Corso di laurea

Data Analysis per le Scienze Sociali

Università degli Studi di Macerata · 46 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

Etica Dell’Ambiente Digitale 1° anno · 9 CFU · PHIL-03/A · 0 file

Obiettivi dell'insegnamento: 1) acquisizione delle conoscenze di base circa concetti, nodi teorici e modelli argomentativi pertinenti le questioni etiche, con particolare riferimento all'ambiente digitale, 2)…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi dell'insegnamento:

1) acquisizione delle conoscenze di base circa concetti, nodi teorici e modelli argomentativi pertinenti le questioni etiche, con particolare riferimento all'ambiente digitale,

2) acquisizione della capacità di enucleare le problematiche etiche di particolare rilevanza in contesto digitale,

3) rafforzamento delle competenze di analisi, sintesi, comunicazione e argomentazione.

Il modulo ha l'obiettivo di analizzare la dimensione etica dell'intelligenza artificiale, affrontando alcune questioni fondamentali per gli studi in data science. Il modulo integrerà riflessione teorica e analisi di casi concreti.

Ci si attende che gli studenti acquisiscano: conoscenza e capacità di comprensione della dimensione etica dell'intelligenza artificiale; capacità di applicare i modelli teorici e i concetti acquisiti all'analisi di casi concreti; capacità di rielaborazione critica, di confronto e di argomentazione.

Testi di riferimento

Adottati

M. DE CARO - B. GIOVANOLA, Intelligenze. Etica e politica dell'IA, Il Mulino, Bologna 2025

C. DANANI Abitare il futuro tecno-digitale: tra spinte, ambivalenze, incertezze, in "Sapere di non sapere. Nuove sfide della conoscenza tra tradizioni e traduzioni", a cura di P. Muller, A. Bianchi, A. Modugno, P. Monti, M. Sacchi, R. Veneziano, Ledizioni, Milano 2025, pp. 63-76, Open Access, ISBN eBook: 9791256003600

Consigliati

A. FABRIS, La filosofia nell'epoca dell'intelligenza artificiale. Come ci aiuta a vivere in ambienti tecnologici, Carocci 2025

A. DA RE, Le parole dell'etica, Pearson, Torino 2022 (capp. 2, 4, 6, 8)

M. BERTOLASO, A.MARCOS, Umanesimo tecnologico. Una riflessione filosofica sull'intelligenza artificiale, Carocci, Roma 2023

SCHARFBILLIG, M., LEWANDOWSKY, S., ALTAY, S., VAN ALSTYNE, M., KOZYREVA, A. et al., Fractured reality - How democracy can win the global struggle over the information space, Publications Office of the European Union, Luxembourg, 2026, https://data.europa.eu/doi/10.2760/9358883 (online), JRC144603, https://publications.jrc.ec.europa.eu/repository/handle/JRC144603

Commissione Europea, Comunicazione della Commissione al Parlamento Europeo, al Consiglio, al Comitato Economico e Sociale Europeo e al Comitato delle Regioni, Creare fiducia nell'intelligenza artificiale antropocentrica, 2019, https://eur-lex.europa.eu/legal-content/IT/TXT/HTML/?uri=CELEX:52019DC0168

(A) L. Floridi; Etica dell’intelligenza artificiale; Raffaello Cortina; Milano; 2022 (tutti i capitoli)

(C) S. Tiribelli; Identità personale e algoritmi. Una questione di filosofia morale; Carocci; Roma; 2023

Codice insegnamento 50179_643491_21100

Fondamenti Di Matematica 1° anno · 12 CFU · MATH-02/B · 0 file

Acquisizione di conoscenze e competenze matematiche di base, necessarie per lo studio e la risoluzione di problemi di carattere economico e finanziario.

Scheda dell'insegnamento

Obiettivi formativi

Acquisizione di conoscenze e competenze matematiche di base, necessarie per lo studio e la risoluzione di problemi di carattere economico e finanziario.

Testi di riferimento

(A) A.Torriero, M. Scovenna, L. Scaglianti; Manuale di Matematica Metodi e applicazioni; CEDAM; Milano; 2009; Capitoli 13-14

(C) Pocci C., Rotundo G., De Kok R.; MatLab per le applicazioni economiche e finanziarie; Maggioli Editore; Sant'Arcangelo di Romagna; 2016.

(A) A.Torriero, M. Scovenna, L. Scaglianti; Manuale di Matematica Metodi e applicazioni; CEDAM; Milano; 2009; Capitoli 1-9, 11-12.

Codice insegnamento 50179_643435_21102

Informatica + Basi Di Dati 1° anno · 12 CFU · IINF-05/A · 0 file

Obiettivi L’obiettivo del corso è introdurre gli studenti ai concetti fondamentali dell’informatica e della logica computazionale, offrendo gli strumenti per: Comprendere l’architettura di alto livello di un…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi

L’obiettivo del corso è introdurre gli studenti ai concetti fondamentali dell’informatica e della logica computazionale, offrendo gli strumenti per:

  • Comprendere l’architettura di alto livello di un calcolatore elettronico.
  • Apprendere le basi della codifica dell’informazione, con particolare attenzione alle rappresentazioni binarie dei numeri e ai formati di codifica dei testi.
  • Acquisire familiarità con la definizione di algoritmi e i principali costrutti logici dei linguaggi di programmazione.

Risultati di apprendimento attesi

Conoscenza e comprensione

  • Comprendere i fondamenti dell’informatica, la rappresentazione digitale dell’informazione, l’architettura dei calcolatori, e i principi di base della programmazione.

Capacità di applicare conoscenza e comprensione

  • Applicare i concetti appresi per realizzare algoritmi e piccoli programmi volti alla risoluzione di problemi.

Obiettivi

Il corso è dedicato alla comprensione dei modelli e degli strumenti fondamentali per l’organizzazione e la gestione dei dati. In particolare, mira a fornire competenze preliminari riguardanti:

  • I principali modelli concettuali e logici per l’organizzazione dei dati.
  • I linguaggi per l’interrogazione e la manipolazione dei dati, con riferimento ai linguaggi di interrogazione come SQL.
  • L’uso di Microsoft Excel per la gestione e l’elaborazione dei dati: formule, funzioni, operazioni su tabelle, filtri e rappresentazioni grafiche.

Risultati di apprendimento attesi

Conoscenza e comprensione

  • Acquisire familiarità con strumenti per l’organizzazione e l’analisi dei dati (come Microsoft Excel) e con modelli logici per la gestione strutturata delle informazioni.

Capacità di applicare conoscenza e comprensione

  • Utilizzare Excel per svolgere operazioni di base su dataset.

Testi di riferimento

(C) Dennis P. Curtin, Kim Foley, Kunal Sen, Cathleen Morin Informatica di base McGraw-Hill Education, Italia, 2021, ISBN: 9788838664151

(C) Cay S. Horstmann, Rance D. Necaise, M. Dalpasso Concetti di informatica e fondamenti di Python Maggioli Editore, 2019, ISBN 8891635433

(C) Paolo Atzeni, Stefano Ceri, Piero Fraternali, Stefano Paraboschi, Riccardo Torlone Basi di Dati 6/ED McGraw-Hill Education, Italia, 2023, ISBN 8838656541

Codice insegnamento 50614_647646_22113

Lingua Inglese 1° anno · 2° semestre · 6 CFU · ANGL-01/C · 0 file

Il Corso si prefigge di approfondire alcuni aspetti della lingua inglese usati nel mondo dell'economia internazionale in un setting globale ed internazionale al fine di migliorare sia le capacità di ascolto e…

Scheda dell'insegnamento

Obiettivi formativi

Il Corso si prefigge di approfondire alcuni aspetti della lingua inglese usati nel mondo dell'economia internazionale in un setting globale ed internazionale al fine di migliorare sia le capacità di ascolto e comprensione e di scrittura a livello B1 del Quadro Comune delle Lingue Europee. Questo corso combina una prospettiva analitica con quella pratica tesa a migliorare l'abilità linguistica degli studenti. Il corso ha il suo focus principale nel mondo dell'economia e della finanza moderni. Gli studenti riceveranno nozioni fondamentali della lingua inglese per il BUSINESS e le abilità necessarie per analizzare le scelte che dovranno affrontare nel mondo lavorativo. Lo scopo finale è di dotare gli studenti con le skill necessarie per un uso della lingua inglese ottimale sia nel mondo accademico sia in quello professionale. La forte componente pratica del corso è volta alla gestione della lingua inglese nel mondo dell'economia. Verranno intervistati personaggi di Enti o Azienda di rilievo del territorio e si studieranno casi specifici connessi al programma del corso.

Programma

Nel corso verranno curati aspetti pratici (Modulo 2) oltre ad aspetti grammaticali, sintattici e lessicali della lingua inglese attraverso l'esercitazione delle quattro competenze principali (lettura, ascolto, parlato ed in parte scrittura nel Modulo 1)

Il programma specifico verrà articolato attraverso materiale specifico riguardante argomenti connessi al mondo professionale nel rispetto della circolarità del mondo dell'economia con focus su case study e contatti diretti con le Istituzioni Intermedie quali ad es. Fondazione CARIMA e/o CNA Macerata per fare il più direttamente possibile il punto diretto su problematiche contemporanee e poter offrire una visione ampia del lessico specifico utilizzato in quest'area.

Oltre a seguire il libro di testo adottato, la docente fornirà altro materiale specialistico durante il corso che verrà pubblicato on-line

Conoscenza della lingua inglese a livello A2+ secondo il Quadro comune europeo di riferimento per le lingue europee Lezioni frontali dialogate

Modalità d'esame

prova scritta (Modulo 1: grammar ans syntax) + (Module 2: Business English: gli studenti per questa parte potranno utilizzare iìun dizionario monoligue)

Testi di riferimento

(A)

Autore/autori: D. Cotton; D. Falvey; S. Kent

Market Leader (pre-intermediate)

Editore: Pearson

Anno: 2016

Luogo: Harlow, UK

Pagine: 174

(A)

R. Murphy

Essential grammar in use (ed. Italiana) 4° ed

Editore: Cambridge UP

Luogo: Cambridge, UK

Anno: 2016

n° pagine: alcuni cap

Codice insegnamento 50179_643452_21143

Principi Di Microeconomia E Macroeconomia 1° anno · 1° semestre · 9 CFU · ECON-01/A · 0 file

L'obiettivo del corso è fornire allo studente una introduzione alla microeconomia e alla macroeconomia, ai loro metodi di analisi, alle loro questioni e implicazioni principali. Alla fine della prima parte del corso,…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo del corso è fornire allo studente una introduzione alla microeconomia e alla macroeconomia, ai loro metodi di analisi, alle loro questioni e implicazioni principali.

Alla fine della prima parte del corso, lo studente sarà in grado di capire come individui e imprese interagiscono nei mercati in modo da determinare prezzo e quantità dei beni prodotti e capire le caratteristiche principali delle diverse strutture di mercato. Alla fine della seconda parte del corso lo studente sarà in grado di esaminare i temi principali della macroeconomia attraverso i suoi modelli analitici di base.

Lo studente sarà in grado di applicare il ragionamento economico per determinare cambiamenti nell'equilibrio microeconomico dei mercati e per determinare le evoluzioni del sistema macroeconomico e le sue risposte alle politiche fiscali e monetarie.

