Informatica per le discipline umanistiche 2 lezione 15

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Informatica per le discipline umanistiche 2 lezione 15"

Transcript

1 Informatica per le discipline umanistiche 2 lezione 15

2 Nella lezione precedente:

3 In realtà non tutto il data mining è dettato dagli interessi economici

4 (commercial) data mining Abbiamo visto risvolti commerciali perché di fatto ci siamo concentrati su dati commerciali.

5 (text) data mining Ma ci sono altri tipi di dati, come ad esempio i testi scritti.

6 text mining

7 E una tecnica di elaborazione automatica dei testi, con lo scopo di estrarre da essi nuova informazione. Le informazioni estratte vengono composte per formare nuovi fatti o nuove ipotesi da verificare ulteriormente con mezzi più classici di sperimentazione. Text mining

8 text mining web search

9 Problema: scartare il materiale non rilevante alla nostra ricerca. Web search Obiettivo: t r o v a r e informazione già esistente. Text mining Obiettivo: estrarre nuova informazione che non era presente prima (almeno non in maniera esplicita). Problema: l informazione non è attualmente presente e va creata.

10 data mining text Di fatto, i testi sono un tipo particolare di dati, e il text mining può essere considerato un tipo particolare di data mining.

11 Si potrebbe pensare, quindi, che le svariate tecniche del data mining si possano applicare al caso particolare dei testi. Solo che

12 database matricola 23456! ing! 19797! let! 21215! let! facoltà data mining text

13 Solo che il data mining si effettua su database, che sono tipicamente dati organizzati in tabelle mentre nel text mining si cercano i pattern interessanti in testi scritti in linguaggio naturale.

14 Ogni tecnica che mira ad elaborare in maniera automatica il linguaggio naturale viene considerata come parte della disciplina del Natural Language Processing (NLP). Il text mining è un caso speciale di NLP perché si concentra esclusivamente sui testi scritti. Il NLP comprende però anche l analisi del linguaggio parlato (ad esempio, col riconoscimento vocale).

15 Il prodotto con riconoscimento vocale del momento (novembre 2011) è l iphone 4S con Siri.

16 Torniamo ai testi: il text mining è un modo di analizzarli con il supporto del computer, in modi diversi. In contrasto con quanto visto con il data mining, prendiamo un campo di applicazione radicalmente diverso: la ricerca medica. MEDLINE è un catalogo online di articoli da oltre 5000 riviste mediche dal 1950 ad oggi. Attualmente (2011), MEDLINE contiene riferimenti a più di 21 milioni di articoli. La ricerca medica è divisa in campi e sottocampi altamente specializzati, con poca comunicazione (e scambi di idee) tra discipline diverse. Questa separazione potrebbe essere necessaria e utile alla ricerca specializzata in questo campo, ma può anche avere l effetto di restringere le prospettive, impedendo la creazione di connessioni tra le varie scoperte.

17

18 L elaboratione manuale dei testi con la loro indicizzazione sulla base di parole chiave aiuta, ma da un analisi di MEDLINE è emerso che molti concetti presenti nei testi degli articoli non erano rappresentati da alcuna parola chiave. Chiaramente, i testi della letteratura medica contengono informazioni importanti per i ricercatori che possono non essere completamente colte da revisori e curatori di questi articoli. Come al solito, laddove l azione umana non è abbastanza precisa o veloce, cerchiamo di delegare il compito a un computer.

19 Che cosa NON è il text mining Abbiamo già detto che NON è web search Il web search è la ricerca di un documento in particolare tra miliardi di altri che non ci interessano. Il text mining, invece, è la ricerca di conoscenza che colleghi tra loro documenti diversi. La conoscenza che si cerca tramite il text mining coinvolge più documenti. Per questo il text mining NON coincide con quelle pratiche automatiche di elaborazione dei testi che si focalizzano su un testo solo, come ad esempio l information extraction oppure la text summarization.

20 Information extraction Esempio: Text summarization Esempio: Dato un CV (meglio se in formato standard, come il CV europeo), si estraggono automaticamente certe informazioni, come il nome, il congnome, la data di nascita. Dato un testo, se ne fornisce un breve riassunto basato sulle parole più frequentemente usate (a parte quelle non significative, come il o di o e, chiamate stopword).

21 Text mining Come nel data mining, esistono numerose tecniche. 1. Named entity recognition (NER) L obiettivo è di riconoscere, all interno di una collezione di testi, tutti i nomi di uno specifico tipo di entità. Ad esempio, tutti i nomi di entità biologiche all interno di una serie di articoli da rivista.

22

23 Problemi con i nomi Per la maggior parte dei tipi di nomi di entità biologiche, non esiste un dizionario completo. Perciò una tecnica automatica di ricerca e matching non funziona. La stessa parola può riferirsi a entità diverse (ad es. ferritina può essere una sostanza biologica o un test di laboratorio). Molte entità biologiche hanno diversi nomi (ad es. PTEN e MMAC1 si riferiscono allo stesso gene). Le entità biologiche posso avere anche nomi composti da più parole (ad es. arteria carotide ), quindi sorge anche il problema di stabilire i confini tra un nome e altre parole nel testo.

24 Gli approcci per risolvere il problema NER sono 4: 1. basato sul lessico 2. basato su regole 3. statistico 4. una combinazione dei precedenti Il risultato di un sistema automatico che fa NER è dato da un etichettatura di tutti i nomi con il tipo calcolato, con un eventuale grado di confidenza nel risultato. Le performance dei sistemi NER sono misurate in termini di precision/precisione e di recall/richiamo. Precision = n predizioni corrette / n predizioni Recall = n predizioni corrette / n nomi nel testo Esiste anche un unica misura chiamata F-score F-score = 2Pr*Re/(Pr+Re)

25 2. Relationship extraction L obiettivo è di rilevare occorrenze di tipi predefiniti di relazione tra coppie di entità di tipi specifici.

26 R

27 2. Relationship extraction Mentre i tipi delle entità sono solitamente molto specifici (per es. geni, proteine, principi attivi), il tipo delle relazioni può variare da molto generale (per es. una qualsiasi associazione biochimica) a molto specifica (per es. un legame di regolazione). I possibili metodi per scoprire queste relazioni sono numerosi: ricerca di schemi predefiniti forniti da esperti del settore; ricerca di schemi creati automaticamente analizzando i testi nell intorno di coppie di entità di nostro interesse; analisi del testo mediante schemi soggettopredicato-complemento tipici del NLP (natural language processing).

28 3. Hypothesis generation Mentre l estrazione di relazioni si focalizza sui legami tra entità esplicitamente espressi nel testo, la generazione di ipotesi mira a scoprire relazioni che non sono al momento presenti nei documenti, ma potrebbero essere inferite. Lo scopo ultimo è quello di scoprire nuove relazioni tra le entità su cui valga la pena di indagare.

