COMPUTER SCIENCE APPLIED TO CULTURAL HERITAGE

L’insegnamento contribuisce agli obiettivi formativi del corso di Laurea Magistrale in Conservation Science and Technology for Cultural Heritage fornendo agli studenti conoscenze teoriche e competenze digitali applicate per lo studio, la documentazione, la diagnostica, la conservazione, la gestione e la valorizzazione del patrimonio culturale.

È pensato per studenti che opereranno in contesti interdisciplinari che coinvolgono restauratori, conservation scientists, musei, archivi, biblioteche, istituzioni archeologiche, laboratori di ricerca, pubbliche amministrazioni, imprese private e professionisti del patrimonio culturale digitale. L’insegnamento fornisce le basi metodologiche e pratiche necessarie per utilizzare l’informatica in modo responsabile ed efficace nei progetti relativi al patrimonio culturale.

In particolare, l’insegnamento sostiene gli obiettivi del corso di studio attraverso:
- la formazione degli studenti nella gestione e analisi di dati scientifici e relativi al patrimonio culturale,
- nella documentazione di oggetti, siti, materiali e processi di conservazione mediante strumenti digitali,
- nella progettazione di flussi di lavoro computazionali riproducibili,
- nella comprensione dei metadati e degli standard di interoperabilità,
- nell’uso di elaborazione delle immagini, database, GIS, documentazione 3D e intelligenza artificiale nei contesti del patrimonio culturale,
- e nella valutazione critica delle implicazioni etiche, giuridiche e scientifiche delle tecnologie digitali.

L’insegnamento rafforza la capacità degli studenti di contribuire alle attività di laboratorio, alla ricerca in situ, ai tirocini e ai progetti di tesi, trasformando dati e documentazione digitale in conoscenza affidabile, riutilizzabile e professionalmente significativa. Inoltre, prepara gli studenti a comunicare i risultati computazionali a interlocutori specialisti e non specialisti coinvolti nella conservazione e nella gestione del patrimonio culturale.

Al termine dell’insegnamento, gli studenti saranno in grado di:
- Comprendere il ruolo dell’informatica nella scienza della conservazione, nella diagnosi del patrimonio culturale, nella conservazione preventiva, nella gestione del patrimonio e nella comunicazione pubblica.
- Identificare e interpretare le principali tipologie di dati relativi al patrimonio culturale, inclusi dati tabellari, immagini, dati spettrali, dati spaziali, dati 3D, documenti testuali, metadati e linked data.
- Comprendere i fondamenti di metadati, interoperabilità, elaborazione delle immagini, GIS, documentazione 3D e machine learning applicati al patrimonio culturale.
- Progettare strutture di metadati di base e flussi di lavoro digitali riproducibili per oggetti del patrimonio culturale, campioni, risultati analitici, immagini e documentazione dei processi di conservazione.
- Applicare tecniche di base di elaborazione delle immagini, analisi spaziale, documentazione 3D e analisi dei dati per supportare la documentazione, la diagnostica, il monitoraggio, la valutazione del rischio e l’interpretazione del patrimonio culturale.
- Testare semplici approcci di intelligenza artificiale o machine learning e valutarne criticamente le prestazioni, i limiti e l’adeguatezza per applicazioni nel campo del patrimonio culturale.
- Scegliere metodi digitali appropriati in base al tipo di problema relativo al patrimonio culturale, ai dati disponibili, agli obiettivi scientifici, ai vincoli professionali e agli utenti attesi.
- Presentare visualizzazioni di dati, mappe, analisi di immagini, modelli di database, strutture di metadati o prototipi digitali in modo professionale e con consapevolezza critica.

- Non è richiesta una conoscenza avanzata della programmazione. Tuttavia, è previsto che gli studenti possiedano competenze informatiche di base e siano disponibili a lavorare con strumenti digitali, dataset e computational notebooks.
- Gli studenti dovranno essere in grado di comprendere l’inglese scritto per utilizzare le slide, gli articoli scientifici, la documentazione tecnica e i manuali software forniti durante l’insegnamento.
- Gli studenti senza precedenti esperienze di programmazione saranno supportati attraverso esercitazioni guidate, template e materiali introduttivi.

