1. Introduzione: dove eravamo rimasti

Il primo contributo di questa serie ha argomentato che la valutazione dei rischi nelle organizzazioni complesse a legame debole non incontra in primo luogo un problema di applicazione, ma un problema di adeguatezza concettuale degli strumenti rispetto alla natura del sistema valutato. Tra le direzioni di lavoro indicate in chiusura, la prima riguardava i modelli formali: si osservava che la matrice Probabilità × Danno, adeguata ai sistemi a legame forte, va affiancata o sostituita, nei contesti a legame debole, da formulazioni capaci di cogliere la non-linearità della relazione tra fattori e di tenere conto delle sinergie tra rischi a bassa magnitudo.

Questo articolo raccoglie quella indicazione e la sviluppa. L'oggetto è uno solo, e ben circoscritto: la funzione di rischio, ossia la regola formale con cui, terminata l'identificazione dei pericoli, si attribuisce a ciascun rischio una grandezza — una magnitudo — che ne permette la collocazione in una scala di priorità. È il momento in cui la valutazione, da descrizione qualitativa, si fa misura. Ed è il momento in cui, più che in ogni altro, le assunzioni implicite del modello adottato si traducono in conseguenze pratiche, perché la magnitudo decide dove andranno le risorse della prevenzione.

La tesi che si argomenta è duplice. Da un lato, che la funzione di rischio canonica — il prodotto R = P × D organizzato in una matrice quattro per quattro — è una scorciatoia: utile, diffusa, difendibile come punto di riferimento condiviso, ma costruita su semplificazioni che diventano fuorvianti proprio nei contesti che ci interessano. Dall'altro, che esiste almeno una strada alternativa, sperimentata e applicata con successo in moltissimi altri ambiti tecnici e scientifici, capace di restituire alla valutazione la gradualità e la pluralità che la realtà organizzativa richiede: la logica fuzzy.

Il percorso si articola in quattro tappe. Si comincia con un'anatomia della matrice classica e dei suoi tre riduzionismi (§ 2). Si introduce poi la logica fuzzy, letta come applicazione di quel "pensiero laterale" che invita a non scambiare una strada consolidata per l'unica strada possibile (§ 3). Si presenta quindi, in forma di ipotesi di lavoro, una funzione di rischio fuzzy a quattro blocchi e tredici variabili di ingresso (§ 4). Si discutono infine, con la dovuta onestà, le implicazioni, i limiti e una possibile via sperimentale (§ 5), prima di tracciare il ponte verso il contributo successivo (§ 6).


2. La matrice P×D: anatomia di un riduzionismo

2.1 La struttura della matrice classica

Conviene partire dallo strumento così come è effettivamente impiegato, perché la critica abbia per oggetto la prassi reale e non una sua caricatura. Il modello dominante attribuisce all'indice di rischio una magnitudo attraverso l'espressione

R = P × D

dove P è un indice di probabilità di accadimento dell'evento avverso e D è un indice di gravità del danno atteso. Entrambi gli indici sono discretizzati su una scala a quattro livelli, ciascuno corredato di descrittori qualitativi che ne guidano l'attribuzione. Per la probabilità, i quattro livelli — improbabile, poco probabile, probabile, altamente probabile — sono ancorati a criteri come l'esistenza di una correlazione diretta tra la mancanza rilevata e il danno ipotizzato, la presenza di episodi analoghi già verificatisi, e il celebre criterio dello stupore: il verificarsi del danno susciterebbe incredulità, una discreta sorpresa, una moderata sorpresa, oppure nessuno stupore tra i lavoratori. Per il danno, i quattro livelli — lieve, medio, grave, gravissimo — distinguono inabilità rapidamente reversibili, reversibili, parziali permanenti, e fino agli effetti letali o totalmente invalidanti.

Il prodotto dei due indici genera una matrice quattro per quattro i cui valori vanno da 1 a 16, a cui si associa una scala di priorità: gli interventi diventano indilazionabili oltre il valore otto, urgenti tra quattro e otto, programmabili nel medio termine per i valori intermedi, non urgenti per il valore minimo.

È un modello elegante, comunicabile, verificabile. Ha il pregio non trascurabile di costituire un punto di riferimento certo e diffusamente seguito, e proprio per questo difenderne l'uso come base condivisa è del tutto legittimo. La critica che segue non ne contesta l'utilità come linguaggio comune; ne contesta la sufficienza come unico modello, e ne porta alla luce le assunzioni nascoste.

