SOCIAL NETWORK ANALYSIS

Il corso fornisce un’introduzione alla social network analysis e al suo ruolo nell'analisi di sistemi complessi. Attraverso un approccio teorico e pratico, il corso esplora metodi e tecniche per l’analisi di big data e la modellazione di reti sociali, con applicazioni in diversi ambiti.

L'insegnamento è progettato per fornire agli studenti una base metodologica e applicativa nell'analisi delle reti, preparando così a corsi più avanzati in data science, network science e analisi computazionale. Inoltre, il corso integra competenze complementari a discipline quali statistica, machine learning e programmazione, favorendo una formazione multidisciplinare nell'analisi dei dati complessi.

Conoscenza e comprensione:
- Comprendere i principi fondamentali della gestione, manipolazione, visualizzazione e interpretazione di grandi quantità di dati.
- Acquisire una conoscenza teorica e pratica della network science, con particolare attenzione alla modellizzazione e all’analisi delle reti.
- Conoscere le principali tecniche di analisi delle reti sociali, comprendendone le basi teoriche e i contesti applicativi.

Capacità di applicare conoscenza e comprensione:
- Applicare metodi e strumenti per la gestione e l’analisi di dati strutturati e non strutturati.
- Sviluppare ed eseguire analisi di reti sociali utilizzando software e linguaggi di programmazione adeguati.
- Interpretare criticamente i risultati delle analisi di rete e comunicarli in modo chiaro e rigoroso.

Capacità di apprendimento:
- Essere in grado di consultare e interpretare documentazione tecnica su strumenti di analisi delle reti.
- Sviluppare un approccio critico all’uso dei dati e alle metodologie di analisi delle reti, con la capacità di approfondire autonomamente nuovi strumenti e tecniche.

Si richiede una conoscenza di base dei seguenti argomenti:
- Programmazione: concetti fondamentali di programmazione strutturata e utilizzo di almeno un linguaggio di programmazione (es. Python).
- Statistica: elementi di statistica descrittiva, probabilità di base e nozioni essenziali di inferenza statistica.

- Introduzione alla teoria dei grafi
- Reti sociali
- Legami forti e deboli
- Omofilia e influenza sociale
- Dinamiche di rete
- Il fenomeno small-world
- Echo chambers e polarizzazione

(La lista dei contenuti potrebbe subire variazioni.)

Easley, David, and Jon Kleinberg. Networks, crowds, and markets. Cambridge University Press, 2010.
Barabási, Albert-László. Network Science. Cambridge University Press, 2016

L'esame finale è composto da una prova orale e dalla realizzazione di un progetto concordato con la docente.

1) Prova orale (30%)
La prova orale (circa 40 minuti) è suddivisa in due parti:
- Domande teoriche ed esercizi sugli argomenti trattati nel corso.
- Discussione del progetto precedentemente concordato con la docente.
La valutazione della prova orale si baserà su competenze espressive, correttezza del linguaggio e conoscenze teoriche.

2) Progetto (70%)
Gli studenti dovranno sviluppare un’analisi originale mettendo in pratica metodi, strumenti e tecniche affrontati durante il corso.
- Il progetto può essere svolto in gruppi di massimo due studenti.
- La valutazione del progetto terrà conto dell'accuratezza dello svolgimento secondo le linee guida e della complessità tecnica.

orale

Voti 18-21: Sufficiente
- Prova orale: Comprensione parziale degli argomenti teorici, espressione incerta con imprecisioni nel linguaggio. Risposte frammentarie o lacunose.
- Progetto: Rispetto minimo delle linee guida, analisi elementare con possibili errori metodologici. Complessità tecnica limitata, ma sufficiente a dimostrare un'applicazione basilare dei concetti trattati.

Voti 22-24: Discreto
- Prova orale: Risposte corrette ma non sempre approfondite, linguaggio adeguato ma con qualche imprecisione. Buona capacità di applicazione degli argomenti.
- Progetto: Analisi coerente con le linee guida, metodologia adeguata, ma senza particolare approfondimento o originalità. Complessità tecnica moderata.

Voti 25-27: Buono
- Prova orale: Risposte precise e ben argomentate, buon utilizzo del linguaggio tecnico, sicurezza nell’esposizione.
- Progetto: Analisi accurata e ben strutturata, applicazione solida di metodi e strumenti del corso. Complessità tecnica ben sviluppata con spunti di originalità.

Voti 28-30: Ottimo/Eccellente
- Prova orale: Risposte complete e articolate, ottima padronanza degli argomenti e utilizzo appropriato del linguaggio specialistico. Capacità di ragionamento critico e interdisciplinare.
- Progetto: Analisi approfondita e originale, rigorosa applicazione dei metodi con eventuali estensioni o miglioramenti. Elevata complessità tecnica e capacità di problem solving avanzata.

30 e Lode
- Eccellenza sia nella prova orale che nel progetto, con dimostrazione di capacità critiche e analitiche avanzate, esposizione impeccabile e contributo particolarmente innovativo nel progetto.

L’insegnamento si basa su lezioni frontali interattive, durante le quali i concetti teorici vengono introdotti e approfonditi attraverso esempi pratici e discussioni guidate.

Le lezioni combinano:
- Presentazione teorica dei principi fondamentali dell’analisi delle reti e delle metodologie di riferimento.
- Esempi applicativi, utilizzati per illustrare in modo concreto l’uso dei metodi e strumenti trattati.
- Interazione con gli studenti, favorendo la partecipazione attiva attraverso domande, riflessioni critiche e analisi di casi studio.