Developing Smart Port Readiness: The Roles of Workforce Competency, Training, and Inter-Organisational Collaboration

Sintesi Tecnica: Sviluppo della Prontezza per i Porti Intelligenti (Smart Port)

Definizione del Problema
La rapida digitalizzazione delle operazioni portuali sotto il paradigma dell'Industria 4.0 ha creato un disconnessione critica tra i risultati dell'istruzione marittima e i requisiti della forza lavoro per i porti intelligenti. Mentre i porti investono massicciamente in automazione, digital twin e cybersecurity, le pipeline del capitale umano rimangono frammentate. La letteratura esistente soffre di tre limitazioni primarie: (1) le competenze sono studiate in modo isolato, separando le abilità trasversali (soft skills) dalla competenza digitale-regolatoria; (2) i modelli assumono percorsi lineari e diretti dalle competenze alla prontezza, ignorando i meccanismi di attivazione (specificamente la qualità della formazione) necessari per convertire il potenziale latente in capacità dimostrabile; e (3) il campo commette una "fallacia dell'antecedente", trattando la collaborazione industria-accademia come un predittore diretto dei risultati piuttosto che come un fattore condizionale che modella la forza della traduzione delle competenze. Questo studio affronta tali lacune investigando come le abilità trasversali e la competenza digitale-regolatoria influenzino la prontezza dei laureati, testando specificamente il ruolo mediatore della qualità della formazione e il ruolo moderatore dell'intensità della collaborazione.

Metodologia
Lo studio impiega un disegno di ricerca quantitativo, trasversale, basato su un'epistemologia positivista. I dati sono stati raccolti tramite sondaggio da 388 stakeholder del settore marittimo, inclusi studenti, personale operativo portuale, manager, accademici e professionisti provenienti da diverse tipologie organizzative (autorità portuali, società di navigazione, istituzioni educative e organismi di regolamentazione). La strategia di campionamento ha utilizzato un campionamento intenzionale stratificato seguito da un campionamento a valanga (snowball sampling) per mitigare il bias derivante da una singola fonte.

L'analisi ha utilizzato il Modello di Equazioni Strutturali con Minimi Quadrati Parziali (PLS-SEM) tramite SmartPLS 4.0. Questo approccio è stato selezionato per la sua orientazione predittiva, la capacità di gestire dati non normali e l'idoneità per modelli complessi che coinvolgono moderazione e mediazione. Il modello concettuale integra la Teoria del Capitale Umano, la Teoria delle Capacità Dinamiche e la Teoria dei Sistemi Sociotecnici. Esso postula:

• Variabili Indipendenti: Abilità Trasversali (TS) e Competenza Digitale e Regolatoria (DRC).
• Mediatore: Qualità della Formazione Orientata all'Industria (QIT).
• Moderatore: Intensità della Collaborazione Industria-Accademia (IACI).
• Variabile Dipendente: Prontezza dei Laureati per l'Industria dei Porti Intelligenti (GRSPI).

I controlli di robustezza hanno incluso valutazioni del bias del metodo comune (test del fattore singolo di Harman, test di collinearità completa e test della variabile marker), validità discriminante (Fornell-Larcker, HTT e cross-loadings) e multicollinearità (VIF). Il modello ha dimostrato un ottimo adattamento (SRMR < 0,05) e un'elevata rilevanza predittiva ($Q^2 > 0,70$).

