BERGAMO
Dati Generali
Periodo di attività
Syllabus
Obiettivi Formativi
I dati sono sempre più una materia prima del lavoro editoriale e comunicativo: alimentano inchieste giornalistiche, report istituzionali, campagne, prodotti editoriali e strategie di comunicazione d'impresa. Chi scrive, edita e comunica si trova quotidianamente a confrontarsi con dati e informazioni quantitative. Questo è diventato ancora più rilevante con l'affermarsi degli strumenti di intelligenza artificiale generativa, che rendono sempre più importante la disponibilità di informazioni strutturate, documentate e verificabili. Il corso parte da questo scenario per esplorare il mondo della raccolta, dell'analisi e della visualizzazione dei dati.
Al termine del corso, gli studenti saranno in grado di interagire con un dataset, esplorarlo, calcolare indicatori e produrre visualizzazioni, anche avvalendosi dei più attuali strumenti di intelligenza artificiale utilizzati trasversalmente come ambiente di lavoro. Il corso non presuppone un solido background statistico e non richiede la capacità di scrivere codice. Gli studenti svilupperanno la capacità di interpretare criticamente i dati, valutare la qualità delle informazioni e controllare le risposte prodotte dagli strumenti utilizzati, con particolare attenzione alla responsabilità rispetto a ciò che viene pubblicato. Gli studenti saranno in grado di trasformare i dati in rappresentazioni visive efficaci e di costruire, a partire dai dati, racconti coerenti e verificabili, adeguati al lavoro editoriale e comunicativo. Il corso mira, infine, a sviluppare la capacità di formulare domande pertinenti e di utilizzare in modo consapevole gli strumenti disponibili per esplorare e comprendere i dati, ponendo l'attenzione sulla qualità delle domande, sull'interpretazione dei risultati e sul loro controllo critico.
Prerequisiti
Non sono richiesti prerequisiti specifici (statistica, analisi dei dati, etc.programmazione). I concetti e le teorie necessari alla comprensione degli argomenti trattati saranno introdotti e approfonditi durante il corso.
Metodi didattici
Il corso alterna lezioni frontali, discussione critica di materiali portati dagli studenti ed esercitazioni pratiche in aula. Ogni modulo si conclude con un'attività applicativa basata su dati reali. Agli studenti è richiesto di portare un computer portatile alle lezioni di laboratorio.
- Lezioni frontali e discussione di casi
- Rassegna critica: presentazioni degli studenti e discussione collettiva
- Laboratorio ed esercitazioni assistite su dataset reali
- Presentazione e revisione dei project work
Strumenti utilizzati: tool AI Generativa (Claude) per l'analisi e l'elaborazione dei dati; fogli di calcolo per la gestione dei dataset; strumenti web di visualizzazione (Tableau, Flourish o equivalenti) per la produzione degli output, Power Point
Verifica Apprendimento
L'apprendimento sarà verificato attraverso due elementi:
- Prova scritta finale (70%)
- Project work (30%)
La prova scritta, della durata di 2 ore, è composta da domande aperte relative ai contenuti affrontati durante le lezioni e approfonditi nei libri di testo. La valutazione mira a verificare:
- la conoscenza dei concetti, delle teorie e dei paradigmi affrontati durante il corso;
- la capacità di elaborare risposte pertinenti rispetto ai quesiti proposti e di argomentare in modo coerente;
- la padronanza del linguaggio specialistico della disciplina;
- la capacità di leggere, interpretare e valutare criticamente i dati;
- la capacità di argomentare una tesi a partire dall'analisi dei dati.
Il project work valuta la capacità di applicare le conoscenze e gli strumenti acquisiti durante il corso all'analisi di un dataset e alla trasformazione dei risultati in una rappresentazione visiva e in un contenuto comunicativo coerente e verificabile.
Il voto finale dell'insegnamento è calcolato come media ponderata dei voti ottenuti nella prova scritta e nel project work ed è espresso in trentesimi.
Contenuti
Il corso affronta l'intero ciclo di vita del dato, dalla ricerca e raccolta alla sua analisi, visualizzazione e trasformazione in contenuto editoriale e comunicativo. Verranno presentate le principali fonti di dati, con particolare attenzione a dati ufficiali, open data, dati amministrativi, aziendali e di mercato, insieme ai criteri per valutarne qualità, affidabilità, documentazione, licenze e possibilità di riuso.
Particolare attenzione sarà dedicata alla lettura e all'interpretazione dei dati: struttura e qualità dei dataset, dati incompleti o incoerenti, percentuali e variazioni, medie e indicatori, confronti e andamenti, correlazione e causalità, interpretazione dei sondaggi e riconoscimento di distorsioni e interpretazioni fuorvianti.
L'intelligenza artificiale generativa sarà utilizzata come strumento trasversale di lavoro per ricercare, esplorare e analizzare i dati, formulare domande, costruire indicatori e supportare la produzione di visualizzazioni e contenuti. Verranno affrontate anche le principali criticità legate all'uso dell'AI, tra cui allucinazioni, bias, errori di interpretazione e necessità di verificare e documentare i risultati prodotti.
Il corso approfondirà inoltre i principi fondamentali della data visualization, dalla scelta della rappresentazione grafica più adatta alla gestione di colore, tipografia e gerarchia delle informazioni, fino alla realizzazione di grafici, mappe e dashboard. Saranno analizzati anche esempi di visualizzazioni ingannevoli o fuorvianti.
Infine, il corso affronterà il data storytelling e le principali modalità di trasformazione dei dati in contenuti: data journalism, report aziendali, dashboard, presentazioni e formati digitali e social. Particolare attenzione sarà dedicata alla costruzione della narrazione, alla titolazione, alla metodologia e alla responsabilità nella rappresentazione e comunicazione dei dati.
Altre informazioni
Gli studenti Erasmus e con PDP o PEI sono invitati a prendere contatto con il docente all'inizio del corso.