Università Politecnica delle Marche - Center for Philosophy, Science, and Policy

Master in Statistics, Data Intelligence, and the Foundations of the Sciences

Προυποθέσεις εισόδου

Γίνονται δεκτοί απόφοιτοι με οποιοδήποτε από τα ακόλουθα προσόντα:
• πτυχίο σύμφωνα με την Υπουργική Απόφαση 270/2004 (EQF επίπεδο 6),
• πτυχίο σύμφωνα με την Υπουργική Απόφαση 509/1999,
• πτυχίο σύμφωνα με τον κανονισμό πριν από την Υπουργική Απόφαση 509/1999 ή
Υπουργική Απόφαση 270/2004.

Γίνονται επίσης δεκτοί απόφοιτοι με προσόν που αποκτήθηκε στο εξωτερικό και το οποίο αναγνωρίζεται από την Οργανωτική Επιτροπή ως συγκρίσιμο, ως προς τη διάρκεια και το περιεχόμενο.

Οι υποψήφιοι πρέπει να πληρούν ήδη αυτές τις προϋποθέσεις μέχρι την προθεσμία υποβολής των αιτήσεών τους για το MASTER.
Οι φοιτητές που χρειάζεται να περάσουν μόνο τις τελικές εξετάσεις για να αποκτήσουν τα απαιτούμενα προσόντα για πρόσβαση στο μάθημα μπορούν να υποβάλουν αίτηση υπό όρους. Ωστόσο, τα προσόντα πρέπει να αποκτηθούν πριν από την έναρξη των διδακτικών δραστηριοτήτων.

Είναι επίσης δυνατή η εγγραφή ως ελεγκτής. Για τον σκοπό αυτό, απαιτείται απολυτήριο δευτεροβάθμιας εκπαίδευσης.

Πρώτο Εξάμηνο, Μέρος Α

Εκμάθηση: Εισαγωγή στο STATA για ανάλυση δεδομένων από τον Riccardo Cappelli

Το STATA είναι ένα στατιστικό λογισμικό που χρησιμοποιείται ευρέως στην ανάλυση δεδομένων και τη στατιστική έρευνα. Αυτό το μάθημα στοχεύει να βοηθήσει τους φοιτητές να εξοικειωθούν με τις βασικές αρχές του STATA. Θα παρασχεθεί μια επισκόπηση των κύριων τεχνικών STATA καθώς και η εφαρμογή αυτών των τεχνικών σε δεδομένα πραγματικού κόσμου.

Risk and Decision-Laking for Data Science and AI από τον Norman Fenton

Αυτή η ενότητα παρέχει μια ολοκληρωμένη επισκόπηση των προκλήσεων αξιολόγησης κινδύνου, πρόβλεψης και λήψης αποφάσεων που καλύπτουν τη δημόσια υγεία και την ιατρική, τη νομοθεσία, τη στρατηγική της κυβέρνησης, την ασφάλεια των μεταφορών και την προστασία των καταναλωτών. Οι μαθητές θα μάθουν πώς να αντιλαμβάνονται μεγάλο μέρος της σύγχυσης σχετικά με τον κίνδυνο στον δημόσιο διάλογο και θα τους παρέχονται μέθοδοι και εργαλεία για βελτιωμένη αξιολόγηση κινδύνου που μπορούν να εφαρμοστούν άμεσα στην προσωπική, ομαδική και στρατηγική λήψη αποφάσεων.

Η ενότητα αντιμετωπίζει επίσης άμεσα τους περιορισμούς των μεγάλων δεδομένων και της μηχανικής μάθησης για την επίλυση προβλημάτων αποφάσεων και κινδύνου. Ενώ εισάγονται κλασικές στατιστικές τεχνικές για την αξιολόγηση κινδύνου (συμπεριλαμβανομένου του ελέγχου υποθέσεων, των τιμών p και της παλινδρόμησης), η ενότητα εκθέτει τους σοβαρούς περιορισμούς αυτών των μεθόδων. Ειδικότερα, εστιάζει στην ανάγκη για αιτιώδη μοντελοποίηση των προβλημάτων και μια Μπεϋζιανή προσέγγιση στη συλλογιστική των πιθανοτήτων. Τα δίκτυα Bayes χρησιμοποιούνται ως ενοποιητικό θέμα παντού.

Αιτία και πιθανότητες του Alexander Gebharter

Αυτό το μάθημα παρέχει ένα μάθημα συντριβής στα βασικά της θεωρίας πιθανοτήτων που ακολουθείται από μια επισκόπηση των λογαριασμών της αιτιώδους συνάφειας που σχετίζονται με τις πιθανότητες. Η γενική ιδέα είναι ότι η αιτιακή δομή εξηγεί διάφορα είδη πιθανολογικής εξάρτησης. Ενώ η γνώση της συσχέτισης είναι ένα χρήσιμο εργαλείο για την πρόβλεψη, μόνο οι αιτιώδεις πληροφορίες παρέχουν έναν αξιόπιστο οδηγό για τον έλεγχο του περιβάλλοντος κάποιου.

Epistemology II του Alexander Gebharter

Τι είναι η γνώση; Πώς σχετίζεται με την αλήθεια και τον ορθολογισμό; Πώς μπορούμε να δικαιολογήσουμε τις πεποιθήσεις μας και πώς πρέπει να τις αναθεωρήσουμε υπό το φως των νέων εισερχόμενων στοιχείων; Αυτά είναι μερικά από τα κύρια ερωτήματα που εγείρονται στο πλαίσιο της επιστημολογίας. Τα «Epistemology I» και «Epistemology II» διερευνούν ερωτήματα όπως αυτά και πώς απαντώνται από τους τρεχούμενους λογαριασμούς στην αγορά, καθώς και τα νέα προβλήματα που δημιουργούν αυτές οι απαντήσεις.

Tutorial: R & Matlab από τον Federico Giri

Αυτό το μάθημα στοχεύει να παρέχει μια εισαγωγή στις τεχνικές προγραμματισμού Matlab (R).

Tutorial: PYTHON από τον Adriano Mancini

Το μάθημα είναι δομημένο για να καθοδηγεί τους μαθητές μέσω του προγραμματισμού Python από τις θεμελιώδεις έννοιες έως τις προηγμένες τεχνικές επιστήμης δεδομένων. Ξεκινά με μια εισαγωγή στην Python για την κατανόηση των βασικών αρχών του προγραμματισμού, συμπεριλαμβανομένων των δομών δεδομένων. Το τελευταίο μέρος του μαθήματος εισάγει ισχυρές βιβλιοθήκες για την επιστήμη δεδομένων: NumPy, SciPy και sci-kit-learn.

Epistemology I του Michał Sikorski

Τι είναι η γνώση; Πώς σχετίζεται με την αλήθεια και τον ορθολογισμό; Πώς μπορούμε να δικαιολογήσουμε τις πεποιθήσεις μας και πώς πρέπει να τις αναθεωρήσουμε υπό το φως των νέων εισερχόμενων στοιχείων; Αυτά είναι μερικά από τα κύρια ερωτήματα που εγείρονται στο πλαίσιο της επιστημολογίας. Τα «Epistemology I» και «Epistemology II» διερευνούν ερωτήματα όπως αυτά και πώς απαντώνται από τους τρεχούμενους λογαριασμούς στην αγορά, καθώς και τα νέα προβλήματα που δημιουργούν αυτές οι απαντήσεις.

Η Φιλοσοφία της Εξελικτικής Θεωρίας του Έλιοτ Σόμπερ

Αυτό το μάθημα βασίζεται στο νέο βιβλίο του Elliot Sober «The Philosophy of Evolutionary Theory». Το
καλύπτει θέματα όπως οι μονάδες επιλογής και οι κοινές καταβολές, όλα βαθιά συνδεδεμένα με τον πιθανολογικό συλλογισμό.

Πρώτο Εξάμηνο, Μέρος Β

Τεχνητή Νοημοσύνη & Λογικός Προγραμματισμός Ι του Aldo Dragoni

Περιεχόμενο:

• Τεχνητή Νοημοσύνη: ιστορία και διαφορά μεταξύ της λογικο-συμβολικής προσέγγισης και της νευρωνικής προσέγγισης.
• Λογική πρώτης τάξης: Σύνταξη, Σημασιολογία, Τυπικό σύστημα.
• Μέθοδος ανάλυσης: Θεώρημα Herbrand. Μετατροπή στη ρηματική μορφή ενός κλειστού τύπου. Η Αρχή Επίλυσης για τις βασικές ρήτρες. Ενοποίηση.
• Η Αρχή της Εξυγίανσης. Γραμμική Ανάλυση.
• Ορισμένα προγράμματα: Σημασιολογία. Ορθότητα Ανάλυσης SLD. Το πρόβλημα του Occur-Check. Πληρότητα ανάλυσης SLD. Ανεξαρτησία
• Από τον Κανόνα Υπολογισμού. Διαδικασία διάψευσης SLD. Υπολογιστική επάρκεια Ορισμένων Προγραμμάτων.
• Λογικός προγραμματισμός: PROLOG. Δηλωτικός προγραμματισμός.

