Scheda programma d'esame
WORKSHOP ON QUANTITATIVE DATA ANALYSIS 2
ANDREA SALVINI
Academic year2020/21
CourseSOCIOLOGY AND MANAGEMENT OF SOCIAL SERVICES
Code176QQ
Credits3
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
LABORATORIO DI ANALISI QUANTITATIVA DEI DATI 2SPS/07LABORATORI21
ANDREA SALVINI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il Laboratorio di Analisi dei Dati 2 ha l'obiettivo specifico di permettere allo studente l'acquisizione di competenze specifiche nell'analisi dei dati relazionali, secondo la tradizione della Social Network Analysis - Analisi delle Reti Sociali - che ricopre un ruolo di assoluto rilievo nelle prospettive teoriche e metodologiche contemporanee. Pur costituendo un percorso autonomo di apprendimento e sperimentazione, il Laboratorio di Analisi dei dati 2 si coordina con l'insegnamento di Metodologia della Ricerca Sociale (Classe LM87-88) e con il Laboratorio di Analisi dei dati 1, di cui costituisce la naturale continuazione.

L'obiettivo del Laboratorio è quello di introdurre gli studenti alla SNA (Social Network Analysis) come prospettiva sia teorica che metodologica, ovviamente centrando l'attenzione sulla raccolta e, soprattutto, sull'analisi dei dati. Al fine specifico del trattamento e dell'analisi dei dati relazionali sarà introdotto il pacchetto Statnet che funziona all'interno del framework "R". Sarà assegnata attenzione alla sperimentazione di un percorso di ricerca finalizzato a raccogliere dati relazionali su un particolare fenomeno di interesse degli studenti, e sarà approfondita l'analisi inferenzialedati relazionali.

Il Laboratorio sarà effettuato adottando una dinamica di apprendimento interattiva e partecipativa, e sarà coordinato con l'insegnamento di Metodologia della ricerca sociale e il Laboratorio di Analisi dei dati 1. Differentemente da quanto fatto nel Laboratorio 1, il Laboratorio 2 è dedicato all’analisi dei dati utilizzando modelli di analisi più sofisticati, ma più appropriati allo lo studio dei meccanismi che presiedono al funzionamento relazionale dei fenomeni, in particolari quelli di influenza sociale e di selezione.

 

Knowledge

The Data Analysis Laboratory 2 has the specific objective of allowing the student to acquire specific competences in the analysis of relational data, according to the tradition of Social Network Analysis - SNA - which plays a very important role in the contemporary theoretical and methodological sociological perspectives. While constituting an independent learning and experimentation pathway, the Data Analysis Laboratory 2 coordinates with the Course in Methodology of Social Research (Class LM87-88) and with the Data Analysis Laboratory 1, of which it constitutes the natural continuation.

The objective of the Laboratory is to introduce students to SNA (Social Network Analysis) as both a theoretical and methodological perspective, obviously focusing attention on the collection and, above all, on the analysis of data. For the specific purpose of processing and analyzing relational data, the Statnet package will be introduced which works within the "R" framework. Attention will be given to the experimentation of a research course aimed at collecting relational data on a particular phenomenon of interest to the students, and an inferential analysis of relational data will be deepened.

The Laboratory will be carried out by adopting an interactive and participatory learning dynamic, and will be coordinated with the teaching of Social Research Methodology and the Data Analysis Laboratory 1. Differently from what was done in Laboratory 1, Laboratory 2 is dedicated to data analysis using more sophisticated models of analysis, but more appropriate to the study of the mechanisms that govern the relational functioning of phenomena, in particular those of social influence and selection.

Modalità di verifica delle conoscenze

Le conoscenze saranno verificate mediante la predisposizione, da parte degli studenti, di una relazione sul percorso compiuto all'interno del Laboratorio, in particolare sull'esperienza empirica condotta e sulle conoscenze acquisite in termini di analisi dei dati. La relazione sarà presentata in forma collettiva durante una specifica occasione di verifica delle conoscenze acquisite.

Assessment criteria of knowledge

The knowledge will be verified through the preparation, by the students, of a report on the completed path within the Laboratory, in particular on the empirical experience carried out and on the knowledge acquired in terms of data analysis. The report will be presented in collective form during a specific occasion to verify the acquired knowledge.

Capacità

Al termine del Laboratorio lo studente avrà acquisito: a) la capacità di progettare e realizzare una semplice indagine che adotta la prospettiva della Social Network Analysis; b) la capacità di gestire la raccolta dei dati mediante opportuni strumenti; c) l'analisi dei dati relazionali e delle reti (in particolare l’applicazione di alcuni modelli statistici di analisi come il Network Autocorrelation Model e l’ERGM. d) la capacità di utilizzare R e il pacchetto Statnet per l'analisi dei dati relazionali

Skills

At the end of the Laboratory the student will have acquired: a) the ability to plan and carry out a simple survey that adopts the perspective of the Social Network Analysis; b) the ability to manage data collection through appropriate tools; c) analysis of relational data and networks (in particular the application of the Network Autocorrelation Model and the ERGM Models. d) the ability to use R and the Statnet package for the analysis of relational data

Modalità di verifica delle capacità

Durante il Laboratorio sarà utilizzata una modalità interattiva con lo scopo di operare il più pieno coinvolgimento degli studenti e di verificare lo stato di avanzamento nell'acquisizione delle capacità

Assessment criteria of skills

During the Laboratory an interactive modality will be used with the purpose of operating the fullest involvement of the students and verifying the progress in the acquisition of skills

Comportamenti

Gli studenti saranno in grado di compiere analisi inferenziali dei dati secondo la prospettiva della SNA, mediante l'uso del software Statnet.

Behaviors

Students will be able to perform inferential data analysis according to the SNA perspective, using Statnet software.

Modalità di verifica dei comportamenti

Mediante l'adozione di una modalità di apprendimento attiva e attraverso il continuo riferimento a esempi e situazioni empiriche concrete, gli studenti saranno chiamati a render conto, mediante le proprie esperienze dirette nella raccolta e analisi dei dati relazionali e nell'uso del software Statnet, di quanto acquisito durante le lezioni.

Assessment criteria of behaviors

Through the adoption of an active learning modality and through the continuous reference to concrete examples and empirical situations, the students will be called to account, through their own direct experiences in the collection and analysis of relational data and in the use of the Statnet software, of what was acquired during the lessons.

Prerequisiti (conoscenze iniziali)

Sociologia Generale; Metodologia della ricerca sociale; Laboratorio di analisi dei dati 1

Prerequisites

General Sociology; Methodology of social research; Data Analysis Laboratory 1

Indicazioni metodologiche

Le lezioni saranno in parte di tipo frontale (per la presentazione dei contenuti) e in parte di tipo interattivo e fondate sul coinvolgimento degli studenti in simulazioni, sperimentazioni empiriche e utilizzo personale del PC per l'analisi dei dati. Attraverso una didattica coinvolgente e finalizzata a promuovere la partecipazione degli studenti, si faciliterà la acquisizione delle competenze specifiche di analisi dei dati relazionali attraverso la SNA e il Software Statnet.

Teaching methods

The lectures will be partly frontal (for the presentation of the contents) and partly interactive and based on the involvement of students in simulations, empirical experiments and personal use of the PC for data analysis. Through engaging teaching and aimed at promoting student participation, the acquisition of specific skills for analyzing relational data through SNA and Software Statnet will be facilitated.

Programma (contenuti dell'insegnamento)

Il Programma del Laboratorio prevede i seguenti contenuti: progettazione e disegno di ricerca di una semplice esperienza empirica su un tema di interesse degli studenti; raccolta e sistematizzazione informatica dei dati; analisi inferenzialedei dati relazionali mediante il software Statnet (QAP, Network Autocorrelation Model, ERGM)

Sarà svolta una semplice ricerca empirica, il cui oggetto possa essere di specifico interesse per gli studenti e comunque per la conprensione di aspetti rilevanti della vita sociale contemporanea.

Queste attività potranno essere coordinate con le attività svolte nel Laboratorio di analisi dei dati 1 e con il corso di Metodologia della Ricerca Sociale.

 

Syllabus

The Laboratory Program includes the following contents: planning and research design of a simple empirical experience on a topic of interest to students; data collection and computerization of data; inferential analysis of relational data using the Statnet software.

A simple empirical research will be carried out, the object of which may be of specific interest to the students and in any case to the understanding of relevant aspects of contemporary social life.

These activities can be coordinated with the activities carried out in the Data Analysis Laboratory 1 and with the course in Social Research Methodology.

Bibliografia e materiale didattico

Durante il Laboratorio verranno messi a disposizione materiali che saranno anche pubblicati sulla piattaforma "moodle" per gli studenti non frequentanti.

Per eventuali approfondimenti potrà essere consultato il testo:

Douglas Luke, A User's Guide to Network Analysis in R, Springer, 2015

IMPORTANTE: SARA' DISPONIBILE SU MOODLE UNA DISPENSA IN ITALIANO - AD USO DEGLI STUDENTI NON FREQUENTANTI - CON I CONTENUTI PRINCIPALI DEL LIBRO IN PROGRAMMA.

Bibliography

During the workshop materials will be made available which will also be published on the "moodle" platform for non-attending students.

For further details, the text can be consulted:

Douglas Luke, A User's Guide to Network Analysis in R, Springer, 2015

IMPORTANT: A HANDOUT IN ITALIAN WILL BE MADE AVAILABLE ON MOODLE - FOR THE USE OF NON ATTENDING STUDENTS - WITH THE MAIN CONTENTS OF THE BOOK IN PROGRAM.

Indicazioni per non frequentanti

Gli studenti non frequentanti potranno trarre giovamento dallo studio del testo sopra citato di D. Lukes, comunque si consiglia un contatto e un colloquio preliminare all'esame con il docente del Laboratorio

 

IMPORTANTE: SARA' RESA DISPONIBILE SU MOODLE UNA DISPENSA IN ITALIANO - AD USO DEGLI STUDENTI NON FREQUENTANTI - CON I CONTENUTI PRINCIPALI DEL LIBRO IN PROGRAMMA.

Non-attending students info

Non-attending students will be able to benefit from the study of the aforementioned text by D. Lukes, however a contact and a preliminary interview with the professor is recommended

IMPORTANT: A HANDOUT IN ITALIAN WILL BE MADE AVAILABLE ON MOODLE - FOR THE USE OF NON ATTENDING STUDENTS - WITH THE MAIN CONTENTS OF THE BOOK IN PROGRAM.

Modalità d'esame

L'esame consisterà nella elaborazione e nella presentazione, in sede di prova finale, di una relazione individuale o collettiva, da parte degli studenti, relativamente alla esperienza condotta nella ricerca empirica, con specifico riferimento ai metodi di analisi dei dati adottati e alla loro interpretazione.

Assessment methods

The exam will consist in the elaboration and presentation, in the final test, of an individual or collective relationship, on the part of the students, relative to the experience conducted in empirical research, with specific reference to the methods of analysis of the adopted data and their interpretation .

Updated: 09/09/2020 10:54