2.2 Tre riduzionismi nascosti

Sotto la sua semplicità rassicurante, la matrice incorpora tre riduzionismi che operano in silenzio.

Il primo è il collasso della probabilità in un singolo numero predittivo. Attribuire un indice di probabilità significa, nella sostanza, far dipendere l'intera valutazione da una stima predittiva: pur potendo fondarsi su dati e ragionamenti relativi alla cronologia degli eventi accaduti, l'operazione si pone l'obiettivo ambizioso ed estremamente delicato di predire eventi futuri. La matrice presenta questa predizione come se fosse un dato, mentre è una congettura; e la congettura, per giunta, viene espressa con un solo numero, che assorbe e occulta tutta l'incertezza da cui è gravata.

Il secondo è l'assunzione implicita di indipendenza tra i rischi. La matrice valuta un rischio per volta, in isolamento, e assume tacitamente che la magnitudo complessiva di un ambiente di lavoro sia ricostruibile per giustapposizione delle magnitudo dei singoli rischi. È un'assunzione che regge nei sistemi a legame forte, dove la causalità è prevalentemente lineare e le componenti sono accoppiate in modo prevedibile, ma che cade nei sistemi a legame debole, dove — come si è argomentato nel primo articolo — gli eventi avversi nascono spesso da combinazioni inattese di fattori a bassa magnitudo, ciascuno dei quali, preso singolarmente, sarebbe stato classificato come rischio basso e quindi sottovalutato. La matrice non ha modo di rappresentare la sinergia: il suo prodotto è commutativo e additivo, la realtà organizzativa no.

Il terzo è la discretizzazione brutale. Le grandezze in gioco — la frequenza con cui un evento può presentarsi, la gravità di un danno — variano nella realtà con continuità, e ammettono infinite gradazioni intermedie. La scala a quattro livelli le costringe entro quattro caselle separate da soglie nette. Un rischio di frequenza "quasi probabile" deve essere arrotondato a probabile o a poco probabile, e dall'arrotondamento dipende, talvolta, il salto da una fascia di priorità all'altra. Il valutatore esperto lo sa, e compensa di nascosto; ma la compensazione resta informale, non tracciata, non condivisa, e si perde nel passaggio di consegne.

2.3 Il nodo della probabilità e la soggettività mascherata

I tre riduzionismi convergono su un punto che merita di essere isolato, perché è il vero centro nevralgico della questione: il nodo della probabilità. La scelta dell'indice di probabilità è, secondo lo stesso impianto del modello classico, la stima che maggiormente risente della soggettività dei valutatori e che più di ogni altra può essere influenzata dalla loro percezione del rischio. Il criterio dello stupore — ne saresti sorpreso? — è, a ben vedere, una domanda sulla percezione, non sulla statistica.

Qui si annida un equivoco istruttivo. La matrice si presenta come uno strumento oggettivo, e il numero che produce ha l'aspetto di una misura. Ma in quel numero è incorporata, non dichiarata, una valutazione soggettiva — quella di chi attribuisce l'indice di probabilità. La soggettività non è assente; è semplicemente mascherata da oggettività, e per giunta ridotta a una sola voce, quella del valutatore che compila la matrice.

Il punto non è demonizzare la percezione individuale. Al contrario: la percezione è una risorsa, e il problema è semmai come valorizzarla invece di nasconderla. Una prima risposta, che orienta tutto il resto di questo articolo, consiste nel coinvolgere più soggetti nelle fasi di valutazione, così da recuperare il prodotto delle varie soggettività e metterle a confronto in funzione delle diverse prospettive rappresentate. Riconoscere apertamente la natura soggettiva di una parte della stima, e dotarsi di un dispositivo che la renda esplicita e plurale, è più rigoroso che fingere un'oggettività che non c'è.


3. La logica fuzzy come pensiero laterale applicato

3.1 Una sola strada, e le altre

Vale la pena partire da un presupposto che è anche un metodo. Secondo il principio fondamentale del cosiddetto pensiero laterale [De Bono, 2000], anche un criterio, una teoria, una prassi consolidata e assunta come riferimento assoluto e inconfutabile finiscono per tracciare una sola delle possibili strade da percorrere, escludendone di conseguenza altre. La matrice P×D è una di queste prassi: tanto consolidata da apparire l'unica via, mentre è soltanto la più battuta.

