Scienze statistiche - Statistical Sciences

FIORENZA DERIU

1. Conoscenza e comprensione. Che cosa lo studente dovrà conoscere sui temi oggetto del corso dopo aver sostenuto con successo l’esame.
Dopo aver sostenuto con successo l’esame, lo studente avrà acquisito conoscenze di base sulla storia e lo sviluppo della network analysis quale metodologia autonoma di analisi dei dati relazionali; sulle principali scuole e autori che ne hanno segnato la crescita nell’ambito degli studi sulla struttura e sulle dinamiche intra e inter gruppo (Moreno, Freeman, Mit, Harvard School). Gli studenti conosceranno le proprietà delle matrici di dati relazionali; alcuni concetti di base riferiti ai nodi e alle relazioni (linee, direzione); alcune misure caratteristiche delle reti (indegree, oudegree, densità, centralità e centralizzazione, betweenness, closeness, clustering); alcune tecniche statistiche di analisi (componenti, nuclei e clique); le rappresentazioni grafiche delle reti sociali.
2. Capacità di applicare conoscenza e comprensione: che cosa lo studente dovrà saper fare (quali competenze avrà acquisito) sui temi oggetto del corso dopo aver sostenuto con successo l’esame
Dopo aver sostenuto con successo l’esame, lo studente dovrà avere acquisito competenze per a) applicare a fenomeni sociali complessi gli schemi teorici appresi, traducendoli operativamente in domande di ricerca, obiettivi e ipotesi di lavoro; b) raccogliere e organizzare i dati in forma relazionale e trattarli statisticamente, calcolando le misure più appropriate e utilizzando le tecniche apprese; c) utilizzare i software Sas Viya e Ucinet.
3. Attività che concorrono allo sviluppo di capacità critiche e di giudizio
Lo sviluppo di capacità critiche e di giudizio sono sviluppate attraverso il coinvolgimento degli studenti nel lavoro in aula. La metodologia didattica adottata prevede che lo studente, da solo o in gruppo, osservi, analizzi, commenti, interpreti, sperimenti, al fine di sviluppare una autonoma capacità di decisione e soluzione di problemi, di sintesi e di giudizio rispetto ai problemi di analisi proposti dalla docente.
4. Attività che concorrono allo sviluppo delle capacità di comunicare quanto si è appreso
La capacità di comunicare quanto è appreso deve essere sviluppata attraverso il lavoro di gruppo e attività di presentazione e discussione dei risultati relativi alle diverse attività d’aula svolte (analisi di dati e presentazioni dei risultati raggiunti).
5. Capacità di proseguire in modo autonomo lo studio dei temi affrontati
Le competenze acquisite oltre a rafforzare ed arricchire le conoscenze già in possesso degli studenti, contribuiranno a potenziare la capacità di apprendimento di metodi e tecniche più avanzate di analisi di fenomeni sociali sia a livello teorico che applicativo.

Gli studenti impareranno ad applicare le tecniche di network analysis utilizzando la piattaforma Sas Viya for learning.
L’acquisizione di tali conoscenze consentirà loro di analizzare e comprendere in modo autonomo alcuni fenomeni relazionali relativi a diversi fenomeni socio-economici con particolare attenzione alle partnership d'impresa impegnate nella realizzazione degli obiettivi di sostenibilità ambientale dell’Agenda 2030, adottando un approccio di rete.

Statistica di base, statistica multivariata

Il programma comprende i seguenti argomenti:

I Parte: entro metà novembre

L’evoluzione della network analysis: dalla Sociometria di J. Moreno alla svolta della Scuola di Harvard

• La Sociometria di Moreno
• La Scuola di Manchester
• Il Massachusets Institute of Technology (MIT)
• La Scuola di Harvard

Introduzione all’analisi delle reti

Concetti principali di Network Analysis

• Introduzione all’analisi delle reti
• Concetto di rete
• Matrici di adiacenza e misure di centralità basate sui gradi.
• Procedure di network analysis.

