Possibili evoluzioni future

L’intento principale di questo lavoro è stato quello di esaminare le proprietà delle skill estratte dalle fonti sopra elencate, scoprire l’esistenza o meno di tendenze positive o negative, il grado di attendibilità delle skill e di conseguenza delle piattaforme di provenienza, la percentuale di accuratezza e precisione di queste competenze, per poi provare ad indicare le caratteristiche e la bontà di ogni piattaforma.

Il primo passo è stato dare ad ogni ricercatore la propria posizione, ovvero indicare a quale ateneo appartenesse e, nello specifico, a quale dipartimento. Dopo questa prima parte è stata fatta una ricerca sui due siti, LinkdIn e Researchgate, al fine di estrarre le skill di ognuno. Non tutti i nomi analizzati hanno avuto una duplice corrispondenza sulle due piattaforme, alcuni sono stati trovati solo su una delle due. Quella con più riscontri è stata LinkedIn. A queste due sezioni ovviamente è stata aggiunta quella riguardante Scopus.

Per quanto riguarda Scopus, le skill di ogni ricercatore sono state ordinate dapprima in base alla loro frequenza, ed in seguito, una volta rimaste solo quelle con frequenza uguale a uno, in ordine alfabetico. Questo perché in Scopus ogni pubblicazione produce il proprio set di skill, e di conseguenza pubblicazioni diverse possono avere una o più skill in comune, così da aumentarne la frequenza nel pattern riferito ad un singolo soggetto.

L’insieme di tutte le skill ricavate dalle diverse fonti è stato inserito in un unico file, il quale contiene i campi seguenti:

 Cognome e nome;

 Indirizzo di posta elettronica;

 Ateneo;

152

 Skill da LinkedIn, raccolte nell’ordine in cui compaiono sul profilo utente, quindi con frequenza di conferma decrescente;

 Skill da Researchgate, raccolte nell’ordine in cui compaiono sul profilo utente, quindi con frequenza di conferma decrescente;

 Skill da LinkedIn – Skill da Researchgate, questo campo è il risultato di una sorta di sottrazione tra skill uguali, tramite la quale sono state eliminate dal gruppo di skill provenienti da LinkedIn quelle contenute anche in Reserchgate (nei casi in cui l’autore disponesse di un profilo su entrambe le piattaforme). La sottrazione è stata effettuata senza tener conto della frequenza di ogni skill, ipotizzando quindi che ogni skill avesse frequenza pari a uno;

 Skill da Researchgate - Skill da LinkedIn, questo campo è l’esatto opposto del precedente;

 Indexed Keyword da Scopus, questo è il campo delle skill automatiche, qui chiamate keywords, prodotte da ogni pubblicazione della persona in oggetto ed ordinate in base alla loro frequenza;

 Indexed Keyword da Scopus - Skill LinkedIn, questo è un altro campo con al suo interno il risultato della sottrazione tra skill uguali, dove all’insieme di skill indicizzate proveniente da Scopus sono state eliminate quelle uguali contenute anche in LinkedIn relativamente allo stesso autore;

 Indexed Keyword da Scopus - Skill Researchgate, questo campo è come il precedente ma con la differenza che ad essere eliminate sono le skill contenute anche in Researchgate;

 Skill LinkedIn - Indexed Keyword da Scopus, con questo campo iniziano le sottrazioni tra insiemi di skill speculari a quelli precedenti;

 Skill Researchgate - Indexed Keyword da Scopus.

Bisogna precisare che molte skill indicanti la medesima abilità erano spesso scritte in maniera differente, ad esempio con acronimi piuttosto che con verbi nella forma in -ing o coniugati all’infinito. In tutti questi casi, indicando appunto la stessa abilità, sono state considerate come un’unica skill, aumentando così soltanto la frequenza di una stessa skill, e non considerate come skill differenti.

