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.
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
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:
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.
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.
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
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
Ricevimento: Su appuntamento via email.
ANNALISA BARLA (Presidente)
CLAUDIO MANCINELLI
ENRICO PUPPO (Presidente Supplente)
In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica: https://corsi.unige.it/corsi/10852/studenti-orario
L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy
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
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.
Per ulteriori informazioni, consultare il modulo Aulaweb dell'insegnamento o contattare il docente.
