Il piano di attuazione italiano della garanzia per i ... · 3 La seconda parte del paper ha un...

Conferenza ESPAnet

ITALIA Università degli Studi di Salerno, 17 - 19 Settembre 2015

Welfare in Italia e welfare globale: esperienze e modelli di

sviluppo a confronto

Il piano di attuazione italiano della garanzia per i

giovani

Quando la governance di un programma rende ancora

più problematico il rapporto tra i dati e la valutazione

della policy

Autori

Scipione Sarlo*, Gianfranco Zucca*

* Europartners Network

1

Il piano di attuazione italiano della Garanzia per i giovani

Quando la governance di un programma rende ancora più problematico il

rapporto tra i dati e la valutazione della policy

INTRODUZIONE

I giovani che non studiano e non lavorano sono un fenomeno emergente nelle società europee poiché

contraddicono lo schema biografico classico che vede nel passaggio dalla formazione all‟occupazione

due fasi consequenziali e la transizione dall‟una all‟altra, per quanto negli anni sempre più rallentata,

un fenomeno necessario. La combinazione tra scoraggiamento occupazionale e mancata partecipazione

al sistema formativo genera una particolare tipologia di inattività, caratteristica di un numero sempre

maggiore di giovani. L‟acronimo NEET (Not currently engaged in Education, Employment or Training)

è stato coniato sul finire degli anni Ottanta nel Regno Unito, per isolare quella fascia di giovani non

occupati e fuoriusciti dal circuito formativo in modo prematuro. Almeno inizialmente, l‟attenzione a

questa categoria era legata al problema della devianza: soprattutto nelle aree urbane si riscontrava una

forte relazione tra NEET rate e micro-criminalità1. Attualmente il tema dei NEET è entrato stabilmente

nell‟agenda politica di quasi tutti i paesi sviluppati, inglobando issues tradizionali come l‟abbandono

scolastico, la disoccupazione intellettuale, il ritardo nell‟uscita dalla famiglia d‟origine2.

1 . Secondo un rapporto del 2005, in Gran Bretagna: “An estimated 70,000 school-age offenders Enter the youth

justice system each year. Keeping these young people engaged in education and learning is a critical part of

helping them to stay away from crime and to thrive” cfr. Great Britain Home Office, Department for Education

and Skills, Department for Work and Pensions, “Reducing re-offending through skills and employment”, p.

11. 2 . Ogni Paese dell‟area OCSE ha poi connotato il tema in modo particolare. Ad esempio, in Giappone il dibattito

non è tanto incentrato sull‟abbandono scolastico o sulla propensione alla devianza quanto sul fenomeno che

vede giovani con titoli di studio superiori rifiutare volontariamente le carriere regolari per garantirsi maggior

tempo libero (si tratta dei cosiddetti Freeter, Il termine deriva dalla crasi tra l‟inglese “free” (libero) e il

tedesco “arbeiter” (lavoratore); cfr. Sul fenomeno dei freeter cfr.R. Kosugi, “The transition from school to

work in Japan. Understanding the increase in freeter and jobless youth” in Japan Labour Review no. 1/2004,

pp. 52–67. In Australia, invece, si ragiona in termini di not fully engaged in education and/or employment

(NFE), tenendo conto anche dei soggetti che sono impegnati a tempo parziale in attività lavorative o formative.

Secondo le statistiche, a maggio 2012 circa il 25% dei giovani australiani tra i 20 e 24 anni era in condizione

di NFE; cfr. L. Robinson, S. Lamb, How Young People Are Faring 2012. The National report on the learning

and earning of young Australians, Centre for Research on Education Systems (University of Melbourne) - The

Foundation for Young AustraliansMelbourne, 2012, p. 35, table 16.

2

Per rispondere all‟emergenza NEET l‟Unione Europea ha lanciato un‟iniziativa specifica denominata

Youth Guarantee (d‟ora in poi YG), istituita con raccomandazione del Consiglio dell‟Unione Europea

di aprile 2013 3 . In Italia, l‟omonimo programma è stato avviato l‟1 maggio 2014 assumendo la

denominazione di Piano Garanzia per i Giovani (d‟ora in poi Piano GG o, più semplicemente, GG). Si

tratta di un intervento che per l‟Italia prevede nel complesso l‟impiego di oltre un miliardo e mezzo di

euro. Per la rilevanza della issue e la portata dell‟investimento la Youth Guarantee è il più imponente

intervento di politica attiva del lavoro mai realizzato.

In questo paper si discute un aspetto particolare dell‟attuazione del Piano GG. Il monitoraggio del

programma è una funzione determinante, soprattutto considerando l‟ampiezza e la complessità

dell‟intervento: monitorare i flussi di utenza, gli input e gli output del programma, le risorse economiche

e umane impiegate è un‟azione cruciale per verificare, quasi in tempo reale, l‟andamento della GG e

raccogliere feedback utili a migliorare la strategia di attuazione. Trattandosi di una politica elaborata a

livello comunitario, il punto di partenza è la documentazione tecnica con la quale l‟UE ha fornito agli

stati membro le linee guida per la realizzazione delle attività di monitoraggio su scala nazionale. In

particolare, si analizzerà il monitoraggio diretto del programma: un‟attività basata sui dati

amministrativi raccolti dalle strutture di attuazione nel corso del processo di presa in carico dell‟utenza.

Successivamente, si esaminerà in maniera più approfondita una delle principali innovazioni introdotte

nella gestione della GG: il sistema di profilazione dell‟utenza, che presenta caratteristiche inedite per

l‟Italia, soprattutto per il livello di complessità e raffinatezza metodologica.

La prima parte del paper si pone l‟obiettivo di discutere sotto il profilo sostanziale e tecnicometodologico

le scelte operative effettuate nella gestione del programma. Da sottolineare come il Piano GG, rispetto

ad altri programmi di policy di ampie dimensioni, presenti un livello di trasparenza notevolmente

superiore: il fatto che venga messo a disposizione degli addetti ai servizi un report settimanale contenente

i principali dati di monitoraggio del Piano rappresenta un caso esemplare, almeno per l‟Italia. Con questo

non si vuol sostenere che il disegno di monitoraggio predisposto per GG sia esente da critiche e centri

appieno le esigenze di efficienza ed efficacia richieste da un programma di tali dimensioni. Rispetto allo

stesso sistema di profiling si possono esprimere alcune perplessità che, pur non minando alla base la

bontà dello strumento, ne pregiudicano la funzionalità. Anticipando alcune considerazioni finali, si può

affermare che alcuni dei limiti più evidenti del piano di monitoraggio rimandano ad esigenze e scelte

politico-istituzionali più che tecniche.

3 . Raccomandazione del Consiglio del 22 aprile 2013 sull'istituzione di una garanzia per i giovani (2013/C

120/01).

3

La seconda parte del paper ha un taglio più empirico, finalizzato all‟individuazione delle cornici e degli

orientamenti di policy che hanno accomunato le regioni italiane nel primo anno di attuazione della GG.

Attraverso un‟analisi per gruppi realizzata su dati provenienti da fonti eterogenee (statistica ufficiale,

dati amministrativi e gestionali), tra cui spiccano proprio i dati di monitoraggio diretto, si discute una

classificazione delle regioni in cinque gruppi.

1. IL MONITORAGGIO DELLA GG

Secondo una definizione estensiva 4 , il monitoraggio non va ridotto a un sistema informativo che

accompagna l‟attuazione di un intervento, bensì occorre considerare la raccolta dei dati di monitoraggio

come un‟operazione realizzata in stretto raccordo con la valutazione. Il monitoraggio non ha, dunque,

una connotazione esclusivamente procedurale e burocratica, ma è funzionale a raccogliere, con cadenza

regolare e ravvicinata, quegli elementi considerati cruciali per l‟efficacia dell‟intervento. Nella pratica

valutativa, soprattutto quella italiana, non è però raro riscontrare uno schiacciamento dell‟attività di

monitoraggio sulla sua sola dimensione “fisica”. Ciò ha delle ripercussioni sull‟utilità dell‟azione di

monitoraggio e, di conseguenza, sulla qualità delle valutazioni da essa derivanti. Il risultato più

frequente, difatti, sono monitoraggi di scarsa valenza valutativa o, paradossalmente, valutazioni che non

valgono più di un discreto monitoraggio. In generale, la confusione terminologica e operativa tra

monitoraggio e valutazione è un elemento ricorrente, tanto su piccola scala, quanto nei programmi di

dimensione più ampia. Il monitoraggio della GG, progettato a livello comunitario, appare esente da

questo limite, almeno sulla carta ed attestandosi alle indicazioni offerte nella documentazione diffusa al

momento dell‟avvio del programma.

2.1 Un disegno di monitoraggio a tre livelli: le indicazioni comunitarie

La premessa del documento nel quale si definiscono le linee guida per il monitoraggio della Youth

Guarantee invita gli stati membro: “to put in place evidence-based approaches and calls on the

4 . Cfr. Francesco Mazzeo Rinaldi, Il monitoraggio per la valutazione. Concetti, metodi, strumenti, Franco

Angeli, Milano 2012, p. 41.

4

Commission to monitor and report regularly on Youth Guarantee schemes”5 . Il riferimento ad un

approccio basato sull‟evidenza rimanda ad un‟esigenza - non meglio precisata neanche nelle righe

successive – di raccogliere dati e informazioni utili a comprendere la riuscita del programma. Più

interessante la seconda parte della citazione: il monitoraggio ha funzione di accountability, è uno

strumento che l‟ente finanziatore, la Commissione Europea, usa per verificare la corretta applicazione

del programma. Gli stati membro oltre ad attuare la YG sono tenuti a rendere conto alla Commissione di

come stanno usando le risorse loro conferite. In particolare, un punto centrale nel disegno di

monitoraggio elaborato in sede comunitaria è il riferimento ai tempi di erogazione dei servizi: “A key

objective of the monitoring is to assess the compliance of Member States with the Council

Recommendation, which requires that every young person should receive a good quality YG offer within

a period of 4 months”. Questa indicazione è centrale poiché la YG prevede che dopo la presa in carico,

l‟utente entro quattro mesi riceva una proposta formativa o lavorativa. Questo schema d‟intervento

mette in pratica il presupposto che la fuoriuscita dalla condizione di NEET sia un processo “a tappe

forzate” nel quale il succedersi ravvicinato delle fasi limita il rischio di drop out dal programma.

Nell‟Indicator Framework sono definiti tre livelli di monitoraggio.

1. Aggregate monitoring (macroeconomic indicators): i dati annuali della Labour Force Survey

sono il termine di paragone basilare per questo primo livello. È opportuno ricordare che i NEET

sono un collettivo statistico ben definito, individuato a partire dai quesiti disponibili all‟interno

della rilevazione sulle forze di lavoro. Per questa ragione nello schema della Youth Guarantee

l‟andamento degli indicatori specifici (il tasso di NEET) e supplementari (livello di istruzione,

ricerca di lavoro, coorte anagrafica di appartenenza) è un confronto determinante per la verifica

dello stato di attuazione del programma. È evidente che il monitoraggio aggregato offre

indicazioni di massima sui risultati del programma poiché, a questo livello, è impossibile

verificare il nesso tra una variazione del tasso di NEET e l‟attuazione più o meno efficace della

YG. Come viene correttamente indicato nel documento citato, si tratta di una verifica indiretta

degli effetti, usando uno schema input-ouput che nulla dice rispetto ai meccanismi che hanno

influito sulla variazione dell‟indicatore.

2. Direct monitoring (monitoring of YG delivery): a complemento dei dati macro, il sistema prevede

la raccolta di informazioni utili a costruire indicatori “that better measure the direct impact of

policy and the speed of delivery of offers to young people (efficiency of delivery)”. Il

5 . EC, Indicator Framework for Monitoring the Youth Guarantee, European Commission, DG Employment,

Social Affairs and Inclusion, The Employment Committee [INDIC/10/12052015/EN-rev].

