Syllabus del corso
Titolo
Fondamenti di Scienze Cognitive e Intelligenza Artificiale
Argomenti e articolazione del corso
Il corso fornisce un'introduzione tecnica generale all’informatica e agli algoritmi di intelligenza artificiale simbolica e neurale, progettata per le esigenze del CdS in Scienze Pedagogiche e pensata per chi non possiede alcuna conoscenza e competenza informatica pregressa. Come indicato nella sezione metodologica, parte del corso avrà natura laboratoriale.
La struttura degli argomenti sarà la seguente.
- Cenni di struttura dei calcolatori.
- Il concetto di algoritmo.
- Programmazione di semplici algoritmi nel linguaggio Python (attività laboratoriale in aula).
- La struttura dei sistemi di intelligenza artificiale simbolici e neurali.
- Programmazione di semplici sistemi di intelligenza artificiale (attività laboratoriale in aula)
- La struttura dei sistemi di intelligenza artificiale generativa: cenni teorici.
Si sottolinea che le tematiche del corso non sono pedagogiche: il corso non intende esplorare gli usi educativi e didattici dell'intelligenza artificiale, bensì fornire un insieme di conoscenze e competenze tecniche di base che potranno essere utili per riflessioni pedagogiche ed etiche. Il corso può essere pensato come propedeutico ad altri corsi di area pedagogica, psicologica e filosofica del CdS tra cui il corso "Filosofia della Relazione", tenuto dal collega Prof. Paolo Monti, che analizza alcune problematiche etiche legate agli usi dei sistemi di intelligenza artificiale nella decisione individuale e collettiva.
Obiettivi
1. Conoscenza e capacità di comprensione
Il corso fornisce conoscenze di base sulla struttura dei calcolatori, sul concetto di algoritmo, sui principali algoritmi di intelligenza artificiale simbolica e neurale, sulla struttura algoritmica dei sistemi di intelligenza artificiale generativa (o large-Language models). Le attività laboratoriali permetteranno di acquisire competenze base di programmazione e sviluppo di semplici sistemi informatici e di intelligenza artificiale, radicando le conoscenze nella pratica. Le conoscenze e le competenze acquisite favoriranno la comprensione della struttura dei processi algoritmici che hanno luogo nei dispositivi tecnologici che ci circondano, con una particolare attenzione ai “bias” introdotti nei processi di programmazione e apprendimento meccanico.
2. Conoscenza e capacità di comprensione applicate
Queste conoscenze e competenze di base saranno orientate verso lo studio dei sistemi di intelligenza artificiale. Faciliteranno la comprensione dei potenziali rischi derivanti dall'applicazione di tali sistemi in contesti educativi e, più in generale, nei processi di decisione individuale e collettiva.
3. Autonomia di giudizio
La frequenza del corso – in particolare, le ore di didattica interattiva – stimolerà la capacità, nelle studentesse e negli studenti, di elaborare un punto di vista personale, ma ben argomentato, sul ruolo dell’intelligenza artificiale nei processi di decisione individuale e collettiva, con riferimento particolare ai contesti educativi.
4. Abilità comunicative
La frequenza del corso – in particolare, delle ore laboratoriali – stimolerà la capacità di interpretare e presentare in modo coerente e ben argomentato il contenuto di articoli scientifici anche attraverso strumenti multimediali.
5. Capacità di apprendere
Soprattutto nelle ore di didattica interattiva, il corso stimolerà la capacità di integrare autonomamente il corpus delle proprie conoscenze e competenze attraverso la consultazione dei manuali di riferimento messi a disposizione dal docente e di altri testi presenti in biblioteca o sulla rete Internet.
Metodologie utilizzate
L’insegnamento sarà erogato in lingua italiana. Il corso, della durata complessiva di 56 ore, comprenderà
-
21 ore di Didattica Erogativa (32%), di cui 6 (10,7% del monte ore totale) saranno svolte in remoto, con modalità da concordare con le studentesse e gli studenti. Le ore di Didattica Erogativa (svolte sotto forma di lezione dialogata) saranno finalizzate soprattutto all’acquisizione di conoscenze teoriche sulla struttura dei calcolatori, sugli algoritmi e sui sistemi di intelligenza artificiale.
