FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ “Il sistema scolastico come sistema complesso: qualità delle rilevazioni e modelli di interpretazione dei risultati” Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope" QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Errare è umano, perdonare è divino, includere gli errori in un’indagine….è statistico (Kish, 1978)

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ TEMPESTIVITÁ QUALITÁ DEI DATI DEI DATI RILEVANZA ACCURATEZZA COERENZA ACCESSIBILITÁ LA QUALITÁ DEI DATI è multidimensionale…. Un concetto multidimensionale…....che EUROSTAT declina in base ad un set di criteri

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ L’ rappresenta la chiave di volta nel quadro generale della qualità dell’informazione statistica. L’ ACCURATEZZA rappresenta la chiave di volta nel quadro generale della qualità dell’informazione statistica. Infatti... Se il dato disponibile è un dato statisticamente non “accurato” L’ACCURATEZZA Le altre proprietà che lo caratterizzano passano automaticamente in secondo piano (Olson, 2003)

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ - -5-DEFINIZIONE L'accuratezza delle informazioni statistiche è il grado di corrispondenza tra la stima ottenuta dall'indagine e il vero (ma ignoto) valore della caratteristica in oggetto nella popolazione obiettivo. L’ACCURATEZZA È DESCRITTA IN TERMINI DI ERRORE DELLE STIME STATISTICHE Descrive l'influenza indotta dall'operazione di campionamento sulla varianza e sulla distorsione delle stime ERRORE TOTALE Errore non campionario Errorecampionario Errore da NON RISPOSTA Errore di MISURA Errore di COPERTURA

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ DESCRIZIONE ATTIVITÀ DI RICERCA - I ANNO - Analisi descrittiva della struttura dei dati mancanti in modo da quantificare l’intensità e la portata del fenomeno; Cercando di valutare l’eventuale presenza di fattori condizionanti del meccanismo di mancata risposta Progettazione di un sistema di correzione e controllo che consenta di realizzare l’obiettivo di una gestione ottimale del problema dei dati anomali, ai fini di un conseguente miglioramento della qualità dell’informazione statistica finale. RILEVAZIONE APPRENDIMENTI QUESTIONARIO SISTEMA

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ UNA PROCEDURA DI CONTROLLO E CORREZIONE DEGLI OUTLIER PUNTEGGI MEDI DI CLASSE - MATEMATICA A.S. 2004/05 III CLASSE SECONDARIA DI II GRADO I CLASSE SECONDARIA DI II GRADO I CLASSE SECONDARIA DI I GRADO IV CLASSE PRIMARIA II CLASSE PRIMARIA

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ LA PROCEDURA È STATA PROGETTATA ED IMPLEMENTATA PER I DATI Tutte le tre discipline oggetto di valutazione (italiano, matematica e scienze) In totale sono state analizzate e “trattate” 12 basi di dati II e IV classe primaria Anni scolastici 2004/05 e 2005/06

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ FASI DELLA PROCEDURA Identificazione dati anomali e sperimentazione di un fattore di ponderazione in grado di correggere l’impatto degli outlier FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Preparazione delle basi di dati (data cleaning) e la predisposizione di set di indicatori sintetici a livello di classe 1 LA PROCEDURA DI EDITING HA PREVISTO: 2 [] [ ]

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Percentuale di unità compresa tra il 9% ed il 16%, maggiore presenza nelle classi della scuola secondaria di II grado FASE I Eliminazione delle unità a livello micro (studenti) considerate Studenti che, per ogni dataset presentano un dato mancante rispetto alla variabile che esprime il punteggio di valutazione alla prova somministrata “PSEUDO NON RISPONDENTI”

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Punteggio medio per classe : COSTRUZIONE DI INDICATORI A LIVELLO DI CLASSE PUNTEGGIO DELL’I-ESIMO ALUNNO DELLA J-ESIMA AMPIEZZA DELLA J-ESIMA CLASSE Per ogni classe di studenti sono stati calcolati i seguenti indicatori: Scarto quadratico medio del punteggio per classe : Tasso di mancata compilazione per classe: NUMERO DI RISPOSTE MANCANTI O NON VALIDE RISCONTRATE PER L’I-ESIMO ALUNNO DELLA J-ESIMA CLASSE AMPIEZZA DELLA J-ESIMA CLASSE NUMERO DI QUESITI SOMMINISTRATI ALLA CLASSE J-ESIMA Indice medio di omogeneità delle risposte INDICE DI ETEROGENEITÀ DELLE RISPOSTE DATE DAGLI STUDENTI DELLA J-ESIMA CLASSE AL S-ESIMO QUESITORIEPILOGO La prima fase della procedura di editing ha previsto l’eliminazione, da ognuno dei 12 dataset, delle unità pseudo non rispondenti ed il calcolo dei seguenti indicatori a livello di classe: La prima fase della procedura di editing ha previsto l’eliminazione, da ognuno dei 12 dataset, delle unità pseudo non rispondenti ed il calcolo dei seguenti indicatori a livello di classe: Punteggio medio per classe Scarto quadratico medio del punteggio per classe Tasso di mancata compilazione per classe Indice medio di omogeneità delle risposte per classe

