In breve

Il mio principale interesse di ricerca è legato allo studio e sviluppo di nuovi metodi e tecniche statistiche per l’analisi dei fake data nelle misure di autovalutazione (es., nei questionari di autovalutazione). Nello specifico lo studio degli effetti dei fake data sui risultati statistici è particolarmente rilevante in tutti quei settori dove un analista si trovi ad indagare dati o variabili osservate in contesti sensibili (ad esempio, nello studio dei comportamenti sessuali a rischio, delle dipendenze da stupefacenti, dei processi di comunicazione delle preferenze politiche, dei processi di selezione del personale). Sfortunatamente, i metodi e le tecniche statistiche di tipo tradizionale non permettono di gestire l’eventuale compresenza di misure corrotte da processi di faking nei dati da analizzare. Di qui la necessità di sviluppare nuovi metodi e tecniche statistiche per gestire ed analizzare questa tipologia complessa di dati (fake data).

Una seconda linea di ricerca riguarda lo studio e proposta di nuovi modelli formali per la rappresentazione dei processi cognitivi superiori come, ad esempio, i processi induttivi e i processi di classificazione. Nello specifico, il mio interesse è legato allo sviluppo di modelli cognitivi su base statistico/probabilistica per l’analisi delle componenti motorie di alcuni processi dinamici associati a compiti di classificazione, decision-making, e comprensione del linguaggio. Infine, sono anche interessato ai modelli cognitivi per la descrizione dei processi implicati nei compiti di semantica cognitiva.

Linee di ricerca

• Analisi e modellamento dei fake data
• Modelli probabilistici dei processi cognitivi superiori
• Psicologia matematica e psicometria

Pubblicazioni selezionate

Scientific articles:

• Calcagni' A., Lombardi L., & Sulpizio S. (2017). Analysing spatial data from mouse tracker methodology: An entropic approach. Behavior Research Methods, 1-19. Online first article.
• Lombardi L. & Pastore M. (2016). Robust evaluation of fit-indices to fake-good perturbation of ordinal data. Quality & Quantity, 50, 2651-2675. 
• Calcagni' A. & Lombardi L. (2014). Dynamic Fuzzy Rating Tracker (DYFRAT): A novel methodology for modeling real-time dynamic cognitive processes in rating scales. Applied Soft Computing, 24, 948-961.
• Lombardi L. & Pastore M. (2014). sgr: A package for simulating conditional fake ordinal data. The R Journal, 6(1), 164-177.
• Lombardi L. & Pastore M. (2012). Sensitivity of fit indices to fake perturbation of ordinal data: A sample by replacement approach. Multivariate Behavioral Research, 47, 519-546.
• Kemp C., Chang K-M. & Lombardi L. (2010). Category and feature identification. Acta Psychologica, 133, 216-233.
• Crupi V., Tentori K. & Lombardi L. (2009). Pseudodiagnosticity revisited. Psychological Review, 116, 971-983.
• Lombardi L. & Sartori G. (2007). Models of relevant cue integration in name retrieval. Journal of Memory and Language, 57, 101-125.
• Van Mechelen I., Lombardi L., & Ceulemans E., (2007). Hierarchical classes modeling of rating data. Psychometrika, 72, 475-488.
• Sartori G., & Lombardi L. (2004). Semantic relevance and semantic disorders. Journal of Cognitive Neuroscience, 16 439-452.

Website

Maggiori informazioni sulla pagina web: Luigi Lombardi