Laurea Magistrale in Società E Sviluppo Locale

Didattica erogata

×
Stampa
Insegnamento
Politiche sociali per l'infanzia
Codice
GS0633
Anno Accademico
2023/2024
Anno regolamento
2020/2021
Corso di studio
Società e Sviluppo Locale
Curriculum
CORSO GENERICO
Responsabile didattico
ZALTRON Francesca
Docenti
Zaltron Francesca
CFU
6.0
Ore di lezione
30.0
Ore di studio individuale
120.0
Settore Scientifico Disciplinare (SSD)
SPS/07 - SOCIOLOGIA GENERALE
Tipo di insegnamento
Attività formativa monodisciplinare
Fruizione insegnamento
OBB
Categoria insegnamento
C
Anno
2
Periodo
Secondo Semestre
Sede
ALESSANDRIA
Tipo di valutazione
V
Lingua insegnamento/Teaching language
ITALIANO
Italian
Contenuti/Content Summary
Il corso analizza le diverse logiche delle politiche per l’infanzia, ricostruendone la storia e concentrandosi sulle tendenze contemporanee, con l’obiettivo di fornire chiavi di lettura per comprendere come le attuali trasformazioni delle politiche in Italia si inseriscano in processi globali, quali l’emergere della prospettiva dell’investimento sociale e la centralità dell’intervento precoce, e le implicazioni per il lavoro dei servizi.
The course analyses the different logics of social policies for children. The aim is to reconstruct their history and focus on contemporary trends, in order to provide keys to understand how the current transformations of policies in Italy fit into global processes, such as the emergence of the social investment perspective and the centrality of early intervention, and the implications for the work of services.
Testi di riferimento/Textbooks
Frequentanti 1. Sabatinelli, Stefania. Politiche per crescere. La prima infanzia tra cura e investimento sociale. il Mulino, 2016; cap. 1,2,4 2. Ascoli U., Sgritta B. (2014), "Social Investment e innovazione sociale. Nuovi equilibri tra crescita economica, tutale dei diritti e coesione sociale, Rassegna Italiana di Sociologia, N. 3 3. Scarscelli, Daniele. "Conoscenza, potere e controllo della devianza nel lavoro sociale in un’ottica anti-oppressiva." Studi sulla questione criminale 14.3 (2019): 89-110. Non Frequentanti 1. Sabatinelli, Stefania. Politiche per crescere. La prima infanzia tra cura e investimento sociale. il Mulino, 2016; cap. 1,2,4 2. Ascoli U., Sgritta B. (2014), "Social Investment e innovazione sociale. Nuovi equilibri tra crescita economica, tutale dei diritti e coesione sociale, Rassegna Italiana di Sociologia, Fascicolo 3 3. Naldini M. (2018), "Modelli e politiche sociali a sostegno dell'infanzia", MinoriGiustizia, N 3. 4. Scarscelli, Daniele. "Conoscenza, potere e controllo della devianza nel lavoro sociale in un’ottica anti-oppressiva." Studi sulla questione criminale 14.3 (2019): 89-110.
Attending Student 1. Sabatinelli, Stefania. Politiche per crescere. La prima infanzia tra cura e investimento sociale. il Mulino, 2016; c 2. Ascoli U., Sgritta B. (2014), "Social Investment e innovazione sociale. Nuovi equilibri tra crescita economica, tutale dei diritti e coesione sociale, Rassegna Italiana di Sociologia, N. 3 3. Scarscelli, Daniele. "Conoscenza, potere e controllo della devianza nel lavoro sociale in un’ottica anti-oppressiva." Studi sulla questione criminale 14.3 (2019): 89-110. Non-attending student 1. Sabatinelli, Stefania. Politiche per crescere. La prima infanzia tra cura e investimento sociale. il Mulino, 2016; cap. 1,2,4 2. Ascoli U., Sgritta B. (2014), "Social Investment e innovazione sociale. Nuovi equilibri tra crescita economica, tutale dei diritti e coesione sociale, Rassegna Italiana di Sociologia, Fascicolo 3 3. Naldini M. (2018), "Modelli e politiche sociali a sostegno dell'infanzia", MinoriGiustizia, N 3. 4. Scarscelli, Daniele. "Conoscenza, potere e controllo della devianza nel lavoro sociale in un’ottica anti-oppressiva." Studi sulla questione criminale 14.3 (2019): 89-110.
