SOCIAL NETWORK ANALYSIS

Internazionalizzazione della Didattica SOCIAL NETWORK ANALYSIS

0622700060
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2021/2022



ANNO CORSO 2
ANNO ORDINAMENTO 2017
SECONDO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
324ESERCITAZIONE
Obiettivi
Questo insegnamento si pone l’obiettivo di fornire gli strumenti per meglio comprendere e controllare i processi che si verificano all’interno di una rete. In particolare, il corso vuole fornire un quadro, il più possibile esaustivo, della recente ricerca sullo studio e l’analisi delle reti, con
particolare attenzione alle reti sociali e informative. L’attenzione non sarà sugli aspetti tecnologici ma, piuttosto, sulla comprensione dei processi che si sviluppano all’interno di una rete e sulle tecniche che possono essere utilizzate per estrarre conoscenza dall’analisi strutturale della rete.

Conoscenza a capacità di comprensione
Conoscenza degli aspetti strutturali che caratterizzano una rete e dei modelli e degli indicatori che permettono di rappresentare efficacemente tali reti ed il comportamento dei loro componenti. Conoscenza dei principali processi e delle applicazioni che possono essere eseguite su tali reti, quali la ricerca di informazioni tramite motori di ricerca, la ricerca sponsorizzata, gli effetti di rete nel determinare i comportamenti degli agenti della rete, la diffusione delle informazioni e dell’influenza e gli effetti che questa può avere sulla struttura della rete stessa.

Conoscenze e capacità di comprensione applicate
Al termine dell’insegnamento gli studenti saranno in grado di estrarre informazioni relative a processi in rete, anche da dataset di grosse dimensioni. Saranno anche in grado di analizzare, comprendere e controllare i principali processi che si sviluppano all’interno di una rete e di applicare queste conoscenze nella realizzazione e gestione di applicazioni che abbiamo componenti sociali ed economiche e nel progettare applicazioni per reti sociali come Facebook o Twitter.
Prerequisiti
PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI DEL CORSO, SONO RICHIESTE CONOSCENZE DI ALGORITMI E TECNICHE DI PROGRAMMAZIONE E LA CONOSCENZA DEL LINGUAGGIO DI PROGRAMMAZIONE PYTHON. INOLTRE, È RICHIESTA LA CONOSCENZA DI ELEMENTI DI CALCOLO DELLE PROBABILITÀ E DI ALGEBRA LINEARE.
Contenuti
GLI STRUMENTI PRINCIPALI UTILIZZATI DURANTE IL CORSO SARANNO LA TEORIA DEI GRAFI PER DESCRIVERE ED ANALIZZARE LA STRUTTURA DI UNA RETE, E LA TEORIA DEI GIOCHI PER DESCRIVERE I COMPORTAMENTI STRATEGICI DEGLI AGENTI.
UNA PARTE DEL CORSO SARÀ DEDICATA AD ATTIVITÀ DI PROGRAMMAZIONE IN PYTHON. IN QUESTA PARTE, UTILIZZANDO API E DATASET DISPONIBILI IN RETE VERRANNO PROPOSTI ESPERIMENTI DI ANALISI DEI DATI PER L'ESTRAZIONE DI INFORMAZIONI RELATIVE ALLA STRUTTURA DELLE RELATIVE RETI.

INTRODUZIONE ALLE RETI
- ASPETTI DELLE RETI E LORO RUOLO NELLA NOSTRA SOCIETÀ.
- RAPPRESENTAZIONE DELLE RETI COME GRAFI.
- ANALISI STRUTTURALE.
ORE DI LEZIONE/ESERCITAZIONE/LABORATORIO: 6/0/0

TEORIA DEI GIOCHI
- DEFINIZIONE DI GIOCO E SUA RAPPRESENTAZIONE IN FORMA NORMALE E FORMA ESTESA.
- STRATEGIE PURE E STRATEGIE MISTE.
- CONCETTI DI SOLUZIONE: STRATEGIE DOMINANTI, EQUILIBRI NASH, EQUILIBRI CORRELATI.
- TEORIA DEI GIOCHI EVOLUTIVA
- ASTE
ORE DI LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/0

RICERCA NEL WEB E RICERCA SPONSORIZZATA
- LA STRUTTURA DEL WEB,
- RICERCA NEL WEB TRAMITE L'ANALISI DEI COLLEGAMENTI TRA LE PAGINE (HITS E PAGERANK)
- MOTORI DI RICERCA,
- SPONSORED SEARCH, MECCANISMI TRUTHFUL, MECCANISMI VCG.
- ASTE DI SECONDO PREZZO E ASTE GENERALIZZATE DI SECONDO PREZZO.
ORE DI LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/0

DINAMICHE DELLE RETI E DIFFUSIONE DELL’INFORMAZIONE
- I COMPORTAMENTI A CASCATA E GLI EFFETTI DI RETE
- POWER LAWS E FENOMENO RICH-GET-RICHER
- IL FENOMENO SMALL-WORLD
- COMPORTAMENTI EPIDEMICI
- SISTEMI DI RACCOMANDAZIONE/REPUTAZIONE E DI VOTO
ORE DI LEZIONE/ESERCITAZIONE/LABORATORIO 10/0/0

LABORATORIO – PROGRAMMAZIONE IN PYTHON/XML
- ESPERIMENTI CON VARI DATASET DISPONIBILI IN RETE
- ANALISI DI DATASET PER ESTRARRE INFORMAZIONI RELATIVE ALLA STRUTTURA DELLA RETE.
ORE DI LEZIONE/ESERCITAZIONE/LABORATORIO 0/0/16

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO: 32/0/16
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA SIA LEZIONI TEORICHE CHE ESERCITAZIONI PRATICHE. LE ESERCITAZIONI PREVEDONO LO SVOLGIMENTO DI ATTIVITÀ DI PROGRAMMAZIONE IN LINGUAGGIO PYTHON.

