MODELLI E TECNICHE PER L'ANALISI MULTIVARIATA DEI DATI NELLA RICERCA VALUTATIVA

Prerequisiti richiesti

• TECNICHE MULTIDIMENSIONALI E MODELLI MULTIVARIATI PER L'ANALISI STATISTICA DEI DATI E DELLE RELAZIONI TRA VARIABILI

  Conoscenze di statistica metodologica di base.

• TEORIE E TECNICHE NELLA RICERCA VALUTATIVA

  Conoscenze di base: metodologia della ricerca sociale

Frequenza lezioni

• TECNICHE MULTIDIMENSIONALI E MODELLI MULTIVARIATI PER L'ANALISI STATISTICA DEI DATI E DELLE RELAZIONI TRA VARIABILI

  Fortemente consigliata per le applicazioni empiriche e di laboratorio di calcolo proposte a lezione e per poter accedere alla veriìfiche in itinere.

• TEORIE E TECNICHE NELLA RICERCA VALUTATIVA

  Fortemente consigliata per le applicazioni empiriche, per i casi di studio proposti e per poter accedere alla verifiche in itinere

Contenuti del corso

• TECNICHE MULTIDIMENSIONALI E MODELLI MULTIVARIATI PER L'ANALISI STATISTICA DEI DATI E DELLE RELAZIONI TRA VARIABILI

  1. Analisi fattoriale: fattori principali e componenti principali Scaling multidimensionale Analisi delle corrispondenze: semplici e multiple Analisi dei gruppi Metodologie di fuzzy clustering Seminari su argomenti specialistici: big data e data mining • analisi testuale • network analysis • reti neuronali

  2. Modelli di regressione multipla Modelli di regressione non lineare e logistica Modelli log-lineari Seminari su argomenti specialistici: • modelli multilevel • modelli di equazioni strutturali • modelli di Item Response Theory (IRT)

  3. Argomenti di approfondimento:

  • big data and data mining
  • testual analysis
  • network analysis
  • neural networks
  • agent-based models
• TEORIE E TECNICHE NELLA RICERCA VALUTATIVA

  Il modulo ha l’obiettivo di introdurre gli studenti ai fondamenti della logica valutativa, con particolare riferimento agli elementi di base che caratterizzano i processi valutativi, alle principali teorie valutative presenti in letteratura e alla valutazione di impatto con particolare riferimento agli aspetti metodologici. Il modulo affronta, inoltre, in chiave critica i rapporti che legano i processi di monitoraggio alle funzioni valutative, osservando, in particolare, i legami tra indicatori di monitoraggio e di valutazione. Gli studenti avranno la possibilità di individuare i principali aspetti metodologici da considerare nella definizione di sistemi di monitoraggio efficacemente orientati alla valutazione.

Testi di riferimento

• TECNICHE MULTIDIMENSIONALI E MODELLI MULTIVARIATI PER L'ANALISI STATISTICA DEI DATI E DELLE RELAZIONI TRA VARIABILI

  1. Fabbris L. (1997), Statistica multivariata. Analisi esplorativa dei dati, McGraw-Hill, Milano, pp. 3-77; 163-295; 301-351.

  Kosko B. (1995), Il fuzzy-pensiero. Teoria ed applicazioni della logica fuzzy, Baldini & Castaldi, Milano, pp. 13-57; 147- 183.

  Sangalli A. (2000), L’importanza di essere fuzzy, Bollati Boringhieri, Torino, p. 19-147.

  2. Bohrnstedt G. W. and Knoke D. (1998), Statistica per le scienze sociali, Il Mulino, Bologna, pp. 207-375.
  Hox J.J. (2010), Applied Multilevel Analysis, TT-Publikaties, Amsterdam, p. 1-30
  Corbetta P. (2002), Metodi di analisi multivariata per le scienze sociali. I modelli di equazioni strutturali, Il Mulino, Bologna, pp. 39-94.
  Giampaglia G. (2008), Il modello di Rasch nella ricerca sociale, Liguori, Napoli.

  3. Rezzani A. (2013), Big Data, Apogeo Education, Maggioli editore, Santarcangelo di Romagna (RN).

  Azzalini A., Scarpa B. (2004), Analisi dei dati e data mining, Springer, Berlin.

  Fraire M., Rizzi A. (2011), Analisi dei dati per il data mining, Carocci, Roma.

  Tuzzi A. (2003), L’analisi del contenuto, Carocci, Roma

  D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 13).

  D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 14).

  Meraviglia C. (2001), Le reti neurali nella ricerca sociale, FrancoAngeli, Milano, pp. 13-78.

• TEORIE E TECNICHE NELLA RICERCA VALUTATIVA

  Bezzi, C., Cannavò L., Palumbo M. (2010) Costruire indicatori nella Ricerca Sociale e nella Valutazione, Milano, FrancoAngeli: pp. 19-56.

  Stame N., (2016) Valutazione pluralista. Milano, Franco Angeli, pp 23-111.

  Stern E. (2016) La valutazione di impatto. Una guida per committenti e manager preparata per Bond. Milano, Franco Angeli, pp 13-65.

  Mazzeo Rinaldi F., (2012) Il monitoraggio per la valutazione, Milano, FrancoAngeli: pp 17-43 pp 67-115.

  Stame N. - a cura - (2007) Classici della valutazione. Milano, Franco Angeli, pp. 337-416.

Verifica dell'apprendimento

Modalità di verifica dell'apprendimento

• TECNICHE MULTIDIMENSIONALI E MODELLI MULTIVARIATI PER L'ANALISI STATISTICA DEI DATI E DELLE RELAZIONI TRA VARIABILI

  La prova scritta è obbligatoria e prevede domande a risposta aperta.

  La prova si intende superata se lo studente ottiene alla prova scritta una votazione complessiva non inferiore a 18/30 e verrà registrato un voto pari a 26/30 al massimo.

  Al fine di ottenere una votazione complessiva eventualmente superiore a 26/30 è necessario sostenere la prova orale.

• TEORIE E TECNICHE NELLA RICERCA VALUTATIVA

  Prova scritta: domande in forma di risposta aperta

Esempi di domande e/o esercizi frequenti

• TECNICHE MULTIDIMENSIONALI E MODELLI MULTIVARIATI PER L'ANALISI STATISTICA DEI DATI E DELLE RELAZIONI TRA VARIABILI

  Domande sui contenuti del programma

• TEORIE E TECNICHE NELLA RICERCA VALUTATIVA

  Domande sui contenuti del programma: I differenti Approcci valutativi; la Valutazione di impatto; Funzioni ed usi degli indicatori