• Edizioni di altri A.A.:
  • 2020/2021
  • 2020/2021

  • Lingua Insegnamento:
    ITALIANO 
  • Testi di riferimento:
    Il materiale di studio sarà costituito dalle slide usate a lezione e, per ogni argomento trattato, da letture e approfondimenti indicati dal docente durante le lezioni. 
  • Obiettivi formativi:
    Il corso mira a fornire agli studenti:
    - La comprensione dei principali metodi per l’analisi descrittiva e predittiva dei dati “social”, delle loro caratteristiche e ambiti di applicazione.
    - La capacità di selezionare gli strumenti più adatti a seconda delle specifiche esigenze e di applicarli all’analisi di dati social allo scopo di derivare informazione utile per il perseguimento degli obiettivi di marketing.
    - Le nozioni e la terminologica specifica per favorire la comunicazione e la collaborazione con ingegneri informatici ed altri membri “tecnici” del team di analisi.

    In molti contesti aziendali è oggi richiesta all’analista una competenza trasversale, sia sul piano del business/marketing che su quello tecnologico (ad esempio la capacità di utilizzo di strumenti software avanzati e di scrivere programmi). Questo corso, pur non approfondendo gli aspetti tecnici e non affrontando la programmazione software, mira a fornire gli strumenti di base e gli spunti necessari per acquisire tali competenze multidisciplinari.
    Le conoscenze acquisite possono infine essere spese in contesti diversi, come la ricerca in ambito sociologico. 
  • Prerequisiti:
    Il corso non richiede specifiche conoscenze pregresse e può essere affrontato da studenti con qualsiasi tipo di background. Tuttavia la conoscenza di base di strumenti software per la gestione dei dati (esempio Excel e similari) e dei più diffusi social network (come Facebook e Twitter), così come la conoscenza di concetti statistici di base, sono elementi facilitanti per affrontare il corso. 
  • Metodi didattici:
    L’insegnamento prevede 36 ore di lezione, che si volgeranno attraverso la didattica frontale articolata in lezione teoriche, dimostrazioni pratiche, esercitazioni in classe e seminari. 
  • Modalità di verifica dell'apprendimento:
    La prova di esame consisterà in una prova scritta con domande chiuse e/o aperte ed un colloquio orale.
    Il corso prevede lo svolgimento di un progetto di gruppo in cui gli studenti applicheranno le conoscenze apprese e gli strumenti visti durante il corso per l’analisi di dati reali.
    Il progetto di fine corso, opportunamente corredato da una relazione scritta, sarà altresì materia di valutazione. 
  • Sostenibilità:
     
  • Altre Informazioni:
    Gli studenti ERASMUS sono invitati a contattare il docente per dettagli sul programma e informazioni varie. Gli studenti ERASMUS possono scegliere se sostenere la prova di esame, e redigere la relazione del progetto in lingua Inglese o Italiana. 

Il corso fornisce una conoscenza di base dei modelli di rappresentazione e delle metodologie di analisi descrittiva e predittiva dei dati, con particolare riferimento ai dati derivanti dalle interazioni degli utenti con le piattaforme di social networking. Tali dati possono essere di diverso tipo, come serie temporali di azioni (posts, retweet, likes, etc. ), contenuto testuale o visuale dei post, grafi sociali, informazioni sugli utenti, etc. Le tecniche di analisi trattate spaziano dalla misurazione e visualizzazione di valori quantitativi, all’analisi delle reti di interazioni sociali, all’analisi del testo e all’applicazione di tecniche di Machine Learning. Il corso presenterà altresì una serie di strumenti software che verranno usati per mettere in pratica alcune delle tecniche trattate. Il corso prevede l’analisi di casi di studio (anche attraverso seminari mirati), esercitazioni in classe e l’implementazione di un progetto finale di gruppo.

Introduzione alla Data Analytics: pianificare, reperire i dati, analizzare i dati, presentare i risultati dell'analisi

Dati strutturati e non strutturati, formati di rappresentazione comuni, modello relazionale

Caratteristiche dei dati social

Metodi per estrarre dati dai social: API, scrapers e altro

Metriche e KPI per monitorare i social media

Social network analysis e sue applicazioni

Elementi di Machine Learning: metodi supervisionati e non supervisionati

Elementi di analisi del testo: classification, sentiment, named entities extraction, topic modeling

Visualizzazione dei dati, creazione di report e dashboard interattive

Esempi e casi studio: trend analysis, brand awarness, social monitoring/listening, individuazione di influencers, segmentazione degli utenti, etc.

I vari argomenti saranno corredati da dimostrazioni pratiche utilizzando strumenti software aperti e/o commerciali, come Tableau, Netlytics, Scikit-learn, Talkwalker, Brandwatch e altri.

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram