MAPPING E BIG DATA | Università degli studi di Bergamo - Didattica e Rubrica

MAPPING E BIG DATA

Attività formativa monodisciplinare
Codice dell'attività formativa: 
156004

Scheda dell'insegnamento

Per studenti immatricolati al 1° anno a.a.: 
2022/2023
Insegnamento (nome in italiano): 
MAPPING E BIG DATA
Insegnamento (nome in inglese): 
Mapping and Big Data
Tipo di attività formativa: 
Attività formativa Caratterizzante
Tipo di attività formativa dell'interclasse: 
Attività formativa Caratterizzante
Tipo di insegnamento: 
Opzionale
Settore disciplinare: 
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI (ING-INF/05)
Anno di corso: 
1
Anno accademico di offerta: 
2022/2023
Crediti: 
6
Responsabile della didattica: 
Altri docenti: 

Altre informazioni sull'insegnamento

Modalità di erogazione: 
Didattica Convenzionale
Lingua: 
Italiano
Ciclo: 
Secondo Semestre
Obbligo di frequenza: 
No
Ore di attività frontale: 
30
Ore di studio individuale: 
95
Ambito: 
Discipline informatiche, matematiche, statistico-demografiche e della rappresentazione
Prerequisiti

Nessuno

Obiettivi formativi

Lo studente imparerà i concetti fondamentali in informatica su cui si basano i Big Data.

Lo studente si familiarizzerà con le linee guida per costruire corrispondenze tra i modelli computazionali dell'informatica e la realtà urbanistica e non descritta in termini geografici e demografici.

Lo studente approfondirà le problematiche che emergono dal divario tra la computazione e determinismo informatici e la complessità delle realtà sociali e geopolitiche.

Contenuti dell'insegnamento

Big Data: definizioni fondamentali e connessioni con scienze computazionali sociali.

La relazione tra Big Data e i luoghi e le persone e l’impatto sulla metodologia.

Applicazioni empiriche dei Big Data.

Problematiche dei Big Data: privacy, esclusione, globalizzazione.

Principi di visualizzazione dei dati.

Metodi didattici

20 ore lezione frontale
10 ore progetto

Modalità verifica profitto e valutazione

Prova scritta consistente in due parti.
Parte A: questionario con 20 domande a risposta multipla (1 punto a domanda, max 20 punti)
Parte B:
2 domande aperte (5 punti a domanda, max 10 punti).
Per passare l'esame è necessario prendere un minimo di 10 punti nella parte A.
Se è presente un progetto dello studente, possono essere conferiti punti extra (da 0 a 10).
Si conferisce la lode a punteggi uguali o superiori a 32.

Altre informazioni

Per comunicare con il docente: mario.verdicchio@unibg.it

Uno dei libri di testo è in inglese ma per le lezioni basate su tale testo saranno fornite dispense in italiano.

Tutte le informazioni e il materiale integrativo saranno forniti a partire dall'inizio del semestre di riferimento su Microsoft Teams

Prerequisites

None

Educational goals

Students will learn fundamental concepts from computer science that support Big Data.

Students will familiarise with guidelines to build correspondences between computational models from computer science and urban and non-urban environments described in geographic and demographic terms.

Students will investigate the issues emerging from the gap between computationalism and determinism in computer science and the complexity of social and geopolitical aspects of reality.

Course content

Big Data: foundations and definitions and connections with social sciences.

Big Data and their relation with peoples and places and their impact on methodology.

Empirical applications of Big Data.

Big Data issues: privacy, exclusion, globalisation.

Data Visualisation: principles.

Teaching methods

20 hours classroom lectures
10 project hours

Assessment and Evaluation

Written test comprised of two parts.
Part A: multiple choice questionnaire with 20 questions (1 point per correct answer, max 20 points).
Part B: 2 open questions (5 points per correct answer, max 10 points).
To pass the test the student must obtain at least 10 points in part A.
If a student project is available extra points may be given (0-10 points).
Honours given to total scores equale or greater than 32.

Further information

Lecturer's email: mario.verdicchio@unibg.it

The website of the course (with information and reading material) will be available at the beginning of the course's semester on Microsoft Teams