É
aumentato in media del 3,43% tra il 2014 ed il 2021
L’Eurostat calcola il
valore del lifelong learning come percentuale della popolazione avente una età
compresa tra i 25 ed i 64 anni che è impegnata in attività, sia formali che
informali, di educazione e training. Occorre considerare che questo valore
viene ad essere acquisito dall’Eurostat per il tramite di appositi questionari[1].
Ranking dei paesi per
valore del lifelong learning nel 2021. La Svizzera, la
Finlandia e la Svezia sono al primo posto per valore del lifelong learning nel
2021 con un ammontare pari a 306,67 unità. A metà classifica vi sono il
Portogallo, al quattordicesimo posto, con un valore del lifelong learning pari
a 106,67, seguito dal Belgio e dalla Germania a parimerito al quindicesimo posto
con un valore pari a 81,11 e dalla Repubblica Ceca e dall’Italia, entrambe al sedicesimo
posto, con un valore pari a 80,00. Chiudono la classifica il Montenegro con un
valore pari a 17,78, la Bulgaria con un valore pari a 12,22 e la Romania con un
ammontare pari a 4,44 unità.
Ranking dei paesi per
variazione percentuale del valore del lifelong learning tra il 2014 ed il 2021.
L’Estonia
è al primo posto per valore della variazione percentuale del lifelong learning con
un ammontare pari a 62,18% pari ad un valore di 82,22 unità, seguita dall’Irlanda
con un valore pari a 44,44% equivalente ad un valore di 40,00 unità, e dalla
Bulgaria con una crescita pari a 37,50% equivalente ad una variazione di 3,33 unità.
A metà classifica vi sono l’Austria con un variazione percentuale del valore
del lifelong learning pari a 3,76% equivalente ad un ammontare di 5,56 unità. Seguito
dalla Lettonia con un ammontare pari a 3,17% pari ad un valore del 2,22 unità.
Seguono un insieme di paesi che tra il 2014 ed il 2021 non hanno modificato il
valore del lifelong learning ovvero hanno vissuto delle variazioni dell’indice
pari a 0,00 ossia: Svizzera, Portogallo, Svezia, Turchia. Chiudono la
classifica per variazione percentuale del lifelong learning alcuni paesi che
tra il 2014 ed il 2021 hanno ridotto l’ammontare di tale variabile ovvero l’Ungheria
che ha fatto segnare un -20,97% pari ad un ammontare di -14,44 unità, Cipro che
ha fatto rilevare un valore pari a -26,47% equivalente ad un -20,00 unità e la
Macedonia del Nord con un ammontare pari a -40,63% ovvero pari ad un valore di
-14,44 unità. Mediamente, tra il 2014 ed il 2021, per i paesi considerati il
valore del lifelong learning è cresciuto di un valore percentuale pari a 3,43 e
di un valore assoluto di 2,44 unità.
Clusterization.
Per verificare la presenza di aree eterogenee per valore della variabile
osservata sono stati realizzati dei clusters mediante l’utilizzo dell’algoritmo
k-Means ottimizzato sulla base del coefficiente Silhouette. L’analisi ha
evidenziato l’esistenza di sei diversi clusters ovvero:
·
Cluster 1: Lituania,
Polonia, Serbia, Turchia;
·
Cluster 2: Austria,
Estonia, Francia, Lussemburgo, Olanda, Norvegia, Regno Unito;
·
Cluster 3:
Belgio, Cipro, Germania, Ungheria, Italia, Lettonia;
·
Cluster 4: Grecia,
Croazia, Montenegro, Nord Macedonia, Romania, Slovacchia;
·
Cluster 5: Svizzera,
Danimarca, Finlandia, Islanda, Svezia;
·
Cluster 6: Repubblica
Ceca, Spagna, Irlanda, Malta, Portogallo, Slovenia.
L’analisi mostra il
dominio dei paesi del Cluster 5-C5 con un valore del lifelong learning in
termini di mediana pari a 307, seguiti dai paesi del Cluster 2-C2 con un
ammontare pari a 204, e dai paesi del Cluster 6-C6 con un valore mediano pari a
111. Infine, seguono i paesi del Cluster 3-C3 con un ammontare pari a 76, i paesi
del Cluster 1-C1 con un valore mediano dell’indice pari a 48 ed i paesi del
Cluster 4-C4 con un valore pari a 21. L’ordinamento dei clusters è quindi:
C5>C2>C6>C3>C1>C4.