Αρχές επιδημιολογίας και βιοστατιστικής για την έρευνα για τη δημόσια υγεία από τους Rosaria Gesuita, Edlira Skrami, Andrea Faragalli, Marica Iommi

Κύρια θέματα:

• Εισαγωγή στην Επιδημιολογία, Καθ. Rosaria Gesuita (2 ώρες)
• Μελέτες παρατήρησης, μέτρα συχνότητας και συσχέτισης, Καθ. Rosaria Gesuita (6 ώρες) & Dr. Marica Iommi (4 ώρες)
• Σχεδιασμός περιγραφικής μελέτης, Αναλυτικές προσεγγίσεις, Σχέδια Πειραματικών Μελετών, Καθ. Εδλήρα Σκραμή (8 ώρες)
• Πρωτόκολλο μελέτης, Δρ. Ανδρέα Φαραγκάλλη (4 ώρες)
• Αρχές εκτίμησης μεγέθους δείγματος, Dr Andrea Faragalli (4 ώρες)
• Αρχές συστηματικής ανασκόπησης και μετα-ανάλυσης, Dr. Marica Iommi (4 ώρες)

Θεμέλια των Επιστημών της Barbara Osimani

Περιεχόμενο: Τι είναι η Επιστήμη; Ποιος λέει τι είναι επιστήμη, με ποια εξουσία και με ποια κριτήρια; Τι δικαιολογεί την επιστημονική γνώση; Τα θεμέλιά του, αν υπάρχουν, έχουν λογική, μεταφυσική ή πρακτική φύση; Ποιοι είναι οι λόγοι για να ενεργήσουμε σε αυτή τη βάση; Ποια είναι τα κύρια εργαλεία που μας επιτρέπουν να προωθήσουμε τη γνώση μας για την πραγματικότητα; Πώς αξιολογούμε την επάρκεια και την αξιοπιστία τους; Τι διακρίνει μια επιστημονική μέθοδο από άλλες πηγές γνώσης; τι διακρίνει τις διαφορετικές προσεγγίσεις για τη στατιστική εξαγωγή συμπερασμάτων (π.χ. συχνότητα σε σχέση με το σχολείο του Μπεϋζιανού έναντι της προσέγγισης ανακριβών πιθανοτήτων και οι αντίστοιχες υποδιαιρέσεις τους);

Ποιες είναι οι μεθοδολογικές και πρακτικές επιπτώσεις; Πώς αντιμετωπίζουν τα διαφορετικά παραδείγματα τη σχέση μεταξύ θεωρίας/υπόθεσης και αποδείξεων; Αυτά είναι μερικά από τα ερωτήματα που αντιμετωπίζει το μάθημα καταφεύγοντας σε μια μεγάλη φιλοσοφική και μεθοδολογική βιβλιογραφία αφιερωμένη στα θεμέλια της επιστήμης, τα επιστημονικά συμπεράσματα και τις πραγματικές διαστάσεις στην επιστημονική πράξη.

Ειδικότερα, το μάθημα θα επικεντρωθεί στα ακόλουθα θέματα:

1. Επιστημολογία και οντολογία της επιστήμης: το πρόβλημα οριοθέτησης;
2. Επιστημονική αβεβαιότητα: Πιθανότητες και τα θεμέλια της στατιστικής.
3. (Τυπικές) μέθοδοι στην Επιστήμη

Θεμέλια Οικονομετρίας Ι της Claudia Pigini

Το "Foundation of Econometrics I & II" παρέχει ένα ουσιαστικό πλαίσιο για την κατανόηση και την εφαρμογή των οικονομετρικών μεθόδων. Καλύπτοντας την εξερεύνηση δεδομένων, την ανάλυση παλινδρόμησης, τη μοντελοποίηση πρόβλεψης και την αιτιώδη συναγωγή, οι μαθητές αποκτούν πρακτικές δεξιότητες χρησιμοποιώντας το RStudio. Οι προτεινόμενες αναγνώσεις συμπληρώνουν θεωρητικές έννοιες. Ιδανικό για όσους αναζητούν επάρκεια σε θέματα πολιτικής, οικονομικές αποφάσεις και λήψη αποφάσεων.

