Immigration in Italy is a phenomenon of great social importance, the year 2023 registered one of the highest number of migrant arrivals on Italian territory ever, most of whom applied for international protection. The juridical process for obtaining it is articulated and requires the collaboration of several entities, among which the Immigration Section of the Courts stands out, it has the duty to ensure that applicants for international protection receive the right assessment. The objective of this thesis is to develop a methodology that allows for the systematic analysis of the performance of the justice delivered by the Milan Immigration Section, one of the 17 operating in Italy. Estimating the quality of justice service is complex, both because of the numerous elements that affect it and because of the difficulty in expressing it numerically. To achieve this purpose, in this thesis the data provided by the Court of Milan are examined through the use of process mining techniques: a set of methods belonging to the broader field of data science that allows for the systematic analysis of data generated by the computerized documentation of processes. These techniques make it possible to render schematically the progress of processes, validate their compliance with set standards, highlight critical issues and thus enable their improvement. Overall, it offers the possibility of monitoring the juridical load and its progress over time. Moreover, a machine learning model is also developed and discussed with the goal of predicting the total duration of the cases at their beginnings. In summary, this thesis aims to develop a standardized methodology to monitor the juridical load and performance of the Immigration Section in order to improve its efficiency.

L’immigrazione in Italia è un fenomeno di grande rilevanza sociale, nell’anno 2023 si è registrato uno dei più elevati numeri di arrivi di migranti sul suolo Italiano di sempre, la maggior parte dei quali ha presentato domanda di protezione internazionale. Il procedi mento giuriduco per il suo ottenimento è articolato e richiede la collaborazione di diverse entità, tra le quali spicca la Sezione Immigrazione dei Tribunali, l’ente che ha il compito di assicurare la giusta valutazione ai richiedenti di protezione internazionale. L’obiettivo di questa tesi è elaborare una metodologia che consenta l’analisi sistematica della perfor mance dalla Sezione Immigrazione di Milano, una delle 17 operanti in Italia. Misurare la qualità del servizio di giustizia è complesso, sia per la pluralità di dimensioni che vi con tribuiscono, sia per la difficoltà nella sua quantificazione. Per raggiungere questo scopo, in questa tesi i dati forniti dal Tribunale di Milano vengono esaminati mediante l’uso di tecniche di process mining: un insieme di metodi appartenenti al più vasto ambito di data science che permette di analizzare sistematicamente i dati generati dalla documen tazione informatica dei processi. Queste tecniche permettono di rendere schematicamente l’andamento dei processi, di validarne la conformità rispetto a degli standard prefissati, di evidenziare le criticità e quindi permettere il miglioramento degli stessi. In complesso quindi offre la possibilità di monitorare il carico giudiziare e il suo svolgimento nel corso del tempo. Viene inoltre sviluppato e discusso un modello di apprendimento automatico con l’obbiettivo di predirre la durata della totale dei processi. In sintesi, questa tesi si propone di sviluppare una metodologia standardizzata che permetta il monitoraggio del carico giudiziario e delle performance della Sezione Immigrazione per poterne migliorare l’efficienza.

Milan Court of justice immigration section processes analysis

Liuzzo, Gabriele
2022/2023

Abstract

Immigration in Italy is a phenomenon of great social importance, the year 2023 registered one of the highest number of migrant arrivals on Italian territory ever, most of whom applied for international protection. The juridical process for obtaining it is articulated and requires the collaboration of several entities, among which the Immigration Section of the Courts stands out, it has the duty to ensure that applicants for international protection receive the right assessment. The objective of this thesis is to develop a methodology that allows for the systematic analysis of the performance of the justice delivered by the Milan Immigration Section, one of the 17 operating in Italy. Estimating the quality of justice service is complex, both because of the numerous elements that affect it and because of the difficulty in expressing it numerically. To achieve this purpose, in this thesis the data provided by the Court of Milan are examined through the use of process mining techniques: a set of methods belonging to the broader field of data science that allows for the systematic analysis of data generated by the computerized documentation of processes. These techniques make it possible to render schematically the progress of processes, validate their compliance with set standards, highlight critical issues and thus enable their improvement. Overall, it offers the possibility of monitoring the juridical load and its progress over time. Moreover, a machine learning model is also developed and discussed with the goal of predicting the total duration of the cases at their beginnings. In summary, this thesis aims to develop a standardized methodology to monitor the juridical load and performance of the Immigration Section in order to improve its efficiency.
ING - Scuola di Ingegneria Industriale e dell'Informazione
19-dic-2023
2022/2023
L’immigrazione in Italia è un fenomeno di grande rilevanza sociale, nell’anno 2023 si è registrato uno dei più elevati numeri di arrivi di migranti sul suolo Italiano di sempre, la maggior parte dei quali ha presentato domanda di protezione internazionale. Il procedi mento giuriduco per il suo ottenimento è articolato e richiede la collaborazione di diverse entità, tra le quali spicca la Sezione Immigrazione dei Tribunali, l’ente che ha il compito di assicurare la giusta valutazione ai richiedenti di protezione internazionale. L’obiettivo di questa tesi è elaborare una metodologia che consenta l’analisi sistematica della perfor mance dalla Sezione Immigrazione di Milano, una delle 17 operanti in Italia. Misurare la qualità del servizio di giustizia è complesso, sia per la pluralità di dimensioni che vi con tribuiscono, sia per la difficoltà nella sua quantificazione. Per raggiungere questo scopo, in questa tesi i dati forniti dal Tribunale di Milano vengono esaminati mediante l’uso di tecniche di process mining: un insieme di metodi appartenenti al più vasto ambito di data science che permette di analizzare sistematicamente i dati generati dalla documen tazione informatica dei processi. Queste tecniche permettono di rendere schematicamente l’andamento dei processi, di validarne la conformità rispetto a degli standard prefissati, di evidenziare le criticità e quindi permettere il miglioramento degli stessi. In complesso quindi offre la possibilità di monitorare il carico giudiziare e il suo svolgimento nel corso del tempo. Viene inoltre sviluppato e discusso un modello di apprendimento automatico con l’obbiettivo di predirre la durata della totale dei processi. In sintesi, questa tesi si propone di sviluppare una metodologia standardizzata che permetta il monitoraggio del carico giudiziario e delle performance della Sezione Immigrazione per poterne migliorare l’efficienza.
File allegati
File Dimensione Formato  
Milan Court of Justice Immigration Section Processes Analysis.pdf

accessibile in internet per tutti

Descrizione: Testo della tesi
Dimensione 6.34 MB
Formato Adobe PDF
6.34 MB Adobe PDF Visualizza/Apri
Executive Summary Milan Court of Justice Immigration Section Processes Analysis.pdf

accessibile in internet per tutti

Descrizione: Executive Summary
Dimensione 564.21 kB
Formato Adobe PDF
564.21 kB Adobe PDF Visualizza/Apri

I documenti in POLITesi 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/10589/214854