29

30 Di fatto, tutti i lavori su generazione di ipotesi fanno uso di un idea che ebbe Don R. Swanson, uno scienziato dell informazione, chiamata complementary structures in disjoint literatures (CSD), o strutture complementari in letterature disgiunte. Swanson capì che i grandi database della letteratura scientifica avrebbero potuto permettere nuove scoperte, mediante la connessione tra concetti per mezzo dell inferenza logica. Egli propose un semplice modello di ragionamento: se A influenza B e B influenza C, A potrebbe influenzare C. Questo modello per rilevare casi di CSD è oggi noto come il modello dell ABC di Swanson. In numerosi articoli pubblicati negli anni 80 e 90, Swanson ha fornito esempi su scoperte di nuove ipotesi connettendo manualmente concetti presenti in diversi articoli scientifici. (Ad es.: benefici dell olio di pesce sulla sindrome di Raynaud.)

31 Mentre Swanson ha applicato il suo modello ABC manualmente, numerosi ricercatori hanno tentato di automatizzare il processo. I sistemi di generazione automatica di ipotesi creano numerose potenziali ipotesi scientifiche: occorre quindi un metodo per valutare l efficacia di tali sistemi. Il metodo più diffuso al momento è la ricerca manuale delle ipotesi generate in letteratura.

32 Altre tecniche tipiche del text mining 4. Synonym and abbreviation extraction per l estrazione e la raccolta di sinonimi e abbreviazioni di un termine. 5. Text classification per determinare automaticamente se un documento è interessante, sulla base dell argomento che discute o del tipo di informazioni che contiene.

33 Altri settori di applicazione del text mining Sicurezza: analisi di conversazioni e scambi di in cerca di sospetti atti terroristici Editoria: automatizzare la lettura di un articolo per poter rispondere a domande di un utente che non ha diritto di accesso all articolo stesso Analisi dei sentimenti: comprensione automatica del tono delle recensioni di un film o disco (positivo o meno) Marketing: per una migliore relazione con il cliente; ad es. allarme automatico basato su predizione di abbandono

34 Ancora qualche considerazione sul text mining

35 Text summarization Esempio: Dato un testo, se ne fornisce un breve riassunto basato sulle parole più frequentemente usate (a parte quelle non significative, come il o di o e, chiamate stopword). Si è detto che la text summarization non è considerata text mining in senso stretto perché si effettua su un documento solo e non cerca collegamenti tra diversi contenuti. Si tratta comunque di elaborazione automatica di testo.

36 Consideriamo il seguente testo. A processor in a computer is also called a chip. A chip is the most important part in a computer, because it is the device that performs all the operations. Even when you type potato on the screen, the chip is involved. Analizziamolo con la tecnica della text summarization e contiamo le parole più frequenti, ignorando le stop word e punteggiatura.

37 device called 1 processor 1 important 1 1 involved 1 system 1 you computer 1 1 screen chip Come si fa a capire l argomento del testo con la frequenza delle parole? 1 3 type A processor in a computer is also called a chip. A chip is the most important part in a computer, because it is the device that performs all the operations. Even when you type potato on the screen, the chip is involved. 1 part 1 potato 1 operations 1 performs 1

38 device called 1 processor 1 important 1 1 involved 1 system 1 you computer 1 1 screen chip Consideriamo la parola più frequente. 1 3 type A processor in a computer is also called a chip. A chip is the most important part in a computer, because it is the device that performs all the operations. Even when you type potato on the screen, the chip is involved. 1 part 1 potato 1 operations 1 performs 1

39 computer chip chip Problema: i sinonimi 3 potato chip

40 Facendo una ricerca su Google si scopre che chip può essere addirittura un acronimo.

41 Come affrontare il problema? Il problema di capire l argomento di cui tratta un testo è molto importante per poter individuare tale testo in mezzo ad altri, come ad esempio in una ricerca in internet.

42 Soluzione 1: affidarsi a ricerche più precise, con più parole chiave.

43 E la soluzione più semplice, e funziona nella maggior parte dei casi. Ma non in tutti.

44 device 1 called 1 processor 1 important 1 involved 1 system 1 you computer 1 1 screen chip Il problema è che, nel testo, computer e potato sono frequenti nella stessa misura. 1 3 type A processor in a computer is also called a chip. A chip is the most important part in a computer, because it is the device that performs all the operations. Even when you type potato on the screen, the chip is involved. 1 part 1 potato 1 operations 1 performs 1

45 Questo sembra essere un finto problema. Infatti

46 device 1 called 1 processor 1 important 1 involved 1 system 1 you computer 1 1 screen chip Esaminando le altre parole presenti, è chiaro che si sta parlando del computer chip e non della potato chip. 1 3 type A processor in a computer is also called a chip. A chip is the most important part in a computer, because it is the device that performs all the operations. Even when you type potato on the screen, the chip is involved. 1 part 1 potato 1 operations 1 performs 1

47 In realtà

48 device 1 called 1 processor 1 important 1 involved 1 system 1 you computer 1 1 screen chip Noi riusciamo a stabilire che le parole processor, device e tante altre parole del testo appartengono allo stesso dominio di computer. Ma come facciamo? Ne sfruttiamo il significato. 1 3 type A processor in a computer is also called a chip. A chip is the most important part in a computer, because it is the device that performs all the operations. Even when you type potato on the screen, the chip is involved. 1 part 1 potato 1 operations 1 performs 1

49 Processor e device sono termini informatici. 8 Sappiamo bene i limiti dei computer in fatto di significato.

50 Inoltre

51 A new brand of chips, called Screen has become available, made from the best potatoes in England. It is marketed to appeal to a IT-oriented audience, and has computers, processors, and all sorts of devices depicted on the package. Market research has shown that people in IT, especially programmers, are large consumers of chips. Naturalmente l esempio è poco realistico, ma mostra i limiti dell analisi di un testo basato esclusivamente sul conteggio dei vocaboli: funziona molto spesso, ma non in tutti i casi.

52 Processor e device sono termini informatici. 8 Per elaborare una soluzione che funzioni in tutti i casi, dovremmo riprodurre la classificazione degli argomenti, che un essere umano solitamente fa, in un computer.

53 L esperimento mentale della stanza cinese di Searle vuole dimostrare che un calcolatore che elabora simboli in maniera sintattica non può comprendere la semantica delle parole rappresentate da questi simboli.

54 Il computer tratta solo simboli in maniera sintattica. Vogliamo che il computer tratti anche la semantica. Deve esserci un modo di esprimere la semantica in maniera sintattica. Sembra una cosa insensata. Eppure

55 Web Il termine Web 2.0, che abbiamo visto utilizzato per descrivere il web sociale, in cui gli utenti sono anche creatori di contenuti e l interazione svolge un ruolo fondamentale, è stato in realtà originariamente introdotto con un altro significato. Esiste insomma una prima versione del Web 2.0.

