Insegnamento DATA SCIENCE PER LA QUALITA' DELLE ISTITUZIONI
- Corso
- Politica, amministrazione, territorio
- Codice insegnamento
- A001477
- Curriculum
- Politica e istituzioni
- Docente
- Michela Gnaldi
- Docenti
-
- Michela Gnaldi
- Ore
- 63 ore - Michela Gnaldi
- CFU
- 9
- Regolamento
- Coorte 2020
- Erogato
- 2021/22
- Attività
- Affine/integrativa
- Ambito
- Attività formative affini o integrative
- Settore
- SECS-S/05
- Tipo insegnamento
- 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.