UNITesi

Il presente lavoro di tesi illustra la progettazione e lo sviluppo del Framework H-XAI, un Sistema di Supporto Decisionale (DSS) basato sull'Intelligenza Artificiale Spiegabile (Explainable AI). L'obiettivo è superare il limite della "scatola nera" tipico dei modelli predittivi, fornendo a istituzioni e aziende uno strumento etico e trasparente per identificare precocemente i rischi comportamentali. Il software integra algoritmi di Machine Learning supervisionato (Random Forest) e non supervisionato (Isolation Forest), ed è stato validato sperimentalmente su tre domini critici: il Dropout accademico, il Burnout aziendale e la Ludopatia nel Crypto-Gambling

DECISION SUPPORT SYSTEMS ED EXPLAINABLE AI: SVILUPPO DI UN FRAMEWORK PREDITTIVO MULTICONTESTO PER LA VALUTAZIONE E MITIGAZIONE DEI RISCHI COMPORTAMENTALI.

AMORUSO, ORAZIO
2025/2026

Abstract

Il presente lavoro di tesi illustra la progettazione e lo sviluppo del Framework H-XAI, un Sistema di Supporto Decisionale (DSS) basato sull'Intelligenza Artificiale Spiegabile (Explainable AI). L'obiettivo è superare il limite della "scatola nera" tipico dei modelli predittivi, fornendo a istituzioni e aziende uno strumento etico e trasparente per identificare precocemente i rischi comportamentali. Il software integra algoritmi di Machine Learning supervisionato (Random Forest) e non supervisionato (Isolation Forest), ed è stato validato sperimentalmente su tre domini critici: il Dropout accademico, il Burnout aziendale e la Ludopatia nel Crypto-Gambling
2025
DECISION SUPPORT SYSTEMS AND EXPLAINABLE AI: DEVELOPMENT OF A MULTI-CONTEXT PREDICTIVE FRAMEWORK FOR THE ASSESSMENT AND MITIGATION OF BEHAVIORAL RISKS
Explainable AI (XAI)
Machine Learning
Lauree triennali
File in questo prodotto:
File Dimensione Formato  
Politecnico_di_Bari___Tesi_Orazio_Amoruso.pdf

non disponibili

Dimensione 1.1 MB
Formato Adobe PDF
1.1 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/68226