5

monitoraggio diretto ha l‟obiettivo di misurare gli input e gli output del programma, in termini

di risorse e di attività, risultati previsti o ottenuti, vale a dire si interessa dell‟efficacia interna

della YG. Un‟efficacia che è definita essenzialmente in termini temporali: il tempo che intercorre

tra l‟ingresso nel programma e l‟offerta formativa/lavorativa è uno degli indicatori chiave. Nello

schema di monitoraggio hanno un ruolo centrale anche gli outcome negativi, quali: gli utenti

iscritti ma non presi in carico, gli abbandoni e i mancati completamenti del percorso. Nel

complesso, il monitoraggio diretto è incentrato sull‟idea che l‟efficacia della YG dipenda dalla

capacità di inserire i giovani in un percorso che li riporti, in tempi rapidi, all‟interno del sistema

formativo e/o del mercato del lavoro, in caso contrario il rischio di abbandono e permanenza

nella condizione di NEET è molto alto.

3. Follow-up monitoring (follow-up of individuals who have exited the YG preparatory phase): il

terzo livello di monitoraggio è dedicato al follow-up degli utenti in uscita dal programma e ha

l‟obiettivo di misurare gli effetti della YG all‟interno del mercato del lavoro. Nello specifico,

“[t]he proposed indicators aim to identify the labour market status of individuals some time after

exiting the YG preparatory phase, with a break down by type of offer received (employment,

continued education, apprenticeship or traineeships)”. Lo schema è quello tipico dell‟analisi di

placement in uscita dalla formazione e il monitoraggio rileva la condizione occupazionale del

soggetto a distanza di: 6, 12 e 18 mesi dal completamento del percorso. La condizione è inoltre

segmentata in base al tipo di percorso seguito.

Sotto il profilo metodologico il disegno di monitoraggio appena descritto implica una forte integrazione

tra fonti informative di diversa natura poiché i dati della statistica ufficiale sono combinati con dati

amministrativi, risultanti dalla gestione del programma (i cosiddetti process produced data), e rilevazioni

dirette, tipicamente gestite con metodi CATI e CAWI o mediante il concatenamento tra i dati del

programma e i dati amministrativi di livello nazionale (ad esempio, per il caso italiano, dati INPS o del

sistema delle comunicazioni obbligatorie), finalizzate a raccogliere informazioni sullo status

occupazionale del soggetto al termine del programma. Un approccio del genere necessita una forte

collaborazione tra service provider (in Italia, le Regioni), strutture nazionali (Ministeri e enti

previdenziali) e soggetti incaricati del monitoraggio. In altre parole, la circolazione e l‟integrazione dei

dati è l‟elemento determinante per la buona attuazione del disegno di monitoraggio.

Ne deriva che il monitoraggio della YG è imperniato sull‟idea che una corretta applicazione dello schema

di servizio (presa in carico, assessment e, a breve termine, proposta di reinserimento) produca

immancabilmente degli effetti apprezzabili a livello di mercato di lavoro. Questo è forse l‟aspetto più

6

critico del disegno proposto: pensare che da un anno all‟altro possano essere visibili degli effetti

aggregati (anche solo a livello di tasso di occupazione), palesa una concezione delle dinamiche di

domanda-offerta troppo centrata sulla domanda. Non è un caso forse che le rilevazioni di follow-up

considerino solo gli utenti in uscita dal programma. In Italia, ad esempio, la GG prevede un forte

investimento sul supporto alle imprese alle quali sono offerti ricchi incentivi all‟assunzione. Qualora gli

incentivi non dovessero rivelarsi efficaci, il sistema di monitoraggio progettato in sede comunitaria non

offrirebbe alcun elemento per comprenderne il perché.

2.2 La soluzione italiana

In Italia il monitoraggio della GG è in carico al Ministero del Lavoro e delle Politiche Sociali che ha

affidato al proprio ente di ricerca, l‟ISFOL, la gestione operativa dell‟attività. Per comprendere come

l‟Italia abbia scelto di applicare le indicazioni comunitarie sul monitoraggio, il primo documento da

considerare è il Piano di attuazione, nel quale si legge:

[…] La rendicontazione a costi standard permetterà la creazione di una base dati contenente la

totalità dei servizi resi ai singoli individui, da porre in coerenza con gli indicatori standard utilizzati

per il sistema Monit dell‟IGRUE. La medesima base dati sarà pertanto utilizzata sia per il

monitoraggio finanziario sia per quello fisico e costituirà, insieme con le comunicazioni

obbligatorie, con i dati Inps relativi alle storie lavorative degli individui, nonché con appositi

sondaggi, la base per studiate azioni di valutazione dell‟efficienza e della qualità dei servizi resi e

delle misure attuate. […] La raccolta affidabile e ricorrente di informazioni è utile ad ottenere una

visione di insieme dei fenomeni e a fornire una rappresentazione coerente delle diverse azioni.

Allo stesso modo saranno alimentate le valutazioni di impatto delle riforme e degli interventi

progettati. Sono previsti report di monitoraggio periodici, che dovranno confluire nel

monitoraggio dell‟attuazione della Raccomandazione effettuata regolarmente dalla Commissione

europea sulle misure progettate.6

Il punto di partenza è il monitoraggio finanziario: come per tutti i programmi attuati con risorse

comunitarie, il collettore di tutti i flussi di spesa è la Ragioneria dello Stato, ente che gestisce e coordina

gli impegni di spesa, rendicontandone l‟andamento alla Commissione europea. L‟elemento di interesse

è però dato dall‟integrazione dei sistemi informativi. l‟IGRUE (Ispettorato Generale per i Rapporti

6 . MLPS, Piano di attuazione italiano della Garanzia per i Giovani, Roma, Ministero del Lavoro e delle Politiche

Sociali, 23 dicembre 2013, § 2.2.1.1, p. 11.

7

finanziari con l'Unione Europea) è il baricentro di un sistema che prevede l‟interoperabilità tra la

piattaforma informativa dedicata alla GG, i dati di monitoraggio finanziario e quelli provenienti da fonti

esterne (INPS e MLPS)7.

La Legge 99/20138 ha istituito l‟altra struttura di servizio fondamentale per il monitoraggio: la Banca

Dati Politiche Attive e Passive del Lavoro (BDPAPL) ha la funzione di promuovere le misure per

l'attuazione della Garanzia per i Giovani8, raccogliendo in un unico contenitore tutti i dati su misure,

interventi e beneficiari. Questo strumento è centrale nell‟attuazione del monitoraggio poiché è a partire

da questa base dati che vengono calcolati gli indicatori di delivery previsti dalle indicazioni comunitarie.

Nello specifico, gli indicatori progettati per il monitoraggio della GG sono suddivisi in cinque gruppi9:

1. Indicatori di realizzazione/output (tabella 1): si tratta di 17 indicatori centrati principalmente

sulla dimensione attuativa del programma; sono considerati i flussi di utenza (ingressi nel

programma, presi in carico, servizi offerti), particolare attenzione è data ai tempi di attuazione

con indicatori di performance specifici. Completano questo gruppo alcuni indicatori di mobilità

tra le regioni e una serie di metriche riferite alla capacità di spesa. La dimensione realizzativa

della GG è articolata seguendo le diverse fasi del programma: dall‟iscrizione, alla presa in carico

sino all‟offerta di un servizio; in coerenza con le indicazioni del monitoring framework

comunitario, grande attenzione è dedicata ai tempi di erogazione dei servizi.

TABELLA 1 - INDICATORI DI REALIZZAZIONE/OUTPUT

# INDICATORE DEFINIZIONE OPERATIVA

1 Partecipanti registrati Numero di individui registrati all‟iniziativa

GG

2 Partecipanti presi in carico Numero di individui presi in carico presso il

CPI o altro soggetto accreditato a cui si sono

registrati

3 Partecipanti destinatari dei servizi di servizi di

base

Numero di individui iscritti che hanno ricevuto

un servizio di base

7 . Lo strumento tecnico che assicura l‟interoperabilità tra i dati del MLPS e quelli del MEF è il Sistema

Informativo Gestione Monitoraggio e Audit (SIGMA). 8. La legge citata è denominata: “Primi interventi urgenti

per la promozione dell'occupazione, in particolare giovanile, della coesione sociale, nonché in materia di Imposta

sul valore aggiunto (IVA) e altre misure finanziarie urgenti”. 8 . Oltre alla GG, la banca dati raccoglie anche informazioni sulla ricollocazione nel mercato del lavoro dei

lavoratori beneficiari degli ammortizzatori sociali in deroga. 9 . Cfr. MLPS, Indicatori del Piano di attuazione Italiano della Garanzia per i Giovani, Ministero del Lavoro e

delle Politiche Sociali, Roma, 2014, pp. 2-5.

8

4 Partecipanti che ricevono un‟offerta di misura

di politica attiva

Numero di individui iscritti che hanno ricevuto

un‟offerta di misure di politica attiva

5 Partecipanti che ricevono l‟erogazione del

servizio

Numero di individui presi in carico avviati in

una misura di politica attiva

6 Durata media in ore pro-capite della formazione

(avvio)

Rapporto tra il monte ore di “formazione

d‟aula” e il numero dei partecipanti a cui è

stato erogato il servizio

7 Durata media in ore pro-capite della formazione

(conclusione)

Rapporto tra il monte ore di “formazione

d‟aula” e il numero dei partecipanti che hanno

concluso l‟intervento

8 Imprese Numero di imprese/aziende coinvolte nelle

misure pertinenti della Garanzia per i Giovani

9 Durata media di attesa (in mesi) dell‟offerta

della misura

Media del numero di mesi che intercorrono tra

la data di presa in carico dell‟utente e la data

di offerta della misura

10 Durata media di attesa (in mesi) di erogazione

della misura

Media del numero di mesi che intercorrono tra

la data di registrazione dell‟utente e la data di

inizio della misura

11

Quota di destinatari che ricevono un‟offerta

entro i 4 mesi dalla registrazione

Numero di destinatari presi in carico (iscritti)

al mese m-4 che ricevono un‟offerta entro il

mese m sul totale dei presi in carico al mese

m-4

12 Capacità di impegno Impegni sul totale delle risorse allocate

13 Capacità di utilizzo Pagamenti sul totale degli impegni

14 Costo medio pro-capite (avvio) Rapporto tra il finanziamento complessivo

della misura e il numero dei destinatari a cui è

stato erogato il servizio

15 Costo medio pro-capite (conclusione)

Rapporto tra il finanziamento complessivo

della misura e il numero dei destinatari che

hanno concluso l‟intervento

9

16 Mobilità interregionale degli iscritti

Numero degli individui iscritti aventi residenza

in una Regione diversa rispetto all‟Organismo

Intermedio sul totale degli individui iscritti

17 Mobilità interregionale dei destinatari che

ricevono l‟erogazione del servizio

Numero dei destinatari che ricevono un‟offerta

di politica attiva che risiedono in una Regione

diversa rispetto all‟Organismo Intermedio sul

totale dei destinatari che hanno ricevuto

un‟offerta

Fonte: MLPS, Indicatori del Piano di attuazione Italiano della

Garanzia per i Giovani (riproduzione parziale)

2. Indicatori di copertura (tabella 2): il secondo gruppo è composto da tre indicatori, espressi

mediante tassi di copertura, che permettono il confronto tra la sotto-popolazione di giovani che

usufruisce dei servizi della GG e la popolazione di riferimento del programma. Le metriche

previste riguardano le tre fasi principali del programma: registrazione, presa in carico e

erogazione del servizio. Benché nella descrizione del set si precisi che gli indicatori saranno

segmentati per genere, fascia di età e condizione di ingresso, questa dimensione appare poco

articolata poiché non prevede il riferimento a sotto-target di utenza: ad esempio, non sembra

essere presente una distinzione tra soggetti usciti prematuramente dal sistema formativo (early

school leavers) e giovani che invece hanno completato il ciclo della scuola secondaria; non vi è

inoltre riferimento alla storia lavorativa dell‟individuo, una distinzione tra coloro che non hanno

mai lavorato e chi, invece, ha avuto una qualche esperienza occupazionale sarebbe utile.

