La Lettura di Libri e Quotidiani nelle Regioni Italiane

 

Tra il 2005 ed il 2020 è diminuita in media del 9,20% nelle regioni italiane

L’Istat-BES calcola il valore della variabile identificata come “Lettura di libri e quotidiani”. Si tratta di una variabile che calcola la percentuale di persone di 6 anni e più che hanno letto almeno quattro libri l’anno (libri cartacei, e-book, libri on line, audiolibri) per motivi non strettamente scolastici o professionali e/o hanno letto quotidiani (cartacei e/o on line) almeno tre volte a settimana sul totale delle persone di 6 anni e più.

Ranking delle regioni italiane per valore della lettura di libri e quotidiani. Il Trentino-Alto Adige è al primo posto per valore della lettura di libri e quotidiani con un valore pari a 58,10, seguiti da Friuli-Venezia Giulia con un valore pari a 53,10 e dall’Emilia Romagna con un valore pari a 50,20 unità. A metà classifica vi sono la Sardegna con un valore pari a 45,30 unità, seguita dal Piemonte con un valore pari a43,90 e dalla Toscana con un ammontare pari a 42,90. Chiudono la classifica la Basilicata con un valore pari a 24,80 unità, seguita dalla Campania con un ammontare di 22,00 unità e dalla Calabria con un ammontare di 21,20. Complessivamente il valore medio della lettura dei quotidiani italiani è pari ad un ammontare di 39,16 unità.

Ranking delle regioni italiane per valore della variazione percentuale della lettura di libri e quotidiani tra il 2005 ed il 2020. La Puglia è al primo posto per valore della variazione percentuale della lettura di libri e quotidiani con un valore pari a 7,20% ovvero pari ad un ammontare di 1,80 unità, seguita dall’Abruzzo con un ammontare di 2,59% pari ad un ammontare di 0,90 unità e dal Molise con un ammontare di 2,12% pari ad un ammontare di 0,60 unità. A metà classifica vi sono il Piemonte con un ammontare di -8,73% pari ad un ammontare di -4,20 unità, seguita dalla Campania con un ammontare di -10,20% pari ad un ammontare di -2,50 unità e dal Trentino-Alto Adige con un ammontare di -10,48% pari ad un ammontare di -6,80 unità. Chiudono la classifica le Marche con un ammontare di -17,22% pari ad un valore di -7,20 unità, seguita dalla Toscana con un ammontare di -19,36% pari ad un ammontare di -10,30 unità e dalla Calabria con un ammontare di -26,64% pari ad un ammontare di -7,70 unità. In media il valore della variazione percentuale della lettura di libri e quotidiani è diminuito per le regioni italiane tra il 2005 ed il 2020 di un ammontare pari ad un valore pari a -9,20% pari ad un ammontare di -4,46 unità.

Macro-Regioni Italiane. Di seguito viene analizzato l’andamento della variabile lettura di libri e quotidiani nelle macro-regioni italiane. In generale possiamo notare che guardando le serie storiche è possibile verificare che c’è un periodo nel quale la lettura di libri e quotidiani cresce nelle macro-regioni, ovvero tra il 2005 ed il 2010, ed un secondo periodo nel quale la lettura dei libri e dei quotidiani è diminuito significativamente.  Nel Nord Italia il valore massimo della lettura dei libri e dei quotidiani è stato raggiunto nel 2007 con un valore pari a 53,5. Successivamente tra il 2007 ed il 2020, ovvero nei 13 anni successivi, il valore dell’andamento della lettura dei libri e dei quotidiani è diminuito di un ammontare pari a -5,9 unità ovvero pari ad un ammontare di -11,02%. Nel Centro Italia il valore massimo della lettura dei libri e dei quotidiani è stato raggiunto nel 2005 con un ammontare pari a 49. Tuttavia, tra il 2005 ed il 2020 il valore della lettura dei libri e dei quotidiani nel Centro Italia è passato da un ammontare di 49 unità fino ad un valore di 40,6 unità ovvero una variazione pari ad un ammontare di -8,4 unità pari ad un valore di -17,14%. Nel Mezzogiorno il valore massimo della lettura dei libri e dei quotidiani è stato raggiunto nel 2009 con un ammontare pari ad un valore di 31,8 unità. Tra il 2009 ed il 2020 il valore della lettura dei libri e dei giornali nel Mezzogiorno è diminuito da un ammontare di 31,8 unità fino ad un valore di 27 unità ovvero pari ad un ammontare di -4,8 unità pari ad un valore di -15,09%.  Complessivamente in Italia il valore della lettura dei libri e dei quotidiani ha raggiunto il massimo nel 2010 con un ammontare pari a 44,4 unità. Tra il 2010 ed il 2020 il valore della lettura dei libri e dei quotidiani è diminuito da un ammontare di 44,4 unità fino ad un valore di 39,2 unità ovvero una variazione pari ad un ammontare di -5,2 unità pari ad un valore di -11,71%.

Clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Di seguito viene ad essere realizzata una clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Vengono così individuate due diverse tipologie di clusters ovvero:

• ·         Cluster 1: Emilia-Romagna, Lombardia, Liguria, Sardegna, Valle d’Aosta, Toscana, Veneto, Friuli-Venezia Giulia, Piemonte, Trentino-Alto Adige, Lazio, Marche;
• ·         Cluster 2: Sicilia, Puglia, Basilicata, Calabria, Campania, Molise, Abruzzo.

Calcolando il valore mediano di ciascun cluster risulta evidente che il valore della lettura di libri e quotidiani nel cluster 1-C1 è stato pari ad un ammontare di 46,2 unità, mentre il valore mediano della lettura dei libri e dei quotidiani nel Cluster 2-C2 è pari ad un ammontare di 26,8 unità. Ne deriva pertanto il seguente ordinamento di clusters ovvero: C1=46,2>C2=26,8. Dal punto di vista geografico appare evidente la contrapposizione tra il Centro-Nord Italia che ha valori elevati di lettura di libri e quotidiani e le regioni del Sud Italia che hanno dei valori ridotti di lettura di libri e quotidiani.

Network Analysis attraverso l’utilizzo della distanza di Manhattan. Attraverso l’utilizzo della network analysis ottimizzata con la distanza di Manhattan è possibile verificare la presenza di strutture a network complesse. Nello specifico esiste una struttura a network complessa costituita da Toscana, Lombardia, Emilia-Romagna, e Liguria. In modo particolare:

• ·         La Toscana è connessa alla Lombardia con un valore pari a 0,39;
• ·         La Lombardia è connessa alla Toscana con un valore pari a 0,39 e all’Emilia Romagna con un valore pari a 0,51 unità;
• ·         L’Emilia-Romagna ha una connessione con la Lombardia per un valore pari a 0,51 unità e con la Liguria pari ad un ammontare di 0,48 unità;
• ·         La Liguria ha una connessione con l’Emilia-Romagna pari ad un ammontare di 0,48 unità.

Inoltre, viene rilevata la presenza di una relazione complessa tra la Sicilia, la Basilicata, la Calabria, e la Puglia. In modo particolare:

• ·         La Sicilia ha una connessione con la Puglia per un valore pari a 0,43 unità, con la Calabria per un ammontare paria 0,5 unità e con la Basilicata per un ammontare pari 0,44 unità;
• ·         La Puglia ha una connessione con la Sicilia per un ammontare pari a 0,43 unità e con la Basilicata per un ammontare pari a 0,53 unità;
• ·         La Basilicata è connessa con la Sicilia per un ammontare di 0,44 unità e con la Puglia per un ammontare di 0,53 unità;
• ·         La Calabria ha una connessione con la Sicilia per un ammontare di 0,5 unità.

Dall’analisi risulta che la regione maggiormente connessa è la Sicilia. Inoltre, è possibile verificare che le due strutture a network complesse rilevate tendono a riverberare le composizioni a cluster rilevate attraverso l’utilizzo dell’algoritmo k-Means ottimizzato con il coefficiente di Silhouette.

Machine Learning e Predizioni. Di seguito viene realizzato un confronto tra dieci algoritmi di machine learning per la predizione del valore della lettura di libri e quotidiani. I dati sono stati addestrati con l’80% dei dati disponibili. Gli algoritmi sono stati confrontati in base alla capacità di minimizzare gli errori statistici e di massimizzare l’R-squared. Viene così ad essere determinato il seguente ordinamento degli algoritmi ovvero:

• ·         SGD con un valore del payoff pari a 4;
• ·         Gradient Boosting con un valore del payoff pari a 8;
• ·         AdaBoost con un valore del payoff pari a 12;
• ·         kNN con un valore del payoff pari a 17;
• ·         Random Forest con un valore del payoff pari a 19;
• ·         Tree con un valore del payoff pari a 24;
• ·         Linear Regression con un valore del payoff pari a 28;
• ·         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.

Pertanto attraverso l’utilizzo dell’algoritmo best performer che l’SGD è possibile predire l’andamento della lettura dei libri e dei quotidiani per le regioni italiane. L’algoritmo SGD predice una crescita della lettura dei libri e dei quotidiani per le seguenti regioni ovvero:

• ·         Calabria con una variazione da un ammontare di 21,20 unità fino ad un valore di 25,81 unità ovvero pari ad un ammontare di 4,61 unità pari ad un ammontare di 21,75%;
• ·         Marche con una variazione da un ammontare di 34,60 unità fino ad un valore di 38,58 unità ovvero pari ad un valore di 3,98 unità pari ad un ammontare di 11,50%;
• ·         Campania con una variazione da un ammontare di 22,00 unità fino ad un valore di 23,52 unità ovvero pari ad un ammontare di 1,52 unità pari ad un valore di 6,91%;
• ·         Toscana con una variazione da un ammontare di 42,90 unità fino ad un valore di 45,85 unità ovvero pari ad un ammontare di 2,95 unità pari ad un valore di 6,88%;
• ·         Sardegna con una variazione da un ammontare di 45,30 unità fino ad un valore di 48,06 unità ovvero pari ad un ammontare di 2,76 unità pari ad un valore di 6,09%;
• ·         Valle D’Aosta con una variazione da un ammontare di 48,40 unità fino ad un valore di 49,93 unità ovvero pari ad un ammontare di 1,53 unità pari ad un ammontare di 3,16%.

Inoltre attraverso l’utilizzo dell’algoritmo SGD è possibile predire un andamento negativo per le seguenti regioni ovvero:

