INTRODUCTION TO DATA SCIENCE AND DATA VISUALIZATION MOD 2

Il corso introduce metodi e tecniche per l’esplorazione, l’analisi e la visualizzazione dei dati, con particolare attenzione ai dati digitali e alle piattaforme online. Attraverso un approccio teorico e applicato, il corso fornisce le basi della data science e introduce strumenti per l’analisi dei dati e la rappresentazione delle informazioni. L’insegnamento adotta una modalità blended, che integra lezioni in presenza (per l’introduzione e la discussione dei concetti) con attività online (per l’applicazione pratica, esercitazioni e approfondimenti), in linea con la natura applicativa del corso.

Conoscenza e comprensione
- Comprendere i concetti fondamentali legati alla raccolta, organizzazione, visualizzazione e interpretazione dei dati
- Acquisire una preparazione teorica e pratica nell’ambito della data science
- Comprendere i principi di base della rappresentazione dei dati

Capacità di applicare conoscenza e comprensione
- Utilizzare strumenti e linguaggi (es. Python, R) per analizzare dati eterogenei
- Esplorare e analizzare grandi quantità di dati
- Interpretare criticamente i risultati e comunicarli in modo efficace

Capacità di apprendimento
- Accedere e utilizzare documentazione tecnica e strumenti analitici
- Sviluppare autonomia e spirito critico nell’apprendimento di nuove tecniche

- Conoscenze di base di programmazione (es. Python o R)
- Elementi di statistica descrittiva e probabilità

- Introduzione alla data science
- Raccolta e gestione dei dati
- Analisi di dati su larga scala
- Text e sentiment analysis
- Network analysis
- Bias metodologici nei dati e nell’analisi
- Comunicazione e visualizzazione efficace dei risultati

(La lista dei contenuti potrà subire variazioni)

- Easley, D., Kleinberg, J. Networks, Crowds, and Markets (2010)
- Barabási, A.-L. Network Science (2016)

Materiali aggiuntivi saranno forniti su Moodle.

L’esame finale consiste in una prova orale volta a verificare sia la comprensione dei contenuti teorici sia la capacità di applicare concetti e strumenti introdotti durante il corso.

La prova prevede:
- domande sui principali temi teorici trattati (data science, visualizzazione dei dati, analisi dei dati digitali);
- domande di carattere applicativo, che possono richiedere l’interpretazione di risultati, la discussione di procedure analitiche o la risoluzione di semplici problemi legati agli strumenti e ai metodi presentati.

La valutazione terrà conto di:
- livello di comprensione dei concetti;
- capacità di collegare teoria e applicazione;
- chiarezza espositiva e uso appropriato del linguaggio tecnico;
- autonomia di ragionamento e capacità critica.

Durante il corso, le attività online (es. esercitazioni, quiz, discussioni) potranno essere utilizzate come supporto al processo di apprendimento e di autovalutazione.

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
Comprensione parziale degli argomenti teorici, esposizione incerta e linguaggio con imprecisioni. Capacità limitata di applicare i concetti a semplici esempi o di interpretare risultati di base.

Voti 22–24: Discreto
Comprensione adeguata dei contenuti principali, esposizione generalmente chiara. Capacità di applicare i concetti a casi semplici e di interpretare correttamente risultati e procedure analitiche di base.

Voti 25–27: Buono
Buona padronanza degli argomenti, esposizione chiara e uso appropriato del linguaggio tecnico. Capacità di collegare teoria e applicazione, interpretando in modo corretto e articolato risultati e metodi.

Voti 28–30: Ottimo / Eccellente
Comprensione completa e approfondita degli argomenti, esposizione sicura e precisa. Capacità di ragionamento critico e di applicazione autonoma dei concetti a diversi contesti, con interpretazioni solide e ben argomentate.

30 e Lode
Eccellenza nella comprensione e nella rielaborazione critica dei contenuti, esposizione particolarmente efficace e rigorosa. Capacità di integrare teoria e applicazione in modo autonomo, con riflessioni originali e ben strutturate.

L’insegnamento combina lezioni in presenza e attività online in una logica integrata e progressiva. Le lezioni in aula sono dedicate all’introduzione e all’approfondimento dei concetti teorici, attraverso esempi applicativi, discussione di casi studio e momenti di interazione con gli studenti.
Le attività online sono invece orientate all’applicazione pratica e al consolidamento delle competenze. Gli studenti lavorano in autonomia su esercitazioni, materiali multimediali e strumenti di autovalutazione.

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