Vai al contenuto pricipale
Oggetto:
Oggetto:

SOCIAL MEDIA ANALYSIS E BIG DATA

Oggetto:

SOCIAL MEDIA ANALYSIS AND BIG DATA

Oggetto:

Anno accademico 2016/2017

Codice dell'attività didattica
CPS0244
Docente
Giuseppe Tipaldo (Titolare dell'insegnamento)
Corso di studi
Corso di laurea magistrale in Comunicazione, ICT e media (Classe LM-59)
Anno
1° anno 2° anno
Periodo didattico
Secondo semestre
Tipologia
Affine o integrativo
Crediti/Valenza
6
SSD dell'attività didattica
SPS/07 - sociologia generale
SPS/08 - sociologia dei processi culturali e comunicativi
Modalità di erogazione
Tradizionale
Lingua di insegnamento
Italiano
Modalità di frequenza
Facoltativa
Tipologia d'esame
Scritto ed orale
Prerequisiti

Il corso non ha requisiti didattici, ne ha di tipo umano: mi aspetto serietà, affidabilità, disposizione a lavorare sodo e fare fatica, voglia di sorridere.
Dotarsi di account:
Facebook ✓
Twitter ✓
Instagram ✓
Telegram ✓ (iscriversi al canale Il Comunicattore per partecipare e seguire le discussioni a tema sul corso)
Snapchat ✓ (per il ricevimento virtuale con il docente)


Educational pre-requirements: Nope
Human ones: Be reliable, work hard, smile.
Mandatory social media accounts to join the course:
Facebook ✓
Twitter ✓
Instagram ✓
Telegram ✓ (subscribe on the channel "IL COMUNICATTORE" to join class discussions)
Snapchat ✓ (for "virtual" office hours)

Propedeutico a
Richiesta di tesi o tirocinio con il docente.
Oggetto:

Sommario del corso

Oggetto:

Obiettivi formativi

NB: Il corso è organizzato secondo un modello di gamification improntato sull'imparare giocando, collaborando e gareggiando, che verrà svelato alla prima lezione, ma che farà certamente impallidire Pokemon Go.

Obiettivi:

1. Addestrare gli studenti al recupero, all'analisi e all'estrazione di senso da grandi quantità di dati provenienti dai principali canali Social (Facebook, Twitter, Instagram, Youtube, ecc.), nel rispetto delle policy di utilizzo e della normativa sulla privacy;

e simultaneamente:

2. Allenare gli studenti all'esercizio del pensiero critico attorno ai temi (e alle mode) associati ai Big Data e all'analisi dei Social Media;

3. Invogliare gli studenti alla problematizzazione dei Big Data derivanti dai Social Media in quanto costrutti sociali: saranno trattati temi (privacy, algoritmizzazione dei sistemi sociali, effetti perversi/indesiderati dell'esposizione del Sé, ecc.) di norma lasciati in posizione collaterale (e/o assai banalizzati) nel discorso pubblico, incrostato in frame nei quali i Big Data sono presentati come soluzioni "magiche" partorite da magnifiche sorti e progressive, raramente sottoposte a vaglio critico.

NB: the course is based on a "learning by playing 'n competing" gamification model. In comparison, Pokemon Go is nothing *lol* Further details provided during the 1st lesson.

Goals:

1. Training students to Social Media Listening and Analysis, making sense out of Big Data from Facebook, Twitter, Instagram, Youtube, blogs etc.

2. Helping students cultivate a critical thinking on Big Data and Social Media Analysis issues and trends;

3. Making students understand Big Data are socially constructed, this meaning we need to open and look into those "black boxes", usually framed into public discourses as "magical wands" from a progessive and desirable "algorythms society", without side effects.

Oggetto:

Risultati dell'apprendimento attesi

0. Riconoscere la differenza tra gioco, competizione e cooperazione e imparare a integrare i 3 strumenti a seconda degli obiettivi da raggiungere;

1. Essere in grado di recuperare, analizzare e interpretare grandi quantità di informazioni e dati provenienti dai principali canali Social;

2. Dimostrare una buona capacità di critica e problematizzazione attorno alle principali istanze associate a Big Data e Social Media Analysis. 

