Navigazione – Mappa del sito
la società contemporanea / L'istruzione in Italia: vecchi problemi e nuove ricerche

Le scelte formative all’università: una applicazione dei modelli a scelta discreta

The choice of university fields of study: a discrete choice models application
Ivano Bison
p. 33-52

Abstract

This article analyse the preferences and constraints that underlie the choice of fields of study made by 2333 students enrolled at the University of Trento in the academic year 2014/15 through a family of statistical models known in the literature as Discrete Choice Models, Random Utility Models (McFadden, 1973).
The analysis takes into account the factors that lead a person to enrol in a course of study. In determining the final choice, next to the complex intertwining of ascriptive, acquisitive and motivational factors, there is an equally strong component played by assessments on available alternatives.

Torna su

Testo integrale

1. Il problema

1Prendiamo quotidianamente decisioni: banali, come quale mezzo di trasporto usare per raggiungere il luogo di lavoro o quale tipo di biscotti comprare al supermercato, oppure tali da incidere sul nostro futuro come quale tipo di convivenza dare vita, quale tipo di occupazione scegliere, quale corso di studio frequentare all’università.

2Ognuna di queste decisioni ha come fine la soddisfazione di un bisogno fisico, estetico, morale, oppure sociale, come raggiungere una data posizione nella stratificazione sociale o conformarsi agli stili di vita e valori della comunità di appartenenza. Nel farlo, di ogni alternativa valutiamo la qualità, la condizione e le proprietà di ciò che è utile, e che può recare vantaggio, beneficio, aiuto (materiale o morale). Decidiamo in altre parole in base alla soddisfazione che si riceve dall’uso o consumo di un dato servizio o bene materiale o immateriale. Il fine è la massimizzazione dell’utilità che se ne ricava in base alla scelta fatta.

3Questa massimizzazione tuttavia non è continua ma discreta, e quindi si differenzia dagli usuali modelli economici. Qui la decisione è binaria tra le alternative a disposizione: scelgo di sposarmi; scelgo questo corso di studio; scelgo di votare questo partito. La massimizzazione dell’utilità soggettiva non consiste quindi nello stimare qual è la migliore quantità di prodotto da acquistare/consumare così come definita nell’economia neoclassica (McFadden, 1973). Si tratta piuttosto di scegliere qual è l’alternativa che più delle altre massimizza l’utilità in base alle preferenze e gusti del decisore, che alla fine cercherà di scegliere razionalmente.

4Le scelte sono fatte attraverso una valutazione dei costi e benefici, nei limiti delle conoscenze a disposizione (Boudon, 1994). La scelta finale avviene attraverso una serie di decisioni temporalmente ordinate secondo una gerarchia di preferenze (McFadden, 1978). In questo procedere è il peso attribuito alle proprietà delle alternative considerate a definire il processo che dal generale condurrà al particolare e alla scelta. Nella decisione, le alternative disponibili, nonché i loro costi e benefici, sono valutati secondo un ampio spettro di criteri. A ogni alternativa è attribuito un peso in base alla somma dei vantaggi e degli svantaggi ad essa associati. Si crea così una gerarchia tra le alternative e la preferenza, alla base di questi processi, è sottesa perché funzione dell’utilità del decisore.

5Comprendere il perché tra un insieme di alternative si arrivi a una data scelta è da sempre uno degli obiettivi delle scienze sociali. Eppure quando si studiano i processi decisionali, come nel caso qui trattato delle scelte educative, ci si limita a cercare le cause tra i caratteri del decisore, il suo genere, le sue origini, le sue motivazioni. Le alternative possibili sono considerate solo semplici stati di destinazione in un modello di regressione logistica multinomiale. I processi decisionali sottostanti fatti di valutazioni comparative tra le alternative disponibili sono di fatto ignorati e resi oscuri.

6Tutto ciò impone un cambiamento di prospettiva. Si tratta anzitutto di considerare il decisore come un attore che agisce razionalmente, nella tradizione dell’individualismo metodologico (Boudon, 1994). Le persone spesso agiscono razionalmente, nel senso che hanno buone ragioni per fare quello che fanno, nell’ambito delle loro risorse cognitive, anche se queste azioni possono non essere necessariamente quelle previste dalla teoria dell’utilità attesa (Hedstrom, 2013). Il decisore, in secondo luogo, va considerato come un consumatore che di fronte a una serie di alternative, ne valuta le caratteristiche, i costi e i benefici e sceglie in base all’utilità che ne trarrà dalla sua scelta.

7Un aiuto in tal senso ci viene dai Random Utility Models, sviluppati in modo indipendente in psicologia (Luce, 1959) e in economia (-McFadden, 1973). Questi modelli, conosciuti in economia come modelli a scelta discreta discrete choice models o qualitative choice models, assumono che la scelta è un evento discreto operato tra due o più alternative.

8Nascono in contrapposizione ai modelli di stampo neoclassico dell’utilità marginale, in cui la variabile dipendente è continua. Loro obiettivo è spostare l’accento dal quanto al quale e rispondere a domande come: “quale tra le alternative presenti scegliere?” piuttosto che “quanto acquistare di un dato prodotto?”. Sono modelli che trovano applicazione in ambiti quali il mercato del lavoro, l’istruzione, la dimensione e il tipo di convivenza domestica, il posto dove abitare e dove lavorare, il modo di viaggiare e il tipo di prodotti acquistati (McFadden, 1981). Il loro sviluppo ha origine nei modelli di regressione logistica (Mlogit). Nel 1973 McFadden mostra i limiti e l’inadeguatezza dei Mlogit nel trattare scelte e ne propone un’estensione. Ciò renderà di fatto i Mlogit un caso speciale dei modelli di scelta discreta.

9Di seguito applicherò questi modelli alle scelte del corso di studio (CdS) universitario. Si introdurranno brevemente i presupposti teorici che sottostanno alle scelte del CdS, per poi passare in rassegna alcuni modelli di scelta discreta e terminare con una comparazione tra i diversi modelli discussi e le loro capacità predittive e una verifica empirica dell’ipotesi qui di seguito presentata.