Μπεϋζιανό συμπέρασμα από τον Eric-Jan Wagenmakers

Αυτό το μάθημα θα καλύψει τη θεωρία και την πρακτική της «κοινής λογικής που εκφράζεται σε αριθμούς», δηλαδή το συμπέρασμα του Μπεϋζιανού. Στο πρώτο μέρος του μαθήματος, θα χρησιμοποιήσω το διωνυμικό μοντέλο για να καλύψω τα θεωρητικά δομικά στοιχεία (π.χ. προγενέστερες και μεταγενέστερες κατανομές, συνοχή, εκτίμηση παραμέτρων και έλεγχος υποθέσεων παραγόντων Bayes, αόριστες έναντι ενημερωμένων προηγούμενων κατανομών, μέσος όρος μοντέλου, εσφαλμένη προδιαγραφή μοντέλου, κ.λπ.). Στο δεύτερο μέρος, θα παρουσιάσω στην πράξη το συμπέρασμα Bayes και θα παρουσιάσω Bayesian t-test, παλινδρόμηση, ANOVA και άλλα μοντέλα.

Βασικές αρχές της μηχανικής μάθησης από τον Marco Piangerelli

Το μάθημα στοχεύει στη συμπαγή παρουσίαση των βασικών παραδειγμάτων της μηχανικής μάθησης (εποπτευόμενη, χωρίς επίβλεψη και ενισχυτική μάθηση) ενώ
παρουσιάζοντας επίσης τη στατιστική τους βάση (statistical learning theory). Θα παρουσιαστούν επίσης οι πιο πρόσφατες εξελίξεις όσον αφορά την επεξήγηση και την ερμηνεία των μοντέλων ML.

Statistical Schools: Concepts of Probability, Statistical Inference, and Data Analysis by Christian Hennig
Το μάθημα θα δώσει μια συγκριτική επισκόπηση των διαφόρων εννοιών της πιθανότητας, των στατιστικών συμπερασμάτων και της ανάλυσης δεδομένων. Θα δοθεί έμφαση στη σύνδεση μεταξύ στατιστικών μοντέλων και δεδομένων στον πραγματικό κόσμο, στον ρόλο των υποθέσεων του μοντέλου για την ανάλυση δεδομένων, στους περιορισμούς της αντικειμενικότητας και στην αναγκαιότητα κρίσης και υποκειμενικής απόφασης.

Δεύτερο Εξάμηνο, Μέρος Α

Πρόβλεψη χρονοσειρών με Deep Learning από τον Alessandro Galdelli

Περιεχόμενο:

• Εισαγωγή στην Ανάλυση Χρονοσειρών
• Βασικές αρχές της βαθιάς μάθησης για χρονοσειρές
• Εργασία με δεδομένα χρονοσειρών
• Μοντέλα βαθιάς μάθησης για πρόβλεψη χρονοσειρών
• Προηγμένες Τεχνικές Πρόβλεψης
• Μετρήσεις αξιολόγησης και βελτιστοποίηση μοντέλου
• Μελέτες Περιπτώσεων και Εφαρμογές
• Μελλοντικές τάσεις και προκλήσεις στην πρόβλεψη χρονοσειρών

Causal Inference του Alexander Gebharter

Αυτό το μάθημα βασίζεται σε βασικές γνώσεις που καθιερώθηκαν στο μάθημα «Αιτιολογία και Πιθανότητες» και μερικά από τα επίσημα εργαλεία που εισήχθησαν στο μάθημα «Τυπική Επιστημολογία». Προωθεί περαιτέρω θέματα από αυτά τα μαθήματα και παρέχει μια εισαγωγή στα αιτιακά μοντέλα και στα αιτιώδη ερμηνευμένα δίκτυα Bayes. Αυτά τα εργαλεία μπορούν να χρησιμοποιηθούν για τη διατύπωση σύνθετων αιτιακών υποθέσεων με μεγαλύτερη ακρίβεια, για τη δημιουργία πιθανολογικών προβλέψεων με βάση την παρατήρηση και την υποθετική παρέμβαση και για την αποκάλυψη αιτιακών δομών από δεδομένα παρατήρησης και πειράματα. Το μάθημα συνδυάζει περιεχόμενο και θα επιτρέψει στους μαθητές να εξοικειωθούν με αυτά τα εργαλεία εφαρμόζοντάς τα σε διαφορετικές εργασίες και παραδείγματα παιχνιδιών.

