Università degli Studi di Urbino Carlo Bo / Portale Web di Ateneo


SOCIAL MEDIA ANALYSIS
SOCIAL MEDIA ANALYSIS


A.A. CFU
2017/2018 6
Docente Mail Ricevimento studenti
Fabio Giglietto LUN 11-13
Didattica in lingue straniere
Insegnamento con materiali opzionali in lingua straniera Inglese
La didattica è svolta interamente in lingua italiana. I materiali di studio e l'esame possono essere in lingua straniera.

Assegnato al Corso di Studio

Informazione, Media, Pubblicità (L-20)
Curriculum: PERCORSO COMUNE

Obiettivi Formativi

Nel corso degli ultimi anni, i media sociali come Facebook e Twitter si sono affermati fino a diventare una infrastruttura di comunicazione essenziale per la società e per l'individuo. Una parte crescente delle nostre conversazioni quotidiane passano attraverso la mediazione di queste piattaforme. Questa mediazione rende conversazioni un tempo effimere, permanenti, ricercabili scalabili e replicabili. A partire da una riflessione sull'impatto sociale di queste quattro proprietà, il corso concentra l'attenzione sulle conseguenze di questi cambiamenti per lo studio della società e della comunicazione. Durante il corso gli studenti acquisiranno conoscenze su come reperire, archiviare e analizzare le conversazioni che hanno luogo su Twitter e Facebook.

Nello specifico il corso di quest'anno sarà dedicato all'analisi delle conversazioni che nascono intorno ai contenuti informativi e disinformativi.

Programma

  • Lezione 1

    • Presentazione del corso
    • Dal Web 2.0 ai Social Media
  • Lezione 2

    • Misinformation, Disinformation e tipologie di disinformazione in rete

  • Lezione 3

    • Il ruolo dei media mainstream

  • Lezione 4

    • Introduzione alle API di Twitter e Facebook

    • Facebook Graph API ExplorerURL

    • Twitter API Console ToolsURL

    • The Open Laboratory: Limits and Possibilities of Using Facebook, Twitter, and YouTube as a Research Data SourceFile

  • Lezione 5

    • Limiti e opportunità: formati JSON e CSV, GNIP e DiscoverText

    • DiscoverTextURL

  • Lezione 6

    • Social Network Analysis di Gruppi e Facebook con Netvizz e Gephi

  • Lezione 7

    • Introduzione a R

  • Lezione 8

    • Introduzione a R

  • Lezione 9

    • Introduzione all’analisi del contenuto dei social media

  • Lezione 10

    • Formazione dei gruppi, scelta dei temi ed inizio dell’attività

  • Lezione 11

    • Workgroup

  • Lezione 12

    • Workgroup

  • Lezione 13

    • Workgroup

  • Lezione 13

    • Workgroup

  • Lezione 14

    • Workgroup

  • Lezione 15

    • Workgroup

  • Lezione 16

    • Preparazione della relazione finale

  • Lezione 17

    • Preparazione della relazione finale

  • Lezione 18

    • Preparazione della relazione finale

    • Consegna Relazione

Eventuali Propedeuticità

Nessuna propedeuticità, ma gli studenti che hanno già affrontato i corsi di Statistica Sociale e Sociologia dei new media e Internet Studies ed il Laboratorio di Social Media riusciranno a seguire con più agio le tematiche proposte da questo corso.

Risultati di Apprendimento (Descrittori di Dublino)

1. Conoscenze e capacità di comprensione: delle opportunità e le sfide che i social media pongono alla ricerca sociale, conoscere le API di Twitter e Facebook, conoscere piattaforme e tecniche per l'acquisizione dati da Twitter e Facebook, conoscere le tecniche di analisi del contenuto

1.1. Gli studenti conseguono tali conoscenze attraverso momenti di esercitazione hands-on individuali e di gruppo in classe. 

Materiale Didattico e Attività di Supporto

Sarà disponibile nella piattaforma di Blended Learning a http://blended.uniurb.it.