TABELLA 2 – INDICATORI DI COPERTURA


1 Tasso di copertura dei partecipanti registrati Numero di individui registrati sul totale dei

beneficiari potenziali

2 Tasso di copertura dei partecipanti iscritti Numero di individui presi in carico sul totale dei

beneficiari potenziali

3 Tasso di copertura dei destinatari avviati Numero di destinatari a cui è stato erogato un

servizio sul totale degli individui registrati

10



3. Indicatori di risultato immediato (tabella 3): il terzo gruppo di indicatori è riferito ai risultati

immediati, vale a dire alla capacità del programma di condurre gli utenti al termine del percorso

di attivazione previsto. Gli indicatori sono tre e riguardano il completamento del percorso, il

ricevimento di un‟offerta di lavoro o formativa e l‟acquisizione di una qualifica formativa o

l‟ottenimento di un posto di lavoro. In questo caso, oltre alle disaggregazioni per variabili

sociodemografiche, è prevista la scomposizione degli indicatori per condizione in ingresso

(disoccupati, disoccupati di lunga durata, inattivi). Non sono tuttavia presenti metriche che

permettano di approfondire l‟efficacia della combinazione tra percorsi di attivazione e target di

utenza.

TABELLA 3 - INDICATORI DI RISULTATO IMMEDIATO


1 Partecipanti destinatari che completano

l'intervento

Numero di destinatari che concludono

l‟intervento di politica attiva

2

Partecipanti destinatari che al momento della

conclusione dell'intervento ricevono un'offerta di

lavoro, istruzione e formazione continua,

apprendistato o tirocinio

Numero di destinatari che ricevono un'offerta di

lavoro, istruzione e formazione continua,

apprendistato o tirocinio alla conclusione

dell‟intervento di politica attiva sul totale dei

destinatari giunti a conclusione dell‟intervento

3

Partecipanti destinatari impegnati in un percorso

di istruzione/formazione, che acquisiscano una

qualifica o un'occupazione, anche autonoma, al

momento della conclusione della loro

partecipazione all'intervento

Numero di destinatari impegnati in un percorso

di istruzione/formazione, che acquisiscano una

qualifica o un'occupazione, anche autonoma, al

momento della conclusione della loro

partecipazione all'intervento sul totale dei

destinatari giunti a conclusione dei

corrispondenti percorsi



11

4. Indicatori di risultato di lungo periodo (tabella 4): gli indicatori appartenenti a questo quarto

gruppo sono due e monitorano a distanza di sei mesi dal termine dell‟intervento la condizione

dell‟individuo, verificando se i destinatari hanno un lavoro o hanno ripreso a studiare. Sotto il

profilo tecnico, questi due indicatori saranno alimentati da indagini campionarie ad hoc. In

assenza di specificazioni in merito, si presume che le survey previste sondino anche aspetti

relativi ai percorsi in uscita verificando in che modo la condizione a sei mesi dall‟intervento sia

collegata alla fruizione dei servizi previsti da GG.

TABELLA 4 - INDICATORI DI RISULTATO DI LUNGO PERIODO


1

Partecipanti che entro i 6 mesi successivi alla fine

della loro partecipazione all'intervento, prendono

parte a programmi di istruzione e formazione

continua, programmi di formazione per

l'ottenimento di una qualifica, apprendistati o

tirocini

Numero di destinatari che entro i 6 mesi

successivi alla fine della loro partecipazione

all'intervento, prendono parte a programmi di

istruzione/ formazione, programmi di formazione

per l'ottenimento di una qualifica, apprendistati o

tirocini sul totale dei destinatari giunti a

conclusione dell‟intervento

2

Partecipanti che hanno un lavoro entro i 6 mesi


all'intervento

Numero di destinatari che hanno un lavoro entro

i 6 mesi


all'intervento sul totale dei destinatari giunti a

conclusione dell‟intervento



5. Indicatori anticipatori di performance (tabella 5): questo quinto gruppo di indicatori è

composto da quattro metriche, due delle quali riferite alla capacità di GG di offrire a tutti i

partecipanti l‟offerta di una servizio; le altre due, invece, misurano gli scostamenti finanziari in

termini di impegno e utilizzo delle risorse. In questo caso, ritorna la centralità della dimensione

temporale, non solo in termini di erogazione ma anche di gestione finanziaria. Se la prima

esigenza è coerente con le richieste comunitarie, la seconda sembra richiamare uno dei difetti

12

congeniti nella gestione italiana dei fondi comunitari, vale a dire la lentezza nel definire le

strategie e le procedure di impegno e spesa delle risorse.

TABELLA 5 - INDICATORI ANTICIPATORI DI PERFORMANCE

# INDICATORE DEFINZIONE OPERATIVA

1

Indicatore anticipatore di ritardi nei tempi di

ricezione dell‟offerta del servizio

Rapporto tra la durata media di attesa degli

individui iscritti che non hanno ancora ricevuto

un‟offerta e la “durata media di attesa

dell‟offerta”

2

Indicatore anticipatore di difficoltà di fornire

un‟offerta di un servizio entro i 4 mesi

Rapporto tra il numero di individui iscritti a cui

ancora non è stato ancora offerto un servizio e il

numero di individui a cui è stato offerto un

servizio nei 4 mesi precedenti

3 Indice di ritardo nella capacità di impegno

Presenza di Organismi Intermedi per i quali il

rapporto tra impegni e risorse allocate è al di

sotto di un valore soglia opportunamente

calcolato

4 Indice di ritardo nella capacità di utilizzo

Presenza di Organismi Intermedi per i quali il

rapporto tra pagamenti e impegni è al di sotto di

un valore soglia opportunamente calcolato



La rapida disamina del set di indicatori previsto per il monitoraggio della GG in Italia suggerisce alcune

riflessioni. Gli indicatori di attuazione, molto numerosi, appaiono ben articolati, non altrettanto può dirsi

degli indicatori di copertura e di risultato (immediato e di lungo periodo). Lo squilibrio è evidente, non

solo in termini numerici, ma anche rispetto alla capacità di monitorare un intervento complesso come

GG. Ci si sarebbe aspettati un maggior dettaglio a livello di copertura prevedendo delle segmentazioni

che sapessero cogliere le diverse situazioni biografiche che artificiosamente si portano a comun

denominatore sotto l‟etichetta di NEET. Gli indicatori di risultato sono anch‟essi progettati in modo

troppo semplicistico poiché presumono che la fuoriuscita dalla condizione di NEET sia un evento

puntuale, un voltare pagina in modo definitivo. Ci si sarebbe aspettati una maggiore attenzione alla

13

dimensione processuale dell‟attivazione di un giovane, prevedendo degli indicatori centrati sui

comportamenti di attivazione e non solo sui risultati di tali comportamenti. Come spesso accade, il

monitoraggio dei risultati è programmato seguendo un meccanismo “a scatola nera”: a una serie di input

corrispondono, immancabilmente, degli output uniti tra loro in termini causali. Scorrendo il set di

indicatori e ponendoli in relazione logica tra loro è abbastanza chiaro che il ragionamento sotteso al più

generale progetto di monitoraggio non problematizzi a sufficienza il rapporto tra realizzazioni e risultati.

2.3 I dati di monitoraggio a un anno dall‟avvio del programma

Il primo anno di attuazione della Garanzia Giovani è stato accompagnato dalla pubblicazione

settimanale, sul web-site del programma, di un report di monitoraggio delle principali azioni (adesioni,

impegni e spese, vacancy). Questa scelta di trasparenza segna una discontinuità nelle modalità di

attuazione delle politiche del lavoro: dare la possibilità a cittadini e addetti ai lavori di seguire

l‟andamento di un intervento così significativo è un passo in avanti rispetto a situazioni analoghe ma

con livelli di opacità superiori (si pensi al caso degli “esodati”). Grazie ai dati messi a disposizione dal

MLPS e dalle regioni, è dunque possibile ricostruire come ha funzionato il Piano GG nei primi dodici

mesi di attuazione. C‟è da precisare che rispetto al piano di monitoraggio disegnato dal MLPS molti

degli indicatori previsti non sono stati resi pubblici. Ciò dipende in parte dal fatto che, ad un anno

dall‟avvio, non sono ancora disponibili dati di risultato: in molte regioni, difatti, l‟attuazione del

programma procede a rilento, per cui la maggior parte delle informazioni disponibili riguarda le fasi

iniziali della GG, ossia l‟adesione e la presa in carico dell‟utenza. Di conseguenza, i report settimanali

diffondono dati molto elementari, relativi per lo più alla partecipazione all‟iniziativa della popolazione

target10.

Il primo elemento rilevante sono le registrazioni degli utenti. Il grafico 1 mostra l‟andamento delle

iscrizioni tra aprile 2014 e aprile 2015. A differenza dei dati messi a disposizione dal monitoraggio, si

presentano dei dati di stock e non cumulati: la scelta di diffondere i dati di registrazione in forma

cumulata lascia intuire l‟esigenza di rimarcare la portata dell‟intervento: cumulare le registrazioni

permette, in termini di comunicazione esterna, di mettere in evidenza i “grandi numeri” della GG.

Considerando i flussi di utenza in ingresso, si nota che Il picco registrato a maggio 2014 (71mila utenti

registrati), all‟indomani del lancio del Piano, non si è più replicato. Dopo la flessione dell‟estate 2014,

10 . Nei grafici e nelle tavole inserite in questa sezione si presentano delle rielaborazioni dei dati resi disponibili

tramite i report settimanali. Le rappresentazioni grafiche e tabellari rappresentano delle sintesi operate dagli autori per migliorare la fruibilità delle informazioni. In alcuni casi, sono stati effettuati dei semplici calcoli sui dati in valore assoluto al fine di presentare il dato in forma percentuale. Nel complesso le rielaborazioni sono state molto limitate e finalizzate ad aggregare su base annuale i dati settimanali diffusi dal MLPS.

14

gli utenti hanno continuato a registrarsi nell‟ordine delle 50mila unità al mese sino a dicembre 2014. I

primi mesi del 2015 hanno segnato una nuova flessione, che si è arrestata nel marzo 2015, quando il

dato si attesta nuovamente su quota 50mila. Nei dodici mesi considerati, il totale delle registrazioni al

portale è di 515.533. Considerando che secondo l‟ultimo dato disponibile (riferito al 2013) i NEET in

Italia erano 2.404.571, si può dire che Garanzia Giovani, tra il 2014 e il 2015, abbia raggiunto un utente

potenziale su cinque: un risultato che, pur non eclatante per numeri assoluti, evidenzia la portata

dell‟iniziativa.

GRAFICO 1 – REGISTRAZIONI PIANO GARANZIA GIOVANI (APRILE 2014 - 16 APRILE

2015)

Fonte: elaborazioni Europartners su dati MLPS, Monitoraggio

mensile della Garanzia Giovani

Questa prima metrica è indispensabile per descrivere l‟andamento del programma, tuttavia, al di là di

banali considerazioni sulla stagionalità dei flussi (le adesioni calano soprattutto in estate) non vengono

offerte altre indicazioni per collocare questi flussi nella cornice attuativa del programma. Pur

diffondendo i dati secondo una cadenza temporale molto ravvicinata, il monitoraggio delle registrazioni

non offre dati di contesto utili ad approfondire le strategie adottate nella promozione della GG. Ad

esempio, non sono disponibili dati sulle azioni di comunicazione esterna, né nazionali né locali. Inoltre,

1479

71148

34250

42456

22563

51069 54299

47052

39522 34563

39053

51835

26244

0

10000

20000

30000

40000

50000

60000

70000

80000

APRILE 2014 GIUGNO 2014 AGOSTO 2014 OTTOBRE 2014 DICEMBRE 2014 FEBBRAIO 2015 APRILE 2015

TOTALE (M+F)

Totale registrazioni:

15

le informazioni sul profilo dei giovani registrati sono piuttosto scarne: al di là di dati basilari su età e

sesso, non sono diffuse informazioni sulla condizione occupazionale, sul titolo di studio e sulle

esperienze pregresse. Dal momento che la registrazione è avvenuta compilando un form sul sito del

programma, sarebbe stato agevole diffondere dati anche di questo genere11.

Scomponendo il dato per regione (grafico 2), si può notare che Sicilia e Campania sono di gran lunga

quelle che hanno prodotto il maggiore contribuito (rispettivamente 70mila e 66mila registrazioni);

seguono poi Lazio e Puglia (con 39mila e 38mila registrazioni), Lombardia (34mila), Emilia Romagna,

Veneto e Sardegna, con circa 30mila.

