Category Archives: Science Diffusion

Diversification of nations research systems

indexMeasure the impact of scientific research of a country is of great interest to policy makers in order to define both the amount of its spending and its priorities. To study in a systematic way the scientific impact of nations, using simple and relevant indicators,  data on the number of articles and citations produced by individual countries have been used in the past. Articles and citations are, in fact, an indirect measure of the output of the investment in research: the number of scientific articles is related to the activity carried out and the number of citations received by these articles measures popularity that one can consider correlated to the scientific quality. While, when referring to a single researcher these numbers should be treated with great caution, when considering the production of a whole country one can reasonably assume, thanks to the large numbers involved, that there is a proportionality between the total number of articles and citations and the global significance of the research.

Robert May was among the first to perform this type of analysis for the years 1981-1994; in particular compared the investments and the results of scientific research in various countries. Later, David King presented in 2004 a similar  but more refined analysis, for the years 1993-2002. More recently, other studies, several national and international agencies, using a similar methodology, measured the productivity of scientific research of nations by normalizing the number of scientific articles and citations received to the spending on research and university. In fact, when comparing very different countries (for example, the United States and Switzerland) it is necessary to take into account the fact that the global scientific production depends on the size of the country itself: for example, the number of researchers or total investment in research. As the number of researchers is not simply measurable (for example, in many countries there is a nontrivial problem in the census of not permanent researchers), it can be used as an indicator for comparing different countries, the spending on scientific research and development or the cost of higher education for research and development (the so-called HERD) that is surveyed by the OECD. Continue reading Diversification of nations research systems

Quando crescerà il Pil?

La maggior parte delle previsioni in economia sono caratterizzate dall’essere smentite dai fatti; questo poiché basate su un modello teorico che non è grado di descrivere la realtà e dunque tantomeno di fare previsioni corrette. In assenza di un affidabile modello teorico di riferimento, per eseguire previsioni, è possibile usare il “metodo degli analoghi”, che permette, dalla conoscenza dello stato del sistema fino a un tempo abbastanza remoto nel passato, di inferire lo stato futuro. Questo metodo non si può applicare a qualsiasi sistema, ma solo a quelli che mostrano un comportamento relativamente semplice, cioè a sistemi che non hanno un comportamento caotico per cui una piccola incertezza nella conoscenza del sistema a un certo tempo può causare una grandissima variazione nella conoscenza dell’evoluzione del sistema in un tempo futuro – il famoso effetto farfalla. Continue reading Quando crescerà il Pil?

Equilibrio e crisi economiche: gli economisti neoclassici sono come i meteorologi?

Si è discusso spesso sull’uso della matematica in economia. C’è chi sostiene che usare la matematica sia evidenza di quel rigore formale che fornirebbe all’economia lo status di scienza esatta sull’esempio della fisica: ad esempio Luigi Zingales scrive nel suo Manifesto Capitalista:

La storia della fisica nella prima metà del XX secolo è stata una straordinaria avventura intellettuale: dall’intuizione di Einstein del 1905 sull’equivalenza tra massa e energia alla prima reazione nucleare controllata del 1942. Lo sviluppo della finanza nella seconda metà del Novecento ha caratteristiche simili”.

Continue reading Equilibrio e crisi economiche: gli economisti neoclassici sono come i meteorologi?

Ricerca scientifica: tanto spendi, tanto ottieni

In questo post, primo di una piccola serie, descrivo i principali risultati dello studioThe Scientific Competitiveness of Nations” pubblicato su Plos One lo scorso dicembre, che ho scritto con i colleghi Giulio Cimini e Andrea Gabrielli (che ringrazio!).

Misurare la qualità della ricerca scientifica di un paese è di grande interesse per i decisori politici allo scopo di definire sia il suo finanziamento sia le sue priorità. Articoli e citazioni rappresentano una misura dell’output dell’investimento in ricerca: il numero di articoli scientifici è correlato all’attività svolta e il numero di citazioni da questi ricevuti è un surrogato della qualità scientifica, la loro popolarità. Mentre quando ci si riferisce a un singolo ricercatore questi numeri vanno trattati con grandissima cautela (si veda ad esempio qui, qui e qui), quando si considera la produzione di un intero paese si può ragionevolmente assumere, grazie ai grandi numeri in gioco, che ci sia una proporzionalità tra il numero totale di articoli e citazioni e la significatività della ricerca.

Per misurare l’impatto dei sistemi di ricerca delle nazioni abbiamo utilizzato i dati disponibili sul sito Scimago che riguardano 238 paesi, 27 campi scientifici che a loro volta sono suddivisi in 307 sotto-campi. Nell’analisi non abbiamo incluso (in prima battuta) i dati per le scienze sociali e le scienze umane, poiché è noto che le banche dati sono ampiamente incomplete per questi settori: lo stesso non avviene per le scienze naturali, la matematica, l’ingegneria e la medicina in cui le pubblicazioni sono, nella quasi totalità, in lingua inglese e su riviste internazionali. Questa situazione non è solo dovuta a una diversa convenzione adottata nei differenti campi del sapere, ma è anche il riflesso di un problema sostanziale.