Programma

  • Accenni di storia del pensiero economico
  • Introduzione all'economia.
  • Teoria del consumatore.
  • Teoria dell'impresa.
  • Mercati concorrenziali.
  • Potere di mercato: monopolio, oligopolio e concorrenza monopolistica.
  • Esternalità e beni pubblici.
  • Asimmetrie informative.
  • Contabilità nazionale.
  • La macroeconomia a prezzi fissi: il modello IS-LM.
  • Politica monetaria e politica fiscale.
  • La macroeconomia a prezzi variabili: offerta e domanda aggregate.
  • Inflazione e disoccupazione: la curva di Phillips.
  • Legami economici internazionali.

Non sono previste propedeuticità necessarie, ma è conveniente avere adeguate conoscenze di matematica generale.

Taglio didattico teorico con applicazioni/esercizi.

Tipologie di lezione: lezioni frontali e interattive.

Modalità d'esame

Prova scritta in lingua italiana con integrazione orale, su tutti gli argomenti del programma.

La prova scritta è strutturata con due domande a risposta aperta (valutate ognuna con un punteggio da 0 a 16) su due diverse parti del programma (tendenzialmente una di microeconomia e una di macroeconomia). La prova scritta e l'integrazione orale servono per verificare la conoscenza degli argomenti e la capacità di discuterne, argomentando i risvolti e le criticità con autonomia di giudizio.

Non è possibile consultare testi durante la prova d’esame.

Testi di riferimento

(A) Paola Parravicini e Alessandro Graffi, "Economia: un approccio semplice a una realtà complessa", Giappichelli, seconda edizione, 2023, ISBN 979-12-211-0271-0, tutti i capitoli.

Codice insegnamento 50614_647638_22058

Statistica Descrittiva 1° anno · 2° semestre · 6 CFU · STAT-01/A · 0 file

Il corso si connota come un corso di base e intende fornire conoscenze teoriche piuttosto che competenze tecniche e di tipo pratico. Al termine del corso lo studente deve mostrare di aver acquisito i fondamenti alla base…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si connota come un corso di base e intende fornire conoscenze teoriche piuttosto che competenze tecniche e di tipo pratico. Al termine del corso lo studente deve mostrare di aver acquisito i fondamenti alla base del processo di analisi statistica descrittiva. Gli esercizi in aula servono allo studente per acquisire consapevolezza del proprio grado di comprensione e conoscenza dei temi trattati.

Programma

Dopo una breve introduzione della nomenclatura statistica, il corso fornisce gli elementi essenziali della statistica descrittiva necessari per una corretta comprensione dei concetti di base di inferenza statistica che possono essere di utilità ad uno studente di Economia. In particolare vengono presentati gli indici statistici di tendenza centrale, variabilità e forma. Vengono presentati i concetti di associazione e dipendenza.

Gli argomenti fondamentali per il corso da 6 CFU sono:

  • Concetti di base
  • Statistica univariata
  • Misure di tendenza centrale, variabilità, asimmetria e curtosi
  • Misure di concentrazione
  • Statistica bivariata
  • Misure dell'associazione e indipendenza
  • Retta interpolatrice

Necessarie per la frequenza le conoscenze di logica, insiemi e relazioni, strutture numeriche, algebra elementare, equazioni, disequazioni, elementi di geometria analitica, funzioni elementari, elementi di analisi matematica.

Esclusivamente per gli iscritti al Corso di Laurea in Economia e Management (L-18), come previsto dal Regolamento didattico, l’iscrizione all’esame è consentita solo dopo aver superato l’esame di Matematica Generale. In caso contrario, la piattaforma non permette l’iscrizione.

Lezioni frontali ed esercitazioni, parte delle quali prevedono l'utilizzo del software Excel. Utilizzo di questionari di revisione/autovalutazione somministrati alla fine di ciascun macro argomento trattato

Modalità d'esame

L'esame consiste in una prova scritta e in una prova orale facoltativa.

La prova scritta contiene esercizi e domande brevi. Gli esercizi sono volti a valutare la capacità dello studente di applicare le competenze acquisite mentre le domande brevi servono a valutare la comprensione di concetti teorici. Durante la prova scritta lo studente può utilizzare: la calcolatrice e un formulario. Il formulario deve essere realizzato dallo studente durante lo studio, con le formule che utilizza durante lo svolgimento degli esercizi.

La prova orale consiste in un colloquio che verte sugli argomenti trattati, essa ha il fine di verificare l'acquisizione e la comprensione dei concetti e la capacità di esporli in maniera adeguata.

Nel caso in cui lo studente sostenga la prova orale, il risultato finale sarà la media dei risultati dello scritto e dell'orale.

I criteri adottati per la graduazione dei voti della prova scritta e della prova orale sono i seguenti:

a) conoscenza e comprensione dei concetti teorici (il 30% sul totale della valutazione complessiva)

b) capacità di applicare le conoscenze (il 40% sul totale della valutazione complessiva)

c) autonomia di giudizio e di pensiero critico (il 30% sul totale della valutazione complessiva)

Testi di riferimento

(A); S. BORRA - A. DI CIACCIO, Statistica - Metodologie per le scienze economiche e sociali, McGraw-Hill, Milano, 2021 (o altra edizione), Capitoli: 1-4, 6, 15 per il programma da 6 CFU. ISBN: 8838696322

Codice insegnamento 50179_643438_21114

Business Marketing E Gaming 2° anno · 9 CFU · ECON-07/A · 0 file

OBIETTIVI: Il corso si propone di fornire agli studenti gli strumenti di base per comprendere e analizzare il ruolo strategico e operativo del marketing in riferimento all’articolazione e operatività interna…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI: Il corso si propone di fornire agli studenti gli strumenti di base per comprendere e analizzare il ruolo strategico e operativo del marketing in riferimento all’articolazione e operatività interna dell'impresa.

In particolare, le attività di marketing assumono caratteristiche peculiari nei mercati business-to-business (BtoB) nei quali assumono particolare importanza gli aspetti della gestione della relazione e dell'innovazione. Obiettivo formativo del corso è trasmettere a studenti/esse gli strumenti per comprendere la struttura e le dinamiche dei clienti e dei mercati business, fornire gli strumenti gestionali ed organizzativi per intraprendere azioni di marketing efficaci, conoscere le dinamiche della gestione degli approvvigionamenti e delle relazioni con i fornitori, comprendere teorie e decisioni in materia di innovazione l’innovazione, fattore critico per la redditività dell'impresa e per l’impatto sulla società.

RISULTATI ATTESI: Al termine del corso, studenti/esse sapranno svolgere l'analisi dell'ambiente interno ed esterno all'azienda e l'analisi della concorrenza, sapranno definire le migliori alternative per lo sviluppo di progetti di innovazione, riconoscere i modelli di riferimento per la gestione dell’innovazione, utilizzare i framework per riconoscere i rischi associati alle innovazioni di marketing, evitarli o mitigare i loro impatti e quindi sfruttare le opportunità.

Il corso fornirà agli studenti le seguenti conoscenze:

Il gaming come nuovo ambiente strategico e commerciale per istituzioni e proprietà intellettuali.

L’evoluzione delle piattaforme di social gaming e virtual worlds, con particolare attenzione a Roblox, Fortnite e Minecraft.

I principali modelli di business legati al gaming: free-to-play, virtual goods, avatar economy, UGC, creator economy e branded experiences.

Le modalità con cui brand e istituzioni possono utilizzare il gaming per generare awareness, engagement, community building, education, loyalty e nuove forme di relazione con i pubblici giovani.

Il processo di ideazione e progettazione di un’esperienza gaming: analisi del brief, definizione degli obiettivi, scelta della piattaforma, sviluppo del concept, game mechanics, reward system e KPI.

Le fasi di produzione di un’esperienza interattiva: discovery, game design, prototipazione, sviluppo, art direction, testing, lancio e live operations.

L’analisi di case study e progetti reali sviluppati da brand, club sportivi e istituzioni culturali.

La costruzione di una proposta strategica e commerciale per un progetto gaming destinato a un brand o a un’organizzazione.

Conoscenza e capacità di comprensione

  • Comprendere l’evoluzione del gaming da industria dell’intrattenimento a ecosistema sociale, creativo e commerciale.
  • Conoscere le caratteristiche principali di piattaforme come Roblox, Fortnite e Minecraft.
  • Comprendere i principali modelli di business legati a virtual goods, UGC, avatar economy, branded experiences e creator economy.
  • Conoscere le fasi di produzione di un’esperienza gaming brandizzata.

Conoscenza e capacità di comprensione applicate

  • Saper analizzare un brief di marca e trasformarlo in un concept gaming coerente.
  • Saper individuare la piattaforma più adatta in funzione di obiettivi, audience, budget e timing.
  • Saper definire meccaniche di gioco, reward system, KPI e roadmap di lancio.

Autonomia di giudizio

  • Valutare criticamente l’efficacia di un’attivazione gaming.
  • Riconoscere rischi, limiti e opportunità legati a audience giovani, sicurezza, moderazione, sostenibilità economica e coerenza di marca.

Abilità comunicative

  • Saper presentare un concept gaming in modo chiaro ed efficace a interlocutori specialisti e non specialisti.
  • Saper tradurre elementi creativi, tecnici e strategici in una narrativa di business coerente.
  • Utilizzare un lessico appropriato legato a gaming, piattaforme digitali, brand activation e progettazione di esperienze interattive.

Capacità di apprendere

  • Acquisire strumenti per monitorare l’evoluzione delle piattaforme gaming e dei comportamenti degli utenti.
  • Sviluppare un approccio autonomo all’analisi di case study, trend, benchmark e nuove opportunità di mercato.

Testi di riferimento

(A) Annalisa Tunisini (2024). Marketing B2B – Capire e gestire le reti e le relazioni tra imprese. Seconda Edizione. Hoepli. EAN: 9788836014712

Capitoli 1,2,3,7,8 (no pp. 143-147),9 (no 165-169),10,11,12 (no 229-234),13,14 (no 278-280 e 284-294).

Libri di testo adottati

Ball, M. (2022). The metaverse: And how it will revolutionize everything. Liveright Publishing / W. W. Norton. ISBN-10: 1324092033

Libri di testo consigliati

Field-Draper, T., & West, N. (2022). The ultimate Roblox game building cookbook: Design immersive experiences with easy-to-follow recipes for world and game development. Packt Publishing. ISBN-10: 1805121596

Codice insegnamento 50614_647636_22059

Diritto Dell'Informatica E Della Protezione Dei Dati 2° anno · 1° semestre · 9 CFU · GIUR-01/A · 0 file

Il corso si pone l'obiettivo di far acquisire un'adeguata conoscenza delle principali questioni giuridiche connesse all'informatica, con attenzione altresì all'impiego del relativo linguaggio specialistico. Al termine…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si pone l'obiettivo di far acquisire un'adeguata conoscenza delle principali questioni giuridiche connesse all'informatica, con attenzione altresì all'impiego del relativo linguaggio specialistico. Al termine del corso ci si attende che lo studente sia in grado di applicare le conoscenze acquisite e di affrontare le questioni poste dagli istituti oggetto di studio, individuando le soluzioni giuridiche più appropriate.

