Summer School in Futures Studies - 2026

Presentazione della Scuola Estiva

La Scuola Estiva Futures Studies: Data‑Driven & Statistical Approaches offre un’introduzione intensiva di tre giorni a teorie, metodi e strumenti pratici per esplorare e anticipare futuri possibili. Il programma combina basi concettuali e formazione metodologica applicata, guidando i partecipanti lungo l’intero processo anticipatorio, dallo scanning e dall’identificazione dei driver all’indagine Delphi, al clustering e allo sviluppo di scenari futuri.

La Scuola integra approcci quantitativi, qualitativi e anticipatori, con particolare attenzione al ruolo dei dati nel supportare pratiche strutturate di foresight. I partecipanti lavoreranno con metodi chiave quali Delphi, costruzione di scenari, clustering dei dati e semplici forme di ibridazione tra forecast e foresight.

Nel percorso formativo si sottolineerà l’importanza del rigore metodologico in contesti caratterizzati da incertezza, complessità, variabili lente e rapide, shock e pattern emergenti. Al termine dei tre giorni, i partecipanti avranno sviluppato una solida comprensione della relazione tra forecasting, foresight e decisione strategica, acquisendo competenze operative per sostenere processi anticipatori in ambito di ricerca, policy e organizzazioni.

Apprendimenti Attesi

Al termine del corso i partecipanti avranno sviluppato una solida comprensione dei principali concetti, metodi e strumenti analitici impiegati nei Futures Studies contemporanei. Attraverso una combinazione di lezioni, esercitazioni guidate e laboratori pratici, essi apprenderanno a:

·         Comprendere la differenza tra forecasting e foresight: i loro obiettivi, limiti e ruoli complementari nel lavoro anticipatorio.

·         Applicare metodi strutturati come Delphi, scanning e costruzione di scenari per esplorare questioni emergenti e incertezze di lungo periodo.

·         Utilizzare tecniche data‑driven, tra cui clustering e semplici forme di logica fuzzy, per identificare pattern nei giudizi esperti e negli input qualitativi.

·         Integrare previsioni e scenari attraverso forme di base di ibridazione forecast–foresight.

·         Tradurre risultati analitici in indicazioni strategiche, a supporto delle decisioni in contesti complessi e incerti.

Sviluppare scenari futuri narrativi e comunicare efficacemente gli esiti anticipatori mediante strumenti visivi, statistici e supportati dall’AI.

Competenze in Uscita

Al termine della Scuola Estiva i partecipanti saranno in grado di:

·         Distinguere forecasting e foresight e selezionare l’approccio più appropriato nei diversi contesti decisionali.

·         Progettare e condurre uno studio Delphi, dallo scanning alla costruzione degli item e all’interpretazione dei pattern di convergenza.

·         Applicare tecniche data‑driven come clustering, logica fuzzy e semplici forme di analisi di rete a dataset basati su giudizi esperti.

·         Costruire scenari strutturati utilizzando driver, incertezze e logiche narrative.

·         Integrare previsioni e scenari per supportare l’intelligenza anticipatoria e la pianificazione strategica.

·         Comunicare efficacemente gli output attraverso strumenti visivi, statistici e supportati dall’AI.

Destinatari

 

·         Studenti PhD

·         Ricercatori

·         Policy analysts

·         Data scientists

·         Professionisti di foresight & innovation

 

 

Conoscenze Preliminari

Si richiede una conoscenza di base dei concetti statistici e un interesse per i futures studies o l’analisi strategica. Non sono richieste competenze tecniche avanzate, ma è raccomandata una familiarità con l’interpretazione dei dati o con semplici strumenti analitici.


loghi in linea