Cognitive science for human-centric technologies

Test di Abilità Linguistica (TAL) di inglese

L’attività prevede il sostenimento del Test di Abilità Linguistica (TAL) di inglese, in modalità informatizzata, presso il Centro Linguistico di Ateneo (CLA).

Il test è finalizzato alla verifica della conoscenza della lingua inglese e misura le abilità produttive, con riferimento al livello B2 Speaking del Quadro Comune Europeo di Riferimento per le lingue (QCER).

L’attività non prevede l’erogazione di un corso, ma esclusivamente il sostenimento del test, ai fini dell’ottenimento dell’Open Badge e del riconoscimento dei 3 CFU previsti.

Gli studenti in possesso di una certificazione di lingua inglese di livello B2 o superiore, possono richiederne il riconoscimento ai fini dell’esonero dal sostenimento del TAL.

Gli studenti sono pregati di non contattare direttamente il docente responsabile.

Al termine dell’insegnamento, studentesse e studenti saranno in grado di:

1. Conoscenza e comprensione: conoscere i principali framework teorici dell’accessibilità, inclusività, del Design for Accessibility applicati agli ambienti di lavoro e di vita.

2. Capacità di applicare conoscenza e comprensione: applicare metodi di valutazione dell’accessibilità (es. questionari, checklist) a tecnologie (es. interfacce digitali) e ambienti reali.

3. Autonomia di giudizio: analizzare criticamente soluzioni tecnologiche assistive e inclusive, identificandone punti di forza e limiti in relazione ai bisogni degli utenti finali.

4. Abilità comunicative: comunicare efficacemente i risultati di analisi di accessibilità e proposte progettuali a interlocutori specialisti e non specialisti.

5. Capacità di apprendimento: acquisire competenze metodologiche per aggiornarsi autonomamente sulle evoluzioni normative e tecnologiche nel campo dell’accessibilità e delle tecnologie assistive.

L’insegnamento affronta i principi teorici e metodologici relativi alla progettazione e alla valutazione di tecnologie accessibili e inclusive per gli ambienti di lavoro e di vita quotidiana. Vengono approfonditi i temi dello Universal Design fo Accessibility and Inclusiveness delle tecnologie assistive digitali, di ecosistemi intelligenti di nuova generazione basati sull’Internet of Things (IoT) e sull’Intelligenza Ambientale per contesti residenziali o lavorativi, nonché di robot collaborativi e assistivi per il supporto di persone con disabilità e anziani.

I contenuti nel dettaglio riguarderanno:

1. Fondamenti di Design for Accessibility and Inclusiveness, Design for All: definizioni e quadro normativo (Convenzione ONU, European Accessibility Act, WCAG).
2. Progettazione partecipativa e co-design: metodologie di progettazione centrata sull’utente (UCD). Approcci partecipativi e Living Lab. Coinvolgimento degli utenti finali con disabilità e anziani nel processo di progettazione e adattamento degli strumenti/metodologie di ricerca (es., focus group e interviste strutturate, ecc).
3. Tecnologie assistive per gli ambienti di vita: panoramica sulle tecnologie assistive e sulle soluzioni emergenti. Ecosistemi IoT per ambienti domestici intelligenti e inclusivi: piattaforme Smart Home di ultima generazione, sensori ambientali interconnessi e sistemi di Ambient Assisted Living (AAL) per il monitoraggio in tempo reale del benessere e della sicurezza degli abitanti. Domotica accessibile: automazione avanzata tramite assistenti vocali, interfacce adattive e controllo ambientale personalizzato. Casi studio: descrizioni di progetti di ricerca nazionali e internazionali.
4. Tecnologie accessibili per gli ambienti di lavoro: ergonomia e accessibilità negli ambienti lavorativi. Tecnologie di supporto per lavoratori con disabilità. Postazioni di lavoro adattive, accessibili e inclusive. Robot collaborativi, assistenziali. Casi studio: descrizioni di progetti di ricerca nazionali e internazionali.
5. Accessibilità e inclusività delle interfacce di Intelligenza Artificiale Generativa.
6. Strumenti standard e ad hoc di valutazione di accessibilità e inclusività delle interfacce utente e delle tecnologie (es. questionari, checklist, interviste, compiti).
7. Implicazioni etiche e sociali: privacy e protezione dei dati nelle tecnologie assistive IoT-based in ambito residenziale e lavorativo. Etica dell’intelligenza artificiale applicata alla cura degli individui e all’Ambient Assisted Living. Smart City accessibili e inclusive: infrastrutture urbane intelligenti, mobilità inclusiva e digital urban accessibility. Valutazione dell’impatto sociale delle tecnologie IoT e degli ambienti di vita intelligenti caratterizzati da elevati livelli di accessibilità e inclusività.

Non richiesti requisiti specifici ma sarebbero utili conoscenze preliminari di metodologie della ricerca sperimentale che coinvolgano utenti umani. 

L’insegnamento si svolge in modalità blended, con 42 ore di didattica assistita ripartite in 21 ore di didattica in presenza (50%) e 21 ore di didattica a distanza (50%).

Didattica in presenza (21 ore): lezioni frontali con presentazioni interattive, analisi di casi studio reali, esercitazioni pratiche di valutazione dell’accessibilità e inclusività, e presentazioni e discussioni coinvolgendo gli studenti.

Didattica a distanza asincrona (21 ore): videolezioni asincrone su piattaforma Zoom per approfondimenti tematici e tutoraggio dei project work; attività asincrone su Moodle comprendenti: studio di materiali didattici (video, articoli scientifici, linee guida), forum di discussione e quiz di autovalutazione.

La sequenza delle attività sarà indicata sulla piattaforma Moodle.

Oltre a rivolgersi al/la docente del corso, studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l’Ufficio Servizi agli studenti Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

Criteri di valutazione per la prova scritta:

• Padronanza dei contenuti teorici e metodologici
• Capacità di analisi critica dei casi studio proposti
• Uso appropriato della terminologia tecnica
• Capacità di collegare i diversi argomenti del programma

Verranno forniti set di slide corrispondenti ai vari argomenti del corso.  

Ulteriori articoli scientifici e materiali didattici saranno indicati durante il corso e resi disponibili su Moodle.

Il corso fornisce le basi della Data Science per dati comportamentali, con un forte orientamento applicativo sulle principali tecniche di gestione e analisi dei dati.

Al termine del corso gli studenti saranno in grado di:

• Utilizzare le principali conoscenze relative alla Data Science.
• Applicare le principali tecniche statistiche per l’analisi di dati comportamentali.
• Utilizzare il linguaggio R per l’analisi dei dati.

• Introduzione alla Data science per dati comportamentali
• R come linguaggio per la Data Science
• Intelligenza artificiale e programmazione responsabile
• Fondamenti delle misurazioni psicologiche
• Fondamenti di probabilità
• Gestione e manipolazione dei dati
• Etica nella gestione dei dati
• Analisi esplorativa dei dati
• Studi sperimentali, osservazioni e inferenza causale
• Analisi di regressione lineare
• Oltre la regressione lineare

Non ci sono prerequisiti per questo corso.

• Video-lezioni asincrone
• Esercizi da svolgere autonomamente
• Attività di gruppo e collettive (es. Forum) moderati dal docente
• Lezioni sincrone interattive. In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Criteri di valutazione per i Quiz saranno:

• Numero risposte corrette (domande a risposta chiusa)
• Correttezza della risposta e adeguetezza del linguaggio (domande a risposta aperta).

Criteri di valutazioni per l’analisi guidata di un dataset (solo frequentanti) sarà:

• utilizzo consepevole delle tecniche di analisi
• capacità di interpretare correttamente i dati.
• senso critico e capacità di analisi del codice prodotto da altri.

Criteri di valutazione per l’analisi dell’esercizio su R sarà

• capacità di scrivere sintassi corretta e funzionante di codice R.
• capacità di analizzare correttamente un problema sperimentale e trasformarlo in analisi appropriate.
• capacità di commentare adeguatamente i risultati delle analisi dei dati.

