Course Syllabus
Obiettivi formativi
Comprendere le sfide e le opportunità dei Big Data; Acquisire conoscenze su normative europee e strumenti riguardanti la raccolta e l'uso di tracce digitali; Utilizzare modelli di machine learning per l’analisi dati; Integrare l’Intelligenza Artificiale Generativa nella ricerca sociale.
Contenuti sintetici
Definizione ed utilizzi dei Big Data; GDPR e DSA applicati alla raccolta dati digitali nel contesto Europeo; Introduzione al machine learning tramite Weka e Teachable Machine; Utilizzo di modelli linguistici di grandi dimensioni - quali GPT, Claude e Mistral - in diversi compiti della ricerca sociale.
Programma esteso
Lezione 1, 1 Dicembre 2025, 14.30-18.30: Cosa sono e a cosa servono i Big Data
Argomenti principali:
Definizione e caratteristiche dei Big Data (volume, varietà, velocità, veridicità, valore).
Sfide associate ai Big Data: gestione, qualità e privacy.
Attività:
Strumenti online "reday-to-use" per i Big Data Analytics.
Lezione 2, 12 Dicembre 2025, 14.30-18.30: Raccolta dati e il Digital Services Act
Argomenti principali:
Regolamentazioni per l'accesso e l’utilizzo di dati nel contesto europeo: dalla General Data Protection Regulation (GDPR) al Digital Services Act (DSA).
Le tracce digitali come principale fonte di Big Data nella ricerca sociale: fonti e strumenti.
Attività:
Esercizi di raccolta di tracce digitali tramite Zeeschuimer e tramite Hyphe.
Lezione 3, 15 Dicembre 2025, 11.30-17.30: Introduzione al Machine Learning
Argomenti principali:
Comparazione tra Weka Workbench e Teachable Machine.
Vantaggi e svantaggi dell’open source rispetto a prodotti commerciali chiusi.
Attività:
Esercizi di classificazione dati quantitativi e qualitativi.
Lezione 4, 17 Dicembre 2025, 10.30-16.30: Introduzione ai Modelli Linguistici di Grandi Dimensioni
Argomenti principali:
Comparazione tra GPT, Claude e Mistral.
Vantaggi e svataggi dell’open source rispetto a prodotti commerciali chiusi.
Attività:
Esercizi di trascrizione di interviste con WhisperAI e analisi dei testi tramite Claude.
Lezione 5, 19 Dicembre 2025, 10.30-14.30: Progetto finale
Argomenti principali:
Revisione degli argomenti trattati nel corso del laboratorio.
Implementazione di un progetto finale in piccoli gruppi in stile hackathon.
Attività:
Lavoro di gruppo per la progettazione e realizzazione del progetto finale e presentazione del progetto agli altri partecipanti.
Prerequisiti
Concetti basi di logica della programmazione.
Metodi didattici
Il corso è progettato come un'esperienza pratica di apprendimento, basata sul principio del 'learning by doing'. Il metodo di insegnamento sarà quello della 'didattica capovolta': le letture devono essere preparate in modo autonomo prima delle lezioni, mentre in aula saranno presentati concetti chiave e veranno svolte esercitazioni guidate.
Modalità di verifica dell'apprendimento
La valutazione sarà basata sulla partecipazione attiva durante le lezioni e sulla qualità del progetto finale.
Testi di riferimento
Pilati, F. (2025). Sociologia Digitale 2.0. L’Intelligenza Artificiale Generativa come oggetto e strumento di ricerca. Milano: Ledizioni.
Sustainable Development Goals
Learning objectives
Understand the challenges and opportunities of Big Data; Acquire knowledge of European regulations and ready to use tools regarding the collection and use of digital traces; Use machine learning models for data analysis; Integrating Generative Artificial Intelligence into social research.
Contents
Definition and uses of Big Data; GDPR and DSA applied to digital data collection in the European context; Introduction to machine learning trough Weka and Teachable Machine; Applications of large language model - such as GPT, Claude and Mistral - in different social research tasks.
Detailed program
Lesson 1, December 1, 2025, 2:30 PM - 6:30 PM: A definition of Big Data
Main topics:
Definition and characteristics of Big Data (volume, variety, velocity, veracity, value).
Challenges associated with Big Data: management, quality, and privacy.
Activities:
Ready-to-use online tools for Big Data Analytics.
Lesson 2, December 12, 2025, 2:30 PM - 6:30 PM: Data Collection and the Digital Services Act
Main topics:
Regulations for accessing and using data in the European context: from the General Data Protection Regulation (GDPR) to the Digital Services Act (DSA).
Methods for collecting digital traces data: sources and tools.
Activities:
Exercises in collecting digital traces using Zeeschuimer and Hyphe.
Lesson 3, December 15, 2025, 11:30 AM - 5:30 PM: Introduction to Machine Learning
Main topics:
Comparison between Weka Workbench and Teachable Machine.
Advantages and disadvantages of open source tools versus closed commercial products.
Activities:
Exercises in classifying quantitative and qualitative data.
Lesson 4, December 17, 2025, 10:30 AM - 4:30 PM: Introduction to Large Language Models
Main topics:
Comparison between GPT, Claude and Mistral.
Advantages and disadvantages of open source tools versus closed commercial products.
Activities:
Exercises in transcribing interviews with WhisperAI and analyzing texts using Claude.
Lesson 5, December 19, 2025, 10:30 AM - 2:30 PM: Final Project
Main topics:
Review of the topics covered during the lab course.
Implementation of a final project in small groups, hackathon style.
Activities:
Group work on designing and developing the final project and presenting it to the other participants.
Prerequisites
Basic programming concepts.
Teaching methods
The course is designed as a hands-on learning experience based on the 'learning by doing' principle. The teaching method will follow a 'flipped classroom' approach: readings will be carried out independently, while in class, we will discuss key concepts and guided exercises will be carried out.
Assessment methods
The evaluation will be based on active participation during lessons and the quality of the final project.
Textbooks and Reading Materials
Pilati, F., Munk, A. K., & Venturini, T. (2025). Repurposing Generative AI for Social Research: Going Native with Artificial Intelligence. Sociologica Curated. (https://amsacta.unibo.it/id/eprint/8396/6/GenAI_first.pdf)
Sustainable Development Goals
Staff
-
Federico Pilati