2. La scelta del corso di studio universitario

10La letteratura sulla stratificazione sociale dell’istruzione ha recentemente spostato la propria attenzione dalla transizione verticale, fra gradi scolastici, alle scelte dei percorsi formativi entro lo stesso grado scolastico. Alla base del cambiamento è la costatazione di notevoli differenze nei rendimenti nelle opportunità di vita secondo il percorso di studio intrapreso. Di differenze, in altri termini, nelle situazioni di lavoro e nel prestigio ad esse associate (Panichella e Triventi, 2011). L’attenzione degli studiosi si è quindi spostata dalle risorse familiari e dalle caratteristiche del sistema formativo (Gamoran e Mare, 1998) ai meccanismi di scelta dei percorsi formativi.

11Un contributo importante nel reindirizzare la ricerca è stato dato da Breen e Goldthorpe (1997). Riprendendo il lavoro di Boudon (1974) essi hanno mostrato come la valutazione delle alternative e la scelta finale nell’investimento in istruzione da parte degli studenti e delle loro famiglie poggi sull’assunto del Relative Risk Adversion, ossia sulla valutazione delle diverse opportunità offerte dai percorsi di studio nel garantire la conservazione della posizione di classe di origine. In questa prospettiva, l’utilità della scelta di un dato percorso e il rischio di fallimento entrano pienamente nel processo decisionale. Ciò porta i figli delle classi superiori ad accettare il rischio sia di proseguire gli studi sia di scegliere percorsi formativi più impegnativi per evitare la mobilità discendente. I figli delle classi inferiori tendono invece a preferire corsi di studio di tipo più “tecnico” come ingegneria o economia (van de Werfhorst e Kraaykamp, 2001).

12Allo stesso modo Reimer e Pollak (2009) mostrano come i figli delle persone con alti livelli di istruzione tendano a preferire l’iscrizione a corsi di medicina e giurisprudenza piuttosto che a corsi di studio umanistici. Altri (Lucas, 2001; Barone, Assirelli, 2014) rilevano come i figli delle classi dirigenti siano maggiormente orientati a seguire corsi universitari più redditizi. Altri ancora che le differenze nelle scelte educative sono il risultato di processi di valutazione sui costi economici diretti e indiretti (Lucas, 2001; Sullivan, 2003), sul rischio percepito del possibile insuccesso (Erikson, Jonsson, 1996; Van De Werfhorst et al., 2003; Gabay-Egozi et al., 2010), sui ritorni economici e di prestigio sociale rispetto all’investimento fatto (Breen, Goldthorpe, 1997) e sulla qualità delle reti sociali familiari che danno accesso a informazioni attendibili su quali siano le lauree più remunerative (Lucas, 2001). Altri ancora, focalizzando l’attenzione sulla segregazione di genere (Gerber, Schaefer, 2004; Gabay-Egozi et al., 2014) rilevano che siano gli uomini a scegliere i percorsi di studio più tecnici e remunerativi (economia, ingegneria, informatica e medicina), mentre le donne preferiscano i percorsi formativi meno tecnici e remunerativi (scienze sociali, discipline umanistiche, scienze della formazione) che danno accesso a occupazioni nei settori legati ai servizi alla persona. Altri ancora mettono l’accento sul rapporto tra l’utilità attesa e i rischi legati alla scelta errata (Gabay-Egozi et al., 2010), che portano a distinguere i percorsi più remunerativi nel lungo periodo come quelli tecnico-scientifici, in cui è maggiore il rischio di fallimento, da quelli in cui è minore il rischio di fallimento, ma che offrono anche minori ricompense future come scienze sociali. Infine sempre Gabay-Egozi et al. (2010), pongono l’attenzione sulle motivazioni che soggiacciono alla scelta del CdS legate alla percezione dell’utilità attesa e alla percezione del rischio.

13Questi studi presentano tuttavia un primo limite nella traduzione operativa delle ipotesi di partenza. Infatti, la complessa attività di comparazione tra le alternative è sottesa nelle argomentazioni, ma non è formalmente esplicitata nei modelli di analisi. Il processo di scelta rimane una scatola nera di cui se ne osserva il risultato e non i meccanismi generativi sottostanti fatti di attente valutazioni che definiscono gerarchie tra alternative. Di fatto, la volontarietà dell’azione razionale insita nel processo decisionale nell’analisi lascia il posto ai caratteri ascrittivi e acquisitivi. Un secondo limite presente in molti di questi studi riguarda i modelli statistici usati e segnatamente i modelli di regressione logistica che si prestano poco a modellare i processi decisionali che si basano su una valutazione delle alternative disponibili.

14Ciò non vuol dire che le ipotesi e le evidenze empiriche emerse in letteratura siano errate. Sebbene non pienamente corroborate, le ipotesi che emergono ricorsivamente dai vari lavori tracciano comunque un percorso di scelta che sarà posto a verifica in questo lavoro e che può essere così sintetizzato (fig. 1).

15In una prima fase lo studente distingue tra percorsi di studio più o meno remunerativi sul lungo periodo. A essi si associano valutazioni quali: (a) i diversi costi diretti e indiretti legati al tempo di conseguimento della laurea e ai successivi tempi di formazione sul mercato; (b) il differente rischio di fallimento.

16Il passo successivo è la distinzione operata tra macro-gruppi di lauree in base al carattere professionalizzante (Barone, Assirelli, 2014). Il criterio riguarda in questo caso il vantaggio offerto rispetto a una pluralità d’indicatori sul mercato del lavoro e di accesso alle posizioni più elevate della stratificazione sociale (tempi di ricerca del primo lavoro continuativo dopo la laurea, reddito netto mensile, probabilità di svolgere lavori coerenti con gli studi svolti).

17Il primo gruppo è costituito dalle lauree tecnico-scientifiche come ingegneria, informatica da un lato, e da quelle sanitarie e biologiche dall’altro. Il loro rendimento in termini occupazionali e di coerenza occupazionale è nettamente superiore a quelli dei diplomi secondari superiori, a patto che il percorso sia portato integralmente a termine fino alla laurea magistrale o specializzazione. La sola laurea triennale, dove prevista, non sempre offre un vantaggio maggiore del corrispondente diploma (Bison et al., 2017).

