La Cooperazione Internazionale tra i Ricercatori in Europa

 

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.