Course Syllabus

Export

Il laboratorio ha un taglio prevalentemente applicativo e si propone di consentire agli studenti di mettere in pratica le metodologie apprese nei moduli curricolari, con particolare riferimento all'analisi dei dati relativi al mercato del lavoro. L'obiettivo principale è sviluppare competenze operative e interpretative nell'analisi dei dati, privilegiando la capacità di lettura critica e di interpretazione dei risultati empirici rispetto all'acquisizione di nozioni statistiche puramente formali.

  • Conoscenza e capacità di comprensione: al termine del laboratorio la/lo studente conosce: i principi di base della ricerca sociale empirica applicata; le principali tecniche di analisi descrittiva e bivariata per dati categoriali; le logiche di funzionamento dei principali modelli predittivi per variabili qualitative; i fondamenti interpretativi dell'analisi delle corrispondenze multiple.
  • Conoscenza e capacità di comprensione applicate: la/lo studente è in grado di: progettare un percorso di analisi dei dati a partire da un problema empirico; costruire e interpretare tabelle di frequenza e tabelle di contingenza; applicare test di indipendenza e misure di associazione tra variabili categoriali; costruire modelli predittivi per variabili qualitative utilizzando il software didattico Tanagra; leggere e interpretare mappe fattoriali derivate da analisi delle corrispondenze multiple.
  • Autonomia di giudizio: la/lo studente sviluppa la capacità di: valutare criticamente l'adeguatezza delle tecniche di analisi rispetto al problema di ricerca; interpretare i risultati statistici in relazione al contesto empirico e ai dati utilizzati; riconoscere limiti, ipotesi e implicazioni delle analisi svolte.
  • Abilità comunicative: la/lo studente è in grado di: presentare in modo chiaro e strutturato i risultati di un'analisi dei dati; utilizzare correttamente tabelle, grafici e indicatori a supporto dell'interpretazione; redigere brevi report di analisi con un linguaggio appropriato e coerente con il contesto disciplinare.
  • Capacità di apprendere: Al termine del laboratorio la/lo studente è in grado di: proseguire in modo autonomo l'approfondimento di tecniche di analisi dei dati; applicare le competenze acquisite a nuovi contesti empirici e nuovi dataset; integrare strumenti metodologici diversi all'interno di un percorso di analisi coerente.

Contenuti dell'attività formativa:

  • strumenti di base della ricerca sociale empirica;
  • elementi di statistica descrittiva per dati qualitativi;
  • analisi univariata e bivariata di variabili categoriali;
  • test di indipendenza e misure di associazione;
  • indici di caratterizzazione e potere predittivo;
  • modelli predittivi per variabili qualitative;
  • analisi delle corrispondenze multiple;
  • sintesi e interpretazione dei risultati.

Il laboratorio adotta una modalità didattica interattiva e partecipativa, finalizzata alla riproduzione delle principali fasi di una ricerca sociale empirica. Ogni incontro prevede una parte di inquadramento metodologico e una parte applicativa, dedicata allo svolgimento di esercitazioni su dati reali. L'attività laboratoriale è orientata all'analisi di dataset di natura amministrativa e statistica, con particolare riferimento ai dati sul mercato del lavoro locale. L'elaborazione dei dati avviene mediante l'utilizzo del software statistico Tanagra, progettato per finalità didattiche, che consente un approccio trasparente, replicabile e orientato all'interpretazione dei risultati nell'analisi dei dati categoriali e nella costruzione di modelli descrittivi e predittivi.
Il laboratorio guida progressivamente gli studenti nella progettazione e realizzazione di un percorso completo di analisi dei dati a supporto della definizione e valutazione di interventi di politica pubblica locale. Il programma include:

  • definizione dell'oggetto di analisi e del disegno di ricerca;
  • operativizzazione dei concetti e costruzione delle variabili;
  • analisi descrittiva univariata e bivariata;
  • verifica dell'indipendenza statistica e interpretazione dei risultati;
  • costruzione e valutazione di modelli predittivi;
  • esplorazione delle relazioni tra più variabili categoriali;
  • restituzione dei risultati attraverso report strutturati e commentati.

Particolare attenzione è dedicata all'utilizzo delle Comunicazioni Obbligatorie di avviamento al lavoro come esempio di dati amministrativi analizzabili a fini conoscitivi.

Per la partecipazione al laboratorio sono richiesti:

  • iscrizione dal terzo anno di corso in poi;
  • superamento degli esami di Matematica e Statistica;
  • conseguimento di almeno 90 CFU;
  • inserimento del laboratorio nel piano di studi.

Attività di laboratorio da 4 ore svolte in modalità interattiva in presenza. L'attività didattica è basata prevalentemente su esercitazioni pratiche guidate, svolte in aula informatica, con:

  • esercitazioni individuali e di gruppo;
  • analisi di casi studio;
  • utilizzo diretto del software didattico Tanagra.

L'approccio didattico privilegia la comprensione del processo di analisi e del significato sostantivo dei risultati prodotti.

La verifica dell'apprendimento avviene attraverso:

  • partecipazione attiva alle esercitazioni;
  • svolgimento di attività applicative individuali e di gruppo;
  • analisi e discussione di casi studio.

