Da secoli, si assiste a fenomeni migratori di studenti che accedono alle università maggiormente reputate. Se il ruolo della reputazione nella scelta universitaria non rappresenta un fattore di novità, non si può sostenere altrettanto per la definizione delle sue misure, tema di ricerca [1] che è diventato molto attuale anche alla luce dei nuovi criteri valutativi ai quali saranno sottoposte le sedi universitarie.

Dalla reputazione aziendale a quella accademica

La letteratura scientifica sul tema della reputazione accademica è molto carente sia dal punto di vista della definizione delle dimensioni che la compongono sia per quanto concerne i modelli per la sua misurazione. Per questi motivi si può fare riferimento agli studi che in molteplici campi disciplinari, come per esempio l’economia politica, il management strategico, l’organizzazione aziendale e la sociologia, hanno approfondito il concetto di reputazione di un’azienda. Pur non esistendo, anche in questo caso, una definizione condivisa, si riscontra tuttavia il consenso tra gli studiosi riguardo tre caratteristiche chiave del costrutto, che ne influenzano in modo significativo le modalitàModalitàIl modo in cui si manifestano i caratteri o le variabili sulle unità osservate (es. per lo stato civile: nubile, coniugato, divorziato; per l'età: 15,18,55,...). di misurazione (Fombrun e Van Riel, 1997).

In primo luogo, la reputazione prende forma nella mente dei portatori di interesse di un’organizzazione e deriva dalla percezione dello status e del prestigio di cui quest’ultima gode. È importante inoltre tenere presente che ogni giudizio individuale attraverso una fitta rete di scambio e di relazioni tende ad aggregarsi e a cristallizzarsi in giudizi collettivi. La reputazione è dunque al contempo il frutto di processi percettivi individuali e di socializzazione delle percezioni, finalizzati alla costruzione di opinioni condivise e del consenso sociale.

In secondo luogo, la reputazione è un concetto dinamico, che nasce dalla storia dell’azienda stessa poiché si basa sulla coerenza e sulla continuità nel tempo dei suoi attributi e dei suoi comportamenti. Il fattore tempo offre un ulteriore vantaggio alle imprese poiché gli studiosi hanno dimostrato che, anche quando i soggetti ricevono segnali informativi incoerenti rispetto ai giudizi consolidati nel tempo, entra in gioco un cosiddetto effetto “alone” che genera resistenza al cambiamento del proprio giudizio e quindi limita i potenziali danni a livello economico.

In terzo luogo, tutti gli studi accademici enfatizzano l’importanza delle variabili di contesto nell’influenzare la qualità del giudizio complessivo dei soggetti nei confronti delle aziende. Un’impresa ha infatti una buona reputazione quando è legittimata ad agire dal contesto in cui opera, ovvero quando i valori che esprime, le attività che svolge e le norme di comportamento che condivide sono ritenute accettabili dal sistema sociale in cui agisce (Gotsi, Wilson, 2001).

Dalle riflessioni finora emerse e relative al contesto aziendale, è possibile estrapolare alcuni aspetti che caratterizzano la reputazione di un’università: a) non è un concetto univocamente definito; b) non è direttamente misurabile; c) non coincide solo con la qualità del processo formativo; d) non coincide solo con i virtuosismi gestionali che potrebbero caratterizzare alcune sedi universitarie; e) non coincide solo con la fiducia e le aspettative, dato che queste ultime sono, a loro volta, dimensioni strettamente soggettive condizionanti il processo di formazione delle percezioni sull’istituzione accademica. Alla stessa stregua di quanto avviene per le aziende, non esiste una sola reputazione di una sede universitaria ma ve ne sono tante quanti sono i soggetti che nutrono interessi in essa, come per esempio studenti, famiglie, enti di finanziamento, dipendenti (personale docente e amministrativo), aziende. Ognuno di essi potrebbe essere interessato a risultati diversi e soprattutto intervenire in differenti momenti decisionali. Ad esempio, per gli studenti potrebbe avere una forte valenza il processo di selezione al momento dell’immatricolazione mentre le famiglie potrebbero avere una maggiore attenzione al buon rapporto tra qualità e prezzo del servizio; le aziende potrebbero invece ritenere rilevante il numero di laureati in un anno, al fine di configurare le offerte di stage.

