Dati non più soggetti a pubblicazione obbligatoria ai sensi del d.lg.s 97/2016

Premessa metodologica

E’ stato elaborato un Questionario, predisposto secondo la Direttiva del Ministro della Funzione Pubblica del 2004 e condiviso con i Dirigenti e gli Incaricati di Posizione Organizzativa oltrechè con il CUG.
Sono stati raccolti 79 questionari compilati nel corso del mese di maggio 2013, le cui risposte costituiscono un data-set che è stato analizzato in funzione di alcune variabili/mutabili (età, titolo di studio, categoria, settore di appartenenza, anzianità di servizio nell’Ente) per determinare quali siano quelle  iscriminanti e ordinarle, quindi, secondo la progressività del potenziale di caratterizzazione. Le risposte sono state, inoltre, analizzate non solo a livello totale, ma anche raggruppandole in quanto riconducibili ad una serie di predefiniti fattori di benessere.

Per procedere in questa analisi, al fine di evitare sia di identificare manualmente tutte le innumerevoli possibili combinazioni di parametri che determinano la percezione personale di Benessere ed elaborarle manualmente, sia possibili distorsioni di analisi dovute e preconcetti, ci si è avvalsi delle tecnologie informatiche del Data Mining, di quelle tecniche cioè che permettono "l'estrazione automatica, da grandi moli di dati, di informazioni esplicative/predittive nascoste, rendendole visibili.”
Lo strumento che viene applicato è l’albero decisionale, cioè un tipo di algoritmo (tecnica) di classificazione che presenta i seguenti vantaggi:

• è semplice da capire e si presta facilmente ad essere trasformato in un insieme di regole esplicative/predittive;
• non necessita di alcuna ipotesi preventiva sulla natura dei dati;
• è in grado di costruire automaticamente modelli a partire da insiemi di dati contenenti valori quantitativi e qualitativi (suddivisi secondo una classificazione a categorie).

Nella costruzione dell’albero, l’algoritmo esamina come ciascuna “variabile” considerata influenzi il risultato della variabile dipendente (per noi il c.d. Indice di Benessere Organizzativo – IBTOT) e, quindi, utilizza solo le variabili che contribuiscono in modo più forte a “creare una serie di spaccature, chiamate nodi”: al crescere del numero di nodi si struttura, appunto, una forma ad albero.
Lo scopo di un albero decisionale è quello di partizionare sequenzialmente i dati per massimizzare il cambiamento di valore assunto dalla variabile dipendente, cioè l’Indice di Benessere Organizzativo (calcolato come valore medio delle risposte date alle diverse domande ascrivibili ad ognuno dei fattori criticidefinita dalla Direttiva), a seconda delle variabili discriminanti considerate, nel nostro caso rappresentate dalle citate caratteristiche personali.

Un albero decisionale è composto da tre elementi:

• Nodi di decisione, in ognuno dei quali è specificata una condizione che deve essere testata;
• da un Nodo si generano due o più rami;
• Rami (diramazioni), che rappresentano le possibili risposte. Ogni ramo porta ad un altro nodo di decisione, oppure al fondo dell’albero, cioè ad una delle foglie;
• Foglie, a tale livello è nota la classe cui un elemento è stato assegnato, rispettando tutte le condizioni dei nodi sul cammino che va dalla “radice” alla foglia stessa.

L’elaborazione suddetta produce un albero generale ed n alberi (14 nel nostro caso) di fattore in grado di spiegare di ciascun fattore critico il grado di soddisfazione espresso, intendendo convenzionalmente che un buon livello di benessere organizzativo è sinonimo di soddisfazione a lavorare in quello specifico Ente/ambito dell’Organizzazione.