Bando Premio AILA-UMI “Franco Montagna” 2025

L’AILA e l’UMI bandiscono un premio di 2.000 euro, dedicato al ricordo di Franco Montagna, per una tesi di dottorato su argomenti inerenti la Logica Matematica e le sue applicazioni.

Il premio è riservato a uno/a studioso/a che abbia conseguito il titolo di dottore di ricerca discutendo una tesi di dottorato su argomenti di Logica Matematica nel triennio compreso tra il 1 gennaio 2022 ed il 31 dicembre 2024. Possono presentare domanda i/le candidati/e che non hanno concorso precedentemente.

Le domande di partecipazione al concorso, e le segnalazioni di motivate candidature avanzate da parte di organismi universitari, enti di ricerca, accademie scientifiche, o singoli esperti (di cui all’articolo 2 del Regolamento) vanno presentate dopo la discussione della tesi ed entro il 31 dicembre 2024

I risultati italiani OCSE-PISA 2022 nella prova di matematica: quando a parlare sono le differenze, soprattutto di genere

Lo scorso 5 dicembre sono stati presentati i risultati dell’Indagine internazionale PISA 2022 (Programme for International Student Assessment) condotta dall’OCSE. Su questo sito abbiamo pubblicato prima un commento a cura di Federica Ferretti, e poi in seguito un’analisi più approfondita da parte di due esperti della CIIM (Commissione Italiana per l’Insegnamento della Matematica dell’UMI) Roberto Capone e Ketty Savioli. Adesso Roberto Capone e Ketty Savioli, in collaborazione con Francesca Ferrara, ci propongono un approfondimento sui problemi legati alle differenze di genere. 

Questo contributo segue un precedente approfondimento pubblicato allo scopo di diffondere una certa consapevolezza sulla tipologia di risultati che l’ultima indagine OCSE-PISA per la matematica fornisce per gli studenti e le studentesse quindicenni italiani1. In tale approfondimento, anticipavamo che i risultati che ci riguardano evidenziano sì punti di forza ma anche punti di criticità quali, ad esempio, le disparità o differenze legate al genere, le quali permettono riflessioni importanti, per nulla evidenti a letture assolute e frettolose dei dati.

Il tema delle differenze è particolarmente importante e interessante, per almeno due ragioni. Da un lato, è un tema attuale, di forte impatto sociale, visto il basso tasso di scelta delle carriere STEM da parte delle donne nel nostro Paese (di cui sono conseguenza salari e trattamenti pensionistici penalizzanti se comparati a quelli degli uomini). Dall’altro lato, i dati PISA sui risultati degli studenti sono utilizzati per monitorare progressi verso uno degli obiettivi cruciali di sviluppo sostenibile dell’Agenda 2030 delle Nazioni Unite, l’obiettivo 4, che mira a garantire un’istruzione di qualità inclusiva ed equa e a promuovere opportunità di apprendimento permanente per tutti.

Questo obiettivo prevede due importanti sotto-obiettivi: garantire che tutte le ragazze e tutti i ragazzi completino un’istruzione primaria e secondaria gratuita, equa e di qualità, che porti a risultati di apprendimento pertinenti ed efficaci (4.1.1); eliminare le disparità di genere nell’istruzione e garantire la parità di accesso a tutti i livelli di istruzione e formazione professionale per le persone vulnerabili, comprese le persone con disabilità, le popolazioni indigene e i bambini in situazioni di vulnerabilità (4.5). L’obiettivo 4.5 insomma concerne tutti i tipi di disuguaglianze nei risultati di apprendimento.

I risultati dell’indagine PISA 2022, il cui focus è stata la matematica, si concentrano nello specifico sulle disuguaglianze di genere e socio-economiche (discusse nel volume intitolato: “The State of Learning and Equity in Education”)2. All’indomani della pubblicazione di tali risultati, diverse testate giornalistiche hanno manifestato in modi più o meno sensazionalistici preoccupazione circa la differenza tra i punteggi ottenuti dalle studentesse e dagli studenti italiani. Ne riportiamo diverse a titolo di esempio: “Ocse-Pisa, la scuola italiana non sa insegnare matematica alle ragazze: Italia peggiore al mondo” (Corriere della Sera), “Matematica: gli studenti italiani non migliorano, resta il divario tra maschi e femmine” (Focus Scuola), “Italy has highest gender gap in mathematics – OECD study” (ANSA English), “Le ragazze stentano in matematica rispetto ai ragazzi, ma hanno risultati migliori in lettura” (Tecnica della Scuola); “Ragazze indietro in matematica. E non è una buona notizia per l’Italia” (Avvenire).

Qui vogliamo affrontare alcune questioni fondamentali in modo più analitico rispetto a quanto non abbia fatto la stampa, ad esempio: che cosa dicono i risultati di PISA 2022 in merito al divario di genere in matematica nel nostro Paese? Esiste una relazione tra le differenze di genere in matematica e le abilità in matematica? E tra le disuguaglianze di genere in matematica e le abilità nella lettura? Come affrontare la disparità di genere in matematica?

Che cosa dice la prova PISA sulle disuguaglianze in matematica?

La prova PISA misura le disuguaglianze mediante cosiddetti “indici di parità” che esprimono il rapporto tra due popolazioni, in particolare tra ragazze e ragazzi e tra studenti socio-economicamente svantaggiati e avvantaggiati. Brevemente, l’indice di parità rileva la parità nella percentuale di studenti (femmine o maschi, svantaggiati o avvantaggiati) il cui punteggio raggiunge il livello 2 o un livello superiore di competenza in matematica (il livello 2 è preso come riferimento poiché rappresenta il livello minimo di competenza per ogni disciplina considerata)3.

La rilevazione del 2022 fornisce gli indici di parità nel caso della matematica. Da un lato, il report indica che la percentuale di studenti sotto il livello 2 di competenza in matematica è aumentata in modo significativo rispetto alle due rilevazioni precedenti (2015 e 2018, che differivano di poco), con una percentuale pari a circa il 30%. In poche parole, ciò significa che sono aumentati in percentuale i “meno bravi”4. Dall’altro lato, in media, i paesi OCSE sono vicini a una parità di genere per la competenza in matematica anche se i ragazzi appaiono ancora favoriti rispetto alle ragazze, come si evince nel grafico (Figura 1): l’indice medio è infatti uguale a 0,98; il rombo, qui associato alla disparità di genere, è molto vicino alla linea che indica “Nessuna disparità”. Ancora più sfavoriti, in un discorso più generale sulle disuguaglianze, sono gli studenti con status socio-economico svantaggiato rispetto a coloro che hanno uno status avvantaggiato: l’indice medio si attesta in tal caso intorno a 0,60; nel grafico, il cerchio, associato alla disparità di status, è più lontano dalla linea “Nessuna disparità” (Figura 1).

Figura 1. Indice di parità per genere e per contesto socio-economico. Il rombo indica “le ragazze rispetto ai ragazzi”, il cerchio “gli studenti svantaggiati rispetto agli studenti avvantaggiati”. La media dei paesi OCSE è evidenziata in azzurro.

A livello macro, il report conferma che, in media, nei paesi OCSE i ragazzi ottengono punteggi in matematica più alti di 9 punti rispetto a quelli delle ragazze (Figura 2)5. Sono d’altra parte le femmine, sempre nei paesi OCSE, a superare i maschi in lettura di addirittura 24 punti. Osserviamo dunque che il divario in matematica è in media consistentemente più piccolo del divario legato alle competenze in lettura. Altro dato interessante è il seguente: dei 37 paesi OCSE che hanno partecipato a PISA 2022, 34 presentano un divario in matematica a favore dei maschi (per lo più significativo) e solo 3 un divario a favore delle femmine (in Norvegia e in Slovenia la differenza è piccola e non significativa, in Finlandia i punteggi delle femmine sono superiori di 5 punti rispetto a quelli dei maschi).

Figura 2. Infografica – Differenza di punteggio ragazzi-ragazze.

Oltre a essere pervasiva, la tendenza sulla matematica non è una novità di PISA 2022, infatti una differenza legata al genere nei risultati di matematica (a favore dei maschi) era apparsa anche nelle precedenti edizioni dell’indagine, sin dall’anno del suo debutto (2000). Nella maggioranza dei paesi, inoltre, questa differenza non è variata in modo significativo tra il 2018 e il 2022, tipicamente perché sono peggiorati i risultati sia dei ragazzi sia delle ragazze.

Se, rispetto alla media OCSE, consideriamo il caso specifico degli studenti italiani, scopriamo qualche risultato che può sorprendere. Innanzitutto, la media OCSE dei punteggi in matematica è pari a 472 punti e l’Italia si comporta abbastanza bene, ottenendo un punteggio medio (471 punti) che non differisce significativamente dalla media. Per i risultati in lettura va ancora meglio, dal momento che l’Italia mostra una prestazione media (482 punti) che supera il punteggio medio dei paesi OCSE (477 punti).

In secondo luogo, però, scopriamo che il divario di genere in matematica a favore dei ragazzi italiani si attesta a 21 punti contro i 9 della media OCSE (Figure 2 e 3) e che l’Italia si ritrova, tra tutti i paesi OCSE, ad avere la più alta disuguaglianza di genere in matematica. Si tratta di un dato da non leggere in modo assoluto ma che vale la pena di mettere in relazione con altre variabili. Ad esempio, è interessante osservare che le ragazze ottengono punteggi sotto la media (461 rispetto a 468) mentre i ragazzi ottengono punteggi più alti pur non significativamente diversi rispetto alla media (482 rispetto a 477). In altre parole, l’ultima prova PISA sulla matematica mostra che i ragazzi italiani si comportano mediamente come i loro pari degli altri paesi, mentre le ragazze italiane presentano risultati peggiori rispetto alle loro pari negli altri paesi.

Figura 3. Istantanea del divario di genere – Media OCSE e ITALIA. Caselle azzurre indicano un punteggio medio superiore alla media OCSE, caselle bianche un punteggio con differenze non statisticamente significative e caselle grigie un punteggio medio inferiore alla media OCSE. Il divario di genere è positivo (negativo) quando è a favore dei ragazzi (delle ragazze). La variazione del divario di genere tra il 2018 e il 2022 è positiva (negativa) se il divario è stato maggiore (minore) in PISA 2022 rispetto a PISA 2018. Note: I valori statisticamente significativi sono evidenziati in grassetto.

Oltre a queste specificità, nel 2022 la situazione in Italia differisce da quella fotografata nel 2018 per soli 6 punti, in positivo: non si tratta di un aumento significativo dal punto di vista statistico. Indicativamente, quindi, la differenza di punteggio legata al genere non è peggiorata rispetto alla rilevazione precedente; tuttavia, rivela una problematica attuale per l’Italia. Poiché PISA 2022 utilizza, come dato stimato, il fatto che 20 punti equivalgono a circa un anno di scuola6, il divario di genere rilevato indica che le ragazze italiane quindicenni risultano più fragili in termini di competenza matematica rispetto ai ragazzi italiani della stessa età.

I dati quantificano la situazione misurando le disuguaglianze di genere tra ragazzi e ragazze quindicenni rispetto alle loro prestazioni nella prova, ma il divario di genere è un fenomeno complesso e più articolato di quanto si possa pensare. Ricerche recenti hanno escluso che abilità innate o aspetti di tipo biologico possano essere determinanti. Sembrano invece incidere fattori sociali e culturali (legati alla società e al contesto in cui si è immersi, compreso lo status socio-economico della famiglia di origine) che possono rafforzare attitudini e comportamenti stereotipati, i quali si riflettono sui risultati in matematica (Giberti, 2019; Ferrara et al., 2022). Anche l’organizzazione del sistema scolastico, le aspettative degli studenti e le caratteristiche ambientali sono fattori collegabili alle differenze di genere (Marks, 2008; Else-Quest et al., 2010). Lo stesso docente può giocare un ruolo cruciale: ci sono studi che riportano la tendenza a sopravvalutare le capacità matematiche dei ragazzi, riponendo maggiori aspettative e atteggiamenti più positivi nei loro confronti che nei confronti delle ragazze (ad es., Li, 1999).

La problematica della disparità di genere, perciò, necessita di essere analizzata (e di conseguenza affrontata) in riferimento al contesto socio-culturale nel quale emerge. Maschi e femmine ottengono punteggi diversi in matematica non perché maschi o femmine o perché i maschi sono più bravi delle femmine, ma piuttosto in relazione a numerose variabili che concorrono alla costruzione delle loro identità nel contesto familiare, sociale, educativo nel quale crescono e imparano e diventano cittadini e cittadine del mondo.

Quale relazione tra disuguaglianze e abilità in matematica?

Ricordiamo che i risultati della rilevazione PISA sono forniti da punteggi che derivano da un processo statistico complesso il quale tiene conto della difficoltà degli item presenti nella prova e di come si distribuiscono le competenze degli studenti, su una scala di competenza comune. L’esistenza della scala permette di descrivere il livello di competenza (o livello di abilità) di ogni partecipante alla prova sulla base del tipo di item (o di compiti) che è in grado di risolvere in modo corretto.