GRAFICO 2 – REGISTRAZIONI PIANO GARANZIA GIOVANI PER REGIONE (APRILE

2014 – 16 APRILE 2015)



Questi dati non vanno letti solo in termini di stock, ma anche di flusso. Gli utenti, difatti, avevano la

possibilità di aderire al progetto anche in regioni differenti da quella di residenza. Il grafico 3 mostra le

adesioni per regione combinando questa informazione con la percentuale di adesioni da fuori regione.

Sicilia e Campania sono le regioni meno attrattive, con rispettivamente il 2,9% e il 4,9% di adesione

esterne, valori altrettanto bassi si riscontrano per le altre regioni meridionali (Puglia: 7,4%; Sardegna:

11 Per quanto parziali o incompleti.

16

5,3%; Calabria: 6,6%). Guardando alle regioni che hanno attratto, Lombardia, Lazio, Emilia Romagna,

Toscana, Umbria e Liguria presentano un tasso di adesione da fuori regione attorno al 30%. Infine,

Basilicata, Friuli Venezia Giulia e Piemonte si attestano poco sopra o poco sotto il 20%. Nel complesso,

guardando ai dati sulla partecipazione al progetto, si nota una sufficiente capacità delle amministrazioni

di coinvolgere gli utenti potenziali, alla quale si combina una tendenza dei giovani a spostarsi dalla

regione di appartenenza per aderire al progetto in un‟altra regione: sul totale delle adesioni, il peso di

questa componente è pari al 17,7%.

Anche rispetto ai dati territoriali e agli indicatori di mobilità sarebbe stato agevole e più opportuno usare

un maggiore dettaglio, offrendo come minimo, il dato provinciale così da rendere conto delle profonde

differenze locali che si riscontrano sul territorio italiano. Nei rapporti settimanali di monitoraggio sono

presenti delle tavole di mobilità a livello regionale, sarebbe utile poter disporre di dati maggiormente

dettagliati per poter analizzare i flussi in modo più preciso: ad esempio, isolando delle direttrici

particolarmente attive tra provincie, o addirittura comuni del Meridione e regioni del Centro-Nord.

GRAFICO 3 TOTALE ADESIONI PIANO GARANZIA GIOVANI PER REGIONE E % DI

ADESIONI DA FUORI REGIONE (APRILE 2014 – 16 APRILE 2015)



L‟eccesso di aggregazione dei dati, del resto, sembra essere uno dei maggiori limiti della reportistica

della GG: nonostante tali dati siano disponibili, il MLPS ha deciso di non renderli pubblici per motivi

che è difficile comprendere. È auspicabile che gli enti incaricati di gestire la GG abbiano usato dati

17

maggiormente articolati per il monitoraggio interno dell‟intervento. Anche in questo caso, comunque,

la valenza della diffusione pubblica dei dati risulta molto limitata.

L‟operazione trasparenza inaugurata dalla pubblicazione dei dati di monitoraggio del Piano GG risulta

nel complesso di portata abbastanza ridotta poiché ci si è limitati a rendere disponibili i grandi aggregati

del programma senza dare la possibilità di approfondire questi numeri in termini di sottogruppi, target

specifici, flussi territoriali delimitati: tutte informazioni che sarebbero risultate preziose tanto per gli

addetti ai lavori, quanto per l‟opinione pubblica. Al contrario, i rapporti settimanali sembrano essere

molto più simili a comunicati stampa che a veri e propri report analitici di monitoraggio. La tendenza a

usare i valori assoluti, senza offrire indicazioni percentuali (utili a relativizzare il valore dell‟indicatore),

sembra suffragare questa idea. A ciò vi è da aggiungere l‟inopinata scelta di presentare i valori cumulati,

lasciando all‟utente il compito di calcolare il valore di stock per una data unità temporale: anche questa

scelta lascia immaginare l‟obiettivo, forse non primario, di sottolineare l‟ampiezza dell‟intervento.

Potrebbero sembrare sottigliezze lessicali, ma dire che la GG in un anno ha visto la partecipazione di

oltre 500mila giovani fa un altro effetto rispetto a un dato di circa 40mila nuovi iscritti al mese.

Proseguendo nell‟esame dei dati resi disponibili tramite i rapporti settimanali di monitoraggio, degli

oltre 500mila giovani registrati, il 46,5% è stato preso in carico alla data del 16 aprile 2015,

corrispondente a un totale complessivo di 260.324 giovani. Di questi, il 9,1% si colloca nella fascia di

età più giovane (quella 15-18anni), il 37,9% in quella più elevata (25-29anni) e oltre la metà (53%) in

quella centrale, che va dai 19 ai 24anni. La tabella 6 mostra come, nel complesso, la struttura per fasce

d‟età dei giovani presi in carico sia abbastanza stabile all‟interno delle venti regioni, tuttavia si

registrano differenze degne di nota. Il Piemonte, ad esempio, è l‟unica tra le regioni ad avere una

struttura demografica quasi piramidale, con un‟elevata quota di giovani appartenenti alla fascia più

giovane (47,6% contro il 9,1% nazionale) e una ridotta percentuale di presi in carico nella fascia di età

più elevata (18,1%, contro il 37,9% nazionale). All‟opposto, assume una struttura demografica a

piramide rovesciata la popolazione di presi in carico della Calabria, del Molise e dell‟Abruzzo. Queste

regioni presentano una quota di presi in carico nelle fasce più elevate, pari rispettivamente al 49,8%,

47,5% e 45,9%, contro il 37,9% dell‟Italia nel suo insieme.

18

TABELLA 6 – UTENTI PRESI IN CARICO DAL PIANO GARANZIA GIOVANI PER

REGIONE E ETÀ IN CLASSI (APRILE 2014 – 16 APRILE

2015)

Età in classi

Regione di presa in

carico

15-

18

19-24 25-

29

TOTALE

N % N % N % N %

01-PIEMONTE 2.948 47,6 2.119 34,2 1.121 18,1 6.188 100,0

02-VAL D'AOSTA 138 20,4 348 51,3 192 28,3 678 100,0

03-LOMBARDIA 1.605 7,5 12.696 59,3 7.103 33,2 21.404 100,0

04-TRENTO 214 11,8 1.069 58,8 534 29,4 1.817 100,0

05-VENETO 1.697 8,7 11.399 58,3 6.459 33,0 19.555 100,0

06-FRIULI VENEZIA

GIULIA

320 5,1 3.480 55,2 2.506 39,7 6.306 100,0

07-LIGURIA 177 6,7 1.410 53,1 1.070 40,3 2.657 100,0

08-EMILIA ROMAGNA 4.978 23,8 10.567 50,6 5.335 25,6 20.880 100,0

09-TOSCANA 2.156 12,4 9.615 55,2 5.645 32,4 17.416 100,0

10-UMBRIA 793 11,6 3.393 49,6 2.660 38,9 6.846 100,0

11-MARCHE 1.079 8,6 6.818 54,1 4.714 37,4 12.611 100,0

12-LAZIO 647 3,2 10.495 52,6 8.803 44,1 19.945 100,0

13-ABRUZZO 306 3,3 4.767 50,9 4.299 45,9 9.372 100,0

14-MOLISE 47 3,5 651 49,0 631 47,5 1.329 100,0

15-CAMPANIA 934 4,1 11.522 50,9 10.166 44,9 22.622 100,0

16-PUGLIA 629 3,8 8.700 52,0 7.415 44,3 16.744 100,0

17-BASILICATA 338 4,7 3.872 54,3 2.926 41,0 7.136 100,0

18-CALABRIA 273 3,0 4.302 47,2 4.543 49,8 9.118 100,0

19-SICILIA 2.323 6,2 20.146 53,7 15.043 40,1 37.512 100,0

20-SARDEGNA 1.995 9,9 10.630 52,7 7.563 37,5 20.188 100,0

19

TOTALE 23.597 9,1 137.999 53,0 98.728 37,9 260.324 100,0



Anche sulla capacità di presa in carico possono essere formulate le obiezioni mosse in precedenza:

mancanza di variabili di segmentazione dell‟utenza (sarebbe stata sufficiente una tipologia che

descrivesse la condizione di ingresso nel programma) ed eccesso di aggregazione territoriale. In

particolare, l‟uso delle classi di età è abbastanza superfluo se non combinato con informazioni sulla

condizione dell‟utente: affermare che in alcune regioni rispetto ad altre è stato preso in carico un numero

maggiore di giovanissimi significa poco. Quale storia formativa hanno queste persone? Provengono da

aree del Paese dove sono note specifiche situazioni di difficoltà occupazionale? Si tratta di persone drop

out dal sistema formativo oppure di giovani che hanno concluso un percorso scolastico e ora sono

scoraggiati? Quali credenziali formative possono vantare? Hanno titoli di studio tecnici o umanistici?

Queste sono domande alle quali il monitoraggio della GG non solo dovrebbe essere in grado di

rispondere, ma potrebbe agevolmente farlo diffondendo, ad esempio, i dati che consentono la

profilazione dell‟utenza e il calcolo dell‟indice di svantaggio di cui daremo conto più diffusamente nel

successivo paragrafo. Resta quindi valida l‟opzione per cui l‟autorità di gestione del fondo, pur avendo

a disposizione questi dati, abbia preferito non diffonderli. Anche in questo caso la domanda è legittima:

cui prodest?

2. IL RISCHIO DI ESSERE NEET: COME FUNZIONA IL SISTEMA DI PROFILAZIONE

DELL‟UTENZA

Il D.D. 10/Segr.D.G./2015 rappresenta una novità assoluta nel panorama delle politiche per il lavoro e,

più in generale, all‟interno del più ampio sistema di programmazione e implementazione delle policy in

Italia. Il decreto, difatti, introduce un‟innovazione rilevante per l‟attuazione Piano GG, fornendo uno

strumento metodologico statisticamente elaborato per la profilazione dei beneficiari. Scopo dello

strumento realizzato dall‟Isfol è quello di fornire, per ciascun utente preso in carico, un coefficiente

individuale di svantaggio capace di stimare la probabilità del giovane di essere non occupato e trovarsi

20

nella condizione di NEET. Il calcolo del coefficiente prende in considerazione tanto le caratteristiche12

individuali dell‟utente, quanto quelle del contesto socio-economico nel quale il giovane vive.

Le ipotesi che hanno guidato i ricercatori dell‟Isfol nella costruzione dello strumento sono due13:

a) il livello di svantaggio dell‟individuo che resta fuori dal mercato del lavoro è legato ad alcune

caratteristiche dell‟individuo stesso (quali l‟età, il sesso, il suo percorso formativo, le sue

esperienze lavorative, ecc.);

b) il livello di svantaggio varia sensibilmente in base al luogo di residenza dell‟individuo, a causa

delle differenze che contraddistinguono le varie realtà territoriali (i territori, difatti, si

caratterizzano per il diverso profilo del sistema produttivo locale, il diverso tasso di

disoccupazione, la diversa propensione all‟imprenditorialità, ecc.).

Lo strumento assegna un peso alle diverse caratteristiche - individuali e contestuali - nella

determinazione dello status occupazionale dell‟individuo. Non solo, una volta stimato il peso di ciascuna

caratteristica e avendo rilevato la presenza/assenza di quelle stesse caratteristiche sui giovani presi in

carico dal Piano GG, è possibile attribuire a ciascuno di essi il livello relativo di svantaggio

occupazionale. Il calcolo del livello di svantaggio è dato dalla combinazione dei pesi stimati dal modello

applicati alle caratteristiche rilevate sul giovane in fase di screening. La procedura di assegnazione

all‟utente di un coefficiente di svantaggio occupazionale rientra nella più ampia categoria delle tecniche

di profiling dell‟utenza di servizi e/o politiche pubbliche.

