- Docente: Francesca Tosi
- Crediti formativi: 10
- SSD: SECS-S/05
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
-
Corso:
Laurea in
Sviluppo e cooperazione internazionale (cod. 8890)
Valido anche per Laurea in Scienze statistiche (cod. 8873)
Conoscenze e abilità da conseguire
Al termine del corso lo studente possiede le capacità di definire i concetti di riferimento e gli ambiti di applicazione della statistica sociale, conosce sia i riferimenti concettuali di base per impostare indagini demoscopiche, sia gli strumenti metodologici per minimizzare gli errori campionari e non campionari. In particolare, lo studente è in grado di: - impostare un piano di ricerca - approntare disegni campionari alternativi - definire un questionario e le modalità di rilevazione con particolare riferimento al contesto sociale
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 17. Le lezioni verranno registrate dalla docente e rese disponibili tramite la piattaforma streaming Panopto.
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.