Fig. 1. Albero decisionale del processo di scelta del corso di studio

Image 100000000000032000000237157C2895.jpg

18Il secondo gruppo comprende le lauree che possono differire tra loro in termini di redditività (ad esempio, giurisprudenza, economia), ma che assicurano in genere rendimenti economici migliori rispetto al diploma, di nuovo a patto che lo studente consegua la laurea magistrale o a ciclo unico. Ciò che li differenzia dal primo gruppo è la più articolata caratterizzazione professionale e il più ampio ventaglio di possibili occupazioni coerenti. Il terzo e il quarto gruppo, distinti in base alla minimizzazione del rischio di fallimento e alle abilità e preferenze possedute verso le discipline artistico-letterarie piuttosto che verso le discipline sociali è costituito dalle lauree del gruppo umanistico (lettere, lingue, storia, scienze della comunicazione) e del gruppo psico-politico-sociale (es. sociologia, scienze politiche, psicologia). Entrambi questi percorsi si caratterizzano per la loro debole redditività.

19Infine, l’ultimo livello, i singoli corsi di studio, in questo caso in figura 1, sono riportati direttamente i settori scientifico disciplinari e i dipartimenti di destinazione dei soggetti che si sono immatricolati al primo anno della triennale/ciclo unico dell’Università di Trento.

3. I modelli a scelta discreta

20La prospettiva della scelta razionale ci porta verso i Random Utility Models (Rum), una famiglia di modelli per scelte discrete.

21Questi modelli si basano sul principio della massimizzazione dell’utilità, intesa come la scelta migliore tra le alternative possibili. Qui le scelte non sono giuste o sbagliate, ma sono scelte che massimizzano il soddisfacimento dei bisogni del decisore in accordo con le sue preferenze e gusti.

22In termini formali per un individuo i con j alternative, si suppone che l’utilità Uij sia la somma della componente deterministica Vij , che dipende da regressori e parametri sconosciuti e dalla componente casuale random eij che possiamo interpretare come i limiti cognitivi della scelta razionale (McFadden, 1981).

23Uij = Vij + εij

24Questo modello è chiamato Additive Random-Utility Model (Arum). Il modello prevede che la scelta del soggetto yi di fronte a una serie di alternative k di scegliere j (ad esempio il CdS), sarà effettuata solo se l’alternativa j k ha la maggiore utilità tra le alternative k.

25Questi modelli specificano che la probabilità della scelta di yi= j è data dal rapporto tra l’alternativa j e tutte le altre alternative, dati una serie di regressori Vij:

Image 1000000000000131000000323B0E36FA.jpg

  • 1 In questa prospettiva, quindi, l’inferenza statistica per un modello di comportamento di scelta ind (...)

26Pertanto sulla decisione finale agiscono due componenti indipendenti tra loro. La prima che non dipende dalle alternative, data dai caratteri propri del soggetto e corrisponde agli ij (case-specific regressor), come ad esempio il genere, l’età, le origini sociali. La seconda che dipende dalle alternative, data dagli attributi propri delle alternative considerate e corrisponde agli ij (alternative-specific regressor). Questa seconda componente riguarda le valutazioni che il soggetto fa in base alle sue preferenze considerando una serie di attributi comuni ad ognuna delle alternative a disposizione come ad esempio, le opportunità di trovare un lavoro coerente con quanto studiato offerte da ogni CdS.1

27I modelli comunemente utilizzati per valutare le scelte, in educazione ma anche in altri campi, sono i modelli di regressione logistica multinomiale (Mlogit) come ad esempio Binomial, Multinomial, Ordered, Stereotype. Questi modelli, sebbene appartengano alla famiglia dei Rum, considerano solo i regressori a livello di individuo gli e stimano la probabilità di terminare in una data condizione, rispetto a un’altra, date le caratteristiche del soggetto.

Image 10000000000000CF00000032BEB66EC3.jpg

28Adottando questi modelli tuttavia non si può parlare propriamente di scelte, ma solo di destini. Il modello, infatti, ignora le valutazioni fatte tra le alternative a disposizione e il decisore è ridotto a un attore cui manca la “volontarietà” della scelta. Per ovviare a questo problema, la soluzione è passare ai modelli di regressione logistica condizionati (McFadden 1973, 1974, 1978).

29Il modello Asclogit (Alternative-specific conditional logit) considera il decisore come un attore, che sceglie, secondo un ordine di priorità definito, attraverso una valutazione costi-benefici di ognuna delle alternative a disposizione. L’idea è ad esempio quella di uno studente che dopo aver deciso di proseguire gli studi all’università, deve scegliere a quale CdS immatricolarsi. Di ogni corso ne valuta gli attributi come costi, redditività futura, rischio di fallimento. Stabilirà quindi un ordine in base all’utilità attesa sul quale opererà la scelta finale.

30Mlogit e Asclogit sono essenzialmente equivalenti, ciò che differisce è che, l’odds, nella sua forma logaritmica, è un’equazione additiva che somma la componente individuale alla componente zi´yj (costi-benefici) ij b attribuita dall’individuo ad ogni alternativa.

Image 10000000000000C7000000327DF58339.jpg

31Quindi, mentre l’Mlogit è designato all’analisi con case-specific regressor, l’Asclogit è designato all’analisi di alternative-specific regressor. Entrambi impongono la restrizione che il confronto avvenga tra coppie di alternative e assumono che gli errori tra le scelte siano tra loro non correlati. In altre parole, che le alternative considerate siano tra loro indipendenti in base all’assunto della indipendenza delle alternative irrilevanti Independence of Irrelevant Alternatives (IIA). Quest’ultima restrizione tuttavia è in molti casi irrealistica. Si pensi a uno studente che si trova a scegliere tra sociologia e scienze politiche. Pare difficile assumere che sociologia e scienze politiche siano tra loro indipendenti e non, com’è più probabile, appartenenti a una comune area d’interesse e quindi correlate tra loro.

32Una soluzione al problema si ha con i Generalized extreme value model o Nlogit (Nested logit regression) (McFadden, 1974 e 1978), i quali rilassano le assunzioni della IIA assumendo che gli errori sono correlati all’interno dei gruppi e non correlati tra i gruppi. Richiedono però di definire un albero decisionale che partendo da una condizione iniziale comune tracci i percorsi mutuamente esclusivi che conducono alle alternative possibili. Se da un lato, questa caratteristica è affascinante perché permette al ricercatore di tradurre e verificare empiricamente l’esistenza di un’azione razionale, dall’altro si scontra con la necessità di radicare quest’albero in un terreno teorico altrettanto solido.