Il punteggio medio di un paese (la competenza media) può cambiare nel tempo come risultato di miglioramenti o cali della prestazione degli studenti di livello più basso, medio e più alto. Cioè, può cambiare la differenza di prestazione tra i meno abili e i più abili, dando vita a una distribuzione dei punteggi che presenta una media diversa (ad esempio, in PISA 2022, il punteggio medio dei paesi OCSE in matematica è fermo a 472 punti, mentre era pari a 487 nella rilevazione precedente).

Alla luce di ciò, è interessante conoscere che cosa è avvenuto nell’ultima rilevazione agli estremi della distribuzione dei punteggi, vale a dire al decimo e al novantesimo percentile. Il decimo percentile individua il punteggio al di sotto del quale si colloca solo il 10% dei partecipanti (gli studenti con i risultati più deboli) e il novantesimo percentile il punteggio al di sopra del quale si colloca solo il 10% dei partecipanti (gli studenti con i risultati più elevati). Le differenze di prestazione a questi estremi sono importanti perché, in media e nella maggior parte dei paesi, la variabilità dei risultati è maggiore tra i ragazzi rispetto alle ragazze in tutte le discipline misurate dalla rilevazione PISA.

Per quanto riguarda nello specifico la matematica, vediamo che in media i ragazzi con i risultati più alti superano le ragazze con i risultati più alti (la media OCSE si attesta su una differenza di 22 punti) e questo accade nella gran parte dei paesi. In particolare, in Israele, Italia e Stati Uniti, questa differenza risulta superiore a 30 punti. In Italia è addirittura pari a 36 punti (estremi: 569, 605; cioè, le ragazze italiane ottengono come punteggio massimo 569, i ragazzi italiani 605. Tabella 1 e Figura 4).

Non è invece significativa per il nostro paese la differenza di punteggio tra i ragazzi e le ragazze che hanno ottenuto i risultati più deboli (1 punto; estremi: 357, 358. Tabella 1 e Figura 4). In questo caso, l’Italia è in linea con altri 30 paesi su 81 ma non con la media OCSE, che evidenzia che, tra il 10% di studenti con le prestazioni più basse, le ragazze superano i ragazzi per 4 punti di differenza.

Tabella 1. Punteggi in matematica per genere agli estremi della distribuzione. La situazione dell’Italia nella differenza di genere in matematica al 10° e al 90° percentile. Nuovamente, il grassetto indica i valori statisticamente significativi.

Figura 4. Istantanea della differenza di punteggio in matematica tra ragazzi e ragazze – Media OCSE e ITALIA. Il divario medio in matematica (individuato qui dalla barra in azzurro) e le differenze di punteggio al decimo e al novantesimo percentile per gli studenti italiani rispetto alla media OCSE.

Come abbiamo già visto con il precedente approfondimento, PISA 2022 ha introdotto nella discussione dei dati anche la distinzione tra low performer e top performer. Il primo gruppo è costituito da coloro che ottengono punteggi sotto il livello 2, il secondo da coloro che raggiungono almeno il livello 5. Se prestiamo attenzione alla relazione tra genere e le percentuali di low e top performer in matematica, possiamo in generale osservare che la disparità di genere nelle percentuali di low performer in matematica appare relativamente piccola.

Nello specifico, l’Italia si colloca tra i 15 paesi OCSE in cui le ragazze che non raggiungono il livello 2 sono più dei ragazzi: la differenza è in questo caso statisticamente significativa, con la percentuale delle ragazze ferma al 31,7% (vicina alla media OCSE, pari a 31,6%) e quella dei ragazzi al 27,5% (media OCSE al 30,6%). In altre parole, in Italia ci sono più ragazze che ragazzi quindicenni con un livello di competenza inferiore a 2. Mentre però la percentuale delle ragazze italiane con i risultati peggiori è in linea con quella della media OCSE, i ragazzi italiani si comportano meglio dei loro pari degli altri paesi (la percentuale è inferiore a quella media).

Nei paesi OCSE, le percentuali di top performer in matematica risultano in media più basse rispetto a quelle di low performer. Inoltre, la percentuale di top performer maschi è maggiore di quella di top performer femmine, e in generale la differenza, laddove significativa, è più pronunciata rispetto al caso precedente. In Italia, la percentuale di ragazzi che raggiungono il livello 5 o 6 (top performer) in matematica si attesta al 9,7% (contro il 10,5% medio) mentre la percentuale di ragazze che hanno le migliori prestazioni è pari solo al 4,3% (contro il 6,8% medio), una differenza di nuovo statisticamente significativa (Tabella 2). In tal caso, vediamo che i top performer italiani sono in misura inferiore rispetto alla media, sia i ragazzi sia le ragazze, e queste ultime sono percentualmente molte meno rispetto alla media OCSE.

Tabella 2. Risultati in matematica per genere a livelli diversi.

Riassumendo, questi risultati prendono sostanzialmente in esame la relazione tra disuguaglianze di genere e i livelli di competenza in matematica, in particolare, per chi si colloca sotto il livello 2 (cui ci riferiamo come basso livello di competenza) o sopra il livello 5 (alto livello di competenza). Se già le differenze al decimo e al novantesimo percentile fanno intuire che la problematica della disparità di genere possa essere fortemente collegata alle migliori prestazioni nella prova, i risultati legati a un basso o alto livello di competenza rafforzano ulteriormente tale intuizione. La percentuale di ragazze italiane più competenti poi è inferiore non solo a quella dei ragazzi italiani ma anche a quella della media OCSE.

Tradotto altrimenti, per agevolare una riduzione del divario di genere in matematica in Italia, sembrerebbero necessarie azioni volte a tutti gli studenti ma che sappiano favorire un aumento della percentuale di top performer femmine (così da diminuire la distanza tra i top performer, maschi e femmine, inclusi i ragazzi e le ragazze che si collocano nel 90° percentile). Sembra insomma necessario agire soprattutto tra “i più bravi”, in particolare tra le ragazze che ottengono i risultati migliori.

Un ulteriore risultato, piuttosto interessante in relazione alle abilità in matematica, è fornito dal fatto che il divario di genere a favore dei ragazzi si presenta non solo sulla scala complessiva di competenza matematica ma anche sulle sue sottoscale. Accanto alla scala principale, infatti, PISA 2022 ne fornisce altre due, che riguardano nello specifico i processi in un caso e gli ambiti di contenuto nell’altro caso7.