Programma

Nozioni preliminari. Introduzione al diritto alla protezione dei dati e al GDPR. Campo di applicazione del GDPR. I principi del trattamento. Condizioni di liceità del trattamento. Diritti dell’interessato. Soggetti del trattamento. Tutela. Risarcimento del danno. Data Governance Act. Data Act. Internet of Things. Cloud computing. Blockchain. Smart contract. Moneta elettronica. Criptovalute. Micar. Euro digitale. Nozioni introduttive sul commercio elettronico. Tutela del consumatore. Trading online. Prestazione di contenuti e servizi digitali. La tutela contrattuale dei consumatori e degli utenti commerciali sulle piattaforme. La responsabilità delle piattaforme. Le piattaforme gatekeeper. Documento informatico e firme elettroniche. Intelligenza artificiale: nozioni generali. IA Act. Responsabilità derivante dall'utilizzo dell'IA. Diritto d’autore nell’era digitale.

Non sono richiesti prerequisiti.

Lezioni teoriche e illustrazione di casi pratici.

Modalità d'esame

L'esame è orale ed è mirato a valutare la conoscenza completa della materia e la capacità di esporre gli argomenti in modo appropriato e critico.

Criteri adottati per la graduazione dei voti: Capacità di esporre compiutamente e autonomamente gli argomenti oggetto del programma: 18/30; Capacità di ragionamento: 6/30; Capacità di operare collegamenti tra i diversi istituti: 6/30. Tali criteri hanno un carattere meramente indicativo.

Testi di riferimento

(A) Manuale di diritto privato delle nuove tecnologie, a cura di G. Magri, S. Martinelli, S. Thobani, seconda ed., Giappichelli, Torino, 2025, ISBN 9791221116557, Sez. I Capitoli 1-5, Sez. II Capitoli 1-7, Sez. III Capitoli 1-2, Sez. IV Capitoli 1-2.

(C) Diritto privato digitale, a cura di E. Battelli, seconda ed., Giappichelli, Torino, 2024, ISBN 9791221108590, Capitoli 3, 9.

Codice insegnamento 50179_643490_21099

Econometria 2° anno · 2° semestre · 9 CFU · ECON-05/A · 0 file

Il corso intende fornire le basi dell'Econometria sufficienti ad evidenziare le potenzialità applicative in ambito economico-sociale e manageriale. Durante il corso, gli studenti saranno sollecitati, mediante…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire le basi dell'Econometria sufficienti ad evidenziare le potenzialità applicative in ambito economico-sociale e manageriale. Durante il corso, gli studenti saranno sollecitati, mediante l'utilizzo di appropriati software, ad applicare le nozioni teoriche/analitiche e metodologiche al fine di analizzare ed interpretare dati microeconomici e sociali per sviluppare casi di studio economico-aziendali

Programma

1. Regressione Lineare Semplice: (i) modello di regressione; (ii) stima dei parametri di regressione; (iii) misure di bontà dell'adattamento; (iv) test d'ipotesi e stima d'intervallo. 2. Algebra lineare: (i) vettori; (ii) matrici; (iii) operazioni tra matrici; (iv) trasposizione e inversione di una matrice. 3. Regressione Lineare Multipla: (i) modello di regressione; (ii) proprietà asintotiche; (iii) distorsioni e stimatori; (iv) diagnostica test; (v) verifica di ipotesi congiunte; (vi) massima verosimiglianza. 4. Modelli di Regressione non Lineari: (i) funzioni logaritmiche; (iii) interazioni tra variabili casuali; (iv) interazioni tra variabili casuali e dicotomiche; (v) distorsioni e stimatori. 5. Accenni ai modelli 'Logit', 'Probit' e multinomiali: (i) stima ed inferenza; (ii) diagnostica test. 6. Regressioni con Variabili Strumentali: (i) modello di regressione; (ii) stima dei parametri di regressione; (iii) analisi di regressione 'Two Stage Least Squares'; (iv) diagnostica test.

Elementi di Analisi dei Dati e di Statistica Descrittiva, Probabilità, ed Inferenza.

Lezioni teoriche/metodologiche. Esercizi empirici di natura economico-aziendale. Studio di casi su dati mediante l'utilizzo del software RStudio.

Modalità d'esame

La modalità di valutazione (in trentesimi) consiste in una prova scritta in cui gli studenti dovranno svolgere due domande teoriche e due pratiche, riguardanti lo svolgimento di esercizi e l'interpretazione di grafici e output di stima. I punti sono assegnati a ciascun quesito in funzione della sua importanza ed estensione e sono riportati nel testo in sede d'esame.

Criteri di valutazione:

  • conoscenza e capacità di comprensione degli argomenti trattati nel corso (50%)
  • capacità di applicare gli strumenti adeguati e completezza delle risoluzioni presentate (50%).

Non è prevista una prova intermedia.

Durante il corso è previsto lo svolgimento di un 'Project Work' in gruppi su dati economici mediante il software utilizzato a lezione. I gruppi devono essere composti da un minimo di 2 ad un massimo di 4 studenti. Il 'Project Work' è obbligatorio e comporta un punteggio aggiuntivo fino a 3 punti (massimo) sul voto conseguito nella prova scritta.

Il voto finale dell'esame è ottenuto sommando all'esito della prova scritta il voto ottenuto nel Project Work (da 0 a 3 punti).

Non è possibile consultare testi durante lo svolgimento dell'esame.

La prova d'esame scritta sarà somministrata a tutti gli studenti in lingua italiana o in inglese, previo accordo con gli studenti incoming che svolgono un periodo di mobilità internazionale presso l'Ateneo.

Testi di riferimento

(A) Stock, James H. and Watson, Mark W.; Introduzione all'econometria; Pearson, Milano; 2020; Pagine/Capitoli: capp. 1,2,3,4,5,6,7,8,9,11,12,13 ISBN 978-8891906199

(C) Wooldrige, Jeffrey M.;Introductory Econometrics: A Modern Approach; South-Western, USA; 2019; Pagine/Capitoli: capp.1,2,3,4,5,6,7,8,9,15,17 ISBN 978-1337558860

(C) Piccolo, Domenico; Statistica; Il Mulino, Bologna; 1998; Pagine/Capitoli: capp. 12-14 ISBN 978-8815139023

Codice insegnamento 50614_647629_22060

Probabilita', Inferenza E Campionamento 2° anno · 12 CFU · STAT-01/A · 0 file

Il corso si propone di fornire agli studenti le basi, teoriche e operative per comprendere gli argomenti del calcolo delle probabilità e della statistica inferenziale necessari per realizzare analisi quantitative in…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire agli studenti le basi, teoriche e operative per comprendere gli argomenti del calcolo delle probabilità e della statistica inferenziale necessari per realizzare analisi quantitative in ambito economico e sociale. Al termine del corso lo studente deve mostrare di conoscere i fondamenti alla base del calcolo delle probabilità e della statistica inferenziale. Gli esercizi in aula servono allo studente per acquisire consapevolezza del proprio grado di comprensione e conoscenza dei temi trattati.

Questo corso si concentra su modelli di campionamento pratici e metodologie analitiche specifiche per la ricerca e la gestione sul campo. Dando priorità a strategie di campionamento solide, il corso dimostra come raccogliere dati che possano essere efficacemente riassunti e valutati, riducendo al minimo le complesse ipotesi metodologiche.

Testi di riferimento

A)Simone Borra, Agostino Di Ciaccio: Statistica: Metodologie per le scienze e economiche e sociali. Capitoli: 8-14

Materiale didattico messo a disposizione dal docente durante il corso

(A) Scheaffer, R., Mendenhall III, W., Ott, R.L. (2011). Elementary Survey Sampling, 7th Edition.‎ Cengage Learning. ISBN-13: 978-0840053619.

Codice insegnamento 50614_647634_22062

Programmazione In Python 2° anno · 2° semestre · 9 CFU · IINF-05/A · 0 file

Il corso si propone di far conoscere alla/allo studentessa/studente tecniche avanzate per lo sviluppo di programmi. In quest'ambito, gli obiettivi sono: 1. conoscere e comprendere i principali paradigmi di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di far conoscere alla/allo studentessa/studente tecniche avanzate per lo sviluppo di programmi. In quest'ambito, gli obiettivi sono:

1. conoscere e comprendere i principali paradigmi di programmazione;

2. acquisire conoscenze sulla programmazione asincrona e sullo sviluppo di API;

3. comprendere l'utilizzo di framework per la realizzazione di backend.

Alla fine del corso, la/lo studentessa/studente acquisirà la capacità di comprendere le differenze tra i principali paradigmi di programmazine. Acquisirà inoltre conoscenze e capacità di comprendere applicate allo sviluppo di API REST, formando la propria autonomia di giudizio sui framework da utilizzare in base alle specifiche di implementazione.

Programma

1. Introduzione alla programmazione avanzata

2. Paradigmi di programmazione

3. Programmazione orientata agli oggetti

4. Cenni di programmazione funzionale

5. Introduzione al javascript

6. Javascript: caratteristiche avanzate

7. Inviare e ricevere dati

8. Realizzare API

Lo studente dovrebbe avere familiarità con almeno un linguaggio di programmazione ed una IDE di sviluppo.

L'attività didattica prevede lo svolgimento di lezioni frontali in aula, sia teoriche che applicative. È prevista l'interazione diretta con gli studenti, con domande che hanno lo scopo di coinvolgere i presenti e verificare l'effettiva comprensione degli argomenti trattati. A supporto delle lezioni saranno proiettate slide e laddove necessario saranno effettuate esercitazioni di carattere tecnico.

Modalità d'esame

La valutazione finale sarà effettuata attraverso due prove:

  • un progetto didattico, per un totale di 18/30, da svolgere singolarmente o in gruppo
  • un prova orale in italiano, per un totale di 12/30, riguardante tutti gli argomenti sviluppati durante il corso.

Le prove avranno lo scopo di valutare le conoscenze specifiche (50%), la proprietà di linguaggio (30%) e l'autonomia di giudizio (20%) sugli argomenti trattati durante il corso. Non è possibile consultare testi o appunti durante la prova orale. Su specifica richiesta da parte degli studenti incoming che svolgono un periodo di mobilità internazionale presso l’Ateneo, il docente può consentire anche l’uso dell'inglese nel corso della prova.

Testi di riferimento

1. (C) Osmani, A. Learning JavaScript Design Patterns: A JavaScript and React Developer's Guide 2/ED O'Reilly Media, 2023

Codice insegnamento 50614_647628_22061

Statistica Economica 2° anno · 1° semestre · 6 CFU · STAT-02/A · 0 file

Il corso intende fornire le basi della Statistica Economica ed Applicata, fondamentali per analizzare grandi quantità di dati per costruire modelli analitici e studiare relazioni causali tra variabili in ambito…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire le basi della Statistica Economica ed Applicata, fondamentali per analizzare grandi quantità di dati per costruire modelli analitici e studiare relazioni causali tra variabili in ambito economico.

Durante il corso, gli studenti saranno sollecitati, mediante l'utilizzo di appropriati software (RStudio), ad applicare le nozioni teoriche e metodologiche al fine di sviluppare una approfondita indagine empirica su casi di studio incentranti su dati macro e (maggiormente) su quelli micro.

Programma

Elementi di Statistica: Organizzazione e rappresentazione dei dati; Indicatori sintetici di posizione centrale, di variabilità, di asimmetria e di forma; Relazioni Statistiche; Variabili casuali; Stima, Verifica di ipotesi.

· Numeri indice: costruzione di un numero indice; Numeri indice di Laspeyres, Paasche e Fisher; Numeri indice dei prezzi, delle produzioni, degli scambi, del lavoro.

