INTELLIGENZA ARTIFICIALE E TESTUALITÀ - 28R019

insegnamento

ID:

28R019

Dettaglio:

SSD: Indefinito/Interdisciplinare Durata: 36 CFU: 6

Sede:

BERGAMO

Url:

Dettaglio Insegnamento:

LINGUE MODERNE PER LA COMUNICAZIONE E LA COOPERAZIONE INTERNAZIONALE - 28-R/PERCORSO COMUNE Anno: 1

Anno:

2026

Periodo di attività

Primo Semestre (21/09/2026 - 15/01/2027)

Obiettivi Formativi

Il corso si propone di:

Introdurre gli studenti ai principi fondamentali dell’intelligenza artificiale con particolare attenzione all’elaborazione del linguaggio naturale.
Esplorare il concetto di testualità alla luce degli sviluppi recenti nel campo dei modelli linguistici di IA.
Fornire strumenti teorici e pratici per analizzare testi con strumenti basati su IA.
Stimolare la riflessione critica su aspetti etici, cognitivi e comunicativi legati all’uso di IA nella produzione e nella ricezione dei testi.

Prerequisiti

Conoscenze di base di linguistica generale e testualità. Competenze informatiche minime (uso di browser, editor di testo). È utile la conoscenza dell’inglese per la lettura dei materiali scientifici e tecnici.

Metodi didattici

Lezioni frontali interattive con supporti multimediali
Laboratori pratici individuali e di gruppo
Analisi di casi studio
Discussioni guidate

Verifica Apprendimento

Prova scritta con domande a risposta aperta e chiusa
per ogni domanda chiusa corretta sarà assegnato un punteggio di 1 e per ogni domanda a risposta aperta sarà assegnato un punteggio da 3 a 4
Presentazione orale di un breve progetto individuale (le informazioni saranno fornite durante le esercitazioni previste durante il corso)
Gli studenti non frequentanti dovranno presentare una breve tesina e sono pregati di contattare il docente prima dell'esame
La votazione finale consiste in una idoneità
L'esame è superato se la prova finale raggiunge un punteggio minimo di 18 punti e se viene presentato il lavoro finale

Contenuti

Fondamenti di intelligenza artificiale e NLP
Il concetto di testualità: coesione, coerenza, intenzionalità
Grandi modelli linguistici (LLM): architettura, funzionamento, addestramento
Semplificazione linguistica e accessibilità con IA
Analisi testuale assistita (stilometria, sentiment analysis, organizzazione dei dati)
Narrazione automatica e creatività testuale
Etica, bias e disinformazione nei testi generati da IA