Sistemi multimediali e interaction design
A.A. 2026/2027
Obiettivi formativi
L'insegnamento si propone di fornire agli studenti una conoscenza
avanzata dei sistemi multimediali interattivi, con particolare
attenzione alla modellazione, gestione, ricerca e fruizione di contenuti
multimediali in contesti complessi e data-driven.
Al termine del corso, lo studente sarà in grado di:
- comprendere e progettare sistemi multimediali interattivi basati su
modelli dati avanzati;
- applicare tecniche di Information Retrieval e Multimedia Retrieval,
incluse rappresentazioni vettoriali ed embedding semantici;
- integrare tecnologie di Intelligenza Artificiale generativa (Large
Language Models, Retrieval-Augmented Generation, agenti conversazionali)
in modo controllato e affidabile;
- valutare l'esperienza utente (UX) e l'accettazione tecnologica di
sistemi multimediali e AI-driven;
- analizzare i vincoli architetturali e real-time (QoS e QoE) che
influenzano la qualità dell'interazione.
Il corso fornisce una preparazione teorica e metodologica adeguata per
l'accesso a contesti di ricerca avanzata e sviluppo industriale
nell'ambito dei sistemi multimediali e dell'AI interattiva.
avanzata dei sistemi multimediali interattivi, con particolare
attenzione alla modellazione, gestione, ricerca e fruizione di contenuti
multimediali in contesti complessi e data-driven.
Al termine del corso, lo studente sarà in grado di:
- comprendere e progettare sistemi multimediali interattivi basati su
modelli dati avanzati;
- applicare tecniche di Information Retrieval e Multimedia Retrieval,
incluse rappresentazioni vettoriali ed embedding semantici;
- integrare tecnologie di Intelligenza Artificiale generativa (Large
Language Models, Retrieval-Augmented Generation, agenti conversazionali)
in modo controllato e affidabile;
- valutare l'esperienza utente (UX) e l'accettazione tecnologica di
sistemi multimediali e AI-driven;
- analizzare i vincoli architetturali e real-time (QoS e QoE) che
influenzano la qualità dell'interazione.
Il corso fornisce una preparazione teorica e metodologica adeguata per
l'accesso a contesti di ricerca avanzata e sviluppo industriale
nell'ambito dei sistemi multimediali e dell'AI interattiva.
Risultati apprendimento attesi
Conoscenza e capacità di comprensione.
Lo studente acquisirà conoscenze approfondite relative a:
- modelli di dati per contenuti multimediali;
- architetture di multimedia retrieval e multimodal retrieval;
- tecniche di text, image, audio e video retrieval;
- sistemi di AI generativa applicati all'interazione;
- metodologie di valutazione dell'esperienza utente.
Capacità di applicare conoscenza e comprensione.
Lo studente sarà in grado di:
- progettare sistemi di ricerca e fruizione di contenuti multimediali;
- utilizzare rappresentazioni semantiche ed embedding per il retrieval;
- sviluppare pipeline RAG e sistemi conversazionali AI-based;
- valutare criticamente soluzioni tecnologiche alternative.
Autonomia di giudizio.
Lo studente svilupperà capacità di:
- analisi critica delle architetture multimediali e AI-driven;
- valutazione dei trade-off tra qualità tecnica e qualità percepita;
- giudizio sull'affidabilità, usabilità e accettabilità dei sistemi
progettati.
Abilità comunicative.
Lo studente sarà in grado di:
- descrivere in modo chiaro e rigoroso architetture e soluzioni progettuali;
- discutere scelte tecnologiche con linguaggio tecnico appropriato;
- presentare risultati progettuali e sperimentali.
Capacità di apprendimento.
Lo studente acquisirà gli strumenti concettuali per:
- aggiornarsi autonomamente su tecnologie emergenti nel settore;
- approfondire temi di ricerca in multimedia, IR e AI interattiva.
Lo studente acquisirà conoscenze approfondite relative a:
- modelli di dati per contenuti multimediali;
- architetture di multimedia retrieval e multimodal retrieval;
- tecniche di text, image, audio e video retrieval;
- sistemi di AI generativa applicati all'interazione;
- metodologie di valutazione dell'esperienza utente.
Capacità di applicare conoscenza e comprensione.
Lo studente sarà in grado di:
- progettare sistemi di ricerca e fruizione di contenuti multimediali;
- utilizzare rappresentazioni semantiche ed embedding per il retrieval;
- sviluppare pipeline RAG e sistemi conversazionali AI-based;
- valutare criticamente soluzioni tecnologiche alternative.
Autonomia di giudizio.
Lo studente svilupperà capacità di:
- analisi critica delle architetture multimediali e AI-driven;
- valutazione dei trade-off tra qualità tecnica e qualità percepita;
- giudizio sull'affidabilità, usabilità e accettabilità dei sistemi
progettati.
Abilità comunicative.
Lo studente sarà in grado di:
- descrivere in modo chiaro e rigoroso architetture e soluzioni progettuali;
- discutere scelte tecnologiche con linguaggio tecnico appropriato;
- presentare risultati progettuali e sperimentali.
Capacità di apprendimento.
Lo studente acquisirà gli strumenti concettuali per:
- aggiornarsi autonomamente su tecnologie emergenti nel settore;
- approfondire temi di ricerca in multimedia, IR e AI interattiva.
