Argomenti dell'insegnamento
Fondamenti di econometria Tecniche di data science

Modalità di insegnamento
Online

Obiettivi formativi
INTENDED LEARNING OUTCOMES (ILO) ILO 1: CONOSCENZA E COMPRESIONE ILO 1.1 Lo studente/La studentessa acquisisce la competenza di applicare conoscenza e comprensione circa il ruolo del turismo nello sviluppo economico di comunità, regioni e nazioni. ILO 1.2 Lo studente/La studentessa acquisisce la competenza di comprendere e analizzare in modo quantitativo i fenomeni turistici al fine di supportare i processi decisionali aziendali. ILO 2: Capacità di applicare conoscenza e comprensione ILO 2.1 Lo studente/La studentessa acquisisce inoltre la capacità di leggere e comprendere analisi economiche. ILO 2..2 Lo studente/La studentessa acquisisce la capacità di interpretare e usare indicatori sintetici di interesse per le politiche di sviluppo economico e di mercato di destinazioni turistiche così come di singole imprese del settore. ILO 2.3 Lo studente/La studentessa comprende e usa metodologie statistico-quantitative per la descrizione, il monitoraggio e la valutazione delle problematiche caratterizzanti il sistema turistico. ILO 3: AUTONOMIA DI GIUDIZIO ILO 3.1 Acquisire la capacità di selezionare dati e utilizzare le informazioni appropriate per descrivere un problema che attiene alla gestione delle aziende turistiche così come associazioni e consorzi e destinazioni turistiche ILO 4: ABILITÀ COMUNICATIVE ILO 4.1 Il laureato/La laureata magistrale sarà in grado di comunicare efficacemente in forma orale e scritta i contenuti specialistici delle singole discipline, utilizzando registri diversi a seconda dei destinatari e degli scopi comunicativi e didattici, e di valutare gli effetti formativi della sua comunicazione. Le abilità comunicative scritte ed orali sono particolarmente sviluppate nelle attività formative svolte per la preparazione della tesi di laurea magistrale, nella discussione di casi aziendali e nelle lezioni interattive che prevedono discussioni di gruppo e il confronto di analisi individuali. ILO 5: CAPACITÀ DI APPRENDIMENTO ILO 5.1 Di individuare collegamenti tematici e di stabilire relazioni tra diversi casi e contesti di analisi. ILO 5.2 Di elaborare modelli generali, a partire dai fenomeni studiati.

Obiettivi formativi e risultati di apprendimento (ulteriori info.)
-

Modalità d'esame
Studenti che frequentano le lezioni e presentano un progetto: 50% progetto, 50% esame. Studenti che non frequentano le lezioni: 100% esame scritto. Progetto: lavoro di gruppo e presentazione – online. All ILOs are assessed (ILO 1-5) Esame: scritto – in presenza. All ILOs are assessed (ILO 1-5)

Criteri di valutazione
I criteri di valutazione per questo corso si concentreranno principalmente sulla comprensione da parte degli studenti dei contenuti fondamentali del corso. Ciò include: la loro padronanza delle tecniche di gestione dei dati, come l’archiviazione, il recupero, la pulizia e la manipolazione dei dati. Inoltre, gli studenti saranno valutati sulla loro capacità di applicare metodi statistici e strumenti di analisi predittiva per analizzare e interpretare in modo efficace dataset di grandi dimensioni. Sarà inoltre considerata la capacità di progettare e implementare strategie di decision-making basate sui dati in diversi settori. Rientra nella valutazione anche la comprensione dei principi dell’econometria e la loro applicazione nel contesto del corso. Complessivamente, l’obiettivo della valutazione è garantire che gli studenti non solo acquisiscano conoscenze teoriche, ma dimostrino anche competenze pratiche nella gestione e nell’analisi dei dati per supportare processi decisionali informati.

Bibliografia obbligatoria

Le letture obbligatorie per questo corso coprono argomenti essenziali per padroneggiare l’analisi dei dati e l’econometria. Agli studenti è richiesto di familiarizzare con la programmazione in Python, in particolare utilizzando i notebook Jupyter, attraverso tutorial ufficiali e guide pratiche. I concetti statistici fondamentali, come i minimi quadrati e la regressione lineare semplice, vengono introdotti e applicati utilizzando la libreria Python Statsmodels. Per supportare questi metodi statistici, gli studenti dovrebbero anche studiare le basi dell’algebra delle matrici. Letture aggiuntive includono spiegazioni approfondite sulle matrici di progetto (design matrices) e sui principi della regressione lineare, fornendo un quadro teorico e pratico completo per il corso.

Bibliografia facoltativa

-

Altre informazioni
-