Premio
Il CESMA è orgoglioso di annunciare che Stefano Blando e la prof. Iezzi hanno vinto il premio "2026 VADISTAT – Per Simona Balbi Young Award".
Stefano Blando, cesmino della XII edizione, è stato insignito del premio "2026 VADISTAT – Per Simona Balbi Young Award" il 10 luglio 2026 a Palermo, nel corso della cerimonia di chiusura della 18ª Conferenza Internazionale JADT – Journées internationales d'Analyse statistique des Données Textuelles.
Il premio, istituito dall'Associazione VADISTAT per onorare la memoria della professoressa Simona Balbi, viene assegnato al miglior contributo scientifico presentato da giovani studiosi under 35 nel campo dell'analisi statistica dei dati testuali.
Stefano Blando ha ricevuto il riconoscimento per il lavoro A Multi-Method Validation Framework for Large-Scale Multilingual Text Analytics, sviluppato in collaborazione con la professoressa Domenica Fioredistella Iezzi dell'Università degli Studi di Roma Tor Vergata e docente del Master CESMA.
Il contributo scientifico
Lo studio affronta una delle questioni metodologiche più rilevanti nel campo della text analytics: quando possiamo considerare affidabili i risultati dell'analisi automatica dei testi?
Per rispondere a questo interrogativo, gli autori propongono un framework di validazione fondato sul concetto di pattern invarianti rispetto al metodo, ossia risultati che emergono in modo consistente indipendentemente dalla tecnica di analisi adottata.
Il framework integra due livelli complementari di validazione:
- validazione intra-metodo, che misura la riproducibilità dei risultati attraverso procedure di cross-validation e analisi di Procrustes;
- validazione inter-metodo, che confronta i risultati ottenuti mediante diciotto differenti approcci di analisi, comprendenti modelli semantici, tecniche di sentiment analysis, algoritmi di clustering e metodi di analisi relazionale.
La metodologia è stata validata su un corpus di 999.152 recensioni multilingue in cinque lingue, rappresentando una delle più ampie sperimentazioni comparative realizzate finora nel settore.
I risultati dimostrano che oltre il 95% della variabilità osservata è spiegata dal contenuto dei testi, mentre meno del 3% è attribuibile alla scelta della metodologia di analisi. Ciò evidenzia come i risultati realmente robusti tendano a emergere indipendentemente dallo specifico approccio computazionale utilizzato.
Lo studio mostra inoltre che, pur raggiungendo BERT la migliore accuratezza (91,3%), metodi consolidati come Support Vector Machine (89,1%) e Regressione Logistica (88,7%) garantiscono prestazioni molto simili, con costi computazionali fino a ventinove volte inferiori. Il framework proposto offre quindi alla comunità scientifica criteri operativi per distinguere risultati affidabili da possibili artefatti metodologici e per orientare la scelta degli strumenti più appropriati nell'analisi dei dati testuali.
La ricerca è stata realizzata utilizzando un ampio corpus di recensioni multilingue messo a disposizione dal Prof. Massimo Regoli, dovente del Master CESMA, prematuramente scomparso nel settembre 2025.