3.1 Il profiling dell‟utenza: cenni storici e motivazioni

In linea di principio, è possibile distinguere tra due approcci statistici diversi per la destinazione di un

soggetto a un determinato programma: il targeting e il profiling. Le tecniche statistiche riconducibili alla

categoria del targeting consentono di predire, per specifici individui, i possibili esiti derivanti

dall‟inserimento in un determinato ventaglio di programmi o iniziative. Queste tecniche consentono di

stimare anche l‟esito derivante dalla mancata partecipazione ai diversi programmi disponibili. L‟utente,

sulla base di queste analisi, può decidere quale programma sia più adatto a massimizzare il risultato

atteso. Le tecniche statistiche di profiling, al contrario, calcolano un unico fattore o punteggio14 di rischio

abbinato a ciascun individuo. Questo fattore o punteggio esprime la probabilità del soggetto di assumere

12 . Vedremo nei successivi paragrafi di quali in particolare. 13 . Vedi appendici A, B e C del D.D. 10/Segr.D.G./2015. 14 . Nella letteratura scientifica di matrice anglosassone si parla rispettivamente di factor o score.

21

una certa condizione relativamente alla variabile individuata come risultato da predire sulla base

dell‟analisi delle covariate (caratteristiche individuali e/o contestuali) introdotte nel modello. Il

presupposto di queste tecniche è che il fattore o punteggio di rischio rifletta il livello di bisogno

dell‟individuo di accedere a un dato programma. Alternativamente, il punteggio può essere utilizzato

come un vero e proprio peso per la quantificazione e l‟allocazione delle risorse previste dal programma:

siano esse denaro o servizi. Il ricorso a queste tecniche statistiche è oramai piuttosto consolidato,

soprattutto per quel che concerne l‟analisi dei programmi legati alle politiche pubbliche per il lavoro. I

primi Paesi a fare ricorso a questo tipo di strumentazione metodologica sono stati quelli anglosassoni,

sin dagli anni „90: su tutti, Stati Uniti e Australia15. Più in generale, sistemi statistici di profiling per

l‟erogazione o la fruizione di politiche pubbliche per il lavoro (in particolare, Public Employment

Services) hanno avuto sempre più diffusione anche in Europa dagli anni 200016.

Le ragioni del diffondersi di queste tecniche sono molteplici. In primis, forniscono un supporto oggettivo

al decisore: il risultato del profiling non dipende da valutazioni di natura soggettiva, ma dalla stima di

parametri che implicano processi di misurazione in qualche misura replicabili. In secondo luogo, queste

tecniche sono doppiamente spendibili in quanto offrono una strumentazione idonea ad assolvere a due

tipi di compiti: a) l‟identificazione del fattore (o punteggio) di rischio in base al quale è possibile

15 . Si pensi all‟Australian Job Seeker Classification Instrument che calcolava il rischio di divenire disoccupato di

lungo-periodo; oppure al Worker Profiling and Reemployment Service che - negli Stati Uniti - identificava gli

individui più idonei a fruire dei servizi per la ricollocazione nel mercato del lavoro (Cfr. Behncke, S., Frölich,

M. and Lechner, M. (2006): "Statistical Assistance for Programme Selection-For a Better Targeting of Active

Labour Market Policies in Switzerland." University of St. Gallen, Department of Economics, Discussion Paper

2006-09 (2006): 2007-05). 16 . In Germania, ad esempio, si è fatto ricorso a questo tipo di tecniche per la segmentazione dei disoccupati

in specifiche categorie di utenti: in base a questa classificazione, i soggetti potevano avere più o meno diritto

ad accedere alle diverse politiche per il mercato del lavoro (Cfr. Weber T. (2011): Profiling Systems For

Effective Labour Market Integration. Thematic Synthesis Paper. The European Commission Mutual Learning

Programme for Public Employment Services DG Employment, Social Affairs and Inclusion, May 2011;

Caliendo, M., Hujer, R. and Thomsen, S. (2005): “Identifying Effect Heterogeneity to Improve the Efficiency

of Job Creation Schemes in Germany”, IAB Discussion Paper no.8). In Svizzera, dal 2007, è stato avviato un

Programma di Selezione Statisticamente Assistito attraverso il quale si individua non solo l‟allocazione

ottimale delle risorse sulle base delle informazioni pregresse, ma si prevede anche per ciascun soggetto quale

sia la misura più idonea per aiutarlo nella ricerca di lavoro. Sistemi analoghi sono stati sviluppati in Francia,

Olanda e Svezia (Cfr. Fretz, M (2005): The Kansmeter in the Netherlands. Paper presented at the conference

“Profiling for Better Services”, Nuremberg, January 12-12, 2005; Hasluck, C. (2008). The Use of Statistical

Profiling for Targeting Employment Services: The International Experience. In G. D. Domenico & S. Spattini

(Eds.), New European Approaches to Long-Term Unemployment: What role for public employment services

and what market for private stakeholders? (pp. 39-56). Netherlands: Kluwer Law International BV; Rudolph

H. and R. Konle-Seidl, R. (2005): Profiling for Better Services. Report on the European Profiling Seminar,

Nuremberg, January 12-14, 2005).

18. Deve il proprio nome alla cosiddetta funzione link che è, per l‟appunto, la funzione logit, che consente la

riparametrizzazione del modello lineare su base logistica.

22

classificare l‟utenza da indirizzare verso un dato intervento; e b) l‟allocazione delle risorse da destinare

ai soggetti ritenuti bisognosi (per un certo grado) di ricevere i diversi tipi di interventi predisposti. Lo

strumento predisposto dall‟Isfol per la profilazione dell‟utenza del Piano GG rientra pienamente tra le

tecniche precedentemente definite di profiling con il duplice scopo di classificare l‟utenza in base al

rischio di essere NEET e, sulla base della misura di svantaggio stimata per gli individui presi in carico,

fornire un criterio di assegnazione delle risorse previste dal Piano GG.

3.2 Il modello statistico usato per il profiling dell‟utenza del Piano Garanzia Giovani

Da un punto di vista tecnico, lo strumento predisposto dall‟Isfol per il profiling è un modello di

regressione di tipo multilevel. Il modello prevede come variabile risposta (la variabile scelta per fissare

lo svantaggio degli utenti) una variabile di tipo dicotomico i cui due stati sono: essere NEET (ovvero

essere non occupato e non inserito nel sistema d‟istruzione o di formazione) vs. essere occupato. Vista

la natura della variabile scelta per determinare lo svantaggio degli individui, il modello usato è un logit18,

appartenente alla classe dei modelli lineari generalizzati ed è una specificazione del modello di

regressione a risposta categorica di tipo binario o dicotomico. Caratteristica di questo tipo di modelli è

consentire l‟individuazione della propensione al verificarsi di un evento di natura dicotomica (nel caso

in questione: essere NEET vs. essere occupati) in termini di probabilità compresa tra 0 e 1.

Nello specifico, si tratta di un modello logit di tipo multilevel ad intercetta variabile (o casuale). I modelli

multilevel sono un caso specifico di modelli gerarchici: l‟assunto di fondo di questo tipo di modelli è

che il verificarsi di un dato fenomeno (nel nostro caso il livello di svantaggio dell‟individuo) non dipenda

unicamente dalle caratteristiche del singolo, ma sia influenzato anche dal contesto nel quale il soggetto

vive e opera, in ragione della struttura gerarchizzata dell‟informazione. Con riferimento allo strumento

predisposto dall‟Isfol, quindi, l‟essere o meno NEET non è determinato solo dalle caratteristiche

personali del soggetto che si iscrive e viene preso in carico dal Piano GG (età, sesso, percorso formativo,

precedenti esperienze lavorative, ecc.), ma dipende anche da fattori di natura contestuale quali, ad

esempio: la variazione del tasso di disoccupazione provinciale, il rischio di povertà familiare, la densità

imprenditoriale regionale o, più semplicemente, la regione nella quale l‟individuo risiede. Il passaggio

dall‟unità di analisi di tipo individuale a quella contestuale, fa così emergere la natura gerarchica del

modello che sta alla base dell‟organizzazione dei dati multilivello: in pratica, le unità d‟analisi di livello

inferiore sono raggruppate all‟interno delle unità d‟analisi di livello superiore. Nel caso specifico, le

unità di analisi di primo livello sono gli individui; quelle di secondo, le regioni.

23

3.2.1 Le fonti dati

I dati cui i ricercatori dell‟Isfol hanno attinto per la costruzione del modello sono stati molteplici, vista

anche la necessità di dover saturare i diversi livelli del modello. Per quel che concerne gli individui e le

caratteristiche individuali degli stessi, hanno fatto ricorso alle informazioni raccolte dalla Rilevazione

continua sulle forze di lavoro dell‟Istat, in particolare: le indagini relative al periodo compreso tra il

quarto trimestre del 2011 e il terzo trimestre del 2013, le ultime disponibili al momento della costruzione

del modello. I dati sono stati strutturati in formato pooled17, ovvero usando congiuntamente le otto

rilevazioni in maniera da ottenere una numerosità campionaria tale da rendere le stime quanto più robuste

e affidabili.18 La popolazione di riferimento per la stima del modello è quella dei giovani di età compresa

tra i 15 e i 29 anni in condizione di NEET o di occupato residente in Italia come media del periodo di

riferimento delle rilevazioni. La definizione di NEET adottata dai ricercatori Isfol coincide con quella

dell‟Istat. Complessivamente, le otto rilevazioni coprono 90.487 individui di cui 40.566 NEET e 49.921

occupati, rappresentativi rispettivamente di 5.290.040 individui, di cui 2.313.075 NEET e 2.976.965

occupati. Per quel che concerne i dati territoriali relativi agli aggregati di secondo livello (le Regioni) e

caratterizzanti i mercati del lavoro locali, i ricercatori hanno attinto alle fonti statistiche ufficiali Istat ed

Eurostat, rispettivamente: Registro statistico delle imprese attive Istat e il dato Eurostat At risk of poverty

rate by NUTS 2 regions.

3.2.2 Le variabili del modello: la variabile risposta e i predittori di primo e secondo livello

Detto già della variabile risposta (o variabile dipendente), che è lo status del giovane rappresentato in

forma dicotomica (NEET vs. occupato), il modello stima la probabilità di essere NEET sulla base dei

predittori (o covariate) di primo e secondo livello, ovvero le caratteristiche individuali dei soggetti e

quelle dei territori nei quali vivono. Le covariate introdotte nel modello sono quelle riprodotte nella

tabella 7, che riporta il codice della variabile (utile alla lettura del prospetto 1, vedi oltre) e le diverse

modalità previste dalle variabili categoriali introdotte. Per ciascuna variabile categoriale, la modalità di

riferimento per il calcolo dei coefficienti e la loro interpretazione è rappresentata dalla prima modalità,

ad esempio, per il sesso GEN1 che equivale alla modalità donna. Il coefficiente di GEN2, quindi, dirà

di quanto cresce (se positivo) o diminuisce (se negativo) il rischio di un uomo di essere NEET rispetto

ad una donna.

17 . Cfr. Gujarati, D.N. (2003). Basic Econometrics, International Edition - 4th ed.. McGraw-Hill Higher

Education. 18 . Questa scelta ha implicato anche degli svantaggi poiché si sono dovute riferire le stime ad un contesto medio

nel tempo.

24

TABELLA 7 – ELENCO PREDITTORI DI PRIMO E SECONDO LIVELLO

Livello Variabile Codifica Modalità della variabile

Variabili

di I

livello

Età ETA in anni compiuti

Sesso gen-01 Donna

gen-02 Uomo

Presenza in Italia

PRE1 Nato in Italia

PRE2 Fino a 12 mesi

PRE3 Da 1 a 2 anni

PRE4 Da 3 a 4 anni

PRE5 Oltre 5 anni

Titolo di studio

TIS1 Licenza elementare

TIS2 Licenza media

TIS3 Qualifica professionale

TIS4 Scuola magistrale, istituto d'arte

TIS5 Diploma: istituto professionale

TIS6 Diploma: istituto tecnico

TIS7 Diploma: liceo

TIS8 Diploma: altro

TIS9 Laurea (diploma o triennale): Scienze umanistiche

TIS10 Laurea (diploma o triennale): Scienze sociali

TIS11 Laurea (diploma o triennale): Scienze della salute

TIS12 Laurea (diploma o triennale): Ingegneria, informatica

e trasporti

TIS13 Laurea (diploma o triennale): Scienze naturali

TIS14 Laurea (diploma o triennale): Architettura

TIS15 Laurea (diploma o triennale): Altro

TIS16 Laurea (magistrale, specialistica, v.o.): Scienze

umanistiche

TIS17 Laurea (magistrale, specialistica, v.o.): Scienze

sociali

25

TIS18 Laurea (magistrale, specialistica, v.o.): Scienze della

salute

TIS19 Laurea (magistrale, specialistica, v.o.): Ingegneria,

informatica e trasporti

TIS20 Laurea (magistrale, specialistica, v.o.): Scienze naturali

TIS21 Laurea (magistrale, specialistica, v.o.): Architettura

TIS22 Laurea (magistrale, specialistica, v.o.): Altro

Condizione

occupazionale un anno

prima

CON1 Altro inattivo

CON2 Occupato

CON3 In cerca di nuova occupazione

CON4 In cerca di prima occupazione

Disoccupazione DIS(PROV) Variazione tasso di disoccupazione dei 15-29anni a livello

provinciale

Variabili di II

Povertà POV(REG) Rischio di povertà familiare (redditi)

livello

Imprenditorialità DEN(REG) Densità imprenditoriale a livello regionale

Fonte: elaborazioni Europartners su dati appendici A, B e C del

D.D. 10/Segr.D.G./2015.

