Insegnamento DATA SCIENCE PER LA QUALITA' DELLE ISTITUZIONI

Nome del corso di laurea Politica, amministrazione, territorio
Codice insegnamento A001477
Curriculum Scienze dell'amministrazione
Docente responsabile Michela Gnaldi
Docenti
  • Michela Gnaldi
Ore
  • 63 Ore - Michela Gnaldi
CFU 6
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
Periodo Primo Semestre
Tipo insegnamento Opzionale (Optional)
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.
Condividi su