Il corso è finalizzato alla conoscenza di fonti, sistemi di indicatori e piani di campionamento.
Il corso mira a offrire la informazioni di base per la gestione di basi di dati relazionali e fornire inoltre nozioni sui Big Data, sulla loro gestione e sull’impatto di questi nella società contemporanea.
Il corso affronta i principali argomenti relativi alla gestione di un’indagine statistica. Gli argomenti sono trattati seguendo il percorso logico delle fasi di un’attività di ricerca: la specificazione del problema, la raccolta dei dati, l’elaborazione, l’analisi dei dati e la valutazione dei risultati conseguiti secondo specifiche dimensioni d’analisi spazio-temporale.
L'insegnamento è organizzato in una serie di lezioni frontali. Esercitazioni sono svolte in classe all'interno delle lezioni stesse. Un paio di speakers esterni sono normalmente invitati per esporre su temi avanzati di Computational Social Science.
Principi di matematica e statistica
Nozioni di base di informatica e di gestione dati.
Non obbligatoria ma consigliata
Non obbligatoria ma fortemente consigliata.
Le fonti delle informazioni statistiche; modelli di rilevazione delle informazioni da fonti istituzionali; i sistemi statistici informativi, procedure d’integrazione fra data-bases; le trasformazioni dei dati; classificazione tipologica di tassi, rapporti, numeri indici; gli indicatori; le tecniche di costruzione e di indicatori composti.
Il corso intende dare una panoramica dei sistemi di gestione delle basi di dati sia da un punto di vista teorico che pratico. L’enorme quantità di dati di tipo “sociale” oggi disponibile rende necessaria una corretta gestione informatica di tali dati al fine di poter comprendere al meglio ed analizzare in maniera più proficua i fenomeni sociali che possono essere estratti da questa enorme quantità di dati. Strumenti quali Facebook, la lettura di quotidiani online, lo scambio di email, ecc., forniscono oggi allo scienziato sociale una nuova dimensione di analisi difficilmente gestibile con tecniche convenzionali per via della numerosità dei dati stessi.
Si intende formare lo studente con le conoscenze teoriche necessarie alla comprensione delle tecniche di archiviazione delle basi di dati. Inoltre si vuole dare una conoscenza pratica e metodologica di un sistema di gestione delle basi di dati di larga diffusione. Esploreremo inoltre i principi dei Big Data e della loro interazione con le scienze sociali.
STAT (2011), Navigando tra le fonti demografiche e sociali, ISTAT, Roma,
http://www3.istat.it/dati/catalogo/20100325_01/Navigando_tra_le_fonti_demografiche_sociali.pdf
Bonarini F. (2006), Guida alle fonti statistiche socio-demografiche, CLEUP, Padova, pp. 1-142; 231-308.
Cavaleri P. e Venturini F. (a cura di) (2004), Documenti e dati pubblici sul web. Guida all'informazione di fonte pubblica in rete, Il Mulino, Bologna.
D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 10 e 11).
OECD (2008), Handbook on Constructing Composite Indicators. Methodology and user guide.,
www.oecd.org/publishing.
Il materiale didattico verrà fornito nel corso delle lezioni.