Inoltre, possiamo
verificare che esiste comunque una notevole distanza in termini di mediana del
valore osservato per i vari clusters. I paesi del Cluster 2 hanno un valore del
lifelong learning del 33,33% inferiore al valore del Cluster 5, i paesi del Cluster
6 pari a -63,77%, i paesi del Cluster 3 pari a -75,18%, i paesi del Cluster 1
pari a -84,22%, i paesi del Cluster 4 pari a -93,12%. Tale divergenza mostra
evidentemente la presenza di un’ampia disuguaglianza tra i paesi europei in
termini di lifelong learning con un dominio molto marcato dei paesi del Nord
Europa contrapposti ai paesi dell’Europa del Sud-Est.
Machine learning e predizioni. Attraverso
l’utilizzo degli algoritmi di machine learning, mediante l’applicazione della
serie storica 2014-2021, è stata realizzata la predizione relativa all’andamento
della variabile osservata. Gli algoritmi utilizzati sono: Artificial Neural
Network-ANN Multilayer, Probabilistic Neural Network-PNN, Simple Regression
Tree, Gradient Boosted Trees, Random Forest, Tree Ensemble, Linear Regression,
Polynomial Regression. Gli algoritmi sono stati valutati in termini della loro
capacità di massimizzare l’R-quadro e di minimizzare le seguenti misure di
errore statistico ovvero: Mean Absolute Error, Mean Squared Error, Root Mean Squared
Error, Mean Signed Difference. E’ stato quindi ricavato il seguente ordinamento
di algoritmi di machine learning applicati alla predizione del valore del lifelong
learning ovvero:
- 1.
Polynomial Regression con
un payoff pari a 7;
- 2.
Simple Regression Tree
con un payoff pari a 12;
- 3.
ANN-Artificial Neural Network con
Multilayer con un payoff pari a 13;
- 4.
Linear Regression
con un payoff pari a 21;
- 5.
PNN-Probabilistic Neural Network
con un valore pari a 24;
- 6.
Tree Ensemble
con un payoff pari a 28;
- 7.
Gradient
Boosted Trees con un payoff
pari a 36;
- 8.
Random Forest
con un payoff pari a 39.
In seguito alla scelta
dell’algoritmo maggiormente performante sono state analizzate le predizioni
considerando che ogni training dell’algoritmo è stato realizzato sul 70% dei
dati disponibili. L’algoritmo predice pertanto le seguenti variazioni del
lifelong learning per i seguenti paesi:
- ·
Lussemburgo:
riduzione percentuale pari a -10,36 equivalente a -20,95 unità;
- ·
Austria:
aumento percentuale di 3,10% pari a 4,76 unità;
- ·
Regno Unito:
una riduzione percentuale pari a -5,13 equivalente ad un valore di -7,93;
- ·
Slovenia:
una variazione percentuale pari a -1,61 e pari ad una variazione unitaria di
-1,84;
- ·
Spagna:
una variazione percentuale pari a -5,89 equivalente a -6,35 unità;
- ·
Belgio:
una variazione percentuale pari a +3,76% equivalente a +3,05 unità;
- ·
Germania:
una variazione percentuale pari a +2,42% equivalente a +1,96%;
- ·
Repubblica Ceca:
una variazione percentuale pari a -5,84% equivalente ad un valore di -4,67
unità;
- ·
Montenegro:
una variazione percentuale pari a 34,94% pari ad un valore di 6,21 unità;
- ·
Bulgaria:
una variazione percentuale pari a -25,46% equivalente ad un valore di -3,11
unità;
- ·
Romania:
una variazione percentuale pari a -251,97% pari ad una variazione assoluta di
-11,20.
Il valore della variabile
osservata per gli altri paesi rimane immutata. In media l’algoritmo predice una
riduzione del valore del lifelong learning per i paesi europei pari a -1,15
unità in valore assoluto e pari a -7,49%.
Conclusioni.
In sintesi possiamo notare che il valore del lifelong learning tende ad essere
distribuito in modo sostanzialmente diseguale tra i vari paesi europei.
Soprattutto i paesi dell’Europa meridionale-orientale hanno dei valori molto
bassi di lifelong learning. Occorre considerare che il valore del lifelong learning
nella società della conoscenza è essenziale non solo per l’impatto in termini
di crescita economica quanto anche per il processo democratico. Infatti, nelle
democrazie occidentale, i cittadini vengono chiamati ad esprimere le loro opinioni
e a votare su un insieme di temi per i quali viene richiesto un certo grado di
conoscenza. Ne deriva pertanto che i paesi che hanno bassi livelli di lifelong
learning potrebbero sperimentare anche delle distorsioni della democrazia per
impossibilità della popolazione di partecipare in modo informato al dibattito
ed alle scelte pubbliche. Se i policy makers europei hanno intenzione di aumentare
il tasso di crescita economica e rendere, soprattutto i paesi dell’Est Europa,
maggiormente sensibili e fiduciosi dinanzi al metodo democratico per le scelte
pubbliche, allora è assolutamente necessario che promozionino una crescita
degli investimenti nel lifelong learning per la popolazione.
