Nuova ricerca

MADDALENA CAVICCHIOLI

Professore Associato
Dipartimento di Economia "Marco Biagi"

Insegnamento: Analisi dei dati

Relazioni di lavoro (D.M.270/04) (Offerta formativa 2022)

Obiettivi formativi

Negli ultimi anni abbiamo assistito ad un incremento di quelle che vengono definite "predictive HR analytics" per l'analisi di grandi insiemi di dati, ripetutamente osservati. Questo corso ha come oggetto le HR analytics definite come l'applicazione sistematica di modelli predittivi basati sulla statistica inferenziale ai dati esistenti di HR con lo scopo di formare giudizi sulle possibili cause e fattori che guidano i principali indicatori di HR-performance. La conseguenza diretta dell'applicazione di modelli statistici a tali dati è la formulazione di predizioni sui risultati o sulle persone. I principali concetti sono presentati rigorosamente durante il corso. Tuttavia, particolare attenzione sarà posta sullo sviluppo della capacità di risoluzione di case-study su dati reali.

Prerequisiti

Occorre avere superato un corso di base di statistica a livello di laurea triennale.

NOTA: SI OFFRIRA’ NEI MESI DI GENNAIO/FEBBRAIO 2023 UN PRE-CORSO DI STATISTICA DI BASE. SI INVITANO CALDAMENTE GLI STUDENTI A PARTECIPARE PRIMA DELL’INIZIO DELLE LEZIONI DEL CORSO.

Programma del corso

Per ogni Credito Formativo Universitario (CFU) sono previste 8 ore di didattica frontale e 17 ore di studio autonomo di studenti e studentesse. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore.

Videopillole: 3 CFU (24 ore)
1. Definizioni di HR analytics
2. I sistemi informativi per HRM e i dati
3. Tipi di variabili (categoriche e continue) e metodologie statistiche:
 Cross-tabulation and chi-square
 Logistic linear regression
 T-Tests (Independent and Paired)
 One-way ANOVA and Post-hoc tests
 One-way repeated ANOVA
 Pearson’s correlation
 Multiple Linear Regression
 Factor Analysis
 Reliability Analysis

1 CFU (8 ore)
4. I metodi per misurare la diversità
5. Il coinvolgimento dei dipendenti

1 CFU (8 ore)
6. Il turnover
7. La performance

1 CFU (8 ore)
8. La selezione del personale
9. L'impatto degli interventi

Metodi didattici

Lezioni con l'ausilio di software statistico Spss per l’analisi di dataset e testimonianza aziendale.
Materiali didattici integrativi (slides, esercizi, registrazioni delle lezioni, datasets, etc) sono reperibili nella pagina del corso sulla piattaforma dolly-blended.
Le lezioni possono anche essere seguite in streaming.

Testi di riferimento

- Edwards M.R. and Edwards K., "PREDICTIVE HR ANALYTICS", 2nd edition 2019, Kogan Page. Capitoli: 1, 2, 3, 4, 5, 6 (escluso esempio 4), 7 (esclusi esempi 4 e 5), 8, 9 (esclusi esempi 2,4 e 5).

- Slides scaricabili nella pagina dolly-blended del corso

Verifica dell'apprendimento

La verifica dell’apprendimento avviene tramite una prova scritta con durata massima di 90 minuti. La prova consta domande a risposta multipla, domande aperte ed esercizi da svolgere. Materiale da portare all'esame: calcolatrice scientifica, tavole statistiche e formulario.
Il voto è espresso in trentesimi ed è necessario ai fini di superamento dell’esame il raggiungimento della soglia dei 18/30. Gli esiti saranno comunicati entro e non oltre due settimane dalla prova scritta; la pubblicazione avverrà tramite Esse3.

Risultati attesi

1) Conoscenza e capacità di comprensione: tramite lezioni in aula e studio individuale Identificazione delle fasi del processo di ricerca, degli strumenti di misura e di raccolta dei dati. Conoscenza delle tecniche di campionamento. Conoscenza dei metodi statistici utili a misurare l'eventuale relazione esistente tra due o più variabili. Conoscenza dei principali metodi statistici multivariati per la riduzione dimensionale di una matrice di dati.
2) Capacità di applicare conoscenza e comprensione: Tramite svolgimento di homeworks e analisi di dati empirici, sviluppo di capacità: Capacità di effettuare un'indagine statistica in tutte le sue fasi e utilizzo di queste conoscenze in problemi reali in ambito HRM. Capacità di usare un linguaggio statistico per studiare e formalizzare tali problemi. Capacità di scelta della metodologia appropriata a seconda del problema, identificazione delle variabili e delle informazioni che si vogliono ottenere. Capacità di interpretare i risultati delle elaborazioni in maniera critica e trarre conclusioni. Capacità di comunicare i risultati, sotto forma di report o grafici.
3) Autonomia di giudizio: Attitudine ad un approccio metodologico che conduca a verificare tramite argomentazioni rigorose di teoria statistica le affermazioni e i metodi presentati. Capacità di autovalutazione delle proprie competenze ed abilità.
4) Abilità comunicative: Capacità di affrontare in modo puntuale e coerente la teoria statistica e di argomentare con precisione l'analisi empirica. A conclusione del corso lo studente presenterà in forma scritta i risultati e le interpretazioni di analisi empiriche ottenute anche con l'ausilio di supporto digitale.
5) Capacità di apprendimento: Acquisizione delle conoscenze di tipo statistico come proprio patrimonio, da poter utilizzare per analisi individuali su dati empirici.