Uno studio dell’Università Bocconi di Milano mostra come l’apprendimento automatico può aiutare a prevedere i fattori che determinano lo scioglimento delle coppie.

 

 

‎La soddisfazione di vita di entrambi i partner e la percentuale di lavoro domestico della donna si sono rivelate i più importanti predittori dello scioglimento di una coppia, quando gli studiosi affiliati al Dondena ‎‎Centre for Research on Social Dynamics and Public Policy hanno utilizzato una tecnica di apprendimento automatico per analizzare i dati su 2.038 coppie sposate o conviventi che hanno partecipato al ‎‎German Socio-Economic Panel Survey‎‎. ‎
‎ ‎
‎Le coppie sono state osservate, in media, per 12 anni. Durante il periodo di osservazione, 914 coppie (45%) si sono separate.‎

‎Nel loro articolo, appena pubblicato online su ‎‎Demografia‎‎, ‎‎Bruno Arpino‎‎ (Università di Firenze), ‎‎Marco Le Moglie‎‎ (Università Cattolica, Milano) e ‎‎Letizia Mencarini‎‎ (Bocconi), hanno utilizzato una tecnica di apprendimento automatico chiamata Random Survival Forests (RSF) per superare la difficoltà di gestire un gran numero di variabili indipendenti nei modelli convenzionali. ‎
‎ ‎
‎”Un chiaro esempio delle potenziali difficoltà di considerare tutte le variabili e le loro possibili interazioni riguarda i cinque tratti della personalità”, ha detto il professor Mencarini. “Per tenere conto dei tratti di entrambi i partner (10 variabili) e di tutte le loro interazioni bidirezionali (25 variabili), sarebbe necessario includere 35 variabili indipendenti, il che sarebbe molto problematico”. Gli strumenti di apprendimento automatico sono, al contrario, in grado di rilevare modelli complessi in set di dati relativamente piccoli. ‎
‎ ‎
‎Un altro vantaggio dell’apprendimento automatico è il suo potere predittivo superiore rispetto ai modelli convenzionali, più in sintonia con la spiegazione di come funzionano determinati meccanismi che con la previsione del comportamento futuro delle variabili.

Quando gli autori hanno diviso il loro campione in due parti e hanno utilizzato i risultati della prima metà per prevedere i risultati della seconda metà, hanno scoperto che l’accuratezza predittiva di RSF era considerevolmente superiore a quella dei modelli convenzionali.

‎Tra le variabili con la maggiore capacità predittiva, gli autori hanno trovato la soddisfazione della vita di entrambi i partner, la percentuale di lavoro domestico della donna, lo stato civile (cioè sposato vs convivente), l’orario di lavoro della donna, il livello di apertura della donna e il livello di estroversione dell’uomo. ‎
‎ ‎
‎L’analisi ha anche rilevato che molte variabili interagiscono in modi complessi. Ad esempio, quando la soddisfazione dell’uomo era alta, quella della donna aumentava costantemente le possibilità della coppia di sopravvivere. Ma quando era bassa, l’associazione tra la soddisfazione della donna e la sopravvivenza dell’unione diventava negativa dopo una data soglia. ‎
‎ ‎
‎Gli autori, tuttavia, non hanno rilevato alcun effetto di interazione quando si considerano i tratti personali: l’apertura di una donna e l’estroversione di un uomo rendono più probabile la dissoluzione dell’unione, indipendentemente dalla personalità del proprio partner.‎

 

Immagine: Weiwei Chen

 

Foto crediti: Envato Elelents (ove non diversamente specificato)

Riproduzione riservata (c)

.