Public policy in Italyan empirical analysis on local governments and occupations

Resumen

La investigación sobre políticas públicas ha sido un campo de rápido desarrollo entre las ciencias sociales durante muchas décadas. En este rápido desarrollo, el análisis de políticas alcanzó niveles de mayor comprensión del proceso de elaboración de políticas junto con la capacidad de proporcionar a los responsables de la toma de decisiones conocimientos fiables y relevantes sobre problemas económicos y sociales urgentes. Siguiendo a Dunn (1981), el análisis de políticas es "una disciplina de las ciencias sociales aplicadas que utiliza múltiples métodos de investigación y argumentos para producir y transformar información relevante para las políticas que puede utilizarse en entornos políticos para resolver problemas políticos". Además, aunque el asesoramiento político es tan antiguo como el gobierno, la sociedad moderna se enfrenta a una complejidad cada vez mayor que refuerza seriamente la necesidad de información de los responsables políticos. El entorno institucional de Italia es ideal para estudiar las políticas públicas, ya que tanto el entorno político como el mercado laboral han sufrido cambios drásticos en los últimos 30 años. Tras casi cincuenta años de sistema electoral proporcional, en 1991 Italia entró en un periodo de reforma de la ley electoral. Sin embargo, el debate es continuo e intenso en el intento de responder a la pregunta sobre cómo diseñar un sistema electoral que sea capaz de expresar los resultados políticos deseados en contraste con la rígida estructura de la Constitución. Del mismo modo, el mercado laboral italiano atravesó un proceso de liberalización desde finales del siglo pasado, cuando se promovieron una serie de reformas que apuntaban a las relaciones laborales de duración determinada, en un principio, y que luego pasaron a apuntar a los contratos indefinidos. Paralelamente, las últimas tecnologías de producción se caracterizan por una mayor digitalización (Brynjolfsson y McAfee, 2014) que a menudo se incluye en el debate político con el nombre de "Industria 4.0" y se ha relacionado con un cambio significativo hacia la llamada "fábrica inteligente" del futuro. La difícil crisis sanitaria, con todas sus consecuencias económicas y sociales, ha impactado en el país con un amplio abanico de problemas estructurales preexistentes, sobre los que es crucial mantener el foco, al margen de los nuevos caminos trazados por los efectos de la pandemia. El objetivo de esta tesis es analizar empíricamente el entorno institucional italiano tanto en el contexto de la competencia política como en la estructura ocupacional. En los siguientes capítulos, proponemos nuevos métodos para abordar cuestiones controvertidas en la literatura de la economía política y laboral. Hacemos uso del tradicional Diseño de Discontinuidad de la Regresión, tal y como lo enmarca D. S. Lee (2008) con una nueva herramienta de aleatorización para abordar la endogeneidad; ampliamos la aplicación de Matrix Completion, una técnica de aprendizaje automático desarrollada recientemente para evaluar el déficit de habilidades blandas en el mercado laboral; por último, adaptamos esta nueva formulación de Matrix Completion para hacer predicciones sobre las tendencias futuras del mercado laboral y las condiciones de trabajo tras la pandemia de Covid-19. El primer trabajo explora la relación entre las transferencias del Estado central a los municipios alineados políticamente y el efecto de estas transferencias en el consenso electoral local. Este estudio contribuye a la literatura empírica sobre los determinantes políticos de los picos de las transferencias centrales en periodos preelectorales y sobre los beneficios electorales de las medidas "pork barrel" para los políticos en activo. A pesar de que se han encontrado varias pruebas sólidas de que las transferencias fiscales intergubernamentales aumentan durante los años electorales, en el caso italiano los investigadores han investigado poco los incentivos políticos que hay detrás de estos aumentos o el éxito de estas transferencias para atraer votos. Nos centramos en los llamados municipios oscilantes, definidos como aquellos en los que la probabilidad de ganar es cercana a la mitad, analizando los datos de los municipios italianos de más de 15.000 habitantes, en el periodo 2007-2014. Desde un punto de vista empírico, todo intento de estimar el impacto causal de la alineación política sobre la cuantía de las transferencias federales es claramente complicado por cuestiones de endogeneidad. Sin una fuente creíble de variación exógena en la alineación política, la correlación empírica entre la alineación y las transferencias (si la hay) puede estar completamente impulsada por factores socioeconómicos que influyen en ambas dimensiones. Proponemos una nueva especificación del modelo para dar cuenta del problema de endogeneidad que surge al estimar el impacto causal del alineamiento político sobre las transferencias: el imprevisto cambio de gobierno que se produjo en 2011 tras la dimisión de Silvio Berlusconi y el posterior nombramiento de Mario Monti como primer ministro. Realizamos nuestra estimación empírica en dos pasos: primero, aplicamos la configuración RDD de carrera cerrada (Lee 2008) para evaluar el impacto de la alineación política en las transferencias. Los resultados del RDD muestran que los municipios alineados reciben más subvenciones, siendo este efecto más fuerte antes de las elecciones. En una segunda etapa empírica, realizamos una regresión lineal local de la probabilidad de reelección del titular local sobre las transferencias, incluyendo el término de error de la primera etapa para tener nuestro coeficiente de interés midiendo sólo el efecto de las transferencias impulsadas por la política sobre los resultados electorales, y concluimos que esta probabilidad aumenta a medida que aumentan las subvenciones. El segundo trabajo parte de la observación de los fenómenos más recientes en el mercado laboral nacional y extranjero: el progreso tecnológico se ha asociado a un desplazamiento de los empleos intensivos en habilidades cognitivas en favor de los empleos que requieren habilidades blandas, como la inteligencia social, la flexibilidad y la creatividad. Las habilidades blandas pueden definirse como habilidades interpersonales, humanas, de personas o de comportamiento necesarias para aplicar las habilidades y conocimientos técnicos en el lugar de trabajo. La naturaleza de las habilidades blandas hace que sean difícilmente sustituibles por el trabajo mecánico. Entre las habilidades blandas, la creatividad es una de las más difíciles de definir y codificar; por ello, las ocupaciones que requieren mucha creatividad han sido protegidas de la automatización. En nuestro trabajo, nos centramos en la creatividad, partiendo de su definición, para obtener datos significativos sobre qué perfiles profesionales en Italia pueden considerarse creativos y explorar su dinámica en el mercado laboral. Una posible definición analítica de la creatividad proviene del trabajo seminal de Edward De Bono. Según su investigación pionera en este campo, el pensamiento lateral está estrictamente relacionado con la creatividad y puede describirse en cuatro dimensiones 1) fluidez, como la capacidad de un sujeto de dar el mayor número posible de respuestas a una determinada pregunta; 2) flexibilidad, como el número de categorías a las que podemos reconducir estas preguntas; 3) originalidad: capacidad de expresar ideas nuevas e innovadoras; 4) procesamiento: capacidad de realizar concretamente las propias ideas. Aplicamos esta definición a la Encuesta sobre Ocupaciones (Indagine Campionaria sulle Professioni, ICP en adelante), realizada por el