Τυπική Επιστημολογία II του Alexander Gebharter

Η «Τυπική Επιστημολογία Ι» και η «Τυπική Επιστημολογία ΙΙ» βασίζονται στη βάση που τίθεται από το μάθημα «Επιστημολογία» και σε μεταγενέστερα μέρη σε βασικές έννοιες που εισήχθησαν στην αρχή του μαθήματος «Αιτιατική Συμπερασματικότητα». Διερευνά τα θεμέλια και τη δυναμική της γνώσης και του συλλογισμού χρησιμοποιώντας επίσημα εργαλεία, ιδιαίτερα τη θεωρία πιθανοτήτων και απλά γραφικά μοντέλα.

Bayesian Philosophy of Science του Stephan Hartmann

Αυτό το μάθημα στοχεύει να δείξει πώς οι Μπεϋζιανές μέθοδοι μπορούν να χρησιμοποιηθούν για να απαντηθούν κεντρικά ερωτήματα στη φιλοσοφία της επιστήμης. Για το σκοπό αυτό, στο πρώτο μέρος του μαθήματος, οι φοιτητές θα μάθουν να κατασκευάζουν Μπεϋζιανά μοντέλα (ιδιαίτερα χρησιμοποιώντας τη θεωρία των Μπεϋζιανών δικτύων) και να τα εφαρμόζουν σε επιλεγμένα προβλήματα. Για το σκοπό αυτό, θα υπάρξουν δύο εκπαιδευτικές συνεδρίες στις οποίες οι μαθητές μπορούν να εκπαιδεύσουν τις δεξιότητές τους στην επίλυση μαθηματικών προβλημάτων. Στο δεύτερο μέρος, θα μιλήσουμε αρχικά εν συντομία για διαφορετικές γνωσιολογικές θεωρίες επιστημικής δικαιολόγησης και στη συνέχεια θα επικεντρωθούμε στη συζήτηση για πιθανολογικά μέτρα συνοχής που συζητούνται στην επίσημη επιστημολογία.

Στη συνέχεια θα εξετάσουμε τις δυνατότητες ανάπτυξης μιας συνεκτικής Bayesian φιλοσοφίας της επιστήμης, εστιάζοντας ιδιαίτερα στον βαθμό στον οποίο αυτή η προσέγγιση μπορεί να ρίξει φως στις τρέχουσες συζητήσεις σχετικά με την επιστημονική εξήγηση και τις διαθεωρητικές σχέσεις. Τέλος, θα συζητήσουμε τα (πιθανά) όρια του μπεϋζιανισμού και της συνεκτικότητας.

Ο ορθολογισμός στις επιστήμες της Barbara Osimani

Τι είναι ο επιστημονικός ορθολογισμός; Παίζουν διάφορα είδη ορθολογισμού στην επιστημονική πράξη; Εάν ναι, πώς αλληλεπιδρούν και επηρεάζουν την επιστημονική παραγωγή; Ειδικότερα, τι ρόλο παίζει ο στρατηγικός ορθολογισμός σε επιστημονικά περιβάλλοντα, ειδικά εκείνα που χαρακτηρίζονται από έντονες συγκρούσεις συμφερόντων;

Πώς αντιμετωπίζουμε την επιστημονική διαφωνία (σε αυτές τις περιπτώσεις); Ποιες είναι οι δυνάμεις που διαμορφώνουν τη συλλογή, την επιλογή, την παραγωγή και την αποκάλυψη/κοινοποίηση επιστημονικών στοιχείων σε διάφορα επιστημονικά οικοσυστήματα (παρελθόν και παρόν); Αυτή η ενότητα θα διερευνήσει αυτά τα θέματα βασιζόμενη σε μια διπλή προσέγγιση: την «απαγωγική» προσέγγιση των μελετών μεταεπιστήμης, η οποία στοχεύει στην ανάπτυξη εργαλείων για την ανίχνευση μεροληψίας και απάτης, και τη θεωρητική προσέγγιση της πρόσφατης βιβλιογραφίας για τα (Bayesian) παιχνίδια πειθούς.

Θεμέλια Οικονομετρίας ΙΙ από την Claudia Pigini

Το "Foundation of Econometrics I & II" παρέχει ένα ουσιαστικό πλαίσιο για την κατανόηση και την εφαρμογή των οικονομετρικών μεθόδων. Καλύπτοντας την εξερεύνηση δεδομένων, την ανάλυση παλινδρόμησης, τη μοντελοποίηση προβλέψεων και την αιτιώδη συναγωγή, οι μαθητές αποκτούν πρακτικές δεξιότητες χρησιμοποιώντας το RStudio. Οι προτεινόμενες αναγνώσεις συμπληρώνουν θεωρητικές έννοιες. Ιδανικό για αυτούς αναζήτηση επάρκειας στη λήψη αποφάσεων με γνώμονα τα δεδομένα στις επιχειρήσεις, τα οικονομικά και την πολιτική.

Τυπική Επιστημολογία Ι του Michał Sikorski

Η «Τυπική Επιστημολογία Ι» και η «Τυπική Επιστημολογία ΙΙ» βασίζονται στη βάση που τίθεται από το μάθημα «Επιστημολογία» και σε μεταγενέστερα μέρη σε βασικές έννοιες που εισήχθησαν στην αρχή του μαθήματος «Αιτιατική Συμπερασματικότητα». Διερευνά τα θεμέλια και τη δυναμική της γνώσης και του συλλογισμού χρησιμοποιώντας επίσημα εργαλεία, ιδιαίτερα τη θεωρία πιθανοτήτων και απλά γραφικά μοντέλα.

Beyond Inferential Statistics: Abduction and Q Methodology by Raffaele Zanoli

Κύρια θέματα:

• Εισαγωγή Στατιστικές και μεθοδολογικές διαφορές μεταξύ επαγωγικών και μη συμπερασματικών στατιστικών
• Επαγωγή, Έκπτωση και Απαγωγή
• Αντικειμενικότητα vs Υποκειμενικότητα: Επιστημολογικές και Στατιστικές Θεωρήσεις
• Ε Μεθοδολογία και Επιστημονική Μελέτη της Υποκειμενικότητας
• Παραδείγματα και πρακτικά

Δεύτερο Εξάμηνο, Μέρος Β

Artificial Intelligence & Logic Programming II του Aldo Dragoni

Περιεχόμενο:

• Τεχνητή Νοημοσύνη: ιστορία και διαφορά μεταξύ της λογικο-συμβολικής προσέγγισης και της νευρωνικής προσέγγισης.
• Λογική πρώτης τάξης: Σύνταξη, Σημασιολογία, Τυπικό σύστημα.
• Μέθοδος ανάλυσης: Θεώρημα Herbrand. Μετατροπή στη ρηματική μορφή ενός κλειστού τύπου. Η Αρχή Επίλυσης για τις βασικές ρήτρες. Ενοποίηση.
• Η Αρχή της Εξυγίανσης. Γραμμική Ανάλυση.
• Ορισμένα προγράμματα: Σημασιολογία. Ορθότητα Ανάλυσης SLD. Το πρόβλημα του Occur-Check. Πληρότητα ανάλυσης SLD. Ανεξαρτησία
• Από τον Κανόνα Υπολογισμού. Διαδικασία διάψευσης SLD. Υπολογιστική επάρκεια Ορισμένων Προγραμμάτων.
• Λογικός προγραμματισμός: PROLOG. Δηλωτικός προγραμματισμός.

Οικονομικά της Επιστήμης και της Τεχνολογίας του Nicola Matteucci

Το μάθημα παρουσιάζει κανονιστικά και θετικά (από το λατινικό positum) θέματα της οικονομίας της ρύθμισης και της δημόσιας πολιτικής, με έμφαση σε επιστημονικούς οικονομικούς τομείς (υψηλής τεχνολογίας) και σε μεγάλες κοινωνικές προκλήσεις των οποίων η λύση βασίζεται στην επιστημονική γνώση. Η χάραξη πολιτικής νοείται στον ευρύτερο ορισμό της, που εκτείνεται από λεπτομερείς τομεακούς κανόνες και πολιτικές (π.χ. πολιτική και κανονισμοί για την υγεία) έως την ευρύτερη χάραξη πολιτικής (π.χ. αναπτυξιακή ή περιβαλλοντική πολιτική). Το μάθημα περιστρέφεται γύρω από τις δύο θεμελιώδεις κατηγορίες της «αγοράς» και των «κυβερνητικών αποτυχιών», για να παρουσιάσει μια αιτιολογημένη (μη συστηματική) ανασκόπηση των σημαντικών εργασιών που αναλύουν τα αίτια, τους μηχανισμούς και τις συνέπειες της αποτυχίας πολιτικής ή/και της σύλληψης. Το βασικό σκαλοπάτι του μαθήματος είναι ο επιστημονικός λόμπι.

