ESTRAZIONE DI CONOSCENZA DAI MEDIA SOCIALI

L’insegnamento è una delle attività formative del Minor in Computer and Data Science e consente allo studente di acquisire la conoscenza e la comprensione dei principali strumenti in uso per l'analisi e l'estrazione di informazione dai dati.
L'obiettivo dell’insegnamento è fornire conoscenze di statistica descrittiva e di alcuni concetti di base dell'inferenza, nonché abilità nell’utilizzo di programmi specifici per l'analisi dei dati e la comunicazione delle informazioni ricavate.

Alla fine del corso, lo studente sarà in grado di applicare le metodologie di analisi più adatte al contesto e ai dati di interesse, con l'obiettivo di saper interpretare e comunicare i risultati ottenuti.

1. Conoscenza e comprensione:
- conoscere i principali strumenti per la rappresentazione grafica e la sintesi delle caratteristiche fondamentali di un insieme di dati
- conoscere alcuni concetti di base dell'inferenza statistica
- conoscere i principali strumenti per la reportistica di analisi statistiche

2. Capacità di applicare conoscenza e comprensione:
- saper utilizzare programmi specifici per l'analisi dei dati e per la comunicazione dei risultati
- saper utilizzare la terminologia adeguata in tutti i processi di applicazione e comunicazione delle conoscenze acquisite

3. Capacità di giudizio:
- saper contestualizzare le conoscenze acquisite, individuando i metodi più adeguati alla situazione di interesse

4. Abilità comunicative:
- saper presentare in modo chiaro ed esaustivo i risultati ottenuti da un'analisi statistica
- sapere interagire con i pari e con il docente, in modo critico e rispettoso, in presenza e sul forum dell’aula virtuale

5. Capacità di apprendimento:
- saper utilizzare ed integrare informazioni provenienti da appunti, libri, slide, sessioni pratiche di laboratorio e ricerche personali
- saper valutare la propria preparazione utilizzando quiz ed esercizi di autovalutazione assegnati durante il corso

Nozioni di matematica a livello di scuola superiore e abilità di base nell'uso del computer.

Il corso fornisce un'introduzione alla statistica, attraverso esempi pratici e casi di studio. Le prime due settimane del corso hanno lo scopo di introdurre agli studenti le tecniche più utilizzate per la sintesi e la rappresentazione grafica di un insieme di dati, oltre che il programma R (https://cloud.r-project.org/ ) e l'interfaccia di RStudio (https://www.rstudio.com/ ) per la sintesi, la rappresentazione e l'analisi dei dati e la reportistica finale. Nell'ultima settimana, vengono presentati e discussi in dettaglio alcuni casi studio in maniera molto approfondita. Le lezioni teoriche sono sempre motivate da esempi e applicazioni a problemi pratici di interesse in diversi ambiti.

Nello specifico, la parte statistica è composta da
- elementi di statistica descrittiva: popolazione e campione; tipi di variabili; rappresentazioni grafiche e indici sintetici; relazioni fra variabili
- cenni di incertezza stocastica: errore statistico e come si collega all'inferenza statistica
- introduzione ai metodi di regressione

Ismay, Chester & Kim, Albert. (2019). "Statistical Inference via Data Science: A ModernDive into R and the Tidyverse". Available at moderndive.com
Grolemund, Garrett, & Wickham, Hadley. (2017). "R for Data Science". Available at r4ds.had.co.nz

La verifica dell'apprendimento avviene tramite una prova scritta.

La prova consiste in un report statistico redatto in R su un caso di studio mai visto, ma scelto in modo da misurare
1. le conoscenze della teoria degli argomenti del corso,
2. la capacità di applicare la teoria per risolvere problemi reali.

Un punteggio complessivo che supera 30 punti corrisponde alla lode. Durante l’esame scritto è ammesso l’uso di libri, appunti o supporti elettronici, ma non è permessa la collaborazione tra gli studenti. Non sono ammessi altri software di reportistica eccetto R.
Un esempio di esame sarà reso disponibile in Moodle.

Lezioni in duale (le registrazioni delle lezioni sono garantite). Utilizzo della piattaforma Moodle per la verifica dell'apprendimento in itinere e per la condivisione del materiale del corso. Uso di programmi open source per l'analisi e la presentazione dei risultati.

scritto