Nelle scienze naturali, ad esempio, si studiano fenomeni che sono universali, cioè che occorrono qui e ora come in ogni altro luogo e istante: per esempio, il tempo della fisica è privo di posizione storica, mentre il tempo per i fenomeni sociali è proprio il tempo storico. Nelle scienze sociali il dove è il quando sono perciò fondamentali e questo implica una minore internazionalizzazione dei problemi e una maggiore attenzione a casi in specifici paesi e situazioni.

E’ ovvio che quando si confrontano paesi molto differenti (ad esempio, gli Stati Uniti e la Svizzera) bisogna tener conto del fatto che la produzione scientifica globale dipende dalle dimensioni del paese stesso: ad esempio dal numero di ricercatori o dall’investimento totale in ricerca. Poiché il numero di ricercatori non è semplicemente misurabile (ad esempio, in Italia c’è un problema non banale nel censimento dei ricercatori non permanenti), abbiamo usato, come indicatore per comparare diversi paesi, la spesa in ricerca scientifica e sviluppo. Più precisamente, a tale scopo, abbiamo utilizzato, come prassi in questo tipo di analisi, i dati della spesa dell’istruzione superiore per la ricerca e sviluppo (la cosiddetta Herd) che viene censita dall’Ocse.

journal.pone.0113470.g001

Nella figura sopra, è riportato il rapporto tra il numero totale di citazioni e la spesa Herd (espresso in dollari equivalenti – PPP$) per ogni paese (considerando il numero d’articoli si ottiene un risultato simile). La linea verde è (quasi) una retta: questa relazione implica semplicemente che la produzione della ricerca scientifica dipende linearmente dalle risorse che una nazione ha investito in essa. Le nazioni sopra/sotto la retta (ad esempio, Regno Unito, Israele, Canada, Nuova Zelanda, sopra; Giappone, Cina, Messico, Turchia, sotto) sono più/meno efficienti nella loro produzione scientifica rispetto all’andamento medio: un’analisi più raffinata, di cui discuterò in seguito, è quindi necessaria per identificare le ragioni di queste fluttuazioni. Tuttavia in prima battuta possiamo concludere che nella ricerca scientifica il risultato che si ottiene a livello di paese dipende dall’investimento, con delle deviazioni dalla media piuttosto contenute in quasi tutti i paesi al mondo e sicuramente per l’Italia che, anzi, si posiziona abbastanza bene. Sembra un risultato banale ma vale la pena ricordarlo, data la confusione che leggiamo spesso sul funzionamento della ricerca in Italia.

(fonte: http://www.ilfattoquotidiano.it/2015/01/21/ricerca-scientifica-spendi-ottieni/1356165/)

Previsioni scientifiche, incertezza e decisioni

Nell’antichità, la capacità di prevedere i cicli astronomici permetteva la programmazione delle attività agricole, indispensabili alla sopravvivenza. Allo scienziato moderno è posto lo stesso problema, quello di prevedere il futuro, in maniera sempre più pressante. Le previsioni giocano infatti un ruolo fondamentale non solo per la scienza e per lo stesso metodo scientifico, ma hanno anche in misura crescente il ruolo di garantire una base razionale alle decisioni in ambito di politiche globali o locali, protezione civile, prevenzione sanitaria, politica economica ecc. In particolare, mentre la previsione tradizionale e riduzionista delle scienze naturali ha il ruolo di convalida d’ipotesi sul funzionamento dei fenomeni naturali, negli ultimi anni è sorto un nuovo tipo di scienza delle previsioni, motivata in parte dalle esigenze dei responsabili politici e dalla disponibilità di nuove tecnologie. Questa nuova disciplina tenta di prevedere il comportamento di complessi fenomeni ambientali come i cambiamenti climatici, i terremoti e i fenomeni meteorologici estremi, ma anche alcuni fenomeni sociali ed economici come la diffusione di malattie, lo sviluppo delle popolazioni, la sostenibilità dei sistemi pensionistici ecc….

(continua su Aspenia)

Big Data, Complexity and Scientific Method

aspenia 63 cover FIN

Originally Published in Aspenia 63 “Where East meets West”, published in Aspenia 63, Aspen Institute Italia, Rome, December 2013 ( I thank Maurizio Paglia for the help in the English translation that can be found here)

 Nowadays the collection of an enormous quantity of data is technically quite feasible. Still, the treatment of “big data” cannot by itself improve the ability to forecast natural or social phenomena. In fact, even when the underlying dynamic laws are known, it keeps being difficult to understand the evolution of the forces that often give rise to chaotic behaviors.

Big Data, complessità e metodo scientifico

aspenia 63 cover FIN

Big Data, complessità e metodo scientifico
(Aspenia, n.63,  January 2014)

Oggi è tecnicamente possibile la raccolta di enormi quantità di dati. Ma il trattamento dei “big data” non è in grado, di per sé, di migliorare la capacità di previsione di fenomeni naturali o sociali. Anche di fronte alla conoscenza delle leggi dinamiche sottostanti, infatti, rimane difficile comprendere l’evoluzione di forze che danno spesso luogo a comportamenti caotici. 

(see the English version : Big Data, Complexity and the Scientific Method)