I progetti di ricerca in questa area mirano ad unire big data, machine learning, strumenti econometrici e sistemi di supporto alle decisioni per la costruzione di indicatori compositi per le scienze sociali.

Gli indicatori compositi sono riconosciuti come utili strumenti di policy e trovano applicazione in molti ambiti, tra i quali la misurazione dell’incertezza economica e finanziaria, la competitività, l’innovazione, il ranking di istituzioni in termini di qualità del lavoro, politiche e inclusione, misurazione del benessere, della qualità dell’ambiente e altre.

Gli indicatori compositi entrano in gioco quando vogliamo misurare un fenomeno sulla base di alcune caratteristiche rilevanti o classificare ed ordinare un insieme di alternative sulla base di una molteplicità di criteri.

In questa prospettiva sono di interesse temi quali:

• L’uso di dataset ad alta dimensionalità; BIG DATA
• Tecniche di machine learning per l’identificazione di un sottogruppo di caratteristiche rilevanti e per previsione (PCA, support vector machines, regressione RIDGE, regressione LASSO, Elastic net, e altri algoritmi di apprendimento supervisionato e non: Bagging, Boosting, Random Forest).
• Metodi di decisione multicriteriali
• Indicatori compositi secondo la procedura sviluppata dall’ Organizzazione per la cooperazione e lo sviluppo economico (OECD, 2008),
• Fuzzy rule based classification systems
• TOPSIS (Technique for Order Preference by Similarities to the Ideal Solution)
• POSET (partially ordered set)
• Metodi basati su eXplainable Artificial Intelligence

Referente

Prof. Silvia Muzzioli

Gruppo di lavoro

Prof. Silvia Muzzioli (Metodi matematici dell’Economia), Prof. Bernard De Baets (Esperto in Machine Learning e indici compositi), Prof. Alberto Fernandez (Esperto di Big data), Prof. Mario Forni (Esperto in Econometria), Prof. Tindara Addabbo (Economia del lavoro e valutazione delle politiche pubbliche), Prof. Massimo Baldini (Valutazione delle politiche pubbliche e misurazione ineguaglianze di reddito e povertà), Dott. Giovanni Campisi (RTDA presso Università Politecnica delle Marche), Dott. Luca Gambarelli (Post-doc Metodi matematici dell’Economia), Dott. Filippo Damiani (Post-doc Economia del lavoro), Dott. Filippo Ferrarini (Post-doc Organizzazione e gestione delle risorse umane).