  • 2 Nel nostro caso (fig. 1) è definito dai percorsi remunerativi e i percorsi non remunerativi del liv (...)
  • 3 Nel nostro caso (fig. 1) è il livello 3 ovvero i singoli macro-settori/dipartimenti.

33Il modello di utilità (Cameron, Trivedi, 2009) per un Nlogit a due livelli identificati rispettivamente con j per il livello superiore2 (il limb 1) e con k il livello inferiore3 (il branch) innestato nel livello 1, in cui a livello 1 possono partire più rami che portano alle alternative, è definito come:

Uij + εjk = z'ja + x'jkβj + εjk,

j = 1, …, m; K = 1, …, lj

  • 4 Per semplicità dalle formule sono stati eliminati gli indici che si riferiscono ai soggetti.

34Dove z´j (i case-specific regressor) variano solo a livello 1 mentre jk (gli alternative-specific regressor) variano sia a livello 2 che a livello 1. Da ciò discende che la probabilità che l’alternativa (j,k) sia scelta è uguale a:4

Image 100000000000012100000046861908CA.jpg

Dove Image 100000000000007E00000028576F191E.jpg è chiamato inclusive value o inclusive utility per l’alternativa k (innestata nel nodo del livello j ) nel primo livello ed è calcolato come il log del denominatore del secondo livello. L’inclusive value di fatto collega i due livelli del modello Nlogit portando informazioni dal livello inferiore al livello superiore. In sostanza tjIj cattura il valore atteso o l’utilità attesa dell’individuo i in relazione alle alternative disponibili nel nodo del livello j.

35Anche l’utilità attesa d’altro canto è scomposta. La probabilità di scegliere un nodo j nel primo livello è data dall’utilità che egli riceve indipendentemente da quale alternativa scelga a livello 1, a cui va a sommarsi l’utilità attesa supplementare che egli riceve per essere stato in grado di scegliere la migliore alternativa tjIj tra quelle disponibili.

36Il coefficiente tj di Ij è chiamato il coefficiente di log-sum o dissimilarity parameter e riflette il grado di indipendenza tra le porzioni non osservate di utilità per le alternative tra i nodi a livello j. Il valore di 1 – tj misura la correlazione tra le componenti non osservate dell’utilità all’interno del nodo (a livello 2).

37Il limite di questi modelli è che il valore di tj , nei modelli Arum deve variare tra 0 ≤ tj ≤ 1 e indica che una variazione degli attributi specifici della destinazione, ad esempio la probabilità attesa dal soggetto di successo nel concludere il CdS, fa aumentare la probabilità che quel dato CdS sia scelto. I valori al di fuori di questo range indicano che il modello, sebbene matematicamente corretto, è inconsistente secondo la random-utility theory. In particolare un tj negativo è incoerente con il principio di massimizzazione poiché implica che un miglioramento l’attributo di destinazione diminuisce la probabilità che tale destinazione sia scelta. Se invece tj è maggiore di 1, sta a significare che un aumento dell’utilità di una destinazione nel nodo non solo aumenta la sua probabilità di essere scelto ma anche la probabilità che tutte le altre destinazioni appartenenti al nodo j siano anch’esse scelte (Ortuzar e Willumsen 1994). In questo caso, il modello è coerente soltanto con la massimizzazione per un certo intervallo di valori delle variabili esplicative, tuttavia, raramente è possibile conoscere quale sia questo intervallo.

4. Dati e metodi

38Tra aprile e agosto del 2014, al momento dell’iscrizione ai test di ammissione ai Dipartimenti di Biotecnologie, Economia, Ingegneria, Lettere, Psicologia, Sociologia e dei corsi di laurea a ciclo unico di Giurisprudenza e Ingegneria Edile-Architettura, ai 5249 partecipanti è stato chiesto di valutare i seguenti macro-settori – medico e biologico; ingegneristico e architettura; economico-statistico; politico-sociale; linguistico-letterario; giuridico; psico-pedagogico – secondo le seguenti due questioni che rilevano il grado di interesse delle alternative a disposizione e la redditività del CdS:

    • 5 Le modalità di risposta erano (a) considerato attentamente; (b) considerato abbastanza attentamente (...)

    Nella sua decisione di cosa frequentare all’università quanto ha preso in considerazione ognuno dei seguenti gruppi di corsi di studio (ad es. raccogliendo informazioni, visitando siti internet, parlando con amici/genitori/insegnati, ecc.).5

    • 6 Le modalità di risposta erano una scala Likert a quattro modalità da molto a per niente. Le rispost (...)

    Secondo la sua opinione, quante opportunità di trovare lavoro offrono ognuno dei seguenti gruppi di corsi di studio al termine degli studi.6

 

39In seguito, al momento dell’immatricolazione tra la metà di settembre e la fine di novembre, ai 2333 soggetti che avevano superato il test di ammissione e scelto di iscriversi all’Università di Trento, è stato somministrato un secondo questionario per rilevare le informazioni sulla carriera formativa pregressa, sulle origini sociali e il CdS scelto.

  • 7 La codifica segue quanto suggerito da Cobalti e Schizzerotto (1994). Per la Borghesia ho preferito (...)
  • 8 Dall’analisi sui dodici item che componevano la batteria sui motivi per cui il candidato si era isc (...)

40Oltre alle alternative-specific regressor (interesse e redditività) nei modelli di regressione sono state considerate come case-specific regresor: la classe sociale7 e il titolo di studio delle origini familiari definite sotto il principio della dominanza; il diploma di scuola media superiore; la zona di residenza; la carriera scolastica; il genere; l’età; il tipo e il voto di diploma e i motivi della scelta rilevati all’iscrizione al test di ammissione8.

41I corsi di studio di immatricolazione a loro volta sono stati aggregati seguendo la ripartizione appena presentata in: (1) Medico: Scienze e Tecnologie Biomolecolari; (2) Ingegneria e Architettura: Informatica; Ing. Civile; Ing. Edile-Architettura; Ing. Elettronica e delle Telecomunicazioni; Ing. Industriale; Ing. dell’informazione e Organizzazione d’impresa; Ing. per l’ambiente e il territorio; (3) Economico-statistico: Amministrazione Aziendale e Diritto; Economia e Management; Gestione Aziendale; (4) Politico-sociale: Servizio Sociale; Sociologia; Studi internazionali; (5) Lingue e letteratura: Beni culturali; Lingue moderne; Studi storici e filologico-letterari; (6) Giuridico: Giurisprudenza; (7) Psico-pedagogico: Interfacce e Tecnologie della Comunicazione; Scienze e Tecniche di Psicologia Cognitiva.