Il principale testo di riferimento sarà il libro “Introduction to (Behavioural) Data Science”, adattamento del libro “Introduction to Data Science” (Rafael R. Irizarry, 2019), rilasciato con licenza Creative Commons e scaricabile gratuitamente. Il link sarà fornito nella pagina Moodle del corso.

Il corso ha l’obiettivo di fornire agli studenti una solida base nella programmazione Python. Vengono trattati l’utilizzo dei diversi tipi di dati e delle strutture dati per gestire efficacemente le informazioni, e le tecniche per il controllo del flusso di esecuzione dei programmi tramite condizioni e cicli. Inoltre il corso si pone l'obbiettivo di fornire le competenze per scrivere codice riutilizzabile attraverso le funzioni e ad applicare i principi della programmazione orientata agli oggetti. 

Il corso offre una introduzione alla programmazione per studenti senza esperienza precedente e si propone di fornire loro le competenze di base in Python.

Al termine del corso, gli studenti saranno in grado di configurare il loro ambiente Python e comprendere i concetti fondamentali di programmazione.

1. Configurazione dell'ambiente di Programmazione Python

2. Tipi di Dati in Python

3. Strutture Dati

4. Controllo del Flusso

5. Funzioni

6. Classi e Oggetti

7. Moduli e Pacchetti

Non sono necessarie competenze pregresse.

Il corso prevede:

1. Lezioni frontali interattive sui concetti e metodi di programmazione, durante le quali gli studenti potranno eseguire del codice dal vivo per applicare queste tecniche a compiti reali;

2. Esercizi guidati progettati per essere completati autonomamente dagli studenti, consentendo loro di esercitarsi e migliorare le proprie competenze al di fuori delle lezioni frontali.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Oltre a rivolgersi al/la docente del corso, studenti/sse con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

L'esame valuta approfonditamente la comprensione dello studente del materiale didattico, includendo sia la capacità di interpretare i concetti teorici sia di applicare le abilità pratiche di programmazione.

Titolo: Think Python : How to think like a computer scientist /, Autori: Downey, Allen., Luogo: Beijing, Anno: 2016, Editore: O'Reilly

Il corso si propone di fornire agli studenti una preparazione teorica e metodologica di base nell’ambito della ricerca cognitiva applicata all’ambito aero-spaziale. 

• Analizzare gli stressor ambientali del contesto aereo-spaziale (velocità, complessità, microgravità, radiazioni, isolamento, confinamento) e il loro impatto sulle funzioni cognitive, sul sistema nervoso centrale e sulla performance umana in volo e in orbita.
• Valutare l’interazione uomo–macchina in ambienti aereonautici e spaziali ad alta criticità, considerando limiti cognitivi umani, automazione avanzata, ritardi di comunicazione e rischio di errore, secondo i principi dell’ergonomia cognitiva e delle scienze cognitive applicate
• Progettare e valutare interfacce e sistemi interattivi per lo spazio, con attenzione a usabilità, affidabilità, trasparenza e supporto decisionale, includendo interfacce multimodali e sistemi adattivi uomo–AI.
• Utilizzare modelli analoghi terrestri (ambienti isolati, simulazioni, missioni analoghe) per testare soluzioni innovative e ipotizzare interventi mirati al miglioramento della performance e della sicurezza operativa.
• Sviluppare framework di intervento e strategie di supporto alla salute e alla performance degli astronauti, integrando design tecnologico, fattori cognitivi e comunicazione scientifica in formati accademici e professionali.

Modulo 1 – Le scienze cognitive e l’ergonomia nell’ambito aerospaziale.

Introduzione alle scienze cognitive, all’ergonomia e agli Human Factors applicati al contesto aerospaziale, con focus sul ruolo del fattore umano nella sicurezza, nella performance e nell’affidabilità dei sistemi complessi.

Modulo 2 – L’ambiente spaziale e gli stressor fisici e psicosociali

Analisi degli stressor ambientali dello spazio, inclusi microgravità, radiazioni, isolamento e confinamento, e del loro impatto su comportamento, funzioni cognitive e performance umana nelle missioni di lunga durata.

Modulo 3 – Fisiologia spaziale e adattamenti neurocognitivi

Studio della fisiologia spaziale e degli adattamenti in orbita, con particolare attenzione a neuroplasticità, spostamenti dei fluidi, sonno e ritmo circadiano, e alle implicazioni per il funzionamento cognitivo.

Modulo 4 – Ergonomia cognitiva e interazione con le tecnologie in ambienti estremi

Panoramica sui principi di ergonomia cognitiva e Human–Computer Interaction applicati all’ambito aerospaziale, con attenzione all’interazione con sistemi automatizzati, alla gestione del carico cognitivo e alla prevenzione dell’errore umano.

Modulo 5 – Modelli analoghi terrestri come laboratori di ricerca

Esplorazione dei principali modelli analoghi terrestri, come bed rest, ambienti isolati, immersioni e realtà virtuale, utilizzati per studiare la performance umana e testare soluzioni tecnologiche per lo spazio.

Modulo 6 – Introduzione alla Space Economy

Panoramica sulla Space Economy e sulla trasformazione del settore spaziale a livello globale, con attenzione alle interconnessioni tra ambito aerospaziale e altri settori industriali e scientifici (salute, trasporti, ICT, energia, ambiente), e alle ricadute tecnologiche, economiche e sociali delle attività spaziali.

• Si richiede l’esame di FOUNDATIONS OF COGNITIVE SCIENCE 
• Sono preferibili conoscenze di base in Neuropsicologia, Psicofisiologia, Human Computer Interaction, Ergonomia Cognitiva
• Capacità di lettura e analisi di paper scientifici in lingua inglese

Il corso è erogato in modalità blended. Circa due terzi delle attività si svolgono online tramite videolezioni, lezioni sincrone e asincrone. Il restante terzo è dedicato ad attività in presenza, comprendenti laboratori ed esperienze applicative orientate all’apprendimento attivo e alla sperimentazione pratica.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Oltre a rivolgersi al/la docente del corso, studenti/sse con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La verifica dell’apprendimento avviene tramite prova d’esame finale, con la presentazione e la discussione di un breve articolo/lavoro sperimentale preparato durante il corso.

Non sono adottati testi.

Questo corso ha lo scopo di fornire conoscenze approfondite sui principi fondamentali alla base dell’organizzazione neurale del movimento, insieme ad una comprensione di come tali principi siano modulati da processi cognitivi, interazioni cross-modali, processi affettivi e contesti sociali, sia nella popolazione sana che in individui che presentano disturbi motori a carico del sistema nervoso.

Principali contenuti: • Introduzione alle neuroscienze del controllo motorio • Anatomia strutturale e funzionale del controllo motorio • Tecniche sperimentali di ricerca per lo studio del controllo motorio • Introduzione ad un approccio comparativo per lo studio del movimento • La rappresentazione del movimento • Percezione e azione • Movimento e integrazione multisensoriale • Sistema di osservazione dell’azione • Azioni sociali

Sono richieste conoscenze di base di anatomia, biologia e fisica.

Le lezioni frontali forniranno le basi teoriche degli argomenti trattati. Inoltre sono previste esperienze di laboratorio atte a illustrare i paradigmi e le tecniche che possono essere utilizzate per lo studio del controllo motorio. Oltre a rivolgersi al/la docente del corso, studenti/sse con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La valutazione della preparazione dello studente si baserà sulla comprensione degli argomenti svolti, sull'acquisizione dei concetti e delle metodologie proposte.

nessuno specifico, si veda sopra per i materiali di studio

L’obiettivo del corso è fornire agli studenti le conoscenze necessarie per progettare soluzioni a problemi in modo algoritmico, indipendentemente da uno specifico linguaggio di programmazione. Inoltre, il corso si propone di offrire una solida base nella programmazione in Python.

Pensiero computazionale:

• formalizzazione di un problema
• elementi di base per l’espressione di una soluzione algoritmica: variabili e liste; istruzioni condizionali, cicli, funzioni
• valutazione di una soluzione: correttezza (testing), efficienza (elementi di complessità computazionale)
• tecniche di risoluzione: decomposizione, astrazione, generalizzazione
• codifica in un linguaggio di programmazione

Fondamenti del linguaggio Python:

• espressioni aritmetiche e booleane, variabili e ambito di visibilità (scoping), assegnamento, strutture di controllo, cicli, funzioni

Tipi di dati integrati (built-in):

• liste e stringhe, dizionari, classi; input/output

Librerie:

• utilizzo di API remote (integrazione di software remoto)

Nessuno.

Il corso prevede:

1. Lezioni teoriche;
2. Lezioni interattive sui concetti e sui metodi di programmazione, durante le quali gli studenti possono eseguire codice in tempo reale per applicare tali tecniche a problemi del mondo reale;
3. Esercitazioni guidate, progettate per essere svolte in autonomia dagli studenti, al fine di esercitarsi e migliorare le proprie competenze al di fuori delle lezioni in aula.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Oltre a rivolgersi al/la docente del corso, studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

Beecher, K., “Computational Thinking”

L’insegnamento fornisce le basi della rappresentazione, dell’elaborazione e della generazione dell’informazione multimediale, con particolare riferimento alla creazione artistica assistita e mediata dal calcolatore. Il corso introduce i principi della creatività computazionale, analizzando modelli, tecniche e sistemi in grado di supportare o simulare processi creativi nell’ambito musicale e multimediale, anche attraverso l’impiego di algoritmi generativi, machine learning e intelligenza artificiale.

Particolare attenzione è dedicata alla Human Computer Interaction, alla sintesi e all’elaborazione del suono, all’analisi della performance e degli stati espressivi tramite affective computing, nonché alla conservazione, descrizione e accesso ai beni culturali musicali attraverso formati standard, tecnologie MPEG, Music Information Retrieval e metodi di apprendimento automatico. L’insegnamento considera inoltre il ruolo delle tecnologie digitali come strumenti per l’esplorazione estetica, la composizione musicale, la produzione multimediale e la valorizzazione del patrimonio culturale sonoro.

• Cenni di audio processing, analisi del suono e tecniche computazionali per la generazione e trasformazione del materiale sonoro
• Fondamenti di percezione, psicoacustica e modelli computazionali dell’esperienza musicale
• Principi di creatività computazionale applicati alla musica, al suono e ai media digitali: algoritmi generativi, sistemi interattivi, intelligenza artificiale e machine learning per il supporto e la simulazione dei processi creativi
• Storia della computer music, del teatro musicale e delle installazioni multimediali artistiche, con riferimento all’evoluzione dell’informatica e dell’elettronica: sintesi musicale, spazializzazione del suono, Human Computer Interaction e ambienti creativi digitali
• Standard per la rappresentazione dell’informazione audio, musicale e multimediale
• Affective computing per l’analisi della performance, dell’espressività e dell’interazione uomo-macchina
• Interazione multimodale e sistemi interattivi per la creazione artistica e musicale
• Problemi e metodi per la conservazione attiva dei documenti sonori, modelli informatici per la fruizione dei beni culturali musicali e degli archivi multimediali
• Cenni di Music Information Retrieval e applicazioni alla classificazione, descrizione, accesso e valorizzazione del patrimonio musicale
• Tecnologie digitali per la composizione, la produzione multimediale, l’esplorazione estetica e la valorizzazione del patrimonio culturale sonoro

Sono richieste conoscenze di base di informatica, con particolare riferimento ai principi della programmazione, alla rappresentazione digitale dell’informazione e all’uso di ambienti software per l’elaborazione di dati multimediali. È utile una familiarità generale con i concetti fondamentali di matematica, segnali e sistemi, nonché con elementi di acustica e percezione sonora.

Costituiscono inoltre prerequisiti consigliati una conoscenza di base della musica, dei linguaggi audiovisivi e delle tecnologie digitali applicate alla produzione artistica. Non è richiesta una competenza specialistica in composizione musicale o in intelligenza artificiale, ma è auspicabile un interesse per l’interazione tra creatività, tecnologie computazionali, suono e media digitali.

La valutazione dello studente si baserà sulla conoscenza degli argomenti del corso, sulla capacità critica di analizzare pregi e difetti dei vari metodi proposti, sulla capacità di elaborare progetti di approfondimento e/o applicativi.

Il docente metterà gratuitamente a disposizione il materiale necessario per uno studio proficuo dell’insegnamento, incluse dispense, software e materiali multimediali.

• Comprendere i fondamenti e le componenti della Extended Reality (XR), con particolare riferimento a Virtual Reality (VR), Augmented Reality (AR) e Mixed Reality (MR)
• Acquisire conoscenze sui principi psicologici, cognitivi e percettivi alla base delle esperienze immersive
• Sviluppare competenze di base nell’utilizzo di Unity per la creazione e la gestione di semplici ambienti XR e scenari interattivi
• Applicare principi di user-centred design alla progettazione di scenari e paradigmi di interazione in XR
• Comprendere la rilevanza dei dati registrati in ambienti XR (XR data log) per la ricerca e la valutazione dei processi cognitivi e comportamentali

• Introduzione alla XR: aspetti cognitivi, comportamentali e psicologici delle interazioni utente–ambiente immersivo (presenza, immersione, embodiment)
• Fondamenti di Unity per la programmazione di ambienti XR (interfaccia e funzionalità di base di Unity; importazione di asset e gestione degli ambienti; elementi di base di scripting in C# per la programmazione delle interazioni)
•  Progettazione user-centred di scenari e interazioni in XR (creazione della scena in Unity e organizzazione spaziale degli elementi virtuali; progettazione di diverse modalità di interazione, ad esempio button-based, motion-based ed embodied)
•  XR datalog: raccolta e interpretazione dei dati di interazione (tipologie di dati generati dall’interazione utente–XR, es. event data, time-series data, eventi di sistema, tracciamento dei movimenti di testa e mani; principi di base del data logging; interpretazione dei dati per la ricerca comportamentale e cognitiva)

Conoscenze di base di programmazione (ad es. C#, C++, R, Matlab o linguaggi simili). Non è richiesta esperienza con Unity o con lo sviluppo di applicazioni in Extended Reality (XR).

La valutazione terrà conto dei seguenti criteri:

• Funzionalità tecnica e stabilità dell’ambiente XR sviluppato
• Coerenza tra obiettivi del progetto, utenti target e soluzioni progettuali adottate
• Applicazione dei principi cognitivi, di usabilità e di UX
• Capacità di riflessione critica sulle scelte progettuali
• Chiarezza ed efficacia nella presentazione del progetto

Al termine dell’insegnamento, studentesse e studenti saranno in grado di:

1. Conoscenza e comprensione: comprendere le principali componenti del sistema visivo coinvolte nei movimenti oculari, i costrutti teorici alla base della metodologia di eye-tracking e le caratteristiche dei principali indici oculari (fissazioni, saccadi, diametro pupillare, ammiccamenti/blink) impiegati nella ricerca sull’interazione persona-computer.

2. Capacità di applicare conoscenza e comprensione: progettare e implementare protocolli sperimentali di eye-tracking utilizzando sistemi Pupil Labs (Neon, Invisible); condurre sessioni di calibrazione e registrazione dati; applicare tecniche di pre-processamento, visualizzazione e analisi dei dati oculari mediante R/RStudio.

3. Autonomia di giudizio: valutare criticamente le principali tipologie di eye tracker (remoti vs. indossabili) e i relativi indici oculari, confrontandone vantaggi, limiti e validità in relazione a specifici contesti applicativi nell’ambito dell’HCI.

4. Abilità comunicative: comunicare efficacemente i risultati di studi di eye-tracking attraverso report scritti e presentazioni orali, utilizzando una terminologia tecnica appropriata.

5. Capacità di apprendimento: acquisire competenze metodologiche per aggiornarsi autonomamente sulle evoluzioni tecnologiche e applicative nel campo dell’eye-tracking e dell’analisi dei movimenti oculari.

L’insegnamento fornisce conoscenze teoriche e competenze pratiche approfondite in merito alla metodologia di eye-tracking e alla sua applicazione nell’ambito dell’interazione uomo-computer (HCI). Vengono illustrate le basi neurofisiologiche dei movimenti oculari, le principali tipologie di eye tracker, alcuni software di registrazione e analisi, e le tecniche di elaborazione degli indici oculari.

L’insegnamento prevede una parte teorica (erogata online) e una parte pratica (in presenza).

La parte teorica si articola nei seguenti argomenti:

1) Il sistema visivo e i movimenti oculari: anatomia e fisiologia del sistema visivo rilevante per l’eye-tracking; tipologie di movimenti oculari (fissazioni, saccadi, movimenti di inseguimento lento, vergenza, ecc).

2) Fondamenti della metodologia di eye-tracking: principi di funzionamento dei sistemi di eye-tracking; confronto tra sistemi remoti (screen-based) e indossabili (head-mounted); principali indici oculari impiegati nella ricerca (fissazioni, saccadi, diametro pupillare, blink rate, scanpath); definizione delle aree di interesse (AOI).

3) Eye-tracking nell’interazione uomo-computer: applicazioni nella valutazione dell’usabilità di interfacce digitali; studi su carico cognitivo, attenzione visiva e user experience; gaze-based interaction e interfacce adattive.

4) Ambiti applicativi avanzati: eye-tracking nella ricerca in psicologia cognitiva e applicata; applicazioni in ambito clinico, educativo, lavorativo e pubblicitario; cenni a potenziale integrazione con altre misure psicofisiologiche (EEG, GSR, frequenza cardiaca).

La parte pratica si articola nei seguenti argomenti:

1) Strumenti e software: presentazione e utilizzo dei sistemi Pupil Labs (Neon, Invisible); procedure di calibrazione e validazione; software di registrazione (Pupil Cloud, Neon Companion) e di analisi.

2) Sessioni pratiche di registrazione: progettazione di protocolli sperimentali; sessioni guidate e semi-autonome di utilizzo dei sistemi Pupil Labs in contesti di laboratorio e sul campo; gestione delle problematiche comuni nella raccolta dati.

3) Analisi dei dati con R/RStudio: pre-processamento dei dati grezzi di eye-tracking (filtraggio, rilevazione di fissazioni e saccadi); calcolo e visualizzazione dei principali indici oculari; analisi statistica dei dati e interpretazione dei risultati; creazione di heatmap e scanpath.

Una conoscenza preliminare di R/RStudio è raccomandata ma non obbligatoria, in quanto verranno forniti materiali introduttivi.

L’insegnamento (20 ore totali) si svolge in modalità blended:

Didattica a distanza sincrona (10 ore): lezioni teoriche sincrone su piattaforma Zoom con presentazioni interattive, discussione di articoli scientifici e casi studio, e approfondimenti tematici.

Didattica in presenza (10 ore): esercitazioni pratiche hands-on sulla calibrazione e l’utilizzo dei sistemi di eye-tracking Pupil Labs (Neon, Invisible); sessioni di registrazione guidata e semi-autonoma; tutorial di analisi dei dati con R/RStudio su dataset reali raccolti durante il corso.

La sequenza delle attività è indicata sulla piattaforma Moodle.

Oltre a rivolgersi al/la docente del corso, studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l’Ufficio Servizi agli studenti Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La verifica dell’apprendimento si basa sulla valutazione delle esercitazioni pratiche svolte durante il corso.

Gli studenti dovranno dimostrare di saper:

• Progettare protocolli di acquisizione dati con sistemi di eye-tracking
• Pre-processare e analizzare dati di eye-tracking utilizzando R/RStudio
• Interpretare criticamente i risultati ottenuti
• Comunicare efficacemente i risultati tramite report e presentazioni

La valutazione terrà conto della correttezza metodologica e terminologica, della qualità dell’analisi, del pensiero critico e della chiarezza espositiva.

• Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H., & Van de Weijer, J. (2011). Eye tracking: A comprehensive guide to methods and measures. oup Oxford, Note: OPZIONALE, lettura di approfondimento (non obbligatorio).
• Duchowski, A. T., & Duchowski, A. T. (2017). Eye tracking methodology: Theory and practice. Springer, Note: OPZIONALE, lettura di approfondimento (non obbligatorio).

La prova finale si compone di:

redazione e discussione di una tesi di laurea in lingua inglese. La tesi di laurea può riguardare la realizzazione di un progetto di ricerca o la rassegna critica della letteratura su uno specifico tema, elaborati in modo originale sotto la guida di un relatore.

Il corso introduce la scienza cognitiva come disciplina intrinsecamente interdisciplinare che indaga i processi cognitivi attraverso approcci teorici complementari e molteplici livelli di spiegazione.

​Al termine del corso, gli studenti saranno in grado di:

• Delineare le origini storiche della scienza cognitiva, identificando le questioni fondazionali che ne hanno guidato lo sviluppo;
• Padroneggiare i concetti chiave (ad es. computazione, rappresentazione, livelli di spiegazione) necessari per l'inquadramento formale delle teorie della mente;
• Analizzare criticamente i principali modelli e paradigmi, valutandone assunzioni, punti di forza e limiti;
• ​Applicare i quadri teorici appresi all'analisi di specifici domini cognitivi (quali linguaggio, percezione, cognizione sociale o coscienza);
• ​Sviluppare argomentazioni rigorose in forma scritta, utilizzando il lessico tecnico della disciplina e integrando criticamente i materiali del corso.

Il corso affronta i fondamenti della scienza cognitiva, includendo il suo sviluppo storico, i principali quadri esplicativi e il modo in cui tali quadri affrontano i fenomeni cognitivi centrali.

Gli argomenti trattati includono, a titolo indicativo:

●      la nascita della scienza cognitiva e i limiti del comportamentismo;

●      computazione, elaborazione dell’informazione e rappresentazione mentale;

●      livelli di spiegazione nella scienza cognitiva;

●      relazioni tra modelli cognitivi e cervello;

●      approcci simbolici e alternativi alla modellizzazione della cognizione;

●      applicazioni delle teorie cognitive a domini quali linguaggio, cognizione degli oggetti, cognizione sociale, coscienza ed emozioni.

Non sono richiesti prerequisiti formali. È consigliata una conoscenza di base dei concetti introduttivi della psicologia cognitiva e la capacità di leggere testi accademici in lingua inglese.

Le attività didattiche sono erogate in modalità online.

Il corso combina:

●      materiali asincroni (incluse lezioni preregistrate e attività guidate) a supporto dello studio autonomo;

●      sessioni sincrone online dedicate a discussione, domande, chiarimento di concetti complessi e attività supervisionate.

Il corso prevede sia attività didattiche sincrone sia asincrone; l’organizzazione settimanale e le attività richieste saranno pubblicate sulla piattaforma Moodle del corso prima dell’inizio delle lezioni.

Per supportare la pianificazione e la gestione del carico di lavoro, le studentesse e gli studenti riceveranno indicazioni (tramite la piattaforma del corso) sulle attività settimanali, sul carico di lavoro atteso e sul collegamento tra le componenti asincrone e sincrone.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Oltre a contattare il/la docente del corso, le studentesse e gli studenti con disabilità, inclusi coloro con Disturbi Specifici dell’Apprendimento (DSA), Bisogni Educativi Speciali (BES) e altre condizioni di salute, possono rivolgersi all’Ufficio Servizi agli Studenti – Settore Inclusione per ottenere informazioni su strumenti e supporti specifici per la didattica.