Οικονομικά της ρύθμισης σε τομείς που βασίζονται στην επιστήμη από τον Nicola Matteucci

Το μάθημα παρουσιάζει κανονιστικά και θετικά (από το λατινικό positum) θέματα της οικονομίας της ρύθμισης και της δημόσιας πολιτικής, με έμφαση σε επιστημονικούς οικονομικούς τομείς (υψηλής τεχνολογίας) και σε μεγάλες κοινωνικές προκλήσεις των οποίων η λύση βασίζεται στην επιστημονική γνώση. Η χάραξη πολιτικής νοείται στον ευρύτερο ορισμό της, που εκτείνεται από λεπτομερείς τομεακούς κανόνες και πολιτικές (π.χ. πολιτική και κανονισμοί για την υγεία) έως την ευρύτερη χάραξη πολιτικής (π.χ. αναπτυξιακή ή περιβαλλοντική πολιτική).

Το μάθημα περιστρέφεται γύρω από τις δύο θεμελιώδεις κατηγορίες της «αγοράς» και των «κυβερνητικών αποτυχιών», για να παρουσιάσει μια αιτιολογημένη (μη συστηματική) ανασκόπηση των σημαντικών εργασιών που αναλύουν τα αίτια, τους μηχανισμούς και τις συνέπειες της αποτυχίας πολιτικής ή/και της σύλληψης. Το βασικό σκαλοπάτι του μαθήματος είναι ο επιστημονικός λόμπι.

Ανάπτυξη ερωτηματολογίου: Πώς να συλλέξετε δεδομένα από έρευνες. Τα πρέπει και τα μη της Simona Naspetti

Αυτό το μάθημα παρέχει μια επισκόπηση της ανάπτυξης ερωτηματολογίων και στρατηγικών για τη συλλογή δεδομένων μέσω ερευνών. Οι συμμετέχοντες θα μάθουν πώς να σχεδιάζουν και να εφαρμόζουν έρευνες για τη συλλογή ακριβών και ουσιαστικών δεδομένων. Μέσω διαλέξεων, περιπτωσιολογικών μελετών και διαδραστικών δραστηριοτήτων, οι συμμετέχοντες θα αποκτήσουν πρακτικές δεξιότητες και γνώσεις σχετικά με τα πρέπει και τα μη της ανάπτυξης ερωτηματολογίου.

Time Series Econometrics του Giulio Palomba

Κύρια θέματα:

• Δεδομένα χρονοσειρών και στοχαστικές διαδικασίες
• Δυναμικά μοντέλα
• Μοντέλα ARMA
• Μοναδιαίες ρίζες
• Μοντέλα VAR
• Συνένταξη
• Μοντέλα GARCH

Η ακεραιότητα της έρευνας του Andrea Saltelli

Οι διάφορες διαστάσεις της ακεραιότητας της έρευνας οργανώνονται με όρους κανόνων, λειτουργιών και ενότητας. Οι κανόνες αναφέρονται στο πώς η επιστήμη συμμορφώνεται ή αποκλίνει από τα κανονιστικά πρότυπα. Οι λειτουργίες σχετίζονται με τον τρόπο με τον οποίο η επιστήμη και η έρευνα είναι προικισμένες με έναν λειτουργικό, μη κατεστραμμένο μηχανισμό. Η τρίτη έννοια αφορά την έννοια της επιστήμης ως αδιάσπαστης και αδιαίρετης οντότητας. Το μάθημα χρησιμεύει επίσης ως εισαγωγή στα ιστορικά, φιλοσοφικά και κοινωνιολογικά στοιχεία της επιστήμης, κυρίως από τον τομέα των Σπουδών Επιστήμης και Τεχνολογίας (STS), και έχει ένα τμήμα για την επιστήμη και το λόμπι.

Ηθική της ποσοτικοποίησης του Andrea Saltelli

Το μάθημα παρουσιάζει ένα μείγμα στατιστικών και κοινωνιολογικών στοιχείων που συνδέονται με διάφορες μορφές στατιστικής και μαθηματικής ποσοτικοποίησης και την τεχνική και κανονιστική ποιότητά τους. Η ανάλυση ευαισθησίας και ο έλεγχος ευαισθησίας θα παρουσιαστούν ως μεθοδολογίες σχετικές με την ανάλυση της ποιότητας, με συζήτηση των ιδιοτήτων των διαθέσιμων μεθόδων. Άλλα θέματα που καλύπτονται είναι η πολιτική της μοντελοποίησης, η συμμετοχική μοντελοποίηση και η κοινωνιολογία της ποσοτικοποίησης.

