ECTS - University of Pisa
| Modules | Area | Type | Hours | Teacher(s) | |
| LABORATORIO DI STATISTICA PER I BENI CULTURALI | NN | LEZIONI | 18 |
|
Al termine del corso lo studente avrà acquisito conoscenze di base sulle metodologie e le tecniche di analisi statistica e di visualizzazione di dati archeologici o relativi ai beni culturali.
The student will acquire knowledge about base statistical methods and techniques, and visualisation of data related to Archaeology or Cultural Heritage.
Elaborato di analisi statistica effettuata mediante il software R, da discutere con il docente.
Statistical analysis report, developed using the R software, to be discussed with the teacher.
Al termine del corso, lo studente avrà acquisito familiarità con il lessico tecnico della statistica applicata all’archeologia e ai beni culturali e:
At the end of the course, students will become familiar with the technical vocabulary of statistics applied to Archaeology and Cultural Heritage and will acquire:
Prova pratica (elaborato di analisi statistica effettuata mediante il software R).
Statistical analysis report, developed using the R software.
Lo studente potrà acquisire e/o sviluppare sensibilità alle problematiche inerenti il trattamento statistico dei dati, tali da consentirgli la formazione di opinioni consapevoli in relazione, ad esempio, a temi quali la qualità dei dati, la possibilità di trarre conclusioni oggettive, l'uso critico e sistematico delle informazioni.
The student will acquire awareness to topics related to statistical processing of data, in order to fomrulate informed opinions about e.g. data quality, possibility of deriving objective conclusion, refined and systematic usage of information.
Discussione partecipata in classe.
Free discussion class.
Il corso prevede lo svolgimento di 9 lezioni di 2 ore.
Le lezioni comprenderanno sia didattica frontale (con l'uso di slides, materiali dalla rete, ecc.), sia esercitazioni pratiche (learning by doing, lavori di gruppo, utilizzo del software R).
Si raccomanda di partecipare alle lezioni con il proprio personal computer.
The course is composed of 9 lessons, 2 hours each. Classes will be held using both frontal and non-frontal (learning by doing, group work, use of R software) teaching methodologies.
It is recommended to attend the classes with your personal computer.
Il programma prevede:
Introduzione tecnica (3 ore)
Data visualization (6 hours)
Statistical background (7.5 hours)
Q&A session (1.5 hours)
The syllabus will cover the following topics:
Technical introduction (3 ore)
Data visualization (6 hours)
Statistical background (7.5 hours)
Q&A session (1.5 hours)
Parte del materiale didattico sarà fornito dal docente durante il corso (slides, link, ecc.).
Di seguito vengono forniti i principali riferimenti bibliografici: ulteriori riferimenti potranno essere forniti durante il corso.
Manuali di riferimento ( da considerarsi come supporto allo studio e non come testi obbligatori):
David R. Carlson, Quantitative methods in archaeology using R, Cambridge University Press (2017)
Software da installare:
R Studio https://rstudio.com/products/rstudio/download/ (free version)
Part of the teaching material will be provided by the teacher during the course (slides, links, etc.).
The main bibliographic references are provided below: further references may be provided during the course.
Reference books (to be considered as a support. They are not mandatory):
David R. Carlson, Quantitative methods in archaeology using R, Cambridge University Press (2017)
Software to be installed:
R Studio https://rstudio.com/products/rstudio/download/ (free version)
I non frequentanti sono tenuti a portare lo stesso programma dei frequentanti, consultando anche i materiali forniti dal docente.
Non-attending students are required to bring the same program of attending students, also consulting the materials provided by the teacher.
L'esame finale consiste nella produzione di un progetto personale di analisi statistica dei dati sulla base di un dataset fornito dal docente. Tale analisi sarà effettuata con R, prenderà spunto dagli argomenti trattati a lezione e dovrà essere approvata dal docente.
L’elaborato finale dovrà essere presentato almeno 2 giorni prima dell'esame e verrà discusso durante il colloquio orale.
Final test includes a project of statistical analysis of data, developed by the student with the R software on a dataset provided by the teacher. The topic of the analysis is chosen by the student and has to be approved by the teacher.
The final report must be provided at least 2 days before the oral examination and will be discussed during the oral interview.