La valutazione si basa su:

●      accuratezza concettuale e uso appropriato della terminologia;

●      capacità di spiegare e confrontare approcci teorici;

●      qualità del ragionamento e supporto argomentativo;

●      chiarezza, struttura e coerenza delle risposte scritte.

Bermúdez, J. L. (2022). Cognitive Science: An Introduction to the Science of the Mind. Cambridge University Press, 4ª edizione. ISBN: 9781009073677.

Altro materiale (ad es., articoli scientifici) saranno resi disponibili attraverso la piattaforma Moodle del corso.

Il laboratorio mira a fornire un quadro metodologico integrato per lo studio empirico delle preferenze, collocando le tecniche classiche della psicofisica (da Fechner) in continuità con approcci contemporanei di misurazione, modellizzazione e neuroscienze dell’estetica (neuroaesthetics). Al termine, le studentesse e gli studenti saranno in grado di: comprendere e motivare le principali scelte di disegno del progetto per misurare preferenze e giudizi estetici; selezionare e applicare procedure di misurazione appropriate (rating, scelta forzata, confronti a coppie, scaling e stime di soglia, modelli psicometrici); riconoscere e gestire i principali rischi metodologici (bias di risposta, qualità dei dati online); progettare un mini-studio replicabile e documentato, includendo aspetti etici (consenso informato, privacy e gestione dei dati) e principi di open science; interpretare risultati in chiave teorica con particolare attenzione al passaggio dalla descrizione comportamentale alle ipotesi su meccanismi percettivi, decisionali e neurocognitivi.

Il laboratorio è articolato in due moduli integrati. Nella prima parte (10 ore, Contemori) si affrontano le metodologie sperimentali per lo studio delle preferenze: misurazione e teoria della scala da Fechner alla psicofisica moderna; procedure di stima (rating, magnitude estimation, scelta forzata), confronti a coppie e modelli probabilistici per preferenze (es. approcci tipo Thurstone/Bradley–Terry); disegno sperimentale, randomizzazione e controbilanciamento; costruzione e controllo degli stimoli (percezione, simmetria, complessità, contrasto, colore); qualità dei dati e controllo dei bias; basi operative per esperimenti online (piattaforme, timing, compatibilità dispositivi, gestione di dropout e inattendibilità). Nella seconda parte (10 ore, Bertamini) si esplorano i fondamenti di neuroaesthetics e di empirical aesthetics: modelli cognitivi di apprezzamento estetico (fluenza percettiva, predizione, tipicità, novità/complessità, simmetria e ordine); metodi neuroscientifici applicati all’estetica (EEG/ERP, fMRI, misure psicofisiologiche e comportamentali) e logica inferenziale nel collegamento tra dati neurali e giudizi; esempi di paradigmi sperimentali su preferenze visive e valutazioni estetiche; integrazione tra misure comportamentali e ipotesi sui meccanismi percettivi e decisionali.

Non sono previste propedeuticità formali. Per trarre pieno beneficio dal laboratorio è consigliata una conoscenza di base di psicologia cognitiva e della percezione (attenzione, decisione percettiva, psicofisica elementare), nonché familiarità con concetti introduttivi di statistica descrittiva e inferenziale (variabili, distribuzioni, stima, ipotesi, p-value). È utile, ma non obbligatoria, una minima esperienza di programmazione o scripting (R o Python) e l’uso di strumenti digitali per la raccolta dati (ad es. questionari online).

Le 20 ore sono erogate interamente online in modalità telematica sincrona (100% del monte ore); materiali e consegne di supporto sono disponibili in modalità asincrona su Moodle. Le attività sono organizzate come laboratorio interattivo con brevi momenti introduttivi, esercitazioni guidate, analisi di casi di studio e discussione critica di articoli e dataset esemplificativi. Una quota rilevante del tempo è dedicata alla progettazione incrementale del project work, con feedback formativo durante le attività e momenti di confronto tra pari. Quando pertinente, verranno utilizzati strumenti digitali per la didattica e la ricerca (piattaforma Moodle per materiali e consegne; esempi di implementazione di esperimenti online con strumenti come jsPsych/PsychoPy/Gorilla/Qualtrics; ambienti R o Python per esplorazione e visualizzazione dei dati). Oltre a rivolgersi al/la docente del corso, studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La verifica accerta il raggiungimento dei risultati di apprendimento attraverso l’analisi del progetto e la sua discussione. Nella valutazione saranno considerati: coerenza tra domanda di ricerca, ipotesi e disegno; adeguatezza della procedura di misura della preferenza e delle scelte di campionamento; qualità metodologica (controllo di confondimenti, piano di randomizzazione/controbilanciamento, criteri di esclusione e controllo qualità dati, in particolare per la raccolta online); correttezza e trasparenza del piano di analisi; capacità di interpretare criticamente i risultati attesi e i possibili limiti; chiarezza espositiva e uso appropriato della terminologia; rispetto di etica, privacy e riproducibilità (documentazione, versionamento, condivisione di materiali quando consentito).

Non è previsto un unico manuale obbligatorio. A seconda dell’edizione del laboratorio, i docenti indicheranno alcuni testi e capitoli consigliati. Esempi di riferimenti utili includono: testi introduttivi di psicofisica e misurazione (per le procedure sperimentali e le funzioni psicometriche); contributi su empirical aesthetics e neuroaesthetics; articoli selezionati su preferenze, simmetria, complessità e fluency. Ulteriore bibliografia e materiali non presenti nei cataloghi ufficiali potranno essere elencati nella sezione “Eventuali indicazioni sui materiali di studio”.

Il corso si propone di fornire agli studenti una solida preparazione teorica e metodologica nell’ambito della Human–Computer Interaction (HCI), con particolare attenzione ai processi cognitivi, percettivi e sociali coinvolti nell’interazione tra esseri umani e tecnologie digitali.

Al termine del corso, lo studente sarà in grado di:

- comprendere e spiegare i principali modelli cognitivi e comportamentali alla base dell’interazione uomo–macchina;

- analizzare criticamente sistemi interattivi esistenti, valutandone usabilità, accessibilità ed esperienza d’uso;

- applicare metodi e strumenti della progettazione centrata sull’utente e della valutazione dell’usabilità;

- integrare considerazioni sociali,  etiche e di sostenibilità nella progettazione di tecnologie interattive;

- collaborare in contesti interdisciplinari, utilizzando un linguaggio tecnico appropriato e una prospettiva human-centered.

Modulo 1 – Foundations of Human–Computer Interaction

Introduzione alla Human–Computer Interaction come disciplina interdisciplinare, ai principali paradigmi dell’interazione e ai contesti d’uso delle tecnologie interattive.

Laboratori ed esperienze applicative: introduzione all’uso dei questionari online per la raccolta di dati sull’esperienza utente.

Modulo 2 – Cognition, interaction and cognitive ergonomics

Processi cognitivi rilevanti per l’interazione uomo–macchina (percezione, attenzione, memoria, apprendimento, azione e decisione), modelli di prestazione e limiti cognitivi. Principi di ergonomia cognitiva e contributi di Norman alla progettazione delle interfacce (affordance, mapping, feedback, gestione dell’errore).

Laboratori ed esperienze applicative: introduzione alle tecniche di eye tracking per l’analisi dell’attenzione visiva.

Modulo 3 – Human-centered design methods

Principi e fasi della progettazione centrata sull’essere umano, analisi dei requisiti e supporto ai processi di design attraverso metodi partecipativi.

Laboratori ed esperienze applicative: utilizzo dei focus group come strumento di supporto al design e alla raccolta dei requisiti.

Modulo 4 – Usability and user experience evaluation

Metodi di valutazione dell’usabilità e dell’esperienza utente, metriche di prestazione, metodi empirici qualitativi e quantitativi e integrazione dei risultati nella progettazione iterativa.

Laboratori ed esperienze applicative: introduzione alle misure fisiologiche applicate allo studio dell’interazione e del carico cognitivo.

Modulo 5 – Interaction with robots, smart environments and AI-based systems

Fondamenti di interazione uomo–robot, interazione con sistemi IoT e ambienti intelligenti. Introduzione all’interazione con sistemi basati su Intelligenza Artificiale come supporto all’adattività e al processo decisionale dell’utente.

Laboratori ed esperienze applicative: esperienze di interazione e progettazione in ambienti di realtà virtuale (VR).

Modulo 6 – Ethical, social and sustainable aspects of interaction

Aspetti etici, sociali e di sostenibilità della progettazione di sistemi interattivi, con attenzione ad accessibilità, inclusione, benessere digitale e responsabilità del progettista.

Laboratori ed esperienze applicative: discussione guidata di casi studio e valutazione dell’impatto umano delle tecnologie interattive.

Conoscenze di base di informatica e tecnologie digitali; nozioni introduttive di psicologia cognitiva e metodologia scientifica. È utile, ma non obbligatoria, una familiarità con sistemi digitali interattivi.

Il restante terzo è dedicato ad attività in presenza, comprendenti laboratori ed esperienze applicative orientate all’apprendimento attivo e alla sperimentazione pratica. Oltre a rivolgersi al/la docente del corso, studenti/sse con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La verifica dell’apprendimento avviene tramite prova d’esame finale, eventuali elaborati individuali o di gruppo e partecipazione attiva alle attività didattiche e laboratoriali. L’elenco dettagliato delle attività utili per la prova finale sarà indicata sulla piattaforma Moodle. 

Kasper Hornbæk, Per Ola Kristensson, Antti Oulasvirta (2025).

Introduction to Human-Computer Interaction. Oxford University Press  

Test di Abilità Linguistica (TAL) di italiano

L’attività prevede il sostenimento del Test di Abilità Linguistica (TAL) di italiano, in modalità informatizzata, presso il Centro Linguistico di Ateneo (CLA).

Il test è finalizzato alla verifica della conoscenza della lingua italiana e misura le abilità ricettive, ossia lettura e ascolto, con riferimento ai livelli A1 o A2 del Quadro Comune Europeo di Riferimento per le lingue (QCER).

La scelta del livello, A1 o A2, è lasciata allo studente.

L’attività non prevede l’erogazione di un corso, ma esclusivamente il sostenimento del test, ai fini dell’ottenimento dell’Open Badge e del riconoscimento dei 3 CFU previsti.

Gli studenti sono pregati di non contattare direttamente il docente responsabile.

Il corso copre i fondamenti teorici del machine learning, evidenziandone la rilevanza per l'analisi di dati multidimensionali nelle neuroscienze comportamentali e cognitive. La discussione teorica degli algoritmi di machine learning sarà integrata da esercitazioni pratiche in laboratorio informatico (utilizzando il framework scikit-learn). Entro la fine del corso, ci si aspetta che gli studenti sappiano come scegliere, progettare e validare modelli di machine learning, oltre a saper impostare e implementare pipeline di analisi personalizzate.

1. Prospettiva storica sulle scienze cognitive e la ricerca sull'IA. Assunzioni e problemi inerenti ai paradigmi di apprendimento statistico.
2. Basi del machine learning: dati di addestramento, funzioni di errore, ottimizzazione convessa vs. non convessa, tassonomia degli algoritmi di ML.
3. Overfitting e regolarizzazione dei modelli.
4. Apprendimento supervisionato: regressione lineare, regressione polinomiale, regressione logistica, macchine a vettori di supporto (SVM), k-nearest neighbors, alberi decisionali, metodi ensemble.
5. Ottimizzazione degli iperparametri, cross-validazione, metriche di valutazione (accuratezza, matrici di confusione, f1-score, curva ROC).
6. Apprendimento non supervisionato: k-means, clustering gerarchico, analisi delle componenti principali (PCA).
7. Basi delle reti neurali artificiali: percettrone multistrato; autoencoder; stato dell'arte nella ricerca sul deep learning, large language models (LLMs).
8. Apprendimento per rinforzo: TD-learning, deep RL.
9. Sfide e direzioni di ricerca future.
10. Casi di studio.

Il corso si basa su conoscenze preliminari di base di analisi matematica, algebra lineare e teoria della probabilità. Competenze di base di programmazione in Python sono fortemente raccomandate.

L'insegnamento si basa su lezioni frontali per la teoria ed esercitazioni pratiche in laboratorio dove gli studenti applicano la teoria a problemi concreti. Saranno utilizzate tecniche interattive come il "think-pair-share" e discussioni di gruppo. Come attività di gruppo, gli studenti studieranno e presenteranno ai colleghi il contenuto di alcuni articoli di ricerca selezionati.

Il docente fornirà inoltre videoregistrazioni a integrazione delle lezioni in presenza.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Oltre a rivolgersi al/la docente del corso, studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La valutazione si basa sulla comprensione degli argomenti del corso e sull'acquisizione dei concetti e delle metodologie pratiche proposti, nonché sulla capacità di elaborare chiaramente e discutere criticamente i principali framework di machine learning. Il voto finale sarà la somma del punteggio ottenuto nel progetto (massimo 15 punti) e del punteggio ottenuto all'esame orale (massimo 15 punti).

Al termine del corso lo studente sarà in grado di:

• Comprendere i fondamenti teorici delle neuroscienze cognitive e il rapporto tra processi cognitivi e sistemi neurali
• Conoscere i principali metodi della psicologia cognitiva e le tecniche comportamentali per lo studio dei processi cognitivi
• Comprendere il contributo dello studio delle lesioni cerebrali alla comprensione delle funzioni cognitive
• Comprendere i principi teorici e tecnici di EEG e MEG e interpretarne i principali risultati
• Conoscere i principi delle tecniche di neuroimaging strutturale e funzionale (es. MRI, fMRI, fNIRS) e le loro applicazioni
• Comprendere i metodi di stimolazione cerebrale non invasiva e le principali applicazioni
• Valutare criticamente vantaggi, limiti e ambiti di applicazione delle diverse metodologie neuroscientifiche
• Integrare evidenze provenienti da diverse tecniche per lo studio dei processi cognitivi
• Applicare le conoscenze metodologiche apprese in contesti pratici e sperimentali

• Fondamenti di neuroscienze cognitive: relazione tra cervello e cognizione
• Basi del funzionamento del sistema nervoso centrale
• Metodi della psicologia cognitiva e tecniche comportamentali per lo studio dei processi mentali
• Contributo dei modelli neuropsicologici e strumenti di valutazione neuropsicologica
• Principi e applicazioni di elettroencefalografia (EEG) e magnetoencefalografia (MEG)
• Tecniche di neuroimaging strutturale e funzionale (MRI, fMRI)
• Metodi non invasivi di stimolazione cerebrale e modulazione dell’attività neurale
• Applicazioni delle tecniche neuroscientifiche in diversi ambiti
• Integrazione dei diversi approcci metodologici nello studio della cognizione

Non sono richiesti prerequisiti.

L'attività didattica si articola in lezioni frontali ed esercitazioni pratiche. Verranno adottate metodologie di insegnamento interattive, avvalendosi anche degli strumenti messi a disposizione dalla piattaforma Moodle. Gli studenti sono caldamente invitati a partecipare attivamente a tutte le attività proposte per favorire un apprendimento dinamico e collaborativo.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Oltre a rivolgersi al/la docente del corso, studenti/sse con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

I criteri di valutazione terranno conto di:

• l’uso appropriato del lessico specialistico delle neuroscienze cognitive
• la capacità di stabilire collegamenti tra i diversi argomenti del corso
• la capacità di proporre possibili applicazioni delle conoscenze apprese

Op de Beeck, H., & Nakatani, C. (2025). Introduction to Human Neuroimaging. Cambridge University Press. 2nd Edition.

