui le persone migrano non diminuiscono.

Di conseguenza, Hangartner si concentra sull'analisi del funzionamento di determinate leggi e politiche, sugli effetti che hanno e su come possono essere migliorate in modo da migliorare la situazione sia per i migranti che per i comuni in cui vivono.

"Le nostre conoscenze dovrebbero consentire di trovare soluzioni innovative nella politica di asilo e di integrazione che portino a un miglioramento per il maggior numero possibile di persone", afferma. Solo negli ultimi tre anni è riuscito a dimostrare in diverse pubblicazioni che gli Stati e i Comuni sostengono costi sociali più elevati e perdono entrate fiscali a causa delle lunghe procedure di asilo e dei divieti di lavoro per i rifugiati.

In particolare, l'"algoritmo di allocazione" sviluppato da lui e dai colleghi di Stanford mostra come può supportare la politica migratoria: In questo approccio, un programma informatico utilizza dati reali per scoprire quanto le caratteristiche individuali e le competenze dei rifugiati corrispondano alle caratteristiche particolarmente ricercate nei mercati del lavoro locali.

Su questa base, l'allocazione regionale dei rifugiati in Svizzera può essere ottimizzata in modo che finiscano in una regione dove hanno maggiori probabilità di trovare lavoro. La Segreteria di Stato per la migrazione (SEM) sta attualmente testando il funzionamento pratico di questo approccio in un progetto pilota. Anche i Paesi del Benelux e della Scandinavia hanno mostrato interesse per questo progetto.

Il Fondo nazionale svizzero (FNS) ha assegnato a Dominik Hangartner il Premio nazionale Latsis. Con questo premio, il FNS riconosce l'eccezionale qualità della ricerca sulle migrazioni di Dominik Hangartner e la sua applicabilità alla politica. Il Premio nazionale Latsis è uno dei più importanti premi scientifici svizzeri e si rivolge in particolare ai ricercatori di età non superiore ai 40 anni.

Hangartner vede il premio come una stima per il suo team e come un riconoscimento della sua idea di ricerca: "All'inizio della mia carriera accademica, ho avuto la sensazione che un approccio empirico basato su dati e statistiche potesse fornire risposte alle difficili domande della ricerca sulla migrazione che potessero portare ad applicazioni concrete."

Ricercatore e appassionato di calcio

Il percorso del 38enne verso la scienza è stato rapido, ma non semplice. È cresciuto a Lucerna. Possiede ancora un abbonamento per l'FC Lucerna. Durante la scuola di maturità liceale di Immensee, era particolarmente entusiasta della chimica. Dopo la maturità, però, si è deciso per l'economia. Ha conseguito il dottorato in scienze politiche. È stato allora che ha deciso di concentrarsi sulla migrazione. A scuola aveva sperimentato come le domande di naturalizzazione dei compagni di scuola venissero respinte alle urne. Questa prassi è cambiata nel 2003 a seguito di una sentenza del Tribunale federale.

Subito dopo il dottorato, ha ottenuto una cattedra di assistente alla London School of Economics, una delle roccaforti assolute dell'economia e delle scienze sociali. Dopo un anno come professore invitato a Stanford in California, l'ETH di Zurigo lo ha nominato a Zurigo nel 2016. Qui dirige il Public Policy Group e una branca dello Stanford - Zurich Immigration Policy Lab.

Già da assistente, Hangartner ha capito di voler fare della scienza la sua professione. Durante gli studi di economia e sociologia, ha ricevuto una solida introduzione alla modellizzazione matematica del comportamento sociale. Ancora oggi, l'approccio di Hangartner è caratterizzato da metodi statistici. Di particolare importanza per lui sono i campi in rapida crescita dell'inferenza causale e dell'apprendimento automatico, nonché la combinazione dei due in "Causal Machine Learning". Questo approccio permette di distinguere le relazioni causali dalle correlazioni casuali.

Grazie all'apprendimento automatico, i computer sono in grado di trovare correlazioni in serie di dati complesse che altrimenti l'uomo non sarebbe in grado di riconoscere, o non in tempi ragionevoli. Ne sono un esempio il già citato "algoritmo di allocazione" o la discriminazione negli inviti ai colloqui di lavoro, che Hangartner misura insieme ad altri ricercatori dell'ETH su piattaforme di reclutamento online.