Insegnamento DATA SCIENCE PER LA QUALITA' DELLE ISTITUZIONI
| Nome del corso di laurea | Politica, amministrazione, territorio |
|---|---|
| Codice insegnamento | A001477 |
| Curriculum | Politiche del territorio e sostenibilità |
| Docente responsabile | Michela Gnaldi |
| Docenti |
|
| Ore |
|
| CFU | 9 |
| Regolamento | Coorte 2023 |
| Erogato | Erogato nel 2024/25 |
| Erogato altro regolamento | |
| Attività | Affine/integrativa |
| Ambito | Attività formative affini o integrative |
| Settore | SECS-S/05 |
| Anno | 2 |
| Periodo | Primo Semestre |
| Tipo insegnamento | Opzionale (Optional) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | Italiano |
| Contenuti | L'insegnamento, appartenente all'area metodologica quantitativa, si pone l’obiettivo di offrire le basi metodologiche per la misurazione di fenomeni complessi, con particolare riguardo al fenomeno della corruzione. L’insegnamento è organizzato in due parti: i. una prima parte prevalentemente frontale in cui verranno coperte le basi teoriche per l’analisi quantitativa di big data ai fini della valutazione della qualità delle istituzioni pubbliche (ad es., principi generali e potenzialità della data science; fonti di dati tradizionali e di big data; obiettivi e strumenti analitici del data mining e della statistica; costruzione e validazione di indicatori statistici elementari; costruzione e validazione di indicatori sintetici, strumenti e tecniche di data visualisation etc.) ii. una seconda parte applicativa in cui le studentesse e gli studenti saranno guidati nella costruzione di un project work, ovvero un breve elaborato che riporta gli esiti delle analisi (realizzate dalle studentesse e dagli studenti) di dati reali ricavati da fonti open source, come ad esempio la Banca Dati Nazionale dei Contratti Pubblici (BDNCP) detenuta dalla Autorità Nazionale Anticorruzione. |
| Testi di riferimento | I testi di riferimento sono 3 e sono riportati di seguito. I capitoli da studiare verranno indicati a lezione. Le presentazioni utilizzate dalla/dal docente a lezione e ogni altro materiale di supporto verranno condivisi attraverso la piattaforma unistudium. Specifici strumenti dispensativi e compensativi saranno adottati per studenti disabili e/o con DSA. 1. Fighting Corruption in Emergency Procurement through Big Data. Ed: Michela Gnaldi. FrancoAngeli https://series.francoangeli.it/index.php/oa/catalog/book/1119 2. Misurare la corruzione oggi. Obiettivi, metodi, esperienze. A cura di Michela Gnaldi, Benedetto Ponti. FrancoAngeli. https://ojs.francoangeli.it/_omp/index.php/oa/catalog/book/310 3. OPEN ISSUES IN COMPOSITE INDICATORS A Starting Point and a Reference on Some State-of-the-Art Issues Silvia Terzi, Adrian Otoiu, Elena Grimaccia, Matteo Mazziotta, Adriano Pareto |
| Obiettivi formativi | L'insegnamento, appartenente all'area metodologica quantitativa, si pone l’obiettivo di offrire le basi metodologiche per la gestione, analisi e valutazione di fenomeni complessi, con particolare riguardo al data mining e ai tradizionali strumenti statistici, come metodi di sintesi per la valutazione delle politiche pubbliche, dell'integrità dell istituzioni e del rischio di corruzione. L'insegnamento contribuisce a formare esperti capaci di utilizzare metodologie quantitative per il miglioramento delle politiche pubbliche e delle amministrazioni, in linea con gli obiettivi del Corso di Laurea. Le competenze acquisite in questo insegnamento sono infatti funzionali ad operare efficacemente in ruoli dirigenziali, pubblici e privati, e per affrontare le sfide del governo delle democrazie, della managerialità pubblica e delle politiche territoriali e di sostenibilità. |
| Prerequisiti | Il superamento di un insegnamento di statistica alla triennale è auspicato |
| Metodi didattici | Lezioni frontali, esercitazioni e project work |
| Altre informazioni | Nessuna |
| Modalità di verifica dell'apprendimento | Esame scritto e project work. L'esame scritto ha una durata di un'ora e mezzo e mira a verificare le conoscenze dei principali concetti e metodi descritti nelle lezioni frontali. Consta di domande prevalentemente aperte. Il project work viene svolto dallo studente in autonomia nell'ultima parte delle lezioni, con la guida e le indicazioni fornite dal docente. Mira a verificare le capacità di applicare in contesti reali i concetti e i metodi insegnati a lezione. Specifici strumenti dispensativi e compensativi saranno adottati per studenti disabili e/o con DSA. |
| Programma esteso | PARTE I Problematiche generali di misurazione di fenomeni complessi latenti e problematiche specifiche di misurazione della corruzione Le fonti dei dati • Statistica ufficiale e altre fonti di dati non ufficiali. Big data, elementi caratterizzanti e differenze tra data e big data. Potenzialità informative, margini e limiti applicativi, uso a fini pubblici e privati dei dati tradizionali e dei big data. • Le fonti dei dati sulla corruzione. Potenzialità conoscitive degli hard data di fonte amministrativa per la misurazione della corruzione Data mining: lo strumento metodologico principale di data science Obiettivi del data mining e principali strumenti analitici utili a fini della valutazione delle politiche pubbliche, tra cui: associazione, correlazione, regressione tra variabili; classificazione delle unità; clustering delle variabili (indicatori compositi); sequential pattern discovery. Sviluppo delle misure: dalle statistiche agli indicatori Definizione del disegno gerarchico e del modello di misurazione. Sistema di misure a livello macro: i sistemi di indicatori. Gestione e sintesi della complessità, tra cui: riduzione della struttura dei dati; mombinazione di indicatori; Modellazione degli indicatori. Indicatori per la misurazione di fenomeni complessi Indicatori per la misurazione della corruzione: caratteristiche, potenzialità e limiti PARTE II Project work studenti “Il rischio di corruzione negli appalti pubblici” Gli studenti e le studentesse lavorano ciascuno su un campione di dati diverso ricavato dalla Banca Dati Nazionale dei Contratti Pubblici (BDNCP) detenuta dalla Autorità Nazionale Anticorruzione con l’obiettivo di costruire, analizzare e interpretare I rischi di corruzione in specifici mercati di riferimento, in specifiche aree geografiche di riferimento, o in periodi di tempo determinati in ottica longitudinale. |
| Obiettivi Agenda 2030 per lo sviluppo sostenibile | Pace, giustizia e istituzioni forti (16) |