 |
MADDALENA CAVICCHIOLI
Professore Associato
Dipartimento di Economia "Marco Biagi"
|
Insegnamento: Analisi dei dati
Relazioni di lavoro (Offerta formativa 2024)
Obiettivi formativi
Coerentemente con i profili professionali e gli sbocchi occupazionali previsti dal corso di laurea magistrale in Relazioni di Lavoro, il corso di Analisi dei Dati mira a fornire gli strumenti di statistica descrittiva ed inferenziale per l’analisi dei dati di tipo “people”.
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.
Nell'ambito della piattaforma dolly blended di Unimore (https://dolly.blended.unimore.it) è istituita pagina dedicata al corso all'interno della quale, oltre a materiali di supporto alla didattica, sono presenti i dataset per le analisi dei dati e il materiale del precorso di statistica con relativa prova di autovalutazione.
Prerequisiti
Occorre avere superato un corso di base di statistica a livello di laurea triennale (statistica descrittiva e elementi di probabilità).
NOTA: SI OFFRE COME STRUMENTO DI PREPARAZIONE AL CORSO UN PRE-CORSO DI STATISTICA DI BASE.
SI INVITANO CALDAMENTE GLI STUDENTI A PARTECIPARE PRIMA DELL’INIZIO DELLE LEZIONI SULLA PAGINA DOLLY BLENDED DEDICATA AL CORSO.
Programma del corso
Per ogni Credito Formativo Universitario (CFU) sono previste 7 ore di didattica frontale e 18 ore di studio autonomo di studenti e studentesse. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore.
Videolezioni pre-registrate: 3 CFU (21 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
Attività didattiche in presenza/streaming: 3 CFU (21 ore) così ripartiti:
1 CFU (7 ore)
4. I metodi per misurare la diversità dei dipendenti: diversity & inclusion
5. Il coinvolgimento dei dipendenti
1 CFU (7 ore)
6. Il turnover dei dipendenti: metodi predittivi
7. La performance dei dipendenti: metodi predittivi
1 CFU (7 ore)
8. La selezione del personale
9. L'impatto e il monitoraggio degli interventi
Infine, sono previste 2 incontri/aule virtuali per discutere il contenuto delle videopillole prima dell’inizio delle attività didattiche in presenza/streaming e 2 incontri/aule virtuali a fine corso per discutere gli argomenti dell’intero corso.
Metodi didattici
Come gli altri corsi di insegnamento nell’ambito del corso di laurea in Relazioni di lavoro, anche il corso di Analisi dei Dati è erogato in modalità mista. Metà delle ore di lezione si svolgeranno sotto forma di lezioni online con relativi materiali disponibili sul portale Dolly Blended ad inizio semestre; l'altra metà saranno lezioni in aula da seguire in presenza o in streaming. Inoltre, sono previsti 4 incontri/aule virtuali (2 a metà semestre e 2 a fine semestre).
L'insegnamento è erogato in lingua italiana. Il metodo didattico si basa su: (a) lezioni con contenuti sia teorici che applicati supportati da materiale didattico (slides, esercizi, etc,) e registrazioni delle lezioni; (b) esercitazioni al computer con uso di software statistici pspp/spss, in cui si sviluppa la capacità di applicare le conoscenze acquisite. Materiali didattici integrativi (slides, esercizi, registrazioni delle lezioni, datasets, ecc) sono reperibili nella pagina del corso sulla piattaforma dolly-blended.
Testi di riferimento
- Edwards M.R., Edwards K., and Jang D.,
"PREDICTIVE HR ANALYTICS - Mastering the HR metrics"
3rd edition 2024, Kogan Page.
Capitoli: 1, 2, 3, 4, 5, 6 (escluso esempio 4), 7 (esclusi esempi 4 e 5), 8, 9 (esclusi esempio 6).
- Slides scaricabili nella pagina dolly-blended del corso
Verifica dell'apprendimento
La verifica dell’apprendimento avviene tramite una prova scritta in presenza nel laboratorio informatico con durata massima di 60 minuti e così composta: 2 domande a scelta multipla da 2 punti ciascuna, 6 domande a scelta multipla da 3 punti ciascuna, 2 domande aperte da 5 punti ciascuna. Nelle domande a scelta multipla una risposta sbagliata ha una penalty del 25% del punteggio della domanda.
Materiale da portare all'esame: calcolatrice scientifica e tavole statistiche.
Il punteggio complessivo 32/30 consente di premiare gli studenti che riportano un punteggio complessivo superiore a 30 con la lode. Ai fini di superamento dell’esame il raggiungimento della soglia dei 18/30. Gli esiti saranno comunicati entro e non oltre dieci giorni 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.