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 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

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.

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