The information society: the epistemology of big data

A.A. 2021/2022
6
Crediti massimi
40
Ore totali
SSD
M-FIL/02
Lingua
Inglese
Obiettivi formativi
The course aims at developing the logico-mathematical background to assess critically the epistemology of "big data". In particular it focusses on how the formalisation of inductive inference sheds crucial methodological light on the "datacentric" revolution, which is currently dotting the development of the natural and social sciences.
Risultati apprendimento attesi
At the end of the course, students will

- know the central concepts and reasoning tools of discrete mathematics
- know the central concepts in elementary probability theory
- understand the epistemological questions related to inductive reasoning
- understand the relevance of a proper the epistemology of inductive inference in the wider methodological discussion on "big data"

Ability to apply knowledge and understanding
At the end of the course, students will be able to

- read and evaluate the scientific literature on inductive reasoning
- apply the tools learnt to solve scientific, philosophical and practical problems
- appreciate the relevance of inductive logic in the current debate on the datacentric revolution in the methodology of the social sciences
Programma e organizzazione didattica

Edizione unica

Responsabile
Periodo
Secondo semestre
Durante la fase di didattica emergenziale, il programma viene mantenuto con le seguenti modifiche necessarie per una buona fruizione online del corso originariamente progettato per la didattica in presenza.
Ambienti on-line utilizzati:
Ariel: https://hhosnipl.ariel.ctu.unimi.it/
Teams: codice presente in Ariel.

Le lezioni si terranno in base agli scenari di rischio:
- massima gravità (zona rossa): le lezioni si terranno solo a distanza in modalità sincrona (in Teams)
- elevata gravità (zona arancione): le lezioni si terranno in modalità mista, parte in presenza e parte on line.
Le lezioni in presenza si terranno in modalità duale permettendo la partecipazione anche a studenti a distanza (collegate/i in in Teams). Le lezioni a distanza si terranno in modalità sincrona (in Teams)
- gravità (zona gialla): le lezioni si terranno con le medesime modalità della zona arancione e, se vi saranno le condizioni, verrà aumentato il numero di lezioni tenute in presenza.
Il calendario delle lezioni in presenza e gli aggiornamenti saranno pubblicati nel corso on line in Teams (il codice è accessibile dal sito Ariel del corso).

Le lezioni si terranno in base agli scenari di rischio:
- massima gravità (zona rossa): le lezioni si terranno solo a distanza in modalità sincrona (in Teams)
- elevata gravità (zona arancione): le lezioni si terranno in modalità mista, parte in presenza e parte on line.
Le lezioni in presenza si terranno in modalità duale permettendo la partecipazione anche alle/agli studenti a distanza (collegati in in Teams). Le lezioni a distanza si terranno in modalità sincrona (in Teams)
- gravità (zona gialla): le lezioni si terranno con le medesime modalità della zona arancione e, se vi saranno le condizioni, verrà aumentato il numero di lezioni tenute in presenza.
Il calendario delle lezioni in presenza e gli aggiornamenti saranno pubblicati nel corso on line in Teams (il codice è accessibile dal sito Ariel del corso).

Modalità di verifica dell'apprendimento e criteri di valutazione:
L'esame è scritto e viene svolto sulla piattaforma exam.net in tutti gli stati di emergenza (zona gialla, arancione e rossa), secondo le indicazioni fornite dall'Ateneo.
Le/gli studenti che intendono partecipare alle lezioni in presenza devono fare riferimento alle disposizioni dell'Ateneo:
https://www.unimi.it/it/studiare/frequentare-un-corso-di-laurea/seguire…
Le/gli studenti che intendono partecipare alle lezioni in Teams devono fare riferimento alle seguenti guide tecniche:
https://www.unimi.it/it/studiare/servizi-gli-studenti/servizi-tecnologi…
Per partecipare alle sessioni di esame le/gli studenti devono fare riferimento alle seguenti indicazioni
https://www.unimi.it/it/studiare/frequentare-un-corso-di-laurea/seguire…
Programma
1 Reasoning with data:
- Data and its meaning
- Elementary descriptive statistics
- Elementary probability

2. The epistemology of reasoning with data: induction
- Hume's problem of induction
- Induction and knowledge
- More data vs better data
Prerequisiti
nessuno
Metodi didattici
Lezioni frontali, flipped ed esercizi. L'impostazione è basata sulla risoluzione dei problemi e l'apprendimento delle studentesse e degli studenti è incentrato sulla capacità di elaborare la soluzione di esercizi e problemi elementari.
Materiale di riferimento
Dispense e materiali fornite dal docente
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame è orale, ma si basa su un progetto scritto (vedi dettagli sotto) che costituisce il 50% della valutazione finale.

Durante l'esame vi verrà chiesto di esporre il progetto e le domande saranno volte a valutare sia la conoscenza dell'argomento prescelto, sia dei concetti chiave introdotti nel corso.
Il corso prevede lezioni "flipped" . La partecipazione attiva ad essi varrà fino al 25\% del voto finale. Le lezioni "flipped" non sono obbligatorie per le/gli studenti frequentanti. I dettagli saranno forniti nella lezione introduttiva.

Dettagli pratici sui progetti: 5 pagine, LaTeX standard, che riassume e commenta uno a vostra scelta tra i progetti disponibili nella lista che sarà resa disponibile alla fine del corso. I progetti sono obbligatori sia per le/gli studenti frequentanti che non.
M-FIL/02 - LOGICA E FILOSOFIA DELLA SCIENZA - CFU: 6
Lezioni: 40 ore
Docente: Hosni Hykel
Docente/i
Ricevimento:
Il ricevimento studenti è sospeso dal 29 luglio al 4 settembre 2021.
Piattaforma Teams previo appuntamento