Insegnamenti

Ore di lezione: 8
Anno di erogazione: Primo
Verifica finale: No

Il corso ha come obiettivo di familiarizzare gli studenti di dottorato con la stesura di articoli scientifici evidenziando come essi mostrino dei caratteri comuni ed una comune strategia di scrittura. L’obiettivo generale è quello di presentare ed approfondire i diversi tipi di pubblicazioni scientifiche, il funzionamento della revisione tra pari ed il ruolo dei revisori (referee) e dell’editore (editor in chief e/o associate editor) della rivista scientifica
Verranno inoltre indicati dei criteri generali da seguire nella:
- scelta della rivista, preparazione del titolo; preparazione dell’abstract; affiliazione e lista degli autori; scelta dei coautori;
- stesura dell’introduzione, struttura tipica e passaggi chiave verso la presentazione dei risultati;
- risultati e discussione, in che ordine riportarli e con che criterio;
- importanza fondamentale della preparazione meticolosa di figure e tabelle;
- conclusioni e prospettive future;
- preparazione della bibliografia;
- preparazione della cover letter;
- preparazione di una comunicazione formato poster;
- preparazione di una comunicazione orale, strategie, errori da evitare e suggerimenti;
- esempi di pubblicazioni scientifiche e discussione critica della struttura, dei contenuti positivi e negativi.
Nel corso verranno inoltre trattate le seguenti tematiche:
- cosa si intende per pubblicazione scientifica;
- i diversi tipi di riviste scientifiche e il loro confronto;
- le logiche bibliometriche e l’uso di alcuni indicatori quali l’impact factor e l’h-index;
- uso di database di abstract e citazioni peer review, quali Scopus e Web of Science;
- green, gold e diamond open access.
Da un punto di vista strumentale saranno brevemente descritti alcuni sistemi di video scrittura, come il LaTex, particolarmente dedicati alla stesura di pubblicazioni scientifiche e le applicazioni più diffuse di gestione di biliografie e/o collezioni di PDF, quali Mendeley, EndNote e BibTex.

Il corso ha ad oggetto l’adozione di approcci di ricerca interpretativi negli studi aziendali e nelle scienze sociali. Saranno presentate le principali teorie di riferimento, la loro funzione all’interno dello sviluppo della ricerca e il ruolo della teorizzazione nella ricerca qualitativa, nell’analisi dei dati e nella presentazione dei risultati. Saranno inoltre trattati alcuni principali approcci metodologici per la ricerca interpretativa, con dimostrazioni della loro applicazione pratica e relative esercitazioni in aula.

Il corso introduce alle metodologie di ricerca applicate nelle scienze sociali offrendo due moduli di insegnamento focalizzati, rispettivamente, sulla ricerca qualitativa (8 ore) e quantitativa (8 ore).
Il primo modulo (""Introduzione alla Qualitative Content Analysis"") presenta la seguente articolazione:
I. La ricerca qualitativa nelle scienze sociali: strategie, tecniche di raccolta e metodi di analisi dei dati;
II. La Qualitative Content analysis (QCA) quale tecnica di analisi basata sul coding;
III. Il coding: approcci, elementi, fasi e metodi di I e II ciclo;
IV. Qualità della QCA: affidabilità e validità;
V. Alcuni aspetti operativi della QCA;
VI. Esempi di reporting dei risultati della QCA;
VII. Cenni bibliografici.
I predetti contenuti consentiranno ai dottorandi di: (i) saper collocare la QCA nel quadro metodologico delle scienze sociali; (ii) conoscere tipi, approcci, fasi, metodi e principali programmi automatizzati di coding; (iii) distinguere unità di analisi e di significato nonché gestire coding phases e worksheets.
Il secondo modulo (""Introduzione ai metodi quantitativi di ricerca nelle scienze sociali"") si articola come segue:
I. I metodi di indagine: aspetti introduttivi;
II. La formulazione delle ipotesi di ricerca;
III. Le verifiche empiriche: la definizione delle variabili e la raccolta dei dati;
IV. L’analisi quantitativa dei dati;
V. I modelli di regressione lineare multipla negli studi economico-aziendali;
VI. Alcuni esempi di ricerche quantitative in Accounting.
Detti contenuti consentiranno ai dottorandi di saper identificare i principali processi metodologici che caratterizzano le ricerche quantitative in ambito economico-aziendale, in particolare: deduzione, operativizzazione, organizzazione dei dati, interpretazione ed induzione.

Nel corso di “Metodi statistici per l’economia”, verranno presentate una serie di metodologie statistiche utili nell’analisi empirica e in applicazioni di ambito economico e/o aziendali. L’obiettivo generale è fornire una più approfondita conoscenza su una gamma di metodologie statistiche finalizzate al trattamento di base dei dati economici.
All'interno del corso verranno affrontati temi d’inferenza statistica riferiti ad intervalli di confidenza e test d’ipotesi per medie, percentuali e varianze. Parallelamente alla presentazione di tali metodologie, il corso vuole approfondire la padronanza da parte degli studenti nell’utilizzo del software statistico open source R, con riferimento a specifici packages nonché al linguaggio di base di R e l’uso dell’interfaccia R Studio. Tali strumenti possono ampliare il bagaglio di competenze utili allo studente di dottorato in differenti empirical settings.
Durante il corso di insegnamento, lo studente di dottorato sarà supportato da una serie di casi studio riferibili all’ambito economico. Tali casi studio verranno replicati durante il corso all’interno dell’ambiente R, così da poter favorire l’utilizzo indipendente di tale software.
Dal corso, si attendono risultati in merito all’accresciuta capacità di utilizzare tecniche statistiche inferenziali su analisi empiriche in ambito economico. In tal senso, lo studente di dottorato potrà acquisire conoscenze e competenze che gli consentiranno di interpretare in modo critico le metodologie statistiche introdotte, saper replicare i metodi sperimentali proposti in diversi contesti e discutere in modo critico l’appropriatezza dei metodi acquisiti.
Al termine del corso, il livello di padronanza dei contenuti raggiunto dal dottorando sarà verificato tramite una prova. Nella prova, il dottorando sarà invitato a proporre elaborazioni sui metodi in oggetto al corso tramite con particolare attenzione all'uso del software R e a discutere l’esperimento/applicazione proposta su dati reali con particolare riferimento al fenomeno economico analizzato.

Il corso di “Econometria” ha come obiettivo di introdurre i concetti base dell'analisi econometrica, facendo uso dei principali strumenti matematici e statistici necessari per l’analisi dei fenomeni economici. Il focus del corso sarà principalmente indirizzato allo studio del modello di regressione lineare, all’interpretazione dei coefficienti stimati, e ad eventuali problemi di specificazione del modello, quali, per esempio, l’eteroschedasticità, o problemi derivanti da variabili omesse.
Nello spirito della multidisciplinarietà del dottorato, gli esempi proposti rispecchieranno, per quanto possibile, tutte le maggiori discipline e non soltanto quelle economiche.
Durante il corso gli studenti dovranno essere in grado di svolgere, discutere, ed interpretare autonomamente il contenuto di analisi empiriche basate sul modello di regressione lineare utilizzando il software R. La scelta di questo software è particolarmente utile considerato il diffuso utilizzo nei futuri sbocchi professionali fuori e dentro il percorso accademico.
L’utilizzo di tecniche per correggere eventuali problemi di stima verrà discusso con riferimento particolare al problema dell’endogeneità, degli errori di misura nelle variabili, e nella potenziale simultaneità. Inoltre, si affronterà lo studio dei modelli lineari caratterizzati dalla presenza di variabili dicotomiche, particolarmente adatti a modellare scelte discrete.
La capacità di utilizzare strumenti econometrici per lo studio di fenomeni economici di varia natura è cruciale in tutti i contesti lavorativi dove si effettuano analisi dati al fine di informare scelte di politica pubbliche, e di facilitare le scelte direzionali nel contesto di aziende private.

L’ecologia industriale, campo di studi a carattere marcatamente interdisciplinare consolidatosi formalmente negli ultimi decenni, viene proposto come modello metodologico di integrazione sistemica tra molteplici ambiti disciplinari. Verranno trattati i passaggi evolutivi di questo ambito di studi, delineandone attributi e caratteristiche. Saranno, quindi, passati criticamente in rassegna i principali approcci e metodi ad esso riconducibili (sia sviluppati internamente, sia mutuati da varie discipline), diversi dei quali, tra l’altro, sono stati declinati nel recente concetto di Economia Circolare.

Nel corso di “Analisi multivariata dei dati economici”, verranno presentati e approfonditi metodi statistici di natura avanzata finalizzati al trattamento di dati economici e aziendali. L’obiettivo generale è fornire agli studenti di dottorato un’adeguata conoscenza di tecniche statistiche d’analisi che possano essere replicate al fine di misurare un ampio numero di relazioni economiche.
Le sedici ore di lezione frontale vogliono arricchire la gamma di tools applicabili a differenti discipline dell’area economica nonchè a diverse tipologie di esperimenti. In particolare, all’interno del corso verranno trattati argomenti nell’ambito dei modelli lineari e verranno approfonditi temi come i modelli logit, probit, count data, nonché modelli log-lineari. Parallelamente all’introduzione di tali modelli, è finalità del corso spingere gli studenti a migliorare la padronanza nell’utilizzo del software statistico open source R, con riferimento a specifici packages.
Durante il corso di insegnamento, lo studente di dottorato sarà supportato da una serie di casi studio, anch’essi focalizzati sull’ambito economico. Tali casi studio verranno replicati in R durante il corso, così da facilitare l’utilizzo indipendente di tale software. Dal corso, si attendono risultati in merito all’accresciuta capacità di analizzare dati economici con metodi statistici avanzati da parte del dottorando. Ovvero, lo studente di dottorato dovrà acquisire conoscenze e competenze che gli consentiranno di interpretare in modo critico le relazioni economiche e/o aziendali, replicare gli empirical settings in diversi contesti, e discutere in modo critico l’appropriatezza dei metodi statistici acquisiti.
Al termine del corso, il livello di padronanza dei contenuti raggiunto dal dottorando sarà verificato tramite una prova. Nella prova, il dottorando sarà invitato a proporre elaborazioni sui metodi in oggetto al corso con particolare attenzione all'uso del software R e a discutere l’esperimento/applicazione proposta su dati reali con particolare riferimento al fenomeno economico analizzato.

Nel corso di dottorato di “Analisi di dati territoriali e temporali in economia”, verranno presentati e approfonditi metodologie riferibili al trattamento di dati economici disponibili sottoforma di serie spaziali e temporali. L’obiettivo generale è fornire agli studenti di dottorato un’adeguata conoscenza delle modellizzazioni statistiche per dati correlati spazialmente o nel tempo.
Nelle 16 ore di corso verranno trattati argomenti nell’ambito dei modelli lineari spazialmente espansi e verranno approfonditi metodologie di analisi delle serie storiche per serie stazionarie e non-stazionarie. Parallelamente all’introduzione di tali modelli, è finalità del corso approfondire la padronanza da parte degli studenti nell’utilizzo del software statistico open source R, con riferimento a specifici packages.
Durante il corso lo studente di dottorato sarà supportato da una serie di casi studio con riferimento a differenti applicazioni in ambito economico. Tali casi studio verranno replicati durante il corso all’interno dell’ambiente R, così da poter favorire l’utilizzo indipendente di tale software.
Dal corso, si attendono risultati in merito all’accresciuta capacità di analizzare dati che presentano dipendenza lungo la dimensione temporale e spaziale. In tal senso, lo studente di dottorato dovrà acquisire conoscenze e competenze che gli consentiranno di interpretare in modo critico l’andamento spaziale e temporale di fenomeni economici, saper replicare i modelli proposti in diversi contesti e discutere in modo critico l’appropriatezza di tali metodi.
Al termine del corso, il livello di padronanza dei contenuti acquisiti sarà verificato tramite una prova. Nello specifico, in tale prova il dottorando sarà invitato a proporre elaborazioni e a discutere i metodi in oggetto con particolare attenzione all'uso del software R e all’interpretazione dei suoi output.

L'insegnamento intende fornire un quadro sistematico in merito alla definizione, all’evoluzione e ai recenti sviluppi dell’Economia Circolare, anche attraverso un’analisi dei collegamenti con il concetto, più ampio, di Sostenibilità. Verranno descritti i principali approcci e strumenti che entrano in gioco nel processo di transizione verso l’Economia Circolare, in grado di operare a differenti livelli di intervento, in particolare le metodologie di Life Cycle Thinking (come, ad esempio, Life Cycle Assessment e Social Life Cycle Assessment), le soluzioni di sistema ispirate agli approcci “closed loop” e gli indicatori di Sostenibilità.