E per quanto riguarda la competenza in lettura e le disuguaglianze?

Ricordiamo che, pur focalizzandosi nello specifico sulla competenza in matematica, la rilevazione PISA 2022 fornisce anche i risultati sulle abilità in lettura e in scienze. Un aspetto interessante restituito da tali risultati è che, in lettura, la fotografia delle competenze dei ragazzi e delle ragazze quindicenni restituisce, come già anticipato, una situazione invertita rispetto a quella in matematica, con i ragazzi che ottengono prestazioni peggiori rispetto alle ragazze (di 24 punti in media) e differenze di genere medie in lettura più pronunciate.

La situazione specifica dell’Italia mostra che mediamente le ragazze ottengono un punteggio in lettura non significativamente superiore alla media OCSE (491 rispetto a 488) e i ragazzi ottengono anch’essi un punteggio più alto della media (472 rispetto a 464), che in tal caso differisce da essa in modo significativo. Ciò risulta in una disuguaglianza di genere in relazione alla lettura pari a 19 punti (quindi inferiore rispetto a quella media, a differenza di quanto accade per la matematica; Tabella 3).

Tabella 3. Risultati in lettura per genere a livelli diversi.

Rispetto alla rilevazione del 2018, la differenza legata al genere nei risultati di lettura di ragazze e ragazzi italiani non è cambiata in modo significativo pur essendo aumentata di 6 punti (esattamente come per la matematica; Figura 3), anche in questo caso perché sono peggiorati i risultati sia dei ragazzi sia delle ragazze.
Possiamo inoltre in generale osservare che le percentuali di low performer in lettura rivelano che ci sono più ragazzi che ragazze che non raggiungono il livello 2 di competenza. In media, nei paesi OCSE, la percentuale dei ragazzi sotto il livello 2 raggiunge circa il 31% (30,7%) mentre quella delle ragazze circa il 22% (21,7%). Per i ragazzi e le ragazze italiani, le percentuali si attestano rispettivamente al 25,8% e al 17,2%, dunque sono entrambe inferiori rispetto alla media OCSE. La differenza in Italia (8,6%) è invece in linea con la differenza media dei paesi OCSE (9%). In Italia, dunque, i low performer in lettura sono meno di quanti ne risultano in media nei paesi OCSE.

Per quanto riguarda le prestazioni in lettura, nella maggior parte dei paesi OCSE, inclusa l’Italia, non c’è una differenza statisticamente significativa nelle percentuali di ragazzi e di ragazze a livello 5 o superiore (top performer). In media, la differenza è però significativa, con la percentuale dei ragazzi pari a 6,2% e quella delle ragazze pari a 8,2%. In Italia, le due percentuali si riducono rispettivamente a 4,6% e 5,4%, il che ci dice che anche i ragazzi e le ragazze italiane che raggiungono almeno il livello 5 di competenza in lettura sono meno di quanti in media riescono ad avere prestazioni alte. Questi dati indicano una controtendenza rispetto a quanto visto per la matematica, facendo intuire che sono le percentuali di low performer a incidere maggiormente sulla differenza di genere in lettura.

I dati relativi alla competenza in lettura sono interessanti in relazione ai risultati di alcuni studi, che evidenziano un legame tra le differenze di genere in matematica e i processi cognitivi indagati dalle prove standardizzate che le rivelano. Per esempio, i ragazzi ottengono risultati migliori delle ragazze nelle domande a scelta multipla. Al contrario, le ragazze offrono migliori risultati rispetto ai ragazzi nelle domande aperte (Bolger & Kellaghan, 1990).

Non solo il formato ma anche la tipologia degli item è un fattore da considerare. Ajello e colleghe (2018) hanno ipotizzato che le ragazze sono avvantaggiate rispetto ai ragazzi negli item con una richiesta di lettura elevata, mentre i ragazzi lo sono negli item con una bassa richiesta e che questo accade indipendentemente dal livello di competenza in matematica di ragazze e ragazze. Le ragazze, quindi, sembrano beneficiare della complessità linguistica degli item di matematica. Visto il ruolo del registro linguistico in matematica, sia nei processi argomentativi sia in quelli comunicativi, le connessioni tra abilità nella lettura e abilità matematiche si configurano come un interessante campo di indagine per lo studio delle differenze di genere in matematica.

Qualche riflessione conclusiva sul divario di genere in matematica

In conclusione, i risultati forniti dall’indagine PISA 2022 sulla disparità di genere in matematica devono essere letti e interpretati non in modo assoluto ma in relazione a diverse dimensioni per coglierne il substrato reale e trarre riflessioni su quali azioni e modalità di intervento si rendano necessarie. È essenziale collocare questi dati nel contesto più ampio dal quale provengono o al quale si riferiscono, anche per delineare un sistema educativo che non può non interfacciarsi con il tessuto socio-economico e culturale nel quale si trova a operare.

I dati sulle disuguaglianze di genere in matematica, a una lettura più approfondita, quale quella che abbiamo provato a fornire qui, rivelano da un lato la complessità intrinseca della problematica del divario di genere, che affonda le sue radici in un terreno davvero eterogeneo. Dall’altro lato, pongono sfide importanti per la scuola, per la società, per la ricerca. Le relazioni tra abilità nella lettura e la disparità tra ragazzi e ragazze nei risultati che ottengono in matematica suggeriscono che le modalità di lavoro in classe così come i processi attivati nell’insegnamento e nell’apprendimento della matematica possono incidere sul divario. Dallo studio di metodologie didattiche attive in altri paesi (Boaler, 2009) emerge che le disuguaglianze di genere possono ridursi se l’insegnamento della matematica è incentrato sulla risoluzione di problemi e su un coinvolgimento attivo degli studenti in discussioni e attività di indagine piuttosto che sul tradizionale modello trasmissivo della lezione frontale.

Sensibilizzare le famiglie, i docenti e i responsabili politici e diffondere tra essi una consapevolezza sulle differenze di genere può essere un modo di intervenire sugli stereotipi, come quelli che ritengono i ragazzi più bravi delle ragazze in matematica perché più portati per la matematica (o per le materie scientifiche), oppure quelli che associano alla donna ruoli ben precisi nella società. Contrastare gli stereotipi può a sua volta avere ricadute sullo sviluppo di attitudini positive verso la matematica e in generale verso le discipline STEM, anche per il genere femminile. Infine, orientare maggiormente alle discipline e alle carriere STEM tutti gli studenti permette di creare le basi per condizioni di pari opportunità.

Un ultimo punto rilevante riguarda gli aspetti di intersezionalità che sembrano essere importanti nella trattazione e comprensione del fenomeno delle disuguaglianze di genere. Nello specifico, sono state evidenziate interazioni tra genere e altri aspetti legati all’identità (come la razza, l’etnia, la sessualità; Becker & Hall, 2024). La nozione di intersezionalità evidenzia che le caratteristiche degli studenti possono interagire e creare bisogni unici per ciascuno che le scuole e il sistema educativo nel suo complesso devono affrontare. Inoltre, prende in considerazione il modo in cui i bisogni e le esperienze degli studenti sono modellati dall’ambiente e dai contesti sociali (compreso il clima scolastico).

Un sistema educativo che intenda essere equo e paritario non può tralasciare come obiettivo almeno ideale di tenere conto di tutti questi fattori per offrire a ognuno le stesse possibilità di sviluppo cognitivo e di crescita personale. Per queste molteplici sfaccettature, le disparità di genere, in particolare quelle legate alla matematica, meritano indagini ulteriori.

Roberto Capone e Ketty Savioli
Commissione Italiana Insegnamento della Matematica
Francesca Ferrara
Dipartimento di Matematica – Università di Torino

Bibliografia

Ajello, A.M., Caponera, E. & Palmerio, L. (2018). Italian students’ results in the PISA mathematics test: does reading competence matter? European Journal of Psychology of Education 33, 505–520. https://doi.org/10.1007/s10212-018-0385-x

Avvisati, F. (2021). How much do 15-year-olds learn over one year of schooling? PISA in Focus, No. 115, OECD Publishing. https://doi.org/10.1787/b837fd6a-en

Avvisati, F., & Givord, P. (2023). The learning gain over one school year among 15-year-olds: An international comparison based on PISA. Labour Economics 84, 102365.
https://doi.org/10.1016/j.labeco.2023.102365

Becker, J.R., & Hall, J. (2024). Research on gender and mathematics: exploring new and future directions. ZDM Mathematics Education 56, 141–151. https://doi.org/10.1007/s11858-023-01510-6

Boaler, J. (2009). The Elephant in the Classroom: Helping Children Learn and Love Maths. Souvenir Press.

Bolger, N., & Kellaghan, T. (1990). Method of measurement and gender differences in scholastic achievement. Journal of Educational Measurement 27, 165–174.
https://doi.org/10.1111/j.1745-3984.1990.tb00740.x

Else-Quest, N.M., Hyde, J.S. & Linn, M.C. (2010). Cross-national patterns of gender differences in mathematics: A meta-analysis. Psychological Bulletin 136, 101–127.
https://doi.org/10.1037/a0018053

Ferrara, F., Ferrari, G. & Robutti, O. (2022). Differenze di genere in matematica: Sfide, opportunità e proposte didattiche. In M. Della Giusta, B. Poggio & M. Spicci (A cura di), Educare alla parità: Principi, metodologie didattiche e strategie di azione per l’equità e l’inclusione (pp. 119-148). Pearson.

Giberti, C. (2019). Differenze di genere in matematica: dagli studi internazionali alla situazione italiana. Didattica della matematica. Dalla ricerca alle pratiche d’aula 5, 44–69.
https://doi.org/10.33683/ddm.18.5.2

Li, Q. (1999). Teachers’ beliefs and gender differences in mathematics: A review. Educational Research 41, 63–76. https://doi.org/10.1080/0013188990410106

Marks, G.N. (2008). Accounting for the gender gaps in student performance in reading and mathematics: evidence from 31 countries. Oxford Review of Education 34, 89–109.
https://doi.org/10.1080/03054980701565279

Per approfondimenti

Volume I – Report PISA 2022: PISA 2022 Results (Volume I) | OECD

Primo contributo UMI CIIM dicembre 2023: Qualche commento sui risultati dell’indagine PISA 2022

Secondo contributo UMI CIIM aprile 2024: Risultati OCSE-PISA 2022, la prova di Matematica – approfondimenti

Sito internazionale OCSE: https://www.oecd.org/pisa/

 

Immagine di copertina: Photo by Joshua Hoehne on Unsplash

Olimpiadi: ottobre 2024

Nessuna gara e nessuno stage, questo mese, ma ci si scalda con l’ammissione all’EGMO Camp e si dà il benvenuto a vecchi e nuovi Coordinatori e Responsabili Distrettuali.

Continua a leggere

I rischi di ridimensionamento dell’università e della ricerca

Riportiamo una lettera aperta indirizzata al Ministro dell’Università e della Ricerca, Anna Maria Bernini, e firmata, tra le altre persone, dai e dalle presidenti di Società scientifiche italiane, tra cui il presidente dell’UMI.

Il mondo dell’università e della ricerca pubblica è stato investito negli ultimi mesi da politiche del governo che introducono importanti cambiamenti.

A luglio 2024 la bozza di decreto sul finanziamento delle università1 aveva ridotto di circa 500 milioni in corso d’anno i fondi per il 2024, sollevando le proteste della Conferenza dei Rettori (CRUI) e del Consiglio Universitario Nazionale (CUN)2. Tale riduzione è stata poi confermata dal decreto ministeriale sul Fondo di finanziamento ordinario (FFO) del settembre 20243, che riduce di 173 milioni l’assegnazione dell’FFO e non assegna le coperture aggiuntive per i 340 milioni previsti dal piano per gli associati, recuperando le risorse dalla riduzione di quota storica, costo standard e perequazione. Oggi, dall’assegnazione dei fondi agli atenei, emerge che quasi tutti gli atenei statali hanno avuto riduzioni di fondi, con pochissime eccezioni.

In agosto è apparso il disegno di legge per il Reclutamento4 che cambia profondamente le figure previste per i giovani ricercatori e i docenti esterni. Si delinea la moltiplicazione di posizioni pre-ruolo, per neolaureati magistrali (“assistenti di ricerca junior”), neodottorati (“assistenti di ricerca senior”), giovani ricercatori (“contrattisti post-doc”, oltre agli attuali RTT), mentre resta congelato il “contratto di ricerca” che, a fronte di rigidi incarichi biennali, offriva tutele e remunerazioni maggiori. Si apre la possibilità di avere come docenti “professori aggiunti”: esperti esterni incaricati direttamente dai Rettori, con ruoli e prerogative interamente da definirsi.

In agosto è stato introdotto l’adeguamento Istat degli stipendi per i docenti universitari (+4,8% a parziale recupero dell’inflazione), senza fornire stanziamenti aggiuntivi nell’FFO 2024. Di fronte a bilanci sotto pressione, gli atenei per la copertura delle nuove spese potranno utilizzare le risorse che il precedente governo aveva assegnato per i piani straordinari di reclutamento, una parte di fondi precedentemente vincolati alla ricerca5 e i residui degli accordi di programma per l’edilizia universitaria.