· Analisi delle serie storiche: analisi classica delle serie storiche; cenni di analisi moderna delle serie storiche; i processi ARIMA.

· La contabilità nazionale e gli aggregati economici: Caratteristiche del SEC2010, le operazioni economiche e gli aggregati, il conto della produzione e i principali aggregati economici, i conti della distribuzione e utilizzazione del reddito e i principali aggregati economici, i conti della accumulazione, i conti patrimoniali, i conti del Resto del mondo.

· Analisi della produzione: analisi delle interdipendenze economiche, struttura di una tavola input-output; interdipendenze in un sistema economico aperto; struttura del sistema economico; indici di integrazione settoriale; matrici di contabilità sociale; Funzione di produzione e misure di produttività; funzione Cobb Douglas; indicatori di produttività; modello di Solow.

· Analisi della crescita, dello sviluppo e del lavoro: contabilità della crescita, forze di lavoro, schemi del mercato del lavoro

Analisi su big data tramite l’ausilio di software statistici relative a tematiche di benessere: analisi dei consumi, funzione aggregata dei consumi, specificazione e stima dei parametri di una funzione di consumo, modelli e misure della disuguaglianza dei redditi, elasticità al consumo rispetto ai prezzi

Elementi di Analisi dei Dati e di Statistica Descrittiva, Probabilità, e Campionamento.

Lezioni teoriche/metodologiche. Esercizi empirici di natura economico-sociale. Casi di studio su dati reali mediante l'utilizzo del software statistico-econometrico RStudio.

Modalità d'esame

Esame orale

Testi di riferimento

(A) R. Guarini, F. Tassinari, Statistica Economica, il Mulino manuali, 2000

Codice insegnamento 50614_647637_22063

Ai Generativa E Large Language Models 3° anno · 6 CFU · IINF-05/A · 0 file

Obiettivi Il corso si propone di introdurre i principali concetti, modelli e applicazioni dell’Intelligenza Artificiale Generativa e dei Large Language Models (LLM), fornendo agli studenti le competenze di base…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi

Il corso si propone di introdurre i principali concetti, modelli e applicazioni dell’Intelligenza Artificiale Generativa e dei Large Language Models (LLM), fornendo agli studenti le competenze di base necessarie per comprendere il funzionamento dei moderni sistemi generativi e il loro utilizzo in differenti contesti applicativi. Particolare attenzione sarà dedicata agli aspetti metodologici, applicativi ed etici legati all’utilizzo dell’AI generativa, nonché alle tecniche di interazione e prompt engineering per l’utilizzo efficace dei Large Language Models.

Gli obiettivi formativi riportati di seguito sono riferiti complessivamente all’intero corso e ai due moduli che lo compongono.

Conoscenza e comprensione

Lo studente acquisirà conoscenze di base relative ai paradigmi dell’Intelligenza Artificiale Generativa e dei Large Language Models, comprendendone i principi di funzionamento, le principali architetture, le tecniche fondamentali di prompt engineering e le applicazioni più diffuse. Saranno inoltre introdotti i principali aspetti legati all’uso responsabile dell’AI e ai limiti dei sistemi generativi.

Capacità di applicare conoscenza e comprensione

Lo studente sarà in grado di utilizzare strumenti basati su AI generativa e LLM per attività di generazione, analisi e rielaborazione dei contenuti, applicando tecniche di base di prompt engineering e metodologie di interazione efficace con modelli linguistici di grandi dimensioni in differenti contesti applicativi.

Testi di riferimento

(C) Chen, Pin-Yu, and Sijia Liu. Introduction to Foundation Models. Springer, 2025.

(C) Chen, Pin-Yu, and Sijia Liu. Introduction to Foundation Models. Springer, 2025.

Codice insegnamento 50614_647640_22064

Analisi Delle Serie Storiche 3° anno · 1° semestre · 6 CFU · ECON-05/A · 0 file

Il corso mira a fornire una formazione completa su diversi aspetti dell'analisi delle serie storiche e dell'analisi dei dati spaziali. Gli studenti avranno l'opportunità di acquisire competenze teoriche e pratiche…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a fornire una formazione completa su diversi aspetti dell'analisi delle serie storiche e dell'analisi dei dati spaziali. Gli studenti avranno l'opportunità di acquisire competenze teoriche e pratiche attraverso l'esplorazione di argomenti chiave. Durante il corso, gli studenti saranno sollecitati, mediante l'utilizzo di appropriati software, ad applicare le nozioni teoriche/analitiche e metodologiche al fine di risolvere problemi empirici nell'analisi di dati temporali e spaziali.

Programma

1. Serie Storiche Univariate Lineari: (i) autocorrelazione e correlogramma; (ii) regressioni temporali (assunzioni e dimostrazioni); (iii) modelli autoregressivi; (iv) stazionarietà; (v) modelli di media mobile. 2. Serie Storiche Multivariate Lineari: (i) modelli autoregressivi vettoriali; (ii) cointegrazione. 3. Previsione di serie storiche: (i) previsione di uno e più periodi; (ii) valutazione della bontà delle previsioni, MSE e RMSE; (iii) test di Diebold-Mariano; (iv) Model Confidence Set. 4. Analisi di Dati Spaziali: (i) definizione di dati spaziali; (ii) autocorrelazione spaziale; (iii) modello autoregressivo spaziale; (iv) modelli spaziali alternativi.

Si richiede agli studenti di riprendere in esame gli argomenti affrontati nell’insegnamento di 'Calcolo delle probabilità e Inferenza statistica' e di 'Introduzione all'econometria'. Anche i contenuti degli altri insegnamenti del settore statistico possono fornire un valido sostegno per lo studio degli argomenti proposti.

Lezioni teoriche/metodologiche. Esercizi empirici di natura economica, ambientale e finanziaria. Studio di casi su dati reali mediante l'utilizzo del software RStudio.

Modalità d'esame

La modalità di valutazione (in trentesimi) consiste in una prova scritta in cui gli studenti dovranno svolgere due domande teoriche e due pratiche, riguardanti lo svolgimento di esercizi e l'interpretazione di grafici e output di stima. I punti sono assegnati a ciascun quesito in funzione della sua importanza ed estensione e sono riportati nel testo in sede d'esame.

Criteri di valutazione:

  • conoscenza e capacità di comprensione degli argomenti trattati nel corso (50%)
  • capacità di applicare gli strumenti adeguati e completezza delle risoluzioni presentate (50%).

Non è prevista una prova intermedia.

Durante il corso è previsto lo svolgimento di un 'Project Work' in gruppi su dati economici mediante il software utilizzato a lezione. I gruppi devono essere composti da un minimo di 2 ad un massimo di 4 studenti. Il 'Project Work' è obbligatorio e comporta un punteggio aggiuntivo fino a 3 punti (massimo) sul voto conseguito nella prova scritta. Il voto finale dell'esame è ottenuto sommando all'esito della prova scritta il voto ottenuto nel Project Work (da 0 a 3 punti).

Non è possibile consultare testi durante lo svolgimento dell'esame.

La prova d'esame scritta sarà somministrata a tutti gli studenti in lingua italiana e in inglese, previo accordo con gli studenti incoming che svolgono un periodo di mobilità internazionale presso l'Ateneo.

Testi di riferimento

(A) Bivand, Roger S. and Pebesma, Edzer and Gomez-Rubio, Virgilio; Applied Spatial Data Analysis with R; Springer, USA; 2013; Pagine/Capitoli: capp. 1,2,3,4,5,9,10 ISBN 978-1461476177

(A) Stock, James H. and Watson, Mark W.; Introduzione all'econometria; Pearson, Milano; 2020; Pagine/Capitoli: capp. 1,2,3,4,5,6,7,8,9,14,15,16 ISBN 978-8891906199

(C) Wooldrige, Jeffrey M.; Introductory Econometrics: A Modern Approach; South-Western, USA; 2019; Pagine/Capitoli: capp.1,2,3,4,5,6,7,8,9,10,11,12 ISBN 978-1337558860

(C) Piccolo, Domenico; Statistica; Il Mulino, Bologna; 1998; Pagine/Capitoli: capp. 12-14 ISBN 978-8815139023

Codice insegnamento 50614_647639_22065

Analisi Di Dati Spaziali E Panel 3° anno · 9 CFU · STAT-02/A · 0 file

Il corso mira a fornire una formazione completa su diversi aspetti dell'analisi delle serie storiche e dell'analisi dei dati spaziali. Gli studenti avranno l'opportunità di acquisire competenze teoriche e pratiche…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a fornire una formazione completa su diversi aspetti dell'analisi delle serie storiche e dell'analisi dei dati spaziali. Gli studenti avranno l'opportunità di acquisire competenze teoriche e pratiche attraverso l'esplorazione di argomenti chiave. Durante il corso, gli studenti saranno sollecitati, mediante l'utilizzo di appropriati software, ad applicare le nozioni teoriche/analitiche e metodologiche al fine di risolvere problemi empirici nell'analisi di dati temporali e spaziali.

Le lezioni si propongono di fornire gli strumenti, metodologici e applicati, per l’analisi dei modelli econometrici per i dati panel. 

Per facilitare la comprensione e introdurre argomenti importanti, all'inizio del corso verranno rivisti alcuni concetti di econometria introduttivi. Al termine, gli studenti dovranno essere in grado di: comprendere, stimare e interpretare i principali modelli per i dati panel; utilizzare un software econometrico e condurre una propria ricerca; valutare criticamente alcune applicazioni dei dati panel presentate nella letteratura empirica.

Testi di riferimento

(A) Bivand, Roger S. and Pebesma, Edzer and Gomez-Rubio, Virgilio; Applied Spatial Data Analysis with R; Springer, USA; 2013; Pagine/Capitoli: capp. 1,2,3,4,5,9,10 ISBN 978-1461476177

(A) Stock, James H. and Watson, Mark W.; Introduzione all'econometria; Pearson, Milano; 2020; Pagine/Capitoli: capp. 1,2,3,4,5,6,7,8,9,14,15,16 ISBN 978-8891906199

(C) Wooldrige, Jeffrey M.; Introductory Econometrics: A Modern Approach; South-Western, USA; 2019; Pagine/Capitoli: capp.1,2,3,4,5,6,7,8,9,10,11,12 ISBN 978-1337558860

(C) Piccolo, Domenico; Statistica; Il Mulino, Bologna; 1998; Pagine/Capitoli: capp. 12-14 ISBN 978-8815139023

(A)Yves Croissant, Givanni Millo: "Panel Data Econometrics with R", 2019 John Wiley & Sons, Ltd. ISBN:9781118949160.

Capitolo da I a VII

(A) Alberto Martini, Marco Sisti:"Valutare il successo delle politiche pubbliche", Il Mulino. ISBN: 978-88-15-12762-4.

Parte Terza: Capitoli da VI a XVI


Codice insegnamento 50614_647635_22066

Data E Text Mining 3° anno · 9 CFU · STAT-01/A · 0 file

Studenti e studentesse acquisiranno una solida comprensione delle tecniche di apprendimento supervisionato e non supervisionato, approfondendone le basi statistico-algebriche, i punti di forza e i limiti. Impareranno…

Scheda dell'insegnamento

Obiettivi formativi

Studenti e studentesse acquisiranno una solida comprensione delle tecniche di apprendimento supervisionato e non supervisionato, approfondendone le basi statistico-algebriche, i punti di forza e i limiti. Impareranno inoltre ad applicare criteri teorici e pratici per scegliere e adattare il modello più idoneo ai dati.