Alcuni commenti a cui si può giungere dopo le operazioni descritte sopra sono i seguenti: o Per ogni utente, la presenza di skill contenute contemporaneamente sia in LinkedIn

che in Researchgate è generalmente molto bassa. Questo indica che per una stessa persona la quale possiede uno spazio personale su entrambe le reti sociali, le

153

indicazioni riguardo alle proprie competenze sono differenti tra i due portali. Così che quando si effettua la differenza tra i due insiemi contenenti le skill dei rispettivi siti, gli insiemi stessi restano il più delle volte invariati, o variano di poco. Questo potrebbe indicare la natura differente dei due spazi virtuali, o della loro diversa finalità od ancora le diverse finalità per le quali il ricercatore li utilizza entrambi; o Tra le skill estratte automaticamente da Scopus e quelle contenute sia in LinkedIn

che in Researchgate, si riscontra invece una maggiore, se pur di poco, corrispondenza. Questo risultato può scaturire dal fatto che le skill indicizzate di Scopus sono in molti casi in numero molto elevato (maggiore di 100), di conseguenza risulta più facile incontrare corrispondenze con le altre piattaforme.

Passiamo ora ad un altro tipo di analisi, riguardante esclusivamente le skills contenute in LinkedIn, senza dubbio la rete professionale più conosciuta ed utilizzata dalle varie figure prima elencate: aziende, ricercatori, scienziati e professionisti in genere.

Sono state raggruppate tutte le skill dei vari ricercatori presenti nelle pagine personali di ognuno di loro (68 profili analizzati), ordinate per sequenza. Il numero totale delle skill tra loro differenti, quindi non calcolando la numerosità di quelle uguali, è risultato di 320 abilità diverse.

Nell’analizzare queste skill si è potuto constatare come ce ne siano diverse, per la maggior parte dei profili visionati, la cui natura si presenta come poco discriminante ai fini di una ricerca professionale all’interno del sito. Infatti alcune skill vanno ad indicare abilità che in generale dovrebbero essere considerate implicite, e facenti parte del bagaglio culturale di qualsiasi individuo il quale abbia ottenuto una specifica formazione.

Lo scopo principale di questa piattaforma è infatti dare visibilità a se stessi, alle proprie esperienze e competenze al fine di trovare ed ottenere collaborazioni, finanziamenti, o semplicemente occasioni lavorative. Competenze che risultino inutili per questo scopo possono quindi essere messe in secondo piano, se non eliminate del tutto. A questa tipologia di skill si aggiungono altre che invece portano con loro un altro tipo di “difetto”. Sono quelle che indicano competenze troppo generali, senza il giusto grado di specificità indicate solitamente con il nome della disciplina a cui fanno capo, creando pericolose incomprensioni o false aspettative.

Ora invece vediamo tutte le skill con frequenza uguale o maggiore di 3, per cercare di farci un’idea sulla tipologia delle competenze che ottengono più endorsment dagli utenti (si fa notare che gli utenti selezionati hanno sostenuto per la grande maggioranza, oltre il 90%, un

154

percorso di studi di natura ingegneristica, in particolar modo ingegneria meccanica/aerospaziale):  Simulations (36);  Research (31);  Matlab (27);  Mathematical Modeling (21);  R&D (21);  LaTeX (20);  Algorithms (17);  Numerical Analysis (15);  Statistics (15);  Engineering (14);  Science (14);  University Teaching (14);  Teaching (14);  Manufacturing (12);  Artificial Intelligence (11);  Data analysis (11);  English (11);  Physics (11);  Microsoft Office (10);  Machine Learning (10);  Innovation Management (9);  Management Consulting (9);  Programming (9);  Project management (9);  Scientific Computing (9);  Signal Processing (9);  Finite Element Analysis (8);  Materials Science (8);  Simulink (8);

 Business Strategy (7);  Computer Science (7);  Management (7);