Slides fornite dal docente disponibili sul sito: http://www.dmi.unict.it/~ggiuffrida/
FONTI, SISTEMI DI INDICATORI E PIANI DI CAMPIONAMENTO | ||
Argomenti | Riferimenti testi | |
1 | Le fonti delle informazioni statistiche. Modelli di rilevazione delle informazioni da fonti istituzionali | ISTAT (2011), Navigando tra le fonti demografiche e sociali, ISTAT, Roma, http://www3.istat.it/dati/catalogo/20100325_01/Navigando_tra_le_fonti_demografiche_sociali.pdf |
2 | I sistemi statistici informativi. Procedure d’integrazione fra data-bases. | Bonarini F. (2006), Guida alle fonti statistiche socio-demografiche, CLEUP, Padova, pp. 1-142; 231-308. Cavaleri P. e Venturini F. (a cura di) (2004), Documenti e dati pubblici sul web. Guida all'informazione di fonte pubblica in rete, Il Mulino, Bologna. |
3 | Le trasformazioni dei dati. Classificazione tipologica di tassi, rapporti, numeri indici. La questione degli indicatori. Le tecniche di costruzione e di standardizzazione degli indicatori. | D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 10 e 11). OECD (2008), Handbook on Constructing Composite Indicators. Methodology and user guide., www.oecd.org/publishing. |
SISTEMI PER LA GESTIONE DI BASI DI DATI | ||
Argomenti | Riferimenti testi | |
1 | Dai dati all’informazione: Sistemi informativi e informatici; Dato e informazione; Organizzazione relazionale dei dati; Interrogazione; Sistemi di interrogazione evoluti | Atzeni,Ceri,Paraboschi,Torlone, Basi di Dati,Modelli e linguaggi di interrogazione, terza edizione, McGraw-Hill 2002. • Albano-Ghelli-Orsini, Basi di Dati Relazionali e a Oggetti, Zanichelli, 1997Ullman, Basi di Dati e Basi di Conoscenza |
2 | Introduzione alla Computational Social Science; Nozioni di «Big Data» e Aritificial Intelligence; Concetti e cenni di algoritmi di «profilazione utente»; Social Networks e Social Network Analysis; | slides fornite dal docente; Machine Learning: The Art and Science of Algorithms That Make Sense of Data, Peter Flach, Cambridge University Press; Big data. Una rivoluzione che trasformerà il nostro modo di vivere e già minaccia la nostra libertà. Viktor M |
L'esame sarà scritto. Per i frequentanti sono previste dueprove intermedie. Le date verranno concordate di volta in volta con gli studenti per venire incontro alle esigenze degli stessi. Si provvederà, tuttavia, a darne informazione tramite avviso con notevole anticipo. Per svolgere la verifica di apprendimento del modulo successivo è necessario aver superato la verifica di apprendimento del modulo precedente. La prova consisterà nella risoluzione di due esercizi e la risposta a tre domande inerenti il modulo in oggetto. Sarà possibile portare con se: calcolatrice e tavole di distribuzione di probabilità.
Per chi decidesse di sostenere l'esame per intero, la prova si svolgerà negli appelli ufficiali, consisterà nella risoluzione di dueesercizi e la risposta a quattro domande in 90 minuti. Sarà possibile portare con se: calcolatrice e tavole di distribuzione di probabilità.
L'esame è in formato scritto con una serie di domande a risposta multipla V/F.
1) L’indagine multiscopo
2) Le fonti delle informazioni statistiche.
3) Le fonti delle informazioni statistiche.
Esercizio 1
Il risultato ottenuto rilevando il reddito al primo impiego negli ultimi 7 anni dei laureati di una prestigiosa università romana è il seguente:
Anno |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
Reddito |
780 |
640 |
610 |
570 |
640 |
620 |
610 |
Avvalendosi degli strumenti statistici appresi, analizzare e commentare l’evoluzione del fenomeno considerato.
Esercizio 2
Si costruisca un indicatore composito di integrazione degli immigrati considerando tre indicatori semplici (attrazione, inserimento sociale ed inserimento occupazionale) calcolato su cinque province. Si commenti la procedura e i risultati cui si perviene.
Prov |
Attraz |
InsSoc |
InsOcc |
Torino |
40,6 |
37,3 |
39,4 |
Milano |
65 |
46,2 |
55,8 |
Trento |
46,1 |
62,2 |
37,1 |
Vicenza |
57,3 |
64,7 |
51,8 |
Treviso |
58,4 |
58,3 |
47,6 |
Il modello relazionale dei dati è quello tipicamente utilizzato nei DBMS: V/F?
Un ipertesto è un testo distribuito su vari computer: V/F?
Un DBMS aiuta nella soluzione al problema della ridondanza dei dati: V/F?