Il programma di insegnamento è organizzato attorno a concetti teorici e laboratori applicati. I contenuti pongono l’accento sulla comprensione critica, sull’applicazione interdisciplinare, sui flussi di lavoro orientati alla ricerca e sulla rilevanza professionale.
I principali contenuti dell’insegnamento sono i seguenti:
1. Introduzione all’informatica per il patrimonio culturale.
2. Gestione dei dati e flussi di lavoro riproducibili.
3. Metadati, standard e interoperabilità.
4. Database e modellazione dell’informazione.
5. Analisi e visualizzazione dei dati per la heritage science.
6. Elaborazione delle immagini per il patrimonio culturale.
7. Documentazione 3D e modelli digitali.
8. Sistemi Informativi Geografici e analisi spaziale per la documentazione del patrimonio culturale e la valutazione del rischio.
9. Machine learning e intelligenza artificiale nel patrimonio culturale.
10. Conservazione digitale e repository.
11. Patrimonio culturale digitale centrato sull’utente.

Testi obbligatori:
1. Watrall, E., ed., Digital Heritage and Archaeology in Practice: Data, Ethics, and Professionalism, University Press of Florida, 2022, DOI: 10.5744/florida/9780813069302.001.0001, capitoli selezionati forniti dal docente.
2. CIDOC CRM Special Interest Group, The CIDOC Conceptual Reference Model, sezioni selezionate fornite dal docente.
3. International Image Interoperability Framework Consortium, IIIF Documentation, sezioni selezionate fornite dal docente.
4. UNESCO, Recommendation on the Ethics of Artificial Intelligence, UNESCO, 2021/2022, sezioni selezionate pertinenti al patrimonio culturale e alla pratica della ricerca.

Testi supplementari:
1. Ronchi, A. M., ECulture: Cultural Content in the Digital Age, Springer-Verlag Berlin Heidelberg, 2009, DOI: 10.1007/978-3-540-75276-9.
2. Li, Z., Drew, M. S. and Liu, J., Fundamentals of Multimedia, Springer International Publishing, 2014, DOI: 10.1007/978-3-319-05290-8.
3. Lake, P. and Crowther, P., Concise Guide to Databases, Springer London, 2013, DOI: 10.1007/978-1-4471-5601-7.
4. Remondino, F. and Campana, S., eds., 3D Recording and Modelling in Archaeology and Cultural Heritage: Theory and Best Practices, Archaeopress, 2014.
5. Gonzalez, R. C. and Woods, R. E., Digital Image Processing, Pearson, ultima edizione disponibile, sezioni selezionate.
6. Gilliland, A. J., “Setting the Stage”, in Introduction to Metadata, Getty Research Institute, ultima edizione disponibile.
7. QGIS Project, Manuale di formazione QGIS, disponibile online.
8. OpenRefine, Documentazione di OpenRefine, disponibile online.
9. The Carpentries, Lezioni di Software Carpentry su Python, Git e ricerca riproducibile, disponibile online.
10. Articoli scientifici recenti e casi di studio selezionati su intelligenza artificiale, GIS, documentazione 3D, conservazione digitale, elaborazione delle immagini e gestione dei dati nel settore dei beni culturali, forniti dal docente durante il corso.

L’apprendimento sarà valutato attraverso attività pratiche e attività di laboratorio sviluppate durante l’insegnamento, oltre che mediante un esame finale scritto.
La valutazione è finalizzata a verificare sia la comprensione teorica dei contenuti dell’insegnamento sia la capacità di applicare metodi informatici a problemi relativi al patrimonio culturale.

1. Attività pratiche e laboratori (30%)
Durante l’insegnamento, gli studenti svolgeranno attività pratiche ed esercitazioni di laboratorio relative ai principali argomenti del programma. Queste potranno includere gestione dei dati, progettazione di metadati, modellazione di database, visualizzazione dei dati, elaborazione delle immagini, Sistemi Informativi Geografici (GIS) o documentazione 3D, e valutazione di base di approcci di intelligenza artificiale o machine learning.
Queste attività valutano la capacità dello studente di applicare i metodi introdotti a lezione, lavorare con dati relativi al patrimonio culturale e strumenti digitali, documentare le procedure, interpretare i risultati e riconoscere i limiti dei metodi computazionali.

2. Esame finale scritto (70%)
L’esame finale scritto valuta la conoscenza e la comprensione da parte dello studente dei contenuti teorici, metodologici e applicati dell’insegnamento.
L’esame potrà includere domande aperte, brevi domande teoriche, interpretazione di casi pratici, discussione di flussi di lavoro digitali, valutazione critica dei metodi ed esercizi di problem-solving relativi a dati del patrimonio culturale, metadati, elaborazione delle immagini, database, GIS, documentazione 3D, conservazione digitale e intelligenza artificiale.
L’esame finale scritto verifica la capacità dello studente di spiegare il ruolo dell’informatica nel patrimonio culturale, scegliere metodi digitali appropriati per specifici problemi relativi al patrimonio culturale, valutare criticamente i limiti e le implicazioni delle tecnologie digitali e comunicare approcci computazionali utilizzando una terminologia adeguata.

