Lezione 1 — Concetti di base

Farla provare a dettare i passi ad alta voce. Serve solo a farle notare quanto diamo per scontati passaggi impliciti ("prendi il caffè" — da dove? quanto?). Questo aggancio si ricollega più avanti alla definizione di algoritmo (sez. 3) e all'esercizio "Riordina la moka".

Qualunque risposta va bene, serve a farla arrivare da sola a "gli serviva fare tanti conti uguali senza sbagliare". Se dice "per andare più veloce", rilanciare: "solo velocità, o anche altro?" → si apre da sé il tema dell'errore umano. La storia (sotto) diventa la risposta alla sua domanda, non un racconto che subisce.

Non serve nessun dettaglio hardware (CPU, RAM ecc.) in questa lezione — fuori scope, si aggiunge solo se emerge curiosità spontanea. Spunto facoltativo: il libro di riferimento definisce "computer" in senso ampio come qualunque information-processing agent — anche una persona che segue istruzioni meccanicamente è un "computer" (vedi Think and Compute, cap. 1, sezione "What is a computer?").

La risposta giusta non è "perché è intelligente" ma "perché ripete la stessa cosa 500 volte senza stancarsi né distrarsi". Se risponde "perché è più bravo", correggere subito: il computer non sa cosa sia una guerra, sa solo confrontare sequenze di lettere. È anche l'aggancio a quello che farà davvero nei corsi.

• "Ma allora ChatGPT cosa fa? Quello sembra capire." — La domanda più probabile di tutta la lezione. Risposta breve: prevede la parola successiva più probabile sulla base di enormi quantità di testo; è ancora esecuzione di una procedura, non comprensione. Rimandare a una lezione dedicata.
• "Quindi il computer non sbaglia mai?" — Da valorizzare: esegue senza errori le istruzioni che riceve; se le istruzioni sono sbagliate, ripete l'errore 500 volte senza accorgersene. Seme del debugging (lezione 2+).
• "Come fa a 'capire' le schede perforate / l'elettricità?" — ⚠️ Cassetto hardware, il rischio più grosso della lezione: può mangiare 20 minuti. Risposta minima: buco/non-buco, corrente/non-corrente, due stati. Se insiste, diventa un argomento a sé.
• "Chi erano i 'computer' umani?" — Probabile dato il profilo umanistico: in maggioranza donne, pagate poco, invisibili — si ripete a Bletchley Park e alla NASA. Ottimo ponte verso Ada Lovelace nella sezione dopo.
• "Se esistono problemi irrisolvibili, come fanno antivirus e compilatori?"— Improbabile ma possibile: approssimano, rispondono "forse" invece di "sì/no". Fermarsi lì.

La risposta interessante è "dipende": è preciso e ripetibile, ma non è detto che finisca (se il bar non c'è si cammina per sempre). Serve a far vedere che le tre proprietà non sono una lista da imparare, sono un test da applicare. Variante se fa fatica:"e 'aggiungi un po' di sale'?" (qui salta la precisione).

Non correggere il metodo che inventa (qualunque esso sia, sarà un algoritmo di ordinamento vero); chiederle solo "quante volte hai dovuto confrontare due libri?", la domanda da cui nasce l'efficienza a Computational Management of Data.

Se i tempi stringono, questo è il primo esercizio da tagliare (il concetto regge già con la moka; i libri tornano in lezione 2).

Perché Ada Lovelace apre questa sezione: sgonfia da sola l'idea "la programmazione è roba da matematici/ingegneri" — nessun bisogno di dirlo esplicitamente, basta lasciarla emergere se lei stessa fa il collegamento.

• "Algoritmo e programma sono la stessa cosa?" — Molto probabile, e la risposta è la sezione 5: l'algoritmo è la procedura, il programma è la sua scrittura in un linguaggio eseguibile. Se arriva presto, anticipare in una riga e andare avanti.
• "Ma 'algoritmo' non è quella cosa di Instagram/TikTok?" — Sì, stessa parola: una procedura che decide cosa mostrarti. Buona occasione per sgonfiare il termine.
• "Se due persone ordinano i libri in modo diverso, sono due algoritmi diversi?" — Sì: stesso risultato, numero di confronti diverso. È la porta dell'efficienza; se la domanda arriva da lei, la sezione ha funzionato.
• "Il mio metodo per i libri è sbagliato?" — No, e va detto esplicitamente: non è sbagliato, è più o meno costoso.

Scrivere alla lavagna solo 28 e fare la domanda. Lei chiederà (o dovrà chiedere) 28 di cosa: è esattamente il punto, un dato da solo non significa niente, serve il contesto. Rilancio: "28 sulla bilancia e 28 sul termometro sono lo stesso dato?"

• "Il confine tra informazione e conoscenza chi lo decide?" — Domanda da umanista, molto probabile. Risposta onesta: è sfumato e dipende da cosa vuoi farci; la piramide è uno strumento per ragionare, non una legge.
• "E la 'saggezza'? La piramide non ha quattro livelli?" — Se l'ha già incontrata altrove: esiste, la tagliamo perché non aggiunge nulla di operativo.
• "Un dato sbagliato è ancora un dato?" — Sì: 28 resta un dato anche se lo strumento era rotto. Apre (senza nominarla) la qualità dei dati.
• "Un'immagine è un dato? Una lettera manoscritta?" — Molto probabile nel suo dominio. Sì — digitalizzare vuol dire decidere cosa di quell'oggetto diventa dato (il testo? il layout? la macchia d'inchiostro?). Una riga sola: è il cuore di Information Modeling, non va bruciato adesso.

Si arriva a "cosa vuol dire piove" e a "come fa a saperlo". Poi mostrare che in italiano la frase è chiara; un computer ha bisogno di sapere esattamente cosa vuol dire "piove" (una misura di pioggia > 0? un booleano true/false?).

La prossima volta si inizia a scrivere le prime istruzioni vere in Python — riusando esattamente gli esempi della moka e dei libri come primi algoritmi da "tradurre" in codice. Vale la pena dirlo a voce qui, a chiusura sezione, per far vedere che tutto quello fatto oggi torna utile subito.

• "Quanti linguaggi esistono? Perché non ne basta uno?" — Centinaia, ma ne servono pochi; nascono per scopi diversi, e quello che impari nel primo non si butta.
• "Perché proprio Python?" — È il più vicino all'inglese, è lo standard di fatto nelle digital humanities, ed è quello usato a Computational Management of Data.
• "Devo imparare la sintassi a memoria?" — Ansia tipica: no, la documentazione si guarda sempre, anche dopo vent'anni. Dirlo presto e con convinzione.
• "Il computer capisce Python direttamente?" — No, viene tradotto. Fermarsi lì: compilatore/interprete non sono roba da lezione 1.

Se risponde con sicurezza a queste 4 domande, l'obiettivo della lezione è raggiunto.

• "Non sono portata per la matematica." — Usare Ada Lovelace come risposta, non come aneddoto: programmare è scomporre un problema in passi, non fare conti.
• "A cosa mi serve per una laurea umanistica?" — Risposta concreta: le 500 lettere della sezione 2 sono una tesi che altrimenti non faresti.
• "Quanto tempo ci vuole per imparare?" — Non un numero: "per fare cose utili, prima di quanto credi; per smettere di sentirti in difficoltà, dopo. È normale."
• "Se tanto poi il codice lo scrive l'IA, perché impararlo?" — Da prendere sul serio: per sapere se quello che ti restituisce è giusto. Poi avanti.