42Prima di proseguire è ragionevole a questo punto chiedersi se questi dati ci permettano effettivamente di modellare correttamente il processo decisionale. Ovviamente, una parte gli intervistati ha già scelto il CdS a cui vorrebbe immatricolarsi. Tuttavia, ci sono almeno quattro elementi a favore del tipo di analisi che stiamo proponendo. Il primo, è che l’osservazione è avvenuta in diversi casi mesi prima dell’immatricolazione. Il secondo, sebbene gli intervistati presentino un orientamento verso un dato CdS ciò non determina l’immatricolazione superato il test di ammissione. Infatti, solo meno dei due terzi (57.6%) di chi ha superato il test si è poi immatricolato a Trento. Il terzo, riguarda la convinzione di immatricolarsi a quel determinato CdS. Poco più della metà (51.8%) si è iscritta a un solo test di ammissione per un solo CdS, più di un quinto (22.6%) a due e un quarto (25.7%) a tre o più. A ciò si aggiunge che ben un terzo (33.2%) dichiara di aver partecipato o essersi iscritto a test di ammissione in altre università. Infine, le domande usate come alternative-specific regressor. Entrambe non sono direttamente determinate dalla scelta finale. La prima sonda il grado di esplorazione dello studente e fa emergere chiaramente che la scelta è avvenuta prendendo in considerazione più di un macro-settore scientifico disciplinare. Nel complesso solo il 18.3% ha considerato un solo macro-settore, più di un quinto (22.8%) ne ha valutati due e i tre quinti (58.9%) ne hanno valutati tre o più. La seconda, aveva il compito di rilevare il livello di conoscenza dei rendimenti occupazionali presunti dallo studente dei vari macro-settori.

43Al fine di dare comunque maggiore solidità a quanto detto, questi due attributi sono stati considerati come variabili case-specific regressor in un Mlogit standard così da verificare quanto determinassero la scelta se considerati solo per il macro-settore di immatricolazione. I risultati, presentati nel prossimo paragrafo, evidenziano che il contributo alla decisione finale sebbene positivo è di gran lunga inferiore a quando queste stesse variabili danno quando sono considerate come attributi alterative-specific regressor in un processo di scelta comparativa.

5. Misure di adattamento dei modelli

44Sebbene siano state condotte analisi con tutti i modelli qui presentati, fornendo un’ampia serie di risultati di rilevanza scientifica, per limiti editoriali di seguito si presentano solo i confronti sulle capacità adattive dei diversi modelli ai dati e la verifica dell’albero decisionale proposto attraverso un modello Nlogit.

Tabella 1. Statistiche di adattamento dei modelli

Mlogit1

Mlogit2

Asclogit(*)

Nlogit

R2

McFadden

0.215

0.280

0.492

0.500

McFadden (adjusted)

0.180

0.242

0.482

Cox-Snell/ML

0.549

0.645

0.866

Cragg-Uhler/Nagelkerke

0.562

0.662

0.884

Count

0.443

0.510

0.641

Information Criteria

AIC

7093.5

6554.7

4702.5

AIC/N

3.0

2.8

2.0

BIC (df=150)

7956.7

7487.0

5873.1

(*) Parametri stimati con Clogit

45Le misure di adattamento standard (tab. 1) indicano che l’adozione di modelli logistici condizionati migliori sensibilmente la capacità predittiva delle scelte. Il modello di regressione logistico multinomiale standard (Mlogit1) con solo case-specific regressor, sebbene abbia uno pseudo R2 di un certo interesse (0.22) ha una minore capacità predittiva se comparato agli altri modelli. Anche il modello di regressione logistica multinomiale (Mlogit2) cui è stato aggiunto il livello di conoscenza e le opportunità di lavoro per lo specifico macro-settore di immatricolazione (in altre parole, le alternative-specific sono state ridotte a case-specific), sebbene migliorino la stima (pseudo R2 = 0.28), sono comunque lontane dai livelli di adattamento rilevati con i modelli condizionati.

  • 9 Non sappiamo il perché della sottostima per questo gruppo. L’unica spiegazione è che la scelta di B (...)

46Anche la comparazione delle variazioni delle deviazioni standard tra modelli indicano il miglior adattamento ai dati dei logit condizionati. Cameron e Trivedi (2009) suggeriscono infatti che maggiore è la differenza tra le deviazioni standard del modello Asclogit rispetto al modello Mlogit1, maggiore è il miglioramento apportato dall’uso del primo. Ad eccezione di medicina-biologia dove la differenza e negativa9, e quindi la stima peggiora, negli altri casi (tab. 2) la deviazione standard dell’Asclogit e Nlogit è maggiore rispetto al Mlogit1 e Mlogit2.

Tabella 2. Deviazioni standard delle probabilità stimate secondo il gruppo di corsi di studio

Mlogit1

Mlogit2

Asclogit

Nlogit

Gr. medico e biologico

0.13

0.24

0.10

0.09

Gr. ingegneria e arch.

0.23

0.25

0.30

0.30

Gr. economico

0.15

0.20

0.25

0.26

Gr. giuridico

0.22

0.23

0.28

0.29

Gr. lingue e letteratura

0.14

0.19

0.23

0.23

Gr. politico-sociale

0.15

0.16

0.21

0.20

Gr. psico-pedagogico

0.09

0.11

0.18

0.17

47Un terzo test di efficacia è la valutazione delle probabilità individuali predette secondo la scelta osservata (tab. 3). Con una soglia di probabilità >0.5 si ha che il modello Mlogit1 non si adatta molto bene ai dati osservati. Al più riesce a predire il 44.4% dei casi per il gruppo di ingegneria e architettura, il 31.8% del gruppo giuridico e nel complesso solo il 18.1% dei casi. Migliora di otto punti percentuali l’adattamento del Mlogi2, dove comunque sono irrisorie le percentuali predette per i gruppi politico-sociale e psico-pedagogico. Nettamente migliori sono i risultati con Asclogit e Nlogit, dove, oltre la metà delle scelte finali fatte (52.9%) sono predette.

