Syllabus del corso
Obiettivi
I contenuti del corso mirano a fornire allo studente le conoscenze basilari utili a progettare e compilare framework volti all'analisi dei dati ambientali.
Nello specifico il corso si prefigge di:
- esplorare, gestire e manipolare dataset di dati ambientali (fisici, chimici, meteorologico-climatici, geologici, biologici ed ecologici), di natura osservazionale o sperimentale
- calcolare statistiche descrittive
- rappresentare graficamente la distribuzione dei dati
- identificare l’analisi statistica adeguata per rispondere a specifiche domande scientifiche rispetto ai dati raccolti o disponibili
- rappresentare graficamente i risultati e interpretarne il significato
In accordo con i descrittori di Dublino, il sorso si prefigge quanto segue:
- Conoscenza e capacità di comprensione. Al termine dell'insegnamento lo studente dovrà conoscere i principi fondamentali della gestione, elaborazione e analisi dei dati ambientali e le principali metodologie statistiche utilizzate per rispondere a quesiti scientifici. Dovrà inoltre conoscere le funzionalità di base del linguaggio R per l'analisi dei dati.
- Capacità di applicare conoscenza e comprensione. Lo studente dovrà essere in grado di utilizzare R per importare, esplorare, gestire e manipolare dataset ambientali, calcolare statistiche descrittive, selezionare le analisi statistiche più appropriate, produrre rappresentazioni grafiche dei dati e sviluppare semplici workflow di analisi riproducibili.
- Autonomia di giudizio. Lo studente dovrà essere in grado di valutare criticamente la qualità dei dati, individuare le procedure analitiche più appropriate in funzione del quesito scientifico e interpretare i risultati ottenuti nel contesto delle problematiche ambientali analizzate.
- Abilità comunicative. Lo studente saprà presentare e discutere i risultati delle analisi mediante grafici, tabelle e output prodotti in R, utilizzando una terminologia scientifica appropriata e un linguaggio tecnico corretto.
- Capacità di apprendimento. Lo studente sarà in grado di approfondire autonomamente l'utilizzo di R attraverso la consultazione della documentazione ufficiale e della letteratura scientifica, estendendo le competenze acquisite a nuovi dataset e a problemi di analisi ambientale.
Contenuti sintetici
Esplorazione, gestione e manipolazione di dataset ambientali; analisi e rappresentazione grafica dei dati per mezzo di un approccio informatico e interpretazione dei risultati.
Programma esteso
In dettaglio, il corso tratterà sinteticamente dal punto di vista teorico, e più estensivamente da punto di vista pratico per mezzo dei software R e R-Studio, i seguenti temi:
- Esplorazione e manipolazione dei dati
- Rappresentazione grafica dei dati
- Analisi di dati con distribuzione normale per mezzo di modelli lineari
- Analisi di dati con distribuzione non normale per mezzo di modelli lineari generalizzati
- Data-mining
- Modelli spazialmente espliciti
Prerequisiti
Nozioni di statistica di base acquisite nell'insegnamento di "Matematica e Statistica"
Modalità didattica
L’attività didattica sarà organizzata in attività pratiche (40 ore di Didattica Integrativa).
Attività di laboratorio (LIBaaS) da 3 o 4 ore in presenza, Didattica Interattiva
- Attività in aula cablata, per complessivi 4 cfu, 40 ore
Materiale didattico
Un’illustrazione dei libri di testo, con le relative caratteristiche, sarà fornita nel corso della prima lezione frontale. Tra questi:
Justin C. Touchon. Applied Statistics with R. A Practical Guide for the Life Sciences.
Oxford University Press (2021) - Consigliata la versione e-book
Periodo di erogazione dell'insegnamento
Le lezioni frontali e la parte pratica saranno erogati nel terzo anno di corso nel primo semestre.
Modalità di verifica del profitto e valutazione
Prova scritta.
Il problema sarà finalizzato alla verifica delle competenze di problem solving disciplinare. Nel corso della prova lo studente potrà consultare gli appunti presi duranto lo svolgimento del corso, nella sua parte frontale o in quella pratica, o i libri di testo, così come le risorse disponibili in rete.
Prova orale (colloquio di discussione sulla prova scritta).
Il superamento della prova scritta, darà accesso ad una breve prova orale finalizzata ad accertare il livello delle conoscenze, le competenzee e la capacità da parte dello studente di argomentare i concetti affrontati nella prova scritta nonché illustrare quelli discussi durante le lezioni frontali e in quelle pratiche.
Sono previsti 7 appelli ordinari durante le pause della didattica.
Orario di ricevimento
Su appuntamento previa richiesta agli indirizzi e-mail:
luciano.bani@unimib.it
olivia.dondina@unimib.it
Sustainable Development Goals
Aims
The course content is designed to provide students with the fundamental knowledge necessary to design and compile frameworks for the analysis of environmental data.
Specifically, the course aims to:
- explore, manage, and manipulate datasets of environmental data (including physical, chemical, meteorological-climatic, geological, biological, and ecological data), whether observational or experimental in nature
- compute descriptive statistics
- graphically represent data distributions
- identify the appropriate statistical analysis to answer specific scientific questions based on the data collected or available
- graphically present results and interpret their meaning
In accordance with the Dublin Descriptors, the course aims to achieve the following learning outcomes:
- Knowledge and understanding. By the end of the course, students will have acquired knowledge of the fundamental principles of environmental data management, processing, and analysis, as well as the main statistical methods used to address scientific questions. They will also be familiar with the basic features of the R programming language for data analysis.
- Applying knowledge and understanding. Students will be able to use R to import, explore, manage, and manipulate environmental datasets, compute descriptive statistics, select the most appropriate statistical analyses, produce graphical representations of data, and develop simple reproducible data analysis workflows.
- Making judgements. Students will be able to critically assess data quality, identify the most appropriate analytical procedures based on the scientific question being addressed, and interpret the results within the context of the environmental issues under investigation.
- Communication skills. Students will be able to present and discuss the results of data analyses using graphs, tables, and outputs generated in R, employing appropriate scientific terminology and accurate technical language.
- Learning skills. Students will be able to independently expand their knowledge of R by consulting the official documentation and the scientific literature, applying the acquired skills to new datasets and environmental data analysis problems.
Contents
Exploration, management and handling of environmental datasets; analysis and graphical representation of data using an IT approach and interpretation of results.
Detailed program
In detail, the course will deal briefly from a theoretical point of view, and more extensively from a practical point of view, the following topics:
- Exploration and manipulation of data
- Graphical representation of data
- Analysis of data with normal distribution by means of linear models.
- Analysis of data with non-normal distribution by generalized linear models
- Data mining
- Spatially explicit models
Prerequisites
Basic statistics concepts acquired through the course "Mathematics and Statistics"
Teaching form
The teaching activity will be organized in practical activities (40 hours of Interactive Teaching).
Three- four-hour lab activities (LIBaaS), in person, Interactive Teaching
- Activities in wired classroom, overall 4 credits, 40 h.
Textbook and teaching resource
An illustration of the textbooks, with their characteristics, will be provided during the first frontal lesson. Between these:
Justin C. Touchon. Applied Statistics with R. A Practical Guide for the Life Sciences.
Oxford University Press (2021) - Consigliata la versione e-book
Semester
The lectures and the practical part will be delivered in the third year of the course in the first semester.
Assessment method
Written exam.
The task will be aimed at assessing students’ disciplinary problem-solving skills. During the exam, students may consult notes taken during lectures or practical sessions, textbooks, and online resources.
Oral exam (discussion based on the written exam).
Passing the written exam grants access to a brief oral exam aimed at verifying the level of knowledge, skills, and the student’s ability to explain the concepts addressed in the written test, as well as those covered during lectures and practical sessions.
A total of 7 official exam sessions are scheduled during teaching breaks.
Office hours
By appointment upon request at the e-mail addresses:
luciano.bani@unimib.it
olivia.dondina@unimib.it
Sustainable Development Goals
Staff
-
Luciano Bani