Il materiale didattico predisposto dal docente (come ad esempio diapositive, dispense, esercitazioni) e le comunicazioni specifiche del docente sono reperibili, assieme ad altre attività di supporto, all'interno della piattaforma Moodle › blended.uniurb.it

Modalità Didattiche, Obblighi, Testi di Studio e Modalità di Accertamento

Modalità didattiche

3 appuntamenti settimanali di 2 ore ciascuno. Lezioni frontali, discussione in classe e project work

Obblighi

Frequentare almeno 3/4 delle lezione e prendere parte all'attività di project work

Testi di studio

Bennato, D. (2015). Il computer come macroscopio: Big data e approccio computazionale per comprendere i cambiamenti sociali e culturali. Milano: Franco Angeli.

Marwick, A., & Lewis, R. (2017). Media Manipulation and Disinformation Online. Data & Society Research Institute (https://datasociety.net/output/media-manipulation-and-disinfo-online/)

Modalità di
accertamento

La verifica dell’apprendimento avverrà tramite colloquio orale individuale basato sulla discussione dell'elaborato consegnato dai gruppi a fine corso, volto a valutare sia l'apprendimento dei contenuti da parte dello studente sia la sua capacità di rielaborazione e di argomentazione. Daranno luogo a valutazioni di eccellenza: il possesso da parte dello studente di buone capacità critiche e di approfondimento; il saper collegare tra loro le principali tematiche affrontate nel corso; l’uso di un linguaggio appropriato rispetto alla specificità della disciplina. Daranno luogo a valutazioni discrete: il possesso da parte dello studente di una conoscenza mnemonica dei contenuti; una relativa capacità critica e di collegamento tra i temi trattati: l’uso di un linguaggio appropriato.Daranno luogo a valutazioni sufficienti: il raggiungimento di un bagaglio di conoscenze minimale sui temi trattati da parte dello studente, pur in presenza di alcune lacune formative; l’uso di un linguaggio non appropriato. Daranno luogo a valutazioni negative: difficoltà di orientamento dello studente rispetto ai temi affrontati nei testi d'esame; lacune formative; l’uso di un linguaggio non appropriato”. Nello specifico la valutazione finale è così strutturata: Project work (60%), colloquio orale (30%) e partecipazione in classe (10%). L'elaborato di gruppo sarà soggetto a verifica con il sistema anti-plagio in uso all'ateneo. Casi di plagio determineranno una valutazione negativa.
Alla valutazione della partecipazione in classe concorrerà il numero di lezioni frequentate sul totale, la partecipazione in aula e nello spazio blended, il contributo all'attività di gruppo e l’originalità dei contributi proposti.

Informazioni Aggiuntive per Studenti Non Frequentanti

Modalità didattiche

-

Obblighi

-

Testi di studio

Bennato, D. (2015). Il computer come macroscopio: Big data e approccio computazionale per comprendere i cambiamenti sociali e culturali. Milano: FrancoAngeli.

Quattrociocchi, W., & Vicini, A. (2016). Misinformation: Guida alla societa? dell'informazione e della credulita?. Milano: FrancoAngeli.

Marwick, A., & Lewis, R. (2017). Media Manipulation and Disinformation Online. Data & Society Research Institute (https://datasociety.net/output/media-manipulation-and-disinfo-online/)

Modalità di
accertamento

Esame orale

« torna indietro Ultimo aggiornamento: 05/12/17


Condividi


Questo contenuto ha risposto alla tua domanda?


Il tuo feedback è importante

Raccontaci la tua esperienza e aiutaci a migliorare questa pagina.

Il tuo 5x1000 per sostenere le attività di ricerca

L'Università di Urbino destina tutte le risorse che deriveranno da questa iniziativa alla ricerca scientifica ed al sostegno di giovani ricercatori.

numero verde

800 46 24 46

Richiesta informazioni

informazioni@uniurb.it

Posta elettronica certificata

amministrazione@uniurb.legalmail.it

Social

Performance della pagina

Università degli Studi di Urbino Carlo Bo
Via Aurelio Saffi, 2 – 61029 Urbino PU – IT
Partita IVA 00448830414 – Codice Fiscale 82002850418
2017 © Tutti i diritti sono riservati

Top