48Da ultimo, il confronto tra Nlogit e Asclogit. In questo caso più che un miglioramento nell’adattamento ai dati, sebbene auspicato, è verificare se sono rispettati i vincoli della IIA e poi se la struttura decisionale teoricamente definita è supportata dall’evidenza empirica.

49Per quanto riguarda il primo quesito, il Log-Rank test for IIA segnala una violazione della IIA in quanto sono positivi e significativi sia LR-test con soli regressori alternative-specific, sia l’LR-test con regressori alternative-specific e case-specific (tab. 4). In altre parole, entrambi i test segnalano la violazione della IIA di Mlogit1 e Mlogit2 e la preferibilità dell’adozione del modello Nlogit al modello Asclogit.

Tabella 3. Percentuale di classificati secondo il gruppo di corsi di studio (p.>0.5)

Mlogit1

Mlogit2

Asclogit

Nlogit

Gr. medico e biologico

2.7

20.6

26.0

24.7

Gr. ingegneria e arch.

44.3

45.5

68.7

69.7

Gr. economico

9.5

29.2

60.3

62.1

Gr. giuridico

31.8

36.1

62.8

64.5

Gr. lingue e letteratura

5.9

25.8

45.7

44.4

Gr. politico-sociale

5.3

7.7

36.8

33.8

Gr. psico-pedagogico

0.4

0.4

35.4

33.3

Totale

18.1

26.8

52.9

52.9

50Il secondo quesito è la coerenza con i requisiti dei modelli Arum dell’albero decisionale attraverso i valori assunti dal parametro tau che devono essere compresi tra 0 e 1. Chiaramente (tab. 4) non è così. Sebbene nessuno dei parametri sia negativo, neppure nessuno è compreso tra 0 e 1, eccetto, il nodo di secondo livello macro-settori-redditizi, e il nodo di terzo livello macro-settori-qualificanti, entrambi prossimi a 1. Quindi, sebbene matematicamente corretto, tuttavia non rispetta a pieno tutti i dettami imposti dai modelli Arum.

51La conclusione quindi non è definitiva. Da un lato, il modello Nlogit è preferibile all’Asclogit e a tutti i modelli standard di regressione logistica a causa della violazione della IIA, dall’altro lato, l’albero decisionale qui testato, sebbene non totalmente falsificato, comunque non rispetta a pieno e dettami dei modelli Arum.

52La letteratura qui considerata, rileva come questo tipo di eventi sia abbastanza frequente e che comunque non impedisca, nei limiti dei vincoli che stabiliscono che il modello è valido solo per un certo intervallo di valori delle variabili alternative-specific, di procedere all’interpretazione.

6. Discussione dei risultati

53Dalle analisi, non presenti in questa sede, sulla scelta del CdS altri elementi concorrono alla decisione oltre alle proprie aspirazioni e ambizioni, al genere e all’età quali: (a) la naturale continuazione di un percorso di studi iniziato alle superiori; (b) la valutazione delle proprie possibilità di riuscita; (c) la qualità della precedente carriera formativa; (d) la disponibilità economica; e) la distanza dalla sede universitaria.

54Appare chiaro che la scelta del CdS all’università è sì complessa ma al contempo forse più semplice di quanto si possa credere (tab. 4). Al posto di talenti e passioni troviamo attente valutazioni basate su costi e benefici dove il merito è sì importante, ma è il demerito a segnare in molti casi la scelta del CdS. Accanto a scelte basate strettamente sulla massimizzazione della funzione di utilità, troviamo le non scelte fatte da chi preferisce seguire il flusso e lasciare ad altri la decisione.

Tabella 4. Parametri del modello Nlogit sulla probabilità di iscriversi agli CdS di Medicina-Biologia (med), Ingegneria (Ing), Giurisprudenza (Jus), Lettere e lingue straniere (Let), Sociologia e Scienze Politiche (Soc), Psicologia (Psic) verso la probabilità di iscriversi a Economia secondo il genere, l'età, la ripartizione geografica, il diploma conseguito, il voto di diploma, il tipo di carriera scolastica pregressa, il titolo di studio e classe sociale familiare e le motivazioni alla scelta del corso del soggetto

Image 1000000000000320000007412CEACD86.jpg

Osservazioni 16331 LR test IIA Alternative specific only: 85.5*** Pseudo R2 0.50
N. 2333 LR test IIA model: Chi2(5) 36.42*** Wald chi2(146) 606.9
Note: (*) pr.<0.10; (**) pr.<0.05; (***) pr.<0.01; (+) parametro vincolato a 1.0

55Ovviamente, l’essersi informati raccogliendo materiale e le opportunità occupazionali, giocano un ruolo positivo nella scelta. La distinzione tra scienze hard e soft (Gabay-Egozi et al., 2014) pare qui trovare una ulteriore conferma. Ciò si traduce nell’esplorazione al più di un solo gruppo abbastanza omogeneo di corsi di studio. Centrale nella decisione è il ruolo ricoperto dalla futura redditività offerta dal CdS in termini di ritorni occupazionali. Ciò vale soprattutto per chi poi s’iscriverà a Economia e Ingegneria. Per gli altri, la minore importanza data alla redditività e al prestigio è compensata con il maggior interesse dato all’auto-realizzazione attraverso gli studi.

56Si conferma la generale distinzione di genere tra corsi hard e soft (Gabay-Egozi et al., 2014), così come la preferenza per i corsi maggiormente redditizi (Lucas, 2001) come Giurisprudenza da parte dei figli e le figlie dei Liberi professionisti, mentre i discendenti dalla classe operaia scelgono i percorsi meno redditizi di Lettere e Sociologia. Inoltre, sono soprattutto i diplomati degli istituti tecnici e professionali ad avere la probabilità maggiore di iscriversi a ingegneria. Fanno eccezione i CdS Linguistico-letterari che sono scelti in prevalenza dalle figlie della classe operaia, della classe media impiegatizia, ma anche dalle figlie dei dirigenti.

7. Conclusioni

  • 10 Nel complesso il modello Nlogit ha predetto l’84.2% dei casi. Sono state correttamente predette fin (...)