56 Semantic Web La prima versione del Web 2.0 è nota anche come semantic Web, o Web semantico, appunto perché si prefiggeva di arricchire internet con tecniche per la trattazione automatica del significato. L idea è stata introdotta da colui che viene considerato come l inventore del Web 1.0: Tim Berners-Lee.

57 Tim Berners-Lee

58 L idea di base del Semantic Web Anziché affidarsi solo alla mente dell utente Web per creare il legame tra la sintassi dei simboli e la loro semantica tipo di entità nel mondo Cat sequenza di caratteri

59 L idea di base del Semantic Web usare dei simboli aggiuntivi, sotto forma di marcature, che rimandano a un ontologia (simile a un vocabolario, in cui i concetti sono organizzati secondo classi di appartenenza). inizio marcatura Resource Description Framework: data model dei metadati come about Indirizzo della parte dell ontologia dove viene spiegato il concetto espresso dal termine Cat termine fine marcatura

60 Resource Description Framework E una convenzione che prescrive il modo con cui i dati con cui lavoriamo devono essere descritti, ossia fornisce indicazioni sui metadati: i dati che parlano di dati. Resource Description Framework: data model dei metadati come about Ovviamente, come tutte le convenzioni, l RDF deve essere accettato e seguito da tutti i creatori di contenuti Web per poter funzionare.

61 Semantic Web: problema 1 Tutti gli utenti Web devono seguire un unica convenzione su come descrivere i dati presenti nel Web. RDF è una proposta, ma non è stata universalmente accettato.

62 Le ontologie Un ontologia ha lo scopo di definire tutti i concetti appartenenti a un particolare dominio, e di elencare tutte le possibili relazioni tra di essi. Indirizzo della parte dell ontologia dove viene spiegato il concetto espresso dal termine Cat

63 Se andiamo a dbpedia.org/resource/cat troviamo questa descrizione, in svariate lingue. La descrizione comprende tutti i modi di riferirsi a un gatto nelle lingue presenti, e anche un albero filogenetico.

64 Semantic Web: problema 2 Per ciascun concetto esistente, tutti gli utenti Web devono essere d accordo sull ontologia che lo descrive. DBpedia è una proposta, ma non è stata universalmente accettata.

65 Semantic Web: problema 3 The chicken or the egg.

66 Il chicken or the egg problem si riferisce a una situazione di stallo. Nel caso della gallina e dell uovo, la questione si pone come segue: senza l uovo, la gallina non può nascere, ma senza una gallina, non si può fare un uovo. Per quanto riguarda il semantic Web, la questione riguarda il grande lavoro umano necessario per etichettare con le marcature semantiche tutti i concetti presenti nelle pagine Web esistenti e in quelle future. Tale lavoro chiaramente non può essere automatizzato, perché presuppone che i computer conoscano già il significato delle parole. Riferito al semantic Web, quindi, il chicken or the egg problem descrive il seguente stallo: nessun produttore di contenuti Web vuole iniziare l impresa titanica di marcarli se non è sicuro che il semantic Web si realizzi davvero; ma perché il semantic Web si realizzi, tutti devono marcare i contenuti che pubblicano.

67 Quindi? Il termine Web 2.0 è stato riciclato per indicare il Web sociale. Il Semantic Web è ora noto come Web 3.0, e non si sa se si realizzerà mai.

Informatica per le discipline umanistiche 2 lezione 12

Informatica per le discipline umanistiche 2 lezione 12 Informatica per le discipline umanistiche 2 lezione 12 Nella lezione precedente: In realtà non tutto il data mining è dettato dagli interessi economici (commercial) data mining Abbiamo visto risvolti commerciali

Dettagli

Informatica per le discipline umanistiche 2 lezione 13

Informatica per le discipline umanistiche 2 lezione 13 Informatica per le discipline umanistiche 2 lezione 3 Ancora qualche considerazione sul text mining Text summarization Esempio: Dato un testo, se ne fornisce un breve riassunto basato sulle parole più

Dettagli

Informatica per la Comunicazione/ Verdicchio/ 24/09/2014/ Domande / Matricola Cognome Nome

Informatica per la Comunicazione/ Verdicchio/ 24/09/2014/ Domande / Matricola Cognome Nome Informatica per la Comunicazione/ Verdicchio/ 24/09/2014/ Domande / Matricola Cognome Nome 1) In che senso i brani di Bach by Design sono originali? a) Hanno uno stile musicale nuovo b) Hanno una sequenza

Dettagli

Introduzione al Semantic Web

Introduzione al Semantic Web Corso di Laurea Specialistica in Ingegneria Gestionale Corso di Sistemi Informativi Modulo II A. A. 2013-2014 Giuseppe Loseto Dal Web al Semantic Web 2 Dal Web al Semantic Web: Motivazioni Il Web dovrebbe

Dettagli

Informatica per la comunicazione" lezione 16

Informatica per la comunicazione lezione 16 Informatica per la comunicazione lezione 16 Disegnare il diagramma di flusso dell algoritmo della text summarization. Esercizio Text summarization Dato un testo, se ne fornisce un breve riassunto basato

Dettagli

RICERCA DELL INFORMAZIONE

RICERCA DELL INFORMAZIONE RICERCA DELL INFORMAZIONE DOCUMENTO documento (risorsa informativa) = supporto + contenuto analogico o digitale locale o remoto (accessibile in rete) testuale, grafico, multimediale DOCUMENTO risorsa continuativa

Dettagli

Informatica per la Comunicazione/ Verdicchio/ 21/05/2015/ Domande / Matricola Cognome Nome VERSIONE 1

Informatica per la Comunicazione/ Verdicchio/ 21/05/2015/ Domande / Matricola Cognome Nome VERSIONE 1 Informatica per la Comunicazione/ Verdicchio/ 21/05/2015/ Domande / Matricola Cognome Nome VERSIONE 1 1) secondo quale delle seguenti persone la statistica ha un ruolo fondamentale nella costruzione di

Dettagli

Informatica per la Comunicazione/ Verdicchio/ 09/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome

Informatica per la Comunicazione/ Verdicchio/ 09/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome Informatica per la Comunicazione/ Verdicchio/ 09/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome 1) Per quale filosofo codificare il buon senso sotto forma di un programma è un impresa impossibile?

Dettagli

Mining Positive and Negative Association Rules:

Mining Positive and Negative Association Rules: Mining Positive and Negative Association Rules: An Approach for Confined Rules Alessandro Boca Alessandro Cislaghi Premesse Le regole di associazione positive considerano solo gli item coinvolti in una

Dettagli

Rappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0

Rappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Rappresentazione della Conoscenza Lezione 10 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Sistemi ed applicazioni Sistemi di rappresentazione della conoscenza basati su logiche descrittive.

