DATA, INFORMATION AND SOCIETY 2: DATA JOURNALISM

Il corso è un'introduzione al "data storytelling", l'arte di combinare data science e narrativa. Gli studenti impareranno le abilità essenziali per analizzare, visualizzare e riassumere i dati e come utilizzare tali abilità per raccontare storie. Una parte fondamentale del corso sarà la discussione critica di articoli pubblicati in quotidiani, riviste e siti.

La regolare e attiva partecipazione alle attività didattiche offerte dal corso e ad attività di ricerca autonoma consentirà agli studenti di:
1. (conoscenza e comprensione)
- conoscere e comprendere gli strumenti di data science di base per il giornalismo
2. (applicare conoscenza e comprensione)
applicare autonomamente gli strumenti di data science di base per estrarre e sintetizzare informazioni
3. (esprimere giudizi)
- formulare giudizi autonomi sulla validità e fattibilità degli strumenti di data science di base e comprenderne l'impatto nel data journalism

Si presume che lo studente abbia raggiunto gli obiettivi didattici del corso Introduzione al Coding (https://www.unive.it/data/insegnamento/435050 ). È importante che gli studenti abbiano una solida familiarità con i concetti di base del coding con R.

Il programma del corso prevede la presentazione e la discussione dei seguenti argomenti:
1) Preparazione e organizzazione dei dati
2) Visualizzazione dei dati
3) Sintesi dei dati
4) Casi studio nel giornalismo quantitativo

- Letture e materiali distribuiti durante il corso tramite Moodle
- A. B. Tran (2018). R for Journalism. Online course. https://learn.r-journalism.com
- H. Wickham and G. Grolemund (2023). R for data science. O’Reilly Media, 2nd edition. https://r4ds.hadley.nz

1) partecipazione attiva alle lezioni (30% del voto finale)
2) progetto finale che consiste nella scrittura e presentazione di un articolo "data-driven" (70% del voto finale)

La valutazione del progetto finale (70% del voto finale) è a sua volta suddivisa in:
- valutazione della qualità, originalità e correttezza tecnica dell'articolo (40%)
- valutazione della qualità della presentazione e della sua discussione orale (30%)

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.

Il risultato all'esame è valutato:
- sufficiente (18-22 punti), se lo studente dimostra una sufficiente conoscenza e comprensione dei metodi del corso, è in grado di applicarli e interpretarli adeguatamente e utilizza la terminologia tecnica correttamente;
- discreta (23-25 punti), se lo studente mostra una buona conoscenza e comprensione dei metodi del corso, li applica e interpreta in modo convincente e usa la terminologia tecnica con discreta accuratezza;
- buona (26-28 punti), se lo studente possiede una solida conoscenza e comprensione dei metodi del corso, li applica e interpreta in maniera del tutto convincente e impiega la terminologia tecnica in modo accurato;
- ottima (29-30 punti), se lo studente dimostra un'eccellente conoscenza e comprensione dei metodi del corso, li applica e interpreta in modo brillante e utilizza la terminologia tecnica con estrema accuratezza.

La lode è riservata agli studenti che, oltre ad aver ottenuto un risultato ottimo, dimostrano un impegno eccezionale nella svolgimento e nella presentazione del progetto, apportando contributi o spunti originali.

Lezioni frontali teoriche convenzionali integrate da esercitazioni, discussione di casi studio e laboratori informatici. Il materiale didattico preparato dal docente sarà distribuito durante il corso attraverso la piattaforma Moodle. Il software statistico utilizzato nel corso è R (www.r-project.org)