Obiettivi formativi Obiettivi formativi
Conoscenza e comprensione dei concetti e delle tecniche di base dell’algebra lineare e della geometria analitica nel piano e nello spazio e capacità di applicarle allo studio e alla risoluzione di semplici problemi anche nell'ambito di altri insegnamenti.
Conoscenza e capacità di comprensione.
Buona conoscenza teorica e pratica di matrici, sistemi lineari e altre nozioni fondamentali di algebra lineare e capacità di comprensione di queste tematiche anche nell'ambito di altri insegnamenti.
Capacità di applicare conoscenza e comprensione.
Capacità di utilizzare le competenze acquisite per risolvere semplici problemi su matrici, sistemi lineari e altre nozioni fondamentali di algebra lineare anche per sviluppi richiesti in altri insegnamenti.
Autonomia di giudizio.
Buona capacità di riconoscere, inquadrare e impostare la risoluzione di semplici problemi su matrici, sistemi lineari e altre nozioni fondamentali di algebra lineare, eventualmente selezionando opportunamente tra i metodi appresi.
Abilità comunicativa.
Buona capacità di esposizione di concetti e tecniche di base di algebra lineare nonché di metodi risolutivi di semplici problemi.
Capacità di apprendimento.
Buona capacità di apprendimento delle questioni di carattere matematico in altri insegnamenti, in forza della comprensione del carattere logico-deduttivo della disciplina.
|
Obiettivi formativi Obiettivi formativi
Obiettivo formativo del Laboratorio è l’apprendimento delle principali funzioni e dei principali
strumenti di Excel, con particolare attenzione alle funzionalità utili nell’ambito della ricerca sociale
empirica.
L’obiettivo è quello di fornire ali studenti conoscenze che consentano loro di operare in autonomia
con Excel, prendendo confidenza con l’interfaccia e la sintassi del software e acquisendo le
competenze necessarie per svolgere operazioni di ricerca quali:
- l’archiviazione dei dati e la costruzione di una matrice ex-novo;
- la gestione di database e matrici-dati diversamente costruiti;
- la pulizia e il pre-trattamento di dati di differente natura;
- la ricodifica delle variabili;
- le procedure di campionamento che prevedono l’estrazione casuale semplice dei casi;
- il calcolo delle statistiche descrittive di variabili cardinali (indici di dispersione, posizione e
forma);
- l’analisi mono e bi-variata dei dati attraverso l’uso di funzioni e strumenti specifici;
- l’elaborazione di grafici e tabelle.
Gli studenti acquisiranno specifiche conoscenze metodologiche e informatiche mettendo in pratica
quanto spiegato dalla docente, grazie all’alternanza di lezioni frontali, attività pratiche (individuali e
di gruppo) e momenti di confronto in aula.
Conoscenza e capacità di comprensione
Gli studenti affronteranno nella pratica le principali fasi di pulizia, pre-trattamento e analisi
statistico-descrittiva del dato. Al termine del laboratorio, gli studenti avranno appreso le funzioni e
gli strumenti di Excel che consentono di gestire database e matrici-dati, compiere operazioni di
ricodifica delle variabili, pre-trattare dati non-strutturati di tipo testuale, compiere analisi mono e bi-
variata dei dati, nonché elaborare rappresentazioni grafiche.
Capacità di applicare conoscenza e comprensione
Attraverso l’esperienza pratica, gli studenti apprenderanno: come archiviare e organizzare le
informazioni in una matrice costruita ex-novo; come trattare e gestire database ottenuti attraverso
piattaforme per la costruzione e la compilazione di questionari online oppure esportati da altri
software di analisi statistica; come scegliere gli strumenti e le procedure più adatte per svolgere
specifiche operazioni di pulizia, trattamento e analisi del dato; come presentare attraverso la
produzione di grafici e tabelle i risultati delle analisi dei dati.
Autonomia di giudizio
Ripercorrendo le diverse fasi metodologiche di trattamento e analisi dei dati, gli studenti
acquisiranno capacità di giudizio, capacità decisionali e di problem solving grazie ad un’esperienza
di cooperative learning, che incentivano un costante confronto tra pari e con la docente.
Abilità comunicativa
La partecipazione a lavori di gruppo e la discussione in aula dei risultati pratici ottenuti al termine
di ogni sessione pratica, favoriscono lo sviluppo delle capacità comunicative degli studenti. In
particolare, tali attività consentono di migliorare le strategie di comunicazione nel confronto tra pari
e offrono l’opportunità di fare pratica di public speaking.
Capacità di apprendimento
L’attività di ricerca applicata sperimentata dagli studenti nell’ambito del Laboratorio permetterà
loro di ampliare le conoscenze teoriche già acquisite e di rafforzare la capacità di apprendimento
teorico e pratico di approcci, metodi e tecniche di analisi dei fenomeni sociali.
|
Obiettivi formativi L'obiettivo di queste attività è di fornire strumenti strumenti trasversali, non necessariamente disciplinari, utili sia al proseguimento degli studi che in ambito professionale.
Tra queste: capacità di presentazione in pubblico (public speaking), capacità di produrre documenti scritti (tesine, tesi, articoli, relazioni), abilità con uso di editori di testi scientifici (ad esempio Latex), lavoro di gruppo, etc.
|
Obiettivi formativi Obiettivi formativi.
Obiettivo formativo principale del Laboratorio è l’apprendimento delle attività da svolgere in corrispondenza di ciascuna delle fasi in cui si articola il disegno di una ricerca sociale, dalla sua progettazione e ideazione fino alla rilevazione sul campo, all’analisi dei dati e alla loro rappresentazione all’interno di un report statistico.
A tal fine le lezioni frontali e le attività pratiche previste nel programma si alternano per consentire gli studenti di mettere in pratica quanto di volta in volta illustrato dalla docente.
Conoscenza e capacità di comprensione.
Al termine del Laboratorio gli studenti conoscono tutte le fasi in cui si articola il processo ideativo e realizzativo di una ricerca sociale nonché tutte le attività specifiche ad esse connesse.
Gli studenti apprendono le principali tecniche
a) di concettualizzazione,
b) di costruzione di strumenti necessari per la raccolta dati,
c) di rilevazione dati.
Apprendono come leggere e interpretare un dato di indagine e a rappresentarlo in modo efficace in un rapporto.
Capacità di applicare conoscenza e comprensione Attraverso l’esperienza pratica di ricerca applicata, gli studenti apprendono come formulare domande di ricerca, obiettivi e ipotesi; come scegliere gli strumenti di rilevazione dati più idonei a una determinata indagine; come costruire uno strumento di rilevazione (il questionario) e informatizzarlo; come monitorare e controllare l’attività di rilevazione; come trattare i dati raccolti, come analizzarli e comprenderne il significato.
Gli studenti imparano infine a sintetizzare i risultati di indagine in un rapporto finale.
Autonomia di giudizio.
Gli studenti nel lavoro di gruppo sono costantemente sollecitati alla discussione e al confronto con gli altri membri, acquisendo così capacità di giudizio e di problem solving rispetto alle scelte da effettuare ad ogni fase di realizzazione della ricerca.
Oltre alla capacità di decisione, gli studenti sviluppano capacità interpretative con riferimento alla lettura dei risultati della loro ricerca.
Abilità comunicativa Il lavoro di gruppo e l’attività di presentazione dei risultati relativi ai diversi task assegnati dalla docente contribuiscono allo sviluppo delle capacità comunicative degli studenti.
La presentazione e discussione delle scelte fatte da ciascun gruppo di lavoro ad ogni step della ricerca, nonché la redazione finale di un report sui risultati contribuisce all’acquisizione del linguaggio tecnico-scientifico specifico della disciplina.
Capacità di apprendimento.
L’esperienza pratica di ricerca nell’ambito del Laboratorio consente agli studenti di rafforzare e sedimentare le conoscenze teoriche già acquisite e di potenziare la capacità di apprendimento di metodi e tecniche più avanzate di gestione delle indagini statistiche e dei dati.
|
Obiettivi formativi Obiettivi formativi
Il corso "Laboratorio di IA" ha l’obiettivo di fornire agli studenti una comprensione pratica dei principali strumenti e tecniche dell’intelligenza artificiale privilegiando, ove utile, un approccio di tipo statistico-probabilistico. Attraverso attività laboratoriali e progetti applicativi, il corso mira a sviluppare competenze operative nell’uso di algoritmi di machine learning, reti neurali profonde, e altre tecnologie emergenti nel campo dell’AI come LLM e modelli di diffusione. Gli studenti saranno guidati nella progettazione e realizzazione di soluzioni a problemi reali di natura multidisciplinare, sviluppando il pensiero critico e una maggiore consapevolezza sia delle potenzialità che dei limiti degli strumenti studiati.
Conoscenza e capacità di comprensione
Il corso fornisce agli studenti una solida comprensione pratica dei principali strumenti e tecniche dell’intelligenza artificiale, con particolare attenzione agli approcci statistico-probabilistici. Viene promossa la conoscenza di algoritmi di machine learning, reti neurali profonde, modelli generativi avanzati (come LLM e modelli di diffusione) e delle loro applicazioni.
Capacità di applicare conoscenza e comprensione
Attraverso attività laboratoriali e progetti applicativi, gli studenti imparano ad applicare concretamente le tecniche studiate per sviluppare soluzioni a problemi reali e multidisciplinari, maturando competenze operative nell’uso di strumenti AI avanzati.
Autonomia di giudizio
Il corso stimola lo sviluppo del pensiero critico e l’acquisizione di consapevolezza sui limiti e le potenzialità degli strumenti utilizzati, promuovendo una valutazione autonoma e riflessiva delle soluzioni adottate nei diversi contesti applicativi.
Abilità comunicativa
La partecipazione a progetti applicativi multidisciplinari implica la necessità di comunicare efficacemente risultati, scelte progettuali e criticità, anche in contesti collaborativi, contribuendo allo sviluppo di abilità comunicative tecniche.
Capacità di apprendimento
Il carattere laboratoriale e l’approccio pratico del corso incoraggiano l’apprendimento attivo, l’adattamento a nuove tecnologie e la capacità di aggiornarsi in un campo in rapida evoluzione come quello dell’intelligenza artificiale.
|
