Programma della conferenza

Negli ultimi decenni, la partecipazione politica è stata profondamente trasformata dalla diffusione dei media digitali, che hanno ridefinito modalità, tempi e spazi dell’azione collettiva. Se una prima stagione di studi ha analizzato i social media soprattutto come strumenti di networking, mobilitazione e visibilità (Sorice & De Blasio, 2019; Mattoni, 2021), ricerche più recenti mostrano come l’attivismo contemporaneo si sviluppi sempre più all’interno di ambienti strutturati da piattaforme algoritmiche, processi di dataficazione e sistemi di intelligenza artificiale (AI) (Bonini & Treré, 2024; Milan & Beraldo, 2024). In questo contesto, l’AI emerge non solo come infrastruttura tecnica, ma come dispositivo simbolico e politico che contribuisce a ridefinire conflitti, narrazioni e rapporti di potere nelle società contemporanee.
Questo contributo si inserisce nel dibattito sociologico su comunicazione, cultura e conflitto, interrogando il ruolo dell’AI nelle pratiche di contesa politica dal basso (i.e., contentious politics). L’obiettivo è analizzare come movimenti sociali e organizzazioni della società civile si appropriano e/o contestano i sistemi di AI all’interno di più ampie lotte per la giustizia sociale. Tali pratiche vengono concettualizzate sotto la nozione di “AI activism”, intesa come un insieme eterogeneo di azioni collettive in cui l’AI è al tempo stesso strumento operativo di lotta e campo di conflitto politico.

Dal punto di vista teorico, l’analisi si fonda su un approccio ecologico e prasseologico allo studio dell’attivismo digitale, che considera le tecnologie come parte di assemblaggi socio-materiali in grado di orientare pratiche, significati e immaginari (Shove et al., 2012; Treré, 2019; Mattoni, 2020). Questo quadro è arricchito dai contributi sul data activism (Beraldo & Milan, 2019; Ceccobelli & Mattoni, 2024) e sulla resistenza algoritmica (Velkova & Kaun, 2021; Bonini & Treré, 2024), che interpretano l’automazione e la governance dei dati come nuovi terreni di contesa democratica.
Metodologicamente, lo studio adotta un’impostazione qualitativa di tipo interpretativo (Morse, 1994) e si basa su interviste semi-strutturate a esponenti di movimenti sociali, collettivi politici, ONG e comunità attiviste operanti in diversi contesti geografici. Tutti i/le partecipanti sono impegnati/e in iniziative che utilizzano o problematizzano i sistemi AI in relazione a conflitti sociali contemporanei, tra cui la violenza di genere, il razzismo, la repressione politica e le disuguaglianze digitali. I materiali empirici sono stati analizzati tramite analisi tematica (Braun & Clarke, 2022; Guest et al., 2011), combinando codifica deduttiva e induttiva.

I risultati preliminari individuano due modalità interconnesse di AI activism. La prima, definita contentious politics through AI, riguarda l’uso tattico dell’AI come risorsa per produrre contro-narrazioni, amplificare voci marginalizzate e sostenere rivendicazioni politiche. La seconda, contentious politics over AI, considera invece i sistemi di intelligenza artificiale come oggetti diretti di conflitto, attorno ai quali si articolano rivendicazioni su governance, diritti algoritmici, sorveglianza e trasparenza. L’analisi mostra che queste due modalità si alimentano reciprocamente, ridefinendo sia le pratiche attiviste sia gli immaginari tecnologici.
L’analisi delle interviste identifica, inoltre, due profili ricorrenti di AI activist, differenziati dal rapporto con le competenze tecniche. Da un lato emergono attivisti e collettivi già dotati di competenze avanzate in ambito informatico e digitale, che riconvertono tali saperi verso obiettivi politici e sociali (AI-skilled activists). Dall’altro lato si individuano soggetti provenienti da contesti non tecnici che intraprendono percorsi di apprendimento ed appropriazione critica dell’AI, riconoscendola come infrastruttura cruciale di lotta (AI-upskilling activists). Questi profili contribuiscono a ridefinire le forme dell’azione collettiva e le configurazioni del sapere esperto nell’attivismo contemporaneo.

In definitiva, il contributo evidenzia che l’AI rappresenta un luogo privilegiato di “crash” simbolico e materiale: uno spazio in cui si intrecciano crisi democratiche, conflitti culturali e nuove narrazioni dell’umano. L’AI activism emerge così come spazio di rinegoziazione politica e comunicativa, capace di interrogare criticamente il rapporto tra tecnologia, partecipazione e giustizia sociale.