• ·         Piemonte con una variazione negativa da un ammontare di 43,90 unità fino ad un valore di 43,46 unità ovvero pari ad un ammontare di -0,44 unità pari ad un valore di -1,00%;
• ·         Lazio con una variazione negativa da un ammontar di 41,00 unità fino ad un valore di 40,58 unità ovvero pari ad un valore di -0,42 unità pari ad un ammontare di -1,02%;
• ·         Liguria con una variazione negativa da un ammontare di 48,60 unità fino ad un valore di 48,10 unità ovvero pari ad un ammontare di -0,50 unità pari ad un valore di -1,03%;
• ·         Friuli-Venezia Giulia con una variazione negativa da un ammontare di 53,10 unità fino ad un valore di 52,48 unità ovvero pari ad un valore di -0,62 unità pari ad un valore di -1,17%;
• ·         Lombardia con una variazione da un ammontare di 46,70 unità fino ad un valore di 45,76 unità ovvero pari ad un valore di -0,94 unità ovvero pari ad un valore di -2,01%;
• ·         Molise con una variazione da un ammontare di 28,90 unità fino ad un valore di 28,18 unità pari ad una variazione di -0,72 unità pari ad un valore di -2,49%;
• ·         Basilicata con una variazione da un ammontare di 24,80 unità fino ad un valore di 24,18 unità ovvero pari ad una variazione di -0,62 unità pari ad un ammontare di -2,50%;
• ·         Umbria con una variazione da un ammontare di 37,90 unità fino ad un valore di 36,90 unità pari ad una variazione di -1,00 unità pari ad un ammontare di -2,64%;
• ·         Trentino-Alto Adige con una variazione da un ammontar da 58,10 unità fino ad un valore di 56,44 unità ovvero pari ad un ammontare di -1,66 unità ovvero pari ad una variazione di -2,86%;
• ·         Veneto con una variazione da un ammontare di 46,20 unità fino ad un valore di 44,70 unità pari ad un ammontare di -1,50 unità pari ad un valore di -3,25%;
• ·         Puglia con una variazione da un ammontare di 26,80 unità fino ad un valore di 25,52 unità ovvero pari ad un valore di -1,28 unità pari ad un valore di -4,78%;
• ·         Emilia-Romagna con una variazione da un ammontare di 50,20 unità fino ad un valore di 47,02 unità ovvero pari ad un ammontare di -3,18 unità pari ad un ammontare di -6,33%;
• ·         Sicilia con una variazione da un ammontare di 26,80 unità fino ad un valore di 24,38 unità ovvero pari ad un ammontare di -2,42 unità pari ad un valore di -9,03%;
• ·         Abruzzo con una variazione da un ammontare di 35,70 unità fino ad un valore di 32,39 unità ovvero pari ad un valore di -3,31 unità ovvero pari ad un valore di -9,27%.

Complessivamente il valore medio della predizione per le regioni italiane è predetto in diminuzione di un ammontare pari -0,06 unità equivalente ad un valore di -0,16% passando da un ammontare di 39,16 unità fino ad un valore di 39,09 unità.

Conclusioni. Il valore della lettura di libri e quotidiani è significativamente diminuito tra il 2005 ed il 2020 in tutte le regioni italiane. Tale riduzione è certamente da associare alla crisi economica del 2007. La crisi economica ha generato anche una crisi di tipo culturale che ha colpito gli italiani in tutte le macro-regioni. Tuttavia occorre considerare che in ogni caso vi sono delle significative differenze tra Sud Italia e Centro-Nord Italia. L’andamento della variabile lettura di libri e quotidiani mostra quindi evidentemente la presenza di una relazione positiva con il Prodotto interno lordo. Ovviamente in caso di crisi economica è probabile che le persone abbiano meno risorse da dedicare alla lettura dei libri e dei quotidiani. Da tale relazione è possibile anche individuare un trend di mercato per il settore editoriale. Ne deriva in ogni caso una situazione paradossale: infatti nell’economia della conoscenza le competenze di lettura e comprensione dei testi sono molto rilevanti soprattutto nell’ambito del problem solving applicato alla complessità. Tuttavia proprio durante una crisi quando vi sono maggiori necessità di produzione le persone hanno meno incentivi ad incrementare la lettura di libri e quotidiani perdendo capacità cognitiva e quindi quelle skills cognitive che sono molto rilevanti anche per l’esercizio delle attività lavorative e professionali nelle organizzazioni pubbliche e private. Occorre quindi creare degli incentivi per la lettura soprattutto nelle fasi avverse del ciclo economico.

Le Competenze Softweristiche di Base nei Paesi DESI

 

Tra il 2016 ed il 2021 sono cresciute dell’1,45%

Il DESI Index calcola il valore delle competenze softweristiche di base. Si tratta di una variabile che considera alcune abilità come per esempio l’elaborazione Word, l’utilizzo delle funzioni avanzate del foglio di calcolo, con possibilità di realizzare una presentazione o un documento di testo, con immagini e tabelle o grafici, che sia scritto in un linguaggio di programmazione.

Ranking dei paesi europei per valore delle competenze softweristiche di base nei paesi DESI nel 2021.  I Paesi Bassi sono al primo posto per valore delle competenze softweristiche di base con un valore pari a 20,02, seguiti dalla Finlandia con un valore pari a 19,26 unità, e dalla Svezia con un valore pari a 18,38 unità. A metà classifica si trovano la Slovenia con un valore pari a 14,66 unità, seguita dalla Lituania con un valore pari a 14,51 unità e da Malta con un ammontare di 14,38 unità. Chiudono la classifica la Lettonia con un ammontare di 10,97 unità, seguita dalla Romania con un valore pari a 8,77 unità e dalla Bulgaria con un ammontare pari a 7,72 unità.

Ranking dei paesi DESI per valore della variazione percentuale delle competenze softweristiche di base tra il 2016 ed il 2021. La Romania è al primo posto per valore della variazione percentuale del valore delle competenze softweristiche di base tra il 2016 ed il 2021 con un valore pari a 22,44% pari ad un ammontare di 1,61 unità, seguita dall’Irlanda con un ammontare di 16,69% pari ad un ammontare di 1,69 unità, seguita dalla Grecia con un ammontare pari a 10,54% pari ad un ammontare di 1,33 unità. A metà classifica vi sono la Croazia con un ammontare di 2,61% pari ad un ammontare di 0,36 unità, seguita dalla Spagna con ammontare pari a ad un valore di 2,41% pari ad un valore di 0,35 unità, e dalla Finlandia con un valore di 1,94% pari ad un ammontare di 0,37 unità. A fine classifica vi sono la Bulgaria con un ammontare di -7,14% pari ad un ammontare di -0,59 unità, seguita dalla Danimarca con un ammontare di -12,24% pari ad un ammontare di -2,45 unità e dalla Lettonia con un ammontare di -13,73% pari ad un ammontare di -1,75 unità.

Clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Di seguito viene ad essere rappresentata una clusterizzazione attraverso l’utilizzo dell’algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Il risultato mostra la presenza dei seguenti clusters ovvero:

• ·         Cluster 1: Malta, Slovenia, Croazia, Spagna, Cipro, Irlanda, Lettonia, Slovacchia, Francia, Italia, Polonia, Repubblica Ceca, Estonia, Belgio;
• ·         Cluster 2: Finlandia, Svezia, Paesi Bassi, Danimarca, Germania, Austria, Lussemburgo;
• ·         Cluster 3: Bulgaria, Romania.

Dal punto di vista strettamente metrico risulta che il valore della mediana del Cluster 2-C2 è uguale a 17,93 unità, il valore della mediana del cluster 1-C1 è pari ad un ammontare di 13,99 unità ed il valore della mediana del cluster 3-C3 è uguale a 8,24 unità. Ne deriva la presenza del seguente ordinamento dei clusters ovvero: C2=17,93>C1=13,99>C3=8,24. Dal punto di vista della geografia economica risulta che la Scandinavia ed il Nord Europa hanno un valore elevato rispetto al valore dell’Europa Centrale e dell’Europa Orientale.

Network Analysis con la Distanza di Manhattan. Di seguito viene applicata la network analysis con la distanza di Manhattan per verificare se vi sono delle strutture che determinano delle relazioni tra i vari paesi del DESI index. Esiste una relazione complessa tra i seguenti paesi ovvero: Spagna, Slovenia, Croazia, Lituania, Malta, Portogallo, Grecia. In modo particolare:

•        Malta ha una connessione con il Portogallo per un valore pari a 0,29 unità, e con la Lituania per un valore pari a 0,17 unità;
• ·         Il Portogallo ha una connessione con Malta per un ammontare pari a 0,29 unità, con la Grecia per un valore pari a 0,29 unità e con la Lituania per un valore pari a 0,3 unità;
• ·         La Grecia ha una connessione con il Portogallo per un valore pari a 0,29 unità;
• ·         La Lituania ha una connessione il Portogallo per un ammontare pari a 0,3 unità, con Malta per un valore pari a 0,17 unità, con la Croazia per un ammontare pari a 0,29 unità, con la Spagna per un ammontare pari ad un valore di 0,29 unità e con la Slovenia per un valore di 0,18 unità;
• ·         La Spagna ha una connessione con la Lituania per un valore pari a 0,29 unità, con la Croazia per un valore pari a 0,3, e con la Slovenia per un valore di 0,23 unità;
• ·         La Croazia ha una connessione con la Lituania per un valore pari a 0,29 unità, con la Spagna per un valore pari a 0,3 unità, e con la Slovenia per un valore pari a 0,18 unità;
• ·         La Slovenia ha una connessione con la Lituania per un valore pari a 0,18 unità, con la Spagna per un valore pari a 0,23 unità e con la Croazia per un valore pari a 0,18 unità.

Esistono inoltre delle struttura a network semplificate ovvero costituite da due soli nodi ovvero:

• ·         Austria e Germania hanno una connessione per un valore pari a 0,22;
• ·         Belgio e Estonia hanno una connessione per un valore pari a 0,28 unità.

L’analisi mostra che il paese maggiormente connesso è la Lituania.

Conclusioni. L’analisi mostra che le competenze softweristiche di base sono cresciute in media nel periodo tra il 2016 ed il 2021 di un ammontare pari a 1,45% ovvero pari ad un ammontare di 0,21 unità. Inoltre, nel 2021 in media il valore delle competenze softweristiche di base è stato pari ad un ammontare di 14,51 unità.  Per quanto sia certamente apprezzabile il fatto che le competenze softweristiche di base siano cresciute nel periodo tra il 2016 ed il 2021 è pure vero che tale valore dal punto di vista assoluto risulta essere ancora ridotte. Infatti, l’utilizzo di Word, di Excel, il saper fare delle presentazioni o scrivere dei documenti complessi dovrebbero essere molto più diffuse presso la popolazione europea. La diffusione di tali competenze informatiche è necessaria per fare in modo che l’economia europea sia orientata nei confronti dell’economia della conoscenza e dell’economia dell’innovazione tecnologica. Ne deriva che lo sviluppo delle competenze softweristiche di base presso la popolazione europea deve essere perseguita attraverso l’utilizzo delle politiche economiche in grado di aumentare le capacità softweristiche di base.

 

 

Le Competenze Digitali di Medio e Alto Livello nei Paesi DESI

 

Sono cresciute del 15,04% tra il 2016 ed il 2021

Il DESI Index calcola il valore delle persone che hanno delle competenze digitali superiori al livello base nei seguenti settori ovvero: informazione, comunicazione, risoluzione dei problemi e software per la creazione dei contenuti.

Ranking dei paesi per valore delle persone che hanno delle competenze digitali superiore al livello base nei paesi DESI. La Finlandia è al primo posto per valore della presenza delle persone che hanno delle competenze digitali di base con un valore pari a 18,97 unità, seguita dai Paesi Bassi con un valore pari a 18,77 unità e dalla Danimarca con un valore pari a 18,38 unità. A metà classifica vi sono l’Irlanda con un valore pari a 12,93 unità, seguita dalla Lituania con un valore pari a 12,23 unità e dal Portogallo con un valore pari a 12,16 unità. Chiudono la classifica la Polonia con un valore pari a 8,06 unità, seguita dalla Bulgaria per un valore pari a 4,28 unità e dalla Romania con un valore pari a 3,91 unità. In media nel 2021 il valore delle persone con competenze digitali superiori a quelle basilari è stato pari ad un valore di 12,14.