Ανακριβείς πιθανότητες της Serena Doria

Σε αντίθεση με την κλασική θεωρία πιθανοτήτων, η οποία ασχολείται με ευκρινείς πιθανότητες, η ανακριβής πιθανότητα αναγνωρίζει τους περιορισμούς της τέλειας γνώσης. Παρέχει μια ισχυρή και ευέλικτη προσέγγιση σε καταστάσεις όπου οι πληροφορίες είναι σπάνιες, ελλιπείς ή αναξιόπιστες. Θα ξεκινήσουμε εξετάζοντας τα κίνητρα πίσω από ανακριβείς προβλέψεις και πιθανότητες και αντιπαραβάλλοντάς τα με την κλασική θεωρία πιθανοτήτων. Θα διερευνήσουμε τα απαραίτητα μαθηματικά εργαλεία για την αναπαράσταση ανακριβών πιθανοτήτων και θα διερευνήσουμε πώς αυτό το πλαίσιο μπορεί να χρησιμοποιηθεί στην τεχνητή νοημοσύνη και στη θεωρία αποφάσεων.

Θεωρία Ορθολογικής Επιλογής του Τζάκομο Σιλάρι

Αυτό το μάθημα εμβαθύνει στη Θεωρία της Ορθολογικής Επιλογής, διερευνώντας τη λήψη αποφάσεων σε συνθήκες κινδύνου, άγνοιας και αβεβαιότητας. Ξεκινά εξετάζοντας πώς λαμβάνονται οι αποφάσεις όταν τα αποτελέσματα είναι άγνωστα, με ιδιαίτερη έμφαση σε φιλοσοφικές εφαρμογές όπως το maximin στην αρχή της διαφοράς του Rawls και η συζήτηση με τον Harsanyi.

Από αυτό, το μάθημα μετακινείται σε διαφορετικές ερμηνείες της πιθανότητας, με ιδιαίτερη προσοχή αφιερωμένη στην υποκειμενική πιθανότητα και στο ολλανδικό θεώρημα του βιβλίου. Στη συνέχεια, το μάθημα καλύπτει τη Θεωρία της Αναμενόμενης Χρησιμότητας από θεμελιώδη σκοπιά, εξετάζοντας τον μηχανισμό που σχετίζεται με το θεώρημα αναπαράστασης και ολοκληρώνεται με τον Στρατηγικό Ορθολογισμό, εστιάζοντας στο πώς τα άτομα λαμβάνουν αποφάσεις σε στρατηγικά περιβάλλοντα όπου τα αποτελέσματα εξαρτώνται από τις ενέργειες των άλλων, ιδίως όσον αφορά τον συντονισμό και συνεργασία.

Το Master απευθύνεται σε φοιτητές και επιστήμονες τόσο από τις ανθρωπιστικές επιστήμες όσο και από τους κλάδους STEM, αλλά και σε επαγγελματίες που θέλουν να εμπλουτίσουν τις δεξιότητές τους στον τομέα της ανάλυσης δεδομένων, της επιστημονικής επιστημολογίας και της πολιτικής που βασίζεται σε στοιχεία. Ο αριθμός που προκύπτει είναι ουσιαστικά αυτός ενός αναλυτή δεδομένων, με πλούσιο μεθοδολογικό και θεμελιώδες υπόβαθρο, αλλά ο Δάσκαλος μπορεί κάλλιστα να συμβάλει στον εμπλουτισμό του εκπαιδευτικού προφίλ δημοσιογράφων, πολιτικών και επαγγελματιών σε οποιονδήποτε τομέα (από τον οικονομικό έως τον υγειονομικό και τον νομικό). .

Στο τέλος του Master, οι μαθητές θα είναι σε θέση να αξιολογήσουν την καλύτερη επιστημονική μεθοδολογία που θα χρησιμοποιήσουν για την έρευνά τους. αναλύουν δεδομένα και μελέτες άλλων στον συγκεκριμένο τομέα της έρευνάς τους και προσφέρουν συμβουλευτικές υπηρεσίες στους υπεύθυνους χάραξης πολιτικής. Οι δημοσιογράφοι και οι υπεύθυνοι λήψης πολιτικών αποφάσεων θα έχουν αποκτήσει τα κρίσιμα εργαλεία για να προσανατολιστούν στην παροχή πληροφοριών που παράγονται στους διάφορους επιστημονικούς τομείς.