3.2.3 Il calcolo del coefficiente di svantaggio

Il calcolo del coefficiente di svantaggio deriva, invece, dall‟equazione riparametrizzata in forma

logistica che consente la stima della probabilità p di essere NEET, che è pari a:

I coefficienti che vengono moltiplicati per i codici delle variabili riportate nella tabella 4, sono i valori

stimati dal modello per i rispettivi predittori19.

19 . Ovviamente, le modalità delle variabili categoriali riportate nell‟equazione non possono che assumere valori

0 o 1 a seconda che siano rilevate sugli individui o meno. Ad esempio, un individuo con una laurea triennale

in architettura avrà TIS14=1 e tutti gli altri codici TIS, pari a 0. Stesso dicasi per la Regione di residenza

individuata dal codice REG seguito dal numero corrispondente alla regione in questione. I codici delle variabili

26

3.2.4 L‟indice di svantaggio

Per la costruzione dell‟indice di svantaggio, infine, i valori dei coefficienti sono stati ripartiti in classi.

Vista la distribuzione fortemente asimmetrica del coefficiente di svantaggio calcolato su tutte le unità

del campione analizzato, le classi sono state individuate dai quartili della distribuzione osservata nella

popolazione (tabella 8).

TABELLA 8 – VALORI DI P (COEFFICIENTE DI SVANTAGGIO) PER LA

DETERMINAZIONE DELLE CLASSI DELL’INDICE DI SVANTAGGIO

Limiti delle classi di svantaggio definiti dal valori di p

Indice di Svantaggio Minimo Massimo

1 - Basso 0 0,650716

2 - Medio basso 0,650717 0,805638

3 - Medio alto 0,805639 0,8975

4 - Alto 0,897501 1

Fonte: elaborazioni Europartners su dati appendici A, B

e C del D.D. 10/Segr.D.G./2015

3.3 Pregi e limiti della tecnica adottata: la profilazione in pratica

Il pregio maggiore del lavoro svolto dai ricercatori dell‟Isfol è quello di aver fornito al decisore uno

strumento statistico di profilazione dell‟utenza molto raffinato. A livello nazionale, difatti, rappresenta

quasi un unicum, soprattutto in considerazione del fatto che lo strumento è stato adottato e inserito in un

documento ufficiale della PA. Non solo, lo strumento ha anche una duplice valenza operativa: fornire

una metodologia quantitativa di classificazione dell‟utenza basata su parametri oggettivi; e garantire uno

strumento di allocazione delle risorse partendo dalla classificazione dell‟utenza così prodotta.

Il coefficiente di svantaggio risponde al primo compito, l‟indice di svantaggio al secondo. Il coefficiente

di svantaggio, difatti, deriva direttamente dal modello logit multilivello costruito dai ricercatori. Dal

punto di vista metodologico, la scelta del modello è ineccepibile20: i test statistici effettuati dagli autori

relative ai predittori di secondo livello saranno anch‟essi dicotomici (0 se l‟individuo non risiede in quel

territorio, 1 se risiede) e i coefficienti assumeranno valori pari a quelli delle Province e Regioni di residenza,

in base ai dati Istat ed Eurostat. Ad esempio, un giovane residente nella provincia di Reggio Calabria avrà

valori POV(REG18)=32,0; DEN(REG18)=48,0 e DIS(PROV80)=25,17 (vedi appendici A, B e C del D.D.

10/Segr.D.G./2015). 20 . A tal proposito, appaiono tecnicamente infondate alcune critiche mosse alla metodologia adottata che invitano

a: “[…] stimare il modello introducendo interazioni tra caratteristiche individuali e di contesto” (Cfr. Albertini,

27

confermano la validità della decisione di orientarsi verso la famiglia dei multilivel poiché la struttura

gerarchizzata del dato ha effetti statisticamente significativi sulle variabili introdotte nel modello

completo. Si potrebbe, forse, obiettare circa la scelta di un logit di tipo multilevel “semplicemente” ad

intercetta variabile (o casuale): ma, anche in questo caso, la decisione appare ben ponderata e pragmatica.

Un modello a intercetta variabile, difatti, prevede che varino solamente i valori delle intercette al variare

delle unità di secondo livello (nel caso in esame, le regioni). I parametri da stimare, quindi, si limitano

a: i coefficienti dei predittori, che restano fissi all‟interno dei gruppi individuati dalle variabili di secondo

livello (le regioni); e le intercette che, invece, variano al variare dei gruppi di secondo livello. Se i

ricercatori avessero deciso di implementare un modello anche a pendenza variabile (o casuale), i

parametri da stimare sarebbero raddoppiati21. Un simile modello risulterebbe più complesso non solo in

termini statistici, ma anche e soprattutto più difficile da maneggiare in chiave interpretativa e operativa22.

Fin qui, gli aspetti esclusivamante metodologici, legati alla tipologia di modello usato. Veniamo ora alla

selezione delle variabili usate nel modello come predittori di primo e secondo livello, oltre che alla scelta

stessa delle unità di secondo livello e del numero di livelli.

Le variabili usate per caratterizzare le unità di primo livello (i giovani in età compresa tra i 15 e i 29anni)

tengono conto di alcune informazioni: il profilo demografico (età e sesso); il livello e la tipologia di

istruzione (titolo di studio più elevato conseguito e livello di competenza linguistica); il trascorso

occupazionale del soggetto. Tra le variabili scelte per saturare la dimensione dell‟istruzione, spicca

quella relativa alla competenza linguistica: essa è rilevata come proxy della presenza in anni in Italia

dell‟individuo. I dati presentati nell‟Appendice D del D.D. 10/Segr.D.G./2015 mostrano, difatti, come

le competenze linguistiche siano associate alla durata della presenza in Italia dei giovani (dati

OCSE-PIAAC). Dal punto di vista concettuale la variabile in questione pare essere più un

completamento della dimensione relativa al profilo demografico che non di quello educativo. Del resto,

la letteratura in materia di profiling per i servizi pubblici per l‟impiego sottolinea ampiamente la

rilevanza delle variabili demografiche e, in particolare, quella relativa all‟origine etnica o provenienza

dei soggetti23. Appare quindi strano che i ricercatori dell‟Isfol non abbiano introdotto nel modello il dato

M., Giubileo F. e Pastore F. (2015): “Profilo dei giovani a rischio disoccupazione” pubblicato il 31.03.15 su

lavoce.info (link)). I modelli multilivello, per costruzione, rispondono proprio a questa esigenza: tenere conto

- nella stima dei parametri - degli effetti tra le caratteristiche individuali e quelle di contesto. 21 . Oltre alle intercette, in questo caso, varierebbero anche le pendenze (i coefficienti dei predittori) al variare

delle unità di secondo livello. 22 . Cfr. Gelman, A. and Hill J. (2006). Data analysis using regression and multilevel/hierarchical models.

Cambridge University Press. 23 . Trattandosi di tecniche ampiamente diffuse nei Paesi anglosassoni, non stupisca il fatto che si rilevi l‟etnia o

il gruppo razziale dei soggetti presi in carico dai servizi: esso costituisce un elemento fortemente discriminante

http://www.lavoce.info/archives/33997/profilo-dei-giovani-a-rischio-disoccupazione/

http://www.lavoce.info/archives/33997/profilo-dei-giovani-a-rischio-disoccupazione/

28

relativo alla cittadinanza dei soggetti, informazione che nelle rilevazioni sulle forze lavoro viene

regolarmente registrata (Istat (2011)) e che, abbinata alla regione di residenza, molto probabilmente,

avrebbe potuto dare interessanti indicazioni. Il prospetto 1 riporta i grafici nei quali sono rappresentate

la forza e la direzione dei vari predittori usati per il calcolo della probabilità di essere NEET: non essere

nato in Italia costituisce un fattore di rischio (di essere NEET) per i soggetti presi in carico. Riduttivo

collegare questo effetto alla sola competenza linguistica, senza tener conto anche della cittadinanza degli

individui24. Sempre da un punto di vista concettuale e quindi operazionale, il modello è lacunoso sotto

un altro aspetto: il background familiare. Nella costruzione del modello, difatti, sono state ignorate

variabili quali lo status socio-educativo dei genitori dei soggetti in carico al Piano GG: informazioni,

anche queste, registrate dalle rilevazioni sulle forze lavoro Istat25. Omissioni piuttosto strane da un punto

di vista logico e teorico, che stonano molto con la complessità metodologica dello strumento usato. Da

sottolineare, infine, come sul versante dei fattori preventivi giochino un ruolo decisivo tanto i trascorsi

lavorativi dell‟individuo, quanto i percorsi formativi.

Dal prospetto 1, difatti, emerge come il fattore predittivo preminente di (non essere NEET), sia costituito

dall‟essere stato occupato un anno prima, a ulteriore conferma dell‟infinita letteratura in materia che

sottolinea la natura dualistica del mercato del lavoro italiano e le difficoltà dei cosiddetti outsiders di

entrarvi26. Mentre sul versante formativo, sono le lauree tecnico-ingegneristiche quelle che garantiscono

maggiori opportunità di non essere NEET ai giovani.

per lo status occupazionale degli individui, cfr. Bell, S.H. and Orr. L.L.(2002): "Screening (and creaming?)

applicants to job training programs: the AFDC homemaker–home health aide demonstrations." Labour

Economics 9.2 (2002): 279-301. 24 . Cfr. Frölich, M., Lechner M. and Steiger H. (2003): “Statistically Assisted Programme Selection – International

Experience and Potential Benefits for Switzerland”, Swiss Journal of Economics and Statistics 139, 311–31. 25 . Istat (2011). Rilevazione Continua sulle Forze di Lavoro. Questionario Unico 2° trimestre 2011 (link) 26 . Cfr. Barbieri, P. (1997): "Non c'è rete senza nodi. Il ruolo del capitale sociale nel mercato del lavoro." Stato e

mercato 17.1 (1997): 67110; Barbieri, P. and Scherer, S. (2005): "Le conseguenze sociali della

flessibilizzazione del mercato del lavoro in Italia." Stato e mercato 25.2 (2005): 291-322.

http://www3.istat.it/strumenti/rispondenti/indagini/famiglia_societa/formazione_lavoro/2011/questionario_forze_lavoro_2011.pdf

http://www3.istat.it/strumenti/rispondenti/indagini/famiglia_societa/formazione_lavoro/2011/questionario_forze_lavoro_2011.pdf

29

PROSPETTO 1 – COEFFICIENTI DEI PREDITTORI DI PRIMO E SECONDO LIVELLO

Preditorri di I livello

Caratteristiche demografiche Predittori di I livello:

Percorso formativo

CON5


D.D. 10/Segr.D.G./2015

30

Sulla base di queste risultanze, forse, si sarebbero potuti creare ulteriori indicatori relativi ai percorsi

formativi e lavorativi. Nello specifico, con i dati panel della rilevazione sulle forze lavoro, si sarebbero

potute creare delle variabili volte a differenziare ancora più dettagliatamente le traiettorie occupazionali

e formative degli individui nell‟arco di tempo investigato.