Ranking dei paesi DESI per variazione percentuale del valore delle persone che hanno competenze digitali superiori al livello base nel periodo 2016 ed il 2021. Cipro è al primo posto per valore della variazione della percentuale delle persone che hanno competenze digitali superiori a quelle base con un ammontare pari a 64,31% pari ad un ammontare di 3,74 unità, seguita dalla Grecia con un valore di 44,81% pari ad un ammontare di 2,73 unità, e dalla Polonia con un valore pari a 41,32% pari ad un ammontare di 2,36 unità. A metà classifica vi sono la Francia con un valore pari a 15,16% pari ad un ammontare di 1,54 unità, seguita dal Portogallo con un valore di 15,14% pari ad un ammontare di 1,6 unità e dalla Romania con un valore pari a 15,14% pari ad un ammontare di 0,51 unità. Chiudono la classifica l’Estonia con un valore pari a -1,10% pari ad un ammontare di -0,16 unità, seguita dalla Lettonia con un ammontare di -4,26% pari ad un ammontare di -0,41 unità e dalla Bulgaria con un valore pari a -11,46% pari ad un ammontare di -0,55 unità.

Clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Di seguito viene presentata una clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. L’analisi mostra la presenza di quattro clusters costituiti come indicato di seguito:

• ·         Cluster 1: Lussemburgo, Croazia, Spagna, Belgio, Lituania, Portogallo, Austria, Estonia, Germania, Malta, Slovacchia, Francia, Slovenia, Irlanda;
• ·         Cluster 2: Grecia, Italy, Polonia, Repubblica Ceca, Cipro, Ungheria, Lettonia;
• ·         Cluster 3: Paesi Bassi, Finlandia, Danimarca, Svezia;
• ·         Cluster 4: Romania, Bulgaria.

Ne deriva che dal punto di vista delle metriche risulta che il valore mediano del Cluster 3-C3 è pari ad un ammontare di 18,576, mentre il valore mediano del Cluster 1-C1 è pari ad un ammontare di 13,16 unità, il Cluster 2-C2 è pari ad un ammontare di 9,26 unità, mentre il valore del Cluster 4-C4 è pari ad un ammontare di 4,09 unità. L’ordinamento dei cluster è indicato di seguito: C3>C1>C2>C4. Dal punto di vista strettamente geografico è evidente la presenza di una dominanza dei paesi Scandinavi ed in generale del Nord Europa, rispetto ai paesi dell’Europa Mediterranea e dell’Europa Meridionale.

Network analysis con utilizzo della distanza di Mahnattan. Di seguito viene presentata una analisi attraverso l’applicazione della network analysis con l’utilizzo della distanza di Manhattan. L’analisi mostra la presenza di tre strutture a network complesse. Esiste una struttura a network complessa tra Francia, Slovenia, Portogallo, Lituania, Belgio, Spagna, Lussemburgo, Croazia. In modo particolare:

• ·         La Francia ha una connessione con la Slovenia con un valore pari a 0,11 unità, e con il Portogallo per un valore pari a 0,2 unità;
• ·         La Slovenia ha una connessione con la Francia per un valore pari a 0,11 unità e con il Portogallo per un valore pari a 0,22 unità;
• ·         Il Portogallo ha una connessione con la Francia per un valore pari a 0,2 unità, con la Slovenia per un valore pari a 0,22 unità, e con la Lituania per un valore pari a 0,23 unità;
• ·         La Lituania ha una connessione con il Portogallo per un valore pari a 0,23 unità, e con il Belgio per un valore pari a 0,25 unità;
• ·         Il Belgio ha una connessione con la Lituania per un valore pari a 0,25 unità e con la Spagna per un valore pari ad un ammontare di 0,18 unità;
• ·         La Spagna ha una connessione con il Belgio per un valore pari a 0,18 unità e con il Lussemburgo per un valore pari a 0,2 unità;
• ·         Il Lussemburgo ha una connessione con la Spagna per un valore pari a 0,2 unità e con la Croazia per un valore pari a 0,16 unità.

Dall’analisi risulta che il paese maggiormente connesso è il Portogallo.

Esiste una struttura a network complessa costituita da Italia, Grecia e Polonia. In modo particolare:

• ·         L’Italia ha una connessione con la Grecia per un valore pari a 0,28 unità;
• ·         La Grecia ha una connessione con l’Italia per un valore pari a 0,28 e con la Polonia per un valore pari a 0,17 unità;
• ·         La Polonia ha una connessione con la Grecia pari ad un ammontare di 0,17 unità.
• Esiste una struttura a network complessa tra Austria, Germania e Malta. In modo particolare:

• ·         L’Austria ha una connessione con la Germania per un valore pari a 0,22 unità;
• ·         La Germania ha una connessione con l’Austria per un valore pari a 0,22 unità e con Malta per un valore pari a 0,24 unità;
• ·         Malta ha una connessione con la Germania per un valore pari a 0,24 unità.

Conclusione. Il valore della persone aventi competenze digitali superiori a quelle di base è cresciuto in media per i paesi DESI di un ammontare pari a 15,54% tra il 2016 ed il 2021. Tuttavia, risultano comunque delle significative differenze tra i paesi del Nord Europa ed i paesi del Sud e dell’Est Europa. La struttura a network conferma la presenza di effettivi legami nello sviluppo della variabile soprattutto per i paesi del cluster 1. La presenza di persone con competenze digitali medio-alte è essenziale non soltanto nel contesto dell’attività produttiva quanto anche nel settore del consumo. Infatti nel sistema economico attuale gli individui sono prosumers ovvero producono e consumano prodotti digitali. La crescita delle competenze digitali di medio-alto livello può quindi migliorare significativamente sia la capacità delle imprese di produrre che anche la possibilità delle imprese di proporre ai consumatori dei prodotti più evoluti contando su un grado più elevato di innovativeness del mercato dal lato della domanda.

 

La Partecipazione ad Eventi Culturali nelle Regioni Italiane

 

E’ diminuita in media dell’8,86% tra il 2005 ed il 2020

L’Istat BES Calcola il valore della “Partecipazione Culturale Fuori Casa”. Si tratta di una variabile che considera la percentuale di persone con più di sei anni che hanno praticato due o più attività culturali nel 12 mesi precedenti l’intervista sul totale delle persone di sei anni e più. Per attività culturali si considerano: teatro, musei e/o mostre, siti archeologici, monumenti, concerti di musica classifica, opera, concerti di altra musica.