Il corso si propone di far comprendere diversi concetti del text mining. Ciascun argomento verrà preceduto dal richiamo dei concetti di analisi matematica, algebra lineare e calcolo delle probabilità necessari a padroneggiarlo con successo. Grazie a un'adeguata introduzione alla programmazione dinamica, sarà possibile affrontare varî algoritmi di text mining utili al confronto tra stringhe. La padronanza di questi argomenti permetterà di affrontare applicazioni più pratiche come l'utilizzo delle espressioni regolari.

La conoscenza maturata nella seconda parte del corso permetterà invece di sviluppare l'abilità di trasformare i testi in enti matematici atti all'esecuzione di algoritmi di machine learning. A tal proposito, verranno pure accennate le reti neurali.

Testi di riferimento

(C) Applied Data Mining for Business and Industry, Second Edition Paolo Giudici and Silvia Figini, 2009. John Wiley & Sons. ISBN: 978-0-470-05886-2 Cap. 1-6

(C) Hastie, T., Tibshirani, R., Friedman, J., 2009. An Introduction to Statistical Learning: With Applications in R. Springer Nature. ISBN-10 ‏1071614177 Cap. 1-6, 8

(A) D. Jurafsky, J. H. Martin, Speech and Language Processing (terza edizione, in bozza), capitoli 1, 2, 5 e 6 (A) A. Y. Bhargava, Grokking algorithms, Manning, capitoli 5, 6 e 9, ISBN: 9781617292231 (A) D. Gusfield, Algorithms on strings, trees, and sequences, Cambridge University Press, capitolo 11, ISBN: 978-0-521-58519-4 (A) T. H. Cormen, C. E. Leiserson, R. L. Rivest, C. Stein, Introduzione agli algoritmi e strutture dati, IV edizione, McGraw Hill, capitoli 14 20, 22, ISBN 9788838656217 (A) S. Dasgupta, C. Papadimitrious, U. Vazirani, Algorithms, capitolo 6 (A) F. Lopez, V. Romero, Mastering Python regular expressions, PACKT publishing, capitoli 1 e 2, ISBN: 978-1-78328-315-6 (A) P. Mondkar, Python Regular Expressions: Master Pattern Matching, Text Processing, Data Validation, and String Manipulation with Python RegEx, ISBN: ‎ 979-8180701749 (C) Ahuja, Magnanti, Orlin, Network flows, theory, algorithms, and applications, Pearson, capitoli 1--5, ISBN: 978-1-292-04270-1

Codice insegnamento 50614_647627_22067

Machine Learning 3° anno · 2° semestre · 9 CFU · STAT-04/A · 0 file

Il corso si propone di far comprendere i fondamentali del machine learning. Dopo un'adeguata introduzione dei concetti di base, ciascuno sarà in grado di conoscere i principali problemi di machine learning insieme alla…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di far comprendere i fondamentali del machine learning.

Dopo un'adeguata introduzione dei concetti di base, ciascuno sarà in grado di conoscere i principali problemi di machine learning insieme alla loro diffusione, con particolare enfasi sui problemi di classificazione

supervisionata.

Programma

Il programma di massima del corso prevede i seguenti argomenti: richiami di calcolo delle probabilità, similarità e distanze, sistemi di raccomandazione, classificazione, regressione logistica, cenni al preprocessing, misure di performance.

È richiesta la conoscenza dei seguenti argomenti:

  • Analisi matematica di base, in particolare il concetto di derivata e la regola di derivazione composta. Utile anche la conoscenza del concetto di gradiente
  • Teoria della probabilità, in particolare il concetto di eventi dipendenti, di probabilità totale e il teorema di Bayes
  • Fondamenti di algebra lineare

Il taglio del corso è principalmente teorico. Si intende infatti fornire quella conoscenza matematica atta a comprendere i fondamentali del machine learning. Sono dunque previste delle lezioni dove verrà introdotta la matematica del machine learning che interviene nei suoi principali algoritmi. Sono comunque previste delle lezioni meno teoriche dove le tecniche apprese verranno impiegate per la risoluzione di particolari applicazioni. Infine, è prevista anche una parte in Python.

Modalità d'esame

L'esame è scritto. Verrà richiesto lo svolgimento di problemi. Saranno anche formulate domande teoriche e verrà pure valutata la conoscenza maturata relativamente alla parte in Python. Il voto tiene conto sarà una valutazione collettiva di tutte le domande e i quesiti proposti in occasione della prova. Non è possibile consultare testi durante l'esame. Non sono previste prove in itinere.

Su specifica richiesta da parte degli studenti incoming che svolgono un periodo di mobilità internazionale presso l’Ateneo, il docente può consentire anche l’uso della lingua inglese nel corso della prova.

Testi di riferimento

(A) R. Zacharski, A Programming Guide to Data Mining

(A) D. Jurafsky, J. H. Martin, Speech and Language Processing (terza edizione, in bozza), capitoli 3--7

(A) M. Swamynathan, Mastering Machine Learning with Python in Six Steps, capitoli 1--7, isbn 978-1-4842-2865-4

(C) S. Ozdemir, Data Science, Apogeo, isbn 9788850334193

(C) L. G. Serrano, Machine Learning spiegato in modo facile, Apogeo, isbn 978-8850337279

(C) V. Mirjalilli, S. Raschka, Machine Learning con Python, isbn 978-8850335244, Apogeo

(C) C. M. Bishop, Patter Recognition and Machine Learning, Springer, isbn 978-0387-31073-2

Codice insegnamento 50614_647643_22068

Prova Finale 3° anno · 3 CFU · 0 file
Statistica Bayesiana 3° anno · 2° semestre · 6 CFU · STAT-02/A · 0 file

Il corso si propone di fornire le nozioni di base dell’impostazione bayesiana all’inferenza statistica.

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire le nozioni di base dell’impostazione bayesiana all’inferenza statistica.

Programma

  • Introduzione alla statistica
  • Raccolta di dati scientifici
  • Visualizzazione e sintesi dei dati
  • Logica, probabilità e incertezza
  • Inferenza bayesiana per variabili casuali discrete
  • Inferenza bayesiana per la regressione lineare semplice

Elementi di statistica descrittiva e inferenziale, calcolo delle probabilità.

Lezioni frontali teoriche e pratiche (attraverso utilizzo del software R).

Modalità d'esame

L'esame consiste in una prova scritta sulla conoscenza e sulla capacità di comprensione degli argomenti trattati nel corso.

Testi di riferimento

  • (A) Bolstad, W. M. (2007). Introduction to Bayesian statistics (second edition). John Wiley & Sons. ISBN-13: ‎ 978-0470141151

Codice insegnamento 50614_647641_22069

Statistica Multivariata + Inferenza Causale 3° anno · 1° semestre · 9 CFU · STAT-01/A · 0 file

Il corso fornisce gli strumenti fondamentali per l’analisi statistica multivariata. L’obiettivo è sviluppare la capacità di modellare e interpretare relazioni tra più variabili simultaneamente, sia per scopi…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce gli strumenti fondamentali per l’analisi statistica multivariata. L’obiettivo è sviluppare la capacità di modellare e interpretare relazioni tra più variabili simultaneamente, sia per scopi descrittivi che inferenziali. Al termine del corso lo studente sarà in grado di:

  • applicare e interpretare modelli di regressione lineare semplice e multipla;
  • condurre analisi della varianza (ANOVA) e analisi della covarianza (ANCOVA);
  • eseguire analisi in componenti principali (PCA) per la riduzione dimensionale;
  • utilizzare metodi di classificazione non supervisionata (cluster analysis);
  • leggere criticamente i risultati delle analisi multivariate anche mediante software statistici.

Programma

La statistica multivariata

  • Obiettivi e ambiti di applicazione
  • Richiami di statistica descrittiva e inferenziale
  • Tipi di variabili e scale di misura

Regressione lineare con approccio matriciale (richiami)

  • Modello di regressione lineare multipla
  • Interpretazione geometrica degli stimatori OLS
  • Selezione delle variabili e diagnostica del modello

Regressione logistica (cenni avanzati)

  • Modello logit per variabili dicotomiche
  • Interpretazione dei coefficienti e degli odds ratio
  • Valutazione del modello

Analisi della varianza (ANOVA)

  • ANOVA a una via e a due vie
  • Ipotesi del modello, interpretazione dei risultati e test post hoc
  • Applicazioni nelle scienze sociali

Tecniche multivariate

  • Analisi delle Componenti Principali (PCA): principi e interpretazione
  • Cluster Analysis: principi e applicazioni esplorative
  • Riduzione della dimensionalità e analisi esplorativa dei dati

Introduzione all'inferenza causale (cenni)

  • Il modello causale di Rubin (RCM)
  • Concetto di effetto causale, risultati potenziali, trattamento e controllo
  • Il problema fondamentale dell'inferenza causale
  • Disegni sperimentali e studi osservazionali
  • Selection bias e studi quasi-sperimentali
  • Strategie standard: regressione discontinua, difference-in-differences e variabili strumentali (IV)
  • Assenza di confondimento, ignorabilità e Propensity Score Matching

Applicazioni con software

  • Utilizzo di software statistici (MS Excel)
  • Analisi di dataset reali in ambito socio-economico
  • Interpretazione dei risultati e reporting

Conoscenze di statistica di base acquisite in un corso di laurea triennale, inclusi: descrizione di dati univariati e bivariati, concetti fondamentali di probabilità, inferenza statistica (stima e test), e regressione lineare semplice.

Le lezioni saranno frontali, in presenza, con l'ausilio di materiale didattico fornito dal docente (sottoforma di dispense e materiali integrativi).

L'attività sarà supportata da esercitazioni in aula.

Modalità d'esame

L'esame consiste di una parte scritta (prova finale), e, nel caso questa sia sufficiente, di un colloquio orale. Il voto finale sarà formato da una media ponderata delle due parti, con pesi rispettivamente 0.4 e 0.6.

La prova scritta, della durata indicativa di 90 minuti, consiste di domande a risposta sia aperta che chiusa. Parte della prova potrebbe essere svolta al computer, con l'ausilio di software specifico.

Tutte le prove saranno valutate tenendo conto di

a) conoscenza e capacità di comprensione degli esercizi (20% sul totale della valutazione complessiva);b) capacità di operare collegamenti fra argomenti (20% sul totale della valutazione complessiva);c) capacità di applicare le conoscenze in ambito di problemi pratici (20% sul totale della valutazione complessiva) d) precisione e rigore nell'applicazione di formule e metodologie (40% sul totale della valutazione complessiva)

Testi di riferimento

Izenman, Alan J. Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning. New York: Springer, 2008. (C)

Codice insegnamento 50614_647625_22070

Analisi Dei Dati Temporali E Spaziali 1° semestre · 9 CFU · 0 file
Business Marketing E Innovazione + Marketing Nel Metaverso 9 CFU · 0 file
Calcolo Delle Probabilità E Inferenza Statistica 1° semestre · 9 CFU · 0 file
Cyber Security E Blockchain 6 CFU · IINF-05/A · 0 file

Il modulo fornisce le fondamenta teoriche e pratiche della sicurezza informatica, con particolare riguardo a sistemi operativi, reti, dati e programmi. Al termine del modulo lo studente è in grado di: comprendere e…

Scheda dell'insegnamento

Obiettivi formativi

Il modulo fornisce le fondamenta teoriche e pratiche della sicurezza informatica, con particolare riguardo a sistemi operativi, reti, dati e programmi. Al termine del modulo lo studente è in grado di: comprendere e classificare i rischi cyber originati da minacce interne ed esterne; riconoscere e applicare le principali tecniche e i principali strumenti di difesa; inquadrare la sicurezza informatica anche come requisito di governance aziendale, alla luce del quadro normativo europeo e nazionale.