155  Mechanical Engineering (7);  Robotics (7);  C (6);  C++ (6);  Fortran (6);  Microsoft Excel (6);  Higher Education (5);  Labview (5);  Linux (5);  Mathematica (5);  Modeling (5);  Numerical Simulation (5);  Optimization (5);  PowerPoint (5);  Product development (5);  Theory (5);

 Wireless Sensor Networks (5);  Analysis (4);  AutoCAD (4);  Business Planning (4);  Computer Vision (4);  Experimentation (4);  Image Processing (4);  Italian (4);  Microsoft World (4);  Patent Searching (4);  Process Engineering (4);  Solidworks (4);  Windows (4);  ANSYS (3);  Business Modeling (3);  Customer Service (3);  Data Mining (3);  Design around (3);

156

 Distributed Systems (3);  Entrepreneurship (3);  Intellectual Property (3);  IP management (3);

 Monte Carlo Simulation (3);  Operations Management (3);  Outlook (3);  Public Speaking (3);  Rapid Prototyping (3);  Sensors (3);  Software Engineering (3);  Start-ups (3);  Strategy (3);

 Supply Chain Management (3);  Sustainability (3);

 Teamwork (3).

In grassetto sono state evidenziate alcune delle skill che maggiormente rispecchiano le caratteristiche (negative) prima elencate, ovvero quelle competenze poco discriminanti e con un livello di dettaglio troppo basso, ma se ne potrebbero aggiungere a queste molte altre. Tra le più evidenti si può trovare Italian, Teaching o University Teaching, competenze più che scontate per chi vive nell’ambiente universitario da anni come i ricercatori ed i docenti. È chiaro come LinkedIn venga visto come una vetrina per la maggior parte di coloro che si registrano al sito e che curano il loro profilo. Di conseguenza, l’aggiunta di competenze causerà ai visitatori un’impressione migliore rispetto ad un profilo che invece contiene poche skill, e magari senza endorsement. Il problema è però che molte delle suddette competenze risulteranno inutili, ed avranno una funzione puramente di corredo. Per tale motivo si può pensare di separare le competenze critiche da tutte le altre.

L’idea potrebbe essere quella di non eliminare completamente queste skill, ma piuttosto creare una sezione a parte nella quale poter inserire quelle competenze che appunto non vanno a differenziare in modo significativo l’utente rispetto a tutti gli altri. Questo potrebbe essere fatto sia direttamente dall’utente sul proprio profilo in maniera manuale (con tutti i rischi di incongruenza che ne deriverebbero), sia attraverso un procedimento automatico, così da seguire le moderne tendenze tecnologiche, che riesca a catturare quelle skill ritenute primarie ai fini della ricerca di collaboratori.

157

Sviluppare però un’attività del genere in maniera del tutto automatizzata e soprattutto in modo preciso, completo e corretto, risulta spesso molto complesso se non impossibile. Potrebbe essere necessaria quindi l’invenzione di meccanismi collettivi che siano in grado di superare l’approccio algoritmico, che richiede comunque l’intervento dell’uomo, in modo da poter configurare automaticamente un ambiente personalizzato per il ricercatore che gli consenta di avere a disposizione uno spazio virtuale che rispecchi le sue competenze nella maniera più veritiera possibile. Una serie di caratteristiche che il portale potrebbe incorporare per poter conseguire gli obiettivi immaginati potrebbe essere la seguente:

 Profilo scientifico e lavorativo che mostri le caratteristiche del soggetto ed i suoi interessi, a partire dal suo CV fino ad arrivare a tutte le sue pubblicazioni ed alla sua carriera accademica, le sue aspirazioni lavorative, i suoi contatti e la sua disponibilità a partecipare a progetti o iniziative di crowdsourcing (collaborativo oppure no). Proprio dalle sue pubblicazioni, dalla sua carriera e dalle sue aspirazioni potrebbero essere estratte le skill (come in parte già avviene) per poi separarle in base al loro campo di provenienza, ossia PUBBLICAZIONI → SKILL ESTRATTE, CARRIERA → SKILL ESTRATTE, ASPIRAZIONI → SKILL ESTRATTE.  L’opportunità di suddividere i contatti in cerchie distinte per consentire di gestire

