Machine learning per la pubblica amministrazione

Rosa Meo, MIRKO LAI, Paolo Pasteris

Risultato della ricerca: Capitolo in libro/report/atti di convegnoContributo in volume (Capitolo o Saggio)peer review

Abstract

L’articolo si occupa dell’impatto dei big data sul patrimonio conoscitivo delle pubbliche amministrazioni a partire da una sperimentazione sulla banca dati dei contratti pubblici nazionali che ha coinvolto in prima persona l’Università di Torino e l’Autorità Nazionale Anticorruzione (ANAC). L’articolo illustra le varie fasi che un informatico o data scientist seguono per giungere all’utilizzo dei dati ai fini conoscitivi: l’iniziale approccio statistico volto a identificare le caratteristiche descrit- tive dei casi oggetto di studio, è seguito dall’approccio descrittivo volto a individuare le regolarità e correlazioni della base di dati a disposizione; dopo queste due fasi, il percorso di ricerca prosegue tramite l’approccio predittivo attraverso le tecniche di machine learning. L’articolo conclude promuovendo l’approccio di tipo prescrittivo come funzionale all’individuazione di decisioni che dovrebbero essere assunte sulla base dei dati a disposizione e che potrebbe suggerire delle buone pratiche future.
Titolo tradotto del contributo[Machine translation] Machine learning for public administration
Lingua originaleItalian
Titolo della pubblicazione ospiteL'amministrazione pubblica con i big data: da Torino un dibattito sull'intelligenza artificiale
EditoreQuaderni del Dipartimento di Giurisprudenza dell'università di Torino
Pagine131-148
Numero di pagine18
ISBN (stampa)9788875901806
Stato di pubblicazionePubblicato - 2021

Keywords

  • big data
  • innovazione tecnologica
  • intelligenza artificiale
  • pubblica amministrazione

Fingerprint

Entra nei temi di ricerca di 'Machine learning per la pubblica amministrazione'. Insieme formano una fingerprint unica.

Cita questo