Skip to Main Content (Press Enter)

Logo UNIOR
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Persone
  • Strutture

UNIFIND
Logo UNIOR

|

UNIFIND

unior.it
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Persone
  • Strutture
  1. Insegnamenti

0001268 - INFORMATICA PER LE DIGITAL HUMANITIES

insegnamento
ID:
0001268
Durata (ore):
18
CFU:
3
SSD:
Indefinito/Interdisciplinare
Sede:
UNIVERSITÀ DEGLI STUDI DI NAPOLI "L'ORIENTALE"
Url:
Dettaglio Insegnamento:
SAPERI UMANISTICI E TECNOLOGIE DIGITALI/Metodologie digitali per il patrimonio culturale Anno: 1
Anno:
2026
  • Dati Generali
  • Syllabus
  • Corsi
  • Persone
  • Altre Info

Dati Generali

Periodo di attività

Secondo Semestre (22/02/2027 - 28/05/2027)

Syllabus

Obiettivi Formativi

RISULTATI DI APPRENDIMENTO ATTESI
Al termine dell'insegnamento lo/la studente/essa dovrà dimostrare di possedere:
• conoscenza dei principi di rappresentazione dei dati come grafo e del modello property graph;
• conoscenza della libreria Python NetworkX e del database a grafo Neo4j con il linguaggio Cypher per creare, interrogare e manipolare grafi;
• conoscenza dei principi e degli strumenti per la visualizzazione di grafi (NetworkX, matplotlib, Neo4j Browser e Bloom).

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
Il percorso formativo intende fornire allo/a studente/essa gli strumenti metodologici necessari per:
• modellare dati e testi umanistici come grafo e costruirli con NetworkX e Neo4j;
• interrogare e manipolare un grafo mediante Cypher e NetworkX;
• produrre visualizzazioni di grafi chiare ed efficaci e interpretarne criticamente i risultati.

AUTONOMIA DI GIUDIZIO
Al termine dell'insegnamento lo/la studente/essa dovrà dimostrare di saper:
• valutare criticamente l'adeguatezza di un modello a grafo, di uno strumento e di una tecnica di visualizzazione rispetto a una domanda di ricerca umanistica;
• riconoscere limiti, errori e assunzioni impliciti nei dati, nelle rappresentazioni e negli strumenti adottati.

ABILITÀ COMUNICATIVE
Al termine del corso lo/la studente/essa sarà in grado di:
• presentare e discutere, con linguaggio tecnico appropriato, le scelte di modellazione e di visualizzazione e i relativi risultati;
• collaborare in contesti interdisciplinari, fungendo da ponte tra competenze umanistiche e informatiche.

CAPACITÀ DI APPRENDIMENTO
Al termine dell'insegnamento lo/la studente/essa dovrà aver acquisito le capacità per:
• apprendere autonomamente nuove funzionalità e strumenti a partire dalla documentazione ufficiale (NetworkX, Neo4j, Cypher);
• aggiornare le proprie competenze e valutarne l'applicazione a nuovi contesti di ricerca.

Prerequisiti

È richiesta una conoscenza di base della programmazione in Python (tipi di dati, strutture di controllo, funzioni). Sono utili la dimestichezza nell'uso del computer e la disponibilità di un computer portatile per le esercitazioni.

Metodi didattici

L'insegnamento ha carattere fortemente laboratoriale e pratico e si fonda sull'apprendimento attivo ("imparare facendo"). Le 18 ore complessive si articolano indicativamente in: circa 4 ore di lezioni frontali introduttive ai concetti; circa 12 ore di esercitazioni pratiche al computer con Python, NetworkX, Neo4j e il linguaggio Cypher; circa 2 ore di seminari e discussione dei progetti.
Ogni concetto è immediatamente applicato su dati reali. Lungo il corso lo/la studente/essa costruisce e visualizza progressivamente un dataset umanistico come grafo, con revisione del lavoro e feedback in itinere.

Verifica Apprendimento

L'esame è volto ad accertare il raggiungimento dei risultati di apprendimento attesi e si articola in:

1. la realizzazione di un progetto pratico individuale consistente nella costruzione e nella visualizzazione a grafo di un dataset umanistico, con NetworkX e/o Neo4j, a scelta tra gli argomenti del corso, consegnato sotto forma di elaborato riproducibile (notebook Python commentato ed eventuali query Cypher e dataset);

2. un colloquio orale per la presentazione e la discussione del progetto e per la verifica delle conoscenze teoriche e metodologiche acquisite.

La valutazione tiene conto di: correttezza e chiarezza del modello a grafo, del codice e delle query; efficacia e leggibilità delle visualizzazioni; capacità di interpretazione critica dei risultati; chiarezza espositiva e padronanza della terminologia.


Testi

• NetworkX, documentazione ufficiale (https://networkx.org/documentation/stable/).
• I. Robinson, J. Webber, E. Eifrem, Graph Databases, 2ª ed., O'Reilly, 2015 (disponibile gratuitamente: https://graphdatabases.com/).
• The Programming Historian, lezioni su analisi e visualizzazione di reti (https://programminghistorian.org/).

Contenuti

INFORMATICA PER LE DIGITAL HUMANITIES

  1. Dati a grafo e modello property graph: nodi, relazioni e proprietà; dai dati e dal testo al grafo (preparazione dei dati in Python);
  2. Grafi in Python con NetworkX: creazione, manipolazione, importazione ed esportazione di grafi e attributi;
  3. Il database a grafo Neo4j e il linguaggio Cypher: importazione, creazione e interrogazione dei dati; integrazione con Python;
  4. Visualizzazione di grafi: NetworkX/matplotlib, Neo4j Browser e Bloom;
  5. Esercitazioni e progetto: costruzione e visualizzazione a grafo di un dataset umanistico.

Lingua Insegnamento

Italiano


Altre informazioni

Nessuna

Corsi

Corsi

SAPERI UMANISTICI E TECNOLOGIE DIGITALI 
Laurea Magistrale
2 anni
No Results Found

Persone

Persone (2)

D'ANDREA Andrea
Settore ARCH-01/G - Metodologie della ricerca archeologica
AREA MIN. 10 - Scienze dell'antichita,filologico-letterarie e storico-artistiche
Gruppo 10/ARCH-01 - ARCHEOLOGIA
Professori/esse Associati/e
Origlia Antonio
Gruppo 01/INFO-01 - INFORMATICA
Settore INFO-01/A - Informatica
AREA MIN. 01 - Scienze matematiche e informatiche
Professori/esse Associati/e
No Results Found

Altre Info

Insegnamento principale

INFORMATICA PER LE DIGITAL HUMANITIES
  • Utilizzo dei cookie

Realizzato con VIVO | Designed by Cineca | 26.9.0.0