- Docente: Marco Albertini
- Crediti formativi: 4
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea Magistrale in Comunicazione giornalistica, pubblica e d'impresa (cod. 5703)
-
dal 20/09/2024 al 25/10/2024
Conoscenze e abilità da conseguire
Il laboratorio intende innanzitutto introdurre gli studenti al concetto di “big data”, alle principali strategie di raccolta e organizzazione di tale tipologia di dati, e alle implicazioni che la natura, la struttura, e le dimensioni di dataset di grandi dimensioni possono avere nella definizione e nell’implementazione di strategie di interrogazione, con particolare riferimento a questioni di rilevanza sociale e politica. Al termine del laboratorio lo studente: sa riferirsi in maniera appropriata al concetto di “big data”; conosce i principali formati, strutture, e modalità di organizzazione di dataset di grandi dimensioni; ha appreso modalità di raccolta (ad esempio attraverso interrogazione di API) di ampi aggregati di dati digitali; è in grado di implementare semplici strategie di analisi di big data, anche attraverso l’utilizzo di tools e software specifici con riferimento a questioni di rilevanza sociale e politica.
Contenuti
Il corso mira (i) a fornire agli studenti gli elementi introduttivi essenziali dei recenti approcci di computational social science (ii) a presentare e discutere una serie di studi empirici, nell'ambito di computational social sciences, che possano fornire spunti utili per futuri progetti di raccolta o analisi dei dati.
Testi/Bibliografia
Oltre ai due seguenti testi, prima dell'inizio delle lezioni il docente distribuirà una lista di letture specifiche e relative a studi empirici che utilizzano un approccio di computational social sciences.
- Salganik, M.J. (2020) Bit by bit. La ricerca sociale nell'era digitale. Bologna: il Mulino.
- Mayer-Schönberger, V. e Cukier, K. (2014) Big Data: A Revolution That Will Transform How We Live, Work, and Think. Eamon Dolan/Mariner Books.
Metodi didattici
Lezioni laboratoriali di discussione delle letture; presentazioni degli studenti di testi selezionati; introduzione e brevi esercizi di base di analisi dati/testi con R e R-studio
Modalità di verifica e valutazione dell'apprendimento
Gli studenti saranno valutati sulla base di una presentazione di un paper a scelta tra quelli indicati dal docente e un breve paper finale su un tema da concordare con il docente (max 3000 parole).
Vi sarà la possibilità di svolgere il paper anche includendo una breve analisi dati con il software R (ed R-studio).
Strumenti a supporto della didattica
materiali su piattaforma virtuale; R e R-Studio.
Orario di ricevimento
Consulta il sito web di Marco Albertini