Programma: PNRR M4C2 – Investimento 1.1 PRIN 2022
Settore ERC: SH - Social Sciences and Humanities
Codice progetto: 2022Z85NCT – CUP: B53D23019750006
Responsabile scientifico: Prof.ssa Cristina Mollica
Capofila: UNIVERSITÀ DEGLI STUDI DEL SALENTO
Partner (Altre Unità): Università degli Studi di BARI A.Moro e l'Università degli Studi di Roma "La Sapienza"
Contributo Totale progetto: € 359.849,00
Contributo per l’Ateneo: € 103.715,00
Durata: 24 mesi (dal 17/10/2023 al 16/10/2025)
Abstrac
Violence against women (VAW) remains one of the most devastatingly pervasive forms of human rights violation that, paraphrasing modern times, conforms to a submerged social pandemic spread all over the world. Data quality is an essential prerequisite for providing a better understanding of the nature, magnitude and severity of the problem. However, the full extent of VAW is difficult to estimate, since the phenomenon is mostly hidden and data are substantially under-reported, showing only a fraction of the real
entity of the problem. Aiming at suitably addressing this social threat, in this project we seek effective statistical procedures for an appropriate handling of misreported information, that is, any intentional or accidental distortion in the data collected, as a crucial point to preserve the validity of the evidence-based learning process. It is recognized, in fact, that the crude analysis of data affected by misreporting leads to biased and inconsistent statistical inferences, that not only return a deceptive picture of the social phenomenon, but result in poorly informed and inadequate decisions. The information system on gender-based violence of the Italian National Strategic Plan on Male Violence Against Women provides us with data from two main sources: registries and sample surveys. Survey micro data are the key to define a detailed profile of the social phenomenon and to give evidence of the potential misreporting, but are costly and may lack timeliness. On the other hand, registry (administrative) data and nonprobability samples represent an important cost-effective source of information to assess the performance of public services in facing the violence issue, and to monitor trends over time. However, they may be affected by multiple sources of error as well, including measurement and reporting errors. Starting from a systematic review of the state-of-the-art, we propose some statistical methodological advances for the treatment of misreporting. We rely on a hierarchical approach in which the misreporting mechanism is modeled according to auxiliary information such as geographical, social and cultural patterns, as well as temporal and spatial correlation structures. We also propose integrated use of registry and survey data, by embedding survey microdata as a proxy of the real prevalence and incidence rates to be used for adjusting registry information. Such a data source integration may significantly help to outline the full extent of gender-based violence in a more objective, accurate and insightful manner. In support to the general mission of official statistics providers, our research can hence effectively contribute to lead the understanding of critical and sensitive social phenomena on the right path, which is of paramount importance for decision makers to plan adequate surveillance practices, interventions and propose recommendations.
La violenza contro le donne (VAW) rimane una delle forme più devastanti e pervasive di violazione dei diritti umani che, parafrasando i tempi moderni, si configura come una pandemia sociale sommersa, diffusa in tutto il mondo. La qualità dei dati è un prerequisito essenziale per fornire una migliore comprensione della natura, della portata e della gravità del problema. Tuttavia, la piena estensione della VAW è difficile da stimare, poiché il fenomeno è per lo più nascosto e i dati sono sostanzialmente sotto-dichiarati, mostrando solo una frazione della reale entità del problema. Con l'obiettivo di affrontare adeguatamente questa minaccia sociale, in questo progetto cerchiamo procedure statistiche efficaci per gestire in modo appropriato le informazioni erroneamente riportate, ossia qualsiasi distorsione intenzionale o accidentale nei dati raccolti, come punto cruciale per preservare la validità del processo di apprendimento basato sull'evidenza. È riconosciuto, infatti, che l'analisi grezza dei dati influenzati da errori di segnalazione porta a inferenze statistiche distorte e incoerenti, che non solo restituiscono un'immagine ingannevole del fenomeno sociale, ma portano a decisioni poco informate e inadeguate. Il sistema informativo sulla violenza di genere del Piano Strategico Nazionale Italiano sulla Violenza Maschile Contro le Donne ci fornisce dati provenienti da due fonti principali: registri e indagini campionarie. I microdati delle indagini sono fondamentali per definire un profilo dettagliato del fenomeno sociale e per evidenziare eventuali errori di segnalazione, ma sono costosi e potrebbero mancare di tempestività. D'altra parte, i dati dei registri (amministrativi) e i campioni non probabilistici rappresentano una fonte di informazione importante ed economicamente vantaggiosa per valutare la performance dei servizi pubblici nell'affrontare il problema della violenza e per monitorarne le tendenze nel tempo. Tuttavia, anch'essi possono essere affetti da molteplici fonti di errore, inclusi errori di misurazione e di segnalazione. A partire da una revisione sistematica dello stato dell'arte, proponiamo alcuni avanzamenti metodologici statistici per il trattamento degli errori di segnalazione. Ci basiamo su un approccio gerarchico in cui il meccanismo di errore di segnalazione viene modellato secondo informazioni ausiliarie come schemi geografici, sociali e culturali, nonché strutture di correlazione temporale e spaziale. Proponiamo inoltre l'uso integrato dei dati di registro e delle indagini, incorporando i microdati delle indagini come proxy per i tassi reali di prevalenza e incidenza da utilizzare per la rettifica delle informazioni di registro. Tale integrazione delle fonti di dati potrebbe aiutare significativamente a delineare l'intera estensione della violenza di genere in modo più obiettivo, accurato e approfondito. A sostegno della missione generale dei fornitori di statistiche ufficiali, la nostra ricerca può quindi contribuire efficacemente a indirizzare la comprensione dei fenomeni sociali critici e sensibili nella giusta direzione, il che è di fondamentale importanza per i decisori politici al fine di pianificare adeguate pratiche di sorveglianza, interventi e proporre raccomandazioni.
Workshop VAW 2024
Violence against women: misreported information and other challenges in modelling social data
The Workshop VAW 2024 is the first meeting organized within the framework of the PRIN-2022 project titled Violence against women: modelling misreported information in social data, funded by the Italian Ministry of University and Research.
Zoom link is here.
Registration (free of charge) using the form avaible here.
Parole chiave:
Mortality change; Tempo effects; Economic recession; Health policy; Causes of death