B5589 - ANALISI DELLA COMUNICAZIONE DIGITALE

Conoscenze e abilità da conseguire

Il corso mira a fornire agli studenti una cassetta degli attrezzi – composta da quadri teorici, strumenti concettuali e metodi - per analizzare la crescente mole di informazioni e flussi comunicativi disponibili in formato digitale. Al termine del corso lo studente: (i) conosce le principali caratteristiche delle tracce digitali create dai processi comunicativi, dalle interazioni tra persone, dalle relazioni tra persone, ambiente e strumenti tecnologici; (ii) è in grado di scegliere ed utilizzare i quadri teorici ed analitici appropriati per l’analisi delle informazioni, dati, testi e immagini digitali; (iii) conosce ed utilizza le principali tecniche di analisi delle informazioni, testi, dati e immagini digitali; (iv) sa disegnare una ricerca, di mercato o accademica, che utilizzi tecniche e strumenti propri dell’era digitale; (v) conosce e sa gestire gli aspetti etici legati alla raccolta e utilizzo dei dati digitali.

Contenuti

Il corso si articola in due parti: 

(i) nella prima parte del corso verranno introdotti i principali aspetti teorici e metodologici della ricerca sociale nell'era digitale, ad esempio: la definizione di traccia digitale, le caratteristiche salienti delle tracce digitali e le principali strategie di ricerca utilizzate per sfruttare le opportunità offerte dalle science sociali computazionali (inclusi esperimenti e collaborazioni di massa). Questa prima parte del corso (16 ore) alternerà lezioni frontali basate sui manuali adottati, a lezioni in cui il docente presenterà specifici studi che adottano gli approcci presentati. Agli/alle studenti/studentesse è richiesto di leggere in anticipo prima della lezione gli studi presentati e una partecipazione attiva in sede di discussione degli stessi. 

(ii) nella seconda parte del corso verranno introdotti i principali quadri metodologici, tecniche e strumenti connessi alla raccolta e analisi di contenuti testuali in formato digitale, con particolare attenzione a quelli prodotti nel contesto della comunicazione pubblica. Saranno introdotti metodi e strumenti di base del text mining, anche attraverso l'utilizzo di software specifici. 

A seconda della numerosità degli studenti frequentanti in questa parte del corso si potranno formare due gruppi di studenti/studentesse separati, oppure un gruppo unico che alternerà (a) lezioni frontali, (b) presentazione e discussione da parte degli studenti di articoli che adottano metodi e strumenti di text mininig, (c) sessioni laboratoriali in cui, attraverso l'utilizzo di software appositi (ad es. specifici pacchetti di R) saranno svolti esercizi di raccolta dei testi (anche attraverso) web scraping, di organizzazione dei dati e delle informazioni testuali, di manipolazione ed analisi dei contenuti testuali, presentazione dei risultati). 

Testi/Bibliografia

I testi di riferimento per il corso sono i seguenti 

 

Grimmer J, Roberts M. E. e Stewart B. M. (2022) Text as data. A New framework for machine learning and the social sciences. Princeton University Press

Salganik M J. (2020) Bit by Bit. La ricerca sociale nell’era digitale. Il Mulino. [versione on line gratuita in inglese https://www.bitbybitbook.com/en/]

Silge J. e Robinson D. (2017) “Text mining with R. A tidy approach”. O’Reilly. https://github.com/dgrtwo/tidy-text-mining

 

Le letture aggiuntive sono disponibili sulla piattaforma virtuale del corso.

Metodi didattici

Lezioni frontali; presentazione e discussione di studi/articoli specifici; presentazioni degli studenti; lezioni laboratoriali ed esercitazioni guidate in aula. 

Modalità di verifica e valutazione dell'apprendimento

STUDENTI/STUDENTESSE FREQUENTANTI

(partecipazione, attiva, ad almeno l'80% delle lezioni)

Per gli/le studenti/studentesse frequentanti la valutazione dell'apprendimento sarà basata (i) per il 20% sulla loro partecipazione attiva alle discussioni, presentazioni ed esercitazioni in aula; (ii) per il 30% sulla presentazione in aula di un articolo concordato con ii docente (nel caso di  un numero molto elevato di studenti/studentesse frequentanti la presentazione potrà essere sostituita da un take home); (iii) per il 50% su un paper finale, basato su analisi di dati/testo, su un tema e data set da concordare con il docente (sarà richiesta anche la consegna di tutti i materiali ed elementi necessari per replicare le analisi svolte). Il paper dovrà avere una lunghezza massima di 3000 parole (escluse tabelle, figure e riferimenti bibliografici). Il paper - e il materiale per la replicabilità delle analisi - dovrà essere consegnato entro 6 settimane dalla conclusione del corso. 

 

STUDENTI/STUDENTESSE NON FREQUENTANTI

Per gli/le studenti/studentesse non frequentanti la valutazione dell'apprendimento sarà basata (i) per il 50% su un esame scritto relativo ai programma del corso; (ii) per il 50% su un paper , basato su analisi di dati/testo, su un tema e data set da concordare con il docente (sarà richiesta anche la consegna di tutti i materiali ed elementi necessari per replicare le analisi svolte). Il paper dovrà avere una lunghezza massima di 3000 parole (escluse tabelle, figure e riferimenti bibliografici) ed essere consegnato al docente almeno 10gg prima della data dell'appello in cui si desidera sostenere l'esame. 

 

Strumenti a supporto della didattica

Pagina virtuale del corso (gli studenti dovranno registrarsi sulla  pagina del corso su Virtuale); software R & R.Studio. 

Orario di ricevimento

Consulta il sito web di Marco Albertini