NETWORK SCIENCE

La network science è una disciplina che riguarda la raccolta, la rappresentazione e l'analisi di dati relazionali. Questi dati vengono raccolti collezionando le relazioni tra entità e vengono rappresentati come grafi dove i nodi sono le entità e gli archi le relazioni tra esse. Il cuore della disciplina è analizzare e spiegare le dipendenze tra le coppie di entità e come queste possono influenzare variabili individuali.
Il corso fornisce un'introduzione ai concetti basilari di rete e si focalizza su modelli per l'analisi di dati cross-sectional e longitudinali. I metodi verranno illustrati usando esempi da diverse discipline (che includono l'economia, le scienze organizzative e sociali) che verranno analizzati usando il software R.

Alla fine del Corso gli studenti saranno in grado di applicare i metodi descrittivi e i modelli per l’analisi di dati relazionali raccolti in diversi contesti.
In particolare, gli studenti potranno:
- descrivere I metodi introdotti e analizzare i loro aspetti comuni e differenze
- identificare i metodi adeguati ad analizzare i dati e rispondere ad una particolare domanda di ricerca
- effettuare l’analisi usando il software: analisi descrittive, stima dei parametri, interpretazione, e revisione critica dei risultati ottenuti
- spiegare I modelli ed illustrare I risultati anche a coloro che non hanno familiarità con i metodi di analisi delle reti

- Corso “Mathematics for management studies'”, prof. Marco Tolotti
- A sound understanding of estimation methods, hypothesis testing and linear regression models (OLS)

Il corso tratta i seguenti argomenti:
- Introduzione ai dati relazionali, alla notazione e ai concetti di base, e al software R
- Statistiche descrittive di rete (distribuzioni dei gradi, centralità e clustering)
- Introduzione ai modelli per dati reticolari
- Exponential Random Graph Models
- Stochastic actor-oriented models per le dinamiche di network e outcome individuali
- Estensioni dei modelli introdotti e altri modelli

- Slides e materiale fornite dal docente
- Robins, G., Pattison, P., Kalish, Y., and Lusher, D. (2007). An introduction to exponential random graph ($p^*$) models for social networks. Social networks, 29(2): 173-191.
- Lusher, D., Koskinen, J., and Robins, G. (Eds.). (2013). Exponential random graph models for social networks: Theory, methods, and applications. Cambridge University Press.
- Snijders, T. A. B., Van de Bunt, G.G., and Steglich, C. (2010). Introduction to stochastic actor-based models for network dynamics. Social networks 32(1): 44-60.

Un elaborato (massimo 3,000 parole) che consiste nell'analisi di dati di rete in un contesto specifico da concordare con il docente.

Scritto

Lezioni frontali e laboratori. I laboratori illustrano i metodi introdotti nelle lezioni frontali usando dati raccolti in differenti contesti e il software R