Dettagli

COME AVERE SUCCESSO SUL WEB?

COME AVERE SUCCESSO SUL WEB? Registro 1 COME AVERE SUCCESSO SUL WEB? Guida pratica per muovere con successo i primi passi nel web INTRODUZIONE INDEX 3 6 9 L importanza di avere un dominio e gli obiettivi di quest opera Come è cambiato

Dettagli

2.1 Introduzione ai linguaggi di marcatura

2.1 Introduzione ai linguaggi di marcatura Fondamenti di Informatica Sistemi di Elaborazione delle Informazioni Informatica Applicata 2.1 Introduzione ai linguaggi di marcatura Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE

Dettagli

Obiettivo Principale: Spiegare come la stessa cosa possa essere realizzata in molti modi diversi e come, a volte, ci siano modi migliori di altri.

Obiettivo Principale: Spiegare come la stessa cosa possa essere realizzata in molti modi diversi e come, a volte, ci siano modi migliori di altri. 6 LEZIONE: Algoritmi Tempo della lezione: 45-60 Minuti. Tempo di preparazione: 10-25 Minuti (a seconda che tu abbia dei Tangram disponibili o debba tagliarli a mano) Obiettivo Principale: Spiegare come

Dettagli

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione 4 LEZIONE: Programmazione su Carta a Quadretti Tempo della lezione: 45-60 Minuti. Tempo di preparazione: 10 Minuti Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione SOMMARIO:

Dettagli

Introduzione ad OLAP (On-Line Analytical Processing)

Introduzione ad OLAP (On-Line Analytical Processing) Introduzione ad OLAP (On-Line Analytical Processing) Metodi e Modelli per il Supporto alle Decisioni 2002 Dipartimento di Informatica Sistemistica e Telematica (Dist) Il termine OLAP e l acronimo di On-Line

Dettagli

La felicità per me è un sinonimo del divertimento quindi io non ho un obiettivo vero e proprio. Spero in futuro di averlo.

La felicità per me è un sinonimo del divertimento quindi io non ho un obiettivo vero e proprio. Spero in futuro di averlo. Riflessioni sulla felicità.. Non so se sto raggiungendo la felicità, di certo stanno accadendo cose che mi rendono molto più felice degli anni passati. Per me la felicità consiste nel stare bene con se

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testuali Il text mining: una definizione Data mining per dati destrutturati ovvero documenti codificati in linguaggio

Dettagli

Appunti di Sistemi Distribuiti

Appunti di Sistemi Distribuiti Appunti di Sistemi Distribuiti Matteo Gianello 27 settembre 2013 1 Indice 1 Introduzione 3 1.1 Definizione di sistema distribuito........................... 3 1.2 Obiettivi.........................................

Dettagli

E ora, col cuore leggero per lo scampato pericolo, andiamo ad approfondire, e a scoprire:

E ora, col cuore leggero per lo scampato pericolo, andiamo ad approfondire, e a scoprire: di Pier Francesco Piccolomini 1 Dopo aver spiegato come si accende il computer e come si usano mouse e tastiera, con questa terza puntata della nostra guida entriamo trionfalmente all interno del PC, dove

Dettagli

Linguaggi e Paradigmi di Programmazione

Linguaggi e Paradigmi di Programmazione Linguaggi e Paradigmi di Programmazione Cos è un linguaggio Definizione 1 Un linguaggio è un insieme di parole e di metodi di combinazione delle parole usati e compresi da una comunità di persone. È una

Dettagli

Informatica per le discipline umanistiche 2 lezione 14

Informatica per le discipline umanistiche 2 lezione 14 Informatica per le discipline umanistiche 2 lezione 14 Torniamo ai concetti base dellʼinformatica. Abbiamo sinora affrontato diversi problemi: avere unʼidentità online, cercare pagine Web, commentare il

Dettagli

Cercare informazioni in rete. Uno strumento metacognitivo per sviluppare le abilità di ricerca e di costruzione di conoscenza

Cercare informazioni in rete. Uno strumento metacognitivo per sviluppare le abilità di ricerca e di costruzione di conoscenza Cercare informazioni in rete Uno strumento metacognitivo per sviluppare le abilità di ricerca e di costruzione di conoscenza L information overload Internet con la sua enorme mole di informazione disponibili

Dettagli

Introduzione alla Linguistica Computazionale

Introduzione alla Linguistica Computazionale Introduzione alla Linguistica Computazionale Salvatore Sorce Dipartimento di Ingegneria Chimica, Gestionale, Informatica e Meccanica Ludici Adattati da Alessandro Lenci Dipartimento di Linguistica T. Bolelli

Dettagli

Lezione 10 Business Process Modeling

Lezione 10 Business Process Modeling Lezione 10 Business Process Modeling Ingegneria dei Processi Aziendali Modulo 1 - Servizi Web Unità didattica 1 Protocolli Web Ernesto Damiani Università di Milano Step dell evoluzione del business process

Dettagli

Laboratorio Matematico Informatico 2

Laboratorio Matematico Informatico 2 Laboratorio Matematico Informatico 2 (Matematica specialistica) A.A. 2006/07 Pierluigi Amodio Dipartimento di Matematica Università di Bari Laboratorio Matematico Informatico 2 p. 1/1 Informazioni Orario

Dettagli

Informatica per la Comunicazione/ Verdicchio/ 22/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome

Informatica per la Comunicazione/ Verdicchio/ 22/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome Informatica per la Comunicazione/ Verdicchio/ 22/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome 1) Quale delle seguenti persone ha sicuramente usato un compasso nella sua professione? a) David Cope

Dettagli

Pubblicazione di Linked Data in e-commerce: Progettazione e Sperimentazione (Riassunto)

Pubblicazione di Linked Data in e-commerce: Progettazione e Sperimentazione (Riassunto) Universitá degli Studi di Milano Bicocca Dipartimento di Informatica, Sistemistica e Comunicazione Corso di Laurea in Informatica Pubblicazione di Linked Data in e-commerce: Progettazione e Sperimentazione

Dettagli

FINESTRE INTERCULTURALI

FINESTRE INTERCULTURALI Scuola Classe 1C FINESTRE INTERCULTURALI DIARIO DI BORDO 2013 / 2014 IC Gandhi - Secondaria di primo grado Paolo Uccello Insegnante / materia lettere Data Febbraio Durata 4h TITOLO DELLA FINESTRA INTERCULTURALE

Dettagli

a. Legga questo primo brano e scelga il titolo corretto tra i tre proposti: Una parola chiave non comune di questo primo brano è speculazione.

a. Legga questo primo brano e scelga il titolo corretto tra i tre proposti: Una parola chiave non comune di questo primo brano è speculazione. Recupero TVI per matricole straniere a.a. 2010-11 Rosella Bozzone Costa - Lingua Italiana (13049 e 92020) Materiale 1c PROVA DI COMPRENSIONE SCRITTA TEST D INGRESSO CHIAVI E PRIMI ESERCIZI a. Legga questo

Dettagli

Tecniche strategie e metodologie del processo di insegnamento-apprendimento. a cura della Dott.ssa Donata Monetti

Tecniche strategie e metodologie del processo di insegnamento-apprendimento. a cura della Dott.ssa Donata Monetti Tecniche strategie e metodologie del processo di insegnamento-apprendimento a cura della Dott.ssa Donata Monetti Gli elementi di base della dinamica insegnamento - apprendimento LA PROGRAMMAZIONE DEGLI

Dettagli

GLI STRUMENTI COMPENSATIVI

GLI STRUMENTI COMPENSATIVI GLI STRUMENTI COMPENSATIVI La Sintesi Vocale Le mappe concettuali e mentali I programmi di Video Scrittura I Software delle Cooperativa Anastasis LA SINTESI VOCALE Un sintetizzatore vocale è un software

Dettagli

Le parole e le cose - Correttore

Le parole e le cose - Correttore Le parole e le cose - Correttore 5 10 15 20 25 Le cose di per sé 1 non hanno nessun nome. Sono gli uomini che hanno dato e continuano a dare i nomi ad esse. Di solito non ci accorgiamo di questa verità

Dettagli

CRESCERE LAVORANDO IN GRUPPI AUTENTICI

CRESCERE LAVORANDO IN GRUPPI AUTENTICI Progetto in rete I CARE CRESCERE LAVORANDO IN GRUPPI AUTENTICI ISTITUTO COMPRENSIVO DI CURNO SCUOLA PRIMARIA DI CURNO GIOCHI LOGICI MATEMATICI REFERENTE: Ins. EPIFANI VINCENZA Tempi : II QUADRIMESTRE Classe

Dettagli

FINESTRE INTERCULTURALI

FINESTRE INTERCULTURALI Scuola Classe 1C FINESTRE INTERCULTURALI DIARIO DI BORDO 2013 / 2014 IC Gandhi - Secondaria di primo grado Paolo Uccello Insegnante / materia Anelia Cassai/lettere Data Febbraio Durata 4h TITOLO DELLA

Dettagli

Carpire il segreto della vita con l informatica Giosuè Lo Bosco Dipartimento di Matematica e Informatica, Università di Palermo, ITALY.

Carpire il segreto della vita con l informatica Giosuè Lo Bosco Dipartimento di Matematica e Informatica, Università di Palermo, ITALY. Carpire il segreto della vita con l informatica Giosuè Lo Bosco Dipartimento di Matematica e Informatica, Università di Palermo, ITALY. Lezioni Lincee Palermo, 26 Febbraio 2015 Alla base della vita degli

Dettagli

Introduzione all Information Retrieval

Introduzione all Information Retrieval Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information

Dettagli

Cercare è per metà trovare

Cercare è per metà trovare Introduzione Cercare è per metà trovare Cercare su Internet Un Web nella Rete Struttura del libro I n t r o d u z i o n e La prima edizione del libro che avete tra le mani nasceva nel 2005. Si trattava

Dettagli

Il database management system Access

Il database management system Access Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio

Dettagli

IT Questionario per insegnanti di lingue Analisi dei dati

IT Questionario per insegnanti di lingue Analisi dei dati IT Questionario per insegnanti di lingue Analisi dei dati Tu 1. Hanno risposto 32 insegnanti: 15 insegnano nella scuola secondaria inferiore, 17 in quella superiore. 2. Di questo campione, 23 insegnano

Dettagli

Le ontologie nell integrazione dei dati

Le ontologie nell integrazione dei dati Le ontologie nell integrazione dei dati Prof. Letizia Tanca 1 Ontologie Definizione formale e condivisa di un vocabolario di termini e delle relazioni tra essi Relazioni possibili: sinonimia omonimia iponimia

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 5 Tecniche OCR Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

IMMAGINANDO QUELLO CHE NON SI VEDE

IMMAGINANDO QUELLO CHE NON SI VEDE Laboratorio in classe: tra forme e numeri GRUPPO FRAZIONI - CLASSI SECONDE DELLA SCUOLA PRIMARIA Docenti: Lidia Abate, Anna Maria Radaelli, Loredana Raffa. IMMAGINANDO QUELLO CHE NON SI VEDE 1. UNA FIABA

Dettagli

1. LA MOTIVAZIONE. Imparare è una necessità umana

1. LA MOTIVAZIONE. Imparare è una necessità umana 1. LA MOTIVAZIONE Imparare è una necessità umana La parola studiare spesso ha un retrogusto amaro e richiama alla memoria lunghe ore passate a ripassare i vocaboli di latino o a fare dei calcoli dei quali

Dettagli

PRIMA LEGGE DI OHM OBIETTIVO: NOTE TEORICHE: Differenza di potenziale Generatore di tensione Corrente elettrica

PRIMA LEGGE DI OHM OBIETTIVO: NOTE TEORICHE: Differenza di potenziale Generatore di tensione Corrente elettrica Liceo Scientifico G. TARANTINO ALUNNO: Pellicciari Girolamo VG PRIMA LEGGE DI OHM OBIETTIVO: Verificare la Prima leggi di Ohm in un circuito ohmico (o resistore) cioè verificare che l intensità di corrente

Dettagli

Enrico Fagnoni <e.fagnoni@e-artspace.com> BOTK IN A NUTSHELL

Enrico Fagnoni <e.fagnoni@e-artspace.com> BOTK IN A NUTSHELL Enrico Fagnoni BOTK IN A NUTSHELL 20/01/2011 1 Business Ontology ToolKit Business Ontology Toolkit (BOTK) è un insieme estensibile di strumenti per realizzare applicazioni basate

Dettagli

LEZIONE: Pensiero Computazionale. Tempo della lezione: 45-60 Minuti. - Tempo di preparazione: 15 Minuti.