flussi diversi di dati. Un’altra fonte di skill potrebbero essere proprio i contatti o i gruppi di contatti di cui si fa parte. L’analisi verrebbe effettuata sia sugli altri componenti del gruppo, quindi sulle skill degli altri contatti, sia sul materiale che viene scambiato all’interno del gruppo, effettuando ad esempio analisi automatiche dei testi e conseguentemente estrazioni di parole chiave. Il risultato potrebbe essere anche qui simile a quello del punto precedente, GRUPPO → SKILL ESTRATTE, eventualmente con la possibilità in questo caso di poter scegliere se rendere visibili o meno tali skill, potendo in seguito verificare una possibile correlazione tra le skill proprie dell’utente e quelle estratte dalle sue connessioni (di primo grado, di secondo, di terzo o mischiate tra loro in diverse combinazioni).

 Sezione dedicata alla ricerca ed all’offerta di crowdsourcing collaborativo, sfide su piattaforme esterne, open call, o quant’altro possa far sfruttare ed accrescere il bagaglio di competenze dell’utente, e di conseguenza la sua attrattività professionale.  Ambiente virtuale dedicato a ciascun utente, tipo repository, in modo da consentire la gestione di una libreria all’interno della quale potrebbero essere contenuti pubblicazioni proprie od altri documenti, e referenze che si ritengono rilevanti con la possibilità di esportarle ed importarle in parte o in maniera completa. Questa

158

libreria potrebbe essere, se espressamente richiesto dall’utente, accessibile ad altri utenti, al fine di poter visionare la sua “carriera” scientifica.

 Pubblicazioni catalogate in base a caratteristiche note ed a parole chiave impostate dall’autore, o da tag liberi assegnati dagli utenti gestiti in modo da separare quanto deciso dall’autore stesso da quello deciso dagli altri utenti. Strumenti in grado di effettuare questo tipo di assegnazione in maniera automatica estraendo dati contenuti all’interno dei documenti. La catalogazione delle pubblicazioni insieme all’assegnazione di tag ed all’estrazione di parole chiave, può essere vista come un’ulteriore fonte di skill assegnabili ad ogni utente, anch’esse catalogate sotto opportuni indici distintivi.

 Visualizzazione dei contatti che mostra l’interazione tra membri che hanno collaborato per progetti (di crowdsourcing o di altra natura) o per la scrittura di articoli o pubblicazioni in genere (dai quali provengono le relative skill).

 Motore di ricerca in grado di permettere una personalizzazione molto avanzata, in particolar modo per la ricerca di altri utenti, con la possibilità di impostare come criterio di ricerca la/le skill ritenuta/e più importate/i ed il suo/loro “grado di profondità” raggiunto, ovvero quanto tale skill sia confermata da altri utenti (endorsement), o da assegnazioni automatiche provenienti da dati di vario genere (articoli, pubblicazioni, esperienze in progetti, etc.).

 Gruppi che differiscono dai topic per la possibilità di essere privati, nascosti, o ad accesso limitato: accedere a tali gruppi sarà possibile soltanto se in possesso di precisi requisiti, verificabili automaticamente dal sistema, come skill, numero di progetti a cui è stata presa parte, percorso formativo, etc.

Dopo aver visto quali e quante sono le skill che ognuno degli utenti presi in esame possiede, come sono suddivise, e su quali piattaforme, dobbiamo confrontare ciò che i sistemi web ci forniscono in maniera più o meno diretta con le competenze che ogni utente realmente possiede.

Per far questo non c’era modo migliore e più preciso se non quello di chiedere ai diretti interessati tramite un questionario stilato appositamente per loro, così da poter avere un riscontro effettivo della bontà di queste piattaforme virtuali e del loro funzionamento. Rimandiamo al prossimo capitolo per una descrizione più approfondita ed un’analisi completa.

159