Mettiti in comunicazione con noi

Economia & lavoro

Gli Individui con Competenze Digitali di Base nelle Regioni d’Italia

Il valore degli individui con competenze digitali nelle regioni italiane è cresciuto tra il 2014 ed il 2021.

Pubblicato

su

Tra il 2014 ed il 2021 sono aumentati del 31,12%

** I dati del Trentino Alto Adige sono ottenuti come media del corrispondente valore della Provincia Autonoma di Bolzano e della Provincia Autonoma di Trento.

*Immagini elaborate dall’Autore

L’Eurostat nell’ambito delle metriche del DESI calcola il valore degli individui con competenze digitali di base. Le competenze digitali si intendono le seguenti attività ovvero “Information Skills”, “Communication Skills”, “Problem Solving Skills”, “Software Skills”. Il livello viene considerato di base se le persone hanno una delle quattro competenze indicate.  

Ranking delle regioni italiane per valore degli individui con competenze digitali di base nel 2021. L’Emilia Romagna ed il Trentino Alto Adige  sono al primo posto per valore delle competenze digitali di base con un ammontare di 79,49, seguite da Lombardia, Veneto, Friuli Venezia Giulia e Lazio con un ammontare di 78,13. Chiudono la classifica il Molise, la Puglia e la Calabria con un ammontare di 64,54 e la Sicilia con un ammontare di 63,18.

Ranking dei paesi europei per valore della variazione percentuale del valore degli individui con competenze digitali di base tra il 2014 ed il 2021. La Basilicata è al primo posto per valore della variazione percentuale della presenza di individui con competenze digitali di base con un ammontare di +78,22% pari ad un ammontare di 28,92, seguita dalla Campania con un ammontare di 65,82% pari ad un ammontare di 26,7 unità e dal Molise con un ammontare di 52,38% pari ad un ammontare di 22,19 unità. A metà classifica troviamo la Toscana con un ammontare di 27,36% pari ad un ammontare di 16,49 unità, seguita dalla Valle d’Aosta con un ammontare di 25,10% pari ad un ammontare di 15,13 unità e dal Lazio con un ammontare di 22,34% pari ad un ammontare di 14,27 unità. Chiudono la classifica il Veneto con un ammontare di 15,84% pari ad un ammontare di 10,68 unità, seguita dal Trentino Alto Adige con un ammontare di 13,33% pari ad un ammontare di 9,35 unità e dalla Lombardia con un ammontare di 12,84% pari ad un ammontare di 8,89 unità. Complessivamente tra il 2014 ed il 2021 il valore delle persone con competenze digitali di base è cresciuto di un ammontare pari a 31,12% pari ad un ammontare di 16 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. Vengono quindi individuati due clusters ovvero:

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

Dal punto di vista della mediana dei clusters risulta che il valore del cluster 1-C1 è pari ad un ammontare 76,77 mentre il valore del Cluster 2-C2 è pari ad un ammontare di 64,54 unità. Dal punto di vista geografico risulta evidente una contrapposizione tra Centro-Nord, con elevati livelli di presenza di individui con competenze digitali di base, ed il Meridione con dei livelli di competenze digitali di base ridotte. Da questo punto di vista è necessario considerare che analizzando l’andamento delle variabili dal punto di vista delle macro-regioni ovvero Centro, Nord e Sud risulta evidente la convergenza del Centro e del Nord e la divergenza del Sud rispetto alle regioni maggiormente evolute. Infatti dal punto di vista strettamente geografico risulta che le regioni del Sud sono cresciute in  media del 44,29% tra il 2014 ed il 2021, mentre le regioni del Centro sono cresciute del 22,45% e le regioni del Nord del 19,01%. Tuttavia, nonostante le regioni del Sud abbiano recuperato molto in termini di presenza di individui con competenze digitali di base risulta ancora molto evidente il divario tra Centro-Nord e Sud.