Non si tratta, sia chiaro, di abbandonare la strada nota per amore di novità. Si tratta di riconoscere che essa è una strada, di domandarsi quali altre se ne diramino, e di esplorarle con il rigore necessario. Una di queste, già percorsa e applicata con successo in ambiti che vanno dall'automazione industriale alla regolazione degli elettrodomestici fino alla stima del rischio negli investimenti finanziari, è la logica fuzzy.

3.2 Che cos'è la logica sfumata

La logica fuzzy — o logica sfumata — generalizza la logica classica sostituendo all'appartenenza netta (un elemento appartiene o non appartiene a un insieme) un'appartenenza graduata (un elemento appartiene a un insieme in una certa misura, espressa da un grado compreso tra zero e uno) [Zadeh, 1965; Kosko, 1995]. Una temperatura non è semplicemente "alta" oppure "non alta": è alta in una certa misura, e contemporaneamente media in un'altra misura. Le categorie con cui descriviamo il mondo sono quasi sempre di questa natura sfumata, e la logica fuzzy offre il modo di trattarle senza tradirle.

Lo strumento opera su variabili linguistiche — grandezze i cui valori sono espressioni del linguaggio naturale come bassa, media, alta, molto alta — a ciascuna delle quali si associa un insieme fuzzy che ne definisce il grado di appartenenza. Il funzionamento di un sistema fuzzy si articola in tre fasi. Nella prima, detta fuzzyficazione, le variabili numeriche di ingresso vengono trasformate in valori linguistici graduati. Nella seconda, l'inferenza, un insieme di regole della forma se… allora… altrimenti… — regole definite anch'esse sulla base della conoscenza esperta del dominio — combina le variabili di ingresso per produrre le variabili di uscita. Nella terza, la defuzzyficazione, il risultato viene eventualmente riconvertito in un valore numerico, oppure mantenuto in forma linguistica.

La forza dell'approccio sta proprio qui: permette di costruire o modellare sistemi basati sulla conoscenza espressa in forma linguistica, ossia nella forma in cui la conoscenza di sicurezza effettivamente esiste nella testa di chi lavora. Il valutatore esperto, l'operatore di reparto, l'insegnante di laboratorio non ragionano in termini di indici da uno a quattro: ragionano in termini di "qui c'è un rischio piuttosto alto", "succede abbastanza spesso", "se capita, fa parecchi danni". La logica fuzzy parla questa lingua.

3.3 Perché si adatta ai sistemi a legame debole

L'affinità tra logica fuzzy e contesti a legame debole non è un'analogia suggestiva ma un fatto strutturale, e si lascia ricondurre ai tre riduzionismi visti sopra, ai quali la logica sfumata offre tre risposte puntuali.

Alla discretizzazione brutale risponde con la gradualità: nessuna soglia netta, nessun arrotondamento occulto, ma transizioni continue tra i valori linguistici. Alla indipendenza dei rischi risponde con le regole di inferenza: poiché le regole se… allora… possono combinare più variabili di ingresso in modi non lineari, il modello può rappresentare esplicitamente le sinergie — la condizione per cui due fattori a bassa magnitudo, copresenti, generano un rischio sproporzionatamente più alto della somma dei due. Al collasso e mascheramento della probabilità risponde, infine, con la possibilità di tenere distinte e affiancate più stime, comprese quelle dichiaratamente soggettive, trattandole come ingressi linguistici legittimi anziché come disturbi da eliminare.

È su quest'ultimo punto che si gioca la posta più alta, e a esso è dedicata la costruzione che segue.


4. Un'ipotesi di funzione di rischio fuzzy

4.1 Lo spostamento concettuale: dalla probabilità alla frequenza attesa plurale

L'ipotesi che si presenta non pretende di essere un modello finito e validato. È, per dichiarazione esplicita, una bozza di schema il cui scopo è esplicitare il carattere oggettivo e quello soggettivo delle scelte compiute in fase di valutazione, con il coinvolgimento di più soggetti aventi ruoli diversi: il lavoratore, il responsabile del Servizio di Prevenzione, l'esperto. Va letta come uno spunto di ricerca, non come una procedura da applicare domani mattina.