Periodo: Secondo quadrimestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento può essere seguito come corso singolo.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Secondo quadrimestre
Programma
- Multimedia systems e comunicazione digitale
- Progettazione di esperienze interattive e user experience per sistemi intelligenti
- Gestione di immagini, audio, video e contenuti AI nei database moderni
- Search engines e Information Retrieval: come i sistemi "capiscono" e recuperano informazioni
- Full-text search, ranking e motori di ricerca reali con Oracle Text e Apache Solr
- Large Language Models, ChatGPT, Transformer ed embeddings
- Vector databases e Retrieval-Augmented Generation (RAG) per sistemi AI avanzati
- Conversational AI e progettazione di chatbot intelligenti
- Image Retrieval: ricerca di immagini tramite similarità visuale ed embeddings
- Audio e Video Retrieval: riconoscimento, segmentazione e retrieval multimodale
- CLIP, multimodal AI e ricerca cross-modale testo-immagine-audio-video
- MPEG-7 e descrizione semantica dei contenuti multimediali
- Sistemi distribuiti, streaming, Quality of Service (QoS) e Quality of Experience (QoE)
- Valutazione di sistemi intelligenti basati su Generative AI e multimedia retrieval
- Progettazione di esperienze interattive e user experience per sistemi intelligenti
- Gestione di immagini, audio, video e contenuti AI nei database moderni
- Search engines e Information Retrieval: come i sistemi "capiscono" e recuperano informazioni
- Full-text search, ranking e motori di ricerca reali con Oracle Text e Apache Solr
- Large Language Models, ChatGPT, Transformer ed embeddings
- Vector databases e Retrieval-Augmented Generation (RAG) per sistemi AI avanzati
- Conversational AI e progettazione di chatbot intelligenti
- Image Retrieval: ricerca di immagini tramite similarità visuale ed embeddings
- Audio e Video Retrieval: riconoscimento, segmentazione e retrieval multimodale
- CLIP, multimodal AI e ricerca cross-modale testo-immagine-audio-video
- MPEG-7 e descrizione semantica dei contenuti multimediali
- Sistemi distribuiti, streaming, Quality of Service (QoS) e Quality of Experience (QoE)
- Valutazione di sistemi intelligenti basati su Generative AI e multimedia retrieval
Prerequisiti
È consigliabile ma non obbligatorio possedere conoscenze di base su insegnamenti quali database e Interazione Uomo-Macchina.
Metodi didattici
Lezioni frontali con discussioni e presentazioni di casi di studio
Materiale di riferimento
Lucidi dell'insegnamento in MyARIEL
Nelle diapositive sono indicati libri, articoli e siti web per studio ed approfondimenti.
Letture consigliate:
- Z. Li, M. Drew. Fundamentals of Multimedia, Pearson Educational, 2004
- Multimedia Applications. In B. Fuhrt (ed), Handbook of Internet Computing, CRC Press, 2000
- Moore, R. J., & Arar, R. (2019). Conversational UX design: A practitioner's guide to the natural conversation framework. Morgan & Claypool.
- Moore, R. J., An, S., & Ren, G. J. (2023). The IBM natural conversation framework: a new paradigm for conversational UX design. Human-Computer Interaction, 38(3-4), 168-193.
Nelle diapositive sono indicati libri, articoli e siti web per studio ed approfondimenti.
Letture consigliate:
- Z. Li, M. Drew. Fundamentals of Multimedia, Pearson Educational, 2004
- Multimedia Applications. In B. Fuhrt (ed), Handbook of Internet Computing, CRC Press, 2000
- Moore, R. J., & Arar, R. (2019). Conversational UX design: A practitioner's guide to the natural conversation framework. Morgan & Claypool.
- Moore, R. J., An, S., & Ren, G. J. (2023). The IBM natural conversation framework: a new paradigm for conversational UX design. Human-Computer Interaction, 38(3-4), 168-193.
Modalità di verifica dell’apprendimento e criteri di valutazione
Le modalità di verifica si suddividono in fasi diverse così articolate:
1. Prova scritta (voto massimo 30/30)
2. Prova orale, approfondimento o progetto (opzionale) che poterà a un incremento o decremento del voto dello scritto di + o - 3 punti
I criteri di valutazione della prova scritta riguardano:
- Grado di conoscenza della materia
- Aderenza della risposta alla traccia
- Capacità di fare collegamenti
- Pertinenza dei contenuti in relazione alla richiesta
I criteri di valutazione della prova orale/approfondimento/progetto riguardano:
- focalizzazione della tematica
- rigore logico e utilizzo di linguaggio tecnico
- correttezza e chiarezza di esposizione
- consapevolezza critica, capacità di interpretazione personale, ricchezza e pertinenza espositiva
1. Prova scritta (voto massimo 30/30)
2. Prova orale, approfondimento o progetto (opzionale) che poterà a un incremento o decremento del voto dello scritto di + o - 3 punti
I criteri di valutazione della prova scritta riguardano:
- Grado di conoscenza della materia
- Aderenza della risposta alla traccia
- Capacità di fare collegamenti
- Pertinenza dei contenuti in relazione alla richiesta
I criteri di valutazione della prova orale/approfondimento/progetto riguardano:
- focalizzazione della tematica
- rigore logico e utilizzo di linguaggio tecnico
- correttezza e chiarezza di esposizione
- consapevolezza critica, capacità di interpretazione personale, ricchezza e pertinenza espositiva
INFO-01/A - Informatica - CFU: 6
Lezioni: 48 ore
Docente:
Valtolina Stefano
Turni:
Turno
Docente:
Valtolina StefanoDocente/i