Il voto finale sarà calcolato come media ponderata delle attività pratiche e dei laboratori e dell’esame finale scritto.

scritto

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.

I voti saranno assegnati secondo i seguenti criteri:
- I voti compresi tra 18 e 22 saranno attribuiti quando lo studente dimostra una conoscenza sufficiente dei principali argomenti dell’insegnamento e una capacità sufficiente di applicare metodi digitali di base ai dati relativi al patrimonio culturale. Il lavoro è comprensibile, ma può mostrare un'autonomia limitata, una documentazione parziale, un'interpretazione debole o una consapevolezza critica limitata delle questioni metodologiche ed etiche.
- I voti compresi tra 23 e 26 saranno attribuiti quando lo studente dimostra una buona conoscenza degli argomenti dell’insegnamento e un’adeguata capacità di applicare metodi digitali a problemi relativi al patrimonio culturale. Il lavoro è generalmente ben organizzato e documentato, con una discreta interpretazione dei risultati e un uso adeguato della terminologia tecnica. Alcuni aspetti relativi alla riproducibilità, alla discussione critica o alla rilevanza professionale possono rimanere incompleti.
- I voti compresi tra 27 e 30 saranno attribuiti quando lo studente dimostra una conoscenza molto buona o eccellente degli argomenti dell’insegnamento e una solida capacità di applicare metodi computazionali a problemi relativi al patrimonio culturale. Il lavoro è ben strutturato, riproducibile, chiaramente documentato e criticamente interpretato. Lo studente dimostra una buona o un'eccellente capacità di giudizio nella selezione dei metodi, nella valutazione dei limiti e nella comunicazione dei risultati a pubblici specialistici e non specialistici.
- Il 30 e lode sarà attribuito quando lo studente dimostra un’eccellente padronanza dei contenuti teorici e pratici, notevole autonomia, documentazione rigorosa, forte capacità di giudizio critico, comunicazione di alta qualità e un’applicazione originale o particolarmente professionale dell’informatica al patrimonio culturale.

L’insegnamento combina lezioni frontali, dimostrazioni applicate, laboratori informatici, discussioni di casi di studio, attività supervisionate e presentazioni degli studenti.
Le lezioni introducono i fondamenti teorici e metodologici dell’informatica applicata al patrimonio culturale. Le sessioni di laboratorio permettono agli studenti di applicare tali concetti a dataset realistici e materiali digitali relativi al patrimonio culturale. Le discussioni di casi di studio collegano gli strumenti computazionali alla scienza della conservazione, alla diagnostica, alla documentazione, alla conservazione preventiva, alle pratiche museali e archivistiche e alla gestione del patrimonio culturale.
L’approccio didattico è fortemente pratico e orientato alla ricerca. Quando possibile, gli studenti lavoreranno con strumenti open-source o ampiamente accessibili, tra cui Python, Jupyter notebook, OpenRefine, QGIS, ImageJ/Fiji, SQLite, Git o sistemi equivalenti di controllo di versione, e strumenti selezionati per la documentazione 3D o l’analisi delle immagini.
I materiali didattici, i dataset, le istruzioni, gli esempi, le risorse per lo studio autonomo e i template per le esercitazioni saranno forniti tramite la piattaforma e-learning Moodle. Gli studenti sono tenuti a utilizzare Moodle regolarmente.

Gli studenti sono incoraggiati a collegare le attività pratiche e le esercitazioni di laboratorio ad argomenti, dataset o casi di studio provenienti da altri insegnamenti, esperienze di laboratorio, tirocini o dalla preparazione della tesi, quando possibile e appropriato.
L’insegnamento privilegia strumenti open-source, sostenibili e trasferibili, in modo che gli studenti possano continuare a utilizzarli dopo il corso in attività di ricerca, laboratori di conservazione, musei, archivi, istituzioni pubbliche, imprese private o percorsi di dottorato.
Quando sarà richiesto l’uso di software specifici, le istruzioni per l’installazione saranno fornite in anticipo. Eventuali soluzioni alternative saranno discusse qualora emergano vincoli tecnici.
L’uso responsabile di strumenti di intelligenza artificiale è consentito solo se esplicitamente dichiarato e documentato in modo critico. Gli strumenti di intelligenza artificiale possono supportare la scrittura di codice, l’esplorazione dei dati, la revisione linguistica o la prototipazione, ma gli studenti restano pienamente responsabili dell’accuratezza, dell’originalità, dell’interpretazione e dell’accettabilità etica del proprio lavoro. L’uso non dichiarato o fuorviante di strumenti di intelligenza artificiale non è accettabile.

Questo insegnamento tratta argomenti connessi alla macroarea "Città, infrastrutture e capitale sociale" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile