View syllabus
STATISTICS LABORATORY FOR CULTURAL HERITAGE
NEVIO DUBBINI
Academic year2022/23
CourseCULTURAL HERITAGE STUDIES
Code1906Z
Credits3
PeriodSemester 1
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
LABORATORIO DI STATISTICA PER I BENI CULTURALINNLEZIONI18
NEVIO DUBBINI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

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, con R.

Knowledge

The student will acquire knowledge about base statistical methods and techniques, and visualisation of data related to Archaeology or Cultural Heritage.

Modalità di verifica delle conoscenze

Elaborato di analisi statistica effettuata mediante il software R, da discutere con il docente.

Assessment criteria of knowledge

Statistical analysis report, developed using the R software, to be discussed with the teacher.

Capacità

Al termine del corso, lo studente avrà acquisito familiarità con il lessico tecnico della statistica applicata all’archeologia e ai beni culturali e:

  • una comprensione delle metodologie di base della statistica;
  • conoscenza delle tecniche di data visualization;
  • esperienza di base nell’uso del software statistico R.
Skills

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:

  • a general understanding of base methods of statistics;
  • knowledge of data visualisation techniques;
  • base experience with statistical software R.
Modalità di verifica delle capacità

Prova pratica (elaborato di analisi statistica effettuata mediante il software R).

Assessment criteria of skills

Statistical analysis report, developed using the R software.

Comportamenti

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.

Behaviors

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.

Modalità di verifica dei comportamenti

Discussione partecipata in classe.

Assessment criteria of behaviors

Free discussion class.

Prerequisiti (conoscenze iniziali)

Necessarie conoscenze di base di inglese (comprensione di un testo scientifico)

Prerequisites

Understanding of written scientific English (mandatory)

Indicazioni metodologiche

Il corso prevede lo svolgimento di 12 lezioni (due a settimana), per un totale di 18 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.

Teaching methods

The course is composed of 12 lessons: 2 per week, for a total of 3 hours per week, summing to 18 hours. 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.

Programma (contenuti dell'insegnamento)

Il programma prevede:

Introduzione tecnica (3 ore)

  • Perché i dati sono importanti
  • Perché i dati possono essere fuorvianti
  • Cos’è R, l’ecosistema R, le API, i pacchetti
  • Installazione R e R Studio
  • Funzioni di R e tipi di variabili
  • Semplici istruzioni:summary, table, class, is.na

  Data visualization (6 hours)

  • Regole per una buona visualizzazione
  • Il pacchetto ggplot2
  • Scatter plot
  • Istogrammi
  • Boxplot
  • Aesthetics
  • Applicazioni a dati reali

 

Statistical background (7.5 hours)

  • Distribuzioni
  • Test statistici
  • Analisi della varianza e regressione lineare
  • Test del Chi quadrato
  • Cluster analysis
  • Applicazioni a dati reali

 

Q&A session (1.5 hours)

Syllabus

The syllabus will cover the following topics:

Technical introduction (3 hours)

  • Why data is so important
  • Why data can be misleading
  • What is R, R ecosystem, R APIs, R packages
  • R and R Studio installation
  • R functions and variable types
  • Simple commands: summary, table, class, is.na

  Data visualization (6 hours)

  • Good principles of visualizations
  • ggplot2 package
  • Scatter plots
  • Histograms
  • Boxplots
  • Aesthetics
  • Applications to real datasets

 

Statistical background (7.5 hours)

  • Distributions
  • Statistical testing
  • Analysis ofVariance and Linear regression
  • Chi square test
  • Cluster analysis
  • Applications to real datasets

 

Q&A session (1.5 hours)

Bibliografia e materiale didattico

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 https://cran.stat.unipd.it/ 

R Studio https://rstudio.com/products/rstudio/download/ (free version)

Bibliography

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 https://cran.stat.unipd.it/ 

R Studio https://rstudio.com/products/rstudio/download/ (free version)

Indicazioni per non frequentanti

I non frequentanti sono tenuti a portare lo stesso programma dei frequentanti, consultando anche i materiali forniti dal docente.

Non-attending students info

Non-attending students are required to bring the same program of attending students, also consulting the materials provided by the teacher.

Modalità d'esame

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. 

Assessment methods

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.

Note

Il Laboratorio di Statistica per i Beni Culturali si tiene nel I semestre e ha una durata di 18 ore.

**Le lezioni si terranno:**

- martedi' 18 ottobre, 25 ottobre, 8 novembre, 15 novembre, dalle 14:15 alle 15:45, aula G3
- mercoledi' 19 ottobre, 26 ottobre, 2 novembre, 9 novembre, 16 novembre, dalle 16 alle 17:30, aula G3

 

 

Commissione d'esame:

Nevio Dubbini
Gabriele Gattiglia
Claudia Sciuto

Notes

The "Laboratorio di Statistica per i Beni Culturali" (Statistics laboratory for Cultural Heritage) is held in the first semester, for a total of 18 hours. 

**Lecture will be held:**

- tuesday october 18th, october 25th, november 8th, november 15th, from 14:15 to 15:45, room G3
- wednesday october 19th, october 26th, november 2nd, november 9th, november 16th, from 16 to 17:30, room G3

 

 

Examination board:

Nevio Dubbini
Gabriele Gattiglia
Claudia Sciuto

Updated: 15/09/2022 18:17