ISTAT y el INAPP en 2007 y 2013, el gemelo italiano del conjunto de datos estadounidense O*NET. La Encuesta de Ocupaciones, de hecho, presenta una lista de habilidades y competencias y se pide a los trabajadores que identifiquen aquellas que utilizan en el desempeño de su trabajo. Dentro de esta lista, identificamos 25 habilidades asociadas a la creatividad y formulamos un problema de optimización de Completar la Matriz (MC), como se discute teóricamente en Mazumder (2010). La compleción de la matriz es el ejercicio de reconstruir las entradas que faltan de una matriz, que generamos oscureciendo aleatoriamente el 10\%, el 25\% y el 50\% de las entradas de las columnas asociadas a las habilidades creativas, dada una fila fija (ocupación). En nuestro análisis, utilizamos una formulación del problema conocida como Minimización de la Norma Nuclear y lo resolvemos con el Algoritmo Soft Impute. Concluimos nuestro análisis sobre las habilidades sociales en nuestro tercer artículo, en el que analizamos los efectos de la pandemia de Covid-19 sobre las habilidades blandas en el contexto de las ocupaciones italianas, que operan en unos 100 sectores económicos. Hacemos uso de la información incluida en el ICP, la O*Net italiana, y simulamos el impacto de Covid-19 en aquellas características del lugar de trabajo y el estilo de trabajo que se vieron más gravemente afectadas por las medidas de cierre y las nuevas disposiciones sanitarias (proximidad física, discusiones cara a cara, trabajo a distancia, etc.). Simulamos tres posibles escenarios basados en la intensidad de los efectos de COVID-19 sobre algunas condiciones de trabajo, como el trabajo desde casa, el mantenimiento de la distancia física, etc. A continuación, aplicamos la finalización de la matriz, una técnica de aprendizaje automático utilizada en los sistemas de recomendación, con el fin de predecir los niveles de habilidades blandas necesarios para cada ocupación cuando las condiciones de trabajo cambian, ya que estos cambios podrían ser persistentes en un futuro próximo. Las profesiones que muestren una menor intensidad en el uso de habilidades blandas, con respecto a la predicha, se exponen a un déficit en su dotación de habilidades blandas, lo que en última instancia podría conducir a una menor productividad o a un mayor desempleo, potenciando así los efectos negativos de la pandemia. BIBLIOGRAFÍA Abadie, Alberto, Alexis Diamond, and Jens Hainmueller (2015). “Comparative politics andthe synthetic control method”. In:American Journal of Political Science59.2, pp. 495–510.Acemoglu, Daron and David Autor (2011). “Skills, tasks and technologies: Implications foremployment and earnings”. In:Handbook of labor economics. Vol. 4. Elsevier, pp. 1043–1171.Aidt, Toke S and Julia Shvets (2012). “Distributive politics and electoral incentives: Evi-dence from seven US state legislatures”. In:American Economic Journal: Economic Policy4.3, pp. 1–29.Alt, James, Ethan Bueno de Mesquita, and Shanna Rose (2011). “Disentangling accountabil-ity and competence in elections: evidence from US term limits”. In:The Journal of Politics73.1, pp. 171–186.Amabile, Teresa M (1983). “The social psychology of creativity: A componential conceptual-ization.” In:Journal of personality and social psychology45.2, p. 357.Amabile, Teresa M and Michael G Pratt (2016). “The dynamic componential model of cre-ativity and innovation in organizations: Making progress, making meaning”. In:Researchin organizational behavior36, pp. 157–183.Ansolabehere, Stephen and James M Snyder Jr (2006). “Party control of state governmentand the distribution of public expenditures”. In:Scandinavian Journal of Economics108.4,pp. 547–569.Arulampalam, Wiji et al. (2009). “Electoral goals and center-state transfers: A theoreticalmodel and empirical evidence from India”. In:Journal of Development Economics88.1,pp. 103–119.Athey, Susan et