Il modulo illustra il funzionamento e i fondamenti della tecnologia dei registri distribuiti (blockchain), analizzandone le implicazioni tecniche, economiche, filosofiche e giuridiche attraverso casi di studio e le principali piattaforme del settore. Al termine del modulo lo studente è in grado di orientarsi tra i principali modelli di blockchain e crypto-asset e di inquadrarne la disciplina giuridica ed economico-aziendale.

Testi di riferimento

  • Materiale a cura del docente: slide e dispense (disponibili su Teams)
  • Adottato: S. Capaccioli, La tassazione delle attività digitali, Giuffré (capp. 1-5, 8)
  • Consigliato: S. Capaccioli, G. Giordano, Crypto-asset: Regolamento MiCA, Giuffré
  • Consigliato: A. M. Garavaglia, Tutto su blockchain, Hoepli, 2018
  • Dispense e slide a cura del docente

Codice insegnamento 50179_647626_22074

Data Mining 1° semestre · 6 CFU · 0 file
Data Protection, Privacy And Internet Law 1° semestre · 6 CFU · GIUR-05/A · 0 file

Conoscenza e comprensione: il corso si propone di fornire una conoscenza adeguata del diritto europeo in materia di protezione dei dati personali, partendo dal suo contesto e dalla terminologia e prestando particolare…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e comprensione: il corso si propone di fornire una conoscenza adeguata del diritto europeo in materia di protezione dei dati personali, partendo dal suo contesto e dalla terminologia e prestando particolare attenzione ai principi fondamentali, ai diritti dei soggetti e alle norme. Capacità di applicare conoscenza e comprensione: il corso svilupperà la capacità degli studenti di identificare e gestire in modo indipendente le problematiche legali derivanti dalle moderne sfide in materia di protezione dei dati personali, come i Big Data, l'Internet of Things (IoT) e l'Intelligenza Artificiale (AI). Autonomia di giudizio: nella seconda parte del corso, attraverso i laboratori e i lavori di gruppo gli studenti dovranno prima creare modelli di riferimento per l'analisi e poi analizzare autonomamente specifici settori del web. Dovranno anche scegliere e motivare la scelta del settore. Abilità comunicative: nella seconda parte del corso, attraverso i laboratori e i lavori di gruppo gli studenti svilupperanno le abilità comunicative richieste nel settore della consulenza legale nell'IT; impareranno a spiegare i problemi legali legati alla Data Protection e le relative soluzioni. Capacità di apprendere: data la velocità di sviluppo del settore IT, sarà incoraggiato un approccio proattivo da parte degli studenti, fornendo loro gli strumenti per l'auto-formazione continua.

Programma

La prima parte del corso illustra l'evoluzione della normativa sulla Data Protection, prestando particolare attenzione a: - Contesto e origini della legge europea sulla protezione dei dati; - Terminologia della protezione dei dati; - Principi chiave della legge europea sulla protezione dei dati; - Regole della legge europea sulla protezione dei dati; - Controllo indipendente (EDPB); - Diritti degli interessati e loro applicazione; - Tipi specifici di dati e relative regole di protezione dei dati. Nella seconda parte, il corso si baserà su una didattica non frontale. Si svolgerà attraverso laboratori e lavori di gruppo, dedicati all'approfondimento di argomenti specifici rientranti nel macro-tema "Le sfide moderne nella protezione dei dati personali", ovvero Big data, algoritmi e intelligenza artificiale, il web 2.0 e 3.0: social network e Internet of Things.

Utili nozioni di base di Diritto Pubblico e di Diritto dell'UE (fonti). 1. Taglio didattico: teorico, applicativo. 2. Tipologie di lezione maggiormente utilizzate: lezione frontale (limitate al minimo indispensabile); lezione interattiva; attività laboratoriali; esercitazioni in aula, lavoro di gruppo; attività seminariali con partecipazione attiva degli studenti attraverso verifiche di apprendimento a fine attività; interventi programmati di studenti e studentesse sotto la supervisione del/della docente; interventi di esperti/e (se possibile). 3. Strumentazione adottata: uso di supporti multimediali in aula - pc e schermo; pc degli studenti (se disponibili).

Modalità d'esame

Per l'esame finale, sia gli studenti frequentanti che quelli non frequentanti possono scegliere tra un saggio (o una presentazione di gruppo) su un argomento concordato con la professoressa, oppure un esame orale su tre domande riguardanti gli argomenti del corso: - Contesto e origini della legge europea sulla protezione dei dati; - Terminologia della protezione dei dati; - Principi chiave della legge europea sulla protezione dei dati; - Regole della legge europea sulla protezione dei dati; - Controllo indipendente (EDPB); - Diritti degli interessati e loro applicazione; - Tipi specifici di dati e relative regole di protezione dei dati; - Sfide moderne nella protezione dei dati personali. Durante l'esame, gli studenti potranno consultare il GDPR. In entrambi i casi, i criteri di valutazione saranno: (a) conoscenza e capacità di comprensione del manuale (20% della valutazione complessiva); (b) capacità di fare collegamenti tra il manuale e i casi di studio (20%); (c) capacità di applicare le conoscenze (20%); (d) autonomia di giudizio e pensiero critico (20%); (e) trasposizione delle conoscenze acquisite in termini di fruibilità professionale (20%).

Testi di riferimento

(A) European Union Agency for Fundamental Rights and Council of Europe; Handbook on European Data Protection Law; 2018; pp. 1-247; pp. 325-370; ISBN 978-92-871-9849-5 N.B. Il manuale è disponibile in download gratuito al sito: https://fra.europa.eu/en/themes/data-protection - Products. Gli studenti sono tenuti a verificare e scaricare l'ultima versione pubblicata.

Codice insegnamento 50179_643455_21097

Demografia E Statistica Del Territorio 2° semestre · 9 CFU · 0 file
Fondamenti Di Informatica E Basi Di Dati 9 CFU · ING-INF/05 · 0 file
Fondamenti Di Programmazione 2° semestre · 6 CFU · ING-INF/05 · 0 file
Introduzione All'Econometria 2° semestre · 9 CFU · 0 file
Laboratorio Certificazioni Lseg 2° semestre · 3 CFU · ECON-09/B · 0 file

Gli studenti svilupperanno competenze avanzate nell'analisi dei dati finanziari e nella comprensione dei mercati globali. CONOSCENZA E COMPRENSIONE Questo laboratorio offre agli studenti l'opportunità di acquisire…

Scheda dell'insegnamento

Obiettivi formativi

Gli studenti svilupperanno competenze avanzate nell'analisi dei dati finanziari e nella comprensione dei mercati globali.

CONOSCENZA E COMPRENSIONE

Questo laboratorio offre agli studenti l'opportunità di acquisire conoscenze specializzate nell'utilizzo di due delle più potenti e ampiamente utilizzate piattaforme finanziarie: Datastream ed Eikon, entrambi prodotti di Refinitiv, leader mondiale nel fornire dati finanziari, analisi e soluzioni per il mercato finanziario.

CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE

Lo studente sarà in grado di

  • Gestione dell'area di lavoro Eikon
  • Lavorare con i layout
  • Utilizzare della valigetta in Eikon
  • Utilizzare l'app del grafico finanziario
  • Utilizzare Refinitiv Eikon in Microsoft Excel
  • Creare grafici Datastream
  • Utilizzare dati Datastream

Programma

EIKON

Modulo 1 - PER INIZIARE

  • A proposito di Eikon
  • Iniziare con Eikon
  • Gestione dell'area di lavoro Eikon
  • Lavorare con i layout
  • Password dimenticate e ripristini in Eikon
  • Expert Help con Eikon Live Chat

Modulo 2 - SCOPERTA DI PREZZI E NOTIZIE

  • Utilizzando l'app Monitor
  • Creazione e gestione degli avvisi in Eikon
  • L'app News Monitor
  • Ottieni una prospettiva nuova con Reuters Breakingviews
  • L'app Reuters Top News
  • Utilizzo della valigetta in Eikon

Modulo 3 - GRAFICI

  • L'app del grafico finanziario

Modulo 4 - COLLABORAZIONE

  • Guida introduttiva a Eikon Messenger
  • Chat bilaterale su Eikon Messenger

Modulo 5 - ANALISI DEI DATI IN MICROSOFT OFFICE

  • Introduzione a Refinitiv Eikon in Microsoft Excel
  • Recupero dei dati utilizzando Refinitiv Eikon Excel

DATASTREAM

Modulo 1 - IMPARA LE BASI

  • Datastream: ricerca di codici con Navigator
  • Introduzione alla creazione di grafici Datastream
  • Datastream: personalizzazione delle impostazioni del grafico
  • Utilizzo degli stili di grafico per personalizzare i grafici del flusso di dati
  • Utilizzo di Fathom Charts in Datastream Charting

Modulo 2 - LAVORARE CON DIVERSI TIPI DI GRAFICI

  • Datastream Charting: lavorare con i grafici di previsione
  • Grafici del flusso di dati: suddivisione e stagionalità
  • Datastream Charting: creazione e personalizzazione di grafici a dispersione
  • Creazione e personalizzazione di grafici a dispersione di serie storiche

Modulo 3 - LAVORARE IN MICROSOFT OFFICE

  • Recupero e analisi dei dati in Excel
  • Datastream per Office: utilizzo delle tabelle delle richieste
  • Grafici Datastream: esportazione e aggiornamento di grafici

Modulo 4 - ANALISI E STRUMENTI

  • Grafici del flusso di dati: lavorare con le annotazioni
  • Condivisione degli URL del grafico Datastream
  • Grafici di flusso di dati: utilizzo delle correlazioni nei grafici di flusso di dati
  • Datastream per Office: utilizzo di serie temporali create dall'utente

Modulo 5 - ESPLORARE IL CONTENUTO DEI DATI

  • Asset flusso di dati

Sufficiente conoscenza di informazioni e strumenti finanziari.

Durante le lezioni verranno discusse tramite supporti audio/video le problematiche generali connesse all'analisi e gestione di informazioni finanziarie.

Il corso prevede applicazioni operative.

Modalità d'esame

Test di idoneità a risposta multipla.

Testi di riferimento

Sarà fornito materiale audio/video.

Codice insegnamento 50614_647630_22075

Laboratorio Certificazioni Refinitiv 2° semestre · 3 CFU · 0 file
Laboratorio Di Analisi Dei Dati Per Le Scienze Politiche, Economiche E Sociali 3 CFU · GSPS-08/A · 0 file

Il laboratorio ha l’obiettivo di introdurre gli studenti all’analisi dei dati per le scienze sociali, politiche ed economiche, fornendo competenze di base per comprendere e applicare metodi quantitativi e qualitativi…

Scheda dell'insegnamento

Obiettivi formativi

Il laboratorio ha l’obiettivo di introdurre gli studenti all’analisi dei dati per le scienze sociali, politiche ed economiche, fornendo competenze di base per comprendere e applicare metodi quantitativi e qualitativi nell’ambito della ricerca empirica. Al termine del modulo, gli studenti saranno in grado di:

  • costruire domande di ricerca empiricamente verificabili;
  • distinguere e classificare variabili dipendenti e indipendenti;
  • esplorare e interpretare dataset provenienti da fonti ufficiali e accademiche;
  • produrre analisi descrittive e visualizzazioni di base dei dati.

