Università degli Studi di Urbino Carlo Bo / Portale Web di Ateneo


SOCIAL MEDIA ANALYSIS mutuato
SOCIAL MEDIA ANALYSIS

A.A. CFU
2016/2017 6
Docente Email Ricevimento studenti
Fabio Giglietto LUN 11-13
Didattica in lingue straniere
Insegnamento con materiali opzionali in lingua straniera Inglese
La didattica è svolta interamente in lingua italiana. I materiali di studio e l'esame possono essere in lingua straniera.

Assegnato al Corso di Studio

Informazione, Media, Pubblicità (L-20)
Curriculum: INFORMAZIONE, SPETTACOLO E NEW MEDIA
Giorno Orario Aula

Obiettivi Formativi

Nel corso degli ultimi anni, i media sociali come Facebook e Twitter si sono affermati fino a diventare una infrastruttura di comunicazione essenziale per la società e per l'individuo. Una parte crescente delle nostre conversazioni quotidiane passano attraverso la mediazione di queste piattaforme. Questa mediazione rende conversazioni un tempo effimere, permanenti, ricercabili scalabili e replicabili. A partire da una riflessione sull'impatto sociale di queste quattro proprietà, il corso concentra l'attenzione sulle conseguenze di questi cambiamenti per lo studio della società e della comunicazione. Durante il corso gli studenti acquisiranno conoscenze su come reperire, archiviare e analizzare le conversazioni che hanno luogo su Twitter e Facebook.

Nello specifico il corso di quest'anno sarà dedicato all'analisi delle conversazioni che nascono intorno ai contenuti informativi e disinformativi.

Programma

  • Lezione 1

    • Presentazione del corso
    • Dal Web 2.0 ai Social Media
  • Lezione 2

    • Misinformation, Disinformation e tipologie di disinformazione in rete

  • Lezione 3

    • Il ruolo dei media mainstream

  • Lezione 4

    • Introduzione alle API di Twitter e Facebook

    • Facebook Graph API ExplorerURL

    • Twitter API Console ToolsURL

    • The Open Laboratory: Limits and Possibilities of Using Facebook, Twitter, and YouTube as a Research Data SourceFile

  • Lezione 5

    • Limiti e opportunità: formati JSON e CSV, GNIP e DiscoverText

    • DiscoverTextURL

  • Lezione 6

    • Social Network Analysis di Gruppi e Facebook con Netvizz e Gephi

  • Lezione 7

    • Introduzione a R

  • Lezione 8

    • Introduzione a R

  • Lezione 9

    • Introduzione all’analisi del contenuto dei social media

  • Lezione 10

    • Formazione dei gruppi, scelta dei temi ed inizio dell’attività

  • Lezione 11

    • Workgroup

  • Lezione 12

    • Workgroup

  • Lezione 13

    • Workgroup

  • Lezione 13

    • Workgroup

  • Lezione 14

    • ​​​​​​​Workgroup

  • Lezione 15

    • ​​​​​​​Workgroup

  • Lezione 16

    • Preparazione della relazione finale

  • Lezione 17

    • Preparazione della relazione finale

  • Lezione 18

    • Preparazione della relazione finale

    • Consegna Relazione

Eventuali Propedeuticità

Nessuna propedeuticità, ma gli studenti che hanno già affrontato i corsi di Statistica Sociale e Sociologia dei new media e Internet Studies ed il Laboratorio di Social Media riusciranno a seguire con più agio le tematiche proposte da questo corso.

Risultati di Apprendimento (Descrittori di Dublino)

1. Conoscenze e capacità di comprensione: delle opportunità e le sfide che i social media pongono alla ricerca sociale, conoscere le API di Twitter e Facebook, conoscere piattaforme e tecniche per l'acquisizione dati da Twitter e Facebook, conoscere le tecniche di analisi del contenuto

1.1. Gli studenti conseguono tali conoscenze attraverso momenti di esercitazione hands-on individuali e di gruppo in classe. 

Materiale Didattico

Il materiale didattico predisposto dal docente in aggiunta ai testi consigliati (come ad esempio diapositive, dispense, esercizi, bibliografia) e le comunicazioni del docente specifiche per l'insegnamento sono reperibili all'interno della piattaforma Moodle › blended.uniurb.it

Attività di Supporto

Sarà disponibile nella piattaforma di Blended Learning a http://blended.uniurb.it.


Modalità Didattiche, Obblighi, Testi di Studio e Modalità di Accertamento

Modalità didattiche

3 appuntamenti settimanali di 2 ore ciascuno. Lezioni frontali, discussione in classe e project work

Obblighi

Frequentare almeno 3/4 delle lezione e prendere parte all'attività di project work

Testi di studio

Bennato, D. (2015). Il computer come macroscopio: Big data e approccio computazionale per comprendere i cambiamenti sociali e culturali. Milano: Franco Angeli.

Allport, G. W., & Postman, L. (1946). AN ANALYSIS OF RUMOR. Public Opinion Quarterly,10(4), 501–517. http://doi.org/10.1093/poq/10.4.501

Bakshy, E., Messing, S., & Adamic, L. A. (2015). Political science. Exposure to ideologically diverse news and opinion on Facebook. Science, 348(6239), 1130–1132. http://doi.org/10.1126/science.aaa1160

Modalità di
accertamento

La verifica dell’apprendimento avverrà tramite colloquio orale individuale basato sulla discussione dell'elaborato consegnato dai gruppi a fine corso, volto a valutare sia l'apprendimento dei contenuti da parte dello studente sia la sua capacità di rielaborazione e di argomentazione. Daranno luogo a valutazioni di eccellenza: il possesso da parte dello studente di buone capacità critiche e di approfondimento; il saper collegare tra loro le principali tematiche affrontate nel corso; l’uso di un linguaggio appropriato rispetto alla specificità della disciplina. Daranno luogo a valutazioni discrete: il possesso da parte dello studente di una conoscenza mnemonica dei contenuti; una relativa capacità critica e di collegamento tra i temi trattati: l’uso di un linguaggio appropriato.Daranno luogo a valutazioni sufficienti: il raggiungimento di un bagaglio di conoscenze minimale sui temi trattati da parte dello studente, pur in presenza di alcune lacune formative; l’uso di un linguaggio non appropriato. Daranno luogo a valutazioni negative: difficoltà di orientamento dello studente rispetto ai temi affrontati nei testi d'esame; lacune formative; l’uso di un linguaggio non appropriato”. Nello specifico la valutazione finale è così strutturata: Project work (60%), colloquio orale (30%) e partecipazione in classe (10%). L'elaborato di gruppo sarà soggetto a verifica con il sistema anti-plagio in uso all'ateneo. Casi di plagio determineranno una valutazione negativa.
Alla valutazione della partecipazione in classe concorrerà il numero di lezioni frequentate sul totale, la partecipazione in aula e nello spazio blended, il contributo all'attività di gruppo e l’originalità dei contributi proposti.

Informazioni Aggiuntive per Studenti Non Frequentanti

Testi di studio

Bennato, D. (2015). Il computer come macroscopio: Big data e approccio computazionale per comprendere i cambiamenti sociali e culturali. Milano: Franco Angeli.

Allport, G. W., & Postman, L. (1946). AN ANALYSIS OF RUMOR. Public Opinion Quarterly, 10(4), 501–517. http://doi.org/10.1093/poq/10.4.501

A. Bessi, M. Coletto, G.A. Davidescu, A. Scala, G. Caldarelli, and W. Quattrociocchi. Science vs conspiracy: collective narratives in the age of (mis)information. Plos ONE (2015).

Bakshy, E., Messing, S., & Adamic, L. A. (2015). Political science. Exposure to ideologically diverse news and opinion on Facebook. Science, 348(6239), 1130–1132. http://doi.org/10.1126/science.aaa1160

Modalità di
accertamento

Esame orale

« torna indietro Ultimo aggiornamento: 09/09/2016


Condividi


Questo contenuto ha risposto alla tua domanda?


Il tuo feedback è importante

Raccontaci la tua esperienza e aiutaci a migliorare questa pagina.

Se sei vittima di violenza o stalking chiama il 1522

Il 1522 è un servizio pubblico promosso dalla Presidenza del Consiglio dei Ministri – Dipartimento per le Pari Opportunità. Il numero, gratuito è attivo 24 h su 24, accoglie con operatrici specializzate le richieste di aiuto e sostegno delle vittime di violenza e stalking.

Posta elettronica certificata

amministrazione@uniurb.legalmail.it

Social

Performance della pagina

Università degli Studi di Urbino Carlo Bo
Via Aurelio Saffi, 2 – 61029 Urbino PU – IT
Partita IVA 00448830414 – Codice Fiscale 82002850418
2021 © Tutti i diritti sono riservati

Top