Obiettivi Formativi

Conoscenza e capacità di applicare le tecnologie più avanzate nell'ambito del Data Journalism e del Web.

Learning Goals

The goal of this course is to introduce students to Data Journalism as well as to modern Web technologies

Metodi didattici

Presentazione di un elaborato e discussione orale

Teaching Methods

Project discussion plus oral exam

Prerequisiti

Conoscenze elementari sul linguaggio HTML e i linguaggi di scripting

Prerequisites

Basic knowledge of Web language scripting and HTML

Verifiche dell'apprendimento

Conoscenze elementari sul linguaggio HTML e i linguaggi di scripting

Assessment

Basic knowledge of Web language scripting and HTML

Programma del Corso

Gli argomenti trattati sono i seguenti: 1. Cos'è il Data-Driven Journalismm. 2. Diffusione del data journalism e implicazioni etiche. 3. Introduzione all'inferenza statistica. Concetto di popolazione e campione. 4. I metodi di raccolta dei dati. Bias nella raccolta dei dati. 5. Indici di posizione: Media Campionaria e Mediana. 6. La robustezza degli indici di posizione. 7. Misure di variabilità dei dati. 8. Dati discreti e continui. 9. Modellizzazione statistica, Controllo scientifico e aspetti grafici 10. Il concetto di regressione lineare. 11. Modello ai minimi quadrati ed errore di generalizzazione. 12. Applicazioni nel Digital Journalism e nel settore della Data Science. 13. Elementi avanzati di manipolazione dei testi: il Probabilistic Topic Modelling. 14. Introduzione ai motori di ricerca: crawling del Web. 15. Rappresentazione dei testi mediante il modello booleano. 16. Metodi di Rappresentazione dei testi: il TF-IDF. 17. Algoritmi di ranking delle pagine Web: il Pagerank.

Course Syllabus

We will cover the following topics: 1. Introduction to Data-Driven Journalismm. 2. Why Data Journalism is so pouplar and ethical implications. 3. Statistical inference. 4. How to collect data and associated bias. 5. Sample Mean and Median. 6. The robustness of sample mean and median. 7. How to assess data variability. 8. Continuous and discrete models. 9. Statistical modelling, scientific control, Data Visualization. 10. Introduction to Linear Regression.. 11. Least Square Error. 12. Application in Digital Journalism and Data Science. 13. Advanced text modelling: Probabilistic Topic Modelling. 14. Introduction to search engines: Web crawling. 15. Boolean models. 16. TF-IDF. 17. How to sort out important Web pages: the PageRank algorithm