Lo spostamento concettuale di fondo consiste nel sostituire la variabile P — la probabilità, con tutto il carico predittivo e l'ambiguità soggettiva che si è discusso — con una funzione le cui variabili siano rappresentative sia di dati oggettivi raccolti (consapevoli, peraltro, che si tratterà sempre di un sottoinsieme di quelli effettivamente rilevabili, e per giunta frutto di un'acquisizione che risente della logica di indagine adottata) sia di dati ottenuti come espressione di varie soggettività. La funzione di rischio assume così la forma generale

R = f(S, O, F, D)

in cui ciascun membro è a sua volta funzione di più variabili, e in cui tutti i blocchi rappresentano elaborazioni dei dati basate su inferenza fuzzy.

4.2 L'architettura a quattro blocchi e le tredici variabili

I quattro blocchi della funzione si articolano come segue:

S = f(Plf, Psf, Pef) O = f(Ii, Imp, Imi, Ide) F = f(S, O) R = f(F, D) con D = f(Pld, Psd, Ped)

dove i simboli hanno il significato seguente:

  • R — indice di rischio (l'unica variabile di uscita);
  • S — indice soggettivo di frequenza attesa;
  • O — indice oggettivo di frequenza attesa;
  • F — indice di frequenza attesa, sintesi dei due precedenti;
  • D — indice di danno atteso;
  • Plf — percezione del lavoratore sulla frequenza attesa;
  • Psf — percezione del R-ASePP sulla frequenza attesa;
  • Pef — percezione dell'esperto sulla frequenza attesa;
  • Ii — indice infortuni;
  • Imp — indice malattie professionali;
  • Imi — indice mancati infortuni;
  • Ide — indice di durata dell'esposizione;
  • Pld — percezione del lavoratore sul danno atteso;
  • Psd — percezione del R-ASePP sul danno atteso;
  • Ped — percezione dell'esperto sul danno atteso.

La logica dell'architettura si legge bene per blocchi. La frequenza attesa — che prende il posto della vecchia probabilità — non è più un numero solo, ma il risultato della composizione di due indici di natura opposta. L'indice oggettivo O è alimentato da dati documentati: infortuni accaduti, malattie professionali, e — qui sta uno degli elementi più fertili — i mancati infortuni, gli eventi cioè che avrebbero potuto produrre danno e non l'hanno prodotto, una miniera informativa che la prassi corrente quasi sempre ignora. A questi si aggiunge la durata dell'esposizione, che pondera la frequenza in funzione del tempo di permanenza nella condizione di rischio. L'indice soggettivo S raccoglie invece, e mette a confronto, tre percezioni distinte della stessa frequenza: quella di chi il rischio lo vive (il lavoratore), quella di chi presidia il sistema dall'interno (il R-ASePP), quella di chi porta competenza specialistica dall'esterno (l'esperto). Il blocco F li sintetizza. Il blocco D ricostruisce, con la stessa logica di pluralità delle voci, la stima del danno atteso.

4.3 Variabili linguistiche, numeriche, e il processo di inferenza

Un passaggio essenziale quanto delicato consiste nella scelta degli insiemi fuzzy che rappresentano le variabili di ingresso e di uscita; un adeguato studio dovrebbe sovrintendere a tale scelta, da verificare ed eventualmente correggere in corso di applicazione dell'algoritmo. Nello schema proposto, le variabili che rappresentano le percezioni potrebbero essere di tipo linguistico (per la percezione del lavoratore sulla frequenza, valori come bassa, media, alta, molto alta, ciascuno con il proprio insieme fuzzy), mentre quelle che rappresentano gli indici oggettivi potrebbero essere di tipo numerico, da sottoporre a fuzzyficazione prima di entrare nell'inferenza. La variabile di uscita, l'indice di rischio, potrebbe a sua volta essere espressa in forma linguistica, e — non secondario — resterebbe comunque confrontabile con l'indice stimato con altri metodi, a cominciare dalla matrice classica.

Due questioni preliminari restano aperte e vanno nominate senza reticenze. La prima è la definizione operativa degli indici oggettivi, con particolare riferimento alle malattie professionali, ai mancati infortuni e alla durata dell'esposizione: grandezze tutt'altro che banali da misurare in modo standardizzato. La seconda è la definizione delle variabili linguistiche e dei relativi insiemi fuzzy: scelta che, fatta male, vanifica il modello, e che richiede competenza specifica e validazione empirica.

4.4 Il vero guadagno: il recupero delle soggettività plurali

Il senso ultimo di questa costruzione non è tecnico ma organizzativo, e lega questo articolo al precedente. Nel primo contributo si erano distinti tre idealtipi di Servizio di Prevenzione — omeostatico, morfogenetico, di regolazione socio-culturale — e si era riconosciuto nel terzo il modello concettualmente più vicino allo spirito della direttiva europea: la valutazione dei rischi non come tecnica peritale calata dall'esterno *sull'*organizzazione, ma come processo collettivo costruito con l'organizzazione.

Il modello fuzzy qui delineato è, in questo senso, l'implementazione formale di quell'idealtipo. Le tre percezioni che alimentano sia il blocco S sia il blocco D — lavoratore, R-ASePP, esperto — non sono un orpello partecipativo ma il cuore del dispositivo: rendono la valutazione un luogo di confronto strutturato tra prospettive, anziché un atto solitario del valutatore. Dove la matrice classica nasconde una soggettività e la spaccia per misura, il modello fuzzy ne dichiara tre, le tiene distinte, e le fa dialogare attraverso le regole di inferenza. La divergenza tra le percezioni, lungi dall'essere un errore da appianare, diventa un'informazione di per sé: segnala i punti del sistema dove la comprensione del rischio non è condivisa, e dunque dove la prevenzione è più fragile.


5. Implicazioni, limiti, prospettive

5.1 Che cosa guadagna la valutazione nei sistemi a legame debole

Tradotti nel contesto che ci interessa, i vantaggi del modello sono coerenti con la diagnosi del primo articolo. La gradualità delle variabili linguistiche cattura i rischi a bassa magnitudo senza schiacciarli sul valore minimo della scala. Le regole di inferenza permettono di rappresentare le sinergie tra fattori copresenti, che la matrice additiva non vede. La pluralità delle voci recupera quella conoscenza contestuale diffusa — di docenti, tecnici di laboratorio, personale — che nessuna valutazione esterna riesce a raccogliere e che, nei sistemi a legame debole, è spesso l'unica fonte attendibile sul funzionamento reale.

5.2 I limiti, detti con franchezza

Sarebbe disonesto presentare questo modello come maturo. Non lo è, e conviene elencarne i limiti con la stessa nettezza con cui se ne sono indicati i pregi.

Il primo è interno all'architettura: l'interconnessione fra le diverse variabili potrebbe risultare critica o poco giustificabile. Lo schema a quattro blocchi è plausibile sul piano concettuale, ma la giustificazione formale dei legami tra i blocchi — perché proprio queste variabili, perché composte in questo modo — resta da costruire. Il secondo è il già richiamato problema della scelta degli insiemi fuzzy, che è insieme la potenza e il tallone d'Achille del metodo. Il terzo, più insidioso, è il rischio della pseudo-precisione: un sistema fuzzy ben confezionato produce numeri dall'aria autorevole, e c'è il pericolo concreto di sostituire alla falsa oggettività della matrice una falsa oggettività più sofisticata e perciò più difficile da smascherare. Il quarto, infine, è il più semplice e il più serio: il modello non è stato validato sul campo. Senza una sperimentazione che ne confronti gli esiti con quelli di altri metodi su casi reali, ogni affermazione sulla sua superiorità è una congettura.

5.3 Una via sperimentale: i moduli paralleli

Da questi limiti discende, più che una conclusione, una proposta di metodo. Lo strumento informatico di gestione della valutazione — il Documento di Valutazione dei Rischi concepito non come file statico ma come applicazione dinamica — si presta bene all'implementazione di moduli paralleli di supporto alla valutazione: accanto ai criteri tradizionali basati sulla matrice quattro per quattro, se ne possono sperimentare altri, con l'obiettivo di valutarne a posteriori le migliori rispondenze.[1] È, a ben vedere, la traduzione operativa del pensiero laterale: non sostituire d'imperio la strada nota, ma percorrere in parallelo più strade e lasciare che sia la pratica, sui dati, ad arbitrare. Un'infrastruttura del genere consentirebbe, fra l'altro, di accumulare nel tempo le coppie di stime (classica e fuzzy) sui medesimi rischi, costruendo finalmente quella base empirica oggi mancante.