Misure di centralità

• Introduzione
• Centralità basata sugli autovalori
• Centralità basata sulla betweenness e sulla closeness
• Centralità di influenza (self-study).
• Centralità di nodi ad alta connessione (hub) e autorità (authorities)
• Centralità di rango di pagina (studio della popolarità delle pagine web).

II Parte: entro dicembre - fine corso

Analisi di subnetwork
• Studio delle componenti
• Le cliques.
• L’identificazione di Community
• Traiettorie, percorsi e cicli
• Corrispondenza di pattern

Reti bipartite
• Introduzione alle reti bipartite
• Proiezioni di reti

Ottimizzazione di reti
• Introduzione
• Problema di assignment lineare
• Spanning tree minimo
• Spanning tree massimo (self-study)
• Problema del commesso viaggiatore
• Flussi di rete a costo minimo (self-study)

L’ottimizzazione di rete usando la procedura OPTMODEL

Per frequentanti
La docente fornirà le dispense e il materiale didattico necessario alla preparazione dell'esame, integrato dalle dispense SAS

Per non frequentanti
Linton C. Freeman, Lo sviluppo dell’analisi delle reti sociali. Uno studio di sociologia della scienza, Franco Angeli
La docente fornirà delle dispense da studiare per la parte tecnica, e rese disponibili sulla piattaforma Moodle

Gli studenti impareranno ad applicare le conoscenze teoriche e metodologiche apprese a basi di dati relazionali, utilizzando il software SAS Viya. Ogni lezione teorica sarà accompagnata da una sessione pratica e laboratoriale con SAS, basata sullo svolgimento di esercizi su dati relativi a fenomeni sociali ed economici. Gli studenti, alla fine del Corso, oltre ad applicare le tecniche saranno anche in grado di descrivere, discutere e interpretare i risultati raggiunti.
Gli studenti saranno costantemente coinvolti attivamente nel lavoro in aula. La metodologia didattica adottata prevede che lo studente, da solo o in gruppo, analizzi, commenti e interpreti i processi che hanno portato a certi risultati e risultati medesimi degli esercizi svolti in aula, al fine di sviluppare una autonoma capacità di sintesi e di giudizio rispetto ai temi proposti dalla docente.
Il lavoro di gruppo e l’attività di presentazione e discussione dei risultati relativi alle diverse attività d’aula svolte (lettura e interpretazione dei risultati degli esercizi svolti) contribuiscono allo sviluppo delle capacità comunicative degli studenti e l’acquisizione del linguaggio tecnico-scientifico specifico della disciplina.
Le lezioni sono registrate e successivamente caricate sulla piattaforma Moodle per consentire agli studenti non frequentanti e frequentanti di studiare più agevolmente
La docente usa la piattaforma Classroom per una condivisione più agile di materiali didattici, esercizi e homework con gli studenti frequentanti e la piattaforma Moodle per i non frequentanti (prevalentemente)

La frequenza è vivamente consigliata. Nel caso non fosse possibile seguire le lezioni gli studenti sono invitati a seguire il programma per non frequentanti
La docente registra le lezioni per agevolare il recupero delle lezioni che non è stato possibile seguire o per rivedere alcuni argomenti più complessi.

Gli studenti frequentanti sosterranno una prova pratica in laboratorio (5 esercizi) usando SAS

Gli studenti non frequentanti sostengono una prova orale basata su un libro di testo indicato dalla docente

Calcolo delle misure di centralità della rete: eigenvalue, di grado, closeness, betweenness
Calcolo delle misure di influenza di I e II ordine
Calcolo del numero delle componenti connesse e biconnesse
Identificazione di communities nella rete
Calcolo delle clique e delle clique massime della rete
Hub e Authorities
Individuazione di schemi relazionali nella rete
Calcolo della ranking centrality
Stima modello di assegnazione lineare