EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:
ob 1: abilità nel comprendere e apprendere i fondamenti teorici e metodologici per l'analisi e lo sviluppo di software, siti e piattaforme online, nella prospettiva architetturale di usabilità e accessibilità previste da istituti internazionali (W3C), da linee guida e da norme europee e nazionali.
ob 2. : abilità nel comprendere e conoscere i fondamenti teorici e metodologici dell'intelligenza artificiale, delle diverse applicazioni dei LLM e delle diverse tipologie di machine learning ; comprensione e capacità di analisi degli output dei modelli di AI (Chat gpt, Gemini, LLama, Notebook LM, ecc.).
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: la conoscenza e il sapere scientifico interdisciplinare in materia di innovazione digitale avanzata ricomprendono approcci tecnologici, linguistici, psicologici, semantici e semiotici alle applicazioni. In particolare il NLP (Natural Language Processing) e l' intermodalità come integrazione di dati (entità di dominio e relazioni logico-semantiche) nelle basi di conoscenza (knowledge base) saranno presentati analizzando case studies sotto il profilo nozionale e progettuale.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: la difficoltà concettuale e terminologica sarà curata superando banalità e semplificazioni teoriche e applicative con esercitazioni guidate e analisi comparative di modelli applicativi con linee guida, protocolli di analisi e analisi dei layers di regole per summarization e queries.
AUTONOMIA DI GIUDIZIO: la capacità valutativa di prodotti e servizi di comunicazione digitale e AI sarà avviata con analisi personali e di gruppo precedute da applicazioni guidate su domini specifici.
ABILITÀ COMUNICATIVE: la complessità e la difficoltà terminologica della materia implicano una proprietà di linguaggio curata attraverso precise definizioni e tecniche di richiamo comunicativo.
CAPACITÀ DI APPRENDIMENTO: la graduazione delle capacità di apprendimento sarà
progressivamente sviluppata e testata con metodologie motivazionali e tecniche di elicitazione tematica dei concetti chiave e della terminologia da memorizzare e riusare.
Learning Objectives
LEARNING OUTCOMES:
ob 1 :ability to understand and learn the theoretical and methodological foundations for the analysis and development of software, websites, and online platforms, in the architectural perspective of usability and accessibility as provided by international institutes (W3C), guidelines, and European and national standards.
ob 2: ability to understand and know the theoretical and methodological foundations of artificial intelligence, the various applications of LLMs and the different types of machine learning; comprehension and analysis capacity as related to AI models outputs ( CHAT gpt, Gemini, LLama, Notebook LM, etc.)
KNOWLEDGE AND UNDERSTANDING: the knowledge and scientific interdisciplinary contents regarding advanced digital innovation encompass technological, linguistic, psychological, semantic, semiotic approaches to applications. In particular, NLP (Natural Language Processing) and intermodality as data integration (domain entities and logical-semantic relationships) in knowledge bases will be presented by analyzing case studies from a conceptual and design perspective.
APPLYING KNOWLEDGE AND UNDERSTANDING: the conceptual and terminological difficulty will be addressed by overcoming trivialities and theoretical and practical simplifications through guided exercises and comparative analyses of application models with guidelines, analysis protocols, and analysis of rule layers for summarization and queries.
MAKING JUDGEMENTS: the evaluative capacity of digital communication and AI products and services will be initiated with personal and group analyses preceded by guided applications in specific domains.
COMMUNICATION SKILLS: the complexity and terminological difficulty of the topics imply a property of language crafted through precise definitions and techniques of communicative recall.
LEARNING SKILLS: the grading of learning abilities will be progressively developed and tested with motivational methodologies and techniques for thematic elicitation of key concepts and terminology to be memorized and reused
Prerequisiti
Comprensione e uso corretto lingua scritta italiana.
Comprensione almeno sufficiente dell'inglese scritto.
Prerequisites
Understanding and correct use of the written Italian language.
At least sufficient understanding of written English.
Programma
Principi base della comunicazione digitale: le nozioni di informazione, conoscenza e digitalizzazione.
Applicazione evolutiva dello sviluppo digitale: siti, portali piattaforme e logiche di dominio.
Modellistica architetturale del software: architettura interfunzionale, user/usage centered, grafico-iconica.
Approcci e nozioni base dell'intelligenza artificiale: le componenti di linguistica strutturalista e generativo-trasformazionale; la semantica; i modelli di comprensione e apprendimento con psicologia comportamentista e cognitivista; le applicazioni tecnologiche.
Lo sviluppo informatico e il NLP: modelli di memoria semantica, ontologie e tassonomie.
I modelli di apprendimento informatizzato: machine learning e Deep neural network machine learning.
La rappresentazione di conoscenza e i knowledge base: domini, entità, relazioni logico-semantiche.
Le funzionalità dei modelli AI e i summarztion outputs.
Program
Basic principles of digital communication: the notions of information, knowledge, and digitalization.
Evolutionary application of digital development: websites, portals, platforms, and domain logic.
Software architectural modeling: cross-functional architecture, user/usage-centered, graphical-iconic architecture.
Artificial intelligence approaches and basic concepts: the components of structuralist and generative-transformational linguistics; semantics; models of understanding and learning with behaviorist and cognitive psychology.
Computer development and NLP: semantic memory models, ontologies, and taxonomies.
Computer learning models: machine learning and deep neural network machine learning.
Knowledge representation and knowledge bases: domains, entities, logical-semantic relationships.
AI models functionalities: the summarization outputs.
Testi Adottati
E. Zuanelli, Architetture digitali e comunicazione digitale, Roma, Aracne, 2016
---, Linguistic and Mathematical Approaches to Deep Neural Networks Training
and Artificial Intelligence: The Confluence of Paths for AI Development, 2023). J Inform Techn Int,1(1): 101, https://doi.org/10.33790/jiti1100101
Natalya F. Noy and Deborah L. McGuinness, Ontology Development 101: A Guide to
Creating Your First Ontology, Stanford University, Stanford, CA, 94305
noy@smi.stanford.edu and dlm@ksl.stanford.edu
GPT-4 Technical Report OpenAI∗
Books
E. Zuanelli, Architetture digitali e comunicazione digitale, Roma, Aracne, 2016
---, Linguistic and Mathematical Approaches to Deep Neural Networks Training
and Artificial Intelligence: The Confluence of Paths for AI Development, 2023). J Inform Techn Int,1(1): 101, https://doi.org/10.33790/jiti1100101
Natalya F. Noy and Deborah L. McGuinness, Ontology Development 101: A Guide to
Creating Your First Ontology, Stanford University, Stanford, CA, 94305
noy@smi.stanford.edu and dlm@ksl.stanford.edu
GPT-4 Technical Report OpenAI∗
Bibliografia
E. Zuanelli, Architetture digitali e comunicazione digitale, Roma, Aracne, 2016
---, Linguistic and Mathematical Approaches to Deep Neural Networks Training
and Artificial Intelligence: The Confluence of Paths for AI Development, 2023). J Inform Techn Int,1(1): 101, https://doi.org/10.33790/jiti1100101
Natalya F. Noy and Deborah L. McGuinness, Ontology Development 101: A Guide to
Creating Your First Ontology, Stanford University, Stanford, CA, 94305
noy@smi.stanford.edu and dlm@ksl.stanford.edu
GPT-4 Technical Report OpenAI∗
Bibliography
E. Zuanelli, Architetture digitali e comunicazione digitale, Roma, Aracne, 2016
---, Linguistic and Mathematical Approaches to Deep Neural Networks Training
and Artificial Intelligence: The Confluence of Paths for AI Development, 2023). J Inform Techn Int,1(1): 101, https://doi.org/10.33790/jiti1100101
Natalya F. Noy and Deborah L. McGuinness, Ontology Development 101: A Guide to
Creating Your First Ontology, Stanford University, Stanford, CA, 94305
noy@smi.stanford.edu and dlm@ksl.stanford.edu
GPT-4 Technical Report OpenAI∗
Modalità di svolgimento
nd
Regolamento Esame
ll percorso di apprendimento sarà valutato in progress, in relazione al risultato di elaborazione autonoma di esercitazioni scritte, sulla base della medesima tipologia di lavoro spiegata e testata nell'attività collettanea e di gruppo in classe.
Saranno somministrate e valutate due prove esercitative:
1. analisi strutturale scritta individuale di siti e o portali con modellistica tutoriale guidata;
2. mappatura e rappresentazinoe tassonomica di dominio, scritta e rappresentata in classe con schemi relazionali, come risultato di team work.
l prodotti, presentati singolarnente e commentati in classe saranno perfezionati ai fini della discussione e verifica nozionale d'esame.
Il commento del lavoro applicativo sarà preceduto in sede d'esame orale dalla verifica nozionale contenutistica relativa al corso.
La quantificazione del voto terrà conto dei seguenti parametri.
Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, gli argomenti sono esposti in modo non coerente e con linguaggio inappropriato;
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico;
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico
30-30L: Ottimo livello di conoscenza e comprensione approfondita degli argomenti. Ottime capacità di analisi, di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato
Exam Rules
The learning path will be evaluated in progress, in relation to the result of autonomous elaboration of written exercises, on the basis of the same type of work explained and tested in the collective and group activity in class.
Two practical tests will be administered and evaluated:
1. Individual written structural analysis of sites and/or portals with guided tutorial modeling;
2. Taxonomic mapping and representation of domains, written and represented in class with relational schemes as a result of team work.
The products, presented individually and commented on in class, will perfected for the purpose of discussion and the notional verification of the exam.
The commentary of the application work will be preceded during the oral exam by the notional content assessment of the course.
The grading will take into account the following parameters.
Failure to pass: significant deficiencies and/or inaccuracies in knowledge and understanding of the topics; limited analytical and synthesis skills, frequent generalizations, and limited critical and judgmental abilities; topics are presented incoherently and with inappropriate language;
18-20: knowledge and understanding of the topics are barely adequate, with possible generalizations and imperfections; sufficient analytical and synthesis skills and independent judgment; topics are frequently presented incoherently and with inappropriate/technical language;
21-23: Routine knowledge and understanding of topics; Correct analysis and synthesis skills with sufficiently coherent logical argumentation and appropriate/technical language.
24-26: Fair knowledge and understanding of topics; good analysis and synthesis skills with arguments expressed rigorously but not always using appropriate/technical language.
27-29: Complete knowledge and understanding of topics; notable analysis and synthesis skills. Good independent judgment. Arguments presented rigorously and using appropriate/technical language.
30-30L: Excellent level of knowledge and in-depth understanding of topics. Excellent analysis, synthesis, and independent judgment skills. Arguments expressed in an original manner and using appropriate/technical language.
Prof.ssa Lucia Leonelli
