Laboratory: "data visualization narratives"
A.A. 2023/2024
Obiettivi formativi
The course aims to provide students with a comprehensive understanding of the fundamental principles of data visualization and the crucial role of storytelling in crafting effective data-driven narratives.
Learning objectives are articulated as follows:
- Understand the main principles of data visualisation and the relevance and role of storytelling in creating effective data narratives.
- Develop skills in selecting appropriate visual models for different data types and audiences.
- Familiarise with tools and software used for data visualisation.
- Analyse and critique existing data visualisation narratives to identify trends and best practices.
- Apply knowledge and skills to design a data visualisation project as a team.
Learning objectives are articulated as follows:
- Understand the main principles of data visualisation and the relevance and role of storytelling in creating effective data narratives.
- Develop skills in selecting appropriate visual models for different data types and audiences.
- Familiarise with tools and software used for data visualisation.
- Analyse and critique existing data visualisation narratives to identify trends and best practices.
- Apply knowledge and skills to design a data visualisation project as a team.
Risultati apprendimento attesi
Upon compilation of this module, students will be able to:
- Explain the principles of data visualisation and how it contributes to effective storytelling in data narratives.
- Select appropriate visual models for different types of data and audiences.
- Combine the use of data visualisation tools.
- Analyse and critique existing data visualisation narratives.
- Collaboratively design a data visualisation project on a chosen topic.
- Explain the principles of data visualisation and how it contributes to effective storytelling in data narratives.
- Select appropriate visual models for different types of data and audiences.
- Combine the use of data visualisation tools.
- Analyse and critique existing data visualisation narratives.
- Collaboratively design a data visualisation project on a chosen topic.
Periodo: Primo trimestre
Modalità di valutazione: Giudizio di approvazione
Giudizio di valutazione: superato/non superato
Corso singolo
Questo insegnamento può essere seguito come corso singolo.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo trimestre
Programma
Questo modulo si concentra sulla comprensione dei principi di visualizzazione dei dati e sul loro ruolo nella narrazione efficace dei dati. Lɜ studentɜ impareranno a selezionare modelli visivi appropriati, a utilizzare strumenti di visualizzazione dei dati, ad analizzare narrazioni esistenti e a progettare in modo collaborativo un piccolo progetto.
I metodi di valutazione includono discussioni, casi di studio, attività pratiche, discussioni e un progetto finale di piccolo gruppo. La valutazione prevede discussioni strutturate o test scritti, oltre alla partecipazione in classe.
I metodi di valutazione includono discussioni, casi di studio, attività pratiche, discussioni e un progetto finale di piccolo gruppo. La valutazione prevede discussioni strutturate o test scritti, oltre alla partecipazione in classe.
Prerequisiti
Per iscriversi al corso, è necessario compilare il Google Form al seguente link: https://forms.gle/ZHfVEpxBBHiB6DRu5 entro e non oltre il giorno 1 Ottobre 2023, ore 23:59 CET
I prerequisiti per il laboratorio includono la capacità di manipolare i dati (utilizzando strumenti come Excel, Spreadsheet, Open Refine, R o Python), la capacità di partecipare alle discussioni in classe e la capacità di progettare presentazioni (utilizzando strumenti come Powerpoint, Google Drive, Keynote...).
I prerequisiti per il laboratorio includono la capacità di manipolare i dati (utilizzando strumenti come Excel, Spreadsheet, Open Refine, R o Python), la capacità di partecipare alle discussioni in classe e la capacità di progettare presentazioni (utilizzando strumenti come Powerpoint, Google Drive, Keynote...).
Metodi didattici
Lezioni frontali, attività di gruppo quali discussioni e mini workshop.
Materiale di riferimento
Le slides delle lezioni saranno caricate online e saranno disponibili dopo ogni lezione.
Main texts:
- Hil, Darjan, and Nicole Lachenmeier. Visualizing Complexity : Modular Information Design Handbook. Berlin: Walter de Gruyter GmbH, 2022. Web.
- Segel E and Heer J (2010) Narrative Visualization: Telling Stories with Data. IEEE Transactions on Visualization and Computer Graphics 16(6): 1139-1148. DOI: 10.1109/TVCG.2010.179.
- Bach, B., Stefaner, D., Boy, J., Drucker, S., Bartram, L., Wood, J., Ciuccarelli, P., Engelhardt, Y., Köppen, U., & Tversky, B. (2018). Narrative Design Patterns for Data-Driven Storytelling. In N. Riche, C. Hurter, N. Diakopoulos, & S. Carpendale (Eds.), Data-Driven Storytelling (pp. 107-133). CRC Press (Taylor & Francis). https://doi.org/10.1201/9781315281575-5
Main texts:
- Hil, Darjan, and Nicole Lachenmeier. Visualizing Complexity : Modular Information Design Handbook. Berlin: Walter de Gruyter GmbH, 2022. Web.
- Segel E and Heer J (2010) Narrative Visualization: Telling Stories with Data. IEEE Transactions on Visualization and Computer Graphics 16(6): 1139-1148. DOI: 10.1109/TVCG.2010.179.
- Bach, B., Stefaner, D., Boy, J., Drucker, S., Bartram, L., Wood, J., Ciuccarelli, P., Engelhardt, Y., Köppen, U., & Tversky, B. (2018). Narrative Design Patterns for Data-Driven Storytelling. In N. Riche, C. Hurter, N. Diakopoulos, & S. Carpendale (Eds.), Data-Driven Storytelling (pp. 107-133). CRC Press (Taylor & Francis). https://doi.org/10.1201/9781315281575-5
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame finale del corso per lɜ studentɜ frequentantɜ in classe prevede una discussione orale strutturata, mentre l'esame finale del corso per lɜ studentɜ online prevede un test finale scritto. Inoltre, il rendimento e la partecipazione di ogni persona durante ogni attività in aula contribuiranno all'approvazione finale.
Docente/i