Angelo Leogrande: La Tertiary Education in Europa

I paesi europei mostrano un andamento divergente in termini di formazione professionale e vocazionale di alto grado

L’European Innovation Scoreboard-EIS classifica i paesi per valore della tertiary education. L’indicatore misura il numero di persone per 100 abitanti nella fascia di età 25-64 anni che hanno un titolo di studio del tipo “Tertiary Education”[1].

Ranking dei paesi per valore della tertiary education nel 2021. Cipro è al primo posto in Europa per valore della popolazione avente un titolo di studio del tipo tertiary education con un ammontare pari a 274,38, seguito dal Lussemburgo con un ammontare pari a 266,94 e dall’Irlanda con un valore pari a 261,16. A metà classifica vi sono la Polonia con un valore pari a 162,81, l’Estonia con un valore pari a 157,02 e la Grecia con un valore pari a 153,72. Chiudono la classifica l’Ungheria con un ammontare pari a 56,20, l’Italia con un valore pari a 32,23 e la Romania con un valore pari a 14,05.

Ranking dei paesi per variazione percentuale del valore della popolazione con tertiary education tra il 2014 ed il 2021. L’Italia è al primo posto per valore della crescita della popolazione con tertiary education tra il 2014 ed il 2021 con una crescita pari all’875% equivalente ad un valore di 29,93 unità, la Serbia è al secondo posto con un ammontare pari a 190,91% pari ad un valore di 52,07 unità, la Macedonia del Nord è al terzo posto con un valore pari a 179,07% pari ad un valore di 63,64 unità. A metà classifica vi è l’Olanda con un valore della crescita della tertiary education pari ad un ammontare di 23,41% equivalente ad un valore di 39,67 unità, seguita dall’Austria con un ammontare pari a 21,92% equivalente ad un ammontare di 26,45 unità e dal Lussemburgo con una variazione del valore percentuale della tertiary education pari ad un valore di 21,89% equivalente a 47,93 unità. Chiudono la classifica la Danimarca che tra il 2014 ed il 2021 ha visto crescere il valore della popolazione con tertiary education di un ammontare percentuale pari a 3,27 equivalente a 5,79 unità, seguita dall’Irlanda con un valore pari a 2,27% equivalente a 5,79 unità e dall’Ungheria, che è l’unico paese europeo che ha ridotto l’ammontare della popolazione avente tertiary education di un ammontare pari a 18,07% ovvero pari ad un valore di 12,4 unità. Tuttavia, mediamente, nel periodo considerato, ovvero tra il 2014 ed il 2021, il valore della tertiary education è cresciuto nei paesi europei di un ammontare percentuale pari a 64,41% equivalente ad un valore di 30,97 unità in senso assoluto.

Clusterization. Per la clusterizzazione dei paesi europei nel periodo 2014-2021 è stato utilizzato l’algoritmo k-Means con il coefficiente Silhouette. Sono stati individuati cinque clusters così composti:

· Cluster 1: Grecia, Lettonia, Finlandia, Estonia, Austria, Slovenia, Spagna, Islanda, Polonia;

· Cluster 2: Irlanda, Lituania, Cipro, Lussemburgo;

· Cluster 3: Italia, Romania, Turchia;

· Cluster 4: Bulgaria, Croazia, Portogallo, Repubblica Ceca, Montenegro, Malta, Slovenia, Macedonia del Nord, Ungheria, Germania, Serbia;

· Cluster 5: Regno Unito, Israele, Belgio, Svezia, Olanda, Svizzera, Danimarca, Francia, Norvegia.

È possibile quindi mettere in risalto le enormi differenze esistenti tra i vari clusters in termini di valore mediano dell’indicatore rappresentativo della tertiary education. Al primo posto vi è il cluster 2 con un valore mediano della tertiary education pari a 264,05, seguito dal cluster 5 con un valore pari a 200,82, dal cluster 1 con un valore pari a 162,81, dal cluster 4 con un ammontare pari a 96,69 e dal cluster 3 con un valore pari a 32,23. Ne deriva pertanto che esiste una enorme differenza in termini di tertiary education tra i vari clusters: per esempio i paesi partecipanti del cluster 3 hanno un valore della variabile osservata pari a -87,79% del valore di C1, mentre il medesimo divario è pari a -63,38% per C4 rispetto a C2, -38,34% per C1 rispetto a C2 e pari a -23,95 per C5 rispetto a C2. L’ordinamento dei clusters in base al valore mediano della variabile osservata è pertanto C2>C5>C1>C4>C3.