al. (2021). “Matrix completion methods for causal panel data models”. In:Journal of the American Statistical Association, pp. 1–15.Autor, David H (2014). “Skills, education, and the rise of earnings inequality among the“other 99 percent””. In:Science344.6186, pp. 843–851.Autor, David H, Frank Levy, and Richard J Murnane (2003). “The skill content of recenttechnological change: An empirical exploration”. In:The Quarterly journal of economics118.4, pp. 1279–1333.Baker, Scott R et al. (2020). “How does household spending respond to an epidemic? Con-sumption during the 2020 COVID-19 pandemic”. In:The Review of Asset Pricing Studies10.4, pp. 834–862.Bakhshi, Hasan and George Windsor (2015). “The creative economy and the future of em-ployment”. In:London: Nesta.Baldwin, Richard and B Weder Di Mauro (2020). “Economics in the time of COVID-19: Anew eBook”. In:VOX CEPR Policy Portal, pp. 2–3.Barbieri, Teresa, Gaetano Basso, and Sergio Scicchitano (2020). “COVID-19 epidemic: Italianworkers exposed to risk and the lockdown”. In:CEPR Vox. eu.65 Baron-Cohen, Simon Ed, Helen Ed Tager-Flusberg, and Donald J Cohen (2000).Understand-ing other minds: Perspectives from developmental cognitive neuroscience. Oxford UniversityPress.Barro, Robert J (1973). “The control of politicians: an economic model”. In:Public choice,pp. 19–42.Basadur, Min, George B Graen, and Stephen G Green (1982). “Training in creative problemsolving: Effects on ideation and problem finding and solving in an industrial researchorganization”. In:Organizational Behavior and human performance30.1, pp. 41–70.Beaudry, Paul, David A Green, and Benjamin M Sand (2016). “The great reversal in thedemand for skill and cognitive tasks”. In:Journal of Labor Economics34.S1, S199–S247.Berry, Christopher R, Barry C Burden, and William G Howell (2010). “The president and thedistribution of federal spending”. In:American Political Science Review104.4, pp. 783–799.Besley, Timothy and Anne Case (1995). “Does electoral accountability affect economic policychoices? Evidence from gubernatorial term limits”. In:The Quarterly Journal of Economics110.3, pp. 769–798.Bessen, James et al. (2020). “Firm-level automation: Evidence from the netherlands”. In:AEAPapers and Proceedings. Vol. 110, pp. 389–93.Bloom, Nicholas et al. (2015). “Does working from home work? Evidence from a Chineseexperiment”. In:The Quarterly Journal of Economics130.1, pp. 165–218.Boden, Margaret A (2004).The creative mind: Myths and mechanisms. Routledge.Bracco, Emanuele et al. (2015). “Intergovernmental grants as signals and the alignment ef-fect: Theory and evidence”. In:Journal of Public Economics123, pp. 78–91.Brender, Adi and Allan Drazen (2005). “Political budget cycles in new versus establisheddemocracies”. In:Journal of monetary Economics52.7, pp. 1271–1295.Brollo, Fernanda and Tommaso Nannicini (2012). “Tying your enemy’s hands in close races:the politics of federal transfers in Brazil”. In:American Political Science Review106.4, pp. 742–761.Brynjolfsson, Erik, John J Horton, et al. (2020).COVID-19 and remote work: an early look at USdata. Tech. rep. National Bureau of Economic Research.Brynjolfsson, Erik and Andrew McAfee (2014).The second machine age: Work, progress, andprosperity in a time of brilliant technologies. WW Norton & Company.Candes, Emmanuel J and Yaniv Plan (2010). “Matrix completion with noise”. In:Proceedingsof the IEEE98.6, pp. 925–936.Cand`es, Emmanuel J and Benjamin Recht (2009). “Exact matrix completion via convex opti-mization”. In:Foundations of Computational mathematics9.6, pp. 717–772.CARETTI, Paolo (1996). “SIERVO, Ugo De”. In:Istituzioni di Diritto Pubblico. 3ª ed. Torino: G.Giappichelli Editore.Carozzi, Felipe and Luca Repetto (2016). “Sending the pork home: Birth town bias in trans-fers to Italian municipalities”. In:Journal of Public Economics134, pp. 42–52.Castex, Gonzalo and Evgenia Kogan Dechter (2014). “The changing roles of education andability in wage determination”. In:Journal of Labor Economics32.4, pp. 685–710.Cirillo, Valeria et al. (2021). “Digitalization, routineness and employment: an exploration onItalian task-based data”. In:Research Policy50.7, p. 104079.Conti, Enrico, Laura Grassini, and Catia Monicolini (2020). “Tourism competitiveness of Ital-ian municipalities”. In:Quality & Quantity54.5, pp. 1745–1767.Cox, Gary W and Mathew D McCubbins (1986). “Electoral politics as a redistributive game”.In:The Journal of Politics48.2, pp. 370–389.66 Dalle Nogare, Chiara and Bj ̈orn Kauder (2017). “Term limits for mayors and intergovern-mental grants: Evidence from Italian cities”. In:Regional Science and Urban Economics64,pp. 1–11.De Bono, Edward and Efrem Zimbalist (1970).Lateral thinking. Penguin London.Deming, David J (2017). “The growing importance of social skills in the labor market”. In:The Quarterly Journal of Economics132.4, pp. 1593–1640.Dixit, Avinash and John Londregan (1996). “The determinants of success of special interestsin redistributive politics”. In:the Journal of Politics58.4, pp. 1132–1155.Domini, Giacomo et al. (2021). “Threats and opportunities in the digital era: automationspikes and employment dynamics”. In:Research Policy50.7, p. 104137.Doudchenko, Nikolay and Guido W Imbens (2016).Balancing, regression, difference-in-differencesand synthetic control methods: A synthesis. Tech. rep. National Bureau of Economic Re-search.Dunn, WN (1981). “Public Policy Analysis: An Introduction. Englewood Cliffs, New Jersey:Prentice-Hall”. In:Easton, Eliza and Jyldyz Djumalieva (2018). “Creativity and the future of skills”. In:Lon-don:[sn].Ferejohn, John (1986). “Incumbent performance and electoral control”. In:Public choice50.1,pp. 5–25.Frey, Carl Benedikt and Michael Osborne (2013). “The future of employment”. In:Frey, Carl Benedikt and Michael A Osborne (2017). “The future of employment: How sus-ceptible are jobs to computerisation?” In:Technological forecasting and social change114,pp. 254–280.Frigotto, M Laura and Massimo Riccaboni (2011). “A few special cases: scientific creativityand network dynamics in the field of rare diseases”. In:Scientometrics89.1, pp. 397–420.Gagliarducci, Stefano and M Daniele Paserman (2012). “Gender interactions within hierar-chies: evidence from the political arena”. In:The Review of Economic Studies79.3, pp. 1021–1052.Garry, John (2014). “Emotions and voting in EU referendums”. In:European Union Politics15.2, pp. 235–254.Geys, Benny and Jan Vermeir (2014). “Party cues in elections under multilevel governance:Theory and evidence from US states”. In:Journal of the European Economic Association12.4,pp. 1029–1058.Grossman, Philip J (1994). “A political theory of intergovernmental grants”. In:Public Choice78.3, pp. 295–303.Grzegorczyk, Monika et al. (2021).Blending the physical and virtual-a hybrid model for the futureof work. Tech. rep. Bruegel.Harrigan, James, Ariell Reshef, and Farid Toubal (2016).The march of the techies: Technology,trade, and job polarization in France, 1994-2007. Tech. rep. National Bureau of EconomicResearch.Hastie, Trevor et al. (2015). “Matrix completion and low-rank SVD via fast alternating leastsquares”. In:The Journal of Machine Learning Research16.1, pp. 3367–3402.Hendarman, Achmad Fajar and Uwe Cantner (2018). “Soft skills, hard skills, and individualinnovativeness”. In:Eurasian Business Review8.2, pp. 139–169.Hennessey, Beth A (2010). “The creativity—motivation connection.” In:Imbens, Guido and Karthik Kalyanaraman (2012). “Optimal bandwidth choice for the re-gression discontinuity estimator”. In:The Review of economic studies79.3, pp. 933–959.67 Imbens, Guido W and Donald B Rubin (2015).Causal inference in statistics, social, and biomed-ical sciences. Cambridge University Press.Katz, Lawrence F and Robert A Margo (2014). “Technical change and the relative demandfor skilled labor: The united states in historical perspective”. In:Human capital in history:The American record. University of Chicago Press, pp. 15–57.Khalid, Usman, Luke Emeka Okafor, and Katarzyna Burzynska (2021). “Does the size of thetourism sector influence the economic policy response to the COVID-19 pandemic?” In:Current Issues in Tourism, pp. 1–20.Kharkhurin, Anatoliy V (2014). “Creativity. 