Network analysis con distanza euclidea. Di seguito viene presentata una network analysis con la distanza euclidea. Viene individuata una struttura a network complessa ovvero:

  • La Sardegna ha una connessione con la Toscana per un ammontare di 0,44 unità;
  • La Toscana ha una connessione con la Sardegna per un ammontare di 0,44 unità, con le Marche per un ammontare di 0,49 unità, e con il Lazio per un ammontare di 0,44 unità;
  • Le Marche hanno una connessione con la Toscana per un ammontare di 0,49 unità, con il Lazio per un ammontare di 0,52 unità;
  • Il Lazio ha una connessione con la Toscana per un ammontare di 0,44 unità, con le Marche per un valore di 0,52 unità e con il Veneto per un ammontare di 0,48 unità;
  • Il Veneto ha una connessione con il Lazio per un ammontare di 0,48 unità.

Ovviamente la presenza di una network analysis non individua dei rapporti di causa-effetto quanto piuttosto mette in risalto delle dinamiche comuni tra le variabili e gli effetti di propagazione. Ovvero per esempio se il valore degli individui con competenze digitali di base cresce nelle Marche allora può propagarsi in Toscana ed in Lazio.

Machine Learning and Predictions. Di seguito viene presentato un confronto tra otto diversi algoritmi per la predizione del valore futuro degli individui con competenze digitali di base. Gli algoritmi sono confrontati in base alla massimizzazione dell’R-Squared e la minimizzazione degli errori statistici. Gli algoritmi sono stati addestrati con il 70% dei dati mentre il restante 30% dei dati è stato utilizzato per la predizione. L’ordinamento degli algoritmi in base alla loro performance predittiva viene individuato di seguito ovvero:

  • ANN-Artificial Neural Network con un valore del payoff pari a 4;
  • Simple Regression Tree con un valore del payoff pari a 8;
  • PNN-Probabilistic Neural Network con un valore del payoff pari a 14;
  • Tree Ensemble Regression con un valore del payoff pari a 19;
  • Random Forest Regression e Linear Regression con un valore del payoff pari a 22;
  • Polynomial Regression con un valore del payoff pari a 23;
  • Gradient Boosted Trees Regression con un valore del payoff pari a 32.

Attraverso l’applicazione del ANN sono predette le seguenti variazioni ovvero:

  • Puglia con una variazione positiva pari ad un ammontare di 268,08%;
  • Friuli Venezia Giulia con una variazione negativa pari ad un ammontare di -11,86%;
  • Emilia Romagna con una variazione negativa pari ad unammontare di 10,13%;
  • Marche con una variazione positiva pari ad un ammontare di 3,88%;
  • Lazio con una variazione negativa pari ad un ammontare di -9,14%.

Mediamente il valore delle predizioni per le regioni analizzate è predetta in crescita di un valore pari a 48,16%.

Conclusioni. Il valore delle persone che hanno competenze digitali di base è cresciuto in tutte le regioni italiane tra il 2014 ed il 2021. Esiste una contrapposizione tra Centro-Nord Italia ed il Sud Italia con una riproposizione del divario socio-economico in versione digitale. Tra il 2014 ed il 2021 il tasso di crescita delle competenze digitali di base nel Sud è stato superiore al valore del Centro-Nord anche se persistono significative differenze. La crescita delle competenze digitali di base è necessaria per sostenere l’economia della conoscenza, l’innovazione tecnologica, la digitalizzazione e migliorare il capitale umano. Le competenze digitali di base sono necessarie non soltanto per svolgere attività lavorative quanto anche per usufruire al meglio dei servizi offerti dalla pubblica amministrazione e dalle imprese private. Infatti il tasso di innovativeness dei consumatori, e dei cittadini è l’elemento che sostiene la digitalizzazione a livello regionale, di macro-regione e nazionale.

RIPRODUZIONE RISERVATA © 

is Assistant Professor at the LUM University-Giuseppe Degennaro in Casamassima-Bari, where he is also researcher for the LUM Enterprise S.r.l. a firm oriented to develop digitalization services for SMEs. He worked at Dyrecta Lab Research Institute, a research institute officially recognized by the Italian Minister of University and Research-MIUR, where he acquired professional hard skills on the economic consequences of Industry 4.0, Big Data, Machine Learning and Artificial Intelligence. His research interests include Cooperative Banking, Business Ethics, Innovation Technology, Knowledge, and R&D.