-
35 ore di Didattica Interattiva (68%), svolte in presenza in aula, che assumeranno forma laboratoriale. Le studentesse e gli studenti saranno guidate/i alla progressiva acquisizione di capacità di programmazione base nel linguaggio Python, utilizzando le risorse informatiche del RobotiCSS Lab (Laboratorio di Robotica per le Scienze Cognitive e Sociali).
Sebbene sia previsto un programma di esame dedicato alle studentesse e agli studenti non frequentanti, le attività didattiche erogative e interattive svolte in aula faciliteranno notevolmente la comprensione degli argomenti del corso. Si raccomanda dunque la frequenza in aula.
Materiali didattici (online, offline)
In alcuni momenti chiave del corso, il docente condividerà sulla piattaforma e-learning alcune diapositive utilizzate nella didattica erogativa per la discussione degli argomenti teorici.
Durante le attività di programmazione svolte in modalità laboratoriale in aula, le studentesse e gli studenti potranno consultare manuali di riferimento sul linguaggio Python, tra cui
- Il manuale di riferimento di Python presente sul sito docs.python.org (https://docs.python.it/paper-a4/ref.pdf)
- Pensare in Python. Come pensare da Informatico, disponibile in varie versioni sulla rete Internet (https://www.massimolauria.net/informatica2023/docs/PensareInPython.pdf)
Altri materiali e piattaforme disponibili in rete saranno identificati e diffusi durante il corso. Il software necessario per la programmazione in Python è gratuitamente scaricabile per varie piattaforme informatiche dal sito https://www.python.org/
Programma e bibliografia
- Frixione, Porello (2026), “Che cos’è un algoritmo”, Carocci.
- Mitchell (2022), “Intelligenza Artificiale. Una guida per esseri umani pensanti”, Einaudi.
Le studentesse e gli studenti non frequentanti dovranno aggiungere alcuni capitoli (che verranno indicati in seguito) del manuale “Intelligenza Artificiale. Un approccio moderno” di Russell e Norvig, disponibile in biblioteca di Ateneo.
Modalità d'esame
La valutazione avviene attraverso una prova finale solo orale, senza prove intermedi. La prova orale sarà tesa a valutare la conoscenza e la comprensione degli argomenti del corso, con un’attenzione alle abilità comunicative (precisione di linguaggio, capacità argomentativa). Il voto sarà espresso in trentesimi.
Il voto finale tiene conto dei seguenti aspetti (presentati seguendo la linea dei Descrittori di Dublino):
- Conoscenza e capacità di comprensione degli argomenti del corso; conoscenza e capacità di comprensione applicate all’analisi dei processi di apprendimento (50%);
- Autonomia di giudizio: capacità, dimostrata durante l’interazione con il docente in fase di esame orale, di elaborare e ben argomentare propri punti di vista (20%);
- Abilità comunicative: capacità di utilizzare un lessico appropriato al dominio di indagine (20%);
- Capacità di apprendere: capacità di integrare il proprio corpus di conoscenze attraverso ricerche autonome (10%).
Orario di ricevimento
Per concordare un orario di ricevimento online o in sede (edificio U6, quarto piano) contattare il docente all'indirizzo email edoardo.datteri@unimib.it.
Durata dei programmi
I programmi valgono due anni accademici.
Sustainable Development Goals
Course title
Foundations of Cognitive Science and Artificial Intelligence
Topics and course structure
This course provides a general technical introduction to computer science and the algorithms of symbolic and neural artificial intelligence. It is designed to meet the requirements of the degree program in Educational Sciences and is intended for students with no prior knowledge or experience in computer science. As indicated in the methodology section, part of the course will be conducted in a laboratory setting.
The course will cover the following topics:
- Introduction to computer architecture.
- The concept of an algorithm.
- Programming simple algorithms in Python (in-class lab activity).
- The structure of symbolic and neural artificial intelligence systems.
- Programming simple artificial intelligence systems (in-class lab activity)
- The structure of generative artificial intelligence systems: theoretical overview.
It should be emphasized that the course topics are not pedagogical: the course does not aim to explore the educational and instructional uses of artificial intelligence, but rather to provide a set of basic technical knowledge and skills that may be useful for pedagogical and ethical reflections. The course can be viewed as a prerequisite for other courses in the pedagogical, psychological, and philosophical areas of the degree program, including the course “Filosofia della Relazione,” taught by Prof. Paolo Monti, which analyzes certain ethical issues related to the use of artificial intelligence systems in individual and collective decision-making.