57Appare chiaro che i modelli di regressione logistica condizionati abbiano una maggiore utilità euristica rispetto a quelli, tradizionali, di regressione logistica.10 Sebbene questi modelli siano presenti da diversi anni in letteratura, essi non sono mai stati applicati allo studio dei processi decisionali nelle scelte scolastiche e più in generale dalla sociologia.

58Il problema sta probabilmente nella definizione degli attributi da utilizzare nell’analisi, nonché nel disegno dell’indagine. Ad esempio, nello studio dell’uso dei mezzi di trasporto il costo e il tempo di percorrenza, sono attributi fattuali e variabili. Ogni individuo li valuta in base ai suoi obiettivi. Il tempo di percorrenza sarà ad esempio funzione della distanza del luogo da raggiungere rispetto al punto di partenza. Inoltre non soffrono degli effetti cognitivi propri delle variabili di atteggiamento e di opinione e risentono meno del momento in cui l’informazione è rilevata.

59La questione si complica quando dai trasporti ci spostiamo ad esempio alle scelte dei corsi di studio o a qualsiasi altra decisione che non possa essere rilevata in base ai soli fattori oggettivi. Il problema sta nella operativizzazione degli attributi che rilevano le preferenze degli individui su un insieme di alternative. Intanto, perché, a differenza di altri modelli, qui la probabilità predetta della decisione è decomposta in due parti. La prima condizionata sui caratteri propri del decisore, come ad esempio, le motivazioni che lo portato a partecipare al test di ammissione a un dato Cds. La seconda in base alla massimizzazione dell’utilità rilevata dall’insieme degli attributi/proprietà comuni a tutte le alternative, come ad esempio la redditività, intesa come l’opportunità di trovare lavoro offerta da ogni CdS.

60Questi due insiemi distinti di attributi/proprietà devono essere tra loro indipendenti e non determinare la scelta finale. Ad esempio, considerare il numero di auto possedute potrebbe essere un pessimo predittore della decisione di usare i mezzi pubblici o privati. Il numero di auto potrebbe indicare la propensione del decisore all’uso dei mezzi privati, indipendentemente dal fatto che esistano delle alternative.

61Inoltre, per quanto riguarda gli attributi delle alternative, questi devono essere dotati di un sistema di quantificazione convincente, così da rilevare in modo efficace la relazione tra l’attributo e l’alternativa. Cosa non priva d’insidie soprattutto quando gli attributi sono qualitativi. Infine, devono permettere al decisore di discriminare tra le alternative e secondo differenti dimensioni.

62Un secondo problema è nel disegno dell’indagine. Quando si usano variabili non fattuali maggiore è il rischio che i processi di razionalizzazione influenzino la risposta. Soprattutto se questa informazione è rilevata al momento della decisione o in seguito. Preservare l’ordine temporale del processo di scelta è fondamentale per rilevare come la gerarchia di preferenze definita al tempo t conduca alla scelta finale. Fatto di per sé non semplice, soprattutto quando il processo di formazione della scelta può iniziare anche molto tempo prima.

63In conclusione ritengo che l’approccio presentato offra grandi opportunità nell’avanzamento dello studio delle decisioni nella nostra disciplina. Credo altresì che molto debba essere ancora fatto nello sviluppo metodologico e tecnico di appropriati strumenti di rilevazione da usare con le tecniche qui presentate.

Torna su

Bibliografia

Barone C., Assirelli G. (2014), Le strategie educative delle classi dirigenti italiane, in 8° rapporto Generare classe dirigente: tra istruzione e lavoro, un passaggio da ricostruire, Fondazione Agnelli, Rubbettino Print, pp. 209-230.

Bison I., Gagliardi S., Girardi S. (2017), I ritorni occupazionali dei diplomati e dei laureati italiani tra il 1995 e il 2011, Primo convegno Sisec (Società Italiana di Sociologia Economica), Roma, Università La Sapienza, 26-28 gennaio.

Boudon R. (1974), Education, Opportunity and Social Inequality, New York, Wiley.

Boudon R. (1994), The art of self-persuasion: the social explanation of false beliefs, Oxford, Polity Press.

Breen R. e Goldthorpe J.H. (1997), Explaining Educational Differentials: Towards a Formal Rational Action Theory, «Rationality and Society», IX, 3, pp. 275-305.

Cameron A.C., Trivedi P.K. (2009), Microeconometrics Using Stata, Texas, College Station, Stata Press Publication, StataCorp LP.

Cobalti A., Schizzerotto A. (1994), La mobilità sociale in Italia, Bologna, il Mulino.

Hedström P. (2013), Raymond Boudon (1934-2013), «Revue française de sociologie», LIV, 2, pp. i-iii.

Erikson R., Jonsson J.O. (1996), Introduction: explaining class inequality in education: the Swedish test case, in Erikson R. e Jonsson J.O. (a cura di), Can Education Be Equalised? The Swedish Case in Comparative Perspective, Boulder Westview Press.

Gabay-Egozi L., Shavit Y. e Yaish M. (2010), Curricular Choice: A Test of a Rational Choice Model of Education, «European Sociological Review», XXVI, 4, pp. 447-463.

Id. (2014), Gender differences in Fields of Study: The Role of Significant Others and Rational Choice Motivations, «European Sociological Review», XXXI, 3, pp. 284-297.

Gamoran A., Mare R.D. (1989), Secondary school tracking and educational inequality: compensation, reinforcement, or neutrality?, «American Journal of Sociology», XCIV, 5, pp. 1146-1183.

Gerber T.P. e Schaefer D.R. (2004), Horizontal Stratification of Higher Education in Russia: Trends, Gender Differences, and Labor Market Outcomes, «Sociology of education», LXXVII, 1, pp. 32-59.

Lucas S. (2001), Effectively Maintained Inequality: Education Transitions, Track Mobility, and Social Background Effects, «American Sociological Review», CVI, 6, 1642-1690.

Luce D.R. (1959), Individual Choice Behavior, New York, Wiley.

McFadden D.L. (1973), Conditional logit analysis of qualitative choice behavior, in Zarembka P. (a cura di), Frontiers in Econometrics, New York, Academic Press, pp. 105-142.

Id. (1974), The Measurement of Urban Travel Demand, «Journal of Public Economics», III, 4, pp. 303-328.

