- Home
- Didattica
- I corsi di studio
- Corsi di laurea
METODI DI RACCOLTA E ANALISI DEI DATI NATURALISTICI ED AMBIENTALI
Obiettivi formativi
Alla fine del corso gli studenti acquisiranno strumenti per la comprensione e la presentazione di dati ecologici, utili per attività professionali, per la realizzazione della tesi di laurea e per successivi percorsi formativi.
In particolare, gli studenti comprenderanno la logica del metodo scientifico, svilupperanno la capacità di leggere criticamente i risultati presenti in letteratura e saranno in grado di progettare un esperimento, sia nella fase di pianificazione del campionamento, che nelle successive analisi dei dati raccolti.
Prerequisiti
Nessuno.
Contenuti dell'insegnamento
Il corso introduce i concetti fondamentali per la raccolta e l’analisi dei dati naturalistici ed ambientali e fornisce l’opportunità di sperimentare praticamente alcuni metodi e strumentazioni utili alla comprensione dei sistemi ecologici.
Programma esteso
- Nella prima lezione varranno illustrati gli obiettivi del corso, il programma dettagliato, i metodi d’insegnamento e la modalità di verifica delle conoscenze.
- Il metodo scientifico e la funzione dell’analisi statistica: la logica dell’approccio scientifico allo studio dei fenomeni naturali, che cos’è la statistica e perché serve. DD: 1. Conoscenza e capacità di comprensione, 4. Abilità comunicative
- Gli approcci per l’investigazione delle questioni ecologiche: studi misurativi e manipolativi, esperimenti in campo e in laboratorio, i gradienti naturali e la sostituzione spazio per tempo. DD: 1. Conoscenza e capacità di comprensione
- La logica della verifica delle ipotesi e lo sviluppo di una ricerca: il ruolo della statistica inferenziale, le misure di variabilità e incertezza, l’ipotesi nulla, probabilità e significatività. DD: 1. Conoscenza e capacità di comprensione
- I diversi tipi di variabili e la scelta dei modelli statistici: i dati numerici e categorici, l’associazione fra natura dei dati e modelli statistici. DD: 1. Conoscenza e capacità di comprensione, 4. Abilità comunicative
- La pianificazione del campionamento e la selezione dei campioni: popolazione e campione in statistica, l’unità inferenziale e di campionamento, l’indipendenza, la replicazione e il campionamento casuale. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate
- I metodi e gli strumenti per la raccolta e l’elaborazione dei dati: campionamenti distruttivi e non distruttivi della vegetazione, approcci per la stima della produzione primaria e della decomposizione. DD: 1. Conoscenza e capacità di comprensione
- I modelli lineari in R: correlazione e regressione, analisi della varianza e della covarianza, introduzione al programma statistico R. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate, 3. Autonomia di giudizio, 5. Capacità di apprendere
- Un protocollo per l’analisi esplorativa dei dati: le statistiche descrittive, l’individuazione di valori anomali, la distribuzione dei dati. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate, 3. Autonomia di giudizio
- Le procedure per applicare i modelli statistici ai dati: la selezione del modello più appropriato da applicare ai dati e la verifica degli assunti, modelli complessi e parsimoniosi. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate, 3. Autonomia di giudizio
- L’interpretazione e la presentazione dei risultati: la struttura di un lavoro scientifico, le rappresentazioni grafiche dei dati. DD: 1. Conoscenza e capacità di comprensione, 3. Autonomia di giudizio
- Alcuni casi di studio e problemi comuni: valutazione critica degli esperimenti, come evitare gli errori statistici più comuni. DD: 1. Conoscenza e capacità di comprensione, 3. Autonomia di giudizio, 5. Capacità di apprendere
Bibliografia
Durante il corso verranno fornite dispense e articoli scientifici.
Libri di testo consigliati per approfondimenti:
Crawley MJ (2013) The R Book. Wiley.
Quinn GP, Keough MJ (2002) Experimental Design and Data Analysis for Biologist. Cambridge University Press.
Metodi didattici
Il corso prevede lezioni frontali, anche utilizzando supporti multimediali, ed attività pratiche sia in campo, come la pianificazione del campionamento e la raccolta di dati, che in aula, come l’elaborazione dei dati raccolti e l’analisi dei risultati con appositi programmi informatici.
Gli argomenti teorici saranno accoppiati a casi di studio illustrativi, simulazioni di esperimenti e dibattiti critici in classe.
Modalità verifica apprendimento
L’acquisizione delle conoscenze sarà verificata tramite una prova pratica (tre esercizi, con tre domande a risposta aperta ciascuno) e un successivo esame orale.
Altre informazioni
Per alcune attività è indispensabile disporre di un computer portatile; durante il corso saranno installati dei programmi open source per l’elaborazione dati.
I “Descrittori di Dublino” (DD) che rientrano nel corso sono specificati per ciascun punto del programma nella relativa sezione.
Descrittori di Dublino:
1. Conoscenza e capacità di comprensione;
2. Conoscenza e capacità di comprensione applicate;
3. Autonomia di giudizio;
4. Abilità comunicative;
5. Capacità di apprendere.
Altri insegnamenti
ANNO DI CORSO: 1
ANNO DI CORSO: 2
ANNO DI CORSO: 3