Per quanto riguarda la governance del sistema, il 20 settembre è stato pubblicato il Decreto che crea un gruppo di lavoro per la riforma della Legge Gelmini sull’università, presieduto dalla Ministra Anna Maria Bernini e composto in prevalenza da persone che hanno già avuto responsabilità di rilievo nel sistema universitario del Paese6. La Commissione potrà intervenire sul reclutamento, sullo stato giuridico dei docenti, sull’assetto di governance e sulla valutazione dell’università e della ricerca, sulla base del mandato previsto dall’art.11 del ddl “Semplificazione” in esame al Senato7.

Tali misure sollevano serie preoccupazioni sul ridimensionamento dell’università e della ricerca pubblica. Come Presidenti di Società scientifiche italiane, che rappresentano migliaia di docenti universitari e ricercatori del Paese – impegnati ad affermare la ricerca italiana nel contesto internazionale – non possiamo condividere la deriva che si prospetta per la nostra università.

Sul piano del finanziamento, gli ultimi anni avevano consentito un certo recupero, anche grazie ai finanziamenti straordinari e temporanei del PNRR, avvicinando la spesa per ricerca pubblica allo 0,75% del PIL. Era questo l’obiettivo indicato nel 2022 dal rapporto del “Tavolo tecnico” insediato dal governo di Mario Draghi8. A partire da quest’anno si profila una preoccupante riduzione del finanziamento dell’università e della ricerca pubblica. La distribuzione delle risorse che si prospetta – attraverso i criteri adottati e i meccanismi premiali – sta portando a maggiori disparità tra grandi atenei e università “periferiche”. Nel quadro europeo, l’Italia – ora agli ultimi posti nella UE in termini di percentuale di laureati sugli occupati – aggraverebbe le distanze nei confronti dei maggiori paesi in termini di risorse disponibili. È necessario che la Legge di Bilancio 2025 assicuri un aumento delle risorse per l’università e la ricerca, in particolare per quanto riguarda la quota non vincolata dell’FFO.

Sul piano del personale, oggi circa il 40% di tutto il personale docente e di ricerca è costituito dagli oltre 20 mila assegnisti di ricerca e 9 mila RTDA, anche a seguito della proliferazione di posizioni di ricerca finanziate con i fondi PNRR. Nei prossimi tre anni intorno al 10% dei professori ordinari e associati andrà in pensione. Anziché favorire nuovi concorsi, il governo ha rallentato il turnover e creato incertezza sul reclutamento. Nel corso di un decennio, circa 15 mila ricercatori e ricercatrici italiane hanno trovato lavoro all’estero. Anziché favorire un “ritorno dei cervelli” e l’attrazione di personale qualificato dall’estero, le politiche del governo rischiano di condurre a una maggior emigrazione. È necessario che le nuove regole e le risorse per il reclutamento consentano di rinnovare il personale docente di ruolo e ridurre le condizioni di precariato.

Sul piano della qualità della ricerca – un tema su cui si è molto insistito negli ultimi anni, anche con l’introduzione dall’Abilitazione Scientifica Nazionale (ASN) – ci sono preoccupanti segnali di ritorno indietro. Per le nuove figure di giovani ricercatori e per i “professori aggiunti” potrebbero non essere previsti concorsi pubblici. È necessario che chi insegna all’università sia scelto attraverso adeguati meccanismi di verifica delle competenze. Ulteriori preoccupazioni sul piano della qualità della formazione superiore provengono dall’espansione delle università telematiche private.

Alcune di queste preoccupazioni erano già state segnalate in una lettera alla Ministra Anna Maria Bernini del 9 novembre 2022 – all’indomani dell’insediamento del governo – sottoscritta da 108 società scientifiche italiane9.

Ci auguriamo che le voci delle Società scientifiche possano contribuire a fermare i rischi di un ridimensionamento – attraverso le attuali politiche del governo – dell’università e della ricerca pubblica in Italia.

 

I e le presidenti di Società scientifiche italiane:

Il presidente dell’Associazione Antropologica Italiana, Luca Sineo
Il vicepresidente dell’Associazione Energy Finance Italia, Paolo Falbo
La presidente dell’Associazione degli Italianisti, Silvia Tatti
Il presidente dell’Associazione Italiana di Economia del Lavoro, Lorenzo Cappellari
Il presidente dell’Associazione Italiana di Scienze Regionali, Domenico Scalera
La presidente dell’Associazione Italiana degli Economisti dell’Ambiente e delle Risorse Naturali, Valeria Costantini
La presidente dell’Associazione Italiana di Economia Sanitaria, Cinzia Di Novi
Il presidente dell’Associazione Italiana di Fisica Medica e Sanitaria, Carlo Cavedon
Il presidente dell’Associazione Italiana di Sociologia, Stefano Tomelleri
Il presidente dell’Associazione Italiana per la Ricerca in Storia Economica, Giuseppe De Luca
Il presidente dell’Associazione Italiana per la Storia dell’Economia Politica, Saverio Maria Fratini
La presidente dell’Associazione Italiana per la Storia del Pensiero Economico, Manuela Mosca
Il presidente dell’Associazione Italiana per la Ricerca in Computer Vision, Pattern Recognition e Machine Learning, Nicu Sebe
Il presidente dell’Associazione Italiana per lo Studio dei Sistemi Economici Comparati, Dario Sciulli
Il presidente dell’Associazione per la Matematica Applicata alle Scienze Economiche e Sociali, Andrea Consiglio
Il presidente della Consulta Universitaria del Cinema, Giacomo Manzoli
La presidente della Consulta Universitaria del Greco, Liana Lomiento
Il presidente della Consulta Universitaria del Teatro, Alberto Bentoglio
Il presidente della Consulta Universitaria di Studi Latini, Mario De Nonno
Il presidente di Economists for Peace and Security Italia, Raul Caruso
La presidente della Federazione Italiana Scienze della Vita, Chiara Tonelli
Il presidente del Gruppo 2003 per la Ricerca Scientifica, Rocco De Nicola
Il presidente della Società Informatica Italiana-GRIN, Fabio Gadducci
Il presidente della Società Italiana di Biologia Sperimentale, Francesco Cappello
Il presidente della Società Italiana di Econometria, Luca Fanelli
Il presidente della Società Italiana di Economia, Mario Pianta
Il presidente della Società Italiana di Economia dei Trasporti e della Logistica, Claudio Ferrari
Il presidente della Società Italiana di Economia dello Sviluppo, Federico Perali
Il presidente della Società Italiana di Economia Pubblica, Gilberto Turati
Il presidente della Società Italiana degli Storici Economici, Marco Doria
La presidente della Società Italiana delle Storiche, Vinzia Fiorino
La presidente della Società Italiana di Filologia Romanza, Maria Sofia Lannutti
La presidente della Società Italiana di Fisica, Angela Bracco
Il presidente della Società Italiana di Logica e Filosofia delle Scienze, Vincenzo Fano
Il presidente della Società Italiana di Matematica Applicata ed Industriale, Luca Formaggia
Il presidente della Società Italiana di Nefrologia, Stefano Bianchi
La presidente della Società Italiana di Scienza Politica, Franca Roncarolo
Il presidente della Società Italiana di Statistica, Marcello Chiodi
Il presidente dell’Unione Matematica Italiana, Marco Andreatta
 

