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 modulo si articola in due parti e in dieci unità didattiche.

PARTE PRIMA: Il tramonto dell’universo analogico

1. Il fascino discreto del digitale
- Distinzione tra “analogico” e “digitale”
- Gestione del ciclo di vita dell’informazione
- Relazione tra Uomo e Macchina

2. Viaggio al centro di Oasis
- Effetti della digitalizzazione sulla realtà
- Le sei sfere: astronomica, ecologica, politica, economica, sociale e individuale
- I principi della nuova era digitale

3. Ercole al bivio: decisione, futuro e complessità
- Fasi e caratteristiche del processo decisionale
- Metodi per la previsione del futuro
- Analisi dei sistemi complessi

4. La nuova intelligenza digitale
- Il concetto di “intelligenza digitale”
- Le sei dimensioni: acquisizione dei dati, memoria, calcolo, rappresentazione, attivazione e adattamento
- Intelligenza umana, IA e Intelligenza ibrida

PARTE SECONDA: Intelligenza digitale a sei dimensioni

5. Dal caos primordiale al regno dei bit
- "Datafication" e principi di Data Science
- Modalità di acquisizione e conversione dei dati digitali
- La struttura logica di un dataset

6. Alla ricerca del dato perduto
- Caratteristiche e funzioni della memoria digitale
- Quattro tipi di architettura logica della memoria
- Rapporto tra memoria digitale e organizzazione

7. Fisiologia del pensiero positronico
- Dai dati digitali alle informazioni
- Calcolo e tecniche di modellizzazione dei sistemi
- Algoritmi di Machine Learning: classificazione, regressione, clustering e analisi di serie temporali

8. Il colore dei dati
- Processo di rappresentazione e comunicazione di dati e informazioni
- Tipologie di grafici, diagrammi e infografica
- Principi multimediali di Data Visualization

9. La costruzione geometrica delle decisioni
- Attivazione e modelli di decisione meccanica
- Dashboard a supporto del processo decisionale
- Come trasformare i dati in decisioni

10. Intelligenza digitale allo specchio
- Adattamento ed evoluzione di un sistema dinamico
- Qualità dell'intelligenza digitale individuale e collettiva
- Monitoraggio e valutazione complessiva dell’intelligenza digitale

[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] G.B. Ronsivalle, I. Baccan, A. Bersan, "The Orange Box. Il nuovo laboratorio di Machine Learning", Edizioni Wemole (in corso di stampa).

L'esame finale si articola in tre step:

Step 1 - Svolgimento di una prova scritta online sulle conoscenze teoriche di base (punteggio max = 15 punti; soglia minima superamento = 9 punti). La prova prevede la somministrazione di un questionario digitale composto da prove strutturate di diversa tipologia (scelta multipla-risposta singola, scelta multipla-risposta multipla, corrispondenza, completamento).

Step 2 - Elaborazione di un project work incentrato sull’applicazione delle tecniche elementari di gestione dei dati digitali (punteggio max = 15 punti; soglia minima superamento = 9 punti). La prova consiste nella creazione 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.

Step 3 (facoltativo) - Colloquio orale sui contenuti del manuale di riferimento [1] (punteggio max = 3 punti, da aggiungere al punteggio conseguito negli step precedenti).

scritto e orale

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

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.