MATHEMATICS FOR MODELLING IN MANAGEMENT
- Anno accademico
- 2024/2025 Programmi anni precedenti
- Titolo corso in inglese
- MATHEMATICS FOR MODELLING IN MANAGEMENT
- Codice insegnamento
- PHD168 (AF:530386 AR:298709)
- Modalità
- In presenza
- Crediti formativi universitari
- 6
- Livello laurea
- Corso di Dottorato (D.M.45)
- Settore scientifico disciplinare
- SECS-S/06
- Periodo
- 1° Periodo
- Anno corso
- 1
- Sede
- VENEZIA
Inquadramento dell'insegnamento nel percorso del corso di studio
Questo corso affronta i concetti di base e più recenti avanzamenti nel campo della teoria dei newtork. Analizzeremo le principali strutture di social network, le loro proprietà e gli strumenti di base della matematica delle reti. Infine, studieremo come le informazioni, l'innovazione e le opinioni si diffondono attraverso le reti a causa delle interazioni sociali.
Il corso sarà accompagnato da un laboratorio/esercitazione di Python attraverso cui saranno messe in pratica le conoscenze teoriche acquisite nelle lezioni.
Risultati di apprendimento attesi
Gli studenti saranno in grado di leggere criticamente, interpretare articoli accademici relativi alle applicazioni della network theory nel campo del management.
Gli studenti saranno in grado di analizzare le caratteristiche di semplici reti di agenti tramite Python e di calcolare opportune metriche.
Prerequisiti
Mathematics
• Number sets - Powers and their properties - Logarithms and their properties - Equations – Inequalities
• The notion of real function - Graphs of functions – Linear and quadratic functions – Logarithmic and exponential functions
• Derivatives - Rates of change - Increasing/decreasing functions – Convexity and concavity
• Rules for differentiation - Maxima/Minima
• Indefinite integrals - Definite integrals - Improper integrals
• Basics of matrix algebra
Suggested reference:
K. Sydsaeter, P. Hammond and A. Strom (2016). Essential Mathematics for Economic Analysis (V edition), Pearson. Chapters 1-9.
Statistics
• Basic notions of probability theory
• Mean, median, variance , standard deviation
• Hypothesis testing
• Correlation (e.g., how to interpret a correlation coefficient)
• Linear Regression (e.g., how to interpret a regression coefficient)
• Types of variables (e.g., continuous, ordinal, categorical, dummy)
• Basic familiarity with computers and productivity software, like excel
Suggested reference:
OpenStax (2013). Introductory Statistics. Rice University. Free download of the pdf at: https://d3bxy9euw4e147.cloudfront.net/oscms-prodcms/media/documents/IntroductoryStatistics-OP_LXn0jei.pdf
Contenuti
1. Reti e social network. Esempi e applicazioni
2. La matematica delle reti 1 (matrici, grado, connettività)
3. La matematica delle reti 2 (componenti, paths e degree distribution)
4. Metriche e misurazione (centralità, similarità): hub e influencer
5. L'approssimazione di campo medio (dal modello Bass '69 ai nuovi media)
6. Diffusioni su reti e interazioni sociali - Modelli SIR e SIS
7. Passeggiate casuali sui grafici. Il modello di De Groot per la formazione del consenso
8. Opinion leader e influenza sociale: un'applicazione per la consulenza di reti
Testi di riferimento
Newman, M. Networks: an introduction. Oxford University Press, Second Edition, 2018. [Ch. 1-3, 6-8, 17]
Materiale integrativo e discussion paper saranno messi a disposizione dal docente.
Modalità di verifica dell'apprendimento
L'esame scritto consiste in una serie di problemi (esercizi) relativi al programma visti in classe e in alcune domande teoriche. Mockup saranno forniti agli studenti durante il corso. La struttura delle prove in itinere sarà precisata all'inizio del corso.
Per quanto riguarda la gradazione del voto (modalità con cui saranno assegnati i voti):
A. punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
- sufficiente capacità di risolvere i problemi proposti;
- limitata capacità di spiegare il procedimento matematico sotteso alla risoluzione degli esercizi proposti;
- limitate capacità di utilizzare il software per analizzare reti.
B. punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- discreta conoscenza e capacità di comprensione applicata in riferimento al programma;
- discreta capacità di risolvere i problemi proposti;
- discreta capacità di spiegare il procedimento matematico sotteso alla risoluzione degli esercizi proposti;
- discrete capacità di utilizzare il software per analizzare reti.
C. punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
- buona o ottima capacità di risolvere i problemi proposti;
- buona o ottima capacità di spiegare il procedimento matematico sotteso alla risoluzione degli esercizi proposti.
- buone o ottime capacità di utilizzare il software per analizzare reti.
D. la lode verrà attribuita in presenza di conoscenza e capacità di comprensione applicata in riferimento al programma, di livello ottimo e in presenza di una eccellente capacità di esposizione e spiegazione nella risoluzione degli esercizi e di utilizzo del software Python.
Metodi didattici
Altre informazioni
Ca’ Foscari applica la Legge Italiana (Legge 17/1999; Legge 170/2010) per i servizi di supporto e di accomodamento disponibili agli studenti con disabilità o con disturbi specifici dell’apprendimento. Se hai una disabilità motoria, visiva, dell’udito o altre disabilità (Legge 17/1999) o un disturbo specifico dell’apprendimento (Legge 170/2010) e richiedi supporto (assistenza in aula, ausili tecnologici per lo svolgimento di esami o esami individualizzati, materiale in formato accessibile, recupero appunti, tutorato specialistico a supporto dello studio, interpreti o altro) contatta l’ufficio Disabilità e DSA disabilita@unive.it.