The mainstream discourse on the relationship between democracy and artificial intelligence is dominated by a range of concerns, spanning from longtermist fears about the replacement of democratic decision-making by algorithms (Harari, 2024) to more immediate issues such as bias, discrimination, privacy erosion, surveillance, and the support to authoritarian regimes (Neff, 2024). At the same time, recent years have also seen the emergence of a parallel discourse that emphasizes the democratic potential of AI: its capacity to improve the efficiency of public services, to provide new tools for collecting and processing citizens’ opinions, and to democratize specific societal domains. Within this landscape, a particularly significant phenomenon is AI-based tools for civic participation, which are increasingly adopted by public administrations and organizations worldwide to renew democratic practices and institutions (Tsai et al., 2024; OECD, 2025). Examples include Pol.is, the Habermas Machine, the Stanford Deliberation Program, and Dembrane ECHO.

But what conception of democracy do these tools represent? What type of democracy do AI systems for civic participation promote, and how do they conceptualize and manage political conflict? Addressing these questions is crucial for understanding how the relationship between AI and democracy is configured in practice, and for assessing the extent to which these tools offer meaningful responses to the contemporary crisis of politics and democratic governance.

To investigate these issues, this article draws on data collected for [redacted for peer review] on the “democratic affordances” (Deseriis, 2022) of AI platforms for civic participation. The empirical material includes a mapping of 43 AI tools for civic participation, as well as interviews with users and developers of three selected platforms. Building on a theoretical framework that combines Chantal Mouffe’s theory of agonistic democracy (Mouffe, 2013) with Dahlberg’s (2011) four digital democracy positions, the article argues that the forms of democracy imagined, represented, and enacted by these tools are predominantly anti-agonistic and a-conflictual. Their democratic affordances largely support deliberative and aggregative models of democracy, while participatory (and especially autonomist or commons-based) democratic models are largely absent.

The article subsequently discusses the reasons for, and the potential problems associated with, this a-conflictual orientation. The anti-agonistic character of AI tools for civic participation is consistent with several factors shaping their development, including the dominance of deliberative models within the field of democratic innovation (Escobar & Bua, 2025) and the technological rationality of AI itself (McQuillan, 2022). Deliberative and aggregative approaches, which prioritize identifying an optimal or “best” solution, closely align with the functional logic of AI as a technology designed to process large volumes of data and produce neutralized outputs. Furthermore, these tools are developed within a strongly anti-polarizing rationale, in social and political contexts widely perceived as marked by excessive polarization, war, and conflict. Moreover, as market-oriented products, AI tools for civic participation must be economically viable and appeal to well-resourced clients (such as municipal administrations or big organizations) who tend to favor the management and reduction of conflict rather than its open articulation.

By promoting an allegedly objective, conflict-averse model of democracy, AI systems for civic participation may offer valuable tools for addressing specific “bad conflict”-related problems (such as “excessive” polarization). When it comes to “good conflict”-related democratic challenges, such as fostering bottom-up participation or enabling the emergence of collective political identities, current AI-based systems offer far more limited responses.

Il presente studio analizza le modalità con cui gli attivisti palestinesi esperiscono e resistono al controllo algoritmico e alla censura sulle principali piattaforme di social media, in un contesto segnato da quella che i partecipanti definiscono una forma di “cancellazione digitale di matrice coloniale”. Il primo obiettivo dell’articolo è mappare il repertorio di pratiche messe in atto per contrastare l’invisibilità prodotta dalle politiche di moderazione dei contenuti (Gillespie 2022), percepite dagli attivisti come parziali e oppressive. Il secondo obiettivo è testare empiricamente il modello di attivismo algoritmico proposto da Trerè e Bonini (2024), che identifica tre principali categorie di tattiche: evasione, amplificazione e dirottamento. L’ipotesi di partenza è che anche le strategie sviluppate dagli attivisti palestinesi per aumentare la visibilità online e aggirare la moderazione possano essere interpretate alla luce di queste tipologie.

La ricerca adotta un approccio qualitativo e interpretativo, combinando etnografia digitale e interviste semi-strutturate. Tra aprile e agosto 2024 sono state condotte 15 interviste in profondità con giornalisti, attivisti e scrittori palestinesi e non palestinesi con base a Gaza, in Cisgiordania e a Gerusalemme. L’accesso al campo è stato facilitato da un primo gatekeeper che ha introdotto i ricercatori a un network di attivisti, alcuni dei quali micro e mega influencer su Facebook e Instagram. Le interviste, della durata compresa tra 60 e 120 minuti, sono state svolte online tramite piattaforme crittografate e successivamente trascritte e tradotte in italiano. Considerata la natura sensibile dell’attivismo digitale in Palestina, tutti i dati sono stati anonimizzati seguendo i principi dell’etnografia digitale “do-no-harm” (Barbosa e Milan 2019). I materiali raccolti sono stati archiviati su infrastrutture cloud non commerciali e rispettose della privacy e del GDPR e integrati con tre mesi di osservazione non partecipante in gruppi privati su WhatsApp. L’analisi dei dati è stata condotta tramite codifica induttiva ispirata alla Grounded Theory (Charmaz 2006).

