Descrizione del corso
Il MOOC IDA si rivolge prevalentemente agli studenti dei corsi di studio più lontani dall’ambito quantitativo, che tuttavia riconoscono nella capacità di leggere i dati e trarre da essi informazione, conoscenza e competenza un complemento importante del loro percorso formativo.
Il corso è organizzato in quattro Week che ti propongono un percorso di esplorazione di diverse tematiche e strumenti per l’analisi, interpretazione e comunicazione dei dati
- Week 1 – Dati e fonti; visualizzazione di dati in tabelle e/o grafici; indicatori statistici per sintetizzare i dati (medie, indicatori di variabilità, rapporti statistici)
- Week 2 - Introduzione all'incertezza in dati campionari
- Week 3 – Le relazioni tra variabili; concetti di base dei modelli statistici
- Week 4 - Introduzione allo studio della variabilità multidimensionale
Target
Il MOOC è progettato per studenti di triennale e magistrale che vogliano approfondire il ragionamento quantitativo per l’analisi, interpretazione e comunicazione di dati.
Risultati di apprendimento attesi
Lo studente sarà in grado di:
- Identificare i concetti fondamentali: dato, variabile, popolazione, campione.
Comprendere cosa sono le Fonti dei dati e loro caratteristiche.
Individuare rappresentazioni dei dati (tabelle, grafici) e indicatori statistici (medie, variabilità, indici) più adatti al contesto di analisi.
- Comprendere l'incertezza nei dati campionari.
Individuare relazioni tra variabili e discutere modelli statistici di base.
Definire la variabilità multidimensionale.
- Rappresentare dati in forma tabellare e grafica e analizzare distribuzioni di frequenza e variabilità dei dati.
Calcolare e utilizzare indicatori statistici. Utilizzare strumenti di analisi di dati campionari per controllare l’incertezza.
Implementare modelli semplici per descrivere relazioni tra variabili.
Organizzare dati per analisi multidimensionali identificando pattern.
Gestire attività complesse con autonomia e responsabilità.
- Valutare criticamente fonti, dati e rappresentazioni.
Giudicare la qualità di analisi e interpretazioni.
Riconoscere aspetti inferenziali e problemi di causalità.
Argomentare decisioni sulla base di evidenze quantitative.
- Comunicare risultati attraverso data storytelling.
Formulare interpretazioni autonome e consapevoli.
Assumere decisioni basate su evidenze, anche in condizioni di incertezza.
Collaborare in contesti interdisciplinari.
Sviluppare un approccio critico all’uso dei dati nella società.
Prerequisiti
Competenze matematiche di base
Attività
All’interno di ciascuna Week sono presenti diverse lezioni composte da video, testi scritti, infografiche e quiz di valutazione. Superamento di un quiz di 32 domande a risposta multipla.
OpenBadge
A chi completerà il corso verrà assegnato un open badge BESTR. Gli utenti che accederanno alla piattaforma con credenziali dell'Università di Bologna, autenticazione con SPID, CIE o Edugain e risponderanno correttamente ad almeno il 60% delle domande del quiz finale, riceveranno una mail per poter scaricare l’openbadge dal sito di BESTR.
L'openbadge sarà disponibile e scaricabile il giorno dopo il completamento del corso.
Sottotitoli
Per seguire meglio i video i/le partecipanti hanno a disposizione i sottotitoli in italiano che possono essere attivati o nascosti a proprio piacimento.
ISCED-F
0542 Statistics Statistics is the study of collecting, describing, arranging and analysing numerical data. The study of probability theory and actuarial science is included. Programmes and qualifications with the following main content are classified here: Actuarial science Probability theory Statistics, applied Survey design Survey sampling
Categorie
ENG: Transdisciplinarity; Sustainability; Personal development; Math, Phisics and Engineering; Information Technology and Computer Science
ITA: Transdisciplinarità; Sostenibilità; Educazione; Sviluppo personale; Matematica, Fisica e Ingegneria; Tecnologie dell'Informazione e della Comunicazione
SDGS
4 - Quality Education
10 – Reduced Inequalities
FAQ
Per dubbi e chiarimenti è disponibile le sezione dedicata alle FAQ.
Docenti del corso
Stefania Mignani
Stefania Mignani è professore ordinario di Statistica presso il Dipartimento di Scienze Statistiche dell’Università di Bologna.
È membro del Presidio di Qualità dell’Ateneo di Bologna – Sezione Didattica. Da febbraio 2024 fa parte del Consiglio Scientifico dell’INVALSI.
È Accademico corrispondente residente dell’Accademia delle Scienze dell’Istituto di Bologna, Classe di Scienze Morali. Svolge attività didattica negli insegnamenti di Statistica, Metodi di campionamento e indagini campionarie e Data Literacy. Svolge attività di ricerca sui temi dell’analisi statistica multivariata, con particolare attenzione allo sviluppo di modelli a variabili latenti, privilegiando le applicazioni nell’ambito della valutazione degli apprendimenti
Angela Montanari
È professore ordinario di Statistica presso il Dipartimento di Scienze Statistiche dell’Università di Bologna dal 2000.
Attualmente coordina il Dottorato in Scienze Statistiche dell’Univeristà di Bologna e rappresenta Unibo nel Self Steering committee su Data Science & AI dell’alleanza europea Una Europa. È stata presidente dell’International Federation of Classification Societies dal 2000 al 2002. È membro effettivo dell’Accademia delle Scienze di Bologna. Svolge attività di ricerca sui temi dell’analisi statistica multivariata, con particolare attenzione allo sviluppo dei metodi di riduzione dimensionale e di classificazione supervisionata e non, privilegiando le applicazioni in ambito medico o biologico.
Carlo Trivisano
Carlo Trivisano è professore ordinario di Statistica presso il Dipartimento di Scienze Statistiche “Paolo Fortunati” dell’Università di Bologna, di cui è Direttore.
È Accademico corrispondente residente dell’Accademia delle Scienze dell’Istituto di Bologna, Classe di Scienze Morali.
Nell’attività di ricerca si occupa principalmente di inferenza bayesiana, campionamento da popolazioni finite e metodi di stima per piccole aree. Tiene insegnamenti di metodi di campionamento e Biometria e statistica.
