Il DESI Index calcola il valore dello Human Capital tra il 2016 ed il 2021. Lo Human Capital è calcolato come una funzione costituita dalla somma di due macro-variabili ovvero Internet User Skills e Advanced Skills and Development.
Ranking delle nazioni europee
per valore del capitale umano nel 2021. La Finlandia è al primo
posto per valore del capitale umano in Europa con un valore di 17,78 unità,
seguito dalla Svezia con un valore pari a 16,14 e dall’Olanda con un valore di
15,39 unità. A metà classifica vi sono Francia con un valore pari a 11,84
unità, seguita dalla Repubblica Ceca con un valore pari a 11,79 unità e dalla
Croazia con un valore pari a 11,68 unità. Chiudono la classifica l’Italia con
un valore pari a 8,78 unità, seguita dalla Romania con un valore pari a 8,26
unità e dalla Bulgaria pari ad un valore di 8,18 unità.
Ranking delle nazioni
europee per valore del capitale umano nel passaggio tra il 2016 ed il 2021.
La Polonia è al primo posto per valore della variazione percentuale del
capitale umano tra il 2016 ed il 2021 con un valore pari a 19,940% pari ad un
ammontare di 1,567 unità, seguita dalla Grecia con un valore pari a 18,675%
pari ad un ammontare di 1,615 unità e dall’Irlanda con un valore pari a 18,452%
pari ad un ammontare di 2,1 unità. A metà classifica vi sono la Croazia con un
valore pari a 10,219% pari ad un ammontare di 1,083 unità, seguita dalla
Slovenia con un valore pari a 8,862% pari ad un ammontare di 0,973 unità, e
dalla Finlandia con un valore pari a 8,509% pari ad un ammontare di 1,394 unità.
Chiudono la classifica la Bulgaria con un valore pari a -0,618% pari ad un
ammontare di -0,051 unità, seguita dalla Lettonia con un valore di -2,932% pari
ad un ammontare di -0,310 unità e da Malta con un valore pari a -3,401% pari ad
un ammontare di -0,432 unità.
Clusterizzazione con
algoritmo k-Means ottimizzato con il coefficiente di Silhouette.
Di seguito viene presentata una clusterizzazione con algoritmo k-Means ottimizzato
con coefficiente di Silhouette. L’analisi mostra la presenza dei seguenti
clusters ovvero:
- ·
Cluster 1: Cipro, Ungheria, Grecia,
Polonia, Portogallo, Italia, Slovacchia, Lettonia, Lituania, Bulgaria, Romania,
repubblica Ceca, Croazia, Francia, Slovenia, Spagna.
- ·
Cluster 2: Paesi Bassi, Germania, Estonia,
Svezia, Danimarca, Austria, Lussemburgo, Finlandia, Malta, Belgio, Irlanda.
Calcolando il valore
della mediana del cluster 1 e del cluster 2 risulta che il valore del capitale
umano nel cluster 2-C2 ha un valore mediano pari a 14,04 unità, mentre il
valore corrispondente del cluster 1-C1 ovvero pari ad un ammontare di 10,60. Ne
deriva pertanto che C2=14,04>C1=10,60. Occorre considerare che dal punto di
vista geografico appare evidente una contrapposizione tra le regioni del Nord-Europa,
soprattutto scandinava, con valori elevati di human capital, e le restanti
regioni d’Europa che hanno invece dei valori assai inferiori di human capital.
La tradizionale distinzione tra Nord Europa e Centro-Sud Europa caratterizza
non solo la distribuzione dei redditi quanto anche la qualità del capitale
umano. E non è da escludere che vi sia una diretta relazione tra questi due
elementi.
Network
Analysis con distanza di Manhattan.
Di seguito viene realizzata una network analysis attraverso l’utilizzo della
distanza di Manhattan. Sono state individuate due strutture a network complesse
e tre strutture a network semplificate. Esiste una struttura complessa tra Francia,
Spagna Croazia e Slovenia. In modo particolare:
- ·
La Francia ha
un link con la Spagna per un valore pari a 0,087 unità, con la Slovenia per un
valore pari a 0,045 unità e con la Croazia per un valore pari a 0,21 unità;
- ·
La Croazia ha
una connessione con la Francia per un valore pari a 0,21 unità, ed un link con
la Slovenia avente un valore pari a 0,19 unità;
- ·
La Slovenia ha
una connessione con la Spagna per un valore pari a 0,097 unità, con la Croazia
per un valore pari a 0,19, e con la Francia per un valore pari a 0,045 unità.
- ·
La Spagna ha
una connessione con la Slovenia pari ad un ammontare di 0,097 unità e con la
Francia pari ad un ammontare di 0,87 unità.