Machine learning e predizione. Per predire l’andamento futuro delle variabile osservata ovvero il numero di persone ogni 100 abitanti che hanno un titolo di studio del tipo tertiary education nella popolazione 25-64 anni sono stati confrontati 8 algoritmi ovvero: Polynomial Regression, Simple Regression Tree, Linear Regression, Artificial Neural Network-MLP, Gradient Boosted Trees, Probabilistic Neural Networks-PNN, Tree Ensemble, Random Forest. Gli algoritmi sono stati confronti in termini della loro capacità di minimizzare il Mean Absolute Error, Mean Squared Error, Root Mean Squared Erro, Mean Signed Difference. Per ciascuno di criteri è stato realizzato un ranking e successivamente i ranking sono stati sommati ottenendo un payoff finale ordinato in modo crescente. Occorre considerare che gli algoritmi sono stati addestrati con un valore del training pari al 70% dei dati. Il risultato offerto dal Polynomial Regression predice la variazione dell’indicatore nei seguenti paesi:

· Irlanda: è predetta una variazione percentuale pari a -2,14 equivalente in senso assoluto ad un valore pari a -5,58 unità;
· Lussemburgo: è predetta una variazione percentuale pari a -16,54 pari ad un valore in senso assoluto di -44,15;
· Svizzera: è predetta una variazione percentuale pari a -6,75 equivalente ad una variazione in senso assoluto pari a -14,29 unità;
· Danimarca: è predetta una crescita in valore percentuale pari a 0,40 equivalente ad un aumento di 0,73 unità;
· Francia: è predetta una riduzione del valore percentuale pari a -10,32 ed una riduzione in senso assoluto pari a -20,72;
· Austria: è predetta una riduzione in valore percentuale pari a -11,24% ed una riduzione in senso assoluto pari a -16,54 unità;
· Bulgaria: è predetta una crescita in valore percentuale pari a 0,70 equivalente a 0,52 unità;
· Repubblica Ceca: è predetta una riduzione del valore di -5,07% pari ad un valore di -3,69 unità;
· Croazia: è predetta una riduzione del valore percentuale pari a -37,35% pari ad una riduzione di -36,12 unità;
· Turchia: è predetta una riduzione del valore percentuale pari a -58,11% pari ad una riduzione in senso assoluto di -49,46 unità;
· Italia: è predetta una riduzione del valore percentuale pari a -44,71% pari ad una variazione assoluta di -14,41 unità.

Complessivamente l’algoritmo Polynomial Regression predice una riduzione del valore della variabile osservata per i paesi considerati di un valore percentuale pari a -5,31 equivalente ad un valore di 5,66 unità.

Conclusioni. In sintesi possiamo osservare che esiste una grande disparità tra i paesi europei per valore del numero di persone con titoli di studio del tipo tertiary education nella popolazione 25-64 anni ogni 100 abitanti. I paesi virtuosi sono Irlanda, Lituania, Cipro e Lussemburgo. Tuttavia, questi paesi risultano leader del settore anche per un insieme combinato di fattori demografici ovvero una popolazione sostanzialmente ridotta ed una età media tendenzialmente bassa. Tali fattori certamente aiutano i paesi del Cluster 2 ad essere leader per valore della Tertiary Education. Tuttavia, tali considerazioni non valgono per i paesi del Cluster 5 che hanno comunque un grado elevato di Tertiary Education come, per esempio, Regno Unito e Francia. L’eterogeneità tra i paesi europei richiede l’intervento del policy maker europeo per verificare la possibilità di aumentare il numero di persone impegnate nella tertiary education soprattutto per i paesi del cluster 3 e del cluster 4. Le politiche economiche europee dell’istruzione devono quindi essere molto ampie, e nella considerazione dell’orientamento dell’economia globale nei confronti delle professioni knowledge based, dovrebbe essere tale da finanziare i programmi di formazione di alto grado, ovvero di tertiary education, soprattutto nell’Europa meridionale e orientale.