Dare la possibilità agli studenti di cimentarsi concretamente nella ricerca e nell'elaborazione di dati

Testi di riferimento

(A) dispense a cura del docente

(C) Corbetta P. (2014) Metodologia e tecniche della ricerca sociale, Il Mulino, Bologna

Dispense fornite dal docente

Codice insegnamento 50179_644695_21445

Laboratorio Di Etica Dell'Intelligenza Artificiale 2° semestre · 3 CFU · PHIL-03/A · 0 file

Il laboratorio intende offrire la conoscenza e gli strumenti necessari per riconoscere, inquadrare e valutare gli aspetti etici relativi al design e all'uso delle tecnologie digitali basate su sistemi di intelligenza…

Scheda dell'insegnamento

Obiettivi formativi

Il laboratorio intende offrire la conoscenza e gli strumenti necessari per riconoscere, inquadrare e valutare gli aspetti etici relativi al design e all'uso delle tecnologie digitali basate su sistemi di intelligenza artificiale (quali, ad esempio, gli algoritmi di machine-learning e deep learning che regolano il funzionamento dei media digitali). Il laboratorio integrerà riflessione teorica sui temi e sulle questioni fondamentali nel campo dell'etica dell'intelligenza artificiale e analisi critica ed esercitazioni pratiche su casi di rilievo internazionale. Per quanto concerne i risultati di apprendimento attesi, ci si attende che gli studenti acquisicano: capacità di individuare e affrontare criticamente le principali problematiche e sfide etiche sollevate dai sistemi d'intelligenza artificiale, applicando i modelli teorici e i concetti acquisiti all'analisi di casi concreti; capacità di rielaborazione critica, di confronto e di argomentazione.

Programma

  • Introduzione all'etica dell'intelligenza artificiale (IA):

principi e linee guida etiche per l'IA; la strategia europea per l'IA

  • Metodologia: ethics by design e value sensitive design
  • Sistemi/tecniche di IA: machine learning (ML) e deep learning (DL)
  • Questioni etiche e casi di studio:
  • IA, etica, occupazione
  • IA, etica, educazione
  • IA, etica, salute digitale
  • IA, etica, responsabilità, esplicabilità
  • IA, etica, sostenibilità sociale e ambientale

Nessuno. Tuttavia, è consigliata la frequenza del corso di "Etica dei Media Digitali" tenuto dalla Prof.ssa Benedetta Giovanola al fine di acquisire un solido bagaglio teorico utile all'analisi dei casi di studio affrontati nel laboratorio.

***L' attività didattica svolta nel laboratorio è parte integrante della Cattedra Jean Monnet EDIT - Ethics for Inclusive Digital Europe, finanziata dall'Unione Europea nell'ambito delle Jean Monnet Actions in the field of higher education.***

Le lezioni saranno impostate in modo dialogico, al fine di consentire la partecipazione attiva degli studenti e lo sviluppo della loro capacità critica e argomentativa. Sono previsti momenti di discussione collegiale e gruppi di lavoro, volti alla risoluzione di esercizi pratici su dilemmi etici e all'analisi di casi di studio, al fine di consentire agli studenti di applicare concretamente il bagaglio teorico e pratico acquisito e maturare competenze trasversali, quali la capacità di confronto con gli altri, di argomentazione e di rielaborazione critica.

Modalità d'esame

Poiché è richiesta una partecipazione attiva da parte degli studenti, la valutazione avverrà non solo alla fine, ma anche durante il laboratorio, in modo da verificare sia lo sviluppo delle conoscenze progressivamente acquisite, sia la capacità di analisi, rielaborazione critica e argomentazione maturata lezione dopo lezione.

L'esame orale consisterà nell'analisi, presentazione e discussione critica di un caso di studio in linea con le tematiche affrontate nel corso del laboratorio, scelto dagli studenti in accordo con la docente, in quanto funzionale alla verifica delle conoscenze e delle competenze applicative acquisite. In alternativa, l'esame orale verte sulle tematiche del laboratorio come affrontate nel volume indicato nell'apposita sezione (anche per studenti non frequentanti).

La lingua di verifica è l’italiano.

Criteri adottati per la graduazione dei voti.

a) conoscenza e capacità di comprensione dei testi (30% sul totale della valutazione complessiva);

b) capacità di operare collegamenti fra i testi (15% sul totale della valutazione complessiva);

c) capacità di applicare le conoscenze (25% sul totale della valutazione complessiva);

d) autonomia di giudizio e di pensiero critico (30% sul totale della valutazione complessiva).

Testi di riferimento

(A) S. Tiribelli; Identità personale e algoritmi. Una questione di filosofia morale; Carocci editore; Roma; 2023; pp. 1-132; 9788829018802.

Codice insegnamento 50179_643459_21150

Machine Learning E Laboratorio Di Analisi Dei Big Data 9 CFU · 0 file
Metodi Di Programmazione Avanzata 2° semestre · 9 CFU · 0 file
Organizzazione Aziendale 2° semestre · 6 CFU · ECON-08/A · 0 file

Il corso si propone di fornire gli elementi teorici e applicativi necessari per analizzare e intervenire nelle varie architetture organizzative. Gli studenti al termine del corso sapranno riconoscere le diverse…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire gli elementi teorici e applicativi necessari per analizzare e intervenire nelle varie architetture organizzative.

Gli studenti al termine del corso sapranno riconoscere le diverse configurazioni organizzative, le parti che le compongono e avranno cognizione delle principali complessità che le organizzazioni affrontano come ad esempio l'ambiente, la tecnologia, le risorse umane, la cultura e le pratiche lavorative.

Saranno inoltre forniti elementi di comprensione dei processi di discriminazione in azienda rispettoa sesso, età, provenienza e ad altri unconscious bias.

Attraverso un lavoro d'aula di tipo partecipativo i contenuti saranno esplorati anche sotto forma di casi, testimonianze ed esperienze di ricerca.

Il corso prevede, infine, il coinvolgimento degli studenti in un lavoro di campo con cui entrare in contatto con il tessuto imprenditoriale marchigiano.

Programma

Il corso di Organizzazione Aziendale si propone di fornire agli studenti gli strumenti concettuali e metodologici per comprendere le organizzazioni, analizzarne le dinamiche strutturali e interpersonali e sviluppare una capacità critica di intervento nei contesti organizzativi complessi.

Le organizzazioni costituiscono il principale contesto in cui si esercitano le professioni economiche e manageriali. Saper leggere come e perché si strutturano, evolvono e talvolta entrano in crisi rappresenta una competenza trasversale indispensabile, indipendentemente dal ruolo professionale che si intende ricoprire.

La metodologia didattica adottata è fortemente interattiva e laboratoriale. Sin dalle prime settimane gli studenti sono inseriti in gruppi di lavoro stabili con cui collaborano per l'intero semestre, affrontando un progetto che può assumere la forma di una ricerca su un'organizzazione locale, di un evento da proporre alla comunità cittadina o di una sperimentazione concordata con aziende partner. Le lezioni alternano momenti di inquadramento teorico, discussioni ragionate sull'attualità economica attraverso una rassegna stampa collettiva, e unità laboratoriali dedicate a temi specifici. Sono previsti incontri con ospiti del territorio — imprenditori, manager e ricercatori — quale parte integrante del percorso formativo, con l'obiettivo di confrontare direttamente i contenuti teorici con esperienze professionali concrete.

Il percorso didattico si articola in tre nuclei tematici progressivi. Il primo riguarda la progettazione e la lettura delle strutture organizzative, esplorando tanto la dimensione macrostrutturale — divisioni, gerarchie, reti — quanto quella micro, relativa a relazioni interpersonali, pratiche quotidiane, conflitti e leadership. Il secondo nucleo è dedicato al cambiamento organizzativo, affrontato attraverso gli approcci neo-istituzionalisti e quelli basati sulla cultura organizzativa, sulla lettura simbolica e sulle pratiche, con attenzione alle trasformazioni indotte dalla digitalizzazione e dall'intelligenza artificiale. Il terzo nucleo introduce i fondamenti della metodologia della ricerca organizzativa e del project management, strumenti necessari per la realizzazione del progetto di gruppo. Due unità laboratoriali sono interamente dedicate al tema "genere e organizzazione" con approccio intersezionale, inteso non come argomento accessorio ma come prospettiva critica trasversale all'intero corso.

I principali contenuti trattati sono i seguenti:

  • Progettazione e configurazioni organizzative
  • Strutture organizzative comparate
  • Mappatura e analisi dei processi organizzativi
  • Relazioni interpersonali e pratiche organizzative
  • Processi decisionali individuali e collettivi
  • Cultura e apprendimento organizzativo
  • Leadership e gestione dei conflitti
  • Change management: approcci neo-istituzionalisti e basati sulle pratiche
  • Tecnologie e trasformazione digitale
  • Sistemi sociotecnici e Science and Technology Studies
  • Knowledge management, big data e intelligenza artificiale
  • Genere, diversity e inclusione in prospettiva intersezionale
  • Selezione e gestione del personale: elementi di base
  • Fondamenti di metodologia della ricerca organizzativa
  • Costruzione e gestione dei dati di ricerca
  • L'intervista organizzativa

La valutazione finale integra l'elaborato di progetto, sviluppato e presentato dal gruppo al termine del semestre, con le valutazioni relative all'impegno profuso nelle attività laboratoriali, nella rassegna stampa e negli incontri con gli ospiti. La frequenza regolare, pur non costituendo un obbligo formale, è strutturalmente necessaria ai fini di una partecipazione efficace: i gruppi di lavoro si costruiscono progressivamente nel corso del semestre e la realizzazione del progetto richiede continuità e coesione collettiva.

Per gli studenti del CdS Economia e Management (Organizzazione aziendale da 6 CFU ) si ricorda che è consigliabile aver frequentato/studiato l'esame di Economia Aziendale dato che il Regolamento didattico del CdS Economia e Management L-18 non impone propedeuticità.

Possono facilitare la frequenza e l'apprendimento dell'insegnamento la disponibilità ad assumere atteggiamenti osservativi e critici rispetto alle proprie esperienze di lavoro e di vita nelle organizzazioni.

L'attività prevede momenti espositivi da parte del docente e da parte degli allievi e il confronto continuo nella discussione e nell'approfondimento degli argomenti presentati anche attraverso readings e lavori sul campo.

Nella seconda parte del corso si utilizzeranno anche lavori di gruppo, presentazioni, testimonianze e micro esperienze di ricerca per entrare in contatto con le realtà organizzative ed imprenditoriali marchigiane. Sulla base dell'effettiva disponibilità e costanza nella frequenza da parte degli studenti, i partecipanti saranno infine invitati a preparare un'elaborato su una piccola esperienza di ricerca sul campo.

Modalità d'esame

Per i frequentanti è previsto un lavoro continuo in aula che potrà concorrere alla valutazione finale degli studenti.

