SLANZI Debora

Position
Researcher
Telephone
041 234 7423
E-mail
debora.slanzi@unive.it
Fax
041 234 7444
Scientific sector (SSD)
STATISTICA [SECS-S/01]
Website
www.unive.it/persone/debora.slanzi (personal record)
Office
Department of Management
Website: https://www.unive.it/dep.management
Where: San Giobbe
Office
European Center for Living Technology (ECLT)
Research Institute
Research Institute for Complexity

Dati relazione

Periodo di riferimento
01/05/2018 - 30/04/2021
Afferenza
Dipartimento di Management
Ruolo
Ricercatori Universitari
A.A.InsegnamentoCodice VotoVoto medio area
2017/2018DATA ANALYSIS FOR BUSINESS DECISIONSEM40263.43.1
2017/2018STATISTICAET00603.23.1
2018/2019METODI STATISTICI PER LA BUSINESS ANALYSISEM40213.43.1
2018/2019STATISTICAET00603.33.1
2018/2019STATISTICAL MODELS FOR MANAGEMENT STUDIESPHD015
Anno solareTipologiaTesi RelatoreTesi Correlatore
2018Corso di laurea magistrale26
2019Corso di laurea4
2019Corso di laurea magistrale23
2020Corso di laurea magistrale12
  • DC-ren - Drug combinations for rewriting trajectories of renal pathologies in type II diabetes
  • Artificial proteins design
  • Energy efficient building design and renovation
  • Evolutionary design and optimization
  • Modelling high dimensional data
  • Modelling high dimensional data
  • Predictive analytics and social media analysis for business and management studies
  • Slanzi D.; Mameli V.; Brown P.J. (2021), A comparative study on high-dimensional bayesian regression with binary predictors in COMMUNICATIONS IN STATISTICS. SIMULATION AND COMPUTATION, vol. onlineFirst, pp. 1-21 (ISSN 0361-0918) (Articolo su rivista)
  • Mameli, Valentina; Slanzi, Debora; Poli, Irene; Green, Darren V S (2021), Search for relevant subsets of binary predictors in high dimensional regression for discovering the lead molecule in PHARMACEUTICAL STATISTICS, vol. onlineFirst, pp. 1-18 (ISSN 1539-1604) (Articolo su rivista)
  • Dagnew T.M.; Silvestri C.; Slanzi D.; Poli I. (2021), A Neural Network Model for Lead Optimization of MMP12 Inhibitors , Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) in LECTURE NOTES IN ARTIFICIAL INTELLIGENCE, Springer Science and Business Media Deutschland GmbH, vol. 12664, pp. 323-335, Convegno: ICPR 2021: Pattern Recognition. ICPR International Workshops and Challenges (ISBN 978-3-030-68798-4; 978-3-030-68799-1) (ISSN 0302-9743) (Articolo in Atti di convegno)
  • Simone Bogni, Debora Slanzi, Matteo Borrotti (2021), Q-learning Estimation Techniques for Dynamic Treatment Regime , Book of Short Papers SIS 2021, Pearson, pp. 578-583, Convegno: SIS 2021, 21-25 Giugno 2021 (ISBN 9788891927361) (Articolo in Atti di convegno)
  • Anzoise, Valentina; Slanzi, Debora; Poli, Irene (2020), Local stakeholders’ narratives about large-scale urban development: The Zhejiang Hangzhou Future Sci-Tech City in URBAN STUDIES, vol. 57, pp. 655-671 (ISSN 0042-0980) (Articolo su rivista)
  • Furlan E.; Slanzi D.; Torresan S.; Critto A.; Marcomini A. (2020), Multi-scenario analysis in the Adriatic Sea: A GIS-based Bayesian network to support maritime spatial planning in SCIENCE OF THE TOTAL ENVIRONMENT, vol. 703, pp. 134972 (ISSN 0048-9697) (Articolo su rivista)
  • Furlan, E.; Slanzi, D.; Torresan, S.; Critto, A.; Marcomini, A. (2020), Multi-scenario analysis in the Adriatic Sea: A GIS-based Bayesian network to support maritime spatial planning in SCIENCE OF THE TOTAL ENVIRONMENT, vol. 703 (ISSN 0048-9697) (Articolo su rivista)
  • Mameli, V.; Slanzi, D.; Poli, I. (2019), Estimating High-Dimensional Regression Models with Bootstrap group Penalties in A. Petrucci, F. Racioppi, R. Verde, New Statistical Developments in Data Science in SPRINGER PROCEEDINGS IN MATHEMATICS & STATISTICS, Cham, Springer, vol. 288, pp. 469-479 (ISBN 978-3-030-21158-5) (ISSN 2194-1009) (Articolo su libro)
  • Fano, Shira; Slanzi, Debora (2019), Evolution of Workers’ Behaviour in Dual Labor Markets , Artificial Life and Evolutionary Computation. WIVACE 2018. in COMMUNICATIONS IN COMPUTER AND INFORMATION SCIENCE, Springer, Cham, vol. 900, pp. 45-56 (ISBN 978-3-030-21732-7; 978-3-030-21733-4) (ISSN 1865-0929) (Articolo su libro)
  • Veronica Distefano, Irene Poli, Debora Slanzi (2019), Spatial statistical analysis of GDP growth in Zhejiang province , Pathways of Sustainable Urban Development across China, Imago Editor, pp. 38-48 (ISBN 978-88-94384-71-0) (Articolo su libro)
  • Slanzi, D.; Mameli, V.; Poli, I. (2019), Modelling properties of high-dimensional molecular systems in Arbia G.; Peluso, S; Pini A.; Rivellini G., Smart Statistics for Smart Applications, Pearson, pp. 525-532, Convegno: SIS 2019 (ISBN 9788891915108) (Articolo in Atti di convegno)
