News
ALFABETIZZAZIONE FINANZIARIA STRATEGICA PER LO SVILUPPO SOCIALE ED ECONOMICO: DUE STUDI DI BANCA D’ITALIA
“Sulle determinanti dell'alfabetizzazione finanziaria: il ruolo della mobilità intergenerazionale” "On the drivers of financial literacy: the role of intergenerational mobility" (Questioni di Economia e Finanza, Occasional Paper n. 766, aprile 2023) “Accrescere l'efficacia dei programmi di educazione finanziaria: un approccio mirato” "Improving the effectiveness of financial education programs. A targeting approach" (Questioni di Economia e Finanza, Occasional Paper n. 765, aprile 2023)
Sara LAMBOGLIA, Massimiliano STACCHINI, Ginevra BURATTI, Alessio D'IGNAZIO.
BANCA D’ITALIA
https://www.bancaditalia.it/homepage/index.html
BANCA D’ITALIA – Link al PAPER N. 766
BANCA D’ITALIA – Link al PAPER N. 765
Due recenti Paper pubblicati da Banca d’Italia indagano alcuni aspetti del tema dell’educazione finanziaria.
Il primo studio, che si avvale di un grande database relativo a 20 Paesi europei (più Israele) e utilizza i dati individuali di 145.000 adulti ultracinquantenni, analizza le determinanti del livello di alfabetizzazione finanziaria, riferite a variabili individuali o macroeconomiche e di contesto.
Gli Autori rilevano un duraturo effetto della mobilità sociale sulle competenze finanziarie: gli individui che hanno trascorso la prima parte dell’età adulta nei Paesi caratterizzati da un'elevata mobilità intergenerazionale si dimostrano finanziariamente più istruiti dei i loro coetanei quando invecchiano. L'effetto è economicamente significativo, soprattutto tra le donne e i soggetti provenienti da contesti svantaggiati. I risultati suggeriscono che la promozione dell'uguaglianza di opportunità tra le generazioni non è solo etica e desiderabile, ma può anche favorire ricadute socialmente utili, come l'accumulo di competenze in campo finanziario.
Il secondo studio, che si basa sui dati di una campagna di informazione finanziaria che ha coinvolto circa 3.800 italiani e utilizza le tecniche del Machine Learning (ML), punta a individuare le caratteristiche dei programmi di educazione finanziaria che ne aumentano efficacia ed efficienza. Mira, in particolare, a individuare quali micro-variabili individuali si correlino meglio alla ricettività dei programmi di educazione finanziaria.
L’ipotesi è che, utilizzando il Machine Learning, i programmi possano essere adattati a ciascun pubblico di riferimento, concentrando le risorse su insiemi di popolazione anche limitati e settoriali e progettando piani formativi altamente focalizzati.
Dal lavoro emerge che, pur con alcune limitazioni, le tecniche di ML sono effettivamente utili a individuare target specifici e a progettare piani formativi più adeguati.