5.4 Verso l'intensità e la diversità

C'è una direzione che questa funzione di rischio, per quanto raffinata, non copre. Tanto la matrice classica quanto il modello fuzzy qui proposto misurano l'intensità di ciascun rischio, uno per uno. Nessuno dei due dice nulla sulla diversità del profilo di rischio complessivo di un'organizzazione: se i venti rischi di una scuola siano venti varianti dello stesso pericolo o venti pericoli di natura diversa, e quale delle due configurazioni sia più insidiosa. Per misurare la diversità — e non più solo l'intensità — servono strumenti di natura affatto differente, mutuati dalla teoria dell'informazione e dall'ecologia. Saranno l'oggetto del prossimo contributo.


6. Conclusioni

Si è argomentato che la funzione di rischio canonica R = P × D, organizzata nella diffusa matrice quattro per quattro, è una scorciatoia: difendibile come linguaggio condiviso, ma gravata da tre riduzionismi — il collasso predittivo della probabilità, l'assunzione di indipendenza tra i rischi, la discretizzazione brutale delle scale — che diventano fuorvianti nei sistemi a legame debole, dove i rischi rilevanti sono cumulativi, sinergici e a bassa magnitudo. Si è proposta, come ipotesi di lavoro e non come modello finito, una funzione di rischio fuzzy R = f(S, O, F, D) che sostituisce alla probabilità un indice di frequenza attesa composito, integrando una componente oggettiva costruita su dati documentati — infortuni, malattie professionali, mancati infortuni, durata dell'esposizione — e una componente soggettiva che recupera e mette a confronto la percezione del lavoratore, del responsabile del Servizio di Prevenzione e dell'esperto.

Il guadagno maggiore di questa impostazione non è la precisione del numero finale — che anzi va guardata con sospetto — ma la trasformazione della valutazione in un luogo di confronto plurale, coerente con l'idealtipo di regolazione socio-culturale discusso nel primo articolo. Dove la matrice nasconde una soggettività, il modello fuzzy ne dichiara tre e le fa dialogare. I limiti restano seri, e su tutti pesa l'assenza di una validazione empirica; la via per superarli non è teorica ma sperimentale, e passa per l'affiancamento del modello classico e del modello fuzzy in moduli paralleli, su dati reali, lasciando che sia la pratica ad arbitrare.

Resta aperta una domanda che questo articolo ha solo sfiorato e che il prossimo affronterà di petto: come misurare non l'intensità del singolo rischio, ma la diversità dell'intero profilo di rischio di un'organizzazione. È qui che la teoria dell'informazione, e in particolare l'entropia di Shannon, entrano in scena.


Bibliografia

Bruscagli, A. (2014). Tecniche della prevenzione nell'ambiente e nei luoghi di lavoro: un modello relazionale per la valutazione dei rischi. Tesi di laurea, Università degli Studi di Firenze.

De Bono, E. (2000). Il pensiero laterale. Milano: BUR.

Decreto Legislativo 9 aprile 2008, n. 81. Attuazione dell'articolo 1 della legge 3 agosto 2007, n. 123, in materia di tutela della salute e della sicurezza nei luoghi di lavoro. Gazzetta Ufficiale della Repubblica Italiana, n. 101 del 30-04-2008.

Kosko, B. (1995). Il fuzzy-pensiero: Teoria e applicazioni della logica fuzzy. Milano: Baldini & Castoldi.

Regioni Emilia-Romagna, Toscana e Lombardia (2008). MoVaRisCh — Modello di valutazione del rischio chimico. Coordinamento Tecnico per la Sicurezza nei luoghi di lavoro delle Regioni e delle Province autonome.

Weick, K. E. (1976). Educational Organizations as Loosely Coupled Systems. Administrative Science Quarterly, 21(1), 1-19.

Zadeh, L. A. (1965). Fuzzy Sets. Information and Control, 8(3), 338-353.



  1. La possibilità di affiancare alla matrice classica modelli di stima alternativi, sperimentati in parallelo e confrontati a posteriori sui medesimi dati, è una delle linee architetturali del progetto DDVR — Documento Dinamico della Valutazione dei Rischi, attualmente in sviluppo. ↩︎