Reputazione accademica: limiti delle misure attuali e nuove proposte

Le dinamiche appena descritte condizionano la genesi e lo sviluppo della reputazione di un’istituzione accademica e non possono essere adeguatamente rilevate attraverso le classifiche di indicatori che si sono imposti all’attenzione della stampa negli ultimi periodi. Tali classifiche non forniscono in realtà una misura della reputazione delle università, ma indicano soltanto la posizione di una sede universitaria in riferimento all’aspetto espresso dall’indicatore utilizzato. La tematica della modalitàModalitàIl modo in cui si manifestano i caratteri o le variabili sulle unità osservate (es. per lo stato civile: nubile, coniugato, divorziato; per l'età: 15,18,55,...). di costruzione e di sintesi degli indicatori e, quindi, delle classifiche, è stata ampliamente trattata da altri autori (Marasini, 2008; Biolcati Rinaldi et al., 2008); vale la pena, comunque, aggiungere la rilevanza di un ulteriore aspetto spesso trascurato: quello connesso all’età dell’ateneo che, in fase di comparazione, può portare a risultati distorti.

La misura della reputazione in realtà necessita di un modello molto più complesso, capace di cogliere diverse implicazioni. In virtù della sua natura intangibile o latente sarebbe auspicabile ricorrere all’impiego delle diverse metodologie statistiche multivariate sviluppate proprio per l’individuazione delle cosiddette variabili latenti. Il processo di scelta delle metodologie è condizionato, come ben noto, dal livello di misura (scale di misura) del fenomeno in esame e dalle ipotesi distribuzionali formulate sulle stesse variabili latenti.

Il nostro lavoro ipotizza che la reputazione sia assimilabile a una variabile latente di tipo continuo per cui il ventaglio di scelte metodologiche si restringe ai modelli di tipo LISREL, basati sulle strutture di covarianza o al Partial Least Squares-Path Modeling (PLS-PM).

Le due metodologie forniscono gli stessi risultati sotto ipotesi restrittive e sono accomunate dall’esplicitazione sia del modello strutturale sia di quello di misura. Il modello di misura fa riferimento all’insieme delle relazioni che legano le variabili osservate (le xi della figura 1) a quelle latenti (nel nostro caso una singola variabile latente, R1), mentre il modello strutturale riguarda l’insieme delle relazioni che si sviluppano tra variabili latenti. nell’ambito del modello di misura, l’impostazione può essere di tipo formativo o di tipo riflessivo (figura 1).

Tradizionalmente i modelli di misura riflessivi (a sinistra nella figura 1) partono dal presupposto che per poter misurare un costrutto latente necessitano almeno tre variabili osservabili fortemente correlate tra loro e legate alla variabile latente attraverso il coefficiente λ (ipotesi di base dei modelli fattoriali). Sono detti riflessivi poiché il costrutto latente si “riflette” nelle variabili osservate, selezionate per la sua misura. Curtis e Jackson (1962), e in seguito Blalock (1964), prendendo spunto dall’osservazione che non sempre la correlazione positiva tra le variabili osservate sia la condizione necessaria per assicurare una plausibile quantificazione del costrutto latente in esame contestarono tale ipotesi e proposero in alternativa il modello di misura denominato formativo, a destra nella figura 1. Secondo questo approccio la determinazione delle variabili latenti deriva da una combinazione lineare delle variabili osservate collegate a ciascun costrutto latente per mezzo di pesi, γ. Si denomina formativo proprio perché le variabili osservate contribuiscono a formare il concetto latente.

I due schemi sono concettualmente molto diversi: nel primo si parte dall’idea che un insieme di variabili osservate correlate tra loro positivamente possa essere la spiegazione di un costrutto latente. Nel secondo caso un qualsiasi costrutto latente, come la reputazione dell’accademia, è il risultato finale di una combinazione lineare delle variabili osservate, che non necessariamente devono essere correlate positivamente, mentre sono i cambiamenti registrati nelle variabili osservate a determinare cambiamenti nel costrutto latente analizzato.

Figura 1 . Modelli di misura per la reputazione 

Fonte: Diamantopolus (1999)

Il modello REPAC.

Il nostro lavoro, tuttora in corso, propone una soluzione di tipo formativo con un modello, di seguito denominato REPAC, che prende le mosse dallo schema concettuale di Vidaver-Cohen (2007), in cui la reputazione dell’accademia è una dimensione latente composta a sua volta da altre dimensioni latenti: performance, servizi, leadership, governance, ambiente di lavoro, citizenship, innovazione. La reputazione così formata determina (o si riflette attraverso) poi le componenti soggettive di fiducia e di credibilità, anche esse costrutti latenti. Poiché le dimensioni latenti del modello di Vidaver-Cohen non si adattano in modo esauriente alla realtà degli studenti italiani, il REPAC lo modifica escludendo le dimensioni soggettive e quelle connesse alla citinzenship e all’ambiente di lavoro (figura 2).