Dall’analisi emerge una profonda sfiducia verso le piattaforme mainstream, percepite come strumenti di tecno-colonialismo che riproducono asimmetrie di potere globali. Per contrastare il rischio di “martirio digitale” — inteso come rimozione di account, contenuti e memorie collettive — gli attivisti hanno sviluppato un repertorio articolato di pratiche di resistenza algoritmica, fortemente basato su cooperazione e mutuo aiuto. I risultati confermano la validità delle tre categorie individuate da Trerè e Bonini (2024), ma suggeriscono anche l’esistenza di una quarta tipologia:

1) L’evasione comprende strategie per evitare rilevamento e shadowbanning, tra cui alterazioni linguistiche, camouflage estetici, uso strategico dei tempi di pubblicazione e strumenti infrastrutturali come VPN.

2) L’amplificazione include tattiche collettive per aumentare la portata dei contenuti, come account specchio, pubblicazione tramite intermediari non palestinesi e ridondanza cross-piattaforma.

3) Il dirottamento consiste nella riappropriazione di formati apolitici per fini antagonistici, ad esempio l’uso di contenuti apparentemente neutri su TikTok o BookTok per veicolare testimonianze politiche in forma metaforica.

4) A queste si aggiunge una quarta categoria, l’archiviazione, definita come “resistenza attraverso la durata”: pratiche orientate a preservare contenuti rimossi tramite piattaforme decentralizzate, archivi distribuiti e forme di circolazione dei contenuti offline (chiavette USB).

Lo studio contribuisce ad ampliare la conoscenza empirica sulle tattiche quotidiane di resistenza algoritmica, mostrando come, anche in contesti di forte asimmetria di potere, persistano margini di agency nella negoziazione della governance algoritmica. I risultati offrono inoltre elementi utili al dibattito su una regolamentazione più equa delle politiche di moderazione dei contenuti e sul ruolo delle piattaforme nei conflitti geopolitici contemporanei.

Wikipedia has become one of the most significant openly accessible repositories of structured human knowledge and is widely understood to function as a key training source for contemporary generative AI systems (Wikimedia Foundation, 2023). At the same time, these tools are increasingly adopted by Wikipedians for translation, summarization, and drafting tasks (Brooks et al., 2024). This reciprocal relationship, in which a platform that trains large language models is also partially shaped by their outputs, creates a recursive dynamic with few historical precedents in public knowledge production (Wagner et al., 2025). It positions the Wikimedia movement as a critical site for examining how grassroots communities negotiate AI’s growing influence on knowledge production, volunteer labour, and governance (McDowell, 2024).

This paper reports early findings from a Wikimedia-funded project examining how Wikimedians perceive and negotiate generative AI within Wikipedia and its sister projects, in line with the Foundation’s commitment to “put humans first” (Wikimedia Foundation, 2025). The study draws on 25 in-depth interviews across six language communities (English, Italian, Bangla, Malayalam, Swedish, and Telugu). Participants were recruited through purposive and snowball sampling within Wikimedia networks. Analysis follows Clarke and Braun’s (2006) thematic approach, treating editor accounts as situated imaginaries of how AI should, or should not, be integrated into collaborative knowledge production.

Across interviews, contributors consistently emphasized that AI is not new to Wikimedia projects. Rather than a rupture, generative AI was situated within a longer history of machine learning infrastructure, including vandalism detection systems, bots, edit filters, and content translation tools. Interviewees expressed comfort with algorithmic assistance for patrolling and repetitive technical work while rejecting unreviewed generative content creation. Generative AI was viewed as qualitatively different because it intervenes directly in visible editorial labour, blurring boundaries between drafting, sourcing, and authorship. These concerns were especially pronounced in small and medium language editions, where limited reviewer capacity heightens risk.

A second major theme concerns the circular epistemology emerging between Wikipedia and large language models. As Wikipedia content feeds AI systems that are then used to generate or edit Wikipedia articles, contributors worry about self-referential loops that may compromise epistemic diversity and core norms of attribution and verifiability. Several interviewees described fears of Wikipedia becoming an “invisible backend” for commercial AI infrastructures (Vetter et al., 2025). Indic-language contributors further highlighted risks in under-resourced languages, including stylistic homogenization and cultural misrepresentation.

Language equity and translation emerged as a third cluster. Participants, particularly in South Asia, viewed tools such as ChatGPT, Perplexity, and Google Gemini as pragmatically useful for bridging linguistic gaps, while warning that English-language dominance and training data bias may reinforce epistemic inequalities (Peppin et al., 2025; Roy et al., 2021). Contributors reported persistent issues in Malayalam, Telugu, and Bangla outputs, including semantic drift and increased verification burdens.

Trust and transparency cut across all themes. Editors feel compelled to experiment with AI yet remain divided between cautious adoption and stricter enforcement. Disclosure and human review were widely seen as more viable safeguards than automated detection.

Overall, the findings reveal a fragmented but dynamic landscape of volunteer imaginaries. Wikimedia communities are actively negotiating AI’s place within a human-centred knowledge infrastructure, offering insight into how grassroots actors are shaping the sociotechnical boundaries of AI in public knowledge production.