Note

1. (https://www.gazzettaufficiale.it/eli/id/2024/07/30/24A03870/SG)
2. (https://www.accademiaaidea.it/wp-content/uploads/2024/07/PARERE-FFO-2024…)
3. (Decreto Ministeriale n. 1170 del 07-08-2024, pubblicato il 27/09/2024)
4. (https://www.governo.it/it/articolo/comunicato-stampa-del-consiglio-dei-m…)
5. (Dl 113/2024)
6. (https://www.mur.gov.it/it/news/venerdi-20092024/universita-firmato-dm-gr…)
7. (Atto Senato n. 1192)
8. (https://www.mur.gov.it/sites/default/files/2022-07/Documento_Tavolo_Rice…)
9. (https://www.scienzainrete.it/articolo/appello-ministra-bernini-cogliere-…)

Premio Stefania Cotoneschi a Raffaele Casi

Il 37-simo convegno UMI-CIIM che si è tenuto a Catania nei giorni 26-28 settembre è iniziato con la consegna del Premio Stefania Cotoneschi che la giuria di quest’anno, composta da Samuele Antonini (Università di Firenze), Fabio Brunelli (già Istituto Comprensivo Masaccio, Firenze), Annalisa Cusi (Università di Roma “La Sapienza”), Sonia L’Innocente (Università di Camerino) e Paolo Salani (Università di Firenze) ha assegnato all’unanimità a Raffaele Casi, insegnante di Matematica e Scienze nella Scuola Secondaria di I grado presso l’Istituto Comprensivo Statale di Andezeno, in provincia di Torino.

Il premio è un caso unico nella storia della nostra scuola: come dice Fabio Brunelli, il primo a vincerlo nell’ormai lontano 2015, “gli insegnanti della scuola secondaria di primo grado, anni
fa definita il ventre molle della scuola italiana, non hanno mai avuto grandissima visibilità. Questo premio consente invece di valorizzare il lavoro di docenti che si danno molto da fare e
lo fanno spesso nell’ombra”. Una di loro era senz’altro Stefania Cotoneschi, cui il premio è intitolato: Stefania, laureata in matematica, dopo un’esperienza pluriennale di insegnamento
nella scuola primaria era entrata di ruolo nella Scuola – Città Pestalozzi di Firenze, una delle tre scuole sperimentali italiane in cui si univano primaria e media in una sorta di istituto
comprensivo ante litteram. “Quando gli alunni andavano tutti via” aggiunge Brunelli, “lei rimaneva a scuola, a documentare quello che aveva fatto durante il giorno o a programmare
quello che avrebbe proposto il giorno dopo”, come fanno gli insegnanti appassionati al loro compito. “Per me è stata una lezione di laboriosità, serietà e umiltà”, conclude Brunelli. La
famiglia, in sua memoria, ha disposto un lascito con cui il premio è stato finora finanziato, a valorizzare colleghi che, come si legge nel regolamento, “si siano distinti per la diffusione
dell’educazione matematica tra i giovani e più in generale nella società o nella comunità scientifica”.

Raffaele Casi è uno di loro: per l’attenzione agli studenti a rischio abbandono che dimostra come docente, per l’attività di formatore nell’ambito del progetto di Scuola Media Matematica, per la sua attività di studio e ricerca sui temi della didattica laboratoriale, declinati anche in contesti inusuali come quelli tipici dell’educazione informale nei percorsi museali. A lui e agli altri candidati al premio vanno i nostri complimenti, a tutti gli altri docenti va invece il nostro invito a concorrere alle prossime edizioni.

Olimpiadi: settembre 2024

Dopo un’estate all’insegna delle Olimpiadi sportive, settembre è il momento di rimettersi in marcia con le Olimpiadi della Matematica.

Continua a leggere

Proroga iscrizione XXXVII CONVEGNO UMI-CIIM

E’ stata prorogata al 17 settembre 2024 la data per le iscrizioni al XXXVII Convegno UMI-CIIM

https://umi.dm.unibo.it/xxxvii-convegno-umi-ciim/

Medaglia d’oro Guido Stampacchia 2024 a Maria Colombo

Nella bellissima cornice dell’ex Convento San Domenico di Erice, oggi sede della Fondazione e Centro di Cultura Scientifica Ettore Majorana, Maria Colombo ha ricevuto stamattina il prestigioso premio Stampacchia, una medaglia d’oro che l’UMI, assieme alla Scuola Internazionale di Matematica Guido Stampacchia, assegna ogni 3 anni a una/uno studiosa/o di meno di 35 anni, che abbia svolto significative ricerche nel campo dell’Analisi Variazionale e delle sue Applicazioni.

Fresca dell’attribuzione di un altro premio prestigiosissimo, quello della European Mathematical Society assegnatole durante il meeting dell’European Congress of Mathematics (ECM) dello scorso luglio, Maria non è nuova a riconoscimenti nazionali e internazionali per la sua attività di ricerca. Ha al suo attivo l’ICIAM Collatz Prize e il Peter Lax Award, conseguiti rispettivamente nel 2023 e 2022, oltre a premi tra cui il Bartolozzi, assegnatole dall’Unione Matematica Italiana nel 2019, il Gioacchino Iapichino conferitole dall’Accademia dei Lincei nel 2016 e il Michele Cuozzo per la tesi di dottorato, ottenuto nel 2015.

La genealogia matematica di Maria parla anch’essa italiano: è stata studentessa del corso ordinario della Scuola Normale Superiore e in parallelo dell’Università di Pisa (tesi di laurea triennale e magistrale con relatore Massimo Gobbino), poi del corso di perfezionamento della Scuola Normale Superiore, dove ha avuto come relatori Luigi Ambrosio e Alessio Figalli. Dopo un periodo di ricerca post dottorato con Camillo De Lellis, condotto presso l’ETH di Zurigo, si è trasferita nel 2018 all’EPFL di Losanna, dove dirige il Laboratorio di analisi matematica, calcolo delle variazioni ed equazioni differenziali alle derivate parziali. Il suo talento matematico, del resto, era emerso anche prima degli studi universitari, portandola nel 2006 prima alla finale nazionale dei giochi matematici in Bocconi e poi, da vincitrice di questa prima tappa, alla finale internazionale del Campionato di Giochi Matematici tenutasi nell’agosto dello stesso anno a Parigi. Logica, intuizione e fantasia – enucleati dal bando come gli unici requisiti necessari per partecipare ai Campionati di Giochi Matematici – l’hanno evidentemente caratterizzata già da allora. Negli stessi anni, Maria partecipa alle Olimpiadi internazionali della matematica, aggiudicandosi il bronzo nell’edizione 2005 a Cancún, l’oro in quella del 2006 a Lubiana e l’argento nel 2007 ad Hanoi.

La varietà e la profondità dei contributi di Maria, allo stesso tempo molto forte tecnicamente in una vasta gamma di argomenti diversi e dotata di una visione molto originale dei problemi che cerca di risolvere, sono sintetizzate nella dicitura del premio Stampacchia, che il Comitato le assegna all’unanimità “per le sue ricerche innovative nella teoria della regolarità e della descrizione delle singolarità delle soluzioni delle equazioni differenziali parziali”. A sottolineare come la ricerca matematica sia spesso una creazione culturale collettiva, spiccano nella motivazione del Comitato i contributi significativi ottenuti da Maria in collaborazione con altri autorevoli colleghi:

  • la costruzione di soluzioni non univoche di Leray-Hopf per l’equazione forzata di Navier-Stokes in collaborazione con Dallas Albittron ed Elia Bruè;
  • la costruzione di soluzioni singolari per l’equazione di Navier-Stokes che rimangono lisce al di fuori di un “piccolo” insieme di tempo, con Tristan Buckmaster e Vlad Vicol;
  • risultati di non unicità per soluzioni di ODE con campi vettoriali di Sobolev, in collaborazione con Elia Bruè e Camillo De Lellis;
  • la teoria della regolarità per le soluzioni dei problemi di minimo per il funzionale di doppia fase, insieme a Rosario Mingione.

Maria, che dopo la premiazione tiene la plenaria di apertura del convegno VARANA (Variational Analysis and Applications), festeggia con tutti i partecipanti all’incontro accompagnata da Giuseppe, un mese d’età, il quarto dei suoi figli. Anche per questo, a lei vanno le nostre più sentite congratulazioni!

Premio Franco Tricerri – pubblicazione del bando

L’Unione Matematica Italiana assegna nel 2025 il Premio Tricerri in ricordo di Franco Tricerri, professore di Geometria del Dipartimento di Matematica “U. Dini” di Firenze, tragicamente scomparso nel giugno 1994.

Il premio è destinato a uno/a studioso/a che abbia conseguito il titolo di dottorato di ricerca in un’università europea, nei tre anni precedenti la data di scadenza del concorso, con una tesi attinente alla Geometria Differenziale.

Il regolamento del concorso è pubblicato sul sito dell’UMI.

La scadenza per la presentazione delle domande è il 28 febbraio 2025.

Fourth Italian meeting on Probability and Mathematical Statistics

Il 4th Italian Meeting on Probability and Mathematical Statistics si è tenuto dal 10 al 14 giugno 2024 presso i locali dell’Università di Roma La Sapienza nel complesso monumentale di San Pietro in Vincoli, in via Eudossiana a Roma. L’organizzazione ha coinvolto sette Dipartimenti da quattro Atenei romani diversi: Sapienza, Tor Vergata, Roma Tre e Luiss.

Partecipanti al Fourth Italian Meeting on Probability and Mathematical Statistics

All’evento hanno partecipato oltre 450 studiosi, circa 300 dei quali in qualità di oratori, provenienti da Atenei italiani e stranieri.  Complessivamente il convegno ha avuto: 22 Invited Sessions, 56 Contributed Sessions per un totale di circa 300 presentazioni. Ciascuno dei 5 giorni della conferenza è stato aperto da una sessione plenaria, con speaker Lorenzo Rosasco (Università degli Studi di Genova e MIT), Beatrice Acciaio (ETH Zurigo), Massimiliano Gubinelli (Università di Oxford), Cristina Toninelli (Scuola Normale Superiore, Parigi) e Francesco Caravenna (Università di Milano Bicocca).

La lista completa delle sessioni e il programma sono consultabili sul sito web della conferenza.

Inoltre come evento speciale del convegno è stata organizzata una plenary lecture del Prof. Hugo Duminil-Copin (Medaglia Fields 2022) che si è tenuta nella sala della Protomoteca all’interno del Palazzo del Campidoglio. La cena sociale a seguire ha avuto luogo nella Terrazza Caffarelli, sulla medesima piazza. A questi eventi hanno partecipato più di 300 matematici, tra cui il presidente entrante dell’UMI, Prof. Andreatta, il presidente uscente Prof. Cannarsa, la presidentessa e il vice-presidente dell’Istituto Nazionale di Alta Matematica, Prof.ssa Trombetti e Prof. Bracci.

Al finanziamento del convegno hanno contribuito tra gli altri i fondi dei Programmi di Eccellenza MUR ottenuti da 3 Dipartimenti coinvolti (Matematica Sapienza, Matematica Tor Vergata, Economia e Finanza Tor Vergata), oltre ad alcuni progetti di ricerca specifici.

L’evento ha pienamente raggiunto gli obiettivi prefissati, coinvolgendo la maggioranza dei matematici italiani attivi nel campo della Probabilità, della Statistica Matematica e delle loro applicazioni, oltre a un numero considerevole di giovani, molti affiliati a università straniere. Come strategia scientifica, gli organizzatori delle sessioni invitate sono stati scelti tra studiosi all’inizio della carriera, favorendo così una significativa partecipazione giovanile. La varietà e la rilevanza scientifica dei temi trattati nelle diverse sessioni, sia per i filoni di ricerca matematica che per le loro applicazioni, è stata valutata molto positivamente dai partecipanti. La partecipazione straordinaria, in particolare l’alto numero di relatori, ha superato nettamente quella delle tre edizioni precedenti, confermando un crescente interesse per la probabilità, la statistica matematica e le discipline correlate.