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ ANALISI IN COMPONENTI PRINCIPALI (ACP) Il ricorso all’Analisi in Componenti Principali (ACP) ha permesso di ridurre il numero di indicatori che esprimono il comportamento di risposta a solo due variabili CONTRAPPOSIZIONE Prima componente Seconda componente

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Permette di semplificare la procedura di editing e di isolare, graficamente, le classi anomale ANALISI IN COMPONENTI PRINCIPALI (ACP) Proiezione delle classi di studenti sui due assi fattoriali

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Produzione di una matrice dei gradi di appartenenza dove per ogni classe di studenti (righe della matrice) viene calcolata la probabilità di appartenenza ad ognuno degli 8 gruppi (colonne della matrice) IL METODO DELLE K MEDIE SFOCATO FUZZY K-MEANS- IL METODO DELLE K MEDIE SFOCATO -FUZZY K-MEANS- In base alle due componenti principali sono state classificate le classi di studenti in 8 gruppi mediante un algoritmo di FUZZY CLUSTERING FUZZY CLUSTERING

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ IDENTIFICARE IL CLUSTER DI UNITÀ ANOMALE Mediante la proiezione sugli assi fattoriali dei centroidi di ognuno degli 8 gruppi è possibile identificare il cluster di unità anomale Valori negativi elevati rispetto alla I componente principale, che indica un punteggio medio molto elevato e una scarsa variabilità interna sia rispetto al punteggio sia rispetto all’eterogeneità delle risposte Gruppo di OUTLIER Punteggi fattoriali prossimi allo zero rispetto alla II componente principale che indicano una presenza trascurabile di valori mancanti (missing data)

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Si potrà interpretare il grado di appartenenza di ogni unità al cluster individuato: µ ia Lo stesso indice può essere interpretato, in alternativa, come una misura del livello di anomalia di ogni classe i-esima come la probabilità per ogni classe di studenti di essere considerata un outlier IDENTIFICARE IL CLUSTER DI UNITÀ ANOMALE

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ W i assumerà valori prossimi allo zero se l’unità è classificata con una probabilità elevata tra gli outlier, viceversa assumerà valori vicini all’unità se la classe non può essere considerata anomala CORREZIONE DEI DATI ANOMALI Sulla base del grado di appartenenza al cluster di unità anomale è possibile correggere i punteggi medi di ogni classe ricorrendo ad un fattore di ponderazione w i W i =1 - µ ia Fattore di correzione Probabilità di essere un outlier

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ LA LOGICA DI FONDO Il criterio ispiratore dell’intera procedura di correzione è quello di attribuire ad ogni unità un peso diverso determinato dal complemento ad uno della probabilità di appartenere al cluster di unità anomale. Si supera il limite della logica dicotomica di classificare in modo “drastico” un’osservazione come outlier o meno (hard clustering), a favore di un approccio sfumato (fuzzy) che permette di quantificare, rispetto ad ogni classe, il livello di anomalia e conseguentemente di tarare adeguatamente l’intervento correttivo.

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ EFFETTI CORREZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope"

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ CARATTERIZZAZIONE TERRITORIALE DEL FENOMENO DEI DATI ANOMALI

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Escludendo dall’analisi le regioni del Sud, si noterà l’attenuarsi delle anomalie che sono state riscontrate rispetto alle distribuzioni calcolate sull’insieme dei dati italiani CARATTERIZZAZIONE TERRITORIALE DEL FENOMENO DEI DATI ANOMALI

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ PUNTEGGI MEDI PER REGIONE

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ QUESTIONARIO DI SISTEMA E DATI MANCANTI Analisi della presenza dei missing data nell’indagine di sistema che l’INVALSI ha condotto sulle scuole del I ciclo nell’a.s. 2005/06 I ciclo nell’a.s. 2005/06 EXANTE Individuare punti di criticità del modulo di rilevazione e fornire una panoramica dei fattori che condizionano maggiormente la collaborazione all’indagine in modo da poter migliorare il processo di data capturing nelle edizioni successive della rilevazione EX EEXXPOSTPOSTEEXXPOSTPOST Acquisire gli elementi per valutare la possibilità di implementare un metodo di ricostruzione delle informazioni mancanti OBIETTIVI