Ranking delle regioni italiane per valore della partecipazione culturale fuori casa.  Il Trentino-Alto Adige è al primo posto per valore della partecipazione culturale fuori casa nel 2020 pari ad un ammontare di 39,60 unità, seguito dal Friuli-Venezia Giulia con un ammontare di 37,40 unità, e dal Lazio con un valore di 37,20 unità. A metà classifica vi sono il Veneto con un valore pari a 33,00 unità, seguita dalla Liguria con un ammontare di 32,90 unità, e dall’Umbria con un valore di 28,60 unità. Chiudono la classifica il Molise pari ad un ammontare di 22,50 unità, seguita dalla Sicilia con un valore di 22,00 unità, e dalla Calabria con un ammontare di 15,90 unità. In media il valore della partecipazione culturale fuori casa è stato pari ad un ammontare di 29,83 unità nel 2020.

Ranking delle regioni italiane per valore della variazione percentuale della partecipazione culturale fuori casa nel periodo tra il 2005 ed il 2020. La Liguria è al primo posto per valore della variazione percentuale della partecipazione culturale fuori casa tra il 2005 ed il 2020 con un ammontare pari a16,67% pari ad un ammontare di 4,70 unità, la Valle d’Aosta è al secondo posto per un valore di 5,30% pari ad un ammontare di 1,70 unità, e la Toscana con un ammontare di 0,29% pari ad un ammontare di 0,10 unità. A metà classifica vi sono il Molise con un ammontare di -7,79% pari ad un ammontare di -1,90 unità, seguito dal Trentino-Alto Adige con un ammontare di -10,20% pari ad un ammontare di -4,50 unità, e dalla Basilicata con un ammontare di -10,33% pari ad un ammontare di -2,80 unità. Chiudono la classifica l’Abruzzo con un ammontare di -15,98% pari ad un ammontare di -5,40 unità, seguita dalle Marche con un valore di -24.23% pari ad un ammontare di -8,60 unità e dalla Calabria con un valore di -36,65% pari ad un ammontare di -9,20 unità. Complessivamente nel periodo tra il 2005 ed il 2020 il valore complessivo pari ad un ammontare di -8,86% pari ad un ammontare di -2,84 unità.

Macro-Regioni Italiane. Se consideriamo le macro-regioni italiane possiamo verificare che il valore della partecipazione agli eventi culturali fuori casa è diminuito sia a livello complessivo in Italia, che anche nel Nord, nel Sud e nel Centro. Guardando l’andamento della serie storiche risulta che il valore della partecipazione agli eventi culturali è cresciuto tra il 2005 ed il 2010-2011 e poi in seguito e diminuito raggiungendo i valori minimi nel 2020. Tale andamento altalenante può essere in qualche modo riconnesso alla dimensione della struttura macro-economica globale. Infatti, il 2010-2011 è il periodo nel quale si è avuta piena manifestazione in Italia della crisi finanziaria connessa ai mutui subprime iniziata in USA nel 2007-2008. Inoltre, il valore minimo rilevato nel 2020 può essere anche considerato come una manifestazione delle avversità connesse alla pandemia del Covid. Ne deriva che gli avvenimenti di carattere macro-economico ovvero crisi finanziarie e pandemie hanno delle conseguenze significativamente negative in termini della capacità della popolazione di partecipare ad eventi culturali. Considerando il caso del Nord risulta che nel 2005 il 37,70% della popolazione di età superiore ai 6 anni ha partecipato ad eventi culturali. Tale valore è cresciuto nel 2010 fino ad un valore di 39,60 unità per raggiungere un picco massimo nel 2011 pari ad un ammontare di 40,10 unità. Tuttavia, tra il 2011 ed il 2020 il valore della partecipazione ad eventi culturali è diminuito da un ammontare di 40,10 unità fino ad un valore di 34,80 unità. Se consideriamo le variazioni inter-periodali per il Nord Italia risulta che nel periodo 2005-2020 il valore della partecipazione ad eventi culturali è diminuito del 7,69% pari ad un ammontare di -2,90 unità, nel periodo tra il 2010 ed il 2022 tale valore è diminuito di -12,12% pari ad un ammontare di -4,80 unità, mentre tra il 2011 ed il 2020 tale valore è diminuito del 13,22% pari ad un ammontare di -5,30 unità. Nel 2020 poco più di un terzo della popolazione del Nord ha partecipato ad eventi culturali.

Una dinamica simile, con alcune marginali differenze, può essere rilevata nell’ambito del Centro Italia. Nel 2005 il valore della partecipazione ad eventi culturali è stato pari ad un ammontare di 36,50 unità, per giungere a 40,20 unità nel 2010 e finalmente raggiungere il massimo nel 2011 con un valore pari a 40,60 unità. Tuttavia, tra il 2011 ed il 2020 il valore della partecipazione ad eventi culturali è diminuita fino ad un ammontare di 34,50 unità. Occorre considerare che la partecipazione agli eventi culturali nel Centro Italia ha superato il corrispondente valore del Nord sia nel 2010 che nel 2011 per poi tornare al di sotto del valore del Nord nel 2020. Tra il 2015 ed il 2020 il valore della partecipazione ad eventi culturali nel Centro Italia è diminuito di un ammontare pari ad un valore di -5,48% pari ad un ammontare di -2,00 unità, tra il 2010 ed il 2022 il valore è diminuito da un ammontare di -14,18% pari ad un ammontare di -5,70 unità, mentre tra il 2011 ed il 2020 il valore è diminuito di un ammontare pari ad un valore di -15,02% pari ad un valore di -6,10 unità. Nel Sud Italia il valore della partecipazione ad eventi culturali è stato pari ad un ammontare di 27,00 unità. Tra il 2005 ed il 2010 il valore della partecipazione ad eventi culturali ha raggiunto il massimo periodale con un valore pari a 29,50 unità, nel 2011 tale valore è stato pari ad un ammontare di 27,50 unità, mentre nel 2020 tale valore ha raggiunto un minimo pari ad un valore di 23,30 unità. Tra il 2005 ed il 2020 il valore della partecipazione ad eventi culturali è diminuito di un ammontare pari ad un valore di 13,70% pari ad un valore di -3,70 unità, tra il 2010 ed il 2020 il valore della partecipazione ad eventi culturali è diminuito di un valore pari a -21,02% pari ad un ammontare di -6,20 unità. Infine, tra il 2011 ed il 2020 il valore della partecipazione ad eventi culturali nel Sud Italia è diminuito di un ammontare pari a -15,27% ovvero di un valore pari a -4,20 unità. Complessivamente, a livello italiano il valore della partecipazione ad eventi culturali nel 2005 è stata pari ad un valore di 33,70 unità. Tra il 2005 ed il 2010 tale valore ha raggiunto un picco fino ad un valore di 36,20 unità, per poi diminuire a 35,80 unità nel 2011 e fino a 30,80 unità nel 2020.