NELLE LEZIONI VENGONO PRESENTATI MODELLI PER RAPPRESENTARE RETI SOCIALI E DESCRIVERE FENOMENI GLOBALI SULLA BASE DEI COMPORTAMENTI LOCALI DEI SINGOLI AGENTI ED ALGORITMI PER DESCRIVERE TALI PROCESSI E PER ESTRARRE INFORMAZIONI DA RETI DI GRANDI DIMENSIONI. NELLE ESERCITAZIONI IN LABORATORIO GLI STUDENTI IMPLEMENTANO GLI ALGORITMI PRESENTATI NEL CORSO. NELLE ESERCITAZIONI IN AULA VIENE ASSEGNATO AGLI STUDENTI, DIVISI PER GRUPPI DI LAVORO, UNO O PIÙ PROJECT-WORK DA SVILUPPARE DURANTE TUTTO LO SVOLGIMENTO DEL CORSO. IL PROGETTO COMPRENDE UNITARIAMENTE TUTTI I CONTENUTI DELL’INSEGNAMENTO ED È STRUMENTALE ALL’ACQUISIZIONE, OLTRE CHE DELLE CAPACITÀ DI ANALIZZARE RETI COMPLESSE ED ESTRARRE INFORMAZIONI DA DATA SET DI GROSSE DIMENSIONI, ANCHE A SVILUPPARE E RAFFORZARE LE CAPACITÀ DI LAVORARE IN TEAM.
Verifica dell'apprendimento
LA PROVA DI ESAME È FINALIZZATA A VALUTARE NEL SUO COMPLESSO LE CONOSCENZE E LE CAPACITÀ DI COMPRENSIONE DEI CONCETTI PRESENTATI A LEZIONE, NONCHÉ LA CAPACITÀ DI APPLICARE TALI CONOSCENZE NELL’AMBITO DELLA SCIENZA DELLE RETI PER ANALIZZARE E COMPRENDERE PROCESSI ALL’INTERNO DI RETI SOCIALI E/O DI INFORMAZIONE.

LA PROVA D’ESAME SI ARTICOLA NELLA DISCUSSIONE DEL PROGETTO SVOLTO DURANTE IL CORSO ED UN COLLOQUIO ORALE. CON IL PROGETTO SARANNO VALUTATE LE CAPACITÀ DI APPLICARE LE CONOSCENZE ACQUISITE NELL’AMBITO DELL’ANALISI DI RETI PER L’ESTRAZIONE DI INFORMAZIONI E NELLA PROGETTAZIONE, REALIZZAZIONE E TESTING DI APPLICAZIONI IN AMBITO SOCIALE. LA DISCUSSIONE DEL PROGETTO CONSENTIRÀ ANCHE DI VALUTARE LE CAPACITÀ DELLO STUDENTE DI LAVORARE IN GRUPPO E DI PRESENTARE IL PROPRIO LAVORO. CON IL COLLOQUIO ORALE SARANNO VALUTATE LE CONOSCENZE E LA COMPRENSIONE ACQUISITE IN MERITO A METODI ED TECNICHE UTILIZZATE PER ANALIZZARE ED ESTRARRE INFORMAZIONI DA RETI SOCIALI.

NELLA VALUTAZIONE FINALE, ESPRESSA IN TRENTESIMI, LA VALUTAZIONE DEL PROGETTO PESERÀ PER IL 60% MENTRE IL COLLOQUIO PER IL RESTANTE 40%. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO UNA PIENA CONOSCENZA E PADRONANZA DI TUTTE LE PRINCIPALI TEMATICHE AFFRONTATE AL CORSO E CAPACITÀ DI APPLICARLI ANCHE A CONTESTI DIFFERENTI DA QUELLI ANALIZZATI A LEZIONE.
Testi
D. EASLEY, J. KLEINBERG, “NETWORKS, CROWDS AND MARKETS: REASONING ABOUT A HIGHLY CONNECTED WORLD”, CAMBRIDGE UNIVERSITY PRESS, 2010.
J.LESKOVEC, A. RAJAMARAN, J. ULLMAN, “MINING OF MASSIVE DATASETS”, CAMBRIDGE UNIVERSITY PRESS, 2014.

ALTRO MATERIALE DIDATTICO SARÀ RESO DISPONIBILE SUL SITO DEL CORSO.

LETTURE SUGGERRITE:
M. JACKSON, “SOCIAL AND ECONOMIC NETWORKS”, PRINCETON UNIVERSITY PRESS, 2010.
M.E.J. NEWMAN, “NETWORKS: AN INTRODUCTION”, OXFORD UNIVERSITY PRESS, 2010.
N.NISAN, T. ROUGHGARDEN, E. TARDOS, V. VAZIRANI (A CURA DI), “ALGORITHMIC GAME THEORY”, CAMBRIDGE PRESS, 2007.
M. OSBORNE, A. RUBINSTEIN, “A COURSE IN GAME THEORY”, MIT PRESS, 1994.
Altre Informazioni
L'INSEGNAMENTO E' EROGATO IN ITALIANO

MATERIALE DIDATTICO INTEGRATIVO SARà DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO
  BETA VERSION Fonte dati ESSE3
  • Didattica