Rispetto ai predittori di secondo livello scelti per caratterizzare i mercati del lavoro locali, due sole

considerazioni: la prima, riguarda l‟uso della variazione del tasso di disoccupazione provinciale; la

seconda, la scelta dei livelli. L‟uso della variazione del tasso di disoccupazione è una scelta teoricamente

raffinata: facendo ricorso a questo dato, difatti, si vuole cogliere la struttura occupazionale del territorio

in questione nel tempo analizzato e, quindi, la sua vitalità o reattività alla congiuntura, cosa che non

sarebbe stata possibile fotografandone il livello a un dato tempo. Se si scorrono i dati dell‟Appendice B

del D.D. 10/Segr.D.G./2015, si può vedere come all‟interno delle diverse regioni vi siano delle situazioni

anche profondamente differenti in questo senso. Per quel che concerne la scelta dei livelli, vista anche

l‟introduzione di una variabile con dettaglio provinciale (la variazione del tasso di disoccupazione), ci

si può chiedere come mai non si sia optato per la costruzione di un modello a tre livelli: primo livello gli

individui; secondo, le province; terzo, le regioni. Probabilmente, anche in questo caso, come nel caso

della scelta della tipologia di effetti variabili, avrà prevalso la volontà dei ricercatori di ridurre al

massimo gli elementi di complessità di un modello di per sé già complicato.

Sviscerati pregi e limiti del coefficiente di svantaggio, analizziamo quelli dell‟indice di svantaggio. La

prima cosa che balza all‟occhio nella costruzione dell‟indice è la scelta di operare una trasformazione

del suo livello di misurazione: da continuo a ordinale, con le quattro classi di svantaggio individuate dai

quartili osservati nella distribuzione del coefficiente calcolato sul campione. Come noto, i quartili

consentono di ripartire una popolazione in quattro gruppi di eguale dimensione: ognuno individua un

25% di essa. Una scelta piuttosto radicale, vista l‟elevata asimmetria negativa della distribuzione di

partenza. Non è dunque un caso che il D.D. 10/Segr.D.G./2015 sia dovuto intervenire anche nella

modifica dei limiti di demarcazione delle classi di svantaggio definiti dai valori del coefficiente come

illustrato dalla tabella 9.

TABELLA 9 – VALORI DI P (COEFFICIENTE DI SVANTAGGIO) PER LA

DETERMINAZIONE DELLE CLASSI REVISIONATE DELL’INDICE DI SVANTAGGIO

Indice di Svantaggio Limiti delle classi di svantaggio definiti dal valori di p

Minimo Massimo

1 - Basso 0 0,25

2 - Medio basso 0,250001 0,5

31

3 - Medio alto 0,500001 0,75

4 - Alto 0,750001 1


D.D. 10/Segr.D.G./2015

A partire da febbraio del 201527, le quattro fasce di svantaggio sono state così ridefinite: la cosa ha

prodotto notevoli modifiche nella classificazione dei soggetti presi in carico. Il grafico 4 mostra come,

conseguentemente, siano mutati radicalmente i rapporti tra le numerosità di casi collocati nella classe

Alta e quelli nella classe Bassa e tra i casi appartenenti alle classi Alta e Medio-alta e Medio-bassa e

Bassa. Se prima veniva classificato come ad alto rischio di svantaggio un giovane contro cinque giovani

classificati a Basso rischio, da febbraio 2015 il rapporto letteralmente si capovolge e al 16 aprile del

2015 si arriva a quattro giovani ad Alto rischio contro uno a Basso rischio di svantaggio.

GRAFICO 4 – RAPPORTI TRA LE NUMEROSITÀ DI CASI APPARTENENTI ALLE

CLASSI ESTREME DELL’INDICE DI SVANTAGGIO E ALLE CLASSI ALTA E MEDIO-

ALTA E MEDIO-BASSA E BASSA

27 . I dati sul monitoraggio dell‟indice di svantaggio iniziano ad essere pubblicati a partire dal 22-esimo rapporto

di monitoraggio, datato 9-102014.

32

Fonte: elaborazioni Europartners su dati MLPS, Monitoraggio mensile della Garanzia Giovani

Il grafico 5 mostra come la classificazione vari ancor di più tra le regioni. Come prevedibile, sono quelle

del Meridione a presentare i rapporti maggiori tra giovani classificati ad Alto rischio e giovani classificati

a Basso rischio. Su tutte, Basilicata, Sicilia, Campania e Calabria.

GRAFICO 5 - RAPPORTI TRA LE NUMEROSITÀ DI CASI APPARTENENTI ALLE CLASSI

ESTREME DELL’INDICE DI SVANTAGGIO PER REGIONE



3.4 Soluzioni tecniche innovative usate in modo tradizionale

Alla luce di questi dati, è spontaneo chiedersi quale possa essere la reale utilità di ricorrere a un indice

ripartito in classi (quindi con livello di misurazione ordinale), quando si ha disposizione uno strumento

che fornisce un coefficiente continuo, con livello di misurazione a rapporti.

Questa trasformazione di livelli di misurazione non è una sottigliezza meramente metodologica, poiché

ha un impatto operativo significativo nella classificazione degli individui e quindi nella loro destinazione

ai diversi pacchetti di soluzioni/interventi. Per essere più chiari, un conto è classificare i soggetti sulla

33

base di un indice che contempla solamente quattro ordini di grandezza (Basso, MedioBasso, Medio-

Alto, Alto), un altro è farlo con un indice continuo che può assumere qualsiasi valore compreso tra 0 e

1. Le storture di una ripartizione in classi dell‟indice così ideata sono state tali da costringere i decisori

del Piano GG a una revisione in corsa dei criteri di costruzione dello stesso. Con la prima ripartizione in

classi, si aveva l‟assurdo di considerare a Basso rischio sia un soggetto con un indice pari a 0,6 che uno

con un indice pari a 0,1, cioè un individuo sei volte più a rischio del primo. In ogni caso, un indice così

costruito, anche con le modifiche realizzate in corso d‟opera, non offre grandi garanzie in termini di

corretta discriminazione tra i soggetti, appiattendo in maniera eccessiva le differenze tra i soggetti

appartenenti alla stessa classe di rischio e rendendo poco raffrontabili quelle tra soggetti appartenenti a

diverse classi di rischio.

3. GARANZIA GIOVANI: AFFINITÀ E DIFFERENZE TRA LE REGIONI

I dati di monitoraggio sin qui presentati sono stati integrati con quelli relativi ai macro-indicatori tratti

dalle fonti statistiche ufficiali nazionali e con quelli relativi agli indicatori diretti di monitoraggio

dell‟offerta, estrapolati da varie fonti amministrative e portali ufficiali delle regioni. Questa operazione

ha consentito la realizzazione di un‟analisi comparativa che mette in luce le differenze tra le varie regioni

italiane ad un anno dall‟avvio del Piano GG ma, ancora di più, le lacune informative derivanti

dall‟incompleta e parziale presentazione dei dati raccolti a livello regionale, resi solo parzialmente

pubblici dall‟Ente attuatore. L‟analisi comparativa è stata realizzata mediante un‟analisi per gruppi28.

Le variabili usate fanno riferimento a tre dimensioni che individuano i tre fattori ritenuti portanti per

l‟interpretazione dell‟attuazione del Piano GG, vale a dire (tabella 10):

► Il bacino: le caratteristiche socio-economiche del territorio regionale considerate tramite il trend

dei NEET negli ultimi 10 anni, il trend degli abbandoni scolastici sempre nello stesso periodo di

tempo e la stima delle unità lavorative irregolari al 2013.

► La domanda: ossia la percentuale di NEET iscritti a Garanzia giovani e la percentuale di adesioni

da fuori regione

28 L‟analisi è stata realizzata secondo l‟algoritmo two-step, così come implementato sul software SPSS 19.0. Per

maggiori dettagli sull‟analisi cfr. Estrogeni-Europartners (2015) “GARANZIA GIOVANI. Come stanno le

cose a un anno dall‟avvio”.

34

► L‟offerta: considerata attraverso la struttura anagrafica dei presi in carico, la percentuale dei presi

in carico rispetto agli aderenti e un indice di concentrazione delle risorse, calcolato a partire dalla

riclassificazione delle misure proposta nel paragrafo (6).

TABELLA 10 – INDICATORI USATI PER L’ANALISI DI RAGGRUPPAMENTO

Dimensione Indicatore Descrizione dell'Indicatore

Bacino

Trend 2004-2013 Early

school leavers

Trend degli early school leavers tra il 2004 e il 2013

(differenza percentuale

% unità lavorative

irregolari

% di Unità lavorative irregolari sul totale delle unità lavorative

attive

Trend 2004-2013 NEET Trend dei NEET tra il 2004 e il 2013 (differenza percentuale)

Domanda % di raggiungimento del

bacino

% di NEET (2013) iscritti a GG (marzo 2014-marzo 2015

Attrattività % di adesioni da altre regioni

Offerta

Struttura anagrafica dei

presi in carico

Rapporto tra presi in carico 15-18 anni e presi in carico 25-29

anni (ogni 15-18enne quanti 25-29enni)

% di presi in carico % di presi in carico sul totale delle adesioni a GG

Concentrazione delle

risorse

Indice di concentrazione delle risorse programmate (variazione

0-1, il valore 1 sta per massima concentrazione)

Fonte: Estrogeni-Europartners 2015

I risultati dell‟analisi per gruppi sono presentati nella tabella 11 e permettono di individuare cinque

orientamenti di policy. Per illustrarne meglio le implicazioni, nella tabella 12 riportiamo le percentuali

di impegno delle risorse secondo la riclassificazione proposta in precedenza.

TABELLA 11 – RISULTATI ANALISI DI RAGGRUPPAMENTO: 5 ORIENTAMENTI DI

POLICY

ORIENTAMENTO DELLA POLICY

Dimensione Indicatore Indifferenziata Compensativa Responsiva Procedurale Riparativa

35

Contributo

alla

costruzione

del gruppo

(0-1)

Emilia

Romagna

Liguria

Lombardia

Piemonte

Toscana

Trentino

Alto

Adige

Valle d'Aosta

Abruzzo

Calabria

Campania

Lazio

Molise

Puglia

Basilicata

Friuli

Venezia

Giulia

Marche

Umbria

Veneto

Sicilia

Sardegna

Veneto

Bacino

Trend 2004-

2013 NEET

0,6 55,0 18,5 31,9 8,6 61,3

Trend 2004-

2013 Early

school leavers

1 -4,8 -5,1 -1,9 -5,1 -43,1

% unità

lavorative

irregolari

0,4 9,5 19,6 13,7 22,1 8

Domanda

% di

raggiungimento

del bacino

0,6 20,9 22,6 47,4 28 23,9

Attrattività 0,4 36,7 17,6 20,1 4,1 16,6

Offerta

Struttura

anagrafica dei

presi in carico

0,8 2,6 13,4 6,1 5,1 3,8

% di presi in

carico

0,4 35,1 36,3 44,1 59,8 54,6

Concentrazione

delle risorse

0,1 0,5 0,4 0,6 0,1 0,5


36

I valori riportati in tabella sono i valori medi registrati per quel dato indicatore in corrispondenza del

gruppo individuato dall‟analisi di raggruppamento.

Il primo orientamento connota Garanzia Giovani come una politica indifferenziata e caratterizza Emilia

Romagna, Liguria, Lombardia, Piemonte, Toscana, Trentino Alto Adige, Valle d'Aosta. In queste

regioni, nonostante i discreti risultati nel contrasto all'abbandono scolastico (-4,8% nel periodo

20042013), negli ultimi dieci anni è esplosa l‟emergenza NEET (+55%). La scelta è stata di usare

Garanzia Giovani come intervento trasversale ai diversi profili di disagio occupazionale e formativo (il

rapporto tra presi in carico 15-18enni e 25-29enni è molto equilibrato: 2,6). Queste regioni sono, inoltre,

particolarmente attrattive (il 36,7% delle adesioni proviene da fuori regione). In questo cluster di regioni,

però, si evidenzia una capacità di raggiungimento del bacino e di presa in carico comparativamente più

bassa rispetto agli altri gruppi (rispettivamente del 20,9% e del 35,1%).

