Descrizione dei Work Packages

Le attività del progetto sono suddivise in due Working Package (WP) principali (WP1 e WP2), più un WP di coordinamento, gestione e analisi del rischio dell’intero progetto (WP0) e un WP di comunicazione (WP3). La figura mostra il Gantt del progetto.

WP0 GESTIONE DI PROGETTO

• TASK 0.1 Management e coordinamento.
• D.0.1.1 Kick off meeting
• D.0.1.2 Riunioni del gruppo
• TASK 0.2 Monitoraggio.
• D.0.2.1 Report sull’andamento del progetto e sul rispetto delle tempistiche
• D.0.2.2 Report su collaborazione WP1 e WP2
• TASK 0.3 Risk management.
• D.0.3.1 Report problematiche e soluzioni

WP1 ARGOMENTAZIONE PER LA SPIEGABILITÀ DI DECISIONI IN CONDIZIONE DI INCERTEZZA

• TASK 1.1: Framework di Argomentazione con incertezza. In questa fase verranno studiate e definite estensioni di Abstract Argumentation basate su misure di incertezza (non necessariamente additive) condizionate coerenti e sulle relative relazioni di preferenza condizionate. In particolare, incorporeremo il trattamento dell’incertezza e le preferenze in un framework argomentativo al fine di esprimere la “forza” di una argomentazione o un ordine di priorità tra argomentazioni competitive. Verranno espresse proprietà formali rispetto ai framework sviluppati e nuovi metodi di valutazione degli argomenti (collettivi ed individuali). (D.1.1.1)
• TASK 1.2: Spiegabilità attraverso modelli di Argomentazione. Le estensioni sviluppate nel Task 1.1 precedente saranno applicati per spiegare in maniera più efficiente i modelli di ML black-box in modo da fornire un supporto alle decisioni (fornito appunto da questi sistemi) più interpretabile da parte di un utente umano. Saranno presi in considerazioni anche modelli di ML che lavorano in condizione di incertezza (e.g., Reti Neurali Bayesiane). (D.1.2.1)
• TASK 1.3: Applicazione a problemi reali e test. I nuovi modelli ottenuti nel Task 1.2 saranno applicati e testati su dati reali riguardanti problemi di supervisione e diagnostica dei guasti di sistemi e processi industriali. Verranno inoltre effettuati test per misurarne le performance in termini di indicatori classici, ed apportate correzioni ai modelli in caso di bisogno. (D.1.3.1)

I deliverable di questi task consisteranno in un report cartaceo delle attività svolte.

WP2 SNA e TEXT MINING PER IL SUPPORTO ALLE DECISIONI

• TASK 2.1: Raccolta e processamento dei dati. Durante questa fase, verranno stabiliti i parametri dell’analisi riguardanti i dati testuali da esaminare e il periodo temporale di interesse. L’attenzione sarà concentrata sulla selezione delle principali testate giornalistiche e la raccolta delle rispettive notizie nel periodo di riferimento. Inoltre, in questa fase avverrà il processamento del dataset che coinvolge l’utilizzo del Text Mining per la pulizia del testo, la riduzione della complessità lessicale e la trasformazione del formato del dataset in una versione compatibile con i software che verranno utilizzati nel Task 2.2. Nello specifico, per il caso studio dedicato alla creazione di indici legati alla valutazione delle aziende nel contesto ESG (Environmental, Social, Governance), in questa fase verranno selezionate le principali testate giornalistiche americane e un insieme di aziende per le quali costruire un dataset di riferimento, ed estrarne le relative news pubblicate online da Gennaio 2015 a Giugno 2022. (D.2.1.1)
• TASK 2.2: Text Mining. Attraverso il software SBS BI, e il calcolo del Semantic Brand Score, verranno estratte, dai testi selezionati nel Task 2.2, le informazioni di importanza semantica in relazione ad argomenti specifici. In uno specifico use case dedicato alla creazione di indici per la valutazione di aziende nel contesto ESG, verranno calcolati, per ogni azienda, il Semantic Brand Score di un insieme di concetti che rappresentino i tre aspetti degli ESG e le loro sfaccettature. Ogni ambito ESG sarà così rappresentato e valutato nel tempo, in relazione alle singole aziende. In questa fase verranno poi sviluppati indici di valutazione aziendali sfruttabili nel Task 2.3 per l’elaborazione di modelli statistici che leghino tali indici con le misure di performance delle imprese. (D.2.2.1)
• TASK 2.3: Elaborazione modelli statistici e previsionali.
• Gli indicatori prodotti nel Task 2.2. diverranno parte di un dataset oggetto di diverse analisi econometriche. A partire dal dettaglio delle metriche prodotte, dalla frequenza temporale e dalla costruzione su base individuale o macro e avuto riguardo del contenuto informativo considerato sarà possibile sviluppare: (i) modelli di previsione micro o macro-economici; (ii) costruire indicatori finanziari ad alta frequenza che supportino gli operatori finanziari nelle loro scelte di investimento; (iii) valutare le performance di imprese; (iv) analizzare il processo di trasmissione di shock sia endogeni che esogeni all’interno del complesso flusso di connessioni della rete. Ovviamente, la tipologia di applicazione dipenderà molto dalla struttura e dalla tipologia di dati prodotti. (D.2.3.1)

I deliverable di questi task consisteranno in un report cartaceo delle attività svolte.

WP3 Comunicazione

• TASK 3.1 Comunicazione delle attività e dei risultati. D.3.1.1 Sito web