La geografia applicata si propone di utilizzare la conoscenza e le abilità geografiche,
per tentare di superare le problematiche sociali, economiche e ambientali alle diverse scale,
svelando la sua natura di utilità e rilevanza sociale. Gli ambiti di sintesi delle prospettive geografiche poggiano su tre tipologie di dinamiche: quelle propriamente ambientali e territoriali, quelle legate ai rapporti fra ambiente, società e culture, e quelle fra i singoli esseri umani con le diverse società. L’analisi geografica ha lo scopo di cogliere una visione di sintesi che sia valutabile a diverse scale: dapprima l’integrazione locale, attraverso anche gli innovativi approcci community based; le interdipendenze tra i luoghi, ossia l’integrazione tra questi e i territori, eventualmente con la creazione di reti territoriali; infine, le correlazioni tra le scale, ad esempio attraverso nuove metodologie di analisi come la multilevel perspective. Le metodologie di analisi attengono a valutazioni quantitative e qualitative, avvalendosi anche di rappresentazioni matematiche, spaziali e visuali.
L’analisi geo-spaziale si può avvalere di metodologie induttive, basate sull’osservazione e descrizione concreta dei fenomeni territoriali, per addivenire ad una definizione e classificazione successiva, e in ultima istanza, alla formulazione di astrazioni teoriche generali. D’altro canto, possono essere perseguite anche metodologie deduttive, attraverso la costruzione di ipotesi teoriche e modelli di riferimento per poi procedere alla raccolta ed elaborazioni di dati e misurazioni per verificare le ipotesi iniziali e raffinare le tesi assunte.
Questo modulo, dunque, intende soffermarsi su: i metodi di indagine (induttivo e deduttivo), facendo un focus sulla scala di analisi – locale (micro), regionale (meso), nazionale (macro) e globale; gli strumenti per l’analisi geoeconomica (spazio, luogo, territorio, regione). L'articolazione del modulo può prevedere alcune ore dedicate allo studio di casi macro-regionali.

Misurare la produttività è conditio sine qua non per l'analisi empirica in numerosi campi di ricerca. L'identificazione della misura che meglio si adatta agli obiettivi specifici, oltre essere condizionata dalla disponibilità di dati, è complicata dall'esistenza di una molteplicità di metodologie. Il corso definisce la produttività/efficienza e fornisce una panoramica dei metodi di stima sviluppati dalla letteratura, classificandoli secondo tre criteri principali: (i) macro/micro; (ii) frontiera/non frontiera e (iii) deterministico/econometrico.

Il corso mira a fornire i fondamenti teorici e gli elementi di base delle principali tecniche di benchmarking e a mostrare l’applicazione di alcune delle tecniche introdotte alla soluzione di problemi di regolamentazione nell’ambito dei servizi pubblici. Nella prima parte del corso vengono richiamati gli elementi della teoria economica necessari ai fini della comprensione delle tecniche di benchmarking riconducibili all’approccio di frontiera. In una seconda parte, vengono presentate le tecniche parametriche e non parametriche di stima delle frontiere di produzione e di costo. Un focus sarà posto sulla Stochastic Frontier Analysis (SFA) e sulla Data Envelopment Analysis (DEA). Nella terza parte del corso vengono presentati casi studio relativi a problemi sorti nella regolamentazione dei servizi pubblici la cui soluzione può essere individuata tramite l’applicazione delle tecniche SFA e DEA. Nell’ultima parte del corso vengono eseguite esercitazioni guidate che consentono, attraverso l’uso di R e di un dataset fornito dal docente, di mettere in pratica le conoscenze acquisite.

Il corso illustra le principali ragioni alla base dell’analisi del cambiamento strutturale dei sistemi economici, ponendo l’enfasi su quanto la comprensione delle dinamiche dei sistemi economici e sia importante per informare le decisioni politiche che mirano a promuovere la crescita economica e la sostenibilità ambientale. In particolare, il corso fornirà una breve introduzione dei fondamenti teorici dell’analisi del cambiamento strutturale e una panoramica sui metodi e modelli comunemente utilizzati nelle indagini empiriche con particolare riferimento all’analisi Input-Output (IOA). Si illustra come vengono costruite le Tavole Input-Output utilizzando i dati della contabilità nazionale, come le Tavole Input-Output vengono impiegate ai fini dell’analisi del cambiamento strutturale anche a livello regionale e come possono essere utilizzate per altre finalità quali la valutazione degli impatti anche ambientali degli interventi sul sistema economico (come il calcolo dei moltiplicatori e la stima dei contributi settoriali al valore aggiunto e all’occupazione; l’evoluzione delle emissioni climalteranti; la scomposizione delle variazioni dell’intensità energetica del PIL). Per facilitare la comprensione da parte degli studenti, verranno presentati casi-studio su come l’IOA è stata applicata in diversi paesi e regioni e, infine, si discutono le sfide aperte e i limiti dell’uso dello strumento.

L’analisi dei testi è sempre più utilizzata in numerosi campi di studio, in particolare nella ricerca applicata alle scienze sociali. Con riferimento ai dati testuali, il corso ha l’obiettivo di concentrarsi su metodologie/applicazioni e svolgere esercitazioni su software in aula. A seconda dell’interesse mostrato dagli studenti e dell’aderenza delle applicazioni proposte al percorso formativo, le lezioni potranno vertere sui seguenti moduli:
- la misurazione del ‘sentiment’ o ‘mood’ sulle piattaforme social;
- la stima dell’incertezza di policy in ambito di economico, climatico, geopolitico, e così via;
- lo studio delle competenze richieste dalle aziende;
- la misurazione della prossimità tra imprese;
- le scelte strategiche e le traiettorie tecnologiche intraprese dalle aziende

Il crescente impiego dei social media sta spingendo sempre più studiosi, ricercatori e analisti a ricorrere a strumenti e metodi di analisi delle reti. Il corso mira a fornire un’introduzione alla network analysis, attraverso lo studio dei principali metodi e tecniche. Durante il corso si procederà alla descrizione di alcuni principi della network science, alla trattazione delle principali tecniche di analisi e alla visualizzazione/interpretazione di diversi set di dati. Attenzione verrà posta su alcune definizioni e misure per l’analisi delle reti, a livello di nodo, di cluster (o moduli) e di rete intera.
A seconda dell’interesse mostrato dagli studenti e dell’aderenza dei contenuti proposti al percorso formativo, le lezioni potranno vertere sui seguenti moduli:
- Introduzione alla network analysis
- Definizioni e misure per l’analisi delle reti
- Applicazioni della network analysis
- Esercitazione su software
- Discussione di casi reali

Il corso si pone l’obiettivo di mostrare l’impiego di metodi empirici per risolvere problemi legati all’analisi del mercato del lavoro. Partendo dalla letteratura economica, il corso metterà in luce coem l’uso appropriato della strumentazione econometrica possa aiutare a identificare correttamente gli effetti economici. Il corso privilegerà l’approccio applicato basato sull’analisi di problemi economici specifici. Le analisi proposte riguarderanno prevalentemente lo studio del mercato del lavoro, ma gli approcci empirici mostrati saranno facilmente estensibili ad altri fenomeni economici. Il corso potrà focalizzarsi sulle seguenti problematiche teoriche: a) Offerta di lavoro femminile e salari; b) Rendimento dell’investimento in capitale umano; c) Discriminazione nel mercato del lavoro; d) Durata della disoccupazione. A questo proposito le applicazioni empiriche riguarderanno la stima dell’equazione dei salari con correzione per selezione campionaria, la stima di un’equazione minceriana in presenza di variabili omesse, tecniche di decomposizione, e modelli di durata. Il corso prevede l’impiego del software STATA e dati microeconomici cross-sezionali.