  • Francesca Checchinato; Fulvio Fortezza; Debora Slanzi (2019), The relationship between brand constructs and motivational patterns in crowdfunding decisions in Checchinato Francesca; Fulvio Fortezza; Debora Slanzi, Atti del XVI Convegno della Società Italiana di Marketing, Società Italiana di Marketing, Convegno: Marketing 4.0: le sfide della multicanalità, 24-25 ottobre (ISBN 978-88-943918-3-1) (Articolo in Atti di convegno)
  • Laura, Falchi; Debora, Slanzi; Eleonora, Balliana; Guido, Driussi; Elisabetta, Zendri (2018), Rising damp in historical buildings: A Venetian perspective in BUILDING AND ENVIRONMENT, vol. 131, pp. 117-127 (ISSN 0360-1323) (Articolo su rivista)
  • Slanzi, Debora; Anzoise, Valentina; Poli, Irene (2018), Modeling Urbanization Perception: Emerging Topics on Hangzhou Future Sci-Tech City Development , Artificial Life and Evolutionary Computation. in COMMUNICATIONS IN COMPUTER AND INFORMATION SCIENCE, Springer International Publishing, vol. 830, pp. 229-239 (ISBN 978-3-319-78657-5; 978-3-319-78658-2) (ISSN 1865-0929) (Articolo su libro)
  • Slanzi, Debora; Mameli, Valentina; Khoroshiltseva, Marina; Poli, Irene (2018), Multi-objective Optimization in High-Dimensional Molecular Systems , Artificial Life and Evolutionary Computation. WIVACE 2017. in COMMUNICATIONS IN COMPUTER AND INFORMATION SCIENCE, Springer International Publishing, vol. 830, pp. 284-295 (ISBN 978-3-319-78657-5; 978-3-319-78658-2) (ISSN 1865-0929) (Articolo su libro)
  • Slanzi, D.; Mameli, V.; Poli, I. (2018), On Bayesian high-dimensional regression with binary predictors: a simulation study in Antonino Abbruzzo, Eugenio Brentari, Marcello Chiodi e Davide Piacentino, Proceedings of the 49th Scientific Meeting of the Italian Statistical Society, Pearson, pp. 1-6, Convegno: 49th Scientific Meeting of the Italian Statistical Society, 20-22 June 2018 (ISBN 9788891910233) (Articolo in Atti di convegno)
  • Mameli Valentina, Slanzi Debora, Irene Poli (2018), On the estimation of high-dimensional regression models with binary covariates in Antonino Abbruzzo, Eugenio Brentari, Marcello Chiodi e Davide Piacentino, Proceedings of the 49th Scientific Meeting of the Italian Statistical Society, Pearson, pp. 1-6, Convegno: 49th Scientific Meeting of the Italian Statistical Society, 20-22 Giugno 2018 (ISBN 9788891910233) (Articolo in Atti di convegno)
  • (a cura di) Marcello Pelillo, Irene Poli, Andrea Roli, Roberto Serra, Debora Slanzi, Marco Villani (2018), Artificial Life and Evolutionary Computation. in COMMUNICATIONS IN COMPUTER AND INFORMATION SCIENCE, Springer International Publishing, vol. 830 (ISBN 978-3-319-78658-2; 978-3-319-78657-5) (ISSN 1865-0929) (Curatela)
L’attività di ricerca svolta nel periodo di riferimento ha contribuito allo sviluppo e al miglioramento di metodologie per la modellazione statistica di sistemi caratterizzati da alta dimensionalità.
In particolare, una linea di ricerca è stata dedicata allo sviluppo di approcci finalizzati alla previsione in ambito di medicina personalizzata dove è presente una forte eterogeneità individuale nella progressione della malattia così come nella risposta alla terapia, argomento principale di un progetto di ricerca europeo a cui collaboro.
I modelli considerati sono stati principalmente modelli di tipo non lineare: ho analizzato classi di modelli grafici probabilistici come le reti Bayesiane per stimare la forza delle relazioni di dipendenza e indipendenza tra le variabili che definiscono la malattia per sottogruppi di pazienti eterogenei al fine di individuare la rete di interconnessione che sussiste fra esse e la risposta del sistema specifica per i sottogruppi considerati. Sono state poi studiate metodologie di tipo Q-learning per individuare la terapia personalizzata.
In una seconda linea di ricerca, parallela alla precedente, ho affrontato problemi di scelta della variabili in sistemi complessi, andando a considerare metodologie Bayesiane e confrontando le principali peculiarità dei metodi più frequentemente utilizzati. Gli approcci sono stati valutati e confrontati in problemi legati alla definizione di nuove drugs in ambito biochimico.
Infine ho affrontato problemi di analisi legati al marketing e alla ricerca aziendale, applicando approcci statistici quali i modelli a equazioni strutturali (SEM) sviluppando una ricerca interdisciplinare che ha permesso la collaborazione con gruppi di altri settori disciplinari e di altre università mettendo in luce la necessità di sviluppare nuove metodologie problem-oriented in particolare nell’ambito dei sistemi complessi e Big Data.
Gli obiettivi futuri di ricerca saranno congruenti con le attività svolte, con l’obiettivo di contribuire allo sviluppo di metodi statistici efficaci ed efficienti per ridurre la dimensione del problema e fornire modelli previsivi per grandi dataset.
Partecipazione come relatore:
SIS 2018 - 49th Scientific Meeting of the Italian Statistical Society, 20-22 Giugno 2018, Palermo (IT). Titolo della presentazione: On Bayesian high-dimensional regression with binary predictors: a simulation study.

