SOCIAL MEDIA AND WEB ANALYTICS

Il corso offre una panoramica di metodi e tecniche per l’esplorazione, l’analisi e la visualizzazione di dati digitali e provenienti da piattaforme social. Attraverso un approccio integrato, teorico e pratico, introduce anche i concetti fondamentali della social network analysis, mettendone in luce l’utilità nello studio delle dinamiche sociali online. L’insegnamento è progettato per fornire agli studenti competenze operative e analitiche nell’ambito dei social media studies e dell’analisi dei dati digitali.

Conoscenza e comprensione:
- Comprendere i principi fondamentali relativi alla gestione, manipolazione, visualizzazione e interpretazione di grandi quantità di dati.
- Acquisire una conoscenza teorica e pratica delle tecniche di data science applicate all’analisi di dati provenienti dal web e dai social media.
- Conoscere le principali metodologie di social network analysis, comprendendone i fondamenti teorici e le applicazioni nei contesti digitali.

Capacità di applicare conoscenza e comprensione:
- Applicare metodi e strumenti per la gestione e l’analisi di dati strutturati e non strutturati ricavati dal web e dai social media.
- Condurre analisi su reti sociali e contenuti digitali utilizzando software e linguaggi di programmazione adeguati.
- Interpretare criticamente i risultati delle analisi e comunicarli in modo chiaro e rigoroso.

Capacità di apprendimento:
- Essere in grado di consultare, comprendere e utilizzare documentazione tecnica relativa a strumenti e librerie per l’analisi dei dati digitali.
- Sviluppare un approccio critico e riflessivo all’uso dei dati e delle metodologie analitiche, con la capacità di aggiornare e approfondire in autonomia strumenti e tecniche emergenti nel campo della social media and web analytics.

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 data science e alla social media analysis
- Social Network Analysis
- Lavorare con API
- Data e Information Visualisation
- Topic Extraction
- Sentiment Analysis

(La lista dei contenuti potrà 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 consiste in una prova orale e nella realizzazione di un progetto concordato con la docente. La prova orale (circa 30 minuti) è suddivisa in due parti:

1) Domande teoriche ed esercizi sugli argomenti trattati durante il corso (30%): la valutazione si baserà sulla correttezza delle risposte, sull’uso appropriato del linguaggio e sulla chiarezza espositiva.
2) Discussione del progetto precedentemente concordato con la docente (70%): gli studenti dovranno presentare un’analisi originale applicando metodi, strumenti e tecniche affrontati nel corso. Il progetto può essere svolto individualmente o in gruppi di massimo due persone. La valutazione terrà conto della qualità dello svolgimento rispetto alle linee guida e della complessità tecnica del lavoro.

La discussione del progetto è subordinata al superamento della parte teorica.

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.

Questo insegnamento tratta argomenti connessi alla macroarea "Capitale umano, salute, educazione" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile