Negli ultimi anni, l'espansione del concetto di web 2.0 e l'emergere dei social media come luoghi fondamentali per l'interazione sociale in vari ambiti - dallo svago alla politica, dal consumo al lavoro - hanno radicalmente cambiato le modalità di comunicazione e di azione, non solo a livello personale ma anche politico, nell'attivismo dei movimenti sociali, e nel marketing.

L'ambiente digitalizzato ha portato a una disponibilità di dati prima inimmaginabile, i cosiddetti 'big data', e nuovi strumenti metodologici e computazionali hanno reso possibile la loro analisi per le più disparate applicazioni. Si pensi, per esempio, agli strumenti di digital analytics che organizzazioni, partiti, aziende o influencers possono utilizzare per ottimizzare il proprio posizionamento e raggiungere più efficacemente il loro pubblico target, ampliando il numero di iscritti e di elettori, raccogliendo più fondi o vendendo meglio i loro prodotti.

Questo corso si propone di esplorare il cambiamento nel modo di comunicare determinato dalla diffusione dei media digitali e di presentare le metodologie per analizzare le 'tracce digitali' per ragioni commerciali, politiche o scientifiche.

Il corso si articola in quattro sezioni principali:

• La prima parte è dedicata a presentare i presupposti della rivoluzione digitale nell’ambito della ricerca scientifica e applicata.
• La seconda parte presenta i metodi di analisi che possono essere utilizzati per capitalizzare questi dati, includendo metodi statistici, computazionali e qualitativi per una comprensione complessiva del 'toolkit' a disposizione.
• Guarderemo quindi alle applicazioni di questi dati e metodi nei settori della politica e dell’attivismo contemporaneo, del digital marketing e delle scienze sociali.
• Infine, gli studenti frequentanti avranno l'opportunità di esercitare le conoscenze acquisite in un laboratorio dove impareranno ad applicare metodi come la netnografia e altri avanzati metodi di analisi per esplorare e valutare scientificamente le strategie di comunicazione digitale. 

Gli obiettivi del corso sono di natura: 

• Teorica, riguardanti la conoscenza del contesto digitalizzato in cui si opererà;
• Metodologica, relativi alla padronanza degli strumenti di analisi introdotti;
• Applicativa, in quanto il corso è guidato da un approccio prevalentemente applicativo: gli studenti impareranno l'utilizzo degli strumenti metodologici presentati.

Il programma verrà discusso nel dettaglio durante il corso e sarà soggetto ad adattamenti, per venire incontro al ritmo di apprendimento e alle conoscenze pregresse della classe.

Ci si propone di trattare i seguenti temi.

• Parte prima - Il contesto:

  • Internet, tracce digitali e big data

  • La networked society

• Parte seconda - I metodi:

  • Metodi statistici classici

  • Computational methods 

  • Metodi digitali qualitativi (netnografia)

• Parte terza - Le applicazioni:

  • Social media, Internet e digital analytics nella politica e attivismo contemporaneo 

  • Digital marketing e ottimizzazione 

  • Computational social science 

• Laboratorio di digital methods (frequentanti)

  • Progettazione:

    • Netnografia per la definizione del concept di una campagna di advertising 

    • Analisi esplorativa di dati digitali per identificare trend e pattern: analisi quantitativa e analisi computazionale del testo

  • Test e ottimizzazione:

    • A/B test per scegliere la migliore campagna di marketing

    • Metodi per testare l’efficacia di modifiche nel piano di comunicazione di un canale social media 

1. Conoscenze e capacità di comprensione (knowledge and understanding): delle opportunità e sfide che i digital media pongono alla ricerca sociale ed applicata, dei metodi di ricerca per l'analisi dei dati digitali, delle applicazioni di questi metodi ai contesti della ricerca sociale e del marketing.  

1.1 Gli studenti conseguono tali conoscenze specialmente durante le lezioni frontali e lo studio dei materiali di riferimento, attraverso spiegazioni teoriche ed esempi pratici. Queste capacità saranno rafforzate attraverso momenti di esercitazione hands-on individuali, e la realizzazione di un progetto di gruppo che li metterà a confronto con un problema di ricerca concreto con dati digitali reali.  

2. Conoscenza e capacità di comprensione applicate (applying knowledge and understanding): per affrontare l’analisi dei dati digitali a supporto di decisioni pratiche (per esempio, scegliere tra diverse strategie di comunicazione) con approccio metodologicamente sistematico e senso critico, riconoscendone potenzialità e limiti.

2.1 Gli studenti conseguono tali conoscenze durante le lezioni frontali, attraverso momenti di esercitazione hands-on individuali, e la realizzazione di un progetto di gruppo che li metterà a confronto con un problema di ricerca concreto con dati digitali reali. Le esercitazioni e il lavoro di gruppo consentirà agli studenti di applicare le conoscenze acquisite a un problema pratico e di loro interesse, concordato con il docente. 

