Le persone che hanno partecipato

Vitaliano Chiodo

Vitaliano Chiodo

2017 Dirigente Ufficio Assistenza e consulenza. Politiche di incentivazione DCPrevenzione

Laurea in Scienze Economiche.

Master di II livello in Governo dei Sistemi Informativi: sviluppo, gestione e monitoraggio a.a. 2011/2012 Università Roma Tre.

Master di II livello in Innovazione e Management nelle amministrazioni pubbliche a.a. 2008/2009 Università Roma Tre.

2008 Membro esperto del progetto TWINNING EG07/AA/SO/07 gemellaggio con Ente Previdenziale Egiziano – FORMEZ e Min. Lavoro

2000-2017 Dirigente Informatico DCSIT - INAIL

Torna all'elenco completo

Ha partecipato a:

Innovazione tecnologica nei Bandi di finanziamento alle imprese

Roma, 24 Maggio, 2018 | 10:00

REGISTRAZIONE VIDEO DELL'EVENTO

Gli Avvisi pubblici ISI a favore delle imprese che investono in sicurezza costituiscono ormai da diversi anni una interessante opportunità per avviare azioni di prevenzione volte al miglioramento delle condizioni di salute e sicurezza nei luoghi di lavoro.

L’esperienza maturata nel corso della gestione dei Bandi ISI ha portato a modulare e specializzare sempre di più i parametri di accesso ai finanziamenti, per consentire alle imprese di orientarsi verso interventi sempre più efficaci.

In particolare, gli applicativi informatici sono stati sviluppati con l’intento sia di permettere un corretto dimensionamento degli interventi anche in relazione ai rischi cui sono esposti i lavoratori, sia di guidare le imprese nella scelta degli investimenti possibili tramite una procedura informatica idonea e di facile utilizzo.

Il Workshop vuole tracciare una sorta di linea di continuità volta a congiungere la conoscenza del pregresso e la previsione dei futuri scenari utilizzando, da una parte, strumenti tradizionali e, dall’altra, strumenti innovativi in grado di fornire informazioni nascoste.

Una parte importante del lavoro svolto dalle nuove tecnologie consiste nell’estrarre dai dati relativi ai Bandi pregressi, le informazioni sulle migliori tipologie di intervento prevenzionale sovvenzionate dall’Istituto. La metodologia usata ha come orizzonte l’analisi dei testi descrittivi inseriti nella presentazione del progetto e lo studio delle informazioni insite negli elaborati progettuali. L’estrazione dei dati non strutturati viene effettuato con applicativi complessi, basati sull’intelligenza artificiale ma alimentati e guidati con istruzioni semplici quali quelle riconducibili al linguaggio naturale.

La rappresentazione formale delle informazioni reali afferenti ai progetti per il miglioramento delle condizioni di salute e sicurezza sul lavoro permetterà alle macchine di elaborare automaticamente la conoscenza stessa e di gestire le informazioni sul business con strumenti evoluti di intelligence e analytics diretti a migliorare l’efficacia del sistema dei Bandi ISI.

Le opportunità offerte dalle tecnologie nel campo della progettazione dei Bandi di finanziamento alle imprese sono state un utile supporto per il miglioramento dei servizi di sostegno alle imprese.

Governare la complessità: Cognitive Computing per l’interpretazione del linguaggio naturale nello studio degli incentivi ISI di INAIL

Roma, 15 Maggio, 2019 | 14:00

I Bandi ISI consentono di raccogliere grandi quantità di informazioni sulle imprese che annualmente accedono ai contributi Inail. Tuttavia molti dati non sono immediatamente estraibili dalla documentazione cartacea presentata dalle stesse imprese. Il metodo migliore per monitorare le informazioni contenute nelle pieghe delle documentazione è quello di estrarre conoscenza dal contenuto testuale dei documenti. I recenti strumenti del knowledge mining comprendono una base di dati, una base di conoscenza, strumenti per l’analisi di dati e per l’apprendimento induttivo di nuove regole. Si tratta, quindi, di strumenti particolarmente adatti e promettenti in situazioni in cui la conoscenza è frutto dell’indivisibile insieme di dati strutturati e non strutturati e richiede un modello di interpretazione dello specifico contesto aziendale. Questo tipo di tecnologie consentono di dedurre il modello da un limitato insieme di documenti e dati e di applicarlo in modo induttivo all’intero universo di dati, con successivi e continui affinamenti del modello stesso basato su tecniche di machine learning. Nel seminario verranno illustrati i primi risultati ottenuti attraverso l’utilizzo di questi strumenti innovativi.