Il corso si propone di offrire una panoramica dei metodi di studio della Rete e dei media digitali, di insegnare le basi del linguaggio di programmazione per l'elaborazione statistica “R”, di introdurre all’analisi delle reti sociali, anche tramite il software Gephi, e della comunicazione online così come si manifestano sui social media.

Il corso sarà articolato in due parti principali, una teorica e una pratica, che saranno seguite, per gli studenti frequentanti, da un project work. Nella prima parte del corso verrà fornita una introduzione alle caratteristiche dei media digitali, all’etica della ricerca e ai metodi di ricerca digitale, prendendo in considerazione le principali metodologie di analisi della Rete e alcuni tra i principali tool utilizzati nell’ambito della ricerca sociale e degli studi di digital marketing. Nella seconda parte verranno introdotti R (e l’ambiente di sviluppo RStudio), un linguaggio di programmazione per l’elaborazione statistica e grafica molto utilizzato in ambito accademico e aziendale, e Gephi, un software per la social network analysis. Riguardo R, sarà data particolare attenzione alle sue caratteristiche fondamentali nonché ad alcune funzioni base per la raccolta dei dati da web social media e per l’analisi statistica. Gli studenti frequentanti saranno infine coinvolti in un breve project work mirato a mettere in pratica le conoscenze acquisite, da applicare a un caso di analisi centrato sui dati di social media.

Obiettivo del corso è fornire agli studenti una buona conoscenza dei saperi di base legati 1) alle metodologie di analisi degli ambienti sociali digitali, 2) alla raccolta dei dati dal web e dai social media, 3) all'esplorazione dei relativi dataset tramite analisi statistiche di base, delle reti e del contenuto tramite il linguaggio R e il software Gephi, nonché 4) all'interpretazione critica e alla presentazione dei risultati della ricerca.

1. Digital Media e Digital Methods

1.1 Networked Publics, Social Media Logic, Prosumerism

1.2 Etica della ricerca digitale

1.3 Metodi della ricerca digitale (API, web scraping, data mining, text mining, social network

analysis, web listening, sentiment analysis, etnografia digitale…)

1.4 Panoramica su tool gratuiti e commerciali

2. R software environment for statistical computing and graphics

2.1 Installazione di R ed RStudio (Integrated Development Environment per R)

2.2 User Interface e Package

2.3 Tipi e strutture di dati

2.4 Funzioni

2.5 Grafici

2.6 Analisi statistiche di base

2.7 Raccolta di dati tramite APIs (Meta Content Library & API)

3. Social Network Analysis e Gephi

3.1 Concetti fondamentali della social network analysis

3.2 Il software Gephi

4. Project work

4.1 Raccolta dei dati

4.2 Analisi dei dati

4.3 Scrittura di un breve report di ricerca

Nessuna propedeuticità

1. Conoscenze e capacità di comprensione: al termine del corso ci si attende che gli studenti dimostrino una buona conoscenza dei saperi di base legati alle caratteristiche dei media digitali e nello specifico dei social media, delle metodologie di analisi digitale, dell’etica della ricerca digitale, nonché conoscenze tecniche relative al linguaggio R e al software Gephi.

1.1. Gli studenti conseguono tali conoscenze di base attraverso la frequenza delle lezioni, lo studio dei testi discussi in aula ed esercitazioni individuali.

2. Capacità di applicare conoscenza e comprensione: attraverso la capacità di analizzare i prodotti dei new media applicando le principali metodologie di analisi, R e Gephi.

2.1. Competenze acquisite attraverso il materiale di studio e i momenti di esercitazione laboratoriale in classe.

3. Capacità di giudizio: al termine del corso lo studente dovrà aver acquisito una buona capacità di saper analizzare criticamente i dati raccolti in Rete, riconoscendone potenzialità e limiti.

3.1 Gli studenti conseguono tali conoscenze di base attraverso discussioni in aula, confronto con il docente, esercitazioni con l’utilizzo dei software previsti.

4. Abilità comunicative: al termine del corso lo studente dovrà aver acquisito una buona capacità di comunicare in modo chiaro le conoscenze acquisite e il lavoro di ricerca realizzato durante le esercitazioni in classe.

4.1 Gli studenti conseguono tali capacità attraverso la frequentazione delle lezioni, lo studio dei testi e la realizzazione del report di ricerca derivato dal project work.

5. Capacità di apprendimento: al termine del corso lo studente dovrà aver acquisito una buona capacità di autonomia nello studio dei metodi di ricerca digitale, del linguaggio R e Gephi, nella lettura analitica e interpretazione critica dei risultati di ricerca.