L'esame finale consisterà in una prova scritta (elaborato) di almeno 10 pagine concernente l'analisi di un caso aziendale fornito dal docente o individuato sul territorio e la discussione dello stesso a partire dallo studio del manuale scelto. In alternativa, per i non frequentanti, si potrà procedere ad un esame scritto di quattro domande per le quali si richiede una risposta sintetica.

La valutazione sarà articolata nel seguente modo:

a) conoscenza e capacità nell'articolare i contenuti oggetto delle domande: 20% sul totale della valutazione complessiva;

b) capacità di operare collegamenti fra il testo e gli argomenti trattati in aula 25% sul totale della valutazione complessiva;

c) capacità di applicare le conoscenze a casi di studio discussi e indicati come oggetto di esame: 25% sul totale della valutazione complessiva);

d) capacità di giudizio e di pensiero critico: 30% sul totale della valutazione complessiva.

Per i non frequentanti si può concordare un lavoro di analsi di un caso aziedale e produrre un elaborato di 15 pagine in cui 5 pagine siano di approfondimento teorico dei concetti utilizzati per l'analisi. Il lavoro sarà valutato anche in base alla originalità della proposta di ricerca in azienda. Il tutto sotto la supervisione diretta e previo accordo con il docente.

Testi di riferimento

Per tuttə un manuale a scelta tra i seguenti:

A- Maurizio Catino, Lia Tirabeni (2023). Fondamenti di organizzazione, Il Mulino, Bologna - Per la preparazione dell'esame il libro va studiato in tutte le sue parti.

A- Hatch, Mary Jo, Teoria dell'organizzazione, Il Mulino, Bologna, 2022 - Per la preparazione dell'esame il libro va studiato in tutte le sue parti.

A- Organizing & Organizations (2012), Sage, London, UK - per la preparazione dell'esame il libro va studiato in tutte le sue parti.

Per il lavoro di campo, si suggerisce una presa visione di almeno uno dei seguenti:

Attila Bruni (2003). Lo studio etnografico delle organizzazioni. Carocci, Roma.

Business Research Methods, E. Bell, B. Harley, A. Bryman, Oxford, 2022.

Codice insegnamento 50179_647644_22076

Panel Data Analysis 1° semestre · 9 CFU · 0 file
Principi Di Economia 1° semestre · 9 CFU · SECS-P/01 · 0 file
Psicologia Generale E Sociale 2° semestre · 6 CFU · PSIC-03/A · 0 file

L'obiettivo formativo primario del corso è l'acquisizione delle conoscenze di base delle principali teorie della psicologia generale e sociale con riferimento alle relazioni sociali. La prima parte del corso illustrerà…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo formativo primario del corso è l'acquisizione delle conoscenze di base delle principali teorie della psicologia generale e sociale con riferimento alle relazioni sociali. La prima parte del corso illustrerà le metodologie utilizzate nella psicologia generale e sociale nella ricerca empirica e nella raccolta dei dati. Successivamente, saranno affrontate le basi della psicologia generale. A seguito, le dinamiche e i processi sociali che normalmente si verificano nei contesti della vita quotidiana, quali l'influenza sociale, l'appartenenza e l'integrazione sociale. In generale, saranno forniti gli strumenti metodologici e concettuali di base per l'interpretazione di determinati processi psicosociali. Al termine del corso, gli studenti dovrebbero avere familiarità con le origini e l'evoluzione della psicologia generale e sociale e delle metodologie di ricerca e raccolta dati; essere in grado di identificare i principali processi che si verificano tra l'individuo e l'ambiente; e comprendere la relazione tra lo schema del sé e i processi di percezione sociale.

Programma

L'insegnamento fornirà le basi dei principali modelli teorici della psicologia generale e sociale, illustrando specificatamente i seguenti argomenti:

  • Introduzione alla psicologia generale
  • Introduzione alla psicologia sociale
  • Fare ricerca in psicologia generale e sociale
  • Le basi della psicologia generale
  • La cognizione sociale
  • L'influenza sociale
  • Il sé, le interazioni sociali e i processi collettivi
  • Il bisogno di appartenenza
  • Il concetto dell'esclusione sociale
  • L'integrazione sociale degli immigrati in un nuovo contesto
  • I problemi legati al pregiudizio
  • I fenomeni nati nell'era digitale
  • La psicologia ambientale

Nessuno obbligatorio.

La tipologia di lezione maggiormente utilizzata sarà quella di tipo frontale. A supporto, oltre all'utilizzo di slides, ci si avvarrà di materiale audiovisivo. Durante le lezioni potranno svolgersi esercitazioni, discussioni aperte o analisi di casi.

Modalità d'esame

La verifica dell’esito dell’apprendimento avverrà mediante un colloquio orale, valutato in trentesimi. I/le candidati/e saranno valutati/e sulla base dei seguenti criteri: • la correttezza delle risposte e la capacità di saperle argomentare (45%); • la capacità di contestualizzare e analizzare criticamente i contenuti del corso (40%); • la capacità di comunicare, con linguaggio appropriato, i contenuti richiesti (15%).

Testi di riferimento

(A); Andrighetto L., Riva P.; Psicologia sociale - Fondamenti teorici ed empirici; Il Mulino, Bologna; 2020; Capitoli: 1, 2, 3, 4, 6, 9, 10, 11, 12; 978-8815287946

Codice insegnamento 50614_648204_21154

Statistica Economica E Analisi Dei Big Data 1° semestre · 6 CFU · 0 file
Statistica Multivariata + Laboratorio Di Analisi Di Dati Reali 12 CFU · 0 file
Text Mining 1° semestre · 3 CFU · 0 file
Tirocinio 3 CFU · 0 file
Ulteriori Conoscenze Linguistiche 3 CFU · 0 file
Web And Social Media Marketing 2° semestre · 6 CFU · ECON-07/A · 0 file

Il corso approfondisce i principi, le strategie e le tecniche di marketing digitale, con un focus specifico sull’uso delle piattaforme web e dei social media per la promozione di brand, prodotti e servizi. A partire…

Scheda dell'insegnamento

Obiettivi formativi

Il corso approfondisce i principi, le strategie e le tecniche di marketing digitale, con un focus specifico sull’uso delle piattaforme web e dei social media per la promozione di brand, prodotti e servizi.

A partire dall’analisi delle diverse strategie e tecniche di web marketing e dei principali strumenti di pianificazione e monitoraggio dei risultati, gli studenti acquisiranno competenze pratiche funzionali allo sviluppo di un piano di marketing digitale.

Le presentazioni di casi e le esercitazioni consentiranno di creare contenuti ottimizzati per diversi canali e di valutare l’applicabilità, la fattibilità e le ricadute di ciascuna tecnica in settori diversi (servizi, turismo, cultura, ecc.).

Al termine del corso lo studente sarà in grado di:

  • comprendere i concetti fondamentali di marketing digitale e la sua integrazione con le strategie di marketing tradizionale;
  • definire il ruolo del web marketing e avere dimestichezza con le diverse fasi del processo di web marketing;
  • conoscere le principali tecniche di web marketing, la loro applicazione e le relative metriche;  
  • conoscere le caratteristiche e le potenzialità delle principali piattaforme social (Facebook, Instagram, LinkedIn, TikTok, ecc.);
  • acquisire una visione strategica per la pianificazione e implementazione di una strategia di web e social media marketing;
  • creare contenuti digitali rilevanti e adatti a diversi canali e piattaforme;

Programma

Il corso sarà articolato in 3 moduli.

Modulo 1 – Introduzione al marketing digitale

  • Il ruolo del marketing nell’era digitale.
  • Rivoluzione digitale e driver del cambiamento.
  • Il cambiamento del consumatore: customer journey e digital marketing funnel.
  • Approccio strategico al marketing digitale: customer centricity e omnicanalità.

Modulo 2 – Il processo di Web e Social Media Marketing

  • Profili definitori
  • Il processo di web e social media marketing: analisi del contesto, elaborazione della strategia, definizione delle azioni e tattiche operative.
  • Metodi e strumenti per la pianificazione strategica. Il piano di marketing digitale
  • Digital Marketing Analytics: metodologie e metriche di misurazione delle performance.
  • Il design thinking per il marketing digitale
  • L'impatto dell'intelligenza artificiale nel marketing digitale

Modulo 3 – Strategie e tecniche di web e social media marketing

  • Search Marketing: SEO (Search Engine Optimization) e SEA (Search Engine Optimization)
  • Il corporate website come hub dell’ecosistema digitale aziendale.
  • Il ruolo del content marketing nei nuovi modelli di comunicazione digitale.
  • E-mail marketing e marketing automation
  • Social media marketing
  • Collaboration marketing e community engagement
  • Social media advertising

[Per il corso da 6 CFU]

Il corso da 6 CFU non prevede lo studio dei seguenti argomenti: Digital Marketing Analytics (modulo 2) e Marketing Automation (modulo 3).

Pertanto non è richiesto lo studio dei capitoli 8 e 10 del manuale adottato (A) e indicato in bibliografia.

Nozioni di marketing e digitali.

Il corso combina lezioni frontali teoriche con presentazioni di casi anche da parte di esperti ed esercitazioni pratiche, con l’intento di favorire l’apprendimento applicato.

Nella seconda parte del corso, a partire dagli input ricevuti, gli studenti lavoreranno a progetti reali e simulazioni e saranno incoraggiati a utilizzare strumenti digitali per lo sviluppo delle loro competenze pratiche.

Nel corso delle lezioni e durante le esercitazioni saranno utilizzate presentazioni power point, contenuti video, piattaforme web e social per la creazione di campagne di marketing e per la misurazione delle prestazioni

Modalità d'esame

Allo studente sarà richiesto lo studio dei testi consigliati e degli appunti delle lezioni e l’elaborazione di un project work.

Pertanto, la valutazione finale si baserà su un project work e un esame finale scritto

Project work

Si richiede lo sviluppo di un piano di marketing digitale a partire da un caso di studio a scelta.

Il project work sarà presentato in aula entro il termine del corso. In questo caso gli studenti lavoreranno in gruppo.

In alternativa, gli studenti non frequentanti potranno presentare il project work come lavoro individuale in sede di esame orale.

Contenuti e modalità di redazione saranno concordati con il docente.

Esame scritto

La prova scritta si compone diomande a risposta aperta e a risposta multipla sui contenuti del corso, volte a verificare l’acquisizione delle conoscenze teoriche da parte dello studente e la sua capacità di argomentare e rielaborare concetti. 

Testi di riferimento

(A) Gregori, G. L., Pascucci, F. (2025). Il digital marketing come fattore competitivo. Verso un approccio integrato “strumenti” e “strategia”. Seconda Edizione. Milano, FrancoAngeli. ISBN: 9788835173359.

(C) Guerini, C., & Fornaciari, F. I. (Eds.). (2020). Marketing digitale: Paradigmi e strumenti. FrancoAngeli. ISBN: 9788891789716.

(C) Confetto M. G (2023).Digital e Social Media trend. Sfide manageriali tra evoluzioni tecnologiche e di consumo. Giappichelli. ISBN: 9791221103861

(C) Kozinets, R. V., Gretzel, U., & Gambetti, R. (2024). Influencer & creator: Business, cultura e pratica. FrancoAngeli. ISBN:9788835161738

Codice insegnamento 50614_643503_21155

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.