LEZIONE: Pensiero Computazionale. Tempo della lezione: 45-60 Minuti. - Tempo di preparazione: 15 Minuti. 3 LEZIONE: Pensiero Computazionale Tempo della lezione: 45-60 Minuti. - Tempo di preparazione: 15 Minuti. Obiettivo Principale: Introdurre il modello del Pensiero Computazionale come metodo per la risoluzione

Dettagli

CREAZIONE DI UN DB RELAZIONALE IN ACCESS

CREAZIONE DI UN DB RELAZIONALE IN ACCESS CONTENUTI: CREAZIONE DI UN DB RELAZIONALE IN ACCESS Definizione della chiave primaria di una tabella Creazione di relazioni fra tabelle Uso del generatore automatico di Query A) Apertura del DB e creazione

Dettagli

Modelli della competenza linguistica. Modelli e dati empirici. Il segno saussuriano. Modelli basati su inventari

Modelli della competenza linguistica. Modelli e dati empirici. Il segno saussuriano. Modelli basati su inventari Modelli e dati empirici Modelli della competenza linguistica Il linguaggio è suono con significato Quindi, sapere una lingua vuol dire avere la capacità di - rappresentarsi internamente i suoni; - rappresentarsi

Dettagli

Programmi. Algoritmi scritti in un linguaggio di programmazione

Programmi. Algoritmi scritti in un linguaggio di programmazione Programmi Algoritmi scritti in un linguaggio di programmazione Sistema operativo:programma supervisore che coordina tutte le operazioni del calcolatore Programmi applicativi esistenti Sistemi di videoscrittura

Dettagli

Le nuove tecnologie dell informazione: verso il Social Semantic Web. Roberto Boselli Alessandria 04-05-2007

Le nuove tecnologie dell informazione: verso il Social Semantic Web. Roberto Boselli Alessandria 04-05-2007 Le nuove tecnologie dell informazione: verso il Social Semantic Web Roberto Boselli Alessandria 04-05-2007 Outline Web 2.0 e Semantic Web Social Software Semantica e Ontologie SEDIMENTO 2 Obiettivi Aggiungere

Dettagli

Archivi e database. Lezione n. 7

Archivi e database. Lezione n. 7 Archivi e database Lezione n. 7 Dagli archivi ai database (1) I dati non sempre sono stati considerati dall informatica oggetto separato di studio e di analisi Nei primi tempi i dati erano parte integrante

Dettagli

SCUOLA PRIMARIA SCIENZE NATURALI E SPERIMENTALI. Competenza: 1. Comunicazione efficace Indicatore: 1.1 Comprensione

SCUOLA PRIMARIA SCIENZE NATURALI E SPERIMENTALI. Competenza: 1. Comunicazione efficace Indicatore: 1.1 Comprensione SCUOLA PRIMARIA SCIENZE NATURALI E SPERIMENTALI Competenza: 1. Comunicazione efficace Indicatore: 1.1 Comprensione Descrittori Classe 1 Descrittori Classe 2 Descrittori Classe 3 Descrittori Classe 4 Descrittori

Dettagli

Interrogazione strutturata di triple RDF estratte dal linguaggio naturale

Interrogazione strutturata di triple RDF estratte dal linguaggio naturale UNIVERSITA DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica Interrogazione strutturata di triple RDF estratte dal linguaggio naturale Candidato:

Dettagli

Progetto Co-meta Istituto comprensivo «E. De Amicis» di Tremestieri settore scientifico

Progetto Co-meta Istituto comprensivo «E. De Amicis» di Tremestieri settore scientifico Progetto Co-meta Istituto comprensivo «E. De Amicis» di Tremestieri settore scientifico Attività laboratoriali di matematica, fisica e scienze Federico Francesco Placenti Salvatore Alex Cordovana Giorgio

Dettagli

Question Answering e semantica Tecnologie emergenti per le imprese. IKL 08 - Intercultural Knowledge Landscapes

Question Answering e semantica Tecnologie emergenti per le imprese. IKL 08 - Intercultural Knowledge Landscapes Question Answering e semantica Tecnologie emergenti per le imprese Cos è QuestIT? QuestIT nasce nell ambito di attività di ricerca in Intelligenza Artificiale presso il Dipartimento di Ingegneria dell

Dettagli

Metodi per valutare la User Experience nei servizi web

Metodi per valutare la User Experience nei servizi web Progetto PerformancePA Ambito A - Linea 1 - Una rete per la riforma della PA Metodi per valutare la User Experience nei servizi web Autore: Maurizio Boscarol Creatore: Formez PA, Progetto Performance PA

Dettagli

Guida al livellamento delle risorse con logica Critical Chain (1^ parte)

Guida al livellamento delle risorse con logica Critical Chain (1^ parte) Paolo Mazzoni 2011. E' ammessa la riproduzione per scopi di ricerca e didattici se viene citata la fonte completa nella seguente formula: "di Paolo Mazzoni, www.paolomazzoni.it, (c) 2011". Non sono ammesse

Dettagli

La Top Ten dei suggerimenti per la progettazione Web

La Top Ten dei suggerimenti per la progettazione Web In questo capitolo Impostare l obiettivo Mantenere le pagine libere e pulite Non travolgere i visitatori con i colori Usare meno di quattro tipi di carattere Essere coerenti Semplificare Essere rapidi

Dettagli

Linguistica Generale

Linguistica Generale Linguistica Generale Docente: Paola Monachesi Aprile-Maggio 2003 Contents 1 La linguistica e i suoi settori 2 2 La grammatica come mezzo per rappresentare la competenza linguistica 2 3 Le componenti della

Dettagli

La comunicazione e il linguaggio

La comunicazione e il linguaggio Linguaggio = sistema di simboli, suoni, significati e regole per la loro combinazione che costituisce la modalita primaria di comunicazione tra gli esseri umani Caratteristiche fondamentali del linguaggio:

Dettagli

WEB MARKETING CODE by scamurra.it

WEB MARKETING CODE by scamurra.it WEB MARKETING CODE by scamurra.it www.scamurra.it info@scamurra.it Livello: principiante CAPITOLO 1 INTRODUZIONE CAPITOLO 2 L IMPORTANZA DEI CONTENUTI CAPITOLO 3 UN PO DI CAPITOLO 4 PULIZIA DEL

Dettagli

COME CATTURARE I MOMENTI CHE CONTANO: raggiungere le persone giuste con il messaggio giusto al momento giusto, ogni volta.

COME CATTURARE I MOMENTI CHE CONTANO: raggiungere le persone giuste con il messaggio giusto al momento giusto, ogni volta. COME CATTURARE I MOMENTI CHE CONTANO: raggiungere le persone giuste con il messaggio giusto al momento giusto, ogni volta. Parlare di sessione online è ormai obsoleto: oggi non si va più online, si vive

Dettagli

www.proiezionidiborsa.com Assault to the fort Il pattern per speculare su ogni time frame

www.proiezionidiborsa.com Assault to the fort Il pattern per speculare su ogni time frame Assault to the fort Il pattern per speculare su ogni time frame 2 Titolo Assault to the fort Autore www.proiezionidiborsa.com Editore www.proiezionidiborsa.com Siti internet www.proiezionidiborsa.com 3

Dettagli

COS È UN LINGUAGGIO? LINGUAGGI DI ALTO LIVELLO LA NOZIONE DI LINGUAGGIO LINGUAGGIO & PROGRAMMA

COS È UN LINGUAGGIO? LINGUAGGI DI ALTO LIVELLO LA NOZIONE DI LINGUAGGIO LINGUAGGIO & PROGRAMMA LINGUAGGI DI ALTO LIVELLO Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware COS È UN LINGUAGGIO? Un linguaggio è un insieme di parole e di metodi di combinazione delle

Dettagli

dal 2007 - Kryptos LA PERSONA ECCELLENZE: Lorenzo Zago

dal 2007 - Kryptos LA PERSONA ECCELLENZE: Lorenzo Zago ECCELLENZE: Lorenzo Zago dal 2007 - Kryptos LA PERSONA Nel corso della storia, la libertà di scelta è stata una grande conquista da parte dell uomo. Oggi, la maggior parte di noi vive in Paesi dove è possibile

Dettagli

Problemi, Algoritmi e Programmi

Problemi, Algoritmi e Programmi MASTER Information Technology Excellence Road (I.T.E.R.) Problemi, Algoritmi e Programmi Maurizio Palesi Salvatore Serrano Master ITER Informatica di Base Maurizio Palesi, Salvatore Serrano 1 Introduzione

Dettagli

Il test di Turing. Seminario. Ester Dalvit. 22 marzo 2005. Il test di Turing p. 1/1

Il test di Turing. Seminario. Ester Dalvit. 22 marzo 2005. Il test di Turing p. 1/1 Il test di Turing Seminario Ester Dalvit 22 marzo 2005 Il test di Turing p. 1/1 Intelligenza artificiale Una macchina compie in modo efficiente e veloce attività come eseguire calcoli aritmetici Il test

Dettagli

Soluzioni su misura per le flotte aziendali A confronto con André Siegrist della società René Faigle AG

Soluzioni su misura per le flotte aziendali A confronto con André Siegrist della società René Faigle AG Soluzioni su misura per le flotte aziendali A confronto con della società René Faigle AG La René Faigle AG svolge la sua attività con successo da più di ottant anni. L azienda svizzera a conduzione familiare

Dettagli

Basi di dati. (Sistemi Informativi) teoria e pratica con Microsoft Access. Basi di dati. Basi di dati. Basi di dati e DBMS DBMS DBMS

Basi di dati. (Sistemi Informativi) teoria e pratica con Microsoft Access. Basi di dati. Basi di dati. Basi di dati e DBMS DBMS DBMS Basi di Basi di (Sistemi Informativi) Sono una delle applicazioni informatiche che hanno avuto il maggiore utilizzo in uffici, aziende, servizi (e oggi anche sul web) Avete già interagito (magari inconsapevolmente)

Dettagli

INTERNET. Un percorso per le classi prime Prof. Angela Morselli

INTERNET. Un percorso per le classi prime Prof. Angela Morselli INTERNET Un percorso per le classi prime Prof. Angela Morselli PARTE 1 INTERNET: LA RETE DELLE RETI 2 È ALQUANTO DIFFICILE RIUSCIRE A DARE UNA DEFINIZIONE ESAUSTIVA E CHIARA DI INTERNET IN POCHE PAROLE

Dettagli

Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005

Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005 Risoluzione Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005 1 Risoluzione Introdurremo ora un metodo per capire se un insieme di formule è soddisfacibile o meno. Lo vedremo prima per insiemi

Dettagli

NON C È PEGGIOR SORDO DI CHI NON VUOLE ASCOLTARE. Maggio 2014

NON C È PEGGIOR SORDO DI CHI NON VUOLE ASCOLTARE. Maggio 2014 NON C È PEGGIOR SORDO DI CHI NON VUOLE ASCOLTARE Maggio 2014 1 UNA REGOLA DI VITA Courage is what it takes to stand up and speak, courage is also what it takes to sit down and listen Winston Churchill

Dettagli

QUESTIONARIO SUGLI STILI DI APPRENDIMENTO

QUESTIONARIO SUGLI STILI DI APPRENDIMENTO QUESTIONARIO SUGLI STILI DI APPRENDIMENTO Le seguenti affermazioni descrivono alcune abitudini di studio e modi di imparare. Decidi in quale misura ogni affermazione si applica nel tuo caso: metti una

Dettagli

1. Introduzione al corso

1. Introduzione al corso E107 WEB SYSTEM Corso on line di progettazione siti dinamici: livello base R E A L I Z Z A Z I O N E D I 1. Introduzione al corso By e107 Italian Team Sito web:http://www.e107italia.org Contatto: admin@e107italia.org

Dettagli

Esercitazione di Basi di Dati

Esercitazione di Basi di Dati Esercitazione di Basi di Dati Corso di Fondamenti di Informatica 6 Maggio 2004 Come costruire una ontologia Marco Pennacchiotti pennacchiotti@info.uniroma2.it Tel. 0672597334 Ing.dell Informazione, stanza

Dettagli

GRAMMATICA. Con l aiuto del professore, completa questa tabella per capire dove sei migliorato e in che cosa devi ancora esercitarti.

GRAMMATICA. Con l aiuto del professore, completa questa tabella per capire dove sei migliorato e in che cosa devi ancora esercitarti. Come sto andando in... analisi grammaticale Con l aiuto del professore, completa questa tabella per capire dove sei migliorato e in che cosa devi ancora esercitarti. NON HO FATTO ERRORI IN... ARTICOLO

Dettagli

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni LA PROGETTAZIONE DI BASI DI DATI Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni La progettazione dei dati è l attività più importante Per progettare i dati al

Dettagli

Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi.

Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi. PROGETTO SeT Il ciclo dell informazione Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi. Scuola media Istituto comprensivo di Fagagna (Udine) Insegnanti referenti: Guerra Annalja, Gianquinto

Dettagli

L E-MAIL MARKETING NEL MONDO DEL FRANCHISING

L E-MAIL MARKETING NEL MONDO DEL FRANCHISING L E-MAIL MARKETING NEL MONDO DEL FRANCHISING I benefici dell'e-mail nella strategia di contatto con il cliente DOTT. FABIO PASQUALI Direttore AZ Franchising Milano, 11 Luglio 2006 AGENDA AZ franchising

Dettagli

LA BIOGRAFIA LINGUISTICA

LA BIOGRAFIA LINGUISTICA LA BIOGRAFIA LINGUISTICA Lavoro di gruppo: Casapollo, Frezza, Perrone e Rossi Classi coinvolte: 5 classi di scuola primaria e 5 classi di scuola secondaria di primo grado Docenti coinvolti: 3 della scuola

Dettagli

Dispense di Filosofia del Linguaggio

Dispense di Filosofia del Linguaggio Dispense di Filosofia del Linguaggio Vittorio Morato II settimana Gottlob Frege (1848 1925), un matematico e filosofo tedesco, è unanimemente considerato come il padre della filosofia del linguaggio contemporanea.

