Insegnamento DATA SCIENCE PER LA QUALITA' DELLE ISTITUZIONI
Nome del corso di laurea | Politica, amministrazione, territorio |
---|---|
Codice insegnamento | A001477 |
Curriculum | Politiche del territorio |
Docente responsabile | Michela Gnaldi |
Docenti |
|
Ore |
|
CFU | 9 |
Regolamento | Coorte 2020 |
Erogato | Erogato nel 2021/22 |
Erogato altro regolamento | Informazioni sull'attività didattica |
Attività | Affine/integrativa |
Ambito | Attività formative affini o integrative |
Settore | SECS-S/05 |
Anno | 2 |
Periodo | Primo Semestre |
Tipo insegnamento | Obbligatorio (Required) |
Tipo attività | Attività formativa monodisciplinare |
Lingua insegnamento | Italiano |
Contenuti | PARTE I Problematiche generali di misurazione di fenomeni complessi latenti e problematiche specifiche di misurazione della corruzione PARTE II Data mining: lo strumento metodologico principale di data science Obiettivi del data mining. Data visualisation PARTE III Project work studenti La “Relazione del responsabile della prevenzione della corruzione” |
Testi di riferimento | Misurare ¿la corruzione oggi. Obiettivi, metodi, esperienze. A cura di Michela Gnaldi, Benedetto Ponti. FrancoAngeli. https://ojs.francoangeli.it/_omp/index.php/oa/catalog/book/310 |
Obiettivi formativi | L'insegnamento, appartenente all'area metodologica quantitativa, si pone l’obiettivo di offrire le basi metodologiche per la misurazione di fenomeni complessi, con particolare riguardo al data mining, come strumento metodologico principale di data science e gli obiettivi che consente di raggiungere, soprattutto in termini di data visualisation. |
Prerequisiti | Il superamento di un insegnamento di statistica alla triennale è auspicato |
Metodi didattici | Lezioni frontali, esercitazioni e project work. Nel caso l’emergenza sanitaria lo continui a richiedere, l’erogazione della didattica si svolgerà in modalità mista. |
Altre informazioni | Nessuna |
Modalità di verifica dell'apprendimento | Esame scritto, integrato da project work. Nel caso l’emergenza sanitaria lo continui a richiedere, sarà possibile sostenere gli esami a distanza. |
Programma esteso | PARTE I Problematiche generali di misurazione di fenomeni complessi latenti e problematiche specifiche di misurazione della corruzione Le fonti dei dati • Statistica ufficiale, Social Networks, Traditional Business systems, Internet of Things • Dati, Big data, elementi caratterizzanti e differenze tra data e big data, potenzialità informative, margini e limiti applicativi, uso a fini pubblici e privati dei big data • Le fonti dei dati sulla corruzione • Potenzialità conoscitive degli hard data di fonte amministrativa per la misurazione della corruzione Sviluppo delle misure: dalle statistiche agli indicatori: • Definizione del disegno gerarchico e del modello di misurazione • Sistema di misure a livello macro: i sistemi di indicatori • Sistema di misure a livello micro: i questionari Gestione e sintesi della complessità: • Riduzione della struttura dei dati • Combinazione di indicatori • Modellazione degli indicatori Indicatori per la misurazione di fenomeni complessi Indicatori per la misurazione della corruzione: Caratteristiche, potenzialità e limiti PARTE II Data mining: lo strumento metodologico principale di data science Obiettivi del data mining: • classificazione delle unità • clustering delle variabili (indicatori compositi) • associazione tra variabili • sequential pattern discovery • regressione Data visualisation e principi per la presentazione e comunicazione delle statistiche: principi, componenti e valutazione della loro qualità PARTE III Project work studenti La “Relazione del responsabile della prevenzione della corruzione” Project work “La Bussola dell’Anticorruzione”. Gli studenti lavorano su dati reali scaricati dal web e relativi alle Relazioni del responsabile della prevenzione della corruzione, con l’obiettivo di costruire un indicatore sintetico di contrasto amministrativo alla corruzione, che funga da Bussola dell’Anticorruzione. |