Il corso si propone di sviluppare delle competenze utilizzabili per: a) l’analisi di fenomeni e decisioni di natura economica (ad esempio, scelte di consumo, di istruzione, di partecipazione al mercato del lavoro, decisioni d'acquisto di determinati prodotti/servizi) a partire da dati quantitativi di tipo secondario (provenienti, ad esempio, da database istituzionali o centri di ricerca) e primario (raccolti, ad esempio, tramite campionamento casuale); b) lo sviluppo di modelli teorico-concettuali in grado di descrivere e interpretare gli anzidetti fenomeni da una duplice prospettiva: economica e comportamentale. Il corso è strutturato in due moduli. Attraverso il primo modulo si intende sviluppare delle competenze impiegabili per l’analisi di relazioni statistico-econometriche tra dati di natura socio-demografica (ad esempio, entità del nucleo familiare), reddituale (ad esempio, retribuzione annua) o territoriale (ad esempio, contesto geografico di residenza) e per la stima di modelli quantitativi capaci di descrivere tali relazioni. Dal punto di vista metodologico, si svilupperanno delle competenze nel trattamento e l’analisi dei micro-dati. Dal punto di vista pratico, gli studenti apprenderanno le principali funzioni del software STATA. Attraverso il secondo modulo si intende sviluppare delle competenze impiegabili per l’analisi di fattori di natura situazionale (ad esempio, prezzi), cognitiva (ad esempio, qualità percepita di un bene/servizio), e attitudinale (ad esempio, tratti della personalità) che condizionano le scelte economiche individuali (ad esempio, decisioni d’acquisto). Dal punto di vista metodologico, si forniranno delle basi di conoscenza sulla conduzione di studi di tipo sperimentale. Dal punto di vista pratico, gli studenti apprenderanno le principali funzioni del software SPSS e acquisiranno dimestichezza nell'utilizzo delle piattaforme che permettono la creazione di survey e la raccolta di dati primari.

Il corso analizza gli approcci al performance management nelle aziende pubbliche ed i correlati modelli di rendicontazione ed accountability che si sono affermati nel quadro dell’evoluzione della normativa ispirata ai principi di New Public Management e New Public Governance. In tali prospettive vengono illustrate le principali caratteristiche di diffusione nei diversi comparti del settore pubblico nazionale e, più di recente, in quello delle istituzioni scolastiche pubbliche le cui tipicità sono oggetto di specifiche prospettive di ricerca negli studi economico-aziendali.

L’insegnamento proposto intende offrire un quadro di riferimento completo ed esaustivo sui principali temi e metodi di ricerca relative alle aziende dell’economia sociale largamente intesa (nonprofit, terzo settore, impresa sociale, charities, società benefit, etc.). L’insegnamento potrà essere erogato in lingua italiana e/o Inglese. I materiali didattici saranno forniti in lingua inglese a beneficio di tutti gli studenti, in particolare di quelli stranieri.
Sono previste testimonianze di studiosi ed esperti che interverranno durante il percorso formativo per offrire vari punti di vista sulle varie tematiche proposte, sia con un approccio teorico che empirico. L’insegnamento si articolerà in 4 moduli della durata di 6 ore ciascuno come segue: I modulo – Definitions and classifications; II modulo – Measurement and (ac)counting; III modulo – Governance and volunteer management; IV modulo – New trends and innovations.

L'insegnamento illustrerà le principali tecnologie alla base dell'intelligenza artificiale. Si presenteranno sia le tecniche simboliche di intelligenza artificiale che l'apprendimento automatico, in particolare le reti neurali ed il deep learning, anche in riferimento alle loro applicazioni in ambito aziendale.

Il modulo affronta tre principali filoni di ricerca. Il primo riguarda l’analisi del sistema bancario, sottolineando l’evoluzione che lo stesso sta avendo su diversi fronti come la digitalizzazione  e l’attenzione verso i rischi di transizione. Il secondo filone riguarda la misurazione e la gestione dei rischi finanziari nel contesto internazionale, con i relativi effetti di contagio (risk spillover) tra le varie istituzioni finanziarie. Il terzo invece fa riferimento alla finanza sostenibile, in modo particolare allo studio dei Green bond, quali strumenti di finanziamento delle attività produttive a basso impatto ambientale. Le analisi vengono svolte attraverso l’individuazione di campioni di stock o bond riferiti a banche o imprese corporate, da cui poi derivano elaborazioni relazionali con dati di bilancio e di mercato. Attraverso l’implementazione di metodologie come Conditional value-at-risk (CoVaR), SRISK, spatial stress-test, Durbin Model, GMM, 2SLS, ARDL e Wavelt analysis siamo in grado di ottenere risultati fondamentali, utili sia ad una buona gestione delle politiche micro/macro prudenziali che all’individuazione di nuove opportunità e logiche di investimento.