Id. (1978), Modelling the Choice of Residential Location, in Karlquist A. et al. (a cura di), Spatial Interaction Theory and Residential Location, Amsterdam, North-Holland, pp. 75-96.

Id. (1981), Econometric Models of Probabilistic Choice, in Manski C. e -McFadden D. (a cura di), Structural Analysis of Discrete Data, Cambridge, The Mit Press, pp. 198-272.

Ortuzar J., Willumsen L.G. (1994), Modelling Transport, New York, Wiley, Second Edition.

Panichella N., Triventi M. (2011), The role of horizontal stratification in the reproduction of social inequalities in education. Evidence from Italy, 1920-80, Annual Conference of the British Sociological Association, London, April 6-8.

Reimer D., Pollak R. (2010), Educational Expansion and Its Consequences for Vertical and Horizontal Inequalities in Access to Higher Education in Germany, «European Sociological Review», XXVI, 4, pp. 415-430.

Sullivan A. (2001), Cultural Capital and Educational Attainment, «Sociology», XXXV, 4, pp-893-912.

Van De Werfhorst H.G., Kraaykamp G. (2001), Four Field-Related Educational Resourcecs and Their Impact on Labor, Consumption, and Sociopolitical Orientation, «Sociology of Education», LXXIV, 4, pp. 296-317.

Van De Werfhorst H.G., Sullivan A., Cheung S.Y. (2003), Social Class, Ability and Choice of Subject in Secondary and Tertiary Education in Britain, «British Educational Research Association», XXIX, 1, pp. 41-62.

Torna su

Note

1 In questa prospettiva, quindi, l’inferenza statistica per un modello di comportamento di scelta individuale sarà possibile solo su dati campionati da una popolazione d’individui, ossia campionati da una popolazione di livelli di esperienza “experience levels” per un singolo individuo (McFadden, 1973). Detto in altre parole, per adottare questi modelli è necessario rilevare non solo le caratteristiche del decisore, ma anche le valutazioni fatte su ognuna delle alternative a disposizione secondo una serie di appropriati attributi comuni a tutte le alternative considerate.

2 Nel nostro caso (fig. 1) è definito dai percorsi remunerativi e i percorsi non remunerativi del livello 1 e dal livello 2 distinto in professionalizzante, qualificante, servizi psico-sociali; servizi all’insegnamento-letterari.

3 Nel nostro caso (fig. 1) è il livello 3 ovvero i singoli macro-settori/dipartimenti.

4 Per semplicità dalle formule sono stati eliminati gli indici che si riferiscono ai soggetti.

5 Le modalità di risposta erano (a) considerato attentamente; (b) considerato abbastanza attentamente; (c) non considerato. Le risposte fornite a ogni item sono state poi normalizzate su una scala da zero a uno.

6 Le modalità di risposta erano una scala Likert a quattro modalità da molto a per niente. Le risposte fornite a ogni item sono state poi normalizzate su una scala da zero a uno.

7 La codifica segue quanto suggerito da Cobalti e Schizzerotto (1994). Per la Borghesia ho preferito mantenere distinto Imprenditori, Liberi professionisti e Dirigenti a causa delle diverse risorse economiche e culturali che questi possono trasferire ai figli.

8 Dall’analisi sui dodici item che componevano la batteria sui motivi per cui il candidato si era iscritto al test di ammissione, sono emerse le seguenti tre componenti principali. La prima che per convenienza chiameremo “Pragmatica” esprime la dimensione “utilitaristica” della scelta del CdS e rileva il diverso grado di attenzione dato alle opportunità e alla specializzazione che la laurea può offrire nell’inserimento nel mercato del lavoro, ma anche al raggiungimento del successo professionale e del benessere materiale. La seconda componente “Eterodiretta” rileva l’insieme di influenze a cui il soggetto è sottoposto dall’ambiente e il peso che soprattutto genitori e insegnati hanno nel plasmare la scelta definitiva. È altresì il livello del grado di rischio che un soggetto è disposto ad assumersi con la sua scelta personale. Tanto maggiore è il peso di questa componente tanto minore è il livello di rischio che il soggetto tende ad assumersi, delegando le sue scelte ad altri o intraprendendo percorsi formativi in continuità con quanto studiato. La terza componente che chiameremo “Vocazionale” esprime l’aspirazione all’auto-realizzazione personale attraverso gli studi universitari e l’interesse per una data materia. Questa componente si configura come un continuum ai cui estremi si collocano, da un lato, chi ha scelto in base ai propri interessi culturali e di studio e perché alla ricerca di una formazione specialistica, dall’altro lato, chi si è iscritto senza avere le idee chiare su cosa fare e per il minor impegno richiesto nei corsi.

9 Non sappiamo il perché della sottostima per questo gruppo. L’unica spiegazione è che la scelta di Biotecnologie per molti sia avvenuta come ripiego alla mancata ammissione alla Facoltà di medicina. È quindi comprensibile, che più che una scelta voluta, sia stata una scelta razionale fatta in attesa di ritentare il test a medicina.

10 Nel complesso il modello Nlogit ha predetto l’84.2% dei casi. Sono state correttamente predette fino alla destinazione finale il 63.8% delle scelte, mentre nel 20.4% dei casi è stato predetto correttamente il percorso intrapreso di primo e secondo livello ma non il macro-settore di destinazione. Infine, solo il 15.9% dei casi è stato classificato erroneamente già a livello 1.

Torna su

Per citare questo articolo

Notizia bibliografica

Ivano Bison, « Le scelte formative all’università: una applicazione dei modelli a scelta discreta », Quaderni di Sociologia, 74 | 2017, 33-52.

Notizia bibliografica digitale

Ivano Bison, « Le scelte formative all’università: una applicazione dei modelli a scelta discreta », Quaderni di Sociologia [Online], 74 | 2017, online dal 01 mars 2018, consultato il 21 mai 2018. URL : http://journals.openedition.org/qds/1701 ; DOI : 10.4000/qds.1701

Torna su

Autore

Ivano Bison

Dipartimento di Sociologia e Ricerca Sociale - Università di Trento

Torna su

Diritti d'autore

Licenza Creative Commons
Quaderni di Sociologia è distribuita con Licenza Creative Commons Attribuzione - Non commerciale - Non opere derivate 4.0 Internazionale.

Torna su
  • Logo Rosenberg & Sellier
  • OpenEdition Journals