Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
DATA SCIENCE
Insegnamento
COGNITIVE, BEHAVIORAL AND SOCIAL DATA
SCP7079219, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
DATA SCIENCE
SC2377, ordinamento 2017/18, A.A. 2017/18
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese COGNITIVE, BEHAVIORAL AND SOCIAL DATA
Sito della struttura didattica http://datascience.scienze.unipd.it/2017/laurea_magistrale
Dipartimento di riferimento Dipartimento di Matematica
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA

Docenti
Nessun docente assegnato all'insegnamento

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Discipline umane, sociali, giuridiche ed economiche M-PSI/06 6.0

Modalità di erogazione
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 6.0 48 102.0 Nessun turno

Calendario
Inizio attività didattiche 02/10/2017
Fine attività didattiche 19/01/2018

Syllabus
Prerequisiti: Nozioni di apprendimento automatico
Conoscenze e abilita' da acquisire: Alla fine del corso gli studenti saranno in grado di comprendere problemi complessi nelle scienze cognitive, sociali e comportamentali, di scegliere le metodologie più appropriate per estrarre informazioni dai dati, e di integrare le conoscenze di data science con aspetti riguardanti le scienze sociali, il cervello, la mente e il comportamento. Verranno inoltre acquisiti:
- I concetti di base di psicologia cognitiva, psicologia sociale e scienze del comportamento.
- Gli strumenti e le metodologie dell'analisi dei dati cognitivi, comportamentali e sociali.
- Abilità pratiche di analisi dei dati applicata a problemi cognitivi, comportamentali e sociali.
Modalita' di esame: Esame scritto e orale
Criteri di valutazione: Verrà valutata la conoscenza degli argomenti proposti durante le lezioni, l'acquisizione dei concetti e metodologie proposte, e l'abilità di applicarli.
Contenuti: Lo scopo del corso è di fornire una panoramica di applicazioni concrete della Data Science alle scienze comportamentali, cognitive, sociali e alle neuroscienze. Il corso fornisce le basi dei metodi per analizzare dati comportamentali, cognitivi, e relativi a funzionalità e struttura del cervello. La panoramica fornita includerà esempi di recenti applicazioni, selezionati anche a seconda degli interessi degli studenti. Verranno discussi i limiti dello stato dell'arte e le direzioni di sviluppo future. I contenuti saranno i seguenti.

• Concetti di base sul funzionamento cognitivo del cervello umano (attenzione, memoria, apprendimento, linguaggio ecc.) e relative misure

• Concetti di base di psicologia sociale e comportamento sociale (preferenze, giudizio, identità di gruppo, ecc.) e relative misure

• Misure comportamentali e come ottenerle (es. RT); misure di comportamento implicite ed esplicite (es. la IAT)

• Estrarre e predire informazioni dal comportamento (es. lie detection, predizione di "malicious behavior" dall'attività sui social networks, fake online reviews, security, ecc.)

• Misure psicofisiologiche e come ottenerle (es. HR variability, SCR, espressioni facciali, EEG, fRMI, etc.)

• Estrarre e predire informazioni dalle misure psicofisiologiche

• Estrarre e predire informazioni dalle attività cerebrali: "mind reading applications" (es. psychopathology detection, ricostruzione di esperienze visive dall'attività cerebrale, brain computer interface devices, ecc.)

• Applicazioni al marketing di dati sociali e comportamentali (es. skill assessment and prediction, psychology of taxes, predicting preferences and personality from social networks activity, sentiment analysis, ecc.)

• Questioni legate all'applicazione di apprendimento automatico nella ricerca comportamentale (es. il problema della riproducibilità)
Attivita' di apprendimento previste e metodologie di insegnamento: Il docente introdurrà ogni argomento discutendo le questioni più rilevanti e le più interessanti e recenti evidenze sperimentali e applicazioni
Eventuali indicazioni sui materiali di studio:
Testi di riferimento: