MODELLI E TECNICHE STATISTICHE PER L'ANALISI MULTIDIMENSIONALE DEI DATI

Anno accademico 2015/2016 - 1° anno

Obiettivi formativi

  • Tecniche fattoriali e di clustering
    Lo studente dovrà acquisire le conoscenze teoriche necessarie alla comprensione di:

    principi e la logica dell’analisi multidimensionale e multivariata
    paradossi dell’analisi multivariata
    tipologia delle matrici

    ed all’uso ed interpretazione delle tecniche multidimensionali di elaborazione dei dati.
    Lo studente svilupperà la conoscenza metodologica e tecnica delle procedure di gestione di data-base complessi mediante l’uso di banche-dati digitali in rete e di software specialistico di elaborazione statistica.

  • Modelli per l'analisi delle relazioni causali
    Conoscenza, uso ed interpretazione dei modelli di analisi delle relazioni causali tra le variabili.

    Lo studente svilupperà la conoscenza metodologica e tecnica delle procedure di gestione di data-base complessi mediante l’uso di banche-dati digitali in rete e di software specialistico di elaborazione statistica.
  • Teorie e tecniche nella ricerca valutativa. La valutazione
    Capacità di gestire strumenti teorici e operativi elementari, per impostare una ricerca valutativa , base di qualunque tipo di valutazione, facendo particolare attenzione sia ai cosiddetti ‘indicatori valutativi’ che alle questioni metodologiche di base
  • Teorie e tecniche nella ricerca valutativa. Approcci multi criteri e approcci comparativi
    Potenziamento della capacità di scegliere la tecnica di volta in volta più adeguata al tipo di valutazione da affrontare, rafforzando in particolare la specifica abilità nel progettare e gestire lo strumento definito “focus group “

Prerequisiti richiesti

  • Tecniche fattoriali e di clustering

    Conoscenze di statistica metodologica di base.

  • Modelli per l'analisi delle relazioni causali

    Conoscenze di statistica metodologica di base.


Frequenza lezioni

  • Tecniche fattoriali e di clustering

    Fortemente consigliata per le applicazioni empiriche e di laboratorio di calcolo proposte a lezione e per poter accedere alla veriìfiche in itinere.

  • Modelli per l'analisi delle relazioni causali

    Fortemente consigliata per le applicazioni empiriche e di laboratorio di calcolo proposte a lezione e per poter accedere alla veriìfiche in itinere.


Contenuti del corso

  • Tecniche fattoriali e di clustering

    Analisi fattoriale: fattori principali e componenti principali Scaling multidimensionale Analisi delle corrispondenze: semplici e multiple Analisi dei gruppi Metodologie di fuzzy clustering Seminari su argomenti specialistici: big data e data mining • analisi testuale • network analysis • reti neuronali

  • Modelli per l'analisi delle relazioni causali

    Modelli di regressione multipla Modelli di regressione non lineare e logistica Modelli log-lineari Seminari su argomenti specialistici: • modelli multilevel • modelli di equazioni strutturali • modelli di Item Response Theory (IRT)

  • Teorie e tecniche nella ricerca valutativa. La valutazione
    Acquisizione
    dell’iter della valutazione e impostazione di un progetto valutativo che
    contempla, anche alla luce dei principali approcci teorici, sia la
    specificità dell’evaluando che l'individuazione degli indicatori valutativi






  • Teorie e tecniche nella ricerca valutativa. Approcci multi criteri e approcci comparativi
    Nell’ambito
    dell’apprendimento delle principali tecniche adottate in valutazione viene
    affrontata, su uno specifico oggetto valutativo scelto collegialmente,
    l’impostazione e l’organizzazione di un Focus
    Group, con relativa conduzione e resoconto.







Testi di riferimento

  • Tecniche fattoriali e di clustering

    Fabbris L. (1997), Statistica multivariata. Analisi esplorativa dei dati, McGraw-Hill, Milano, pp. 3-77; 163-295; 301-351.

    Kosko B. (1995), Il fuzzy-pensiero. Teoria ed applicazioni della logica fuzzy, Baldini & Castaldi, Milano, pp. 13-57; 147- 183.

    Sangalli A. (2000), L’importanza di essere fuzzy, Bollati Boringhieri, Torino, p. 19-147.

