Il laboratorio non richiede prerequisiti. 

Il corso mira a introdurre i principi alla base degli attuali linguaggi e strumenti per l’elaborazione di dati, contestualizzandoli in relazione al supporto che possono fornire nella tecnica e nella ricerca psicologica. Oltre a tali conoscenze, il laboratorio favorirà lo sviluppo di competenze nel processo di raccolta, preparazione, analisi dei dati e interpretazione dei risultati, avvalendosi del software R per l’analisi statistica. Le lezioni saranno svolte in forma partecipata, alternando la discussione sugli aspetti fondazionali con esempi pratici per valutare l’applicabilità degli strumenti informatici proposti nella pratica psicologica. 

Conoscenze e comprensione.

Comprensione dei paradigmi, delle funzionalità e delle nuove tecnologie su cui si fondano i processi per l’elaborazione dei dati, anche in relazione alla crescente rilevanza dei criteri di sicurezza e privacy e dell’uso etico dei dati nelle analisi psicometriche. 

Capacità di applicare conoscenze e comprensione.

Traduzione delle conoscenze acquisite in casi studio concreti, adattando gli strumenti di analisi a diverse tipologie di dati al fine di contestualizzare le nozioni ai singoli casi studio.

Capacità di apprendimento.

Capacità di contestualizzare le conoscenze acquisite, integrandole con altre competenze personali per favorire un’interpretazione appropriata di fenomeni psicologici e sociali.

Autonomia di giudizio.

Autonomia di ricerca delle risorse e degli strumenti informatici che supportino la modellizzazione di un problema di ricerca e la definizione di funzionalità di analisi appropriate per la sua risoluzione.

Abilità comunicative.

Capacità di individuare le misure di sintesi o gli strumenti grafici più adatti per la restituzione efficace dell’informazione nei singoli casi studio, integrando tali risultati con un’interpretazione adeguata allo studio dei fattori psicologici e sociali.

Il laboratorio alternerà lezioni frontali ed esercitazioni pratiche: le prime introdurranno i concetti principali, la sintassi e le funzionalità di R, le seconde saranno volte ad acquisire pratica sugli strumenti informatici. 

Esame scritto

• Introduzione ai principi dei linguaggi informatici per l’elaborazione di dati e informazioni nella ricerca psicologica. 
• Il ruolo del fattore umano nella trasformazione digitale, sicurezza e privacy.
• Introduzione a R: sintassi, funzionalità di base, ambiti di applicabilità, librerie principali.
• Tipi e strutture dati, funzionalità per la loro elaborazione, acquisizione e preparazione dei dati per l’analisi.
• Analisi descrittiva dei dati: indici di sintesi, restituzione grafica dell’informazione.
• Cenni di statistica inferenziale: test d’ipotesi. 
• Cenni ai modelli statistici in R: modelli lineari e interpretazione dell’output. 

1. Francesca Ieva - Chiara Masci - Anna Maria Paganoni (2ed) Laboratorio di statistica con R, Pearson

2. Materiale supplementare e appunti forniti dal docente

Concetti basilari del formalismo matematico e della statistica. 

Il corso mira a fornire una base metodologica che supporti coloro che si avviano alla ricerca sociale, fornendo loro una prospettiva che leghi i fondamenti teorici e le implementazioni applicative. 

Il corso si pone tre obiettivi specifici: il primo è quello di fornire un’introduzione pratica al linguaggio matematico e statistico volto a formalizzare relazioni e criteri utili nella lettura di fenomeni sociali. A tal fine, dopo una breve introduzione alle strutture relazionali e alle loro proprietà formali, si porrà attenzione ai fondamenti dell’algebra lineare. 

Il secondo obiettivo è quello di presentare, anche attraverso il supporto di strumenti software, alcune delle principali applicazioni dell’algebra lineare nell’analisi multidimensionale di dati, tra cui la Principal Component Analysis e i metodi di clustering. 

Il terzo obiettivo è quello di evidenziare l’uso di alcuni degli strumenti discussi per lo studio delle reti sociali, introducendo criteri e metriche per l’analisi delle relazioni e della loro dinamica. 

Gli aspetti fondazionali saranno affrontati evidenziando le assunzioni alla base dei risultati teorici per favorirne un utilizzo consapevole. Si prevede la discussione di esercizi, esempi e applicazioni con il supporto del software R, al fine di sviluppare competenze nell’uso di uno tra i principali linguaggi per la scienza dei dati.

Conoscenze e comprensione.

