DATA, INFORMATION AND SOCIETY 2: DATA JOURNALISM

Anno accademico
2022/2023 Programmi anni precedenti
Titolo corso in inglese
DATA, INFORMATION AND SOCIETY 2: DATA JOURNALISM
Codice insegnamento
ECC083 (AF:435051 AR:239824)
Modalità
In presenza
Crediti formativi universitari
6
Livello laurea
Corso Ordinario Primo Livello
Settore scientifico disciplinare
SECS-S/01
Periodo
II Semestre
Anno corso
1
Sede
VENEZIA
Spazio Moodle
Link allo spazio del corso
Il corso è un'introduzione al data storytelling, l'arte di combinare data science e narrativa. Gli studenti impareranno le abilità essenziali per analizzare, visualizzare e riassumere i dati e come utilizzare tali abilità per raccontare storie.
La regolare e attiva partecipazione alle attività didattiche offerte dal corso e ad attività di ricerca autonoma consentirà agli studenti di:
1. (conoscenza e comprensione)
- conoscere e comprendere gli strumenti di data science di base per il giornalismo
2. (applicare conoscenza e comprensione)
applicare autonomamente gli strumenti di data science di base per estrarre e sintetizzare informazioni
3. (esprimere giudizi)
- formulare giudizi autonomi sulla validità e fattibilità degli strumenti di data science di base e comprenderne l'impatto nel data journalism
Si presume che lo studente abbia raggiunto gli obiettivi didattici del corso Introduzione al Coding (https://www.unive.it/data/insegnamento/435050 ) anche se non è formalmente richiesto il superamento dell'esame. È importante che gli studenti abbiano una solida familiarità con i concetti di base del coding con R.
Il programma del corso prevede la presentazione e la discussione dei seguenti argomenti:
1) Data wrangling
2) Visualizzazione dei dati
3) Analisi dei dati
4) Casi studio
- Letture e materiali distribuiti durante il corso tramite Moodle
- A. B. Tran (2018). R for Journalism. Online course. https://learn.r-journalism.com
- H. Wickham and G. Grolemund (2016). R for data science. O’Reilly Media. https://r4ds.had.co.nz
1) partecipazione attiva alle lezioni (20% del voto finale)
2) prova intermedia (30% del voto finale)
2) progetto finale che consiste nella scrittura e presentazione di un articolo data-driven (50% del voto finale)
Lezioni frontali teoriche convenzionali integrate da esercitazioni, discussione di casi studio e laboratori informatici. Il materiale didattico preparato dal docente sarà distribuito durante il corso attraverso la piattaforma Moodle. Il software statistico utilizzato nel corso è R (www.r-project.org)
scritto e orale
Programma definitivo.
Data ultima modifica programma: 19/12/2022