Inoltre viene rilevata una
ulteriore struttura complessa tra Germania, Austria, Lussemburgo, ed Estonia.
Di seguito vengono individuati i seguenti legami tra i paesi ovvero:
- ·
Il Lussemburgo
ha una connessione con la Germania avente un valore pari a 0,25 unità, e con l’Estonia
avente un valore pari a 0,27 unità;
- ·
L’Estonia ha
una connessione con il Lussemburgo con un valore pari a 0,27 unità e con la
Germania con un valore pari a 0,13 unità;
- · La Germania ha una connessione con il Lussemburgo per un valore pari ad un ammontare di 0,25 unità, con l’Estonia per un valore pari a 0,13 unità e con l’Austria per un valore pari a 0,23 unità.
- ·
La Slovacchia
ha una connessione con la Lituania per un valore pari a 0,2 unità;
- ·
L’Ungheria ha
una connessione con Cipro per un valore pari a 0,22 unità;
- ·
L’Italia ha una
connessione con la Polonia per un valore pari a 0,24 unità.
Machine Learning and Predictions. Di seguito viene realizzata una predizione con
algoritmi di machine learning. Gli algoritmi sono addestrati con l’80% dei dati
disponibili. Gli algoritmi sono ottimizzati in base alla loro capacità di
massimizzare l’R2 e di minimizzare gli errori statistici ovvero MSE, RMSE e
MAE. Di seguito l’ordinamento degli algoritmi ovvero:
- ·
Linear
Regression con un valore del payoff pari a 4;
- ·
SGD con un
valore del payoff pari a 8;
- ·
Gradient
Boosting con un valore del payoff pari a 12;
- ·
AdaBoost e Random
Forest con un valore del payoff pari a 18;
- ·
Tree e kNN con
un valore del payoff pari a 26;
- ·
SVM con un
valore del payoff pari a 32;
- ·
Costant con un
valore del payoff pari a 36;
- ·
Neural Network
con un valore del payoff pari a 40.
L’algoritmo
best performer ovvero l’algoritmo Linear Regression predice una riduzione
marginale del valore dello human capital nel futuro pari ad un valore di -0,05%.
Nello specifico vi sono dei paesi per i quali l’algoritmo prevede una
significativa riduzione del valore del capitale umano e tali paesi sono:
- ·
Romania con una
variazione percentuale pari a -3,10% equivalente ad un ammontare di -0,25
unità;
- ·
Grecia con una
variazione percentuale pari a -3,05% equivalente ad un ammontare di -0,31
unità;
- ·
Finlandia con
una variazione percentuale equivalente ad un ammontare di -2,96% pari ad un
ammontare di -0,52 unità.
Tuttavia,
vi sono anche dei paesi per i quali l’algoritmo predice una significativa
crescita del valore del capitale umano e tali paesi sono:
- ·
Francia con una
variazione pari ad un ammontare di 2,23% equivalente ad un ammontare di 0,26
unità;
- ·
Italia con una
variazione pari ad un ammontare di 2,3% pari ad un valore di 0,20 unità;
- ·
Lettonia con
una variazione percentuale pari a 3,2% pari ad un valore di 0,33 unità.
Conclusioni. Il valore del capitale umano è cresciuto nel
periodo tra il 2016 ed il 2021 nei paesi del DESI index di un ammontare pari a
circa l’8,8%. Occorre considerare che tuttavia il capitale umano che viene considerato
in questo caso fa riferimento soprattutto alla dimensione delle conoscenze digitali.
L’indicatore, infatti, non considera la formazione del capitale umano in
materie non scientifiche, umanistiche o artistiche. Tuttavia, vi sono delle
significative divergenze tra il Nord Europa ed il resto dell’Europa nel senso
del capitale umano con competenze digitali. In questo senso è necessario
intervenire con delle politiche economiche che possono essere in grado di
promozionare le competenze tecnologiche e digitali presso la popolazione dei paesi
dell’Europa Meridionale e dell’Europa Orientale. In questo senso occorre
considerare che lo sviluppo del capitale umano è necessario per sviluppare l’economia
della conoscenza e l’economia dell’innovazione tecnologica nel contesto della
competizione tra Cina e USA. Una delle modalità che possono essere utilizzate
per promozionare lo sviluppo delle competenze digitali consiste nella creazione
di programmi di formazione alla digitalizzazione per le aziende, per i disoccupati, e per i neo-diplomati
e neo-laureati. Infatti l’utilizzo della digitalizzazione e l’acquisizione
delle relative competenze tecnologiche deve essere inteso come un insieme di capacità
che accompagnano lo sviluppo del lavoratore e dell’azienda.
Commenti
Posta un commento