Partecipazione come relatore (presentazione invitata):
13esima Conferenza Nazionale di Statistica, 04-06 Luglio 2018.
Titolo della presentazione: Sviluppo della cultura statistica a scuola e all’università: buone pratiche dal territorio. Data Analysis con mIcro.STAT.

Partecipazione come relatore (poster session):
HDSD - High Dimensional Small Data, 19-20 Ottobre 2018, Università Ca' Foscari di Venezia (IT). Titolo del poster: On Bayesian high-dimensional regression with binary predictors: a simulation study.

Partecipazione come relatore (presentazione invitata):
SIS 2019 - Smart Statistics for Smart Applications, 18-21 Giugno 2019, Università Cattolica del Sacro Cuore, Milano (IT).
Titolo della presentazione: Modelling properties of high-dimensional molecular systems.

Partecipazione come relatore:
SIS 2021, 21-25 Giugno 2019, Università di Pisa (IT).
Titolo della presentazione: Q-learning estimation techniques for Dynamic Treatment Regime.
Partecipazione come relatore (seminario su invito):
Bridging the gap: innovative methods for text analysis in political science and IR, 27 Aprile 2021, University of Sheffield (UK).
Titolo del seminario: Combining methods for text analysis on urban development perception: a case from China’s medium-sized cities.
Membro di comitato organizzatore:
HDSD - High Dimensional Small Data, 19-20 Ottobre 2018, Università Ca' Foscari di Venezia (IT). https://www.unive.it/pag/34575
Tutor di assegno di ricerca bandito dal centro ECLT - European Centre for Living Technology. Assegnista: Tewodros Mulugeta Dagnew, Titolo dell'assegno: Modelli previsivi per dati ad alta dimensionalità.
dal 01-03-2019 al 29-02-2020.
Membro del Collegio Didattico del corso di laurea triennale in Economia Aziendale, Dipartimento di Management, Università Ca'Foscari di Venezia.
dal 21-10-2020 a oggi

Membro della Commissione organizzazione Sedute di Laurea, Dipartimento di Management, Università Ca'Foscari di Venezia.
dal 24-02-2021 a oggi
Dal 09 Settembre 2019 al 17 Dicembre 2019: congedo di maternità anticipata
Dal 18 Dicembre 2019 al 17 Marzo 2020: congedo di maternità obbligatorio
Dal 18 Marzo 2020 al 01 Maggio 2020: congedo parentale