5.1 Gli studenti conseguono tali capacità attraverso discussioni in aula, esercitazioni, confronto con il docente, studio dei testi.

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

Modalità didattiche

·  Lezioni introduttive sui media digitali, digital methods ed etica della ricerca

·  Lezioni introduttive su R e Gephi

·  Esercitazioni pratiche con R e Gephi

È raccomandato un personal computer in grado di connettersi a Internet (gli studenti potranno usufruire di una connessione wi-fi dalle aule di lezione del corso) su cui installare ed esercitarsi con i programmi oggetto di studio.

Obblighi

Per essere considerati studenti frequentanti occorre partecipare ad almeno tre quarti delle ore di lezione (32 ore).

Testi di studio

1.  boyd, d. (2010). Social network sites as networked publics: Affordances, dynamics, and implications. In “A networked self” (pp. 47-66). Routledge. https://www.danah.org/papers/2010/SNSasNetworkedPublics.pdf

2.  Van Dijck, J., & Poell, T. (2013). Understanding social media logic. Media and communication, 1(1), 2-14. https://www.cogitatiopress.com/mediaandcommunication/article/view/70

3.  W. N. Venables, D. M. Smith, & the R Core Team (2020). An Introduction to R (Notes on R: A Programming Environment for Data Analysis and Graphics Version 4.0.2. 2020-06-22). https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf

4.  Oliveira, M., & Gama, J. (2012). An overview of social network analysis. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2(2), 99-115. https://onlinelibrary.wiley.com/doi/full/10.1002/widm.1048

Modalità di
accertamento

La verifica dell’apprendimento per gli studenti frequentanti sarà volta a valutare l'apprendimento dei contenuti da parte dello studente e avverrà tramite colloquio orale individuale basato, in parte (50%), sui concetti presentati a lezione e sui testi di riferimento per l’esame, e in parte (50%), sulla discussione critica del report di ricerca derivato dal project work sviluppato durante il corso.

·  Daranno luogo a valutazioni di eccellenza: il possesso da parte dello studente di buone capacità critiche e di approfondimento dei contenuti del corso, l’uso di un linguaggio appropriato rispetto alla specificità degli argomenti trattati e un report di ricerca metodologicamente corretto, preciso e ordinato.

·  Daranno luogo a valutazioni discrete: il possesso da parte dello studente di una conoscenza mnemonica dei contenuti; una relativa capacità critica, l’uso di un linguaggio appropriato e un discreto report di ricerca.

·  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 del tutto appropriato e un report con alcune carenze.

·  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 e un report di ricerca carente.

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.

Testi di studio

Testi di studio

1.  boyd, d. (2010). Social network sites as networked publics: Affordances, dynamics, and implications. In “A networked self” (pp. 47-66). Routledge. https://www.danah.org/papers/2010/SNSasNetworkedPublics.pdf

2.  Van Dijck, J., & Poell, T. (2013). Understanding social media logic. Media and communication, 1(1), 2-14. https://www.cogitatiopress.com/mediaandcommunication/article/view/70

3.  W. N. Venables, D. M. Smith, & the R Core Team (2020). An Introduction to R (Notes on R: A Programming Environment for Data Analysis and Graphics Version 4.0.2. 2020-06-22). https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf

4.  Oliveira, M., & Gama, J. (2012). An overview of social network analysis. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2(2), 99-115. https://onlinelibrary.wiley.com/doi/full/10.1002/widm.1048

Modalità di
accertamento

La verifica dell’apprendimento per gli studenti non frequentanti avverrà tramite colloquio orale individuale basato sui concetti presentati a lezione e sui testi di riferimento per l’esame, e sarà volta a valutare l'apprendimento dei contenuti da parte dello studente, anche tramite brevi esercizi svolti con R durante il colloquio. Il docente renderà disponibile sulla piattaforma Moodle › blended.uniurb.it del corso l’elenco dettagliato delle competenze da raggiungere con R.

·  Daranno luogo a valutazioni di eccellenza: il possesso da parte dello studente di buone capacità critiche e di approfondimento dei contenuti del corso, l’uso di un linguaggio appropriato rispetto alla specificità degli argomenti trattati e una buona capacità di eseguire operazioni fondamentali con R.

·  Daranno luogo a valutazioni discrete: il possesso da parte dello studente di una conoscenza mnemonica dei contenuti; una relativa capacità critica, l’uso di un linguaggio appropriato e una discreta capacità di eseguire operazioni fondamentali con R.

·  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 del tutto appropriato e alcune incertezze nell’eseguire operazioni fondamentali con R.

·  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 e difficoltà ad eseguire operazioni fondamentali con R.

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.