- Sviluppo di metodi di ensemble
probabilistic forecasting e confronto di performance.
- Studio del comportamento di un
modello bayesiano di combinazione di distribuzioni (Morris, 1977;
Monari, Agati, 2001) per la previsione di fenomeni meteorologici:
in particolare, previsione del percorso di cicloni tropicali
(tipici dei bacini oceanici) ed extratropicali (che interessano
lEuropa). Trattasi di modello basato sullaggregazione
probabilistica degli output dei principali modelli-guida globali ad
alta risoluzione spaziale.
- Studio di metodi per la valutazione
dei processi formativi, con particolare riferimento allefficacia
interna ed esterna del processo di formazione, con la duplice
finalità di comprendere i meccanismi che lo regolano e di
predisporre graduatorie tra le unità che erogano il servizio
(atenei, facoltà, corsi di laurea, insegnamenti). La metodologia
applicata si basa sulla Social Network Analysis.
- Studio di modelli statistici per la
valutazione dell'apprendimento degli studenti, attraverso modelli
di Item Response Theory (IRT) per variabili politomiche
ordinali.
1.e 2. I rischi naturali (natural hazards) quali, ad esempio, i
cicloni tropicali (hurricanes, tipici dei bacini oceanici) ed
extratropicali (windstorms, che interessano per lo più lEuropa,
come quelli che hanno colpito Francia, Germania e Regno Unito nel
dicembre 1999) costituiscono un problema significativo e globale
in termini di perdita di vite, danni alle infrastrutture e agli
edifici e costi di evacuazione delle aree a rischio. Le indagini
scientifiche in questo ambito si propongono di migliorare la
capacità di capire, sorvegliare e prevedere le variazioni
climatiche, naturali o prodotte dallattività umana, e i loro
impatti. Ovvero: - migliorare laccuratezza e ridurre l'incertezza
delle previsioni - massimizzare lo sfruttamento dei risultati,
legando gli output ad applicazioni quali lagricoltura, la salute,
la sicurezza, lenergia, le politiche assicurative e, in generale,
le politiche di gestione dei rischi naturali. Obiettivo specifico
della linea di ricerca relativa allo studio di metodi di
combinazione di distribuzioni predittive è lo sviluppo di un
sistema di previsione basato sulla combinazione probabilistica
degli output dei principali modelli-guida (numerical weather
prediction models) globali e regionali del Sistema Terra ad alta
risoluzione spaziale: considerando ogni modello-guida come un
esperto in grado di fornire informazioni sul fenomeno, si può
pensare di utilizzare alla stregua dei metodi di model ensemble
proposti da Krishnamurti (superensamble, 1999) e Raftery
(Bayesian Model Averaging, 2005) un metodo bayesiano di
combinazione delle informazioni stesse (Morris, 1977; Monari,
Agati, 2001), studiandone le specificità di comportamento in questo
ambito e valutandone le performance attraverso il confronto con
modelli alternativi. Fra i vantaggi di tale metodo, si distingue la
possibilità di una naturale modellizzazione probabilistica
dellerrore di previsione in condizioni di perturbazione degli
input iniziali (il così detto effetto-farfalla, Lorenz,
1963).
3. e 4. Studio di metodi per la valutazione dei processi formativi,
con particolare riferimento all'efficacia interna ed esterna del
processo di formazione, con le finalità di comprendere i meccanismi
che lo regolano, di predisporre graduatorie tra le unità che
erogano il servizio (atenei, facoltà, corsi di laurea,
insegnamenti) e di creare un modello previsionale. La metodologia
applicata si basa sulla Social Network Analysis. Sempre nell'ambito
della valutazione dei processi formativi, si inserisce lo studio di
modelli statistici per la valutazione dell'apprendimento degli
studenti, modelli di Item Response Theory (IRT) per variabili
politomiche ordinali, al fine di misurare l'abilità raggiunta dallo
studente e l'efficacia del processo di insegnamento.