3. padroneggiare un vocabolario specialistico. 

0. Understanding the differences between play, cooperation and competition and learning how to mix them all depending on the objectives to reach;

1. Being able to retrieve, analyse and make sense out of Big Data (i.e. large amount of non-structered User-generated Content) from the most popular Social network sites (Facebook, Twitter, Instagram, etc.);

2. Demonstrating a valuable ability to critically discuss the most publicly relevant Big Data/Social Media Analysis issues (privacy, public exposition of the Self, etc.).   

3. Mastering a technical vocabulary.

Oggetto:

Modalità di insegnamento

**Non-Italian students can have the teacher engage with them and resume key-concepts of each lesson in English.**

Lezioni frontali

Lavori in gruppo

Focus seminariali e laboratoriali

Interazione virtuale individuale e a gruppi su Facebook, Twitter, Snapchat e Telegram.

L'interazione e il coinvolgimento attivo docente-studenti e tra studenti saranno sempre altamente incentivati.

**Non-Italian students can have the teacher engae with them and resume key-concepts of each lesson in English.**

Lectures

Work groups

Focused Laboratory/Seminar activities

Individual/groups virtual interaction on Facebook, Twitter, Snapchat and Telegram. 

Engagement and participation will be always highly stimulated. 

Oggetto:

Modalità di verifica dell'apprendimento

Il corso è organizzato secondo un modello di gamification a livelli successivi: ogni livello ha un punteggio "Gold" "Silver" e "Bronze" e un punteggio minimo al di sotto del quale il livello non è superato. Il voto finale è dato dal punteggio totale acquisito al termine del gioco. Aver acquisito dei Gold/Silver/Bronze dà diritto a dei bonus, presentati a lezione. 

* FREQUENTANTI

LIVELLO 1. costanza e qualità dell'interazione in classe e sui canali social indicati a lezione

>> (Gold 10 punti; Silver 9; Bronze 8; punteggio min per passare al livello 2: p.ti 5)

LIVELLO 2. Esonero di sbarramento entro la fine del corso sulle parti del libro di testo indicate a lezione e sul materiale fornito (appunti, slide)

>> (Gold 21 punti; Silver 20-19; Bronze 18-17; punteggio min per passare al livello 3: p.ti 13)

LIVELLO 3. Orale: presentazione del lavoro a gruppi

>>(Gold 10 punti; Silver 9; Bronze 8; ma se il lavoro è mal fatto o, peggio, copiato si può essere bocciati)

 

** EX-FREQUENTANTI (= frequentanti che non superano o risultano assenti ingiustificati a una delle prove a loro riservate)

LIVELLO 1. Scritto su tutto il libro di testo durante i normali appelli delle sessioni d'esame 

>>(max 21 p.ti, punteggio min per passare al livello 2: p.ti 13)

LIVELLO 2. Orale: presentazione del lavoro a gruppi (insieme al gruppo frequentanti di cui fanno parte)

>>(max +10 p.ti, ma se il lavoro è mal fatto o, peggio, copiato si può essere bocciati)

 

***NON-FREQUENTANTI

LIVELLO 1. Scritto su tutto il libro di testo durante i normali appelli delle sessioni d'esame

>>(max 20 p.ti, punteggio min per passare al livello 2: p.ti 13)

LIVELLO 2. Tesina su argomento concordato col docente 

>>(max +10 p.ti, ma se il lavoro è mal fatto o, peggio, copiato si può essere bocciati)

NOTE:

1. è possibile sostenere l’esame come frequentante esclusivamente entro la sessione immediatamente successiva al termine delle lezioni. Trascorsa tale sessione, il programma d'esame sarà per tutti quello da NON-FREQUENTANTI. 

2. l'esonero è di sbarramento: assenti e insufficienti  passano allo status di ex-frequentante (il programma d’esame cambia di conseguenza). 


