GESTIONE DEI DATI DIGITALI

La gestione dei dati digitali costituisce una delle competenze chiave per affrontare le sfide della complessità. La qualità delle decisioni e delle strategie che coinvolgono individui e organizzazioni dipende sempre più dalla capacità di estrarre, filtrare e assemblare dati digitali da cui distillare informazioni e indicazioni operative per risolvere problemi pratici.
L’obiettivo del modulo consiste nel fornire indicazioni metodologiche, teoriche e applicative per imparare a presidiare in modo efficace le fasi di acquisizione, archiviazione, elaborazione e rappresentazione dei dati digitali, con un focus specifico sulle potenzialità del Machine Learning e sulle principali funzioni degli strumenti di Data Analysis.
Alla fine del corso studentesse e studenti saranno in grado di elaborare un progetto di gestione dei dati digitali per la risoluzione di un problema pratico assegnato dal docente.

1. Conoscenza e comprensione:
- essere in grado di descrivere le caratteristiche dei dati digitali e illustrare i criteri per valutare la qualità del dato
- essere in grado di descrivere le sei fasi in cui si articola il processo di gestione dei dati digitali
- essere in grado di descrivere i modelli fondamentali per l’elaborazione dei dati
- essere in grado di elencare alcune applicazioni software a supporto della gestione dei dati digitali

2. Capacità di applicare conoscenza e comprensione:
- essere in grado di adottare applicativi software per la ricerca e l’acquisizione di dati digitali
- essere in grado di utilizzare programmi per l’archiviazione e l’indicizzazione dei dati
- essere in grado di applicare metodi di base per elaborare i dati digitali
- essere in grado di implementare strumenti per la visualizzazione e la rappresentazione di dati

3. Capacità di giudizio:
- essere in grado di contestualizzare le conoscenze acquisite, individuando i modelli, i metodi e i software più adeguati all’output desiderato

4. Abilità comunicative:
- essere in grado di presentare in modo efficace i risultati dell’analisi dei dati
- essere in grado di interagire con i colleghi e con il docente, in modo funzionale agli obiettivi del corso

5. Capacità di apprendimento:
- essere in grado di utilizzare ed integrare informazioni provenienti da appunti, dispense, slide ed esercitazioni pratiche
- essere in grado di valutare il proprio grado di preparazione attraverso le attività in itinere di interazione e di laboratorio

L’insegnamento è rivolto a a tutti coloro i quali desiderano valorizzare le proprie competenze specifiche attraverso l’integrazione di tecniche elementari per la ricerca, l’organizzazione, l’interpretazione e la visualizzazione dei dati digitali nei diversi ambiti disciplinari, al fine di migliorare la qualità delle proprie previsioni e decisioni. Pertanto, al di là delle abilità di base nell'uso del computer, non sono richieste specifiche conoscenze tecniche nell’ambito della programmazione o nell’utilizzo di particolari software per il trattamento delle informazioni, né abilità matematiche superiori a quelle normalmente previste nei programmi di scuola secondaria di secondo grado (licei, istituti tecnici e professionali).

Il corso si articola in due moduli paralleli:

MODULO 1 - La nuova intelligenza digitale

Unità didattica 1: Intelligenza digitale e gestione dei dati
- Effetti della digitalizzazione sulla realtà
- Il concetto di “intelligenza digitale”
- Le sei dimensioni: acquisizione dei dati, memoria, calcolo, rappresentazione, attivazione e adattamento

Unità didattica 2: Costruzione e archiviazione dei dati digitali
- Modalità di acquisizione e conversione dei dati digitali
- La struttura logica di un dataset
- Caratteristiche e funzioni della memoria digitale

Unità didattica 3: Sistemi e modelli di elaborazione dei dati digitali
- Dai dati digitali alle informazioni
- Calcolo e tecniche di modellizzazione dei sistemi
- Algoritmi di Machine Learning: classificazione, regressione, clustering e analisi di serie temporali

Unità didattica 4: Il colore dei dati digitali
- Processo di rappresentazione e comunicazione di dati e informazioni
- Tipologie di grafici, diagrammi e infografica
- Principi multimediali di Data Visualization

Unità didattica 5: Attivazione, decisori meccanici e adattamento
- Dashboard a supporto del processo decisionale
- Come trasformare i dati in decisioni
- Monitoraggio del processo di gestione dei dati digitali

MODULO 2 - Laboratorio di gestione dei dati digitali

- Le fasi di un progetto di Machine Learning
- Introduzione al software Orange Data Mining
- Classificazione binaria
- Elaborazione del linguaggio naturale
- Classificazione multipla
- Elaborazione di immagini
- Regressione
- Analisi di serie temporali
- Tecniche di clustering
- LLM e strumenti di IA generativa

[1] MODULO 1 - G.B. Ronsivalle, "La nuova intelligenza digitale. Come trasformare i dati in decisioni per progettare il futuro", Maggioli Editore, Collana Apogeo Education, 2022.
[2] MODULO 2 - G.B. Ronsivalle, I. Baccan, A. Bersan, "The Orange Box. Laboratorio di Machine Learning", Edizioni Wemole, 2024.

L'esame finale si articola in due step:

Step 1 - Svolgimento di una prova scritta online sulle conoscenze teoriche di base. La prova prevede la somministrazione di un questionario digitale composto da prove aperte.

Step 2 - Elaborazione di un project work di gruppo incentrato sull’applicazione delle tecniche elementari di gestione dei dati digitali. La prova consiste nello sviluppo di un workflow in Orange Data Mining e nella presentazione di un breve report in cui studentesse e studenti devono descrivere le varie fasi del progetto di acquisizione, archiviazione, elaborazione e rappresentazione di dati funzionali alla risoluzione di un problema pratico assegnato dal docente.

Challenge: i vari gruppi potranno partecipare a diverse challenge di Data Science e Machine Learning proposte dal docente al fine di migliorare le competenze di gestione dei dati digitali.

scritto e orale

Step 1: Prova scritta online (individuale)
Punteggio massimo = 15 punti, soglia minima superamento = 9 punti

Step 2: Project Work (gruppo)
Punteggio massimo = 15 punti, soglia minima superamento = 9 punti

Challenge (gruppo)
Da 0 a 5 punti.

Voro finale = Punteggio Step 1 + Punteggio Step 2 + Punti Challenge = x/30

Le lezioni alternano (a) sessioni di esposizione teorica supportate da slide multimediali, (b) momenti di interazione e confronto sui temi in oggetto, (c) lo studio di casi reali, (d) esercitazioni individuali e di gruppo mediante l’utilizzo di piattaforme di Data Science, (e) simulazioni guidate. Il corso prevede inoltre la pubblicazione di videotutorial per approfondire le caratteristiche e le funzioni dei software di gestione dei dati.

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