Durante la guerra civile in Siria, centinaia di migliaia di persone hanno perso la vita e milioni sono state costrette a fuggire. La distruzione di infrastrutture civili è stata anch’essa molto intensa durante quel periodo. Il paper concerne i danni ad infrastrutture civili ad opera di diversi attori tra il 2012 ed il 2018 attraverso un’analisi basata su dati statistici.
I dati sui diversi tipi di infrastrutture, autori, arme, governatorati, e date sono stati raccolti ed analizzati seguendo i seguenti diversi metodi statistici; Analisi delle Corrispondenze Multiple (MCA), raggruppamento K-Means, Classificazione binomiale LASSO, ed Coefficiente V di Cramer. In generale, il paper riporta come la violenza nei confronti di strutture sanitarie sia fortemente riconducibile a specifici perpetratori.
Gli autori hanno ottenuto i dati da tre fonti; Airways, Physicians for Human Rights (PHR), e Safeguarding Heath in Conflict Coalition/Insecurity Insights (SHCC/II). Queste fonti sono state selezionate in base all’accesso ai dati, al livello di specificità di ogni caso, e al processo di verifica per la raccolta dati. L’insieme dei dati consiste in 4 categorie di variabili divise in base all’anno, governatorato, perpetratore e arma, applicati a cinque diverse classi di infrastrutture; sanitarie, private, pubbliche, scuole e sconosciute. I dati sui tipi di infrastrutture sono codificati come 0 e 1. In questo studio è stato esaminato un totale di 2.689 attacchi nel periodo tra il 2012 ed il 2018.
I dati sono visibili con un grafico a barre dove la proporzione di attacchi è stata comparata all’anno di attacco, alla regione, al responsabile e all’arma. Nella tabella sono presenti anche il numero di conteggi e proporzione di attacchi su infrastrutture divise tra anno, governatorato, autore e arma. Per individuare la struttura alla base dell’insieme di dati, gli autori utilizzano la MCA, che è una tecnica di riduzione della dimensionalità non supervisionata. Gli attacchi sono evidenziati con 1 e 0, che rappresentano le categorie “presenti” ed “assenti” in questa analisi. La variazione tra le categorie di gruppi può essere interpretata come singolo punto di coordinate sull’asse di variazione. L’analisi si è concentrata sul primo e sul secondo grado di variazione, essendosi dispersa lungo le altre dimensioni rimanenti. Allo stesso modo, il raggruppamento K-Means è stato applicato alle coordinate grezze della MCA per misurare l’accuratezza della classificazione delle variabili. Il numero di raggruppamenti è stato fissato a otto, basato sul metodo di differenza di distanza binaria ed il metodo di analisi K-Means.
Inoltre, usando la Classificazione binomiale Lasso, il paper esplora variabili correlate per anticipare gli attacchi sulle infrastrutture sanitarie. Per rendere questo modello più facilmente interpretabile, il valore del coefficiente beta delle variabili non in relazione con il risultato di interesse, in questo caso binomiale, è stato ridotto a zero. Così facendo, i dati sono stati suddivisi in insiemi di addestramento e test. Successivamente, utilizzando l’insieme di addestramento, è stato sviluppato un modello capace di individuare la relazione tra la variabile di risultato e quelle indipendenti. Questo modello è stato analizzato usando una matrice di confusione e confrontato con i dati di test. La suddivisione di dati di test e di addestramento è stata riprodotta 20 volte per assicurare che tutti i dati fossero nell’insieme test almeno una volta.
Dal momento che la quantità di dati sugli attacchi alle infrastrutture sanitarie era basso in relazione a quelli rivolti a infrastrutture non sanitarie, è stata calcolata l’area sotto la curva Receiver Operation Characteristic (AUC-ROC), e i dati sono stati esagerati in modo tale da far coincidere approssimativamente il numero di attacchi sugli edifici sanitari a quelli avvenuti su edifici non sanitari. Per capire meglio la relazione generata dalla MCA, è stata misurata la forza delle relazioni tra le variabili utilizzando il coefficiente V di Cramer. In una gamma che va da 0 a 1, il coefficiente con un valore compreso tra 0.3 e 0.5 indica una correlazione moderata tra le variabili.
Lo studio ha rilevato che il 91% degli attacchi analizzati sono stati effettuati dalla coalizione statunitense, dai militari russi e dal governo siriano. Le infrastrutture più frequentemente attaccate è di tipo sconosciuto (37%). La massima proporzione di attacchi è stata eseguita nell’anno 2017 (37%) ed il governatorato più duramente colpito è stato quello di Raqqa (27%), seguito da vicino da Aleppo (24%). Allo stesso modo, il metodo più usato per la distruzione di infrastrutture è stato l’attacco aereo (83%). MCA ha dimostrato che le variabili di anno, autore, governatorato e strutture sanitarie variano maggiormente sugli assi delle X e delle Y. Questo ha portato alla luce quattro importanti temi: (1) Gli attacchi guidati dalla coalizione statunitense a Raqqa nel 2017, (2) gli attacchi russi contro Aleppo nel 2016, (3) quelli del governo siriano contro strutture sanitarie e (4) attacchi aerei su strutture non sanitarie.
Queste tematiche sottolineano il fatto che il governo siriano, insieme a quello russo, sono responsabili della distruzione della maggioranza delle infrastrutture sanitarie. Inoltre, ciò rafforza i documenti che riportano gli attacchi su Raqqa da parte della coalizione statunitense nel 2017 e quelli russi su Aleppo nel 2016, entrambi risultati nella morte migliaia di civili. Il paper esprime sostegno alle investigazioni sulla violenza su civili in Siria come crimini di guerra e crimini contro l’umanità, come definiti dallo statuto della Corte Criminale Internazionale di Roma.
La purezza dei valori della classificazione K-Means delle variabili scuola, salute, arma, privato e autore sono sopra lo 0.8 e sono simili ai valori quando sono utilizzati otto raggruppamenti. La Classificazione binomiale LASSO è risultata in sei coefficienti diversi da zero; tre per quanto riguarda le infrastrutture (sconosciute, private e pubbliche) e tre per la variabile dell’autore (Siria, Russia e Siria, coalizione statunitense), a simboleggiare che questi tipi di infrastrutture e questi autori sono in qualche modo relazionabili alle strutture sanitarie. Inoltre, gli attacchi sulle infrastrutture sono correlati solo in maniera moderata con le variabili di anno e governatorato, con il coefficiente V di Cramer che risulta rispettivamente di 0.56 e 0.46.
Questo paper ha molti limiti. Prima di tutto, bisogna considerare la difficoltà di estrarre dati di alta qualità in periodo di guerra. Se fossero stati aggiunti ulteriori dati sui conflitti, come per esempio attacchi compiuti da attentatori locali e attacchi sul territorio contro strutture non sanitarie, l’analisi sarebbe stata più informativa. Inoltre, siccome i dati sono stati raccolti da fonti diverse, le inerenti inaccuratezze derivanti dal raccoglimento e “pulizia” dei dati portano ad alcuni errori. Il numero più ridotto di attacchi su strutture sanitarie potrebbe essere dovuto a ragioni non aleatorie che potrebbero in un certo modo influenzare i risultati. Infine, l’interpretazione dei coefficienti diversi da zero ottenuti durante la Classificazione LASSO potrebbe risultare fuorviante, visto che per questa analisi è stato utilizzato un numero ridotto di variabili.
Questo studio ha analizzato gli attacchi che hanno direttamente colpito civili in Siria dal 2012 al 2018. L’analisi statistica proposta nel paper può essere usata come supplemento per documentare i dati e i testimoni oculari per la protezione dei diritti umani. Inoltre, i nuovi metodi statistici sulla base di dati utilizzati in questo studio contribuiscono ad interpretare eventi complessi come le guerre e le conseguenze che esse portano.
Per saperne di più:
Autore: Shrabya Ghimire; Editore: Tiago Cotogni; Traduttore: Francesco Maria Cricchio