La prima fase di verifica del modello è legata alla esplicitazione e validazione del modello di misura, articolata in diversi momenti che vanno dall’impianto dell’analisi qualitativa sino alla conferma delle dimensioni ipotizzate.

Si è operato come segue:

1. conduzione di quattro focus group,
2. generazione delle domande,
3. creazione del questionario,
4. due indagini pre-test per i controlli di validità e affidabilità (alfa di Cronbach pari allo 0.94) i cui risultati hanno portato a modificare alcuni item e la scala di misura associata.
5. strumento di misura definitivo composto da 39 item rilevati su una scala da 0 a 10 con etichette semantiche, testato sia presso università statali (Univ. Milano-Bicocca e Univ. Cagliari) sia presso una università non statale (Iulm) attraverso distinte indagini campionarie (campione a due stadi per tutte e 3 le strutture).

I primi risultati hanno confermato quanto ipotizzato nel modello in figura 2, ossia che la reputazione dell’accademia è composta da un denominatore comune che riguarda l’innovazione della didattica, la performance, il complesso mondo dei servizi erogati dall’università e la governance della stessa.

Questo risultato è stato ottenuto chiedendo agli studenti intervistati di pensare a una università ideale e non alla propria ed è singolare come le valutazioni di studenti iscritti non solo ad università diverse ma anche corsi di laurea differenti abbiano evidenziato la presenza di dimensioni comuni.

Questo è solo l’inizio del lungo processo di costruzione di un indicatore composito della reputazione dell’accademia, sebbene il nostro studio ci consenta di affermare che gli studenti nutrono poche incertezze sul significato di reputazione accademica.

Per saperne di più

Blalock H.M. (1964) Casual Inferences in Non-experimental Research, Chapel Hill, NC: University of North Carolina Press

Biolcati Rinaldi F., Checchi D., Guglielmetti C., Salini S., Turri M. (2008) Ranking e valutazione: il caso delle classifiche delle università, Rassegna italiana di valutazione, n. 41

Bollen K.A., Lennox R. (1991) Conventional Wisdom on Measurement: A Structural Equation Perspective Psychological Bulletin, 110:305-14.

Chin W. (1998) The Partial Least Squares Approach to Structural Equation Modeling, in Marcoulides G.A., Modern Methods for Business Research, , Ed.Lawrence Erlbaum Associates, New Jersey

Curtis R.F., Jackson E.F. (1962) Multiple indicators in survey research, American Journal of Sociology, 68: 195-204 Diamantopoulos A. (1999) Viewpoint – Export performance measurement: reflective versus formative indicators, International Marketing Review, 16(6), 444-457

Esposito Vinzi V., Trinchera L., Squillacciotti S., Tenenhaus M. (2008) REBUS-PLS: A response-based procedure for detecting unit segments PLS path modelling, Applied Stochastic Models in Business and Industry, 24:439–458

Fombrun C., Van Riel C. (1997) Reputational landscape, Corporate Reputation Review, 1(1) 5-13

Goldberger A. S. (1972). Structural Equation Methods in the Social Sciences. Econometrica, Vol.40, pp. 979-1001, Gotsi M., Wilson A.M. (2001) Corporate reputation: seeking a reputation, Corporate communications: an international Journal, 6(1), 24-30

Guglielmetti C., Checchi D., Biolcati Rinaldi F., Turri M., Salini S. (2008) Le classifiche delle Università: il caso Censis-La Repubblica, SIS Magazine, 3 luglio.

Marasini D. (2008) La doppia identità delle statistiche, Sis Magazine, 25 settembre

Tenenhaus M., Hanafi, M. (2006) A bridge between PLS Path Modelling and Multi-Block Data Analysis. In Handbook of Partial Least Squares (PLS): Concepts, Methods and Applications, V. Esposito Vinzi, J. Henseler, W. Chin, H. Wang, (Eds), Volume II in the series of the Handbooks of Computational Statistics, Springer Verlag Heidelberg - Berlin

Vidaver-Cohen D. (2007) Reputation Beyond the Rankings: a Conceptual Framework for Business School Research, Corporate Reputation Review, 10 (4): 278-304.

Gli Autori

Emma Zavarrone (emma.zavarrone __AT__ iulm.it)

Emma Zavarrone è Professore Associato di Statistica Sociale presso l’Università IULM.

Stefania Romenti (stefania.romenti __AT__ iulm.it)

Stefania Romenti è ricercatrice in Economia e gestione delle Imprese presso l’Università IULM.