    Rezzani A. (2013), Big Data, Apogeo Education, Maggioli editore, Santarcangelo di Romagna (RN).

    Azzalini A., Scarpa B. (2004), Analisi dei dati e data mining, Springer, Berlin.

    Fraire M., Rizzi A. (2011), Analisi dei dati per il data mining, Carocci, Roma.

    Tuzzi A. (2003), L’analisi del contenuto, Carocci, Roma

    D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 13).

    D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 14).

    Meraviglia C. (2001), Le reti neurali nella ricerca sociale, FrancoAngeli, Milano, pp. 13-78.

  • Modelli per l'analisi delle relazioni causali

    Bohrnstedt G. W. and Knoke D. (1998), Statistica per le scienze sociali, Il Mulino, Bologna, pp. 207-375.

    Hox J.J. (1995), Applied Multilevel Analysis, TT-Publikaties, Amsterdam, p. 1-30
    Corbetta P. (2002), Metodi di analisi multivariata per le scienze sociali. I modelli di equazioni
    strutturali, Il Mulino, Bologna, pp. 39-94.
    Giampaglia G. (2008), Il modello di Rasch nella ricerca sociale, Liguori, Napoli.

  • Teorie e tecniche nella ricerca valutativa. La valutazione
    BEZZI, Claudio (2006) Cos’è la valutazione. Un’introduzione ai concetti, le parole chiave e i problemi metodologici. Milano, F. Angeli, pp. 9-82, 111-120
    BEZZI, Claudio e Ilaria BALDINI (2006) Il Brainstorming. Pratica e teoria. Pp. 173-183 (Dalle stringhe agli indicatori).
    BEZZI, Claudio, Leonardo CANNAVO’ e Mauro PALUMBO (2010) Costruire indicatori nella Ricerca Sociale e nella Valutazione, Milano, F. Angeli:
    - PALUMBO, Mauro, Definizioni, approcci e usi degli indicatori nella ricerca e nella valutazione, pp. 19-41;
    - TORRIGIANI, Claudio, Appendice. Gli indicatori valutativi, pp. 44-56.
    STAME, Nicoletta (2002) Tre approcci principali alla valutazione: distinguere e combinare; Valutazione: punti fermi e questioni aperte. pp. 21- 58 in PALUMBO Mauro. Il processo di valutazione. Decidere, programmare, valutare, Milano, F. Angeli
  • Teorie e tecniche nella ricerca valutativa. Approcci multi criteri e approcci comparativi
    ALBANESI, Cinzia (2004) I Focus Group. Roma, Carocci.
    ACOCELLA, Ivana (2008) Il focus Group: teoria e tecnica, Milano, F. Angeli, pp. 88-136.
    BEZZI, Claudio (2001) Il disegno della ricerca valutativa. Milano, F. Angeli, pp. 273-336 (Approcci e tecniche di valutazione).
    CATALDI, Silvia (2009) Come si analizzano i focus group, Milano, F. Angeli, pp. 89-156


VERIFICA DELL'APPRENDIMENTO

Modalità di verifica dell'apprendimento

  • Tecniche fattoriali e di clustering

    Prova scritta: domande in forma di risposta aperta

    Prova orale per migliorare il voto almeno sufficiente (18/30) della prova scritta

  • Modelli per l'analisi delle relazioni causali

    Prova scritta: domande in forma di risposta aperta

    Prova orale per migliorare il voto almeno sufficiente (18/30) della prova scritta


Prove in itinere

  • Tecniche fattoriali e di clustering

    Prova scritta: domande in forma di risposta aperta, riservate agli studenti frequentanti

  • Modelli per l'analisi delle relazioni causali

    Prova scritta: domande in forma di risposta aperta, riservate agli studenti frequentanti


Prove di fine corso

  • Tecniche fattoriali e di clustering

    Prova scritta: domande in forma di risposta aperta

    Prova orale per migliorare il voto almeno sufficiente (18/30) della prova scritta

  • Modelli per l'analisi delle relazioni causali

    Prova scritta: domande in forma di risposta aperta

    Prova orale per migliorare il voto almeno sufficiente (18/30) della prova scritta


Esempi di domande e/o esercizi frequenti

  • Tecniche fattoriali e di clustering

    Domande sui contenuti del programma

  • Modelli per l'analisi delle relazioni causali

    Domande sui contenuti del programma