Luisa Stracqualursi

1. Sviluppo di metodi di ensemble probabilistic forecasting e confronto di performance.
2. 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 l’Europa). Trattasi di modello basato sull’aggregazione probabilistica degli output dei principali modelli-guida globali ad alta risoluzione spaziale.
3. Studio di metodi per la valutazione dei processi formativi, con particolare riferimento all’efficacia 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.
4. 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 l’Europa, 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 dall’attività umana, e i loro impatti. Ovvero: - migliorare l’accuratezza e ridurre l'incertezza delle previsioni - massimizzare lo sfruttamento dei risultati, legando gli output ad applicazioni quali l’agricoltura, la salute, la sicurezza, l’energia, 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 dell’errore 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.