La valutazione è orientata a verificare il raggiungimento dei risultati di apprendimento attesi, in particolare la capacità di applicazione, interpretazione e comunicazione dei risultati.

Il materiale didattico (software didattico Tanagra, dataset, dispense, slide e output di analisi) è fornito dal docente durante lo svolgimento del laboratorio.

ISTRUZIONE DI QUALITÁ | PARITÁ DI GENERE | LAVORO DIGNITOSO E CRESCITA ECONOMICA | IMPRESE, INNOVAZIONE E INFRASTRUTTURE | RIDURRE LE DISUGUAGLIANZE
Export

The laboratory has a strongly applied focus and aims to enable students to put into practice the methodologies acquired in their core courses, with specific reference to the analysis of labour market data. The main objective is to develop operational and interpretative skills in data analysis, privileging critical reading and substantive interpretation of empirical results over the acquisition of purely formal statistical notions.

  • Knowledge and understanding: at the end of the laboratory, students will have knowledge of: the basic principles of applied empirical social research; the main descriptive and bivariate analysis techniques for categorical data; the underlying logic of the main predictive models for qualitative variables; the interpretative foundations of multiple correspondence analysis.
  • Applied knowledge and understanding: students will be able to: design a data analysis pathway starting from an empirical research question; construct and interpret frequency tables and contingency tables; apply independence tests and measures of association for categorical variables; build predictive models for qualitative variables using the educational software Tanagra; read and interpret factor maps derived from multiple correspondence analysis.
  • Making judgements: students will develop the ability to: critically assess the adequacy of analytical techniques with respect to the research problem; interpret statistical results in relation to the empirical context and the data used; identify limitations, assumptions and implications of the analyses carried out.
  • Communication skills: students will be able to: present the results of a data analysis in a clear and structured manner; correctly use tables, charts and indicators to support interpretation; produce short analytical reports using appropriate language consistent with the disciplinary context.
  • Learning skills: at the end of the laboratory, students will be able to: autonomously pursue further learning in data analysis techniques; apply the acquired skills to new empirical contexts and datasets; integrate different methodological tools within a coherent analytical framework.

Course contents:

  • basic tools of empirical social research;
  • elements of descriptive statistics for qualitative data;
  • univariate and bivariate analysis of categorical variables;
  • independence tests and measures of association;
  • characterization indices and predictive power measures;
  • predictive models for qualitative variables;
  • multiple correspondence analysis;
  • synthesis and interpretation of analytical results.

The laboratory adopts an interactive and participatory teaching approach aimed at replicating the main stages of an empirical social research process. Each session includes a methodological framing component as well as an applied component, devoted to practical exercises based on real data. The laboratory activities focus on the analysis of administrative and statistical datasets, with particular reference to data on the local labour market. Data processing is carried out using the statistical software Tanagra, specifically designed for teaching purposes, which enables a transparent and replicable approach and supports the interpretation of results in the analysis of categorical data and in the construction of descriptive and predictive models.
The laboratory progressively guides students in the design and implementation of a complete data analysis process aimed at supporting the definition and evaluation of local public policy interventions.
The programme includes:

  • definition of the object of analysis and research design;
  • operationalization of concepts and construction of variables;
  • univariate and bivariate descriptive analysis;
  • testing for statistical independence and interpretation of results;
  • construction and evaluation of predictive models;
  • exploration of relationships among multiple categorical variables;
  • presentation of results through structured and commented reports.

Particular attention is devoted to the use of “Mandatory Employment Notifications” (COB) as an example of administrative data suitable for analytical and interpretative purposes.

Participation in the laboratory requires:

  • enrolment from the third year of the degree programme onwards;
  • successful completion of Mathematics and Statistics examinations;
  • attainment of at least 90 ECTS credits;
  • inclusion of the laboratory in the study plan.

The course is mainly based on guided practical laboratory activities, conducted in a computer lab and including:

  • individual and group exercises;
  • case study analysis;
  • direct use of the educational software Tanagra.

The teaching approach emphasises understanding the data analysis process and the substantive meaning of the results produced.

Learning assessment is based on:

  • active participation in laboratory activities;
  • completion of individual and group applied tasks;
  • analysis and discussion of case studies.

Assessment is aimed at verifying the achievement of the expected learning outcomes, with particular attention to the ability to apply methods, interpret results and communicate findings effectively.

Teaching materials (educational software Tanagra, datasets, handouts, slides and analytical outputs) are provided by the instructor during the laboratory activities.

QUALITY EDUCATION | GENDER EQUALITY | DECENT WORK AND ECONOMIC GROWTH | INDUSTRY, INNOVATION AND INFRASTRUCTURE | REDUCED INEQUALITIES
Enter

Key information

Field of research
NN
ECTS
2
Term
Second semester
Activity type
Mandatory to be chosen
Course Length (Hours)
24
Degree Course Type
Degree Course
Language
Italian

Staff

    Teacher

  • LL
    Livio Lo Verso

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Self enrolment (Student)

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all
GENDER EQUALITY - Achieve gender equality and empower all women and girls
DECENT WORK AND ECONOMIC GROWTH - Promote sustained, inclusive and sustainable economic growth, full and productive employment and decent work for all
INDUSTRY, INNOVATION AND INFRASTRUCTURE - Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
REDUCED INEQUALITIES - Reduce inequality within and among countries