• Conoscenza dei concetti essenziali per individuare, adattare ed eventualmente estendere i metodi di analisi quantitative delle relazioni in uno spazio multidimensionale a partire da una domanda di ricerca e da uno scenario di indagine.
• Conoscenza delle principali funzionalità dei software di analisi dati utili a tradurre i concetti teorici in strumenti di indagine.

Capacità di applicare conoscenze e comprensione.

Capacità di analisi critica delle assunzioni che determinano la validità degli strumenti statistico-matematici nei singoli contesti di indagine, evidenziando la complementarietà tra le metodologie qualitative, quantitative e miste.

Capacità di apprendimento.

Capacità di contestualizzare le conoscenze acquisite, integrandole con altre competenze personali per favorire un’interpretazione appropriata di fenomeni sociali.

Autonomia di giudizio.

Autonomia di ricerca degli strumenti metodologici più avanzati che supportino la modellizzazione di un problema di ricerca e la definizione di approcci appropriati per la sua risoluzione.

Abilità comunicative.

Capacità di comunicare con chiarezza, rigore espositivo e correttezza logica il metodo di analisi in relazione alle finalità e allo scenario d’indagine.

Lezioni frontali, esercitazioni svolte in classe. 

Elaborato finale ed esame scritto

• Il formalismo delle relazioni, equivalenze e relazioni d’ordine. 
• Richiami di probabilità e statistica, cenni di teoria dell’informazione. 
• Introduzione all’algebra lineare: vettori e spazi lineari, matrici, dipendenza lineare, prodotto scalare, determinanti. Cenni alle interpretazioni geometriche e all’utilizzo per la risoluzione di sistemi lineari e per i problemi di ottimizzazione. Uso delle matrici per la rappresentazione di relazioni, parte 1: matrici di covarianza e di correlazione. 
• Analisi delle Componenti Principali: definizioni e scopo, interpretazione geometrica, implementazione su R. 
• Clustering: metriche, misure di similarità, criteri di clustering, implementazione su R. 
• Dalle relazioni ai grafi: matrici per la rappresentazione di relazioni, parte 2: matrici di incidenza e di adiacenza; network analysis, misure di centralità; cenni alla dinamica delle reti. 

Materiale fornito dal docente. 

Materiale supplementare selezionato da: 

• Di Franco, Giovanni. Tecniche e modelli di analisi multivariata / Giovanni Di Franco. Milano: F. Angeli, 2011.
• Scott, John. Social Network Analysis : A Handbook / John Scott. London: SAGE, 1992.

Conoscenza dei concetti basilari del linguaggio matematico

Il corso mira a fornire alle studentesse e agli studenti le basi metodologiche e le competenze utili all'applicazione degli strumenti base della statistica in ambito medico, clinico, biologico o sanitario. L'obiettivo principale del corso è quello di fornire i fondamenti per lo sviluppo di una capacità di analisi e interpretazione critica di fenomeni, evidenze e dati in ambito biomedico attraverso l'uso adeguato di strumenti matematico-statistici. 

Durante lo svolgimento del corso, le studentesse e gli studenti acquisiranno conoscenze e svilupperanno competenze relative ai concetti, alle proprietà e alle strumenti statistici per l'analisi di fenomeni di interesse nell'ambito medico, biologico e sanitario. Di seguito, si sottolineano: 

Conoscenze e comprensione

Presentazione, discussione, approfondimento ed esercitazioni volte all'applicazione dei principi base della statistica. Le lezioni frontali e gli esercizi svolti in aula saranno supportati da testi di riferimento e materiale didattico supplementare. 

Capacità di applicare conoscenze e comprensione

Le studentesse e gli studenti avranno modo di acquisire pratica nell'individuazione degli strumenti statistici più adatti per l'analisi di fenomeni biomedici oggetto di indagine. 

Autonomia di giudizio

Le studentesse e gli studenti avranno modo di sviluppare capacità di approfondimento autonomo degli strumenti statistici e di analisi dati in relazione alla loro carriera formativa e professionale.

Abilità comunicative

Le studentesse e gli studenti avranno modo di comprendere le caratteristiche distintive di diverse tecniche, grafiche e quantitative, per la restituzione delle analisi in modo chiaro, interpretabile e adatte agli interlocutori.

Capacità di apprendimento

Le studentesse e gli studenti saranno guidati nella ricerca e nell'identificazione delle fonti informative più adatte al rafforzamento delle proprie conoscenze e competenze sulla base delle proprie necessità formative e professionali.

Lezioni frontali che alterneranno la trattazione degli argomenti oggetto di verifica finale ed esercitazioni pratiche

Esame scritto

Bland, Martin, "Statistica medica". Edizioni Apogeo, Maggioli Editore, 2019