Elaborazione dei dati sperimentali

Ecological Data Management and Analysis

Anno accademico 2019/2020

Sommario insegnamento

• Obiettivi formativi
• Risultati dell'apprendimento attesi
• Modalità di insegnamento
• Modalità di verifica dell'apprendimento
• Attività di supporto
• Programma
• Testi consigliati e bibliografia
• Note
• Strumenti didattici

Obiettivi formativi

Questo insegnamento intende fornire un'introduzione alla gestione dei dati ed alle analisi statistiche per gli studenti in Scienze Naturali. Durante le lezioni, faremo per lo più riferimento ad esempi tratti da studi di ecologia animali, ma l'insegnamento può essere seguito anche da studenti interessati ad altri argomenti.

La prima parte dell'insegnamento descriverà le buone pratiche da adottare per la gestione dei dati scientifici. L'obiettivo è quello di aiutare gli studenti ad organizzare bene i dati, preparando dataset ordinati che possano successivamente essere usati per effettuare delle analisi statistiche, con qualsiasi software. Nella seconda parte dell'insegnamento, spiegheremo i concetti statistici di base e introdurremo il test d'ipotesi usando esempi ecologici. L'insegnamento non verterà tanto sugli aspetti teorici, quanto sull'applicazione dei diversi tipi di test. Per questo motivo, faremo ampio uso del linguaggio R e dell'interfaccia RStudio. Tutorials ed esercizi interattivi specificatamente pensati per questo insegnamento saranno di supporto agli studenti durante il processo di apprendimento.

------------

These lectures intend to gently introduce data management and statistical analysis techniques and concepts to students in the Natural Sciences. While we will mostly use examples in the fields of Animal Ecology, the lectures can be followed by students from other scientific domains.

The first lectures describe good practices to handle scientific data. The aim is to help students to organize data properly, building tidy datasets that could be subsequently used to perform statistical analysis, with any software. In the following lectures, we will explain basic concepts behind statistical tools and we will introduce hypothesis testing using interesting ecological examples. The course will not be heavy on mathematics and statistical theory, trying instead to practically apply all the acquired concepts and methods to real data sets. To achieve this goal, we will use the open-source statistical language "R" and the friendly "RStudio" interface.  Specifically developed tutorials and interactive exercises will assist the student during the whole learning process. 

Risultati dell'apprendimento attesi

Al termine dell'insegnamento, gli studenti dovranno aver acquisito:

• Conoscenza e capacità di comprensione - conoscenza dei principi di gestione e organizzazione dei dati biologici, conoscenza e comprensione della teoria statistica di base;
• Conoscenza e capacità di comprensione applicate - conoscenza degli strumenti fondamentali per gestire e processari i dati sperimentali e capacità di comprendere e applicare diverse tipologie di test statistici, anche attraverso l'uso del software R;
• Autonomia di giudizio - capacità di valutare la tipologia di dati disponibili e di individuare il tipo di test più appropriato per verificare le ipotesi di ricerca;
• Abilità comunicative - capacità di formulare le ipotesi alla base di un lavoro di ricerca e di comunicare le metodologie adottate per i test di ipotesi ed i relativi risultati;
• Capacità di apprendere - capacità di esplorare autonomamente approcci statistici più complessi.

-----------------------

At the end of the lectures it is expected that students will have acquired:

• knowledge and understanding - knowledge of basic principles for data management and organization and a good understanding of statistical concepts and methods;
• applying knowledge and understanding - knowledge of the essential tools to correctly manage and process field and experimental data before analysis; ability to apply different statistical approaches and tests, e.g. using R software;
• making judgements - sufficient "statistical literacy" to autonomously judge which methods are most appropriate to use in a range of data analysis problems typically encountered in the natural sciences and to test concrete hypothesis;
• communication skills - ability to clearly state hypothesis to be tested and to communicate and appropriately describe the adopted methodologies and the results obtained through statistical analysis;
• learning skills - confidence to autonomously explore additional, more complex analytical approaches.

Modalità di insegnamento

Le lezioni sono rese disponibili tramite la piattaforma Moodle, con registrazioni audio-video scaricabili da Google Drive (file .mov), e saranno suddivise in una parte di lezione teorica, per illustrare i concetti di base, seguita da una sessione che illustrerà gli esercizi, per applicare immediatamente i concetti acquisiti a casi studio reali. Per seguire le lezioni, è opporturno essere dotati di PC fisso o portatile, sul quale è necessario installare i software R ed RStudio

-----------------------

The lessons are administered through the Moodle platform and Google Drive (downloadabel .mov files) and each of them will be divided into a frontal lesson, designed to illustrate the basic concepts, and in an exercise session, in order to immediately apply the statistical concepts to real case studies. Appropriate IT equipment is, therefore, necessary to follow the lectures. R and RStudio must be pre-installed.

Modalità di verifica dell'apprendimento

Il 50% del voto finale dell'esame sarà basato su un test a risposte multiple. Il restante 50% sarà basato su un'intervista orale (Webex, Skype o Zoom) durante la quale al candidato verrà chiesto di commentare un breve esercizio tra quelli assegnati durante le lezioni. Al candidato sarà chiesto di commentare il codice utilizzato per risolvere l'esercizio usando R e di illustrare i relativi aspetti teorici. 

-----------------------

50% of the final vote will be based on a written exam with multiple choice answers. The remaining 50% will be based on an oral interview (via Webex, Skype or Zoom) during which the candidate will be asked to comment on a short exercise among those assigned during the lessons. The candidate will be asked to comment on the R code used to solve the exercise and to illustrate the related theoretical aspects.

Attività di supporto

A supporto degli studenti, il docente è reperibile via mail all'indirizzo valentina.lamorgia@unito.it. Su cartella condivisa in GoogleDrive è inoltre reso disponibile un file per la richiesta di chiarimenti, che gli studenti possono compilare in qualsiasi momento.

Il ricevimento studenti viene effettuato su prenotazione, effettuata via mail, e tramite telefono o videoconferenza (Skype o Zoom).

------------------------

To support students, the teacher can be contacted via email at valentina.lamorgia@unito.it. A file for requests of clarifications is made available on a shared folder in GoogleDrive (link provided on the Moodle platform). Students can fill it in at any time.

The student reception is carried out upon e-mail request, by telephone or video conference (Skype or Zoom).

Programma

Gestione dei dati

• Cosa sono i dati e come gestirli;
• Cos'è R e come si usa;
• Dataset ordinati;
• Analisi esplorativa dei dati

Analisi dei dati

• Ripasso di concetti statistici di base: distribuzioni campionarie e loro proprietà;
• Intervalli di confidenza, p-value e test d'ipotesi;
• Le distribuzioni z e t di Student: il t-test;
• Errori, potenza, e statistica non parametrica;
• La regressione lineare semplice e multipla e l'ANOVA
• Modelli lineare generalizzati (regressione binomiale and Poissoniana)

------------------------

Data management

• What is data and how to handle it;
• What is R and how to use it;
• Tidy data;
• Data exploration

Data analysis

• Review of basic statistical concepts: sampling distributions and their properties;
• Confidence intervals, p-values, and hypothesis testing;
• z and t distributions: the t-tests;
• Errors, power, and nonparametric statistics;
• Simple and multiple linear regression, ANOVA;
• Generalised linear models (binomial and Poisson regression)

Non è disponibile un libro di testo ufficiale, ma i materiali, tutorials e eventuali articoli scientifici di interesse saranno resi disponibili tramite la piattaforma Moodle. I materiali del corso sono principalmente in lingua inglese, ma tutti i contenuti sono ad ogni modo veicolati anche in lingua italiana tramite le registrazioni delle lezioni scaricabili da Google Drive.

--------------------

There will not be any official textbook, but open access materials, tutorials, and relevant review papers will be made available on the Moodle platform. The course materials are mainly in English, but all contents are also conveyed in Italian through the recordings of the lessons, downloadable from Google Drive.

Orario lezioni

Note

I materiali didattici sono caricati sulla piattaforma Moodle con cadenza settimanale. 

---------------------

The teaching materials are uploaded to the Moodle platform on a weekly basis.

• Materiale didattico
• Bacheca appelli
• Vai a Moodle
• Visita i forum