AN INTRODUCTION TO COMPUTATIONAL SOCIAL SCIENCE

Il corso si propone di presentare agli studenti l'applicazione di strumenti computazionali per l'esplorazione di importanti fenomeni sociali.
Allo stesso tempo, illustrerà le applicazioni del campo della Computational Social Science in campi disciplinari quali la storia, l'analisi letteraria e la storia della scienza.
Le lezioni saranno interattive e richiederanno agli studenti di sviluppare in classe semplici esempi computazionali in Python.

Il corso mira a sviluppare le competenze che gli studenti possono utilizzare nella ricerca ma anche in diversi campi professionali innovativi, come l'analisi dei dati web e l'analisi dei social media.

1. Conoscenza e comprensione. Ci si aspetta che gli studenti acquisiscano la conoscenza dei concetti fondamentali della Computational Social Science e capiscano in che modo essi spiegano rilevanti fenomeni sociali e culturali.
2. Conoscenza e comprensione applicate. Gli studenti svilupperanno la capacità di applicare concetti di base a a specifici modelli e modalità di analisi dei dati, e miglioreranno le loro capacità di programmazione.
3. Capacità di giudizio. Gli studenti impareranno a confrontare in modo critico strategie di modellizzazione alternative e svilupperanno esempi e applicazioni indivduali e di gruppo.
4. Abilità comunicative. Gli studenti impareranno a comunicare nei gruppi attraverso le opportunità di teamwork e di presentazione del loro lavoro in classe.
5. Capacità di apprendimento. Il corso migliorerà la capacità degli studenti di imparare attaverso l'uso di strumenti interattivi multimediali.

Il corso presuppone che gli studenti abbiano appreso alcuni strumenti di base di programmazione in Python e acquisito nozioni di base e strumenti di linguistica computazionale.

Parte 1. Computational social science per le discipline umanistiche, con applicazioni alla storia e alla letteratura (8 lezioni)

- Che cos'è la Computational social science ?
- Individuazione di trend storici attraverso dati linguistici
- Semplici modelli computazionali di comoportamenti e fenomeni sociali. (Esempi: scelta, contagio, discriminazione, dinamiche demografiche).
- Teoria dei social network, con applicazioni alla letteratura e alla storia

Parte 2. Applicazioni di machine learning
-Cos'è il machine learning?
- Introduione a scikit-learn
- Applicazioni di modelli di classificazione
- Introduzione agli LLM

Durante il corso, il docente distribuirà materiale di lettura, insieme a notebook colab didattici, con codice e modelli computazionali preparati dal docente

La valutazione finale si baserà su singoli progetti durante il corso (1/3 della valutazione) e su un esame finale scritto (2/3 della valutazione)

scritto

Per quanto riguarda la graduazione 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 del programma del corso;
- limitata capacità di applicare conoscenze formulando giudizi autonomi;
- sufficiente abilità di comunicare utilizzando appropriatamente il linguaggio tecnico della materia;
B. punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- discreta conoscenza e capacità di comprensione del programma del corso;
- discreta capacità di applicare conoscenze formulando giudizi autonomi;
- discreta abilità di comunicare utilizzando appropriatamente il linguaggio tecnico della materia
C. punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- buona od ottima conoscenza e capacità di comprensione del programma del corso;
- buona od ottima capacità di applicare conoscenze formulando giudizi autonomi;
- buona od ottima abilità di comunicare utilizzando appropriatamente il linguaggio tecnico della materia
D. la lode verrà attribuita in presenza di conoscenza e capacità di comprensione applicata in riferimento al programma, capacità di giudizio e abilità comunicative, eccellenti.

Il corso combinerà l'insegnamento frontale, i progetti individuali e di gruppo da parte degli studenti e applicazioni di programmazione interattiva durante le lezioni.

Accessibilità, Disabilità e Inclusione
Accomodamenti e Servizi di Supporto per studenti con disabilità o con disturbi specifici dell’apprendimento

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.

Questo insegnamento tratta argomenti connessi alla macroarea "Povertà e disuguaglianze" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile