- Docente: Francesca Tosi
- Crediti formativi: 8
- SSD: SECS-S/05
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
-
Corso:
Laurea in
Scienze statistiche (cod. 8873)
Valido anche per Laurea in Sviluppo e cooperazione internazionale (cod. 8890)
Conoscenze e abilità da conseguire
Al termine del corso lo studente ha conoscenza delle principali fonti statistiche, ufficiali e non, nazionali e internazionali e degli aspetti metodologici e tecnici della ricerca sociale. In particolare, lo studente è in grado di: - utilizzare gli strumenti basilari dell'analisi quantitativa e della verifica dei risultati nella ricerca sociale - avvalersi con piena consapevolezza delle fonti statistiche
Contenuti
I paradigmi della ricerca sociale - Ricerca sociale quantitativa vs qualitativa - Le fonti della Statistica Sociale - Il gender data gap - Indicatori e Indici sintetici - Questionari, interviste, disegno della ricerca - Domande e alternative di risposta - Processi psicologici sottostanti alla comprensione di domande e risposte - Tecniche di somministrazione del questionario - Piani di campionamento - La ricerca nell'ambito di popolazioni elusive - Causalità ed esperimento - Laboratorio
Testi/Bibliografia
Letture obbligatorie
Per gli studenti frequentanti:
- Materiali online reperibili tramite piattaforma Virtuale.
- Piergiorgio Corbetta, Metodologia e tecniche della ricerca sociale. Il Mulino (capitoli da 1 a 9)
- Matteo Mazziotta, Adriano Pareto (a cura di), Gli indici sintetici. Giappichelli Editore (parti I e II)
Per gli studenti non frequentanti:
- Piergiorgio Corbetta, Metodologia e tecniche della ricerca sociale. Il Mulino (capitoli da 1 a 9)
- Matteo Mazziotta, Adriano Pareto (a cura di), Gli indici sintetici. Giappichelli Editore (parti da I a III)
Letture consigliate
Statistiche di genere, gender data gap e femminismo dei dati:
- Caroline Criado Pérez, Invisibili. Einaudi
- Catherine d'Ignazio e Lauren F. Klein, Data Feminism. MIT Press (https://data-feminism.mitpress.mit.edu)
Intelligenza artificiale e race bias/gender bias:
- Cathy O'Neil, Armi di distruzione matematica. Come i big data aumentano le disuguaglianze e minacciano la democrazia. Bompiani
- Safiya Umoja Noble, Algorithms of Oppression: How Search Engines Reinforce Racism. New York University Press
Metodi didattici
Lezioni frontali in presenza e a distanza con l'ausilio di slides, risorse web, data set, articoli scientifici, esercitazioni in tempo reale e da svolgersi a casa
Modalità di verifica e valutazione dell'apprendimento
Per gli studenti e le studentesse frequentanti, la verifica dell'apprendimento consiste nella valutazione di un elaborato da svolgere individualmente in modalità take-home e in un colloquio orale.
Per gli studenti e le studentesse non frequentanti, i contenuti del corso saranno verificati tramite test scritto ed eventualmente un colloquio orale (a discrezione della docente).
Non sono previste prove intermedie.
Strumenti a supporto della didattica
Presentazioni Power Point, Microsoft Excel, Stata 16
Orario di ricevimento
Consulta il sito web di Francesca Tosi
SDGs




L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.