Capitoli richiesti: 1, 2, 3, 4, 5, 9, 10 e 14.

Il corso presenta i principi, i criteri procedurali e le basi teoriche dei metodi qualitativi per l'analisi delle interazioni mediate da tecnologie e con interfacce digitali. Vengono approfonditi due metodi, l'analisi tematica con coding scheme e l'analisi sequenziale ispirata ad etnometodologia ed analisi conversazionale (EMCA).

La partecipazione al corso e il completamento regolare delle attività mirano a formare attentamente le capacità analitiche dei partecipanti necessarie a trasformare le intuizioni in interpretazioni scientificamente fondate. Gli studenti saranno incoraggiati a migliorare le loro capacità osservative, l'analisi critica trasformando gran parte dei dati qualitativi in eventi dotati di significato.

Argomenti del corso:

• cornice epistemologica dei metodi qualitativi;
• Concettualizzazione delle tecnologie nell’interazione con gli umani;
• criteri di scientificità nell'analisi qualitativa;
• analisi tematica induttiva e deduttiva
• schemi di codifica;
• trascrizioni testuali e multimodali;
• principi di analisi etnografica/conversazionale (EMCA)
• fasi di un progetto di ricerca con dati qualitativi

Nessuno.

Il corso si svolgerà a distanza tramite attività completate autonomamente dagli/lle studenti/sse e discusse e corrette durante incontri sincroni settimanali.

Le istruzioni ed il materiale saranno forniti mano a mano su Moodle seguendo il progredire nelle tematiche corso. È fortemente consigliata la frequenza regolare per riuscire a costruire le abilità osservative e le competenze oggetto del corso.

Studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti /Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Nelle risposte al compito verranno valutate positivamente: correttezza, pertinenza, e l'uso appropriato di concetti specifici di questo corso. Nella seconda domanda verranno anche valutati positivamente il puntuale riferimento ai dati durante l'analisi, e l'accuratezza dell'argomentazione.

L'uso di modelli di cosiddetta "Intelligenza Artificiale" generativa non è consentito per svolgere le attività a casa, o per rispondere alle domande d'esame. 

• Titolo: Conversation analysis: An introduction, Autori: Sidnell, Luogo: Oxford, Anno: 2010, Editore: Wiley-Blackwell

Sviluppare competenze trasversali fondamentali per operare in contesti professionali contemporanei, caratterizzati da processi di trasformazione digitale, innovazione continua e collaborazione mediata dalle tecnologie.

In particolare:

● Promuovere la consapevolezza del ruolo strategico delle soft skills nei contesti digitali e organizzativi attuali.

● Comprendere e sperimentare approcci e tecniche innovative per lo sviluppo delle soft skills, anche attraverso l’utilizzo di strumenti e ambienti digitali.

● Sviluppare competenze comunicative e relazionali efficaci in diversi contesti.

● Favorire la collaborazione e il lavoro di gruppo in team eterogenei e virtuali.

● Potenziare le capacità di problem solving, pensiero critico e adattamento al cambiamento.

● Stimolare la riflessione critica e metacognitiva sul proprio processo di apprendimento e di sviluppo personale.

Incoraggiare i comportamenti responsabili, etici e inclusivi nei contesti digitali.

• Introduzione alle soft skills e alla loro rilevanza nei contesti professionali contemporanei, caratterizzati dalla trasformazione digitale.
• Sperimentazione di tecniche per lo sviluppo delle soft skills, ad esempio (i) role playing e simulazioni di situazioni professionali per lo sviluppo di empatia, comunicazione efficace e leadership, (ii) design challenge e attività progettuali, anche mediante l’utilizzo di strumenti digitali e kit di robotica educativa (es. Lego), finalizzate al potenziamento del problem solving, della gestione delle risorse e del lavoro in team; (iii) attività di team building orientate al potenziamento della collaborazione, del coordinamento e della fiducia reciproca.
• Utilizzo di piattaforme digitali collaborative (es. Miro, Mural, Canva…) per la progettazione condivisa ed il lavoro di gruppo, anche tramite elementi di gamification.
• Attività progettuale di gruppo basata su un problema da risolvere, nella quale gli/le studenti/sse applicheranno le tecniche e gli strumenti appresi, elaborando e presentando una soluzione innovativa.

Non vi sono particolari prerequisiti. È utile, ma non obbligatoria, una familiarità con sistemi digitali interattivi.

Il corso (20 ore totali) è erogato in modalità blended: 10 ore saranno svolte online (es. videolezioni, lezioni asincrone e sincrone), mentre le restanti 10 in presenza, attraverso laboratori ed esperienze applicative orientate alla partecipazione attiva e alla sperimentazione pratica.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Il percorso formativo adotta metodologie didattiche interattive e partecipative, volte a promuovere l’apprendimento esperienziale e lo sviluppo delle competenze trasversali, tra cui:

● Workshop finalizzati all’acquisizione di conoscenze e allo sviluppo delle soft skills, alternando teoria e pratica.

● Lavori di gruppo e attività di collaborazione, per promuovere il confronto, la condivisione e il lavoro in team.

● Problem-Based Learning (PBL), attraverso l’analisi e la risoluzione di problemi reali o simulati.

● Flipped classroom, con attività preparatorie svolte in autonomia e momenti di applicazione, discussione e confronto durante le attività sincrone.

● Gamification, mediante l’utilizzo di dinamiche di gioco e simulazioni digitali per aumentare il coinvolgimento e la motivazione.

● Utilizzo di strumenti digitali collaborativi a supporto delle attività formative e del lavoro di gruppo.

Oltre a rivolgersi al/la docente del corso, studenti/sse con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La valutazione della preparazione dello/a studente/ssa si basa sulla qualità dell’elaborato scritto, sulla correttezza e completezza del progetto sviluppato durante il corso e sulla capacità di presentare e discutere oralmente il lavoro svolto, dimostrando adeguata comprensione dei contenuti e autonomia critica. La valutazione tiene conto sia delle conoscenze acquisite, sia delle abilità operative e delle competenze trasversali, in coerenza con gli obiettivi formativi dell’insegnamento.

Non è richiesto l’acquisto di libri di testo. I materiali di approfondimento, facoltativi, saranno indicati durante il corso.

L’attività si pone l’obiettivo fornire le basi teoriche e applicative di metodi di analisi dei dati particolarmente diffusi.

Al termine dell’attività gli studenti saranno in grado di

• Conoscere le basi matematiche e statistiche di procedure di analisi dei dati ampiamente utilizzate, quali i modelli regressivi;
• Condurre e interpretare analisi di tipo regressivo;
• Sviluppare codice R per condurre tali analisi sia attraverso comandi diretti, sia attraverso la codifica dei diversi passaggi. 

• Il modello matematico per la rappresentazione della relazione tra variabili;
• Il modello lineare e il suo significato geometrico e matriciale;
• Implementazione di un piano di analisi in R;
• Discussione e comprensione dei risultati.

Non ci sono prerequisiti per questa attività.

• Videolezioni asincrone;
• Esercizi da svolgere in autonomia;
• Lezioni sincrone interattive e con attività di gruppo.

In conformità alla normativa vigente questo insegnamento viene erogato garantendo che almeno il 20% delle attività telematiche siano erogate in modalità sincrona.

Oltre a rivolgersi al/la docente del corso, studenti/sse con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

Criteri di valutazione della prova finale dell’attività saranno:

• capacità di scrivere sintassi corretta e funzionante di codice R;
• capacità di analizzare correttamente la questione proposta e approcciarla attraverso l’utilizzo di un piano di analisi appropriato:
• capacità di commentare adeguatamente i risultati delle analisi dei dati.

Solo alcuni capitoli di “Introduction to (Behavioural) Data Science”, adattamento del libro “Introduction to Data Science” (Rafael R. Irizarry, 2019), rilasciato con licenza Creative Commons e scaricabile gratuitamente.

Il link sarà fornito nella pagina Moodle del corso.

Al termine del corso gli studenti avranno acquisito i fondamenti teorici dell’analisi video negli studi che coinvolgono gli utenti finali e saranno in grado di:

• individuare le situazioni in cui l’analisi video è un metodo adeguato agli scopi di ricerca;
• applicare il metodo in modo autonomo. 

• Fondamenti teorici dell’analisi video in ricerca
• Aspetti etici nella gestione dei video in ricerca
• Gestione dei dati video in ricerca
• Software per l’analisi dei dati video

Non sono richiesti requisiti specifici, ma avere delle conoscenze nell’ambito dell’interazione persona-tecnologia può essere utile.

Il laboratorio si svolge interamente online e prevede il 50% (10 ore) di video-lezioni registrate e il 50% (10 ore) di lezioni online sincrone. In particolare, durante le video-lezioni saranno presentati i fondamenti teorici e case study integrati con attività da svolgere su Moodle o piattaforme interattive.

Le lezioni online sincrone saranno dedicate alle esercitazioni pratiche con i software per la video-analisi.

E’ incoraggiato l’utilizzo attivo e critico dell’IA, come oggetto di studio o strumento didattico.

Oltre a rivolgersi al/la docente del corso, studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l'Ufficio Servizi agli studenti - Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

Per superare l’esame gli studenti dovranno dimostrare di essere in grado di individuare e applicare i metodi di analisi più adeguati per risolvere gli esercizi proposti, motivando la propria scelta riferendosi alle conoscenze teoriche acquisite.

Non è richiesto di acquistare alcun libro. Una lettura consigliata è Technology in action (2009). Christian Heath & Paul Luff

Al termine dell'insegnamento, lo/la studente/ssa sarà in grado di:

1) Comprendere le principali componenti del sistema nervoso autonomo e della risposta da stress, nonché i costrutti cognitivi più rilevanti per i principali ambiti di utilizzo delle tecnologie indossabili nelle scienze cognitive applicate;

2) Conoscere e valutare criticamente le principali tipologie di sensori indossabili e i biosegnali associati, confrontandone vantaggi, limiti e validità rispetto ai metodi “gold standard”, nonché i relativi aspetti etici e legati alla privacy;

3) Analizzare e valutare criticamente applicazioni concrete dei dispositivi indossabili nelle interazioni con, o mediate dalle, tecnologie (user studies) e nell'assessment ambulatoriale (e-Health);

4) Progettare e implementare semplici protocolli di valutazione e monitoraggio con le tecnologie indossabili;

5) Applicare tecniche di pre-processamento, visualizzazione e analisi dei principali biosegnali registrati con le tecnologie indossabili.

L’insegnamento prevede una parte teorica (erogata online) e una parte pratica (in presenza).

La parte teorica si articola nei seguenti argomenti:

1) Psicofisiologia della risposta da stress

Sistema nervoso autonomo, stress e recupero, principali biomarker fisiologici (es. frequenza cardiaca, HRV, conduttanza cutanea, attività fisica, ritmi sonno/veglia) e processi cognitivi rilevanti per gli ambiti di applicazione dei sensori indossabili.

2) Introduzione alle tecnologie indossabili

Principali tipologie e ambiti di applicazione, accelerometria e actigrafia, elettrocardiografia e fotopletismografia, variabilità della frequenza cardiaca, attività elettrodermica e conduttanza cutanea, vantaggi, limiti e validità rispetto ai metodi “gold standard”, aspetti etici e di privacy.

3) User studies e assessment ambulatoriale

Applicazioni dei dispositivi indossabili nella valutazione delle interazioni utente-tecnologia, delle interazioni mediate dalle tecnologie e nel monitoraggio ambulatoriale in ambito e-Health.

La parte pratica si articola nei seguenti argomenti:

1) Progettazione di protocolli di valutazione applicati a casi studio;

2) Pre-processamento e analisi di biosegnali registrati con sensori indossabili;

3) Visualizzazione, interpretazione e comunicazione dei risultati.

Non sono richiesti prerequisiti specifici ma sono raccomandate conoscenze di base di R, che verrà utilizzato per il pre-processamento e l'analisi dei biosegnali. Verranno comunque forniti materiali introduttivi all'uso di R.

L'insegnamento (20 ore totali) si svolge in modalità blended:

• 10 ore online: lezioni teoriche asincrone interattive su piattaforma Moodle
• 10 ore in presenza sincrone: esercitazioni pratiche sulla progettazione di protocolli di valutazione, sul pre-processamento, sull'analisi e sulla visualizzazione di biosegnali utilizzando R e programmi associati. Gli studenti lavoreranno su dataset reali/casi studio, con supporto del docente durante le sessioni pratiche.

Oltre a rivolgersi al/la docente del corso, studentesse e studenti con disabilità, DSA, BES e altre condizioni di salute, possono contattare l’Ufficio Servizi agli studenti Settore Inclusione per ricevere maggiori informazioni sulle opportunità di fruizione della didattica con specifici supporti e strumenti.

La verifica dell'apprendimento si basa sulla valutazione delle esercitazioni pratiche svolte durante il corso.

Gli studenti dovranno dimostrare di saper:

• Progettare protocolli di acquisizione con tecnologie indossabili
• Pre-processare e analizzare biosegnali utilizzando R
• Interpretare criticamente i risultati ottenuti
• Comunicare efficacemente i risultati tramite report e presentazioni

La valutazione terrà conto della correttezza metodologica e terminologica, della qualità dell'analisi, del pensiero critico e della chiarezza espositiva.

• Titolo: Psychophysiological Recording (2nd edition), Autori: Robert M. Stern, William J. Ray, and Karen S. Quigley, Luogo: Oxford, Anno: 2001, Editore: Oxford University Press, Note: OPTIONAL supplementary reading (not mandatory).
• Titolo: Wearable Sensors: Fundamentals, Implementation and Applications (2nd edition), Autori: Edward Sazonov, Luogo: London, Anno: 2021, Editore: Academic Press, Note: OPTIONAL supplementary reading (not mandatory).
• Titolo: Handbook of Research Methods for Studying Daily Life, Autori: Matthias R. Mehl & Tamlin S. Conner, Anno: 2012, Luogo: New York, Editore: Guilford Press, Note: OPTIONAL supplementary reading (not mandatory).

L'attività di tirocinio ha, come obiettivo formativo, quello di consentire allo studente o alla studentessa di acquisire esperienze pratiche coerenti con il percorso di studio. 

Il tirocinio può essere svolto internamente all'Università oppure presso un ente di ricerca, un'azienda, una società o un'altra organizzazione (ente ospitante). L'ente ospitante può essere scelto tra quelli già convenzionati con l'Ateneo oppure può essere individuato e contattato direttamente dallo studente o dalla studentessa. Qualora non sia già convenzionato, dovrà stipulare una convenzione con l'Ateneo prima dell'avvio del tirocinio. Il tirocinio può essere svolto anche all'estero.  

Il tirocinio può avere carattere prevalentemente scientifico e di ricerca. In questo caso, può consistere nello sviluppo di un progetto di ricerca, nella partecipazione ad attività finalizzate all’approfondimento di specifiche problematiche, nello sviluppo di strumenti o soluzioni oppure nella produzione, raccolta e analisi di dati e risultati di interesse scientifico.

In alternativa, il tirocinio può avere carattere maggiormente applicativo o professionalizzante e prevedere il coinvolgimento dello studente o della studentessa in progetti orientati alla soluzione di problemi concreti, nonché allo sviluppo o alla valutazione di prodotti, servizi, processi o strumenti. Tali attività sono finalizzate all’acquisizione di competenze operative e professionali.

Il tirocinio deve essere coerente con gli obiettivi formativi del Corso di Studio.

Il progetto formativo di tirocinio, comprensivo della descrizione delle attività previste, deve essere approvato dal tutor accademico secondo le procedure stabilite dal Corso di Studio e dall’Ateneo.