The course is based on a gamification model with different levels. Each of them have a min score to move on and Gold/Silver/Bronze medals which provide students extra-bonus. Final score is the sum of single-levels scores and bonus.

* ATTENDING STUDENTS

LEVEL 1. quantity and quality of student's (class and virtual) interactions

>> (Gold 10 points; Silver 9; Bronze 8; min score to move to LEVEL 2 is 5) 

LEVEL 2. written text on (parts of) the textbook, notes, slides, etc.

>> (Gold 21 points; Silver 20-19; Bronze 18-17; min score to move to LEVEL 3 is 13)

LEVEL 3. Oral examination: group project presentation

>> (Gold 10 punti; Silver 9; Bronze 8; in case of very poor or copied project the entire group can be flunk regardless the overall score)

 

** EX-ATTENDING STUDENTS (former attendants who failed level 1 or 2 but still have a part in work group):

LEVEL 1. written text on the entire textbook

 >> (max 21 points; min score to move to LEVEL 2 is 13)

LEVEL 2. Oral examination: group project presentation

>> (max 10 points; in case of very poor or copied project the entire group can be flunk regardless the overall score)

  

** NON-ATTENDING STUDENTS:

LEVEL 1. written text on the entire textbook

 >> (max 21 points; min score to move to LEVEL 2 is 13)

LEVEL 2. Oral examination: written dissertion on a given topic

>> (max 10 points; in case of very poor or copied project the students can be flunk regardless the overall score)

 

NB:

1. the "ATTENDING STUDENTS" window expires within the closest session to the end of the course. From the next one onward, all students will be examined on the NON-ATTENDANTS program, no matter what. 

2. ATTENDING STUDENTS who fail to pass one level are automatically re-directed to the EX-ATTENDANT STUDENTS program. 

Oggetto:

Programma

NB: l'esercizio, la pratica e i lavori di gruppo cominceranno dalla prima lezione e saranno trasversali ai seguenti argomenti:

1. Big Data e Social Media Analysis: delimitazione propedeutica del campo d'indagine

2. Fare analisi dei Social: elementi metodologici di Social Media Listening e Social Media Analysis 

3. Data Visualization e Social Media Intelligence: un approccio socio-semiotico ai Big Data

NB: practice and work groups will be starting on the very first lesson and last for the entire duration of the course, which is intended to provide students with scientific knowledge on:

1. Big Data and Social Media Analysis: a theoretical introduction

2. Methodology of Content Analysis of Big Data from Social Media (i.e. textual and visual non structured User-Generated Content)

3. Data Visualization and Social Media Intelligence: toward a socio-semiotic approach to Big Data

Oggetto:

Testi consigliati e bibliografia

Tipaldo, G., 2014 L'analisi del contenuto e i mass media, Bologna, Il Mulino.

Altro materiale sarà fornito nella prima lezione.

Tipaldo, G., 2014 L'analisi del contenuto e i mass media, Bologna, Il Mulino.

More to be communicated on the 1st lesson.

Oggetto:

Orario lezioni

GiorniOreAula
Giovedì9:00 - 12:00Laboratorio LI4 Campus Luigi Einaudi - CLE
Venerdì9:00 - 12:00Laboratorio LI4 Campus Luigi Einaudi - CLE

Lezioni: dal 02/03/2017 al 07/04/2017

Oggetto:

Note

**Non-Italian students can have the teacher engage with them and resume key-concepts of each lesson in English.**

Final examination can be taken in English, too.

Probabile calendario lezioni: Terzo emisemestre: 13 febbraio - 25 marzo 2017, gio-ven 9-12 presso Campus Luigi Einaudi.

**Non-Italian students can have the teacher engage with them and resume key-concepts of each lesson in English.**

Final examination can be taken in English, too.

Scheduled for the 3rd period: 13 Feb - 25 Mar 2017, thu-fri 9-12 @ Campus Luigi Einaudi.

Oggetto:
Ultimo aggiornamento: 10/10/2016 15:56
Non cliccare qui!