3. Autonomia di giudizio (making judgments): per formulare ipotesi e domande di ricerca sulla base di informazioni scientificamente fondata e dati digitali, interpretandoli con rigore.

3.1 Gli studenti conseguono tali conoscenze durante le lezioni frontali esplicative, attraverso momenti di esercitazione hands-on individuali, e la realizzazione di un progetto di gruppo che li metterà a confronto con un problema di ricerca concreto con dati digitali reali. Per condurre la ricerca dovranno concettualizzare il problema, raccogliere informazioni scientifiche inerenti consultando la letteratura scientifica sul tema, formulando sulla base di queste ipotesi e aspettative, che vaglieranno alla luce dei risultati delle loro analisi.    

4. Abilità comunicative (communication skills): per comunicare in modo chiaro conoscenze, idee, problemi e soluzioni a interlocutori specialisti e non specialisti.  

4.1 Gli studenti conseguono tali conoscenze durante le lezioni frontali esplicative, attraverso momenti di esercitazione hands-on individuali, e la realizzazione di un progetto di gruppo che li metterà a confronto con un problema di ricerca concreto con dati digitali reali. In particolare, le lezioni chiariranno la struttura del ragionamento e dell’argomentazione scientifica fornendone un modello di facile comprensione e implementazione. Prepareranno quindi un’altra lavoro scritto (paper) e una  presentazione pubblica (in classe) dei risultati della loro ricerca, rispondendo alle domande che gli altri studenti e il docente potranno porre.  

5. Capacità di apprendere (learning skills): a studiare e ad apprendere in modo autonomo sulla base della conoscenza scientifica già esistente.

5.1 Gli studenti conseguono tali conoscenze durante le lezioni frontali esplicative che li guideranno alla consultazione, lettura e analisi della letteratura scientifica. Le conoscenza saranno rafforzate attraverso momenti di esercitazione hands-on individuali, e la realizzazione di un progetto di gruppo che richiederà loro di definire aspettative (ipotesi e domande di ricerca) sulla base della letteratura scientifica relativa al loro problema di ricerca specifico.

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

Non sono previste attività a supporto della didattica. Sono tuttavia previste attività di valutazione in itinere per gli studenti frequentanti. Queste valutazioni consentiranno agli studenti di accertare la loro comprensione degli elementi fondamentali del programma del corso.

Modalità didattiche

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

Didattica innovativa

Il corso adotta pratiche di didattica innovativa quali Problem-Based Learning e Learnin by Doing: gli studenti lavorano su dati reali per risolvere problemi concreti e completare un progetto di digital methods concordato con il docente. Inoltre vengono proposte esercitazioni per applicare le conoscenze teoriche a casi specifici di analisi di dati digitali.

Testi di studio

• Slides fornite dal docente durante le lezioni e rese disponibili su Blended
• Sezioni specifiche dei seguenti testi saranno indicate durante le lezioni:
  • Salganik, M. J. (2020). Bit By Bit: La ricerca sociale nell'era digitale. Società editrice il Mulino. https://www.mulino.it/isbn/9788815284907
  • Rogers, R. (2016). Metodi digitali: fare ricerca sociale con il web. BolognaIl Mulino. https://www.mulino.it/isbn/9788815265586

Gli studenti possono studiare i testi indicati anche nell'originale in lingua inglese.

Modalità di
accertamento

La verifica dell’apprendimento avverrà: 

• tramite project work, preparato gradualmente durante il corso e consegnato secondo deadline concordate (60%). 
• L'elaborato completo realizzato a fine corso sarà discusso in una breve presentazione alla classe (durante gli appelli d'esame), per valutare sia l'apprendimento dei contenuti da parte dello studente sia la sua capacità di presentazione, rielaborazione e di argomentazione (10%).
• Il progetto dovrà mostrare la padronanza delle conoscenze teoriche e metodologiche presentante durante il corso, che saranno oggetto di alcune domande specifiche in sede di presentazione (30%).

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”.

L'elaborato di gruppo sarà soggetto a verifica con il sistema anti-plagio in uso all'ateneo. Casi di plagio determineranno una valutazione negativa.

Studenti internazionali sono benvenuti e avranno la possibilità di scrivere e presentare il progetto in lingua inglese.

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.

Obblighi

Gli studenti non-frequentanti devono prendere e restare in contatto con il docente per concordare il progetto empirico su cui lavoreranno e consegnarlo secondo le deadline concordate (si veda punto 1 nella sezione "Modalità di accertamento").

Non sono previste distinzioni tra studentesse e studenti frequentanti e non frequentanti relativamente a modalità didattiche, obblighi, testi di studio e modalità di accertamento.