Objectives
- Knowledge and Comprehension
The course provides basic knowledge of computer architecture, the concept of algorithms, the main algorithms of symbolic and neural artificial intelligence, and the algorithmic structure of generative artificial intelligence systems (or large language models). Lab activities will enable students to acquire basic programming skills and the ability to develop simple computer systems and artificial intelligence systems, thereby reinforcing their knowledge through hands-on practice.
The knowledge and skills acquired will foster an understanding of the structure of the algorithmic processes that take place in the technological devices around us, with a particular focus on the “biases” introduced in programming and machine learning processes.
- Applied Knowledge and Comprehension
These basic knowledge and skills will be directed toward the study of artificial intelligence systems. They will facilitate an understanding of the potential risks arising from the application of such systems in educational contexts and, more generally, in individual and collective decision-making processes.
- Independent Judgment
Attendance at the course—in particular, the interactive instruction sessions—will foster students’ ability to develop a personal yet well-reasoned perspective on the role of artificial intelligence in individual and collective decision-making processes, with particular reference to educational contexts.
- Communication Skills
Attendance at the course—in particular, the laboratory sessions—will foster the ability to interpret and present the content of scientific articles in a coherent and well-reasoned manner, including through the use of multimedia tools.
- Learning Skills
Especially during interactive sessions, the course will foster students’ ability to independently expand their body of knowledge and skills by consulting the reference materials provided by the instructor and other texts available in the library or online.
Methodologies
The course will be taught in Italian. The course, with a total duration of 56 hours, will include
-
21 hours of Lectures (32%), of which 6 (10.7% of the total hours) will be conducted remotely, using methods to be agreed upon with the students. The lecture-based instruction (conducted in the form of interactive lectures) will focus primarily on the acquisition of theoretical knowledge regarding computer architecture, algorithms, and artificial intelligence systems;
-
35 hours of interactive instruction (68%), conducted in person in the classroom in a lab setting. Students will be guided toward the gradual acquisition of basic programming skills in the Python language, using the computing resources of the RobotiCSS Lab (Robotics Laboratory for Cognitive and Social Sciences).
Although an exam format is provided for non-attending students, the lecture-based and interactive classroom activities will greatly facilitate understanding of the course topics. Classroom attendance is therefore recommended.
Online and offline teaching materials
At certain key points in the course, the instructor will share on the e-learning platform some of the slides used in lectures to discuss theoretical topics.
During the programming activities conducted in classroom-based labs, students will be able to consult reference manuals on the Python language, including
- The Python reference manual available at docs.python.org (https://docs.python.it/paper-a4/ref.pdf)
- Thinking in Python: How to Think Like a Computer Scientist, available in various versions online (https://www.massimolauria.net/informatica2023/docs/PensareInPython.pdf)
Other online materials and platforms will be identified and shared during the course. The software required for Python programming can be downloaded for free for various operating systems from https://www.python.org/
Programme and references
- Frixione, Porello (2026), “Che cos’è un algoritmo”, Carocci.
- Mitchell (2022), “Intelligenza Artificiale. Una guida per esseri umani pensanti”, Einaudi.
Non-attending students will have to add some chapters of the handbook “Intelligenza Artificiale. Un approccio moderno” by Russell e Norvig.
Assessment methods
Assessment is based on a final oral exam only; there are no midterm exams. The oral exam will assess students’ knowledge and understanding of the course topics, with a focus on communication skills (precision of language, ability to argue a point). The grade will be expressed on a scale of 30.
The final grade takes into account the following aspects (presented in line with the Dublin Descriptors):
- Knowledge and understanding of the course topics; knowledge and understanding applied to the analysis of learning processes (50%);
- Autonomy of judgment: ability, demonstrated during interaction with the teacher in the oral exam, to develop and argue one's own points of view (20%);
- Communication skills: ability to use vocabulary appropriate to the field of study (20%);
- Learning skills: ability to integrate one's own body of knowledge through independent research (10%).
Office hours
To arrange an appointment online or in person (building U6, fourth floor), please contact the instructor at edoardo.datteri@unimib.it.
Programme validity
The programs are valid for two academic years.
Sustainable Development Goals
Staff
-
Edoardo Datteri
