L’elaborazione oggetto dell’analisi tende a distinguersi, pur avendo preso ispirazione, da precedenti analisi presenti in circolazione. Come parzialmente anticipato, l’intento dell’analisi non risulterà quello di identificare e quantificare dove avviene un processo di gentrificazione, ma di valutare la distribuzione di determinate variabili all’interno dell’unità di analisi, individuato nell’isolato. Di conseguenza, il numero e il tipo di variabili si differenzia sensibilmente. A tale scopo, risulta utile illustrare brevemente l’evoluzione che l’analisi ha subito in modo da rendere chiari i motivi che, con il conseguirsi della sua raffinazione, l’hanno portata al distinguersi all’interno di un continuo “learning by doing”. Una prima elaborazione, infatti, prende spunto, da una parte, dal lavoro svolto da L. Diappi, P. Bolchi e L. Gaeta all’interno di “Gentrificazione senza esclusione? Il caso del quartiere Isola a Milano”358 e, dall’altra, proponendo una prima bozza, se pur spazialmente limitata su un asse centro-periferia, di una procedura alternativa. Il lavoro svolto da Diappi e colleghi sviluppa un indice di gentrificazione per area funzionale basata sul ranking di sette variabili differenti, derivanti dal Censimenti Istat 1991 e 2001 e inerenti alla popolazione e l’abitazione. L’analisi così proposta identifica nel turnover demografico, nella variazione di professionisti, della popolazione laureata, indicatori di distanza dal centro, la
357 J. Portugali in Complexity, Cognition and the City, Berlino, Springer, 2011, p. 55
135
percentuale di edilizia storica antecedente al 1919, nella variazione del valore immobiliare e nella presenza di abitazioni in affitto, gli elementi determinanti dell’indice. L’elaborazione che al tempo è stata svolta, ha provato ad aggiornare l’analisi attraverso la disponibilità del Censimento Istat 2011359 applicando la medesima metodologia all’interno di unità di analisi individuata nei Nuclei di Identità Locale (NIL) del Comune di Milano. Il primo focolare di quello che è ora l’analisi, si trova nella seconda parte di questo primo lavoro. Un difetto che è possibile riscontrare in un’analisi impostata tramite la sommatoria del ranking di diverse variabili che lavorano un’area funzionale è quello di non permettere, da una parte, un riconoscimento del comportamento “pesato” delle variabili, che incidono tutte allo stesso modo, e, dall’altra, l’impossibilità intravedere all’interno delle aree funzionali una più minuta differenziazione dell’indice che si vuole individuare. A tale scopo è stata impostata un’analisi multivariata su un determinato asse centro-periferia360 della città, in conseguenza ad una rappresentativa variazione dell’indice a livello di quartiere (NIL), introducendo ulteriori variabili361. Nonostante il numero eccessivo di variabili per un’analisi multivariata, tendenzialmente si tende a evitare sovrapposizioni di significato delle variabili e usufruire di un quantitativo strettamente necessario, si è preferito proseguire in conseguenza del numero esiguo di unità di analisi e all’identificazione di un numero di “classi di comportamento” sufficientemente elevato per rendere sensibile la differenziazione tra le unità di analisi, nonostante, appunto, l’elevato numero di variabili da considerare. La lettura manuale del comportamento delle diverse classi, in questo approccio, ha determinato la conversione in un valore identificativo di classe e ad un successivo livello di gentrificazione.
La particolarità dell’analisi “comportamentale” ha indotto alla possibilità di allargare l’analisi proiettando la stessa scala di dettaglio su l’intero Comune di Milano. Ovviamente, tale iniziativa ha portato a problemi riconducibili a due questioni base: da una parte la necessità di una perfetta sovrapposizione delle banche dati del Censimento 2001 e 2011 che, se pur molto simili, hanno evidenziato non pochi problemi di giustapposizione, e, dall’altra, la necessità di un compromesso sul numero e tipo di variabili utili per raggiungere l’obiettivo di ricerca362. Il problema di giustapposizione delle unità spaziali e, quindi, la possibilità di preservare la reale incidenza spaziale del dato, è stata risolta tramite la creazione di una base comune su software GIS ricavata dalla rappresentazione degli isolati urbani. Infatti, lo stratagemma degli isolati ha permesso di proporre una base che tendenzialmente andasse a ripercorrere un
359 Nel censimento Istat 2011 non è disponibile un dato pubblico sulla presenza di lavoratori professionisti. 360 L’analisi si è concentrata sull’asse che parte dal quartiere Brera e arriva Bicocca e Niguarda.
361 Oltre a quelle precedentemente citate sono stati aggiunti indicatori e relative variazioni riguardanti la popolazione disoccupata, straniera e pensionata, popolazione per fascia di età, abitazioni vuote, numero e tipologia delle famiglie, dimensione media dell’abitazione. Un indicatore sulla variazione del prezzo non è stato possibile in conseguenza dell’eccessiva distanza di scala dell’unità di analisi ora utilizzata.
362 L’elevato numero delle variabili in compresenza di un elevato numero di unità di analisi avrebbe reso impossibile la produzione di un numero di classi internamente sufficientemente compatte da rendere possibile una serena valutazione del risultato. Come si vedrà, il problema non si è completamente risolto in questa fase.
136
confine di unità censuarie aggregate e che rendesse possibile un meccanismo di controllo del modo in cui la spazializzazione del dato andava a sovrapporsi363. Allo scopo dell’analisi, risulta a mio parere particolarmente interessante la distinzione tra un’analisi basata sul quartiere ed una basata sull’isolato: quello che era un confine non tangibile e non sempre unicamente circoscrivibile e riconoscibile come tale si costituisce in un confine fisico e concreto. La valutazione è proseguita in maniera simile alla seconda parte della precedente impostazione dell’analisi che è stata divisa in due parti. Una prima riguarda la valutazione dei Location Quotient (LQ)364 della popolazione laureata (sulla popolazione maggiore di 6 anni), della popolazione disoccupata e pensionata (rispetto alla forza lavoro) e della popolazione identificata come straniera (rispetto la popolazione residente totale). Per come è strutturato il database dei censimenti, tutte le variabili fanno parte della popolazione residente. I valori emergenti dal LQ sono stati categorizzati per poi comprenderne l’andamento attraverso la valutazione dei diversi cluster di appartenenza365. La seconda parte, invece, si concentra sulle variazioni dei LQ, la cui categorizzazione ha dato luce ad un’analisi descrittiva del motivo dei cambiamenti in atto.