Tecnologie digitali per le organizzazioni
A.A. 2022/2023
Obiettivi formativi
L'insegnamento ha il duplice obiettivo di 1) familiarizzare gli studenti con tecnologie professionali e di ampio utilizzo per l'organizzazione, l'analisi e la visualizzazione di dati strutturati; 2) introdurre alla logica e all'uso di sequenze di comandi e costrutti di controllo (scripting) per l'analisi di dati.
Più in dettaglio, il corso ha i seguenti obiettivi:
1) Introdurre gli studenti all'analisi di dati per le Scienze Sociali e alle tecnologie open source;
2) Apprendere i principi di analisi di dati con R: linguaggio R, librerie, RStudio;
3) Imparare i principi della logica computazionale con tecnologie a linea di comando;
4) Apprendere i passi fondamentali per l'analisi dei dati: operazioni di data tidying e trasformazione;
5) Introdurre ai principi di visualizzazione di dati e delle principali tipologie di grafici (scatterplot, lineplot, bar chart, istogrammi, boxplot, marginals e varianti) attraverso l'uso della libreria ggplot2;
6) Introdurre all'uso di open data con esercizi utilizzando dati nel pubblico dominio di medio-bassa complessità;
7) Utilizzo di testi e documentazione tecnica in formato open, online e in lingua inglese.
Più in dettaglio, il corso ha i seguenti obiettivi:
1) Introdurre gli studenti all'analisi di dati per le Scienze Sociali e alle tecnologie open source;
2) Apprendere i principi di analisi di dati con R: linguaggio R, librerie, RStudio;
3) Imparare i principi della logica computazionale con tecnologie a linea di comando;
4) Apprendere i passi fondamentali per l'analisi dei dati: operazioni di data tidying e trasformazione;
5) Introdurre ai principi di visualizzazione di dati e delle principali tipologie di grafici (scatterplot, lineplot, bar chart, istogrammi, boxplot, marginals e varianti) attraverso l'uso della libreria ggplot2;
6) Introdurre all'uso di open data con esercizi utilizzando dati nel pubblico dominio di medio-bassa complessità;
7) Utilizzo di testi e documentazione tecnica in formato open, online e in lingua inglese.
Risultati apprendimento attesi
Lo studente dovrà essere in grado di comprendere il significato e gli effetti di comandi in serie per l'organizzazione, l'analisi e la visualizzazione di dati. Dovrà essere in grado di realizzare gli script corrispondenti a richieste di selezione, manipolazione e visualizzazione rispetto a dataset predefiniti. Dovrà essere inoltre in grado di interpretare e correggere errori di sintassi e semantica nell'uso del linguaggio di specifica dei comandi. Dovrà infine essere in grado presentare argomentazioni circa le possibilità di analisi di dataset predefiniti, i risultati attesi o ottenibili dallo strumento utilizzato e le potenziali applicazioni.
Periodo: Primo trimestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo trimestre
Programma
1. Introduzione alla data science per le Scienze Sociali
2. Open Data, Open Access, Open Source
3. Il linguaggio R e il programma RStudio
4. Il processo di analisi dei dati: data import, tidy, transformation e visualization
5. La fase di Data Tidy: discussione, funzioni, esempi, esercizi
6. La fase di Data Transformation: discussione, funzioni, esempi, esercizi
7. La fase di Data Visualization: discussione, funzioni, esempi, esercizi
8. Casi avanzati (cenni) e note finali
Lo studio sarà fortemente orientato ad esercitarsi con casi ricavati da Open Data pubblicamente disponibili, in aggiunta a esercitazioni di tipo più didattico presenti nel testi utilizzati. Dati ed esercizi da Open Data verranno sia discussi a lezione sia assegnati come lavoro da svolgere in autonomia. Svolgere numerosi esercizi è parte indispensabile della preparazione richiesta.
2. Open Data, Open Access, Open Source
3. Il linguaggio R e il programma RStudio
4. Il processo di analisi dei dati: data import, tidy, transformation e visualization
5. La fase di Data Tidy: discussione, funzioni, esempi, esercizi
6. La fase di Data Transformation: discussione, funzioni, esempi, esercizi
7. La fase di Data Visualization: discussione, funzioni, esempi, esercizi
8. Casi avanzati (cenni) e note finali
Lo studio sarà fortemente orientato ad esercitarsi con casi ricavati da Open Data pubblicamente disponibili, in aggiunta a esercitazioni di tipo più didattico presenti nel testi utilizzati. Dati ed esercizi da Open Data verranno sia discussi a lezione sia assegnati come lavoro da svolgere in autonomia. Svolgere numerosi esercizi è parte indispensabile della preparazione richiesta.
Prerequisiti
Lettura e comprensione testi tecnici in inglese: conoscenza di base.
Uso di base di un personal computer e rete internet (es. creazione e gestione di file, cartelle, regole per i nomi dei file, installazione guidata di un programma, uso di browser e motori di ricerca, etc.) .
Uso di base di un personal computer e rete internet (es. creazione e gestione di file, cartelle, regole per i nomi dei file, installazione guidata di un programma, uso di browser e motori di ricerca, etc.) .
Metodi didattici
Metodi didattici
Le lezioni sono di tipo frontale. È utile avere un proprio laptop per seguire gli esempi e le esercitazioni discusse in aula.
Le lezioni sono di tipo frontale. È utile avere un proprio laptop per seguire gli esempi e le esercitazioni discusse in aula.
Materiale di riferimento
Tutto il materiale di riferimento (libri, siti web, software) sarà disponibile gratuitamente online (open access, open source).
I testi che saranno indicati hanno ampia diffusione internazionale in insegnamenti paragonabili. La lingua sarà l'inglese.
L'elenco dei riferimenti viene fornito durante la prima lezione.
I testi che saranno indicati hanno ampia diffusione internazionale in insegnamenti paragonabili. La lingua sarà l'inglese.
L'elenco dei riferimenti viene fornito durante la prima lezione.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame è esclusivamente scritto con esercitazioni che richiedono l'uso del pc e dei software utilizzati durante il corso.
Non sono previste prove intermedie.
La valutazione si baserà sul grado di comprensione della logica computazionale, della familiarità raggiunta nell'analisi dei dati e nell'uso delle tecnologie impiegate durante il corso.
Non sono previste prove intermedie.
La valutazione si baserà sul grado di comprensione della logica computazionale, della familiarità raggiunta nell'analisi dei dati e nell'uso delle tecnologie impiegate durante il corso.
Siti didattici
Docente/i
Ricevimento:
da concordare
online