Corso | GIURISPRUDENZA |
Curriculum | Curriculum unico |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Corso | GIURISPRUDENZA |
Curriculum | Curriculum unico |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Crediti | 6 |
Settore Scientifico Disciplinare | IUS/01 |
Anno | Primo anno |
Unità temporale | Secondo semestre |
Ore aula | 36 |
Attività formativa |
Docente | ANGELA BUSACCA |
Obiettivi | Acquisire le nozioni di base relative alla qualificazione giuridica del software e dei cd. nuovi beni digitali, nonché alle situazioni giuridiche rilevanti correlate all'utilizzo della Rete Internet, con particolare attenzione alla tutela dell'identità digitale ed alla circolazione dei dati on line. |
Programma | Modulo giuridico (4cfu) Il diritto dell'informatica: caratteri, evoluzione, fonti nazionali ed internazionali - Il software ed i beni giuridici digitali tra legislazione esistente e nuovi paradigmi - La Rete Internet : conoscenza, comunicazione, condivisione, mercato - La persona nell'ecosistema digitale : i diritti della personalità tradizionali ed i cd. "nuovi diritti" - Dalla persona all'utente, dal cyberconsumatore al "prosumer", dallo spettatore al content creator: mediamorfosi dell'uomo digitale - Intermediari e piattaforme digitali: esigenza di regolamentazione, accountability e sistema delle responsabilità - Profili giuridici dei social media - Parte Speciale: "dai dati personali ai Big data: la tutela della persona cede davanti al mercato?" |
Testi docente | Per il modulo giuridico: Gambino - Stazi - Mula, Diritto dell'informatica e della comunicazione, ed. Giappichelli, ult. ed. ** in considerazione della continua evoluzione della materia, la scheda sarà aggiornata prima dell'inizio del corso di lezioni, con l'indicazione delle più importanti novità rilevanti ai fini dello svolgimento del programma; eventuali materiali integrativi saranno inseriti nella pagina/scheda della materia sul sito di ateneo ** |
Erogazione tradizionale | Sì |
Erogazione a distanza | Sì |
Frequenza obbligatoria | No |
Valutazione prova scritta | No |
Valutazione prova orale | Sì |
Valutazione test attitudinale | No |
Valutazione progetto | No |
Valutazione tirocinio | No |
Valutazione in itinere | No |
Prova pratica | No |
Docente | Melchiorre Alberto MONACA |
Obiettivi | Acquisire le nozioni di base relative alla qualificazione giuridica del software e dei cd. nuovi beni digitali, nonché alle situazioni giuridiche rilevanti correlate all'utilizzo della Rete Internet, con particolare attenzione alla tutela dell'identità digitale ed alla circolazione dei dati on line. |
Programma | L’insegnamento si compone di due moduli - uno tecnico (2 CFU) ed uno giuridi-co (4 CFU) - e prevede un unico esame orale. Modulo tecnico: Reti di calcolatori - TCP-IP - Internet, applicazioni e servizi in rete (web, dns, e-mail, pec, search engine) - Sicurezza informatica – Firma digitale - Identità digitale - SPID - Cloud computing. |
Testi docente | Dispense e slides del corso pubblicate on line dal docente |
Erogazione tradizionale | Sì |
Erogazione a distanza | No |
Frequenza obbligatoria | No |
Valutazione prova scritta | No |
Valutazione prova orale | Sì |
Valutazione test attitudinale | No |
Valutazione progetto | No |
Valutazione tirocinio | No |
Valutazione in itinere | No |
Prova pratica | No |
Descrizione | Descrizione |
---|---|
D.lgs. 70/2003 (varie) | |
Estratto Codice Amministrazione Digitale (da Altalex) (varie) | |
GDPR (varie) |
Corso | GIURISPRUDENZA |
Curriculum | Curriculum unico |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Crediti | 6 |
Settore Scientifico Disciplinare | SECS-P/08 |
Anno | Primo anno |
Unità temporale | Secondo semestre |
Ore aula | 36 |
Attività formativa |
Erogazione | 50S81 ECONOMIA E GESTIONE DELLE IMPRESE in Scienze economiche L-33 MAVILIA ROBERTO |
Docente | Non assegnato |
Collaboratore | VALENTINA MALLAMACI |
Obiettivi | N.D. |
Programma | - Gli ambiti della teoria d’impresa: L’impresa moderna e il finalismo delle imprese (Par. 2.2 - Cap. 3) - Responsabilità sociale d’impresa e sostenibilità (Cap. 5) - La gestione degli stakeholder per la sostenibilità d’impresa (Cap. 6 – Par. 7.1 – 7.2.1) - La corporate governance. I rischi della discrezionalità manageriale. Gli strumenti interni di governance (Par. 9.1-2 – Par. 10.1 – Cap. 11– Cap. 12) - Gli strumenti esterni di corporate governance (Cap. 13) - La struttura organizzativa delle imprese (Par. 14.2 – Par. 14.3) - Strategia d’impresa e strategie competitive (Par. 15.1 – Par. 15.2 – Par. 16.1 – Par. 16.2 – Par. 16.3 – Par. 16.5) - La gestione strategica nei contesti dinamici (Par. 17.1 – Par. 17.2 – Par. 17.6) - Le strategie di crescita (Cap. 18) - La gestione strategica della globalizzazione (Cap. 19) - Le strategie collaborative (Par. 20.1– Par. 20.2 – Par. 20.3 – Par. 20.4) - La gestione strategica dei processi di innovazione tecnologica (Par. 21.1– Par. 21.2 – Par. 21.3 – Par. 21.4 – Par. 21.5 – Par. 21.4) - La gestione finanziaria: finanza, amministrazione e controllo (Cap. 24) - La gestione commerciale: Marketing, comunicazione, vendite (Cap. 22) - La gestione delle operations: produzione, logistica e approvvigionamenti (Cap. 23) |
Testi docente | - Perrini F., Management - Economia e gestione delle imprese, terza edizione, Egea, 2016. - Dagnino I., Misani N., Perrini F., Vurro C., Casi di Management, seconda edizione, Egea, 2017. |
Erogazione tradizionale | No |
Erogazione a distanza | No |
Frequenza obbligatoria | No |
Valutazione prova scritta | No |
Valutazione prova orale | No |
Valutazione test attitudinale | No |
Valutazione progetto | No |
Valutazione tirocinio | No |
Valutazione in itinere | No |
Prova pratica | No |
Corso | GIURISPRUDENZA |
Curriculum | Curriculum unico |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Crediti | 6 |
Settore Scientifico Disciplinare | ING-INF/05 |
Anno | Primo anno |
Unità temporale | Secondo semestre |
Ore aula | 36 |
Attività formativa |
Erogazione | 1001358 DATA SCIENCE & DECISION SUPPORT SYSTEMS in Economia LM-56 GIGLIO CARLO |
Docente | CARLO GIGLIO |
Obiettivi | Obiettivi formativi: Il corso mira a fornire agli studenti i concetti teorici, gli approcci metodologici e gli strumenti per l'estrazione e l'analisi dei dati, nonché per l'utilizzo dei corrispondenti risultati al fine di supportare il processo decisionale nelle organizzazioni, con un focus dedicato all'ambito economico ed organizzativo. In particolare, al termine del corso gli studenti saranno in grado di realizzare processi decisionali di natura economica/organizzativa e in una varietà di contesti applicativi, opportunamente supportati da approcci metodologici, tecniche e strumenti di estrazione ed analisi dei dati basati su alcune delle più avanzate soluzioni nel campo della scienza dei dati e dell'elaborazione dei big data (intelligenza artificiale, machine learning, internet of things, data visualization, open data e open source platforms for business intelligence), cogliendone le implicazioni a livello organizzativo e sociale. Descrittori di Dublino: 1. Conoscenza e capacità di comprensione (knowledge and understanding). Conoscenza e comprensione degli approcci metodologici e degli strumenti per l'estrazione e l'analisi dei dati e l'utilizzo dei risultati nel processo decisionale economico-organizzativo, degli approcci metodologici, tecniche e strumenti di estrazione ed analisi dei dati basati su alcune delle più avanzate soluzioni nel campo della scienza dei dati e dell'elaborazione dei big data (intelligenza artificiale, machine learning, internet of things, data visualization, open data e open source platforms for business intelligence), cogliendone le implicazioni a livello organizzativo e sociale. 2. Conoscenza e capacità di comprensione applicate (applying knowledge and understanding). Saper applicare approcci metodologici e strumenti per l'estrazione e l'analisi dei dati soprattutto in ambito economico-organizzativo. 3. Autonomia di giudizio (making judgements). Sviluppo di capacità critiche e di giudizio sull'analisi dei dati soprattutto in ambito economico-organizzativo attraverso la discussione partecipata di esempi e casi di studio. 4. Abilità comunicative (communication skills). Sviluppo della capacità di comunicare quanto appreso in relazione all'analisi dati soprattutto in ambito economico-organizzativo attraverso la discussione partecipata di esempi e casi di studio. 5. Capacità di apprendere (learning skills). Sviluppo della capacità di proseguire autonomamente lo studio al termine dell'insegnamento attraverso l'acquisizione di un approccio sistemico allo studio ed all'applicazione di metodologie, tecniche e strumenti di estrazione ed analisi dati soprattutto in ambito economico-organizzativo. Modalità di accertamento e valutazione: La valutazione sarà effettuata sulla base di un esame scritto che sarà prevalentemente rivolto alla verifica della padronanza, da parte dello studente, delle tematiche afferenti la scienza dei dati in termini di concetti teorici, approcci metodologici, metodi, strumenti e tecniche. La modalità d’esame scelta è quella dell’esame scritto, in quanto maggiormente adeguata, coerentemente con le tematiche trattate nel corso, al fine di verificare il raggiungimento dei risultati attesi. L’esame scritto determinerà l’attribuzione del voto finale (da 0 a 30 punti con eventuale attribuzione della lode, tramite somma dei voti per ciascuna domanda). L’esame scritto verterà su possibili ambiti/tipologie di domande legati a: 1. Processi decisionali, estrazione ed analisi dei dati (da 0 a 10 punti); 2. Big data, intelligenza artificiale, machine learning, internet of things (da 0 a 10 punti); 3. Applicazioni, open data ed open platforms, implicazioni (da 0 a 10 punti). Il voto finale sarà attribuito secondo il seguente criterio di valutazione: 30 - 30 e lode: conoscenza completa, approfondita e critica degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 26 - 29: conoscenza completa e approfondita degli argomenti, piena proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 25: conoscenza degli argomenti con un buon grado di apprendimento, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 20: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze basilari acquisite; Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso. Ricevimento: Il ricevimento (previa prenotazione via email) sarà svolto generalmente di venerdì, dalle ore 17:00 alle ore 20:00 (istruzioni dettagliate via email). |
Programma | 1. Processi e sistemi di supporto alle decisioni a. Dati, informazioni e conoscenza b. Rappresentazione dei processi decisionali c. Sistemi di supporto alle decisioni 2. Data Mining a. Definizione di data mining b. Rappresentazione dei dati in ingresso c. Data Mining for Cross-Sectional Data d. Data Mining for Temporal Data e. Processo di data mining f. Metodologie di analisi g. Text Mining, Sentiment Analysis e Social Analytics 3. Data Warehousing a. Introduzione al data warehousing b. Architetture di data warehouse c. Cubi e analisi multidimensionali 4. Big Data a. Introduzione b. Cenni storici sui big data c. Caratteristiche dei dati d. Business process management e data analytics e. Ecosistema, utilità, strumenti, metodi per i big data f. Big data, data science, strategia e organizzazione 5. Intelligenza Artificiale e Machine Learning a. Introduzione e concetti generali b. Driver, tecnologie e applicazioni c. Nature of Data, Statistical Modeling e Visualization d. Internet of Things 6. Applicazioni in area Business & Management a. Relational marketing b. Salesforce management c. Revenue management 7. Open Data a. Introduzione b. Finalità c. Esempi 8. Open Source Platforms for Business Intelligence a. Benefici b. Open challenges c. Analisi costi-benefici per OSBI: overview pratica 9. Etica e privacy: impatti organizzativi e sociali |
Testi docente | Libri di testo/Altro materiale: - Materiale didattico fornito dal docente. - Vercellis, C. (2011). Business Intelligence: Data Mining and Optimization for Decision Making, J. Wiley and Sons. - Marr, B. (2017). Data Strategy - How to Profit from a World of Big Data, Analytics and the Internet of Things, Kogan Page. - Turban, E., Sharda, R., and Delen, D. (2014). Business Intelligence and Analytics: Systems for Decision Support, Global Edition, Pearson. - Grossman, W., and Rinderle-Ma, S. (2015). Fundamentals of Business Intelligence. Springer-Verlag Berlin Heidelberg. |
Erogazione tradizionale | Sì |
Erogazione a distanza | No |
Frequenza obbligatoria | No |
Valutazione prova scritta | Sì |
Valutazione prova orale | No |
Valutazione test attitudinale | No |
Valutazione progetto | No |
Valutazione tirocinio | No |
Valutazione in itinere | No |
Prova pratica | No |
Cerca nel sito
Posta Elettronica Certificata
Direzione
Tel +39 0965.1695510
Fax +39 0965.1695343
Biblioteca
Tel +39 0965.1695306-7-8
Fax +39 0965.1695345
Orientamento
Tel +39 0965.1695364
Fax -
Segreteria studenti
Tel +39 0965.655293
Fax +39 0965.654177
Didattica
Giurisprudenza - +39 0965.1695402
Economia - +39 0965.1695368
Scienze Umane - +39 0965.1695404