Il secondo orientamento di policy permette di interpretare Garanzia Giovani in termini di politica

compensativa. Questo cluster comprende Abruzzo, Calabria, Campania, Lazio, Molise, Puglia. In queste

regioni, la crescita dei NEET non è stata particolarmente elevata (+18,5% in dieci anni) poiché il

fenomeno era già su livelli alti. La stessa dinamica si riscontra rispetto agli abbandoni scolastici (5,1%

tra il 2004 e il 2013). La caratteristica principale è data dalla struttura anagrafica dell'intervento: per ogni

15-18enne, sono stati presi in carico 13,4 utenti 25-29enni. Garanzia Giovani si configura, quindi, come

un intervento compensativo nei confronti di una coorte specifica. La crescita limitata del fenomeno lascia

supporre che questo gruppo anagrafico sia nella condizione di NEET da diversi anni, il peso di tale

condizione può essere stata mitigato dalle opportunità offerte dal mercato del lavoro irregolare (19,6%

di ULA irregolari).

TABELLA 12 – ORIENTAMENTI DI POLICY E RIPARTIZIONE DELLE RISORSE PER

TIPO DI MISURA

Tipo di misura

Orientamento Regione

Supporting Education Training Job

Start-

up

GG come politica

Indifferenziata

Piemonte 21,4 45,1 33,5 - -

Valle d'Aosta 20,4 8,6 66,7 4,3 -

37

Lombardia 27,2 8,1 25,2 33,4 6,2

Trentino Alto Adige 13,2 12,6 38,8 35,3 -

Liguria 21,1 33,4 23,3 10,2 12,0

Emilia Romagna 11,9 32,4 41,7 5,3 8,7

Toscana 18,2 24,1 40,5 15,0 2,3

GG come politica

compensativa

Lazio 27,2 9,3 26,0 32,7 4,7

Abruzzo 15,3 12,8 45,6 16,4 10,0

Molise 14,0 15,6 57,3 4,6 8,5

Campania 44,2 12,7 36,5 1,6 5,0

Puglia 20,8 14,9 34,0 27,8 2,5

Calabria 22,1 9,1 29,8 16,0 23,1

GG come politica

responsiva

Friuli Venezia

Giulia

6,7 16,1 58,2 19,0 0,0

Umbria 11,4 37,3 26,3 16,2 8,8

Marche 14,9 16,5 52,5 15,1 1,1

Basilicata 17,4 23,3 50,4 6,6 2,3

GG come politica

procedurale

Sicilia 32,4 31,3 10,5 14,0 11,8

Sardegna 27,9 19,2 21,0 22,5 9,4

GG come politica

riparativa

Veneto 14,5 33,5 40,7 6,0 5,3


Il terzo orientamento vede Garanzia Giovani come una politica responsiva e tale orientamento accomuna

Basilicata, Friuli Venezia Giulia, Marche, Umbria. In queste regioni, si riscontra un'elevata capacità di

raggiungimento del bacino di utenza potenziale (47,4%) e l'attrattività di utenza da fuori regione è media

(20,1%). Ciò nonostante, il tasso di presa in carico è elevato (44,1%). Inoltre, si è scelto di concentrare

molto le risorse (il valore del relativo indice è 0,6). Garanzia Giovani sembra essere stata usata come

risposta mirata per contenere, soprattutto attraverso azioni di training, una crescita significativa ma non

elevatissima dei NEET (+31,9% in dieci anni).

Il quarto gruppo di regioni evidenzia un‟applicazione di Garanzia Giovani quale come politica

procedurale, con particolare riferimento alla Sicilia e alla Sardegna. Nelle due regioni insulari, negli

38

ultimi dieci anni i NEET sono cresciuti poco (+8,6%) e gli interventi sull'abbandono scolastico hanno

avuto risultati discreti (-5,1% dal 2004 al 2013), tuttavia la struttura economica del territorio è ancora

caratterizzata da ampie sacche di lavoro irregolare (lo è quasi un'unità lavorativa su quattro: 22,1%). La

capacità di raggiungimento del bacino di utenza potenziale non è stata particolarmente alta (28%), si

evidenzia invece un'elevata capacità di presa in carico dell'utenza (59,8%), tuttavia la scelta di non

concentrare le risorse su misure specifiche (l'indice di concentrazione è dello 0,1) lascia intendere che

Garanzia Giovani sia stata applicata soprattutto concentrandosi sul rispetto della procedura di contatto-

adesione-presa in carico, senza scegliere una direttrice di sostegno specifica.

Infine il quinto orientamento, caratterizzante il solo Veneto, regione nella quale Garanzia Giovani

sembra connotarsi come politica riparativa. In questa regione, negli ultimi dieci anni si è assistito a due

fenomeni paralleli: la drastica riduzione di abbandoni scolastici (-43%) e l'esplosione del fenomeno dei

NEET (+61,3%). Ciò è avvenuto in territori dove il lavoro irregolare è limitato (8% di unità lavorative

irregolari). Attualmente, la capacità del mercato del lavoro locale di assorbire i giovani che

abbandonavano la scuola non è più sufficiente, per cui Garanzia Giovani è stata usata per riparare gli

impatti negativi di un modello centrato sull'ingresso precoce nel mondo del lavoro. Ciò appare

confermato dalla concentrazione delle risorse su misure di qualificazione del profilo professionale

dell'utenza.

L‟analisi proposta rappresenta un esercizio tecnico esemplificativo di quelli che potrebbero essere gli

usi più avanzati dei dati di monitoraggio da parte non solo delle istituzioni coinvolte nell‟attuazione del

Piano GG, ma anche da parte degli stakeholders lato sensu. Appare evidente quale possa essere il valore

aggiunto in chiave di comprensione del funzionamento degli interventi di queste analisi e,

conseguentemente, i limiti che la parzialità o totale mancanza di dati con un dettaglio maggiore

soprattutto relativamente ai servizi offerti determini nella valutazione della loro efficacia.

5. CONCLUSIONI: COSA CI INSEGNA UN ANNO DI MONITORAGGIO DELLA GG?

Secondo un contributo molto citato su monitoraggio e controllo di gestione, le funzioni del monitoraggio

possono essere ricondotte essenzialmente a cinque29:

i. compliance: raccogliere informazioni per far rispettare le regole;

29 . Alberto Martini, Giuseppe Cais, “Valutazione (delle politiche) e controllo (di gestione): un ennesimo ma non

ultimo tentativo di sistemazione concettuale“, in Valutazione 2000: esperienze e riflessioni, a cura di M. Palumbo, FrancoAngeli, Milano, 2000.

39

ii. management control: raccogliere informazioni per tenere sotto controllo l‟organizzazione;

iii. accountability: raccogliere informazioni per rendere conto dei risultati ottenuti;

iv. learning: raccogliere informazioni per capire se e come gli interventi funzionano;

v. policy and program design: raccogliere informazioni per orientare le scelte tra alternative di

policy.

Stando a quanto reso disponibile a terzi da parte del MLPS, il monitoraggio del Piano GG sembra molto

sbilanciato sulla dimensione dell‟accountability: la reportistica settimanale ha una funzione prettamente

esterna, è rivolta a soggetti esterni al programma (mezzi di informazione, opinione pubblica), poca

considerazione è data alle esigenze degli operatori, dei tecnici e, in genere degli addetti ai lavori. La

rilevanza del to account è fortemente ridimensionata, riducendo al minimo la quantità di dati diffusi e

mettendo in primo piano i “grandi numeri” del programma, poco si dice sulla composizione interna di

questi aggregati, così come sono limitate le informazioni di contesto. Si pensi, ad esempio, alla totale

mancanza di diffusione e pubblicazione dei dati di dettaglio riguardanti la profilazione dell‟utenza: uno

snodo nevralgico per il management control del Piano GG, ma ancor di più per il learning.

La logica di monitoraggio che emerge, quindi, appare abbastanza lontana da quanto espresso nei

documenti tecnici e preparatori: ad esempio, non c‟è alcuna menzione degli output negativi. Così come

è stato usato nel primo anno di attuazione della GG, il monitoraggio perde molta della valenza tecnica e

operativa per assumere una funzione quasi esclusivamente comunicativa e autopromozionale. I dati di

monitoraggio sembrano essere usati – o meglio opportunamente selezionati – per supportare il consenso

attorno al Piano GG. Questa deriva si presta a considerazioni critiche solo nel caso in cui a livello di

gestione interna del programma non sia fatto un uso adeguato dei dati di monitoraggio. Anche nel caso

in cui ciò avvenga, rimane il fatto che in termini di trasparenza nell‟impiego delle risorse pubbliche,

questa opacità e selettività delle informazioni non rappresenta una situazione ottimale, anzi presta il

fianco a obiezioni che, in assenza di precisazioni in merito, possono essere anche trancianti se non

addirittura pregiudiziali30. Sarebbe bastato ad esempio precisare che i dati di monitoraggio diffusi nel

corso dell‟anno rappresentano una selezione limitata delle informazioni disponibili. Questa precisazione

sarebbe stata coerente anche con la scelta di diffondere settimanalmente i dati. Sotto questo profilo,

alcune indicazioni positive possono essere rintracciate nella progettazione esecutiva proposta

dall‟ISFOL per il monitoraggio e la valutazione del Piano GG nel quinquennio 2014-201831. All‟interno

30 . Si vedano, ad esempio, i numerosi contributi critici formulati dal centro ADAPT

(http://www.bollettinoadapt.it/) 31 . Cfr. ISFOL, Il monitoraggio e la valutazione del Piano della Garanzia per i Giovani in Italia, Piano esecutivo,

annualità 2014-2018, Roma, 29 luglio 2014.

40

del documento si descrivono con sufficiente puntualità diverse azioni di monitoraggio e valutazione, tra

le quali spicca la pubblicazione a fine 2015 di un rapporto di valutazione degli interventi. Questo

prodotto potrebbe essere l‟occasione giusta per colmare le lacune evidenziate sinora e mettere in moto

quel circolo virtuoso, tra monitoraggio, valutazione e policy making, alla base di un qualsiasi processo

di implementazione delle politiche pubbliche. Se le indicazioni presenti nella progettazione esecutiva

fanno ben sperare, qualche preoccupazione la desta la precondizione, esplicitamente riportata nel

documento citato. I tecnici dell‟ISFOL infatti precisano che “[la] precondizione necessaria per avviare

le attività di monitoraggio e valutazione riportate nel presente piano è una convenzione ISFOL - MLPS

che garantisca all‟ISFOL la disponibilità di tutte le fonti informative indicate all‟interno di ciascuna

linea di intervento”. Senza entrare nel merito delle singole attività previste, due sono i livelli

problematici: il primo, riguarda il trasferimento dei dati da un organismo centrale come il Ministero a

un altro ente nazionale come ISFOL. Su questo fronte si suppone non debbano esserci problemi, anche

perché l‟ente di ricerca è un‟emanazione diretta del MLPS. Un secondo ordine di problemi, attiene al

trasferimento dei dati dai soggetti attuatori, le regioni, all‟ente incaricato del monitoraggio. Pur non

avendo elementi di fatto a disposizione, non è difficile immaginare che possano esserci delle resistenze

da parte degli enti locali a trasferire tutte le informazioni necessarie. I flussi informativi necessari a

supportare un monitoraggio completo ed efficace del Piano GG possono essere problematici in assenza

di una netta volontà politica di condividere le informazioni. A riguardo c‟è anche da ricordare che in

termini di “cultura del dato” non tutte le regioni italiane sono sullo stesso livello. La mancata

disponibilità di alcune informazioni potrebbe non rimandare solo ad una chiusura “politica”, ma al più

banale fatto che tali dati non sono stati costruiti nella forma corretta o, peggio, non sono stati affatto

raccolti. In entrambi i casi, la situazione sarebbe grave: ammettere di non avere certezza rispetto ai dati

disponibili per valutare una politica del valore di un miliardo e mezzo di euro getta una luce veramente

poco rassicurante sul livello raggiunto dalla cultura della valutazione in Italia.

Il piano di attuazione italiano della garanzia per i ... · 3 La seconda parte del paper ha un...

Documents

Transcript of Il piano di attuazione italiano della garanzia per i ... · 3 La seconda parte del paper ha un...