Per i Big Data nella ricerca valutativa: una proposta operativa per la gestione del matching prodotto-revisore nella VQR

Titolo Rivista RIV Rassegna Italiana di Valutazione
Autori/Curatori Lorenzo Barbanera, Federica Floridi, Federica Fusillo
Anno di pubblicazione 2018 Fascicolo 2017/68
Lingua Italiano Numero pagine 17 P. 103-119 Dimensione file 354 KB
DOI 10.3280/RIV2017-068007
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Qui sotto puoi vedere in anteprima la prima pagina di questo articolo.

Se questo articolo ti interessa, lo puoi acquistare (e scaricare in formato pdf) seguendo le facili indicazioni per acquistare il download credit. Acquista Download Credits per scaricare questo Articolo in formato PDF

Anteprima articolo

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

;

Keywords:Big Corpora; Big Data; Evaluation of Quality Research; Content Analysis; Textual Analysis; Peer Review.

  1. Amico A. e D’Alessandro A. (2016). Strategie di gestione e analisi di grandi basi di dati amministrativi: l’utilità di trasformare dati sincronici in vettori diacronici. Sociologia e Ricerca Sociale, 109: 127-142. DOI: 10.3280/SR2016.10901
  2. Agnoli M. S. (1992). La costruzione delle variabili tra rilevazione e analisi dei dati: il caso dei sondaggi, in Marradi A., Gasperoni G., a cura di, 1992, Costruire il dato 2. Vizi e virtù di alcune tecniche di raccolta delle informazioni, Milano: Angeli.
  3. Angoli M. S. (2016). L’arte intellettuale al cospetto dei big data. Sociologia e Ricerca Sociale, 109: 7-17. DOI: 10.3280/SR2016-10900
  4. Anvur (2017a). Valutazione della qualità della ricerca (VQR 2011-2014). Rapporto finale di Area (GEV 14).
  5. Anvur (2017b). Valutazione della qualità della ricerca (Vqr 2011-2014). Rapporto finale di Area (GEV 14). Appendice A-Criteri per la valutazione dei prodotti di ricerca.
  6. Anzera G., Fasanella A., Liani S., Martire F. e Palmieri M. (2016). L’auto-valutazione della produzione di una comunità scientifica: una proposta metodologica. RIV-Rassegna Italiana di Valutazione, 64: 112-131. DOI: 10.3280/RIV2016.06400
  7. Aragona B. (2016). Big data o data that are getting bigger? Sociologia e Ricerca Sociale, 109: 42:53. DOI: 10.3280/SR2016-10900
  8. Battistin E., Checchi D. e Verzillo S. (2014). La riforma di decentramento dei concorsi universitari in Italia. RIV-Rassegna Italiana di Valutazione, 58: 51-79. DOI: 10.3280/RIV2014-05800
  9. Benvenuto G., Decataldo A. e Fasanella A., a cura di (2012). C’era una volta l’università? Analisi longitudinale delle carriere degli studenti prima e dopo la grande riforma. Acireale-Roma: Bonanno. Bolasco S. (2013). L’analisi automatica dei testi. Fare ricerca con il text mining. Roma: Carocci.
  10. Bruschi A. (1999). Metodologia delle scienze sociali. Milano: Mondadori.
  11. Crane D. (1965). Scientists at major and minor university. A study of productivity recognition, American sociological review, 30: 699-714.
  12. Crane D. (1967). The gatekeepers of science. Some factors affecting the selection of articles in scientific journals, American sociologist, 2: 195-201.
  13. Della Ratta-Rinaldi F. (2007). L’analisi testuale computerizzata. In: Cannavò L. e Frudà L., a cura di, Ricerca sociale, Tecniche speciali di rilevazione, trattamento e analisi. Roma: Carocci editore.
  14. Di Franco G. (2011). Tecniche e modelli di analisi multivariata. Milano: FrancoAngeli.
  15. Faggiano M. P. (2016). L’analisi del contenuto di oggi e di ieri. Testi e contesti on e off line. Milano: FrancoAngeli.
  16. Fasanella A e Di Benedetto A. (2014). Luci ed ombre nella VQR 2004-2010: un focus sulla scheda di valutazione peer. Sociologia e ricerca sociale, 104:59-84. DOI: 10.3280/SR2014-10400
  17. Hillard R. (2012). It’s time for a new definition of big data (-- http://www.infodrivenbusiness.com/post.php?post=012/03/18/its-time-for-a-new-definition-of-big-data/).
  18. Hoiat M., Gonnella J. S., Caelleigh A. S. (2003). Impartial judgment by the “gatekeepers” of science: fallibility and accountability in the peer review process. Advances in health science education, 8: 75-96.
  19. Kitchin R. (2014). The data revolution. Big data, open data, data infrastructures and their consequences. London: Sage.
  20. Laney D. (2001). 3D Data management: controlling data volume, velocity and variety, MetaGroup (https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Mana-gement-Controlling-Data-Volume-Velocity-and-Variety.pdf).
  21. Lazer et al. (2009). Computational Social Science. Science, 323: 721-723.
  22. Lee C. J., Sugimoto C. R., Zhang G. e Cronin B. (2013). Bias in Peer Review. Journal of the American Society for Information Science and Technology, 1: 2-17.
  23. Losito G. (1993). L’analisi del contenuto nella ricerca sociale. Milano: FrancoAngeli.
  24. Mahoney M. J. (1977). Publication prejudices: an experimental study of confirmatory bias in the peer review system. Cognitive therapy and research, 1: 161-175. DOI: 10.1007/BF0117363
  25. Marradi A. (1993). Fedeltà di un dato, affidabilità di una definizione operativa. Rassegna Italiana di Sociologia, 1: 55-96.
  26. Marz V., Warren J. (2012). Big Data: principles and best practices of scalable realtime data system. New York: Meap Edition.
  27. Mauceri S. (2003). Per la qualità del dato nella ricerca sociale. Strategie di progettazione e conduzione dell’intervista con questionario. Milano: FrancoAngeli.
  28. Mayer-Schonberger V, Cukier K. (2013). Big Data: a revolution that will change how we live, work and think. London: John Murray.
  29. Wenneras C., Wold A (1997). Nepotism and sexism in peer review. Nature, 387: 341-343.

  • Considerazioni metodologiche sulla Vqr 2011-2014 e possibili sviluppi della valutazione Antonio Fasanella, Fabrizio Martire, in SOCIOLOGIA E RICERCA SOCIALE 114/2017 pp.89
    DOI: 10.3280/SR2017-114005

Lorenzo Barbanera, Federica Floridi, Federica Fusillo, Per i Big Data nella ricerca valutativa: una proposta operativa per la gestione del matching prodotto-revisore nella VQR in "RIV Rassegna Italiana di Valutazione" 68/2017, pp 103-119, DOI: 10.3280/RIV2017-068007