secretariat@faa.unibuc.ro Program cu publicul:
Luni - Joi: Orele 12-14

DRUICĂ Elena Nolica

Școala doctorală de Științe Administrative

Google Scholar Profile: https://scholar.google.com/citations?view_op=list_works&hl=en&user=pwqDKYIAAAAJ

Contact: Această adresă de email este protejată contra spambots. Trebuie să activați JavaScript pentru a o vedea.

 

Bio

Dr. Elena Druică este profesor de statistică aplicată și metode de cercetare științifică în cadrul Universității din București. Domeniile sale de interes științific se poziționează la intersecția dintre economia comportamentală și psihologia economică pe de o parte și a aplicării acestor domenii pentru îmbunătățirea serviciilor de sănătate publică pe de altă parte. Dr. Elena Druică este expert asociat al Autorității Naționale de Management al Calității în Sănătate și un colaborator permanent al Alianței Pacienților Cronici din România, împreună cu care a derulat multiple proiecte relevante pentru fundamentarea de politici publice. 

Activitatea de cercetare se concentrează în jurul influenței valorilor individuale asupra înclinației cetățenilor de a adopta politici și recomandări, cu un accent specific asupra comportamentelor de sănătate. Dr. Elena Druică a predat și predă cursuri de statistică aplicată atât în domeniul statisticii clasice cât și al celei Bayesiene, metode de cercetare științifică și politici bazate pe dovezi. A fost abilitată în 2021 la Universitatea Babeș-Bolyai din Cluj, cu o teză cu titlul „Behavioral Data Science for Health and Wellbeing Research”.

Dr. Elena Druică a predat ca profesor invitat la Universitatea Luneburg din Germania (nivel licență), la Universitatea „Carlo-Bo” din Urbino, Italia (nivel doctorat) și la Universitatea Sapienza din Roma (nivel licență), în toate cele trei cazuri cursurile vizând competențele aflate la intersecția dintre statistica aplicată și economia comportamentală. Dr. Elena Druică oferă de asemenea programe de formare profesională în domeniul analizei de date, atât în mediul intern, românesc, cât și în mediul internațional. 

 Teme propuse :

1.Information avoidance: sources, mechanisms, and consequences in public health and wellbeing contexts / Evitarea informației: surse, mecanisme și consecințe în contexte de sănătate publică și de bunăstare individuală.
2.Economic evaluation of cognitive biases consequences on (health) prevention campaigns / Evaluare economică a consecințelor biasurilor cognitive asupra rezultatelor campaniilor de prevenție (prioritar este interesul acordat programelor de sănătate publică)
3.Behavioral economics in public (health) contexts: the role of decisional heuristics and cognitive biases in helping/hindering policy formulation and/or implementation / Economie comportamentală în contexte de sănătate/politică publică: rolul euristicilor decizionale și al biasurilor cognitive ca elemente d support / bariere în formularea și implementarea de politici (de sănătate) publică
4.Sampling bias in public policy evaluation: sources, effects, and correction methodologies (concrete applications to screening campaigns are of interest) / Biasul de selecție în evaluarea politicilor publice: surse, efecte și metode de corecție (sunt prioritare aplicațiile la campaniile de screening)
5.Analytic models for decision-making in (health) economic evaluation / Modele analitice de luare a deciziilor pentru evaluare economică (cu prioritate, dar fără a fi limitate la sănătate publică).
6. Consumers and consumerism in the area of public good and services/ Consumatori și consumerism în domeniul serviciilor și bunurilor publice

 Bibliografie recomandată:

1. Barbour, J. B., Rintamaki, L. S., Ramsey, J. A., & Brashers, D. E. (2012). Avoiding health information. Journal of health communication, 17(2), 212-229.
2. Battaglio Jr, R. P., Belardinelli, P., Bellé, N., & Cantarelli, P. (2019). Behavioral public administration ad fontes: A synthesis of research on bounded rationality, cognitive biases, and nudging in public organizations. Public Administration Review, 79(3), 304-320.
3. Bellé, N., Cantarelli, P., & Belardinelli, P. (2018). Prospect theory goes public: Experimental evidence on cognitive biases in public policy and management decisions. Public Administration Review, 78(6), 828-840.
4. Bojke, L., Claxton, K., Sculpher, M., & Palmer, S. (2009). Characterizing structural uncertainty in decision analytic models: a review and application of methods. Value in Health, 12(5), 739-749.
5. Bourguignon, F., Fournier, M., & Gurgand, M. (2007). Selection bias corrections based on the multinomial logit model: Monte Carlo comparisons. Journal of Economic surveys, 21(1), 174-205.
6. Collins, B. K., & Kim, H. J. (2009). Are satisfied citizens willing to pay more? Public sector consumerism as equitable social exchange. Public Money & Management, 29(2), 109-116.
7. Cortes, C., Mohri, M., Riley, M., & Rostamizadeh, A. (2008, October). Sample selection bias correction theory. In International conference on algorithmic learning theory(pp. 38-53). Berlin, Heidelberg: Springer Berlin Heidelberg.
8. Cuddeback, G., Wilson, E., Orme, J. G., & Combs-Orme, T. (2004). Detecting and statistically correcting sample selection bias. Journal of Social Service Research, 30(3), 19-33.
9. Golman, R., Hagmann, D., & Loewenstein, G. (2017). Information avoidance. Journal of economic literature, 55(1), 96-135.
10. Hough, D. E. (2013). Irrationality in health care: what behavioral economics reveals about what we do and why. Stanford University Press.
11. Kahneman, D. (2011). Thinking, fast and slow, Penguin (November 3, 2011)
12. McKee, M., & Stuckler, D. (2010). How cognitive biases affect our interpretation of political messages. Bmj, 340.
13. Sanderson, C., & Gruen, R. (2006). Analytical models for decision-making. McGraw-Hill Education (UK).
14. Saposnik, G., Redelmeier, D., Ruff, C. C., & Tobler, P. N. (2016). Cognitive biases associated with medical decisions: a systematic review. BMC medical informatics and decision making, 16(1), 1-14.
15. Seshia, S. S., Makhinson, M., Phillips, D. F., & Young, G. B. (2014). Evidence‐informed person‐centered healthcare part I: Do ‘cognitive biases plus’ at organizational levels influence quality of evidence?. Journal of Evaluation in Clinical Practice, 20(6), 734-747.
16. Siebenhaar, K. U., Köther, A. K., & Alpers, G. W. (2020). Dealing with the COVID-19 infodemic: Distress by information, information avoidance, and compliance with preventive measures. Frontiers in psychology, 11, 2981.
17. Sweeny, K., Melnyk, D., Miller, W., & Shepperd, J. A. (2010). Information avoidance: Who, what, when, and why. Review of general psychology, 14(4), 340-353.
18. Thaler, R. H., & Sunstein, C. R. (2012) Nudge: Improving decisions about health, wealth, and happiness, Penguin; 1st edition (October 4, 2012)
19. Zadrozny, B. (2004, July). Learning and evaluating classifiers under sample selection bias. In Proceedings of the twenty-first international conference on Machine learning(p. 114).
20. Vella, F. (1998). Estimating models with sample selection bias: a survey. Journal of Human Resources, 127-169.
21. Winship, C., & Mare, R. D. (1992). Models for sample selection bias. Annual review of sociology, 18(1), 327-350.