Presenta elevati livelli
di eterogeneità in Europa con una dominanza della Svizzera e dei paesi
scandinavi
L’European Innovation
Scoreboard calcola il valore dell’International Scientific co-Publications che
è definito come il numero di pubblicazioni scientifiche con almeno 1 coautore
estero. Tale valore viene considerato come un’approssimazione della qualità
della ricerca scientifica.
Ranking delle nazioni
europee per valore delle International Scientific Co-Publication.
Nel 2021 la Svizzera e l’Islanda sono al primo posto per valore delle
pubblicazioni scientifiche internazionali con un ammontare pari a 277,22,
seguita dalla Danimarca con un ammontare pari a 239,21 e dalla Norvegia con un
ammontare pari a 235,96. A metà classifica vi sono Malta con un ammontare pari
a 128,35 unità, seguita dalla Repubblica Ceca con un ammontare di 123,61 unità
e dalla Germania con un valore pari a 120,88 unità.
Variazione percentuale
del valore delle co-pubblicazioni scientifiche internazionali nel periodo tra
il 2014 ed il 2021. La Turchia è al primo posto per
variazione percentuale del valore delle co-pubblicazioni scientifiche
internazionali con un ammontare pari a 385,39, seguita dalla Lettonia con un
ammontare pari a 144,34 e dalla Macedonia del Nord con un ammontare pari a
115,95. A metà classifica vi sono l’Italia con una variazione di 41,18%,
seguita dalla Bulgaria con un ammontare pari a 41,14% e dalla Norvegia con un
ammontare pari a 37,67%. Chiudono la classifica la Germania con un ammontare
pari a 18,36%, seguita dalla Svizzera con un ammontare pari a 17,99% e dalla
Francia con un ammontare pari a 16,52%. Ovviamente occorre considerare che i
paesi per i quali il valore della variabile è significativamente elevato hanno
un tasso di crescita della variabile analizzata ridotta rispetto ai paesi per i
quali il valore di tale variabile risultava essere sostanzialmente ridotto.
Clusterization.
Di seguito viene ad essere realizzata una clusterizzazione con modello:
•
Cluster 1:
Slovacchia, Bosnia Erzegovina, Croazia, Lituania, Ungheria;
•
Cluster 2:
Olanda, Finlandia;
•
Cluster 3:
Ucraina, Turchia;
•
Cluster 4:
Irlanda, Regno Unito, Slovenia, Belgio, Austria, Cipro;
•
Cluster 5:
Islanda, Svizzera;
•
Cluster 6:
Romania, Macedonia del Nord, Bulgaria;
•
Cluster 7:
Spagna, Repubblica Ceca, Francia, Malta, Italia, Grecia, Germania;
•
Cluster 8:
Montenegro, Lettonia, Serbia, Polonia;
•
Cluster 9:
Svezia, Danimarca, Lussemburgo, Norvegia;
•
Cluster 10:
Portogallo, Estonia, Israele.
È possibile creare un
ordinamento dei vari clusters sulla base dei valori delle mediane in questo
senso risulta che il primo cluster è il Cluster 5 con un valore della mediana
pari ad un ammontare di 277,20, seguito dal Cluster 9 con un ammontare pari a 231,40,
e dal Cluster 2 con un ammontare pari a 207,25. Chiudono la classifica il
Cluster 8 con un ammontare pari a 84,41, seguito dal Cluster 6 con un ammontar
pari a 47,40 e dal Cluster 3 con un valore pari a 19,65. Complessivamente
pertanto viene ad essere determinato un ordinamento dei clusters per come
indicato di seguito: C5>C9>C2>C4>C10>C7>C1>C8>C6>C3.
Machine Learning e Predictions. Per
realizzare una attività di predizione sui dati sono stati impiegati sette
diversi algoritmi di machine learning. Gli algoritmi di machine learning sono
stati addestrati con il 70% dei dati disponibili, mentre il restante 30% è
stato utilizzato per la predizione vera e propria. Gli algoritmi sono stati
scelti attraverso la capacità di massimizzare l’R-quadro e di minimizzare il
valore delle seguenti tipologie di errori ovvero: “Mean Absolute Error”,
“Mean Squared Error”, “Root Mean Squared Error”, “Mean Signed
Difference”. I risultati mostrano il seguente ordinamento degli algoritmi
ovvero:
1.
Gradient Boosted Trees e Random Forest
Regression con un valore del payoff pari a 8;
2.
Polynomial Regression con un valore del
payoff pari a 18;
3.
Linear Regression con un valore del payoff
pari a 21;
4.
ANN-Artificial Neural Network e Simple
Regression Tree con un valore del payoff pari a 27;
5.
PNN- Probabilistic Neural Network con un
valore del payoff pari a 29
In modo particolare la
predizione realizzata attraverso l’utilizzo del Gradient Boosted Trees indica
una riduzione del valore della variabile osservata per un ammontare pari a
circa il -6,8% equivalente ad un ammontare medio per paese pari a -0,57%.
Conclusioni.
In sintesi è possibile affermare che il valore delle pubblicazioni
internazionali viene considerata come un’approssimazione del grado di
internazionalizzazione del sistema della ricerca di un certo paese. Ovviamente
i paesi dell’Europa Scandinava e la Svizzera hanno dei valori molto elevati di
tale variabile mentre i paesi dell’Europa meridionale e dell’Europa dell’Est
manifestano dei valori sostanzialmente ridotti. Tuttavia occorre considerare
che tale variabile potrebbe essere oggetto di specifiche politiche economiche e
politiche universitarie per esempio chiedendo ai docenti universitari ed ai
ricercatori, nell’ambito del processo di valutazione qualitativa della ricerca,
di sviluppare delle relazioni internazionali per poter proseguire nel percorso
di carriera. Tali vincoli in realtà potrebbero anche operare come degli
incentivi nel miglioramento dei sistemi di ricerca con dei positivi effetti in
termini di spillover anche sull’università in senso ampio e quindi anche sulla
didattica. Dai dati appare evidente comunque, come indicato nella
clusterizzazione, una grande eterogeneità dei valori nell’interno del contesto
europeo. A tal proposito il legislatore europeo, pure nel riconoscimento di
quelle che sono le inevitabili differenze tra i vari sistemi di ricerca e
universitari nazionali e regionali, dovrebbe proporre una qualche forma di
uniformizzazione per fare in modo che venga ad essere creata una convergenza
verso l’alto, ovvero una convergenza delle regioni dell’Europa meridionale e
orientale verso i valori dell’Europa settentrionale. Un ruolo molto rilevante
può essere svolto in questo senso dalla creazione di corsi di laurea graduate e
postgraduate in lingua inglese per facilitare il contatto e le relazioni tra
università ed istituti di ricerca appartenenti a paesi diversi. Nel contesto
dell’economia della conoscenza che costituisce la determinante essenziale della
fenomenologia tecnologica dell’industria 4.0 è necessario incrementare
l’investimento nella formazione, nella ricerca e nell’internazionalizzazione
delle istituzioni di ricerca ed universitarie per poter generare degli effetti
positivi sia diretti che in termini di esternalità positiva per il capitale
umano. I beni immateriali ed intangibili associati all’economia della
conoscenza richiedono un grado di capitale umano molto elevato che soltanto dei
sistemi universitari e della ricerca evoluti ed integrati ad livello internazionale
possono efficacemente produrre.
Commenti
Posta un commento