L’insegnamento integrato fornisce le conoscenze e le competenze necessarie per la raccolta, la gestione, l’analisi e l’interpretazione dei dati provenienti da popolazioni faunistiche. Il corso integra i principi della…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento integrato fornisce le conoscenze e le competenze necessarie per la raccolta, la gestione, l’analisi e l’interpretazione dei dati provenienti da popolazioni faunistiche. Il corso integra i principi della metodologia sperimentale e statistica con l’utilizzo del software R e dell’ambiente RStudio per l’analisi dei dati.
Al termine dell’insegnamento lo studente sarà in grado di:
Conoscenza e capacità di comprensione
comprendere i principi della metodologia sperimentale e del campionamento;
conoscere i principali strumenti di statistica descrittiva e inferenziale;
comprendere i fondamenti dei modelli statistici applicati ai dati faunistici;
conoscere l’ambiente di lavoro R e RStudio e i principali pacchetti per l’analisi dei dati.
Capacità di applicare conoscenza e comprensione
organizzare e gestire campagne di raccolta dati;
importare, pulire, trasformare e analizzare dataset faunistici;
applicare correttamente metodi statistici descrittivi e inferenziali;
utilizzare R per l’analisi e la rappresentazione grafica dei dati;
interpretare criticamente i risultati ottenuti.
Autonomia di giudizio
selezionare metodi statistici appropriati in funzione degli obiettivi di studio;
valutare criticamente dati, risultati e fonti scientifiche;
interpretare le implicazioni gestionali e ambientali delle analisi svolte.
Abilità comunicative
presentare dati e risultati mediante grafici, tabelle e report;
comunicare in modo efficace procedure, risultati e conclusioni.
Capacità di apprendimento
applicare le competenze acquisite a contesti professionali e di ricerca nel settore faunistico-ambientale;
sviluppare autonomia nell’analisi quantitativa di dati biologici e faunistici.
Il corso prevede di fornire agli studenti le conoscenze e competenze di base per la gestione e l’analisi dei dati provenienti da popolazioni animali.
Nello specifico, al termine dell’insegnamento gli studenti raggiugeranno i seguenti obiettivi formativi:
Conoscenze e capacità di comprensione: conoscenze specifiche per la raccolta, organizzazione, presentazione ed elaborazione di dati provenienti da popolazioni faunistiche.
Capacità di applicare conoscenza e comprensione: capacità di utilizzare le conoscenze per la caratterizzazione e lo studio di dati raccolti da popolazioni animali.
Autonomia di giudizio: Gli studenti svilupperanno capacità di pensiero critico indipendenti, consentendo loro di valutare fonti scientifiche, interpretare le informazioni da rilevare e dei risultati per valutarne le implicazioni gestionali ed ambientali.
Abilità comunicative: gli studenti saranno in grado di comunicare efficacemente i concetti chiave per organizzare la raccolta di dati faunistici, effettuarne l’elaborazione e presentare i risultati ottenuti in maniera sintetica ed efficace.
Capacità di apprendimento: gli studenti saranno in grado di collegare le conoscenze e competenze acquisite alla realtà professionale di agronomo senior.
Lo studente acquisirà familiarità con l’ambiente di lavoro R e con RStudio. L’obiettivo è rendere gli studenti autonomi nell’installare e nell’utilizzare pacchetti, nel gestire script e nell’interpretare gli output generati. Imparare a importare, pulire, trasformare e riorganizzare dataset faunistici di diversa complessità, utilizzando strumenti moderni come il tidyverse. Lo studente comprenderà i principi alla base dei modelli statistici più utilizzati e acquisirà la capacità di implementarli in R. L’obiettivo formativo complessivo è permettere agli studenti di affrontare dataset in modo critico, selezionando metodi appropriati e giustificando le scelte compiute. Acquisire la capacità di produrre report riproducibili, ben strutturati e graficamente chiari, adatti alla comunicazione scientifica e alla documentazione delle analisi svolte.
Programma
Popolazione e campione, rappresentazione dei dati, indici descrittivi di posizione e di dispersione, statistica inferenziale. Verranno illustrati i principali test statistici, i disegni sperimentali, la regressione, la correlazione e cenni di statistica multivariata. Uso di R per la gestione dei dati faunistici. Importazione e validazione dei dati, visualizzazione grafica, analisi esplorativa dei dati e applicazione di modelli statistici a dati faunistici, inclusi modelli per dati di conteggio.
Il corso fornirà le basi teoriche, con alcuni approfondimenti esercitativi, per organizzare e condurre esperimenti scientifici nel settore agrario e zootecnico, illustrando i principali concetti relativi al campionamento, all’analisi dei dati raccolti, alla loro presentazione e alla loro corretta interpretazione.
Fondamenti di R e RStudio: strutture dei dati, funzioni, gestione di script e pacchetti. Importazione, pulizia e trasformazione di dati faunistici; uso del tidyverse per l'analisi ed esplorazione. Visualizzazione di pattern e relazioni nei dataset. Applicazione di modelli statistici e criteri di scelta del modello. Analisi autonoma di dataset reali.
Modalità d'esame
La prova d’esame è divisa in una parte scritta (informatica) ed una parte orale. La parte scritta, prevede la definizione delle modalità di analisi su un dataset faunistico fornito dal docente. Lo studente dovrà importare correttamente i dati in R, applicare uno dei metodi statistici trattati durante il corso e interpretarne i risultati in modo coerente.
La parte orale a seguire alla parte scritta, prevede un colloquio, che potrà includere semplici esercizi numerici, che verterà essenzialmente su:
- livello di conoscenza relativo agli argomenti trattati;
- acquisizione di una appropriata terminologia;
- capacità di risolvere semplici problemi legati alla materia;
- impostare correttamente semplici piani di campionamento e di analisi dei dati raccolti.
Per l’accertamento delle capacità acquisite si prevede lo svolgimento di un esame orale, anche con semplici esercizi numerici, che verterà essenzialmente su:
- livello di conoscenza relativo agli argomenti trattati;
- acquisizione di una appropriata terminologia;
- capacità di risolvere semplici problemi legati alla materia;
- impostare correttamente semplici piani di campionamento e di analisi dei dati raccolti.
La prova d’esame prevede la definizione delle modalità di analisi su un dataset faunistico fornito dal docente. Lo studente dovrà importare correttamente i dati in R, applicare uno dei metodi statistici trattati durante il corso e interpretarne i risultati in modo coerente. La prova ha una durata complessiva di 60 minuti.
Testi di riferimento
Fowler J., Cohen L. Statistica per ornitologi e naturalisti. Muzzio Editore.
Whitlock M.C., Schluter D. Analisi statistica dei dati biologici. Zanichelli.
Wickham H., Grolemund G. R for Data Science.
Botto M., Raganelli V. Programmazione e analisi statistica con R.
Ulteriore materiale didattico (slide, dispense, articoli scientifici e risorse digitali) sarà fornito dai docenti durante il corso.
Controlla la bibliografia su onesearch. Per aiuto contatta la tua biblioteca
J. Fowler, L. Cohen. Statistica per ornitologi e naturalisti. Muzzio editore, 2010.
M. C. Whitlock, D. Schluter. Analisi statistica dei dati biologici. Zanichelli, 2022.
Presentazioni informatiche su Moodle su tutti gli argomenti del corso.
Controlla la bibliografia su onesearch. Per aiuto contatta la tua biblioteca.
Tutto il materiale didattico fornito dai docenti durante il corso (dispense, slide, articoli scientifici e risorse digitali) costituisce il principale riferimento per lo studio.
R for Data Science. Hadley Wickham e Garrett Grolemund. O’Reilly Eds. https://it.r4ds.hadley.nz/index.html
Programmazione e analisi statistica con R. Michele Botto e Valerio Raganelli. In riga Edizioni.
Controlla la bibliografia su Onesearch (https://onesearch.unifi.it/). Per aiuto contatta la tua biblioteca (https://unifi.libanswers.com/).
Codice insegnamento B036180