Obiettivi formativi/Mission
Il corso intende fornire conoscenze di base sulle politiche per l'infanzia e capacità di analisi delle loro trasformazioni
The course aims to provide knowledge on social policies for children and the ability to analyze their transformations.
Prerequisiti/Required background knowledge
-
-
Metodi didattici/Teaching methods
Lezioni frontali e attività di gruppo
The course is organized in frontal lesson and group activity
Altre informazioni/Further information
Le studentesse e gli studenti con disabilità o con Disturbi Specifici dell’Apprendimento (DSA) o con Bisogni Educativi Speciali (BES) possono richiedere servizi e strumenti specifici a loro dedicati rivolgendosi allo Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti e consultando la pagina dedicata del sito di Ateneo: https://uniupo.it/it/servizi/servizi-studenti- disabili-e-dsa Le studentesse e gli studenti con disabilità, DSA, BES, una volta preso contatto con lo Staff di Ateneo, possono contattare la/il docente titolare dell'insegnamento in relazione alla declinazione delle modalità di esame, in merito agli aspetti didattici.
Students with physical disabilities, Learning Disabilities or Special Education Needs can request specific services and tools via the Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti, consulting the University webpage: https://www.uniupo.it/en/services/services- students-physical-or-learning-disabilities Students with disabilities, learning disabilities or special education needs, once they have contacted the University Staff, can refer to the tutor in charge of the course to define the examination modalities, concerning academic aspects.
Modalità di verifica dell'apprendimento/Assessment methods
Esame orale
Oral text
Programma esteso/Content
Saranno fornite conoscenze di base sulle tendenze delle politiche dell'infanzia in Europa e le loro caratteristiche in Italia. Saranno approfondite le implicazioni per il lavoro nei servizi delle diverse logiche di intervento.
Knowledge will be provided on the trends of social policies for children in Europe and their characteristics in Italy. The implications of different intervention logics for social work in services will be explored.
Risultati di apprendimento attesi/Intended learning objectives
Studentesse e studenti acquisiranno sia conoscenze sia capacità di analisi sulle politiche per l'infanzia
Acquire knowledge and skills in the analysis of social policies for children
×
Stampa
Insegnamento
Laboratorio di Analisi dei dati digitali per l'Amministrazione e le imprese
Codice
GS0564
Anno Accademico
2023/2024
Anno regolamento
2021/2022
Corso di studio
Società e Sviluppo Locale
Curriculum
AMMINISTRAZIONE E ORGANIZZAZIONE DIGITALE
Responsabile didattico
CARBONE Domenico
Docenti
Carbone Domenico
CFU
6.0
Ore di lezione
30.0
Ore di studio individuale
120.0
Settore Scientifico Disciplinare (SSD)
SPS/07 - SOCIOLOGIA GENERALE
Tipo di insegnamento
Attività formativa monodisciplinare
Fruizione insegnamento
OBB
Categoria insegnamento
C
Anno
1
Periodo
Secondo Semestre
Sede
ALESSANDRIA
Tipo di valutazione
V
Lingua insegnamento/Teaching language
ITALIANO
Italian
Contenuti/Content Summary
Introduzione a R. Comandi fondamentali e pacchetti per la data science. Variabili e oggetti, tipi e classi. Gestione e manipolazione dati. Controllo del flusso di esecuzione di un programma. Statistiche descrittive, analisi mono, bi e multivariata dei dati. La sentiment analysis. Machine Learning: scelta del modello, stime e valutazioni. Machine Learning: applicazioni di algoritmi a dati empirici. Reti neurali.
Knowledge of the functioning of the statistical environment R, of the fundamentals programming commands for data science and the main techniques and algorithms of data mining and machine learning.
Testi di riferimento/Textbooks
P. Dangeti, Statistics for machine learning Build supervised, unsupervised and reinforcement learning models using both Python and R, 2017, Packt, Birmingham – Mumbai. Dispense del docente. Per il ripasso delle nozioni fondamentali potrebbero essere utili: P. Corbetta, Metodologia e tecniche della ricerca Sociale, 1999, Il Mulino, Bologna. D. Vaiuso, Il Trattamento dei dati socio economici con Stata. Il software Stata, 2016, Carocci, Roma.
P. Dangeti, Statistics for machine learning Build supervised, unsupervised and reinforcement learning models using both Python and R, 2017, Packt, Birmingham - Mumbai. Lecture notes by the teacher. For the review of the fundamentals: P. Corbetta, Metodologia e tecniche della Ricerca Sociale, 1999, Il Mulino, Bologna. D. Vaiuso, Il Trattamento dei dati socio economici con Stata. Il software Stata, 2016, Carocci, Roma.
Obiettivi formativi/Mission
Obiettivo del corso è introdurre gli studenti all’utilizzo dell’ambiente statistico R per la Data Science.
The aim of the course is to introduce students to the use of the R statistical environment for the Data Science.
Metodi didattici/Teaching methods
Aula informatica con PC a disposizione per ogni singolo studente, collegamento internet e intranet docente/studenti tramite il software Net Support per consentire agli studenti di vedere sul proprio monitor le operazioni che il docente svolge sul computer (Master) alla cattedra. Gli argomenti principali del corso sono disponibili sul sito, costantemente aggiornato, sotto forma di file, dati e link per approfondimenti consultabili e scaricabili anche sul PC di casa, per consentire un'agevole fruizione del corso anche agli studenti impossibilitati a seguire regolarmente le lezioni di persona. Vi è la possibilità di interagire con il docente incontrandolo di persona o 'a distanza' (a seconda dei propri vincoli e preferenze) nell'orario di ricevimento da concordare preventivamente via mail. La fruizione del corso in modalità sincrona (lezioni tradizionali svolte in classe o 'a distanza' con la possibilità di stabilire orari in cui collegarsi al sito per partecipare alle chat di discussione in real time) e asincrona (gli argomenti sono affrontati dagli studenti in momenti successivi rispetto alla spiegazione del docente, tramite la partecipazione a forum di approfondimento) oltre alla possibilità di interagire sia con il docente, sia con gli altri studenti (di persona ma anche tramite chat, forum e posta elettronica), permette agli studenti di raggiungere una forma di partecipazione al corso e di interazione superiore al livello raggiungibile con le sole metodologie didattiche tradizionali.
Computer room with PC available for each student, internet connection e teacher / student intranet via Net Support software. The main topics of the course are available on the website, which is constantly updated, in the form of files, data and links for further information that can also be consulted and downloaded on the PC of home.
Modalità di verifica dell'apprendimento/Assessment methods
Presentazione e discussione di un progetto su un argomento affrontato nel corso, a scelta dello studente.
The main topics of the course are available on the website, which is constantly updated, in the form of files, data and links for further information that can also be consulted and downloaded on the PC of home
Programma esteso/Content
Introduzione a R e all’ambiente di sviluppo integrato R Studio (3). Comandi fondamentali e pacchetti per la data science. Variabili e oggetti, tipi e classi. Gestione e manipolazione dati (3). Controllo del flusso di esecuzione di un programma (3). Statistiche descrittive, analisi mono, bi e multivariata dei dati (3). La sentiment analysis. Un caso di studio basato su dati reali scaricati da twitter (3). Machine Learning: scelta del modello, stime e valutazioni (3). Machine Learning: applicazioni di algoritmi a dati empirici (3). Knn, Classificazione e regressione ad albero, operazioni sugli alberi (bagging and pruning), RandomForest, Support Vector Machine (6). Reti neurali (3).
Introduction to R and the R Studio integrated development environment (3). Fundamental commands and packages for data science. Variables and objects, types and classes. Data management and manipulation (3). Control the flow of program execution (3). Descriptive statistics, mono, bi and multivariate analysis of the data (3). Sentiment analysis. A case study based on real data downloaded from twitter (3). Machine Learning: model choice, estimates and evaluations (3). Machine Learning: applications of algorithms to empirical data (3). Knn, Tree classification and regression, tree operations (bagging and pruning), RandomForest, Support Vector Machine (6). Neural networks (3).
Risultati di apprendimento attesi/Intended learning objectives
Conoscenza del funzionamento dell’ambiente statistico R, dei fondamentali comandi di programmazione per la data science e delle principali tecniche e algoritmi di data mining e di machine learning.
Knowledge of the functioning of the R statistical environment, of the fundamental programming commands for data science and of main data mining techniques and machine learning algorithms.
Stampa guida
Stampa
Anno Codice Insegnamento Docenti Settore Scientifico Disciplinare (SSD) Curriculum Sede CFU
1 GS0564 Laboratorio di Analisi dei dati digitali per l'Amministrazione e le imprese Carbone Domenico SPS/07 Amministrazione E Organizzazione Digitale ALESSANDRIA 6.0
2 GS0633 Politiche sociali per l'infanzia Zaltron Francesca SPS/07 Tutti ALESSANDRIA 6.0
Dati aggiornati al: 17/10/2025, 14:17