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ PROFILI SCOLASTICI Per rendere più snello il lavoro di analisi si è proceduto ad una suddivisione della matrice dei dati in modo da ottenere un dataset specifico per ogni profilo scolastico (inteso come tipologia di livello di istruzione che ogni istituzione presenta) ProfiloTipologia di istituzione scolastica Numero istituzioni scolastiche presenti nel profilo Valori assoluti Valori percentuali Profilo S_INF Scuola dell'infanzia non statale ,25 Profilo S_PRIM Scuola primaria2612,74 Profilo S_SEC Scuola secondaria di I grado ,10 Profilo M_INF_PRIM Scuola dell'infanzia e scuola primaria (circolo didattico) ,56 Profilo M_PRIM_SEC Scuola primaria e scuola secondaria di I grado4905,14 Profilo INF_PRIM_SEC Scuola dell'infanzia, scuola primaria e scuola secondaria di I grado (istituto comprensivo) ,21

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Il ricorso ai profili di istituzione scolastica ha permesso di distinguere le variabili espressamente “dedicate” ad una determinata tipologia scolastica da quelle non indirizzate alla stessa, definite “variabili non applicabili per il profilo scolastico” La suddivisione in profili stata effettuata in base ad un criterio di “AUTOREFERENZIALITÀ” ogni istituzione è stata considerata appartenente ad un determinato profilo, non in base alle informazioni contenute nella lista di riferimento, bensì osservando la tipologia di domande a cui la stessa scuola ha fornita risposta PROFILI SCOLASTICI Sono stati estratti dal questionario generale, e conseguentemente dalla matrice dei dati, tanti subset di quesiti, e di variabili, quanti sono i profili di istituzioni scolastiche individuate

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ LE MANCATE RISPOSTE I DATI MANCANTI SI CLASSIFICANO IN NON RISPOSTE quando l’istituzione scolastica non ha fornito il dato richiesto RISPOSTA NON VALIDA quando il dato ottenuto non corrisponde all’informazione richiesta RISPOSTA NON APPLICABILE quando non è possibile per l’istituzione scolastica fornire una risposta poiché la domanda che è stata posta nel questionario non “fa al caso”

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Totale delle non risposte individuate rispetto all’i-esima istituzione del p-esimo profilo Numero di variabili indirizzate al p-esimo profilo Totale delle risposte non valide individuate rispetto all’i-esima istituzione del p-esimo profilo Numero di variabili indirizzate al p-esimo profilo Totale delle risposte non applic. individuate rispetto all’i-esima istituzione del p-esimo profilo Numero di variabili indirizzate al p-esimo profilo INDICATORI DI MANCATA RISPOSTA

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ DATI NON APPLICABILI Media0,059 Moda0,042 Varianza0,045 Minimo0,002 Massimo0,303 Primo quartile0,025 Mediana0,046 Terzo quartile0,083 Oltre la metà del collettivo non supera il 5% di dati non applicabili; mentre, soltanto 95 unità (1%) hanno compilato il questionario con una quota di dati non applicabili compresa tra il 20% ed il 40%.

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ TASSI DI RISPOSTA NON APPLICABILE

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Poiché numerosi quesiti sono indirizzati a istituzioni scolastiche che possono essere definite “complesse” dal punto di vista delle attività svolte (partecipazione a progetti, presenza di esperti esterni, stipula di convenzioni con altri enti, etc..), delle strutture (sedi e laboratori attivati) e del numero di allievi e di unità di personale. Scuole secondarie di I grado interessate in misura minore dal fenomeno della non applicabilità dei quesiti TASSI DI RISPOSTA NON APPLICABILE