 

Clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Di seguito viene presentata una clusterizzazione con l’algoritmo k-Means ottimizzato con il coefficiente di Silhouette. L’analisi mostra la presenza di due clusters ovvero:

• ·         Cluster 1: Puglia, Sicilia, Molise, Campania, Calabria, Basilicata, Abruzzo;
• ·       Cluster 2: Lombardia, Emilia-Romagna, Friuli-Venezia Giulia, Veneto, Piemonte, Lazio, Toscana, Valle d’Aosta, Trentino-Alto Adige, Umbria, Marche, Liguria, Sardegna;

Dal punto di vista metrico risulta che il valore del Cluster 1-C1 pari ad un ammontare di 23,7 unità, mentre il valore del Cluster 2-C2 è pari ad un ammontare di 33,9 unità. Ne deriva pertanto il seguente ordinamento dei clusters ovvero: C2=33,9>C1=23,7. Dal punto di vista strettamente geografico risulta che la partecipazione agli eventi culturali fuori casa è superiore nel Centro-Nord rispetto al Sud Italia.

Network Analysis con l’utilizzo della distanza di Manhattan. Di seguito viene presentata una network analysis con l’utilizzo della distanza di Manhattan. L’analisi mette in evidenza la presenza di due strutture a network complesse, ovvero costituite da più di due nodi, e due strutture a network semplificate ovvero costituite da soli due nodi.

Esiste una struttura a network complessa tra Lombardia, Veneto e Toscana. In modo particolare:

• ·         La Lombardia ha una connessione con il Veneto per un valore pari a 0,87;
• ·         Il Veneto ha una connessione con la Lombardia per un valore pari ad un ammontare di 0,87 unità e con la Toscana per un valore pari a 0,89 unità;
• ·         La Toscana ha una connessione con il Veneto per un valore di 0,89 unità.

Esiste una struttura a network complessa tra Liguria, Umbria e Marche ovvero:

• ·   La Liguria ha una connessione con l’Umbria per un valore pari a 0,81 unità;
• ·   L’Umbria ha una connessione con la Liguria per un valore pari a 0,81 unità e con le Marche per un valore pari a 0,95 unità;
•        Le Marche sono connesse all'Umbria con un link avente valore di 0,95 unità. 

Esistono due strutture a network semplificate ovvero:

• ·         Il Molise e la Sicilia sono connesse con un valore del link pari a 0,8 unità;
• ·         La Puglia e la Campania sono connesse con un valore del link pari ad un valore di 0,81 unità.

 

Machine Learning and Predictions. Di seguito viene realizzata un confronto tra dieci algoritmi di machine learning per la predizione del valore futuro della partecipazione culturale agli eventi fuori casa. Gli algoritmi sono confrontati in termini di performance attraverso la minimizzazione degli errori statistici ovvero MAE, MSE e RMSE e la massimizzazione dell’R-Squared. Gli algoritmi sono stati addestrati con l’80% dei dati disponibili. Attraverso l’applicazione di tali criteri di analisi della performance è possibile individuare il seguente ordinamento degli algoritmi ovvero:

• ·         SGD e Gradient Boosting con un valore del payoff pari a 7;
• ·         AdaBoost con un valore del payoff pari a 11;
• ·         Random Forest con un valore del payoff pari a 15;
• ·         kNN con un valore del payoff pari a 20;
• ·         Tree con un valore del payoff pari a 24;
• ·         SVM-Support Vector Machine con un valore del payoff pari a 28;
• ·         Costant con un valore del payoff pari a 32;
• ·         Linear Regression con un valore del payoff pari a 36;
• ·         Neural Network con un valore del payoff pari a 40.

Viene scelto l’algoritmo SGD per la predizione. Risulta che vi sono delle regioni per le quali l’algoritmo predice un andamento crescente del valore della partecipazione ad eventi culturali fuori casa ovvero:

• ·         Calabria con una variazione da un ammontare di 15,90 unità fino ad un valore di 19,81 unità ovvero pari ad un valore di 3,91 unità pari ad un valore di 24,57%;
• ·         Marche con una variazione da un ammontare di 26,90 unità fino ad un valore di 29,92 unità ovvero una variazione pari ad un ammontare di 3,02 unità pari ad un valore di 11,24%;
• ·         Sardegna con una variazione da un ammontare di 27,10 unità fino ad un valore di 30,14 unità ovvero pari ad un ammontare di 3,04 unità pari ad un valore di 11,21%;
• ·         Umbria con una variazione da un ammontare di 28,60 unità fino ad un valore di 31,11 unità ovvero pari ad un valore di 2,51 unità pari ad un valore di 8,76%;
• ·         Valle d’Aosta con una variazione da un ammontare di 33,80 unità fino ad un valore di 36,21 unità ovvero pari ad un valore di 2,41 unità pari ad un valore di 7,13%;
• ·         Trentino-Alto Adige con una variazione da un ammontare di 39,60 unità fino ad un valore di 41,34 unità ovvero pari ad un ammontare di 1,784 unità pari ad un valore di 4,39%;
• ·         Emila Romagna con una variazione da un ammontare di 34,50 unità fino ad un valore di 35,53 unità ovvero pari ad un ammontare di 1,03 unità pari ad un valore di 3,00%;
• ·         Sicilia cona variazione da un ammontare di 22,00 unità fino ad un valore di 22,40 unità ovvero pari ad una variazione di 0,49 unità pari ad un valore di 2,24%;
• ·         Veneto con una variazione da un ammontare di 33,00 unità fino ad un valore di 33,60 unità pari ad un ammontare di 0,60 unità pari ad un valore di 1,81%.

Inoltre, vi sono delle regioni per le quali l’algoritmo predice un andamento negativo ovvero:

• ·         Lazio con una variazione da un ammontare di 37,20 unità fino ad un valore di 37,01 unità ovvero pari ad un ammontare di -0,19 unità pari ad un valore di -0,52%;
• ·         Basilicata con una variazione da un ammontare di 37,20 unità fino ad un valore di 37,01 unità ovvero pari ad una variazione da un ammontare di -0,19 unità pari ad un valore di -0,52%;
• ·         Piemonte con una variazione da un ammontare di 33,90 unità fino ad un valore di 33,00 unità ovvero pari ad un valore di -0,90 unità ovvero pari ad un valore di -2,66%;
• ·         Lombardia con una variazione da un ammontare di 35,50 unità fino ad un valore di 34,37 unità ovvero pari ad un valore di -1,13 unità pari ad un valore di -3,17%;
• ·         Friuli-Venezia Giulia con una variazione da un ammontare di 37,40 unità fino ad un valore di 35,65 unità ovvero pari ad una variazione di -1,75 unità pari ad un valore di -4,68%;
• ·         Campania con una variazione da un ammontare di 23,70 unità fino ad un valore di 22,44 unità ovvero pari ad un valore di -1,26 unità pari ad un valore di -5,32%;
• ·         Toscana con una variazione da un ammontare di 34,70 unità fino ad un valore di 32,43 unità ovvero pari ad una variazione di -2,27 unità pari ad un valore di -6,55%;
• ·         Abruzzo con una variazione da un ammontare di 28,40 unità fino ad un valore di 26,18 unità ovvero pari ad un valore di -2,22 unità pari ad un valore di -7,80%;
• ·         Liguria con una variazione da un valore di 32,90 unità fino ad un valore di 30,09 unità ovvero pari ad un ammontare di -2,81 unità pari ad un valore di -8,55%;
• ·         Molise con una variazione da un ammontare di 22,50 unità fino ad un valore di 20,45 unità ovvero pari ad una variazione di -2,05 unità pari ad un valore di -9,11%.
• ·         Puglia con una variazione da un ammontare di 24,70 unità fino ad un valore di 20,72 unità ovvero pari ad una variazione di -3,98 unità pari ad un ammontare di -16,09%.

Conclusioni. Tra il 2005 ed il 2020 il valore della partecipazione ad eventi culturali è diminuito in tutte le macro-regioni italiane in conseguenza di due macro-fenomeni ovvero la manifestazione economica della crisi finanziaria dei mutui subprime e la crisi connessa alla pandemia da Covid-19. Sono solo tre le regioni nelle quali il valore della partecipazione ad eventi culturali è cresciuto nel periodo tra il ì2005 ed il 2020 ovvero la Liguria con un +16,67% pari ad un valore di 4,70 unità., la Valle d’Aosta con un ammontare di +5,30% pari ad un valore di 1,70 unità, e la Toscana con un +0,29% pari ad un valore di 0,10 unità. Per tutte le altre regioni il confronto tra il 2005 ed il 2020 in termini di partecipazione ad eventi culturali è significativamente negativo, con una media complessiva per le regioni italiane pari ad un valore di –8,86% pari ad un ammontare di -2,84 unità. L’analisi della clusterizzazione mostra che le regioni del Centro-Nord hanno dei valori molto elevati di partecipazione ad eventi culturali soprattutto se considerati alla luce delle regioni del Sud Italia. Quello che appare evidente è che la capacità degli italiani di partecipare ad eventi culturali è strettamente connessa alla dimensione del ciclo economico. In presenza di fenomeni macro-economici avversi gli italiani rinunciano agli eventi culturali creando inevitabilmente una flessione nel settore dell’intrattenimento culturale. Tuttavia, i dati mostrano la presenza di un protagonismo del Centro Italia, infatti nei periodi di crescita della partecipazione agli eventi culturali tra il 2005 ed il biennio 2010-2011 il Centro Italia ha performato meglio del Nord Italia, per poi tornare ad un valore al di sotto del Nord nel 2020. Ne deriva che il Centro Italia è la macro-regione avente un valore pro-ciclico ovvero cresce molto più della media in caso di crescita complessiva e tende a perdere di più in caso di crisi del settore in confronto con le altre macro-regioni italiane. Dall’analisi è possibile anche individuare un andamento del valore aggiunto prodotto dal settore dell’intrattenimento culturale che evidentemente ha un andamento altalenante caratterizzato da incertezza dei redditi, difficoltà nell’organizzazione della produzione del valore aggiunto, pro-ciclicità ed eccessiva dipendenza dalle condizioni macro-economiche internazionali. Occorre in tal senso creare le condizioni per rendere il settore anti-ciclico attraverso bonus e politiche economiche della cultura che possano consentire una continuità nella produzione di valore aggiunto soprattutto in considerazione degli effetti positivi in termini di esternalità che la produzione di eventi culturali ha per la popolazione nel regime democratico.