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica CL3 - Biotecnologie Orientarsi nel Web Prof. Mauro Giacomini Dott. Josiane Tcheuko Informatica - 2006-2007 1 Obiettivi Internet e WWW Usare ed impostare il browser Navigare in internet

Dettagli

a. Legga questo primo brano e scelga il titolo corretto tra i tre proposti:

a. Legga questo primo brano e scelga il titolo corretto tra i tre proposti: Recupero TVI per matricole straniere a.a. 2010-11 Rosella Bozzone Costa - Lingua Italiana (13049 e 92020) Materiale 1b (Rg) TEST D INGRESSO Data Nome Cognome Matr.: Risultato della prova: PROVA DI COMPRENSIONE

Dettagli

CURRICOLO DI ITALIANO CLASSE PRIMA

CURRICOLO DI ITALIANO CLASSE PRIMA CURRICOLO DI ITALIANO CLASSE PRIMA TRAGUARDI DI COMPETENZA NUCLEI FONDANTI OBIETTIVI DI APPRENDIMENTO Sa usare la comunicazione orale e scritta per collaborare e interagire positivamente con gli altri

Dettagli

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Dr Maria Federico Programmazione dinamica Solitamente usata per risolvere problemi di ottimizzazione il problema ammette

Dettagli

MANUALE UTENTE DELLA BIBLIOTECA VIRTUALE

MANUALE UTENTE DELLA BIBLIOTECA VIRTUALE MANUALE UTENTE DELLA BIBLIOTECA VIRTUALE Il sistema di ricerca della biblioteca virtuale permette di accedere in maniera rapida ai materiali didattici di interesse degli studenti presenti all interno del

Dettagli

Informatica Applicata 3.3 OWL. Antonella Poggi. Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE

Informatica Applicata 3.3 OWL. Antonella Poggi. Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE Informatica Applicata 3.3 OWL Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE The Semantic Web Tower Antonella Poggi Pagina 2 Le ontologie

Dettagli

0 ) = lim. derivata destra di f in x 0. Analogamente, diremo che la funzione f è derivabile da sinistra in x 0 se esiste finito il limite

0 ) = lim. derivata destra di f in x 0. Analogamente, diremo che la funzione f è derivabile da sinistra in x 0 se esiste finito il limite Questo breve file è dedicato alle questioni di derivabilità di funzioni reali di variabile reale. Particolare attenzione viene posta alla classificazione dei punti di non derivabilità delle funzioni definite

Dettagli

Processo di risoluzione di un problema ingegneristico. Processo di risoluzione di un problema ingegneristico

Processo di risoluzione di un problema ingegneristico. Processo di risoluzione di un problema ingegneristico Processo di risoluzione di un problema ingegneristico 1. Capire l essenza del problema. 2. Raccogliere le informazioni disponibili. Alcune potrebbero essere disponibili in un secondo momento. 3. Determinare

Dettagli

A.A. 2004-05. INDIRIZZO LA96 Analisi e intervento psicologico per l età adulta. Prof. Claudia Casadio

A.A. 2004-05. INDIRIZZO LA96 Analisi e intervento psicologico per l età adulta. Prof. Claudia Casadio CORSO DI LOGICA E PSICOLOGIA DEL PENSIERO A.A. 2004-05 INDIRIZZO LA96 Analisi e intervento psicologico per l età adulta Prof. Claudia Casadio LINGUAGGIO E PENSIERO Le relazioni tra linguaggio e pensiero

Dettagli

Informatica per le discipline umanistiche 2 lezione 10

Informatica per le discipline umanistiche 2 lezione 10 Informatica per le discipline umanistiche 2 lezione 10 Parte III: il computer come strumento per l interazione e la comunicazione Si è parlato di identità Parte III: il computer come strumento per l interazione

Dettagli

Gestione del conflitto o della negoziazione

Gestione del conflitto o della negoziazione 1. Gestione del conflitto o della negoziazione Per ognuna delle 30 coppie di alternative scegli quella che è più vera per te. A volte lascio che siano gli altri a prendersi la responsabilità di risolvere

Dettagli

ESERCITAZIONE POPOLAMENTO DI

ESERCITAZIONE POPOLAMENTO DI Esercitazione URL: ESERCITAZIONE POPOLAMENTO DI TRADUCENTI NEL LESSICO SPECIALISTICO MUSICALE http://www.alphabit.net/home/index.php?option=com_content&view=article&id=249 &Itemid=116 L accesso alla pagina

Dettagli

Innovazioni nella programmazione 2014-2020 e valutazione ex ante. Paola Casavola DPS UVAL 11 luglio 2013

Innovazioni nella programmazione 2014-2020 e valutazione ex ante. Paola Casavola DPS UVAL 11 luglio 2013 Innovazioni nella programmazione 2014-2020 e valutazione ex ante Paola Casavola DPS UVAL 11 luglio 2013 Perché le innovazioni nella programmazione sono molto rilevanti per la valutazione ex ante e la VAS?

Dettagli

Macchine per l elaborazione dell informazion e. Sistemi di Elaborazione delle Informazioni. Informatica II

Macchine per l elaborazione dell informazion e. Sistemi di Elaborazione delle Informazioni. Informatica II Macchine per l elaborazione dell informazion e Sistemi di Elaborazione delle Informazioni Informatica II Ing. Mauro Iacono Seconda Università degli Studi di Napoli Facoltà di Studi Politici e per l Alta

Dettagli

Un modello di costruzione collaborativa della conoscenza su utilizzo didattico degli organizzatori grafici

Un modello di costruzione collaborativa della conoscenza su utilizzo didattico degli organizzatori grafici DIPARTIMENTO DI SCIENZE DELLA FORMAZIONE E PSICOLOGIA Un modello di costruzione collaborativa della conoscenza su utilizzo didattico degli organizzatori grafici Prof. Antonio Calvani antonio.calvani@unifi.it

Dettagli

Progetto Finale: Modelli semantici dei dati in domini applicativi specifici

Progetto Finale: Modelli semantici dei dati in domini applicativi specifici Progetto Finale: Modelli semantici dei dati in domini applicativi specifici Roberto Basili, Marco Pennacchiotti Corso di Fondamenti di Informatica a.a. 2003-2004 Definizioni Generali e Regole d esame Il

Dettagli

SocialMediaDivision. grippiassociati WEB AGENCY SINCE 1996. Social Marketing & Divulgazione Virale. www.socialmediadiv.com

SocialMediaDivision. grippiassociati WEB AGENCY SINCE 1996. Social Marketing & Divulgazione Virale. www.socialmediadiv.com SocialMediaDivision www.socialmediadiv.com grippiassociati WEB AGENCY SINCE 1996 Social Marketing & Divulgazione Virale Essere raggiungibile tramite i motori di ricerca è sicuramente utile, ma è un'operazione

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

HTML5 e Accessibilità

HTML5 e Accessibilità HTML5 e Accessibilità Antonio Giovanni Schiavone, ISTI-CNR schiavone@isti.cnr.it Cos è l HTML? L'HyperText Markup Language (HTML) è il linguaggio di markup usato per la formattazione di documenti ipertestuali

Dettagli