Seleziona una pagina

Il numero di articoli scientifici pubblicati sta crescendo in tutte le discipline. E’ sempre più difficile per i ricercatori, non solo monitorare l’evoluzione di un ambito, ma anche definirne i confini (Chiarello et al., 2018). Questo fenomeno è particolarmente forte per i settori ad alto contenuto innovativo, rapidamente modificati dall’avvento della digitalizzazione e dell’Industria 4.0 (Fareri et al., 2020).

Durante il corso le studentesse e gli studenti avranno l’opportunità di imparare ad utilizzare nella pratica strumenti di raccolta dei dati sulle pubblicazioni, analisi automatica del testo e analisi dei grafi degli articoli scientifici, con l’obiettivo di effettuare una review automatica della letteratura, utilizzando  RStudio e Gephi. Il corso sarà composto da una serie di laboratori, ed è mirato a fornire competenze pratiche oltre che teoriche, da subito applicabili nei diversi ambiti disciplinari dei partecipanti. 

Il corso è aperto a tutte le studentesse e gli studenti dell’univeristà di Pisa ed in particolare a dottorandi e laurendi magistrali.

 

Per il iscriveri al corso (solo per studenti UNIPI): Portale E-learn UNIPI

Per il iscriveri al corso (per gli altri atenei): Lista Partecipanti

I corsi saranno trasmessi sul canale Canale MSTeams Dedicato

Per contattare il docente: filippo.chiarello@unipi.it

 

Agenda
1/12 16:00 – 18:00 – Research Question Design & Scientific Papers Retrieval
3/12 16:00 – 18:00 – Itroduzione a RStudio per la Metadata Analysis
8/12 16:00 – 18:00 – Metadata Modelling & Visualization
10/12 16:00 – 18:00 – Text Mining per la definizione dei lessici di dominio
15/12 16:00 – 18:00 – Scientific Network Analysis
17/12 18:00 – 20:00 – Caso studio: Data Science for Engineering Design

 

Bibliografia
Chiarello, F., Trivelli, L., Bonaccorsi, A., & Fantoni, G. (2018). Extracting and mapping industry 4.0 technologies using Wikipedia. Computers in Industry, 118.
Fareri, S., Fantoni, G., Chiarello, F., Coli, E., & Binda, A. (2020). Estimating Industry 4.0 impact on job profiles and skills using text mining. Computers in Industry, 100.