Corso di laurea
Informatica per le Aziende Digitali
Università Telematica Pegaso · 64 materie · 0 file condivisi
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
/**/ Al termine del corso lo studente sarà in grado di: Conoscenza e comprensione · conoscere i principali concetti e risultati dell'Analisi Matematica relativi a insiemi numerici, funzioni, successioni, limiti,…
Scheda dell'insegnamento
Obiettivi formativi
/**/
Al termine del corso lo studente sarà in grado di:
Conoscenza e comprensione
· conoscere i principali concetti e risultati dell'Analisi Matematica relativi a insiemi
numerici, funzioni, successioni, limiti, continuità, derivabilità, integrazione, serie ed
equazioni differenziali ordinarie;
· comprendere gli enunciati e le dimostrazioni dei principali teoremi del corso.
Capacità applicative
· calcolare limiti di successioni e funzioni utilizzando le tecniche e i teoremi
appropriati;
· studiare continuità, derivabilità e comportamento locale e globale di una funzione;
· eseguire studi completi di funzione e rappresentarne il grafico qualitativo;
· calcolare derivate e integrali definiti e indefiniti mediante le principali tecniche di
integrazione;
· determinare la convergenza di serie numeriche applicando i criteri più comuni;
· utilizzare serie di potenze e sviluppi di Taylor per l'approssimazione di funzioni;
· risolvere semplici equazioni differenziali del primo ordine a variabili separabili e
lineari.
Autonomia di giudizio
· selezionare in modo autonomo gli strumenti matematici più adeguati alla
risoluzione di problemi analitici;
· verificare la correttezza e la coerenza dei risultati ottenuti.
Abilità comunicative
· utilizzare correttamente il linguaggio matematico e la simbologia dell'analisi;
· esporre con chiarezza procedimenti risolutivi e argomentazioni teoriche.
Capacità di apprendimento
affrontare in autonomia insegnamenti successivi di area matematica, fisica e ingegneristica che richiedano competenze
di calcolo differenziale e integrale.
PROGRAMMA DIDATTICO. ELENCO VIDEOLEZIONI.
MODULO: ANALISI I
Elementi di teoria degli insiemi Insiemi numerici Relazioni fra insiemi L'insieme dei numeri reali Il campo dei numeri
complessi Funzioni matematiche e prime proprietà Nozioni preliminari: massimo, minimo, estremo superiore ed
estremo inferiore Il principio di induzione Elementi di combinatoria Funzioni reali di una variabile reale Funzioni
suriettive, iniettive, biettive. Funzione inversa. Composizione di funzioni Funzioni reali elementari Funzioni
trigonometriche Grafico della composizione di funzioni elementari Successioni: definizione e prime proprietà Limiti di
successioni: divergenza e proprietà Limiti di successioni: numero di Nepero e successioni di Cauchy Limiti di funzioni:
definizione, Teorema ponte Limiti di funzioni elementari Gerarchie di infiniti e limiti notevoli Funzioni continue:
definizione e proprietà Funzioni continue: il Teorema di Weierstrass Funzioni continue: Teorema dei valori intermedi e di
Weierstrass Asintoti e altre nozioni di continuità La derivata: definizione e prime proprietà Derivate delle funzioni
composte ed inverse Calcolo di derivate Teoremi di Fermat, Rolle e Lagrange Criteri di monotonia Il Teorema di de
l'Hôpital Derivate successive, funzioni convesse e concave Studio del grafico di funzioni
MODULO: ANALISI II
Serie numeriche Serie numeriche a termini non negativi Serie numeriche a termini di segno variabile Polinomio di
Taylor Approssimazione di funzioni con polinomi L'integrale di Riemann Proprietà dell'integrale Teoremi fondamentali
del calcolo integrale L'integrale indefinito Integrazione delle funzioni razionali Integrazione per parti e per sostituzione
Integrazione per sostituzione: alcune sostituzioni di base Integrali impropri
Codice insegnamento UC29776
Scheda dell'insegnamento
Modalità d'esame
/**/
L’esame può essere sostenuto sia in forma scritta che in forma orale.
Gli appelli orali sono previsti nella sola sede centrale. L’esame orale consiste in un colloquio con la Commissione sui
contenuti del corso.
L’esame scritto consiste nello svolgimento di un test con 30 domande. Per ogni domanda lo studente deve scegliere
una di 4 possibili risposte. Solo una risposta è corretta.
ia le domande orali che le domande scritte sono formulate per valutare il grado di comprensione delle nozioni teoriche
e la capacità di ragionare utilizzando tali nozioni. Le domande sulle nozioni teoriche consentiranno di valutare il livello
di comprensione. Le domande che richiedono l’elaborazione di un ragionamento consentiranno di valutare il livello di
competenza e l’autonomia di giudizio maturati dallo studente.
Le abilità di comunicazione e la capacità di apprendimento saranno valutate anche attraverso le interazioni dirette tra
docente e studente che avranno luogo durante la fruizione del corso (videoconferenze ed elaborati proposti dal
docente).
ia le domande orali che le domande scritte sono formulate per valutare il grado di comprensione delle nozioni teoriche
e la capacità di ragionare utilizzando tali nozioni. Le domande sulle nozioni teoriche consentiranno di valutare il livello
di comprensione. Le domande che richiedono l’elaborazione di un ragionamento consentiranno di valutare il livello di
competenza e l’autonomia di giudizio maturati dallo studente.
Codice insegnamento UC29784
L’insegnamento introduce modelli, linguaggi e metodologie per la definizione, l’interrogazione, la progettazione e la gestione di basi di dati, con particolare attenzione al modello relazionale e al linguaggio SQL. Il…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento introduce modelli, linguaggi e metodologie per la definizione, l’interrogazione, la progettazione e la
gestione di basi di dati, con particolare attenzione al modello relazionale e al linguaggio SQL. Il corso approfondisce la
progettazione concettuale, logica e fisica delle basi di dati e ne evidenzia il ruolo nei moderni sistemi informativi, nelle
applicazioni software e nei processi di organizzazione e gestione dei dati.
Obiettivi formativi:
Analizzare i principali modelli di basi di dati e il loro impiego nei sistemi informativi e nelle applicazioni informatiche
(Ob.1) Approfondire i linguaggi di definizione, manipolazione e interrogazione delle basi di dati, con particolare
riferimento a SQL (Ob.2) Progettare basi di dati nelle fasi concettuale, logica e fisica, motivando le scelte progettuali
rispetto al dominio applicativo, ai requisiti informativi e ai vincoli di integrità (Ob.3)
INCLUSIONE
Studentesse e studenti con disabilità, disturbi specifici dell’apprendimento (DSA), bisogni educativi speciali (BES) o
altre condizioni di necessità, anche temporanee, possono rivolgersi ai docenti dell’insegnamento e all’Ufficio Inclusione
([email protected]) per ricevere informazioni sui supporti e sugli strumenti disponibili.
el rispetto delle procedure di Ateneo, potranno essere individuate modalità flessibili di fruizione dei materiali e di
partecipazione alle attività didattiche, adeguate alle specifiche esigenze e coerenti con gli obiettivi formativi
dell’insegnamento.
POLICY SULL’UTILIZZO DI INTELLIGENZA ARTIFICIALE E/O GENERATIVA
L’utilizzo di strumenti di IA è consentito come supporto allo studio individuale, all’approfondimento degli argomenti, alla
ricerca di esempi, alla revisione linguistica di testi e alla sperimentazione guidata di soluzioni, purché avvenga in modo
critico, trasparente e conforme ai principi di integrità accademica.
Non è consentito presentare come proprio un testo, una query, uno schema, una soluzione progettuale o altro
materiale generato integralmente o prevalentemente da strumenti di IA senza verifica, rielaborazione personale e
adeguata dichiarazione d’uso. Nelle attività oggetto di valutazione diverse dalle prove d’esame e dalle attività
valutative individuali, l’utilizzo di strumenti di IA è consentito esclusivamente quando espressamente autorizzato dal
docente e nei limiti da questi indicati. In tali casi, lo studente o la studentessa deve dichiarare lo strumento utilizzato, i
prompt principali o una loro sintesi, la finalità dell’uso, le parti del lavoro interessate e le modalità con cui l’output è
stato verificato, corretto e rielaborato. La responsabilità scientifica, tecnica e formale del contenuto resta interamente
in capo allo studente o alla studentessa.
L’uso di strumenti di IA non è ammesso nelle prove d’esame e nelle attività valutative individuali.
OBIETTIVI AGENDA 2030 PER LO SVILUPPO SOSTENIBILE
L’insegnamento contribuisce, in modo coerente con i propri contenuti e con il profilo formativo del Corso di Studio, ai
seguenti Obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile:
Obiettivo 4 – Istruzione di qualità: il corso favorisce l’acquisizione di competenze digitali, metodologiche e progettuali
utili all’apprendimento autonomo, all’analisi dei dati e all’uso consapevole delle tecnologie informatiche. Obiettivo 9 –
Imprese, innovazione e infrastrutture: la progettazione e la gestione di basi di dati supportano la realizzazione di
sistemi informativi affidabili, infrastrutture digitali e processi innovativi basati sui dati.
Programma
Il programma è articolato in cinque nuclei tematici: fondamenti dei sistemi informativi e del modello relazionale;
linguaggi per basi di dati e SQL; progettazione concettuale; progettazione logica, normalizzazione e traduzione
relazionale; organizzazione fisica, gestione delle interrogazioni, transazioni ed evoluzione dei sistemi per basi di dati.
Di seguito l’elenco delle 45 videolezioni, comprensivo di casi di studio e di un’intervista a un esperto di settore:
1. Sistemi informativi e basi di dati
2. Il modello relazionale: le relazioni
3. Il modello relazionale: chiavi e vincoli intrarelazionali
4. Il modello relazionale: vincoli interrelazionali
5. Linguaggi per basi di dati e algebra relazionale
6. Algebra relazionale: operatore di join
7. Viste
8. SQL: concetti introduttivi
9. PostgreSQL e pgAdmin
10. SQL: vincoli intrarelazionali e interrelazionali
11. SQL: introduzione alle interrogazioni
12. SQL: interrogazioni in algebra relazionale
13. SQL: interrogazioni con join esplicito
14. Caso di studio: interrogazioni di base con SQL
15. SQL: unione, intersezione e differenza
16. SQL: interrogazioni nidificate
17. SQL: operatori aggregati
18. SQL: operazioni sui dati
19. Caso di studio: interrogazioni avanzate con SQL
20. SQL: transazioni
21. Principi di progettazione: metodologie e modelli per il progetto
22. Modello E-R: proprietà di base
23. Modello E-R: cardinalità
24. Modello E-R: Identificatori
25. Modello E-R: gerarchie di generalizzazione
26. Modello E-R: documentazione
27. Progettazione concettuale: analisi dei requisiti
28. Progettazione concettuale: rappresentazione
29. Progettazione concettuale: introduzione ai design patterns
30. Progettazione concettuale: design patterns avanzati
31. Caso di studio: dai requisiti allo schema concettuale
32. Progettazione logica: ridondanze e generalizzazioni
33. Progettazione logica: entità e relationship, identificatori primari
34. Caso di studio: ristrutturazione e traduzione
35. Normalizzazione: forma normale di Boyce e Codd
36. Normalizzazione: qualità delle decomposizioni
37. Normalizzazione: limiti della forma normale di Boyce e Codd e terza forma normale
38. Normalizzazione: teoria delle dipendenze e normalizzazione
39. Organizzazione fisica: memorie
40. Organizzazione fisica: strutture per l'organizzazione di file
41. Gestore delle interrogazioni
42. Progettazione fisica
43. Gestione delle transazioni
44. Evoluzione di linguaggi, modelli e sistemi
45. Intervista all'esperto: Ing. Omar Campana.
Modalità d'esame
Il percorso prevede attività di didattica interattiva sincrona, una prova intermedia e una prova finale, che nel loro
insieme consentono di valutare il grado di comprensione delle nozioni teoriche e la capacità di applicazione delle
stesse, nonché il livello di competenza e l’autonomia di giudizio maturati dalla studentessa e dallo studente.
La partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul
voto finale, attribuiti in funzione della qualità della partecipazione alle attività e dell’esito delle prove.
La prova intermedia si svolge in modalità scritta online e consente alle studentesse e agli studenti di monitorare il
proprio apprendimento attraverso momenti di verifica progressiva e consolidamento delle conoscenze. La prova
intermedia può prevedere quesiti a risposta multipla e/o esercizi applicativi coerenti con i contenuti dell’insegnamento.
La prova finale si svolge in presenza e la valutazione è espressa in trentesimi. La prova si intende superata con un
punteggio minimo di 18/30. Al raggiungimento dell’eccellenza in tutti gli elementi di valutazione può essere attribuita la
lode.
Durante l’esame è consentito l’utilizzo della calcolatrice e di un foglio bianco per eventuali schemi E-R, schemi
relazionali, calcoli o bozze di soluzione, mostrando il foglio all’inizio e alla fine dell’esame.
Testi di riferimento
Atzeni, P., Ceri, S., Fraternali, P., & Torlone, R. (2023). Basi di dati (VI edizione). McGraw-Hill Education. Capitoli 1–9,
11–13, 19. (Disponibile nella sezione “Biblioteca”).
Codice insegnamento informatica-per-le-aziende-digitali:basi-di-dati-9
Il corso si propone di fornire allo studente le conoscenze metodologiche e applicative fondamentali per la progettazione, l’interrogazione e la gestione delle basi di dati. Il percorso approfondisce il modello…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di fornire allo studente le conoscenze metodologiche e applicative fondamentali per la
progettazione, l’interrogazione e la gestione delle basi di dati. Il percorso approfondisce il modello relazionale, SQL, la
progettazione concettuale, logica e la gestione delle transazioni; tali conoscenze sono poi declinate nell’ambito dei
sistemi informativi sanitari e dei dati bioinformatici, con attenzione a interoperabilità, data governance, sicurezza,
privacy e modelli non relazionali.
Obiettivi formativi:
Descrivere e utilizzare i principali modelli di basi di dati, con particolare riferimento al modello relazionale, ai linguaggi
di interrogazione e a SQL (Ob. 1); Progettare una base di dati nelle fasi concettuale e logica, e valutare le principali
scelte progettuali (Ob. 2); Analizzare i requisiti di gestione dei dati sanitari e bioinformatici e selezionare, motivandole,
soluzioni relazionali o NoSQL adeguate, nel rispetto di interoperabilità, qualità, sicurezza, privacy ed etica (Ob. 3).
Codice insegnamento UC525121
Conoscenza e capacità di comprensione Il corso intende fornire le conoscenze utili per una solida comprensione della sintassi di Python e dei concetti fondamentali di programmazione, incluse le strutture dati, i…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione
Il corso intende fornire le conoscenze utili per una solida comprensione della sintassi di Python e dei concetti
fondamentali di programmazione, incluse le strutture dati, i controlli di flusso e le funzioni. Saranno in grado di
comprendere come applicare queste conoscenze per risolvere problemi pratici e sviluppare soluzioni efficienti. Inoltre,
avranno una buona comprensione delle librerie Python più comuni e delle tecniche di programmazione orientata agli
oggetti.
Capacità di applicare conoscenza e comprensione
Il corso intende fornire agli studenti le capacità necessarie per scrivere programmi utilizzando Python per risolvere
problemi complessi, implementare algoritmi efficienti e manipolare dati. Gli studenti saranno capaci di utilizzare le
librerie Python per l'analisi dei dati e la visualizzazione e saranno capaci di progettare e implementare soluzioni che
rispettano i principi della programmazione strutturata e della modularità.
Autonomia di giudizio
Il corso intende fornire agli studenti le capacità di analizzare criticamente diverse soluzioni per un problema e di
scegliere quella più adatta in base ai vincoli di tempo, risorse e performance. Saranno in grado di valutare la qualità del
codice, identificare errori e inefficienze, e prendere decisioni informate riguardo alla scelta delle librerie e degli approcci
più appropriati per il loro progetto.
Abilità comunicative
Il corso intende fornire agli studenti la capacità di spiegare in modo chiaro e conciso le soluzioni programmatiche
adottate, sia in forma scritta, attraverso la documentazione del codice che verbale. Saranno in grado di comunicare
efficacemente con altri sviluppatori, spiegando il funzionamento del codice, giustificando le scelte progettuali e
presentando i risultati ottenuti.
Capacità di apprendimento
Gli studenti saranno in grado di apprendere in modo autonomo e continuo nuove tecniche, librerie e strumenti Python,
adattandosi rapidamente alle evoluzioni del linguaggio e delle tecnologie. Sapranno sfruttare risorse online,
documentazioni ufficiali e comunità di sviluppatori per risolvere problemi e approfondire tematiche avanzate legate alla
programmazione Python.
RISORSE
/**/
Testo consigliato (per approfondimento volontario):
Gaddis, T. (2022). Introduzione a Python -5/ED. Ediz. mylab. Pearson spa.
VERIFICA
L’esame può essere sostenuto sia in forma scritta che in forma orale.
Gli appelli orali sono previsti nella sola sede centrale. L’esame orale consiste in un colloquio con la Commissione sui
contenuti del corso. L’esame scritto consiste nello svolgimento di un test con 30 domande. Per ogni domanda lo
studente deve scegliere una di 4 possibili risposte. Solo una risposta è corretta.
Sia le domande orali che le domande scritte sono formulate per valutare il grado di comprensione delle nozioni teoriche
e la capacità di ragionare utilizzando tali nozioni. Le domande sulle nozioni teoriche consentiranno di valutare il livello
di comprensione. Le domande che richiedono l’elaborazione di un ragionamento consentiranno di valutare il livello di
competenza e l’autonomia di giudizio maturati dallo studente.
Le abilità di comunicazione e le capacità di apprendimento saranno valutate ance attraverso le interazioni dirette tra
docente e studente che avranno luogo durante la fruizione del corso (videoconferenze ed elaborati proposti dal
docente).
Obbligatoria online.
Ai corsisti viene richiesto di visionare almeno l'80% delle videolezioni presenti in piattaforma.
DESCRIZIONE
/**/
Programma del corso: elenco dei moduli
MODULO 1: Computer e Programmazione
Lezione 1: Computer e Programmazione
Lezione 2: Memorizzazione dei dati
Lezione 3: Funzionamento dei programmi
Lezione 4: Approfondimento sui linguaggi di programmazione
Lezione 5: Introduzione a Python
MODULO 2: Progettazione di un programma
Lezione 6: Progettazione di un programma
Lezione 7: Ingegneria del Software per la progettazione di programmi
Lezione 8: Problemi, algoritmi, ed esecutori
Lezione 9: La descrizione degli algoritmi
Lezione 10: Diagrammi di flusso
Lezione 11: Diagrammi di flusso: i Blocchi di iterazione
MODULO 3: Input, elaborazione ed output
Lezione 12: Output nei programmi Python
Lezione 13: Variabili e tipi di dati
Lezione 14: Input, output testuale e commenti nei programmi Python
Lezione 15: Operatori matematici e costanti con nome in Python
Lezione 16: Output formattato con le f-string
MODULO 4: Strutture decisionali e logica booleana
Lezione 17: Strutture decisionali ad alternativa singola
Lezione 18: Strutture decisionali ad alternativa doppia e nidificate
Lezione 19: Operatori logici e variabili booleane in Python
Lezione 20: Esercitazione strutture decisionali
MODULO 5: Strutture iterative
Lezione 21: Strutture iterative: cicli while e for
Lezione 22: Accumulatori, sentinelle, cicli di convalida e nidificati
Lezione 23: Esercitazione strutture iterative semplici
Lezione 24: Esercitazione avanzata di strutture iterative
Lezione 25: Esercitazione strutture iterative e calcoli orari
MODULO 6: Funzioni
Lezione 26: Funzioni void
Lezione 27: Variabili locali e passaggio di argomenti in funzioni
Lezione 28: Funzioni produttive, variabili e costanti globali
Lezione 29: Librerie e moduli
Lezione 30: Memorizzazione delle funzioni nei moduli
Lezione 31: Esercitazione sulle funzioni
MODULO 7: File ed Eccezioni
Lezione 32: Input e output dei file
Lezione 33: Elaborazione dei file e dei record
Lezione 34: Gestione delle eccezioni
MODULO 8: Liste e Tuple
Lezione 35: Liste
Lezione 36: Slicing, ricerca e metodi delle liste
Lezione 37: Copia ed elaborazione di liste
Lezione 38: Comprensioni di liste, liste bidimensionali e tuple
Lezione 39: Plottaggio dati di liste
Lezione 40: Esercitazione sulle liste per calcoli di tempo
Lezione 41: Esercitazione avanzata sulle liste per calcoli di tempo
Lezione 42: Esercitazione sulle operazioni di inserimento ed elaborazione di liste
Lezione 43: Esercitazione sulle matrici e sulla ricerca binaria nelle liste
Lezione 44: Esercitazione avanzata sulle matrici
MODULO 9: Stringhe
Lezione 45: Operazioni di base sulle stringhe
Lezione 46: Test, ricerca e manipolazione di stringhe
Lezione 47: Esercitazione sulle stringhe
MODULO 10: Dizionari e set
Lezione 48: Dizionari
Lezione 49: Set
Lezione 50: Comprensioni e serializzazione di oggetti
MODULO 11: Classi e programmazione ad oggetti
Lezione 51: Programmazione a oggetti e classi
Lezione 52: Accesso, modifica e passaggio a funzione di oggetti
Lezione 53: Tecniche per la progettazione di classi
Lezione 54: Esercitazione su classi e oggetti
Lezione 55: Esercitazione avanzata su classi
MODULO 12: Ereditarietà
Lezione 56: Introduzione all'ereditarietà
Lezione 57: Polimorfismo
Lezione 58: Esercitazione su ereditarietà e polimorfismo
MODULO 13: Ricorsione
Lezione 59: Introduzione alla ricorsione
Lezione 60: Algoritmi ricorsivi
Codice insegnamento UC29778
Conoscenza e capacità di comprensione Comprendere i concetti di base dell’IA, i principali paradigmi di ragionamento e i sistemi basati su regole e algoritmi di ricerca (Ob.1) Conoscere le tecniche fondamentali di…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione
Comprendere i concetti di base dell’IA, i principali paradigmi di ragionamento e i sistemi basati su regole e algoritmi di
ricerca (Ob.1) Conoscere le tecniche fondamentali di rappresentazione della conoscenza e le basi dell’apprendimento
supervisionato (Ob.2) Conoscere modelli e tecnologie per lo sviluppo di applicazioni di IA. (Ob. 2)
Capacità di applicare conoscenza e comprensione
Progettare e sviluppare semplici applicazioni di IA basate su agenti. (Ob. 2) Utilizzare ambienti di sviluppo avanzati e
selezionare strumenti adeguati per la risoluzione di problemi specifici. (Ob. 2) Applicare metriche di valutazione per
analizzare l’efficacia delle soluzioni realizzate e migliorare le prestazioni. (Ob.2)
Autonomia di giudizio
Valutare criticamente tecniche e approcci di IA, identificandone punti di forza e limiti. (Ob. 3) Scegliere
consapevolmente la soluzione più appropriata rispetto al problema. (Ob.2) Proporre idee e strategie innovative per
affrontare sfide in contesti complessi. (Ob. 3)
Abilità comunicative
Comunicare in modo chiaro concetti, metodologie e risultati legati all’IA, adattando il linguaggio al tipo di interlocutore.
(Ob. 3) Collaborare efficacemente all’interno di team multidisciplinari, contribuendo alla realizzazione di progetti
comuni. (Ob. 3) Presentare progetti e analisi in modo strutturato, utilizzando terminologia tecnica appropriata (Ob. 3)
Capacità di apprendimento
Sviluppare la capacità di analizzare concetti e tecniche fondamentali per:
Aggiornarsi in modo autonomo sulle nuove tecnologie e metodologie dell’IA, mantenendo una prospettiva critica verso
l’innovazione. (Ob. 3) Sviluppare strategie di studio indipendente per approfondire strumenti e approcci avanzati. (Ob.
3)
Modalità d'esame
L’esame può essere sostenuto sia in forma scritta che in forma orale.
Gli appelli orali sono previsti nella sola sede centrale. L’esame orale consiste in un colloquio con la Commissione sui
contenuti del corso.
L’esame scritto consiste nello svolgimento di un test con 30 domande. Per ogni domanda lo studente deve scegliere
una di 4 possibili risposte. Solo una risposta è corretta.
Sia le domande orali che le domande scritte sono formulate per valutare il grado di comprensione delle nozioni teoriche
e la capacità di ragionare utilizzando tali nozioni. Le domande sulle nozioni teoriche consentiranno di valutare il livello
di comprensione. Le domande che richiedono l’elaborazione di un ragionamento consentiranno di valutare il livello di
competenza e l’autonomia di giudizio maturati dallo studente.
Testi di riferimento
Ebook:
Russel, S., & Norvig, P. (2021). Intelligenza Artificiale – 4/ED, Volume 1 Pearson Italia spa. (Disponibile nella sezione
“Biblioteca”).
Russel, S., & Norvig, P. (2021). Intelligenza Artificiale – 4/ED, Volume 2 Pearson Italia spa Disponibile nella sezione
“Biblioteca”).
Ulteriore testo consigliato: Poole, D., Mackworth, A., & Goebel, R. (2021). Artificial Intelligence: Foundations of
Computational Agents – Cambridge University Press.
Si specifica che l’ulteriore testo consigliato è solo per approfondimento volontario, e non sarà oggetto specifico di
esame. Il modello didattico è basato sullo studio dell’ebook e delle lezioni del docente.
Codice insegnamento UC29791
/**/ Conoscenza e capacità di comprensione Capacità di comprendere i principi fondamentali dell'ingegneria del software, inclusi i diversi modelli di sviluppo e cicli di vita, per gestire progetti software complessi in…
Scheda dell'insegnamento
Obiettivi formativi
/**/
- Conoscenza e capacità di comprensione
Capacità di comprendere i principi fondamentali dell'ingegneria del software, inclusi i diversi modelli di sviluppo e cicli
di vita, per gestire progetti software complessi in modo efficace (Obiettivo 1).
Comprensione approfondita dei principali strumenti e tecniche di modellazione, in particolare l'uso del linguaggio UML,
per rappresentare strutture e comportamenti del sistema in maniera formale e accurata (Obiettivo 2).
Conoscenza delle metodologie per l'analisi e la specifica dei requisiti, con particolare attenzione alla raccolta e
formalizzazione dei requisiti funzionali e non funzionali (Obiettivo 3).
Capacità di progettare architetture software efficienti e scalabili, applicando principi di decomposizione del sistema e
gestione della sicurezza e dei dati persistenti (Obiettivo 4).
Comprensione delle tecniche di testing e verifica, inclusi test di unità, integrazione e accettazione, per garantire la
qualità e la robustezza del software (Obiettivo 5). - Capacità di applicare conoscenza e comprensione
Progettare e implementare soluzioni software basate su diversi modelli di sviluppo, selezionando il ciclo di vita più
appropriato in base alle esigenze del progetto (Obiettivo 1).
Utilizzare UML per modellare vari aspetti di un sistema software, inclusi diagrammi delle classi, di sequenza e di stato,
per facilitare la progettazione e la documentazione del software (Obiettivo 2).
Applicare tecniche di raccolta e specifica dei requisiti per tradurre le esigenze degli stakeholder in specifiche funzionali
e non funzionali dettagliate (Obiettivo 3).
Progettare architetture software scalabili e modulari, integrando soluzioni per la gestione della sicurezza, dei dati
persistenti e delle condizioni limite (Obiettivo 4).
Sviluppare piani di test e utilizzare strumenti automatizzati per eseguire test unitari, di integrazione e di sistema,
garantendo l'affidabilità e la qualità del software (Obiettivo 5). - Autonomia di giudizio
Valutare in modo critico l'adeguatezza di diversi modelli di sviluppo software rispetto alle caratteristiche del progetto,
come dimensione e complessità (Obiettivo 1).
Autonomia nel giudicare l'efficacia delle soluzioni di modellazione adottate tramite UML per garantire la coerenza e la
manutenibilità del sistema (Obiettivo 2).
Capacità di valutare la completezza e la correttezza dei requisiti raccolti, identificando eventuali ambiguità o conflitti
(Obiettivo 3).
Capacità di giudicare la solidità e la scalabilità delle architetture software progettate, analizzando la loro manutenibilità
e sicurezza (Obiettivo 4).
Autonomia nel valutare l'efficacia dei processi di testing e nel proporre miglioramenti per ottimizzare la qualità del
software (Obiettivo 5). - Abilità comunicative
Capacità di spiegare in modo chiaro e coerente le diverse fasi del ciclo di vita del software e le loro implicazioni
tecniche a un pubblico sia tecnico che non tecnico (Obiettivo 1).
Abilità nel presentare e discutere modelli UML complessi, comunicando in modo efficace le scelte di progettazione e la
logica del sistema (Obiettivo 2).
Capacità di comunicare i requisiti del software e le relative priorità agli stakeholder, garantendo una comprensione
condivisa degli obiettivi del progetto (Obiettivo 3).
Capacità di spiegare architetture software avanzate e le loro implicazioni tecniche in termini di prestazioni, sicurezza e
scalabilità (Obiettivo 4). - Capacità di apprendimento
Capacità di aggiornarsi costantemente sui nuovi modelli di sviluppo e sulle metodologie emergenti nell'ingegneria del
software, come DevOps e CI/CD (Obiettivo 1).
Sviluppare competenze di autoapprendimento per approfondire nuove tecniche di modellazione e design pattern,
mantenendo la capacità di applicare le migliori pratiche nella progettazione del software (Obiettivo 2).
Capacità di apprendere in autonomia strumenti e tecniche per l'analisi e la gestione dei requisiti, con particolare
attenzione ai requisiti non funzionali (Obiettivo 3).
Impegno continuo nell'acquisire nuove competenze di testing e verifica del software, comprendendo l'evoluzione degli
strumenti e delle tecniche di automazione (Obiettivo 5).
Modalità d'esame
/**/
L’esame può essere sostenuto sia in forma scritta che in forma orale. L’esame orale consiste in un colloquio con la
Commissione sui contenuti dell’insegnamento. L’esame in forma scritta consiste nello svolgimento di un test composto
da 31 domande. Per ogni domanda lo studente deve scegliere una delle 4 possibili risposte. Solo una risposta è corretta
e, in caso di risposte errate o mancanti, non sarà attribuita alcuna penalità. Rispondendo correttamente a tutte le 31
domande, si conseguirà la lode.
Oltre alla prova d’esame finale, il percorso prevede attività di didattica interattiva sincrona e prove intermedie che
consentono alle studentesse e agli studenti di monitorare il proprio apprendimento, attraverso momenti di verifica
progressiva e consolidamento delle conoscenze.
La partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul
voto finale, attribuiti in funzione della qualità della partecipazione alle attività e dell’esito delle prove.
Per accedere alle prove intermedie è necessario aver seguito almeno il 50% di ogni ora di didattica interattiva. Le prove
intermedie possono consistere in un test di fine lezione o nella predisposizione di un elaborato. Le prove intermedie si
considerano superate avendo risposto correttamente ad almeno l’80% delle domande di fine lezione.
In caso di prove intermedie che prevedano la redazione di un elaborato, il superamento delle stesse ai fini della
premialità sarà giudicata dal docente titolare dell’insegnamento. I punti di premialità, previsti per le prove intermedie,
sono sommati al voto finale d’esame solo se la prova d’esame è superata con un punteggio pari ad almeno 18/30 e
possono contribuire al conseguimento della lode.
Le modalità d’esame descritte sono progettate per valutare il grado di comprensione delle nozioni teoriche e la
capacità di applicazione delle stesse e consentiranno di valutare il livello di competenza e l’autonomia di giudizio
maturati dalla studentessa e dallo studente. Le abilità di comunicazione e la capacità di apprendimento saranno
valutate anche attraverso le interazioni dirette che avranno luogo durante la fruizione dell’insegnamento.
Codice insegnamento UC29787
Conoscenza e capacità di comprensione Comprendere i concetti fondamentali relativi al machine learning e al deep learning, con particolare riferimento a: Le principali tecniche di apprendimento supervisionato, non…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione
Comprendere i concetti fondamentali relativi al machine learning e al deep learning, con particolare riferimento a:
Le principali tecniche di apprendimento supervisionato, non supervisionato e per rinforzo (Ob.1);
Le architetture delle reti neurali artificiali, convoluzionali e ricorrenti, e i meccanismi di addestramento (Ob.2);
I principi di progettazione, validazione e interpretazione di modelli predittivi, con attenzione a problematiche come
overfitting, fairness e interpretabilità (Ob.3).
Capacità di applicare conoscenza e comprensione
Applicare in modo consapevole le conoscenze acquisite per:
Sviluppare modelli ML/DL e applicarli a problemi concreti in vari domini applicativi (Ob.1);
Costruire, addestrare e ottimizzare architetture neurali mediante strumenti adeguati (Ob.2);
Progettare pipeline di apprendimento automatico complete, dalla preparazione dei dati alla valutazione dei modelli
(Ob.3).
Autonomia di giudizio
Sviluppare un approccio critico nei confronti delle tecniche e metodologie trattate, in particolare rispetto a:
La selezione del modello e delle metriche di valutazione in base al contesto e ai dati disponibili (Ob.1);
La capacità di analizzare i risultati prodotti dai modelli e di interpretarne le implicazioni in termini di affidabilità e
robustezza (Ob.2);
La riflessione sui limiti dei modelli, sulle scelte progettuali e sulle implicazioni etiche dell’intelligenza artificiale (Ob.3).
Abilità comunicative
Acquisire capacità comunicative funzionali a:
Presentare con chiarezza e rigore tecnico le soluzioni adottate e i risultati ottenuti, anche a un pubblico non specialista
(Ob.1);
Descrivere i meccanismi e le funzionalità delle architetture di deep learning, evidenziandone le caratteristiche
operative (Ob.2);
Esporre in modo strutturato le logiche di progettazione e valutazione dei modelli, motivando le scelte tecniche
effettuate (Ob.3).
Capacità di apprendimento
Sviluppare la capacità di approfondire in modo autonomo i temi trattati, integrando conoscenze e competenze, con
riferimento a:
L’evoluzione delle tecniche di machine learning e deep learning e l’emergere di nuovi paradigmi (Ob.1);
Le innovazioni architetturali e gli sviluppi tecnologici nel campo dell’intelligenza artificiale (Ob.2);
L’analisi critica di modelli avanzati e l’adattamento delle soluzioni a contesti applicativi complessi (Ob.3).
Modalità d'esame
/**/
L’esame può essere sostenuto sia in forma scritta che in forma orale.
Gli appelli orali sono previsti nella sola sede centrale. L’esame orale consiste in un colloquio con la Commissione sui
contenuti del corso. L’esame scritto consiste nello svolgimento di un test con 30 domande. Per ogni domanda lo
studente deve scegliere una di 4 possibili risposte. Solo una risposta è corretta. Sia le domande orali che le domande
scritte sono formulate per valutare il grado di comprensione delle nozioni teoriche e la capacità di ragionare utilizzando
tali nozioni. Le domande sulle nozioni teoriche consentiranno di valutare il livello di comprensione. Le domande che
richiedono l’elaborazione di un ragionamento consentiranno di valutare il livello di competenza e l’autonomia di giudizio
maturati dallo studente. Le abilità di comunicazione e la capacità di apprendimento saranno valutate anche attraverso
le interazioni dirette tra docente e studente che avranno luogo durante la fruizione del corso (videoconferenze ed
elaborati proposti dal docente).
Testi di riferimento
/**/ ? Intelligenza artificiale. Un approccio moderno vol. 2, quarta edizione. Stuart J. Russell, Peter Norvig. Pearson. Il
modello didattico è basato sullo studio dell’ebook e delle slide del docente.
Codice insegnamento UC29823
/**/ Il corso si propone di fornire allo studente le conoscenze metodologiche e applicative necessarie per comprendere, analizzare e progettare sistemi distribuiti e soluzioni di cloud computing. Il percorso affronta…
Scheda dell'insegnamento
Obiettivi formativi
/**/
Il corso si propone di fornire allo studente le conoscenze metodologiche e applicative necessarie per comprendere,
analizzare e progettare sistemi distribuiti e soluzioni di cloud computing. Il percorso affronta proprietà e architetture dei
sistemi distribuiti, processi, comunicazione, naming, coordinamento, consistenza, replicazione, tolleranza ai guasti e
recovery; tali conoscenze sono poi applicate ai modelli fondamentali del cloud computing, ai principali fornitori di
servizi e ai criteri di gestione e governance del cloud.
Obiettivi formativi:
Descrivere e confrontare le proprietà, gli stili architetturali e i principali meccanismi dei sistemi distribuiti, motivandone
l'impiego in relazione a trasparenza, apertura e scalabilità (Ob. 1); Analizzare i requisiti di un sistema distribuito e
progettare soluzioni selezionando e motivando meccanismi di comunicazione, naming, coordinamento, consistenza,
replicazione, tolleranza ai guasti e recovery (Ob. 2);
Valutare e confrontare modelli e offerte di cloud computing, motivando scelte architetturali e di governance coerenti con requisiti di prestazione, scalabilità, affidabilità e gestione (Ob. 3).
RISORSE
Non sono previste propedeuticità formali. Sono tuttavia utili conoscenze di base di architettura degli elaboratori, sistemi
operativi, reti di calcolatori e programmazione.
Testi di riferimento
- M. van Steen and A.S. Tanenbaum, Distributed Systems, 4th ed., distributed-systems.net, 2023 - D.C. Marinescu,
Cloud computing: theory and practice, 3rd ed., Morgan Kaufmann, 2022. I testi sono consigliati per l'approfondimento e
sono affiancati dalle dispense dei docenti.
VERIFICA
/**/
Il percorso prevede attività di didattica interattiva sincrona, una prova intermedia e una prova finale, che nel loro
insieme consentono di valutare il grado di comprensione delle nozioni teoriche e la capacità di applicazione delle
stesse, nonché il livello di competenza e l'autonomia di giudizio maturati dalla studentessa e dallo studente. La
partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul voto
finale, attribuiti in funzione della qualità della partecipazione alle attività e dell'esito delle prove. La prova intermedia si
svolge in modalità scritta online e consente alle studentesse e agli studenti di monitorare il proprio apprendimento
attraverso momenti di verifica progressiva e consolidamento delle conoscenze. La prova intermedia può prevedere
quesiti a risposta multipla e/o esercizi applicativi coerenti con i contenuti dell'insegnamento. La prova finale si svolge in
presenza e la valutazione è espressa in trentesimi. La prova si intende superata con un punteggio minimo di 18/30. Al
raggiungimento dell'eccellenza in tutti gli elementi di valutazione può essere attribuita la lode.
DESCRIZIONE
Codice insegnamento UC29820
L’insegnamento si propone di fornire conoscenze teoriche, metodologiche e applicative sui fondamenti del game design, dalla comprensione del gioco come fenomeno culturale, sociale e tecnologico alla progettazione e…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento si propone di fornire conoscenze teoriche, metodologiche e applicative sui fondamenti del game
design, dalla comprensione del gioco come fenomeno culturale, sociale e tecnologico alla progettazione e
prototipazione di giochi digitali e analogici. Il corso affronta teorie del gioco, strumenti progettuali, documentazione,
playtest, tecnologie per lo sviluppo e casi di studio applicativi in ambito educativo, terapeutico, culturale e inclusivo.
Obiettivi formativi:
Acquisire conoscenze sui fondamenti teorici del gioco, dei game studies e del game design, comprendendo il ruolo del
gioco nei contesti culturali, sociali, educativi e tecnologici (Ob.1). Sviluppare competenze pratiche nella progettazione,
documentazione, prototipazione e valutazione di giochi digitali e analogici, anche attraverso strumenti e tecnologie per
la realizzazione di giochi digitali, inclusi ambienti di sviluppo come Unity (Ob.2). Analizzare e contestualizzare differenti
tipologie di gioco e casi di studio applicativi, inclusi giochi digitali e analogici, pervasive e urban game, applicazioni in
realtà estesa, serious games e tecnologie interattive per formazione, apprendimento, benessere, inclusione, patrimonio
culturale, salute e addestramento professionale (Ob.3).
INCLUSIONE
Studentesse e studenti con disabilità, disturbi specifici dell’apprendimento (DSA), bisogni educativi speciali (BES) o
altre condizioni di necessità, anche temporanee, possono rivolgersi ai docenti dell’insegnamento e all’Ufficio Inclusione
([email protected]) per ricevere informazioni sui supporti e sugli strumenti disponibili.
Nel rispetto delle procedure di Ateneo, potranno essere individuate modalità flessibili di fruizione dei materiali e di
partecipazione alle attività didattiche, adeguate alle specifiche esigenze e coerenti con gli obiettivi formativi
dell’insegnamento.
POLICY SULL’UTILIZZO DI INTELLIGENZA ARTIFICIALE E/O GENERATIVA
L'utilizzo di strumenti di IA è consentito come supporto allo studio individuale, all'approfondimento degli argomenti, alla
ricerca di esempi, alla revisione linguistica di testi e alla sperimentazione guidata di soluzioni, purché avvenga in modo
critico, trasparente e conforme ai principi di integrità accademica.
Non è consentito presentare come proprio un testo, una query, uno schema, una soluzione progettuale o altro
materiale generato integralmente o prevalentemente da strumenti di IA senza verifica, rielaborazione personale e
adeguata dichiarazione d'uso. Nelle attività oggetto di valutazione diverse dalle prove d’esame e dalle attività
valutative individuali, l'utilizzo di strumenti di IA è consentito esclusivamente quando espressamente autorizzato dal
docente e nei limiti da questi indicati. In tali casi, lo studente o la studentessa deve dichiarare lo strumento utilizzato, i
prompt principali o una loro sintesi, la finalità dell'uso, le parti del lavoro interessate e le modalità con cui l'output è
stato verificato, corretto e rielaborato. La responsabilità scientifica, tecnica e formale del contenuto resta interamente
in capo allo studente o alla studentessa.
L'uso di strumenti di IA non è ammesso nelle prove d’esame e nelle attività valutative individuali.
OBIETTIVI AGENDA 2030 PER LO SVILUPPO SOSTENIBILE
L’insegnamento contribuisce, in modo coerente con i propri contenuti e con il profilo formativo del Corso di Studio, ai
seguenti Obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile:
Obiettivo 3 – Salute e benessere: il corso affronta casi di studio relativi a giochi per il benessere, serious games in
ambito ADHD e applicazioni per la simulazione e l’addestramento in ambito sanitario. Obiettivo 4 – Istruzione di qualità:
il corso sviluppa competenze digitali, progettuali e metodologiche utili all’apprendimento attivo, alla progettazione di
esperienze educative e alla comprensione critica dei media interattivi. Obiettivo 9 – Imprese, innovazione e
infrastrutture: il game design e le tecnologie di sviluppo videoludico supportano processi innovativi nei settori del
software, delle industrie creative, della realtà estesa e delle applicazioni interattive. Obiettivo 10 – Ridurre le
disuguaglianze: il corso considera il ruolo dei giochi e delle tecnologie immersive nei processi di inclusione sociale,
accessibilità e partecipazione.
Programma
Il programma è articolato in sei moduli: fondamenti teorici del gioco e del game design; progettazione e
documentazione di giochi; tipologie di gioco; realtà estesa; realizzazione di giochi con Unity; casi di studio applicativi.
Di seguito l’elenco delle 45 videolezioni, comprensivo di casi di studio e lezioni di didattica innovativa.
Modulo 1: Il gioco e il giocare
1. Game Studies e Game Design 2. L’immaginazione ludica 3. Gioco e società 4. Gioco e well-being 5. Gioco e
cambiamento 6. Game Theory 7. Game Theory e Game Design 8. Gioco e narrazione
Modulo 2: Progettare un gioco
9. Progettare un gioco 10. Tassonomie di gioco 11. Il Game Design Document 12. Narrazione e conflitto nel gioco 13.
Esperienza significativa 14. Meccaniche di gioco 15. Regole di gioco: definizione 16. Regole di gioco: comunicazione 17.
Componenti visive di un gioco 18. Il playtest
Modulo 3: Tipi di gioco
19. Tassonomie ludiche 20. Pervasive e Urban Game 21. Boardgame 22. Video Game Design
Modulo 4: Giocare nella Realtà Estesa
23. La Realtà Virtuale (VR) 24. La Realtà Aumentata e Mista (AR/MR) 25. Modalità di interazione: controller e gesture
26. Dispositivi di output
Modulo 5: Realizzare un gioco
27. Introduzione al game engine Unity 28. Lo scripting C# in Unity 29. Movimento e generazione di oggetti a runtime
30. Fisica e collisioni 31. Condizioni di vittoria e sconfitta 32. AI e nemici nel gioco 33. Materiali ed effetti con le render
pipeline e Shader Graph 34. Effetti visivi usando sistemi di particelle e VFX Graph 35. Illuminazione e ombre 36. Post-
processing ed effetti avanzati 37. Integrazione di suoni e musica 38. Creare interfacce utente in Unity 39. Creare
animazioni
Modulo 6: Casi di studio
40. Presenza e immersione negli ambienti VR 41. La metafora dei portali virtuali per la visita di monumenti e siti del
passato 42. I Serious Games per la cura dell’ADHD 43. I Serious Games per l’addestramento chirurgico 44. La realtà
estesa per l’inclusione sociale 45. Il ruolo delle interfacce aptiche nell’addestramento virtuale
Modalità d'esame
Il percorso prevede attività di didattica interattiva sincrona, una prova intermedia e una prova finale, che nel loro
insieme consentono di valutare il grado di comprensione delle nozioni teoriche e la capacità di applicazione delle
stesse, nonché il livello di competenza e l’autonomia di giudizio maturati dalla studentessa e dallo studente.
La partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul
voto finale, attribuiti in funzione della qualità della partecipazione alle attività e dell’esito delle prove.
La prova intermedia si svolge in modalità scritta online e consente alle studentesse e agli studenti di monitorare il
proprio apprendimento attraverso momenti di verifica progressiva e consolidamento delle conoscenze.
La prova finale si svolge in presenza e la valutazione è espressa in trentesimi. La prova si intende superata con un
punteggio minimo di 18/30. Al raggiungimento dell’eccellenza in tutti gli elementi di valutazione può essere attribuita la
lode.
Le verifiche sono finalizzate ad accertare la conoscenza dei fondamenti teorici del game design, la capacità di applicare
modelli e strumenti progettuali, la comprensione delle tecnologie di sviluppo e la capacità di analizzare criticamente
casi di studio e scelte progettuali.
Testi di riferimento
Ebook: Bertolo, M., & Mariani, I. (2014). Game Design. Gioco e giocare tra teoria e progetto. Pearson Italia. Materiale di
riferimento per i moduli 1, 2 e 3, limitatamente alle parti coerenti con gli argomenti trattati nelle videolezioni.
(Disponibile nella sezione “Biblioteca”).
Borromeo, N. A. (2023). Hands-On Unity Game Development (4th ed.). Packt Publishing. Testo di approfondimento
volontario per la parte applicativa relativa a Unity; non sarà oggetto specifico di esame.
Il modello didattico è basato sullo studio dell’e-book e delle dispense del docente associate alle videolezioni.
Codice insegnamento UC29817
Conoscenza e capacità di comprensione Comprensione dei principi base dell’automazione industriale, dei sistemi ad eventi discreti e del controllo di variabili analogiche in ambienti real-time (Obiettivo 1). Conoscenza…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione
Comprensione dei principi base dell’automazione industriale, dei sistemi ad eventi discreti e del controllo di
variabili analogiche in ambienti real-time (Obiettivo 1).
Conoscenza approfondita delle reti di comunicazione industriali, del modello ISO-OSI e dei protocolli per il real-
time industriale (Obiettivo 2).
Capacità di comprendere il funzionamento e la programmazione dei PLC attraverso linguaggi come SFC
(Sequential Functional Chart) (Obiettivo 3).
Familiarità con normative e standard per l’Industria 4.0 (IEC 61149, RAMI 4.0, OPAS), incluso l’Asset
Administration Shell (Obiettivo 4).
Conoscenza delle tecniche di analisi di dati industriali strutturati (SQL), semi-strutturati (XML, JSON), e dei
concetti base di manutenzione predittiva con machine learning (Obiettivo 5).
Comprensione delle tecnologie abilitanti moderne, tra cui OPC UA, Digital Twin e Cyber-Physical Systems
(Obiettivo 6).
Capacità di applicare conoscenza e comprensione
Collaborare con esperti alla progettazione di sistemi di automazione real-time gestendo eventi discreti e
variabili analogiche in modo efficiente (Obiettivo 1).
Collaborare con esperti alla configurazione e analisi di reti industriali a tempo reale, valutando la qualità del
servizio e la latenza di comunicazione (Obiettivo 2).
Collaborare con esperti alla programmazione di soluzioni di controllo con PLC e modellazione di processi
industriali con linguaggi normati (SFC) (Obiettivo 3).
Applicare standard industriali nei progetti per garantire interoperabilità, modularità e scalabilità delle soluzioni
(Obiettivo 4).
Estrarre, trasformare e analizzare dati da sorgenti SQL, XML, JSON e valutare modelli predittivi per ottimizzare
la manutenzione (Obiettivo 5).
Collaborare con esperti alla integrazione di tecnologie come Digital Twins e OPC UA in sistemi Cyber-Physical
complessi (Obiettivo 6).
Autonomia di giudizio
Valutare criticamente l’adeguatezza delle soluzioni di automazione real-time in relazione alla complessità del
processo (Obiettivo 1).
Giudicare l’efficacia e la scalabilità delle reti industriali selezionate in contesti produttivi ad alta affidabilità
(Obiettivo 2).
Analizzare in modo critico le scelte progettuali relative a PLC e linguaggi di programmazione per garantire
manutenibilità e robustezza (Obiettivo 3).
Valutare l’applicazione di normative e standard nella digitalizzazione dei sistemi, con particolare attenzione
all’interoperabilità (Obiettivo 4).
Interpretare correttamente dati complessi e scegliere gli strumenti più efficaci per l’analisi e la manutenzione
predittiva (Obiettivo 5).
Riflettere sull’efficacia e sull’impatto dell’introduzione di CPS, Digital Twins e OPC UA nei processi aziendali
(Obiettivo 6).
Abilità comunicative
Capacità di comunicare in modo chiaro e tecnico il funzionamento di un sistema di automazione industriale,
evidenziando criticità e benefici (Obiettivo 1).
Abilità nel descrivere l’architettura delle reti industriali e il ruolo dei protocolli real-time in un contesto
multidisciplinare (Obiettivo 2).
Capacità di presentare diagrammi SFC e logiche PLC a colleghi e stakeholder, illustrando la logica di controllo
sottostante (Obiettivo 3).
Competenza nel descrivere e motivare l’adozione di standard di interoperabilità e digitalizzazione nei contesti di
Industria 4.0 (Obiettivo 4).
Abilità nell’esporre con chiarezza analisi di dati, risultati di manutenzione predittiva e implicazioni di machine
learning (Obiettivo 5).
Capacità di apprendimento
Autonomia nell’approfondimento delle tecnologie emergenti nell’automazione industriale e dei paradigmi real-
time (Obiettivo 1).
Attitudine all’aggiornamento continuo su protocolli industriali, reti e architetture di comunicazione (Obiettivo 2).
Capacità di apprendere e applicare nuove metodologie di programmazione dei PLC e linguaggi di automazione
standardizzati (Obiettivo 3).
Interesse nell’esplorare gli sviluppi normativi e gli standard europei per la digitalizzazione dei sistemi produttivi
(Obiettivo 4).
Disponibilità ad approfondire strumenti di analisi dati, algoritmi predittivi e tecniche per la manutenzione
intelligente (Obiettivo 5).
Motivazione nell'apprendimento di concetti avanzati come Digital Twins, OPC UA, CPS e sistemi multi-agente
per l’automazione (Obiettivo 6).
DESCRIZIONE
/**/
PROGRAMMA DEL CORSO: ELENCO DELLE VIDEOLEZIONI
Introduzione all'automazione industriale Il tempo reale Implementazione del real time Reti di Calcolatori Il modello
ISO–OSI Reti a industriali a tempo reale Controllo di variabili analogiche Il PLC: controllore logico programmabile
Linguaggio Sequential Functional Chart Sistemi ad eventi discreti Industria 4.0: normativa correlata Richiami di
protocolli di trasmissione Introduzione alla Open Platform Communications Unified Architecture Open Platform
Communications Unified Architecture, sicurezza, prestazioni, compatibilità Digital Twins Analisi di Dati Analisi di dati
strutturati: RDBMS ed SQL Analisi di dati semi-strutturati: XML Analisi di dati semi-strutturati:JSON Machine learning per
la manutenzione predittiva Clustering e Deep Learning per la manutenzione predittiva IEC 611499 Elementi di IEC
61499 Modelli di IEC 61499 Introduzione ai Cyber-Physical Systems Industrial Cyber-Physical Systems Cenni su sistemi
ad agenti per l’automazione Interoperabilità e Complessità RAMI 4.0 Asset Administration Shell
Codice insegnamento UC29795
Conoscenza e capacità di comprensione: Conoscenza dei principi e delle architetture alla base dell’IA generativa (Obiettivo 1). Comprensione delle tecniche di progettazione dei prompt e del loro impatto sui risultati…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione:
Conoscenza dei principi e delle architetture alla base dell’IA generativa (Obiettivo 1).
Comprensione delle tecniche di progettazione dei prompt e del loro impatto sui risultati generati (Obiettivo 2).
Familiarità con gli strumenti per la generazione di contenuti testuali, visivi, audio e multimediali (Obiettivo 3).
Conoscenza dei modelli di integrazione dell’IA generativa in contesti lavorativi e creativi (Obiettivo 4).
Comprensione delle implicazioni etiche, legali e sociali legate all’utilizzo di sistemi generativi (Obiettivo 5).
Capacità di applicare conoscenza e comprensione:
Saper progettare prompt efficaci e modulari per diversi tipi di modelli generativi (Obiettivi 2 e 3).
Essere in grado di utilizzare strumenti di IA generativa per creare contenuti in modo consapevole e produttivo
(Obiettivo 3).
Applicare soluzioni AI-based a scenari pratici, sviluppando flussi di lavoro automatizzati (Obiettivo 4).
Analizzare criticamente l’output dell’IA per verificarne coerenza, affidabilità e adeguatezza (Obiettivi 3 e 5).
Autonomia di giudizio:
Valutare le potenzialità e i limiti dei vari strumenti di IA generativa in relazione al contesto di utilizzo (Obiettivi 1 e 3).
Saper individuare bias, errori o rischi nei contenuti generati (Obiettivo 5).
Formulare valutazioni critiche sull’efficacia dei workflow costruiti con IA (Obiettivo 4).
Abilità comunicative:
Comunicare in modo chiaro i processi di interazione con sistemi generativi, anche a interlocutori non esperti (Obiettivo
2).
Presentare contenuti generati spiegando le scelte progettuali e le implicazioni etiche (Obiettivi 4 e 5).
Esporre flussi di lavoro in modo strutturato, illustrando l'integrazione delle tecnologie IA (Obiettivo 4).
Capacità di apprendimento:
Aggiornarsi sulle evoluzioni degli strumenti e dei modelli di IA generativa (Obiettivo 1).
Sviluppare competenze di autoformazione sui linguaggi di prompt e sugli strumenti emergenti (Obiettivo 2).
Imparare a valutare criticamente nuove applicazioni, riflettendo sulle questioni etiche emergenti (Obiettivo 5).
Codice insegnamento UC29826
Conoscenza e capacità di comprensione: Conoscenza delle basi di Unity, del game engine e delle componenti essenziali del game loop (Obiettivo 1). Comprensione delle differenze tra sviluppo 2D e 3D, inclusi movimenti,…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione:
Conoscenza delle basi di Unity, del game engine e delle componenti essenziali del game loop (Obiettivo 1).
Comprensione delle differenze tra sviluppo 2D e 3D, inclusi movimenti, interazioni e interfacce (Obiettivo 2).
Conoscenza della gestione degli asset, dell’audio e delle animazioni nel contesto di un videogioco (Obiettivo 3).
Comprensione delle logiche di programmazione in C# applicate a dinamiche di gameplay (Obiettivo 4).
Familiarità con il processo di esportazione e pubblicazione di giochi (Obiettivo 5).
Capacità di applicare conoscenza e comprensione:
Realizzare giochi interattivi funzionanti in Unity, sia 2D che 3D (Obiettivi 2 e 4).
Applicare tecniche di raycasting, collision detection, trigger e gestione di input utente (Obiettivo 4).
Costruire interfacce grafiche personalizzate (GUI) e HUD (Obiettivo 3).
Utilizzare script per controllare eventi, interazioni e sistemi di inventario (Obiettivo 4).
Pubblicare un gioco completo in diversi formati o piattaforme (Obiettivo 5).
Autonomia di giudizio:
Valutare le scelte progettuali in base alla tipologia di gioco e all’esperienza utente (Obiettivo 1).
Analizzare e ottimizzare asset e codice per migliorare prestazioni e fruibilità (Obiettivo 3).
Riconoscere problemi nell’esperienza di gioco e proporre soluzioni creative (Obiettivo 4).
Abilità comunicative:
Comunicare efficacemente le caratteristiche e le meccaniche del gioco sviluppato (Obiettivi 2 e 5).
Documentare il progetto e spiegare il funzionamento delle sue componenti (Obiettivo 4).
Collaborare in gruppo in modo efficace durante il processo di sviluppo (Obiettivo 1).
Capacità di apprendimento:
Acquisire in autonomia competenze relative a nuove funzionalità e aggiornamenti di Unity (Obiettivo 1).
Sviluppare capacità di autoapprendimento per affrontare sfide progettuali sempre più complesse (Obiettivo 2).
Migliorare la qualità dei propri giochi imparando da progetti precedenti e feedback ricevuti (Obiettivo 5).
RISORSE
Libri di testo cxonsigliati:
O'Reilly, Generative AI: The Guide for Business and Creativity
Luciano Floridi, Etica dell’Intelligenza Artificiale, Raffaello Cortina Editore
Si specifica che i testi consigliati sono solo per approfondimento volontario, e che essi non saranno oggetto specifico di
esame, essendo il modello didattico basato sull’utilizzo delle dispense del docente, soprattutto per la verifica in sede di
esame.
VERIFICA
/**/
L’esame può essere sostenuto sia in forma scritta che in forma orale.
Gli appelli orali sono previsti nella sola sede centrale. L’esame orale consiste in un colloquio con la Commissione sui
contenuti del corso. L’esame scritto consiste nello svolgimento di un test con 30 domande. Per ogni domanda lo
studente deve scegliere una di 4 possibili risposte. Solo una risposta è corretta.
Sia le domande orali che le domande scritte sono formulate per valutare il grado di comprensione delle nozioni teoriche
e la capacità di ragionare utilizzando tali nozioni. Le domande sulle nozioni teoriche consentiranno di valutare il livello
di comprensione. Le domande che richiedono l’elaborazione di un ragionamento consentiranno di valutare il livello di
competenza e l’autonomia di giudizio maturati dallo studente.
Le abilità di comunicazione e le capacità di apprendimento saranno valutate ance attraverso le interazioni dirette tra
docente e studente che avranno luogo durante la fruizione del corso (videoconferenze ed elaborati proposti dal
docente).
Codice insegnamento UC29822
L’insegnamento si propone di fornire alle studentesse e agli studenti le conoscenze teoriche e le competenze operative necessarie per comprendere, analizzare e supportare i processi di trasformazione digitale nelle…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento si propone di fornire alle studentesse e agli studenti le conoscenze teoriche e le competenze operative
necessarie per comprendere, analizzare e supportare i processi di trasformazione digitale nelle organizzazioni e nei
sistemi produttivi. Attraverso lo studio di metodologie, modelli e tecnologie digitali emergenti, il corso intende
sviluppare una visione integrata della digitalizzazione, con particolare attenzione all’interoperabilità, alla modellazione
dei processi e dei sistemi, alla gestione digitale degli asset e alle tecnologie distribuite per la fiducia e la collaborazione.
Ob.1 – Comprendere i paradigmi e le tecnologie della trasformazione digitale Acquisire una conoscenza strutturata dei
principali paradigmi e delle tecnologie che caratterizzano la trasformazione digitale, con particolare riferimento ai
Digital Twin, alle tecnologie blockchain, agli smart contract, all’identità e alla fiducia digitale e alle infrastrutture per la
gestione digitale degli asset e dei dati.
Ob.2 – Applicare metodologie e strumenti di modellazione e progettazione Sviluppare la capacità di utilizzare linguaggi,
metodi e strumenti di rappresentazione standardizzati, quali BPMN, UML e SysML, per analizzare e descrivere processi,
sistemi e architetture digitali complesse, favorendo la comprensione delle relazioni tra componenti organizzative,
informative e tecnologiche.
Ob.3 – Valutare criticamente l’adozione delle tecnologie digitali nei contesti organizzativi e industriali Sviluppare
competenze di analisi e valutazione delle opportunità, dei benefici, dei limiti e dei rischi associati all’adozione delle
tecnologie digitali emergenti, considerando aspetti di interoperabilità, sicurezza, privacy, sostenibilità e governance, al
fine di supportare processi di trasformazione digitale consapevoli e responsabili.
Programma
Introduzione alla trasformazione digitale Digital Twins BPMN (Business Process Model and Notation) Coreografie di
processi con BPMN UML (Unified Modeling Language) per la gestione SysML (Systems Modeling Language) Blockchain:
concetti e pratica Smart Contracts e applicazioni industriali Tecnologie per privatezza e fidatezza Amministrazione
digitale degli asset
Modalità d'esame
Il percorso prevede attività di didattica interattiva sincrona, una prova intermedia e una prova finale, che nel loro
insieme consentono di valutare il grado di comprensione delle nozioni teoriche e la capacità di applicazione delle
stesse, nonché il livello di competenza e l'autonomia di giudizio maturati dalla studentessa e dallo studente.
La partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul
voto finale, attribuiti in funzione della qualità della partecipazione alle attività e dell'esito delle prove.
La prova intermedia si svolge in modalità scritta online consente alle studentesse e agli studenti di monitorare il proprio
apprendimento attraverso momenti di verifica progressiva e consolidamento delle conoscenze.
La prova finale si svolge in presenza e la valutazione è espressa in trentesimi. La prova si intende superata con un
punteggio minimo di 18/30. Al raggiungimento dell'eccellenza in tutti gli elementi di valutazione può essere attribuita la
lode.
È ammesso l’utilizzo di una calcolatrice e di fogli bianchi per brevi calcoli per l’espletamento delle prove.
Testi di riferimento
Materiale del docente con riferimenti a vari testi e risorse disponibili su Web.
Si specifica che eventuali riferimenti ad altri testi sono solo per approfondimento volontario, e non sarà oggetto
specifico di esame. Il modello didattico è basato sullo studio delle dispense del docente.
Codice insegnamento UC29803
Il corso introduce i principi teorici e applicativi del prompt engineering e dell’uso dei Large Language Models (LLM) per la progettazione di soluzioni basate su intelligenza artificiale generativa. L’insegnamento…
Scheda dell'insegnamento
Obiettivi formativi
Il corso introduce i principi teorici e applicativi del prompt engineering e dell’uso dei Large Language Models (LLM) per
la progettazione di soluzioni basate su intelligenza artificiale generativa. L’insegnamento approfondisce il
funzionamento dei modelli, la progettazione di prompt efficaci, la costruzione di workflow e agenti LLM, l’integrazione
con strumenti e framework applicativi e i criteri di valutazione tecnica, critica ed etica dei risultati.
Obiettivi formativi:
- Comprendere il funzionamento generale degli LLM, i principi delle architetture Transformer e il ruolo del prompt
engineering nei sistemi di IA generativa (Ob.1). - Progettare e ottimizzare prompt efficaci per compiti di generazione, classificazione, sintesi, estrazione,
trasformazione e ragionamento assistito (Ob.2). - Progettare applicazioni, workflow, pipeline, sistemi RAG, meccanismi di memoria, function calling e agenti basati su
LLM (Ob.3). - Conoscere strumenti, framework e modelli generativi complementari, inclusi LangChain, modelli open source e
sistemi di generazione multimodale (Ob.4). - Valutare criticamente qualità, limiti, affidabilità, bias, rischi e impatti dell’uso di LLM in contesti applicativi e
professionali (Ob.5).
Modalità d'esame
Il percorso prevede attività di didattica interattiva sincrona, una prova intermedia e una prova finale, che nel loro
insieme consentono di valutare il grado di comprensione delle nozioni teoriche, la capacità di applicazione delle stesse,
il livello di competenza e l’autonomia di giudizio maturati dalla studentessa e dallo studente.
La partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul
voto finale, attribuiti in funzione della qualità della partecipazione alle attività e dell’esito delle prove.
La prova intermedia si svolge in modalità scritta online e consente alle studentesse e agli studenti di monitorare il
proprio apprendimento attraverso momenti di verifica progressiva e consolidamento delle conoscenze.
La prova finale si svolge in presenza e la valutazione è espressa in trentesimi. La prova si intende superata con un
punteggio minimo di 18/30. Al raggiungimento dell’eccellenza in tutti gli elementi di valutazione può essere attribuita la
lode. Le prove sono progettate per verificare sia la conoscenza dei principi teorici degli LLM e del prompt engineering,
sia la capacità di applicare tali principi alla progettazione, analisi e valutazione di prompt, workflow e applicazioni
basate su IA generativa.
Testi di riferimento
Il corso è basato sullo studio delle dispense e dei materiali didattici associati alle videolezioni, che costituiscono il
riferimento principale per la preparazione dell’esame.
Per eventuale approfondimento volontario, non oggetto specifico di esame, si consigliano i seguenti testi:
- Berryman, J., & Ziegler, A. (2024). Prompt Engineering for LLMs. O’Reilly Media.
- Phoenix, J., & Taylor, M. (2024). Prompt Engineering for Generative AI: Future-Proof Inputs for Reliable AI Outputs at
Scale. O’Reilly Media.
Codice insegnamento UC29825
/**/ Conoscenza e capacità di comprensione Conoscenza dei principi fondamentali che regolano il funzionamento dell’azienda, dei progetti e della finanza d’impresa, con particolare attenzione alle dinamiche strategiche,…
Scheda dell'insegnamento
Obiettivi formativi
/**/
- Conoscenza e capacità di comprensione
Conoscenza dei principi fondamentali che regolano il funzionamento dell’azienda, dei progetti e della finanza d’impresa, con
particolare attenzione alle dinamiche strategiche, organizzative e sostenibili (ob.1, ob.2, ob.3);
Comprensione delle principali metodologie di project management, delle logiche economico-finanziarie aziendali e delle
implicazioni ambientali e sociali delle decisioni gestionali (ob.1, ob.3, ob.4). - Capacità di applicare conoscenza e comprensione
Capacità di analizzare e gestire progetti aziendali attraverso strumenti di pianificazione, gestione delle risorse, controllo dei
costi e valutazione dei rischi (ob.2, ob.3);
Capacità di interpretare e utilizzare strumenti finanziari e informativi per supportare decisioni strategiche e operative in azienda
(ob.2, ob.3);
Capacità di integrare criteri di sostenibilità nella gestione dei progetti e nelle scelte finanziarie (ob.3, ob.4). - Autonomia di giudizio
Capacità di valutare in autonomia scelte gestionali, organizzative e finanziarie sulla base di scenari, dati e vincoli specifici (ob.3,
ob.4);
Capacità di identificare soluzioni orientate all’efficienza e alla sostenibilità nei processi aziendali e progettuali (ob.3, ob.4);
Capacità di riflettere criticamente sull’impatto economico, ambientale e sociale delle decisioni aziendali e progettuali (ob.3,
ob.4). - Abilità comunicative
Capacità di comunicare in modo chiaro e strutturato le analisi, le strategie e le soluzioni relative alla gestione aziendale, alla
conduzione dei progetti e alla finanza d’impresa (ob.1, ob.2, ob.3);
Capacità di utilizzare un linguaggio tecnico adeguato a descrivere processi, modelli e strumenti, anche in contesti
multidisciplinari (ob.1, ob.2);
Capacità di interagire efficacemente in team, favorendo la collaborazione per la gestione di progetti complessi e l’integrazione
di competenze (ob.2, ob.3, ob.4). - Capacità di apprendimento
Capacità di aggiornarsi autonomamente sulle più recenti metodologie di gestione aziendale, di project management e di finanza
sostenibile (ob.3, ob.4);
Capacità di sviluppare un approccio critico e riflessivo nei confronti delle trasformazioni organizzative e tecnologiche che
influenzano il mondo aziendale (ob.1, ob.3);
Capacità di apprendere in modo continuo per affrontare contesti decisionali dinamici, complessi e orientati alla sostenibilità
(ob.3, ob.4).
Modalità d'esame
L’esame può essere sostenuto sia in forma scritta che in forma orale. L’esame orale consiste in un colloquio con la
Commissione sui contenuti dell’insegnamento. L’esame in forma scritta consiste nello svolgimento di un test composto
da
31 domande. Per ogni domanda lo studente deve scegliere una delle 4 possibili risposte. Solo una risposta è corretta e,
in
caso di risposte errate o mancanti, non sarà attribuita alcuna penalità. Rispondendo correttamente a tutte le 31
domande,
si conseguirà la lode.
Oltre alla prova d’esame finale, il percorso prevede attività di didattica interattiva sincrona e prove intermedie che
consentono alle studentesse e agli studenti di monitorare il proprio apprendimento, attraverso momenti di verifica
progressiva e consolidamento delle conoscenze.
La partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul
voto
finale, attribuiti in funzione della qualità della partecipazione alle attività e dell’esito delle prove.
Per accedere alle prove intermedie è necessario aver seguito almeno il 50% di ogni ora di didattica interattiva. Le prove
intermedie possono consistere in un test di fine lezione o nella predisposizione di un elaborato. Le prove intermedie si
considerano superate avendo risposto correttamente ad almeno l’80% delle domande di fine lezione.
In caso di prove intermedie che prevedano la redazione di un elaborato, il superamento delle stesse ai fini della
premialità
sarà giudicata dal docente titolare dell’insegnamento. I punti di premialità, previsti per le prove intermedie, sono
sommati al voto finale d’esame solo se la prova d’esame è superata con un punteggio pari ad almeno 18/30 e possono
contribuire al conseguimento della lode.
Le modalità d’esame descritte sono progettate per valutare il grado di comprensione delle nozioni teoriche e la
capacità
di applicazione delle stesse e consentiranno di valutare il livello di competenza e l’autonomia di giudizio maturati dalla
studentessa e dallo studente. Le abilità di comunicazione e la capacità di apprendimento saranno valutate anche
attraverso le interazioni dirette che avranno luogo durante la fruizione dell’insegnamento.
È possibile utilizzare fogli bianchi e calcolatrice per l’espletamento delle prove.
Codice insegnamento UC29821
/**/ Conoscenza e capacità di comprensione Comprendere i principi del design centrato sull’utente, del design thinking e dell’esperienza utente (Ob. 1); Conoscere i metodi di ricerca qualitativa e quantitativa per…
Scheda dell'insegnamento
Obiettivi formativi
/**/
Conoscenza e capacità di comprensione
Comprendere i principi del design centrato sull’utente, del design thinking e dell’esperienza utente (Ob. 1);
Conoscere i metodi di ricerca qualitativa e quantitativa per l’analisi dei bisogni degli utenti (Ob. 2);
Comprendere le tecniche e le metriche per la valutazione dell’usabilità, del carico cognitivo e dell’esperienza
immersiva (Ob. 4);
Conoscere gli strumenti per la prototipazione, la progettazione di wireframe e la documentazione progettuale (Ob. 3 e
5).
Capacità di applicare conoscenza e comprensione
Applicare tecniche di analisi per la definizione delle personas e la mappatura dei percorsi utente (Ob. 2-3);
Progettare soluzioni di interazione utente attraverso wireframe e prototipi funzionali (Ob. 3);
Sviluppare ed eseguire test di usabilità, analizzare i dati raccolti e tradurli in indicazioni progettuali (Ob. 4);
Tradurre le esigenze utente in user stories e documentazione efficace per il team di sviluppo (Ob. 5).
Autonomia di giudizio
Valutare criticamente le scelte progettuali in base ai dati raccolti e ai principi di human-centered design (Ob. 1-4);
Saper riflettere sull’impatto etico e sociale dell’esperienza utente, inclusi benessere, accessibilità e inclusione (Ob. 1 e
4);
Analizzare contesti d’uso e definire priorità progettuali basate su metriche UX e feedback utente (Ob. 2-4).
Abilità comunicative
Comunicare in modo efficace le decisioni progettuali e i risultati delle analisi a interlocutori tecnici e non (Ob. 5);
Redigere documentazione progettuale, report di ricerca e presentazioni di portfolio (Ob. 5);
Collaborare in team multidisciplinari e partecipare attivamente a processi di co-progettazione (Ob. 2-5).
Capacità di apprendimento
Sviluppare la capacità di aggiornarsi in autonomia sulle metodologie emergenti nell’ambito della user experience (Ob.
1-5);
Integrare conoscenze teoriche e pratiche per affrontare nuove sfide progettuali in contesti digitali in evoluzione (Ob. 3-
5);
Acquisire consapevolezza del ruolo della UX nei contesti professionali, aziendali e culturali (Ob. 1-5).
Modalità d'esame
/**/
L’esame può essere sostenuto sia in forma scritta che in forma orale.
Gli appelli orali sono previsti nella sola sede centrale. L’esame orale consiste in un colloquio con la Commissione sui
contenuti del corso.
L’esame scritto consiste nello svolgimento di un test con 30 domande. Per ogni domanda lo studente deve scegliere
una di 4 possibili risposte. Solo una risposta è corretta.
Sia le domande orali che le domande scritte sono formulate per valutare il grado di comprensione delle nozioni teoriche
e la capacità di ragionare utilizzando tali nozioni. Le domande sulle nozioni teoriche consentiranno di valutare il livello
di comprensione. Le domande che richiedono l’elaborazione di un ragionamento consentiranno di valutare il livello di
competenza e l’autonomia di giudizio maturati dallo studente.
Le abilità di comunicazione e la capacità di apprendimento saranno valutate anche attraverso le interazioni dirette tra
docente e studente che avranno luogo durante la fruizione del corso (videoconferenze ed elaborati proposti dal
docente).
Testi di riferimento
/**/
Ebook: Conta, A. (2023). The Art and Science of UX Design: A step-by-step guide to designing amazing user
experiences, Pearson. (Disponibile nella sezione “Biblioteca”).
Si precisa che gli articoli scientifici suggeriti al termine delle lezioni di didattica innovativa sono solo per
approfondimento volontario, e non saranno oggetto specifico di esame. Il modello didattico è basato sullo studio
dell’ebook.
Codice insegnamento UC29793
/**/ Il corso si propone di fornire i rudimenti sociologici riconducibili al più ampio e interdisciplinare panorama dei media studies, sia nella sua prospettiva più classica che attualizzata. Più nello specifico,…
Scheda dell'insegnamento
Obiettivi formativi
/**/
Il corso si propone di fornire i rudimenti sociologici riconducibili al più ampio e interdisciplinare panorama dei media
studies, sia nella sua prospettiva più classica che attualizzata. Più nello specifico, attraverso un inquadramento teorico
e il riferimento a casi specifici di applicazione, si intende portare gli studenti al raggiungimento dei seguenti obiettivi:
1. Familiarizzare, comprendere e utilizzare ai fini interpretativi le principali conoscenze mediologiche;
2. Applicare le conoscenze acquisite alla lettura della società e soprattutto dei fenomeni più recenti che
coinvolgono anche il web;
3. Sviluppare una competenza critica nella lettura dei fenomeni socio-antropologici e culturali connessi al
mondo dei media.
@font-face {font-family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-
family:roman; mso-font-pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}@font-face {font-
family:"Trebuchet MS"; panose-1:2 11 6 3 2 2 2 2 2 4; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-
pitch:variable; mso-font-signature:647 0 0 0 159 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no;
mso-style-qformat:yes; mso-style-parent:""; margin:0cm; mso-pagination:none; text-autospace:none; font-size:11.0pt;
font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet MS";
mso-fareast-language:EN-US;}p.MsoBodyText, li.MsoBodyText, div.MsoBodyText {mso-style-priority:1; mso-style-
unhide:no; mso-style-qformat:yes; mso-style-link:"Corpo testo Carattere"; margin:0cm; mso-pagination:none; text-
autospace:none; font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-
bidi-font-family:"Trebuchet MS"; mso-fareast-language:EN-US;}span.CorpotestoCarattere {mso-style-name:"Corpo
testo Carattere"; mso-style-priority:1; mso-style-unhide:no; mso-style-locked:yes; mso-style-link:"Corpo testo"; mso-
ansi-font-size:9.0pt; mso-bidi-font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-ascii-font-family:"Trebuchet
MS"; mso-fareast-font-family:"Trebuchet MS"; mso-hansi-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet
MS"; mso-ansi-language:IT;}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-size:11.0pt; mso-
ansi-font-size:11.0pt; mso-bidi-font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-
theme-font:minor-latin; mso-fareast-font-family:Calibri; mso-fareast-theme-font:minor-latin; mso-hansi-font-
family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-
bidi; mso-font-kerning:0pt; mso-ligatures:none; mso-ansi-language:EN-US; mso-fareast-language:EN-
US;}.MsoPapDefault {mso-style-type:export-only; mso-pagination:none; text-autospace:none;}div.WordSection1
{page:WordSection1;}ol {margin-bottom:0cm;}ul {margin-bottom:0cm;}
Programma
Introduzione al corso Cultura e comunicazione La comunicazione verbale e non verbale La pragmatica della
comunicazione umana Interazione, comunicazione, rappresentazione La comunicazione di massa La nascita dei mezzi
di comunicazione di massa Introduzione alle teorie dei media La teoria ipodermica L'approccio "della persuasione"
L'approccio "degli effetti limitati" Il funzionalismo e l'approccio "usi e gratificazioni" Teoria critica e teoria culturologica I
Cultural Studies Le teorie comunicative La Scuola di Toronto La spirale del silenzio La teoria della coltivazione La teoria
dell'agenda setting Limiti e integrazioni dell'agenda setting Il newsmaking Modernità e comunicazione La Rete: origini e
fasi di sviluppo La dimensione macro della Rete: la teoria della network society La dimensione macro della Rete: lavoro
e potere La dimensione micro della Rete: relazioni e vita quotidiana La Rete e il capitale sociale Gli usi sociali del Web
Problemi aperti e questioni etiche della Rete Social network: fenomenologia della connessione Social network: forme di
inclusione comunicativa e pratiche online Le performance della relazione sui social network Le cosmesi della presenza
sui social network Giornalismo e media digitali La fruizione dell'informazione I giovani e l'informazione
@font-face {font-family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-
family:roman; mso-font-pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}@font-face {font-
family:Aptos; panose-1:2 11 0 4 2 2 2 2 2 4; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-pitch:variable;
mso-font-signature:536871559 3 0 0 415 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no; mso-
style-qformat:yes; mso-style-parent:""; margin-top:0cm; margin-right:0cm; margin-bottom:8.0pt; margin-left:0cm; line-
height:115%; mso-pagination:widow-orphan; font-size:12.0pt; font-family:"Aptos",sans-serif; mso-ascii-font-
family:Aptos; mso-ascii-theme-font:minor-latin; mso-fareast-font-family:Aptos; mso-fareast-theme-font:minor-latin;
mso-hansi-font-family:Aptos; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-
theme-font:minor-bidi; mso-font-kerning:1.0pt; mso-ligatures:standardcontextual; mso-fareast-language:EN-
US;}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-family:"Aptos",sans-serif; mso-ascii-font-
family:Aptos; mso-ascii-theme-font:minor-latin; mso-fareast-font-family:Aptos; mso-fareast-theme-font:minor-latin;
mso-hansi-font-family:Aptos; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-
theme-font:minor-bidi; mso-fareast-language:EN-US;}.MsoPapDefault {mso-style-type:export-only; margin-
bottom:8.0pt; line-height:115%;}div.WordSection1 {page:WordSection
ATTIVITÀ DI DIDATTICA INTERATTIVA (TEL-DI)
/**/
Le attività di Didattica Interattiva (TEL-DI) consistono, per ciascun CFU, in 2 ore erogate in modalità sincrona su
piattaforma Class, svolte dal docente anche con il supporto del tutor disciplinare, e dedicate a una o più tra le seguenti
tipologie di attività:
- sessioni live, in cui il docente guida attività applicative, stimolando la riflessione critica e il confronto diretto
con gli studenti tramite domande in tempo reale e discussioni collaborative; - webinar interattivi, arricchiti da sondaggi e domande dal vivo, per favorire il coinvolgimento attivo e la co-
costruzione della conoscenza; - lavori di gruppo e discussioni in tempo reale, organizzati attraverso strumenti collaborativi come le breakout
rooms, per sviluppare strategie di problem solving e il lavoro in team; - laboratori virtuali collettivi, in cui il docente guida esperimenti, attività pratiche o l’analisi di casi di studio,
rendendo l’apprendimento un’esperienza concreta e partecipativa.
Tali attività potranno essere eventualmente supportate da strumenti asincroni di interazione come per esempio: - forum;
- wiki;
- quiz;
- glossario.
Si prevede l’organizzazione di almeno due edizioni di didattica interattiva sincrona nel corso dell’anno accademico.
Si precisa che il ricevimento degli studenti, anche per le tesi di laurea, non rientra nel computo della didattica
interattiva
@font-face {font-family:Wingdings; panose-1:5 0 0 0 0 0 0 0 0 0; mso-font-charset:77; mso-generic-font-
family:decorative; mso-font-pitch:variable; mso-font-signature:3 0 0 0 -2147483647 0;}@font-face {font-
family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-family:roman; mso-font-
pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}@font-face {font-family:"Trebuchet MS";
panose-1:2 11 6 3 2 2 2 2 2 4; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-pitch:variable; mso-font-
signature:647 0 0 0 159 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no; mso-style-qformat:yes;
mso-style-parent:""; margin:0cm; mso-pagination:none; text-autospace:none; font-size:11.0pt; font-family:"Trebuchet
MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet MS"; mso-fareast-language:EN-
US;}p.MsoBodyText, li.MsoBodyText, div.MsoBodyText {mso-style-priority:1; mso-style-unhide:no; mso-style-
qformat:yes; mso-style-link:"Corpo testo Carattere"; margin:0cm; mso-pagination:none; text-autospace:none; font-
size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-bidi-font-
family:"Trebuchet MS"; mso-fareast-language:EN-US;}span.CorpotestoCarattere {mso-style-name:"Corpo testo
Carattere"; mso-style-priority:1; mso-style-unhide:no; mso-style-locked:yes; mso-style-link:"Corpo testo"; mso-ansi-font-
size:9.0pt; mso-bidi-font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-ascii-font-family:"Trebuchet MS"; mso-
fareast-font-family:"Trebuchet MS"; mso-hansi-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet MS"; mso-
ansi-language:IT;}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-size:11.0pt; mso-ansi-font-
size:11.0pt; mso-bidi-font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-
font:minor-latin; mso-fareast-font-family:Calibri; mso-fareast-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-
hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-font-
kerning:0pt; mso-ligatures:none; mso-ansi-language:EN-US; mso-fareast-language:EN-US;}.MsoPapDefault {mso-style-
type:export-only; mso-pagination:none; text-autospace:none;}div.WordSection1 {page:WordSection1;}ol {margin-
bottom:0cm;}ul {margin-bottom:0cm;}
Modalità d'esame
/**/
L’esame può essere sostenuto sia in forma scritta che in forma orale. L’esame orale consiste in un colloquio con la
Commissione sui contenuti dell’insegnamento. L’esame in forma scritta consiste nello svolgimento di un test composto
da 31 domande. Per ogni domanda lo studente deve scegliere una delle 4 possibili risposte. Solo una risposta è corretta
e, in caso di risposte errate o mancanti, non sarà attribuita alcuna penalità. Rispondendo correttamente a tutte le 31
domande, si conseguirà la lode.
Oltre alla prova d’esame finale, il percorso prevede attività di didattica interattiva sincrona e prove intermedie che
consentono alle studentesse e agli studenti di monitorare il proprio apprendimento, attraverso momenti di verifica
progressiva e consolidamento delle conoscenze.
La partecipazione alle attività di didattica interattiva sincrona consente di maturare una premialità fino a 2 punti sul
voto finale, attribuiti in funzione della qualità della partecipazione alle attività e dell’esito delle prove.
Per accedere alle prove intermedie è necessario aver seguito almeno il 50% di ogni ora di didattica interattiva.
Le prove intermedie possono consistere in un test di fine lezione o nella predisposizione di un elaborato. Le prove
intermedie si considerano superate avendo risposto correttamente ad almeno l’80% delle domande di fine lezione. In
caso di prove intermedie che prevedano la redazione di un elaborato, il superamento delle stesse ai fini della premialità
sarà giudicata dal docente titolare dell’insegnamento.
I punti di premialità, previsti per le prove intermedie, sono sommati al voto finale d’esame solo se la prova d’esame è
superata con un punteggio pari ad almeno 18/30 e possono contribuire al conseguimento della lode.
Le modalità d’esame descritte sono progettate per valutare il grado di comprensione delle nozioni teoriche e la
capacità di applicazione delle stesse e consentiranno di valutare il livello di competenza e l’autonomia di giudizio
maturati dalla studentessa e dallo studente. Le abilità di comunicazione e la capacità di apprendimento saranno
valutate anche attraverso le interazioni dirette che avranno luogo durante la fruizione dell’insegnamento.
@font-face {font-family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-
family:roman; mso-font-pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}@font-face {font-
family:"Trebuchet MS"; panose-1:2 11 6 3 2 2 2 2 2 4; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-
pitch:variable; mso-font-signature:647 0 0 0 159 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no;
mso-style-qformat:yes; mso-style-parent:""; margin:0cm; mso-pagination:none; text-autospace:none; font-size:11.0pt;
font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet MS";
mso-fareast-language:EN-US;}p.MsoBodyText, li.MsoBodyText, div.MsoBodyText {mso-style-priority:1; mso-style-
unhide:no; mso-style-qformat:yes; mso-style-link:"Corpo testo Carattere"; margin:0cm; mso-pagination:none; text-
autospace:none; font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-
bidi-font-family:"Trebuchet MS"; mso-fareast-language:EN-US;}span.CorpotestoCarattere {mso-style-name:"Corpo
testo Carattere"; mso-style-priority:1; mso-style-unhide:no; mso-style-locked:yes; mso-style-link:"Corpo testo"; mso-
ansi-font-size:9.0pt; mso-bidi-font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-ascii-font-family:"Trebuchet
MS"; mso-fareast-font-family:"Trebuchet MS"; mso-hansi-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet
MS"; mso-ansi-language:IT;}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-size:11.0pt; mso-
ansi-font-size:11.0pt; mso-bidi-font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-
theme-font:minor-latin; mso-fareast-font-family:Calibri; mso-fareast-theme-font:minor-latin; mso-hansi-font-
family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-
bidi; mso-font-kerning:0pt; mso-ligatures:none; mso-ansi-language:EN-US; mso-fareast-language:EN-
US;}.MsoPapDefault {mso-style-type:export-only; mso-pagination:none; text-autospace:none;}div.WordSection1
{page:WordSection1;}
@font-face {font-family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-
family:roman; mso-font-pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}@font-face {font-
family:"Trebuchet MS"; panose-1:2 11 6 3 2 2 2 2 2 4; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-
pitch:variable; mso-font-signature:647 0 0 0 159 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no;
mso-style-qformat:yes; mso-style-parent:""; margin:0cm; mso-pagination:none; text-autospace:none; font-size:11.0pt;
font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet MS";
mso-fareast-language:EN-US;}p.MsoBodyText, li.MsoBodyText, div.MsoBodyText {mso-style-priority:1; mso-style-
unhide:no; mso-style-qformat:yes; mso-style-link:"Corpo testo Carattere"; margin:0cm; mso-pagination:none; text-
autospace:none; font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-
bidi-font-family:"Trebuchet MS"; mso-fareast-language:EN-US;}span.CorpotestoCarattere {mso-style-name:"Corpo
testo Carattere"; mso-style-priority:1; mso-style-unhide:no; mso-style-locked:yes; mso-style-link:"Corpo testo"; mso-
ansi-font-size:9.0pt; mso-bidi-font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-ascii-font-family:"Trebuchet
MS"; mso-fareast-font-family:"Trebuchet MS"; mso-hansi-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet
MS"; mso-ansi-language:IT;}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-size:11.0pt; mso-
ansi-font-size:11.0pt; mso-bidi-font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-
theme-font:minor-latin; mso-fareast-font-family:Calibri; mso-fareast-theme-font:minor-latin; mso-hansi-font-
family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-
bidi; mso-font-kerning:0pt; mso-ligatures:none; mso-ansi-language:EN-US; mso-fareast-language:EN-
US;}.MsoPapDefault {mso-style-type:export-only; mso-pagination:none; text-autospace:none;}div.WordSection1
{page:WordSection1;}
Testi di riferimento
/**/
Testo per approfondimento volontario:
Paccagnella L. (2020). Sociologia della comunicazione nell’era digitale. Bologna: Il Mulino.
Bentivegna S., Bocciartieri G. 82019), Le teorie delle comunicazioni di massa e la sfida digitale, Milano: FrancoAngeli
@font-face {font-family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-
family:roman; mso-font-pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}@font-face {font-
family:"Trebuchet MS"; panose-1:2 11 6 3 2 2 2 2 2 4; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-
pitch:variable; mso-font-signature:647 0 0 0 159 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no;
mso-style-qformat:yes; mso-style-parent:""; margin:0cm; mso-pagination:none; text-autospace:none; font-size:11.0pt;
font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet MS";
mso-fareast-language:EN-US;}p.MsoBodyText, li.MsoBodyText, div.MsoBodyText {mso-style-priority:1; mso-style-
unhide:no; mso-style-qformat:yes; mso-style-link:"Corpo testo Carattere"; margin:0cm; mso-pagination:none; text-
autospace:none; font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-fareast-font-family:"Trebuchet MS"; mso-
bidi-font-family:"Trebuchet MS"; mso-fareast-language:EN-US;}span.CorpotestoCarattere {mso-style-name:"Corpo
testo Carattere"; mso-style-priority:1; mso-style-unhide:no; mso-style-locked:yes; mso-style-link:"Corpo testo"; mso-
ansi-font-size:9.0pt; mso-bidi-font-size:9.0pt; font-family:"Trebuchet MS",sans-serif; mso-ascii-font-family:"Trebuchet
MS"; mso-fareast-font-family:"Trebuchet MS"; mso-hansi-font-family:"Trebuchet MS"; mso-bidi-font-family:"Trebuchet
MS"; mso-ansi-language:IT;}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-size:11.0pt; mso-
ansi-font-size:11.0pt; mso-bidi-font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-
theme-font:minor-latin; mso-fareast-font-family:Calibri; mso-fareast-theme-font:minor-latin; mso-hansi-font-
family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-
bidi; mso-font-kerning:0pt; mso-ligatures:none; mso-ansi-language:EN-US; mso-fareast-language:EN-
US;}.MsoPapDefault {mso-style-type:export-only; mso-pagination:none; text-autospace:none;}div.WordSection1
{page:WordSection1;}
Codice insegnamento UC29809
Conoscenza e capacità di comprensione Comprendere i principi di pianificazione e direzione strategica e il loro impatto sul successo organizzativo. (Ob.1) Analizzare modelli competitivi come le cinque forze di Porter e…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione Comprendere i principi di pianificazione e direzione strategica e il loro impatto
sul successo organizzativo. (Ob.1) Analizzare modelli competitivi come le cinque forze di Porter e la catena del valore.
(Ob.1, Ob.2) Conoscere le principali strategie di crescita, diversificazione e gestione del portafoglio. (Ob.2) Apprendere
le logiche di fusioni, acquisizioni e alleanze strategiche. (Ob.3) Approfondire modelli e strumenti per la gestione
dell’innovazione e del cambiamento organizzativo. (Ob.4) Comprendere le metodologie di valutazione strategica
qualitative e quantitative. (Ob.5) • Capacità di applicare conoscenza e comprensione Effettuare analisi strategiche di
settori e mercati utilizzando strumenti avanzati. (Ob.1) Applicare modelli di posizionamento e strategie di vantaggio
competitivo. (Ob.2) Valutare fusioni e acquisizioni in relazione a obiettivi di crescita e sinergie operative. (Ob.3)
Sviluppare proposte strategiche per l’innovazione e il cambiamento organizzativo. (Ob.4) Integrare dati economici e
indicatori qualitativi nei processi decisionali. (Ob.5) Applicare strumenti di gestione strategica a casi reali e simulazioni
aziendali. (Ob.6) • Autonomia di giudizio Valutare criticamente strategie aziendali in diversi contesti competitivi. (Ob.1)
Individuare le opzioni strategiche più coerenti con le risorse e competenze aziendali. (Ob.2) Formulare raccomandazioni
strategiche fondate per operazioni straordinarie. (Ob.3) Saper bilanciare obiettivi di breve e lungo periodo nelle scelte
organizzative. (Ob.4) Interpretare le implicazioni delle decisioni strategiche su stakeholder e performance. (Ob.5)
Anticipare e valutare le sfide derivanti da cambiamenti tecnologici e globali. (Ob.6) • Abilità comunicative Comunicare
in modo chiaro analisi e raccomandazioni strategiche a diversi interlocutori. (Ob.1) Redigere report strategici
integrando dati quantitativi e considerazioni qualitative. (Ob.5) Presentare proposte di innovazione e cambiamento con
linguaggio tecnico adeguato. (Ob.4) Utilizzare strumenti visivi (matrici, grafici, schemi) per supportare decisioni
strategiche. (Ob.2, Ob.6) Partecipare a discussioni e simulazioni di decision-making strategico. (Ob.3) • Capacità di
apprendimento Aggiornare le proprie competenze sui modelli di strategia aziendale. (Ob.6) Approfondire casi di studio
e best practice nei settori ad alta competitività. (Ob.1, Ob.2) Sviluppare un approccio flessibile all’analisi strategica in
contesti mutevoli. (Ob.4) Collegare i contenuti del corso con altre discipline di management e organizzazione. (Ob.5)
Utilizzare fonti accademiche e report settoriali per ricerche strategiche autonome. (Ob.3
Codice insegnamento UC29811
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.