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ la riprogettazione dei questionari di indagine, costruendo moduli specifici per ogni livello scolastico, comporterebbe un incremento dei costi e dei tempi dell’intero processo di indagine non giustificato dalla scarsa intensità del fenomeno anche le scuole maggiormente interessate dalla presenza di questa tipologia di dati mancanti, con valori mediani compresi tra il 6% e l’8%, non superano soglie preoccupanti che consiglierebbero una rimodulazione del modulo di rilevazione 1 SI RITIENE CHE UN SIMILE ANDAMENTO DEI TASSI DI RISPOSTA NON APPLICABILE SIA DA CONSIDERARSI FISIOLOGICO QUANDO LE UNITÀ DI INDAGINE SONO ETEROGENEE E COMPLESSE COME LE ISTITUZIONI SCOLASTICHE 2 [ ] [ ] TASSI DI RISPOSTA NON APPLICABILE TALE ANDAMENTO NON COSTITUISCE UN FATTORE DI CRITICITÀ DELLA RILEVAZIONE PER DUE ORDINI DI MOTIVI

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ Media0,053 Moda0,000 Varianza0,004 Minimo0,000 Massimo0,784 Primo quartile0,013 Mediana0,034 Terzo quartile0,070 TASSI DI NON RISPOSTA Il tasso di non risposta è riconducibile ad una mancata collaborazione da parte dell’intervistato a fornire le informazioni richieste A differenza della non applicabilità, tale fenomeno può essere soltanto in parte controllato e prevenuto dall’ente che predispone l’indagine. La presenza di mancate risposte, si è attestata su livelli soddisfacenti evidenziati da un tasso medio di mancate risposte pari al 5% ed una variabilità limitata prossima allo zero (σ 2 =0,004) DA UN’ANALISI UNIVARIATA DEI TASSI DI NON RISPOSTA SI EVINCE UN FORTE SPIRITO COLLABORATIVO ALL’INDAGINE DI SISTEMA

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ TASSO NETTO DI NON RIPOSTA SUPERIORE O UGUALE AL 10% Profilo scolastico Numero istituzioni scolastiche con elevata propensione alla non collaborazione (Tasso netto di non risposta ≥ 0,1) Numero istituzioni scolastiche presenti nel profilo [3] Intensità nel profilo (*) [1] / [3] Valori assoluti [1] Valori percentuali [2] Primaria 714,58%26127,20% Primaria e secondaria 1187,61%49024,08% Infanzia, primaria e secondaria 45929,59% ,49% Infanzia e primaria 36323,40% ,34% Infanzia non statale 27017,41% ,33% Secondaria 14317,41%1.4399,93%

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ TASSI DI NON RISPOSTA PER LIVELLI SCOLASTICI

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ INFANZIA TASSI DI NON RISPOSTA NUMERO STUDENTI PRIMARIA SECONDARIA

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ UN’ANALISI PER SEZIONI DEL QUESTIONARIO Per ogni profilo scolastico è stato calcolato un indice di Mancata Compilazione (MC) per sezione Non risposte registrate dalle K istituzioni scolastiche del p-esimo profilo rispetto alle variabili della s-esima sezione Numero totale di unità del p-esimo profilo Numero totale di variabili appartenenti alla s-esima sezione

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ IL TASSO DI MANCATA COMPILAZIONE Il tasso di mancata compilazione essendo una misura “relativizzata”, sia rispetto al numero di variabili che rispetto al numero di unità, è in grado di consentire sia confronti tra sezioni dello stesso profilo (confronti verticali) sia tra profili diversi rispetto alla stessa sezione (confronti orizzontali)

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ CONCLUSIONI -ANALISI DATI DI SISTEMA- Per innalzare ulteriormente il livello qualitativo della rilevazione si potrebbe… L’analisi ha permesso di esprimere un giudizio COMPLESSIVAMENTE POSITIVO sull’accuratezza dei dati di sistema RIdimensionare il modulo di rilevazione, cercando di individuare il giusto compromesso tra il dettaglio delle informazioni ed il numero di quesiti Offrire una maggiore assistenza alle istituzioni scolastiche di dimensioni minori che hanno mostrato una minor propensione a collaborare all’indagine Effettuare una revisione dei quesiti maggiormente interessati dalle mancate risposte, in particolar modo quelli relativi agli aspetti della dispersione scolastica oppure quelli relativi all’impiego di esperti esterni Ridurre il numero di quesiti che non prevedono un’opzione di risposta esaustiva per evitare confusione e/o incertezza e conseguente aumento delle non risposte e delle risposte non valide

FINVALI QUALITÀ DEI DATI, ANALISI E SUGGERIMENTI PER LA RILEVAZIONE Dipartimento di Statistica e Matematica per la Ricerca Economica Università degli Studi di Napoli "Parthenope“ SVILUPPI FUTURI ANALISI DEI DATI 2006/2007 E CONFRONTO CON ANNI PRECEDENTI OFFRIRE SPUNTI E SUGGERIMENTI PER UN PECORSO DI QUALITÀ