4in1: Four-criterion construct of creativity”. In:Creativity research journal26.3, pp. 338–352.Klami, Arto, Guillaume Bouchard, and Abhishek Tripathi (2013). “Group-sparse embed-dings in collective matrix factorization”. In:arXiv preprint arXiv:1312.5921.Koren, Mikl ́os and Rita Pet ̋o (2020). “Business disruptions from social distancing”. In:Plosone15.9, e0239113.Laker, Dennis R and Jimmy L Powell (2011). “The differences between hard and soft skillsand their relative impact on training transfer”. In:Human resource development quarterly22.1, pp. 111–122.Larcinese, Valentino, Leonzio Rizzo, and Cecilia Testa (2006). “Allocating the US federalbudget to the states: The impact of the president”. In:The Journal of Politics68.2, pp. 447–456.Lee, David S (2008). “Randomized experiments from non-random selection in US Houseelections”. In:Journal of Econometrics142.2, pp. 675–697.Lee, David S and Thomas Lemieux (2010). “Regression discontinuity designs in economics”.In:Journal of economic literature48.2, pp. 281–355.Lee, Peter (2019). “Soft skills and University-Industry Technology Transfer”. In:ResearchHandbook on Intellectual Property and Technology Transfer (2019, Forthcoming); UC Davis Le-gal Studies Research Paper Forthcoming.Levitt, Steven D and James M Snyder Jr (1995). “Political parties and the distribution offederal outlays”. In:American Journal of Political Science, pp. 958–980.Levy, Frank and Richard J Murnane (2012).The new division of labor. Princeton UniversityPress.Lindbeck, Assar and J ̈orgen W Weibull (1987). “Balanced-budget redistribution as the out-come of political competition”. In:Public choice52.3, pp. 273–297.Ma, Wei and George H Chen (2019). “Missing not at random in matrix completion: The effec-tiveness of estimating missingness probabilities under a low nuclear norm assumption”.In:arXiv preprint arXiv:1910.12774.Marangoni, Francesco (2012). “Technocrats in government: The composition and legislativeinitiatives of the Monti government eight months into its term of office”. In:Bulletin ofItalian politics4.1, pp. 135–149.Mas, Alexandre and Amanda Pallais (2020). “Alternative work arrangements”. In:AnnualReview of Economics12, pp. 631–658.Mazumder, Rahul, Trevor Hastie, and Robert Tibshirani (2010). “Spectral regularization al-gorithms for learning large incomplete matrices”. In:The Journal of Machine Learning Re-search11, pp. 2287–2322.McLaren, John and Su Wang (2020).Effects of reduced workplace presence on COVID-19 deaths:An Instrumental-variables approach.Tech. rep. National Bureau of Economic Research.Migueis, Marco (2013). “The effect of political alignment on transfers to Portuguese munici-palities”. In:Economics & Politics25.1, pp. 110–133.68 Mohajan, Haradhan (2016). “Sharing of tacit knowledge in organizations: A Review”. In:Mongey, Simon, Laura Pilossoph, and Alex Weinberg (2020).Which Workers Bear the Burdenof Social Distancing?Tech. rep. National Bureau of Economic Research.Mumford, Michael D (2003). “Where have we been, where are we going? Taking stock increativity research”. In:Creativity research journal15.2-3, pp. 107–120.Muzio, Edward et al. (2007). “Soft skills quantification (SSQ) Foi project manager competen-cies”. In:Project Management Journal38.2, pp. 30–38.Neffke, Frank and Martin Henning (2013). “Skill relatedness and firm diversification”. In:Strategic Management Journal34.3, pp. 297–316.Niu, Weihua and Robert Sternberg (2002). “Contemporary studies on the concept of creativ-ity: The East and the West”. In:The Journal of Creative Behavior36.4, pp. 269–288.Nordhaus, William D (1975). “The political business cycle”. In:The review of economic studies42.2, pp. 169–190.Oettinger, Gerald S (2011). “The incidence and wage consequences of home-based work inthe United States, 1980–2000”. In:Journal of Human Resources46.2, pp. 237–260.Al-Otaibi, Shaha T and Mourad Ykhlef (2012). “A survey of job recommender systems”. In:International Journal of Physical Sciences7.29, pp. 5127–5142.Prasarnphanich, Pattarawan, Brian D Janz, and Jignya Patel (2016). “Towards a better under-standing of system analysts’ tacit knowledge: A mixed method approach”. In:InformationTechnology & People.Premack, David and Guy Woodruff (1978). “Does the chimpanzee have a theory of mind?”In:Behavioral and brain sciences1.4, pp. 515–526.Rainsbury, Elizabeth et al. (2002). “Ranking workplace competencies: Student and graduateperceptions”. In:Recht, Benjamin (2011). “A Simpler Approach to Matrix Completion.” In:Journal of MachineLearning Research12.12.Remus, Dana and Frank S Levy (2016). “Can robots be lawyers”. In:Computers, lawyers, andthe practice of law27.Rogoff, Kenneth and Anne Sibert (1988). “Elections and macroeconomic policy cycles”. In:The review of economic studies55.1, pp. 1–16.Roser, Max et al. (2020). “Coronavirus pandemic (COVID-19)”. In:Our world in data.Runco, Mark A and Garrett J Jaeger (2012). “The standard definition of creativity”. In:Cre-ativity research journal24.1, pp. 92–96.Saltiel, Fernando (2020). “Who can work from home in developing countries”. In:CovidEconomics7.2020, pp. 104–118.Shah, Anwar and Robin Boadway (2006).Intergovernmental fiscal transfers: principles and prac-tice. The World Bank.Shi, Min and Jakob Svensson (2006). “Political budget cycles: Do they differ across countriesand why?” In:Journal of public economics90.8-9, pp. 1367–1389.Simonton, Dean Keith (2012). “Teaching creativity: Current findings, trends, and controver-sies in the psychology of creativity”. In:Teaching of Psychology39.3, pp. 217–222.Smart, Michael and Daniel M Sturm (2013). “Term limits and electoral accountability”. In:Journal of public economics107, pp. 93–102.Sol ́e-Oll ́e, Albert and Pilar Sorribas-Navarro (2008). “The effects of partisan alignment on theallocation of intergovernmental transfers. Differences-in-differences estimates for Spain”.In:Journal of Public Economics92.12, pp. 2302–2319.Sostero, Matteo et al. (2020).Teleworkability and the COVID-19 crisis: a new digital divide?Tech.rep. JRC working papers series on labour, education and technology.69 Sternberg, Robert J (1999).Handbook of creativity. Cambridge University Press.Sternberg, Robert J and Todd I Lubart (1995).Defying the crowd: Cultivating creativity in aculture of conformity.Free press.Tabellini, Guido and Torsten Persson (2003). “Do electoral cycles differ across political sys-tems?” In:Tang, Keow Ngang (2020). “The importance of soft skills acquisition by teachers in highereducation institutions”. In:Kasetsart Journal of Social Sciences41.1, pp. 22–27.Tucciarelli, Massimo (2014).Coaching e sviluppo delle soft skills. La scuola.Veiga, Linda Gonc ̧alves and Maria Manuel Pinho (2007). “The political economy of intergov-ernmental grants: Evidence from a maturing democracy”. In:Public Choice133.3, pp. 457–477.Verzichelli, Luca and Maurizio Cotta (2018). “Shades of technocracy: The variable use ofnon-partisan ministers in Italy”. In:Technocratic ministers and political leadership in Euro-pean democracies. Springer, pp. 77–110.Walia, Chetan (2019). “A dynamic definition of creativity”. In:Creativity Research Journal31.3,pp. 237–247.Weingast, Barry R, Kenneth A Shepsle, and Christopher Johnsen (1981). “The political econ-omy of benefits and costs: A neoclassical approach to distributive politics”. In:Journal ofpolitical Economy89.4, pp. 642–664.