Risultati Chiave
Il modello strutturale ha spiegato il 74,9% della varianza nella prontezza dei laureati ($R^2 = 0,749$). I risultati supportano le seguenti ipotesi:

1. Effetti Diretti: Sia le Abilità Trasversali ($\beta=0,272, p<0,001$) che la Competenza Digitale e Regolatoria ($\beta=0,201, p<0,001$) influenzano in modo significativo e positivo la prontezza dei laureati. In particolare, le abilità trasversali hanno dimostrato un effetto diretto leggermente superiore rispetto alla competenza digitale-regolatoria.
2. Mediazione: La Qualità della Formazione Orientata all'Industria (QIT) funge da mediatore parziale significativo.
   • Le TS influenzano positivamente la QIT ($\beta=0,636$), che a sua volta influenza la GRSPI ($\beta=0,313$). L'effetto indiretto delle TS sulla GRSPI tramite la QIT è 0,199.
   • La DRC influenza positivamente la QIT ($\beta=0,510$), che influenza la GRSPI. L'effetto indiretto della DRC sulla GRSPI tramite la QIT è 0,160.
   • Circa il 42–44% dell'effetto totale delle competenze sulla prontezza è mediato attraverso la qualità della formazione.
3. Moderazione: L'Intensità della Collaborazione Industria-Accademia (IACI) agisce come un moderatore positivo, significativo ma modesto, per entrambi i percorsi.
   • L'interazione di IACI × TS sulla GRSPI è significativa ($\beta=0,088, p<0,001$) con una dimensione dell'effetto ridotta ($f^2=0,034$).
   • L'interazione di IACI × DRC sulla GRSPI è significativa ($\beta=0,097, p<0,001$) con una dimensione dell'effetto ridotta ($f^2=0,040$).
   • Ciò indica che, sebbene la collaborazione rafforzi la traduzione delle competenze in prontezza, essa opera come una condizione di contorno piuttosto che come un driver diretto, evidenziando prove di rendimenti decrescenti a livelli di intensità più elevati.

Significatività e Contributi
Il documento rivendica tre contributi primari alla ricerca e alla pratica dell'istruzione marittima:

1. Avanzamento Teorico: Lo studio sfida la narrativa della "collaborazione come panacea" dimostrando empiricamente che l'intensità della collaborazione è una condizione di contorno (moderatore) piuttosto che un antecedente diretto della prontezza. Inoltre, estende la Teoria del Capitale Umano convalidando che le competenze richiedono l'attivazione attraverso la qualità della formazione per diventare produttive, anziché operare come driver diretti di produttività.
2. Novità Empirica: Questo è il primo studio a testare simultaneamente le abilità trasversali e la competenza digitale-regolatoria all'interno di un unico modello di mediazione moderata per la prontezza dei porti intelligenti. Il lavoro va oltre la narrativa "digital-first" mostrando che le abilità trasversali sono ugualmente, se non leggermente più, critiche per i ruoli portuali onshore.
3. Implicazioni Pratiche: I risultati suggeriscono un riorientamento strategico delle risorse.
   • Per gli Educatori: I programmi di studio dovrebbero bilanciare le soft skills e la formazione tecnica, con un focus sulla qualità della formazione orientata all'industria (realismo, rilevanza ed esperienza dei docenti) piuttosto che sul semplice aumento della frequenza della collaborazione.
   • Per i Decisori Politici: I finanziamenti dovrebbero dare priorità ai programmi di certificazione congiunta e agli standard di qualità per le infrastrutture di formazione, piuttosto che a obiettivi prescrittivi di intensità di collaborazione (ad esempio, richiedere l'input dell'industria per ogni corso), poiché i dati suggeriscono rendimenti decrescenti oltre livelli di collaborazione moderati.
   • Per i Datori di Lavoro: Le pratiche di assunzione dovrebbero dare priorità alle abilità trasversali di risoluzione dei problemi, con l'aggiornamento digitale fornito successivamente, poiché il modello indica che queste abilità trasversali hanno un effetto totale maggiore sulla prontezza.

Lo studio conclude che la prontezza per i porti intelligenti non si ottiene accumulando competenze o firmando protocolli d'intesa, ma attivando le competenze trasversali e digitali-regolatorie attraverso una formazione di alta qualità orientata all'industria, con la collaborazione strategica che funge da catalizzatore piuttosto che da soluzione in sé.