CODICE 90529 ANNO ACCADEMICO 2025/2026 CFU 6 cfu anno 2 COMPUTER SCIENCE 10852 (LM-18) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE INF/01 LINGUA Inglese SEDE GENOVA PERIODO 1° Semestre MATERIALE DIDATTICO AULAWEB PRESENTAZIONE Questo insegnamento offre un'introduzione alla visualizzazione delle informazioni. Gli studenti impareranno i principi per progettare un'applicazione web di visualizzazione e sperimenteranno strumenti di programmazione avanzati per sviluppare tali applicazioni nella pratica. L'insegnameno consiste sia in lezioni teoriche in classe che in lezioni pratiche, sia in classe che attraverso il lavoro autonomo degli studenti. OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI Learning basic principles from vision and human perception. Learning principles, methods, and techniques for effective visual analysis of data, including techniques for visualizing spatial, non-spatial, and temporal data. OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO Obiettivi Il corso mira a fornire agli studenti conoscenze fondamentali e competenze pratiche nella visualizzazione dei dati, fondate sui principi della visione e della percezione umana. Introduce metodi e strumenti per l'analisi visiva di vari tipi di dati - spaziali, non spaziali e temporali - sottolineando la chiarezza, l'efficacia e l'usabilità nella progettazione di rappresentazioni visive. Risultati Entro la fine del corso, gli studenti saranno in grado di: Dimostrare una comprensione dei principi cognitivi e percettivi che sono alla base di un'efficace comunicazione visiva. Identificare e applicare tecniche di visualizzazione appropriate in base al tipo di dati e agli obiettivi analitici. Progettatre, implementare e criticare le visualizzazioni per set di dati spaziali, non spaziali e temporali. Usare strumenti di visualizzazione per supportare l'esplorazione dei dati, il riconoscimento dei modelli e la comunicazione. Valutare l'efficacia delle rappresentazioni visive in termini di leggibilità, interpretabilità e coinvolgimento del pubblico. PREREQUISITI Ci si aspetta che gli studenti abbiano una conoscenza preliminare della programmazione web (HTML, CSS, JavaScript) e dei concetti di base dell'analisi dei dati, tra cuifamiliarità con strutture dei dati, statistica di base e uso di linguaggi di programmazione come Python o R per l'elaborazione dei dati. MODALITA' DIDATTICHE Questo corso si avvale del metodo della flipped classroom: gli studenti sono tenuti a leggere il materiale del corso prima che venga presentato in classe. Le lezioni in classe sono dedicate alla teoria e ai principi di progettazione. La pratica consiste in semplici compiti di visualizzazione dei dati realizzati individualmente dagli studenti. Saranno assegnati compiti a casa. La partecipazione alle lezioni può influire sulla valutazione finale. PROGRAMMA/CONTENUTO Percezione visiva Astrazione dei dati Segni e canali Astrazione di compiti Visualizzazione di dati categorici Visualizzazione di dati temporali Visualizzazione di correlazioni Visualizzazione di dati geografici Strumenti tecnici: D3 TESTI/BIBLIOGRAFIA Scott Murray. Interactive Data Visualization for the Web. O’Reilly, 2013 Jonathan Schwabish. Better Data Visualizations. Columbia University Press, 2021 Koponen, Juuso, and Jonatan Hildén. Data visualization handbook. Aalto korkeakoulusäätiö, 2019. Tamara Munzner.VisualizationAnalysis and Design.AK PetersVisualization Series. CRC Press, 2014 Amelia Wattemberger. Fullstack D3 and Data Visualization: Build beautiful data visualizations with D3 DOCENTI E COMMISSIONI ANNALISA BARLA Ricevimento: Su appuntamento via email. LEZIONI INIZIO LEZIONI In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica: https://corsi.unige.it/corsi/10852/studenti-orario Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME Presenza Quiz durante la lezione - Presenza in classe Compiti a casa [20%] Circa quattro compiti assegnati durante il corso - piccolo impegno, scadenze rigide Progetto [50%] Assegnato durante il corso - grande impegno, completato entro la fine del corso Orale [30%] Dopo aver presentato il progetto La portata dell'esame orale è proporzionale alla frequenza. Il punteggio dei quiz e dei compiti a casa guiderà la selezione degli argomenti durante l'esame orale Indicazioni per studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali sono disponibili a partire da https://corsi.unige.it/corsi/10852/studenti-disabilita-dsa MODALITA' DI ACCERTAMENTO La valutazione si basa su due componenti: Progetto: gli studenti svilupperanno un progetto di visualizzazione dati che dimostri la loro capacità di applicare i principi, i metodi e gli strumenti trattati nel corso. Particolare attenzione sarà data alla qualità dell'analisi dei dati, alla solidità statistica degli insight e all'efficacia della rappresentazione visiva. I progetti saranno valutati in base al rigore analitico, alla chiarezza comunicativa, all'esecuzione tecnica e alla qualità del design. Discussione orale: un esame orale individuale valuterà la comprensione dei concetti teorici da parte dello studente, la sua capacità di giustificare le scelte analitiche e progettuali effettuate nel progetto e la sua riflessione critica sull'intero processo di visualizzazione, inclusa la preparazione e l'interpretazione dei dati. Entrambe le componenti devono essere superate per completare con successo il corso. ALTRE INFORMAZIONI Per ulteriori informazioni, consultare il modulo Aulaweb dell'insegnamento o contattare il docente.
