SlideShare a Scribd company logo
1
Il compito del gruppo di lavoro
• mappare, in chiave anche comparata a livello europeo e
internazionale, i principali centri, universitari e non, che operano
nel settore dei “Big Data” con riferimento alla formazione e
costruzione di competenze;
• identificare le possibili misure che il sistema formativo italiano
dovrebbe adottare per essere in linea con le migliori prassi
internazionali valorizzando le proprie specificità e, ove possibile,
assumere un ruolo guida in questo settore in rapida evoluzione;
• effettuare la ricognizione delle banche dati del Ministero,
relative al settore dell’istruzione scolastica, dell’università e
dell’alta formazione artistica e musicale, nonché della ricerca
scientifica, e proporre azioni che il Ministero potrebbe
intraprendere per valorizzare le stesse e renderle strumento utile
all’elaborazione di scelte di policy strategiche.
I componenti del gruppo
Fabio BELTRAM SNS
Sabrina BONO MIUR
Francesco CASTANÒ ISTAT
Davide D’AMICO MIUR
Luca DE BIASE Nòva24
Letizia MELINA MIUR
Donatella SOLDA MIUR
Roberto TORRINI Banca d’Italia
La modalità di lavoro
• ascolto della comunità nazionale con inviti diretti e
autosegnalazioni;
• tre incontri con gruppi di esperti nel campo della formazione e
della ricerca;
• richiesti contributi specifici da parte di esperti;
• analizzata la struttura delle basi di dati del MIUR;
• analizzate le policy europee e internazionali;
• beneficiato del contributo continuo di altri sia interni sia esterni al
MIUR.
Caratteristiche dei big data
VOLUME VELOCITÀ
VARIETÀ
VALORE
VOLUME
Caratteristiche dei big data
VELOCITÀ e VARIETÀ
rilevazioni
meteo
sensori
pagamenti
POS
data
warehouse
bilanci
aziendali
social
network
video-
sorveglianza
documenti
di testo
dati
sanitari
email
destrutturati
struttura
ricerca
scientifica
mercati
finanziari
strutturati
temporeale
velocità
statici
Caratteristiche dei big data
VALORE
Caratteristiche dei big data
Un esempio
Un esempio
Data-driven rating
Un esempio
strategie
economiche/
policy
Data-driven rating
Un esempio
strategie
economiche/
policy
valutazione
model free
Data-driven rating
strategie
economiche/
policy
valutazione
model free
Real time
DATA DRIVEN RATING
Una visione sistemica
per misurare il rischio di
credito
Competenze e dati
economia matematica informatica statistica
rischio di
credito
teoria delle
reti
text mining
sentiment analysis
significatività
bilanci
default
mercato
social
network
machine learning
rete di pagamenti
rete di ownership
CORPORATE
RATING
visione sistemica
società α
bilancio
crediti
mercato
società β
società λ
società ξ
società ε
società δsocietà θ
Da singolo a sistema
società α
bilancio
crediti
mercato
società β
società λ
società ξ
società ε
società δsocietà θ
Da singolo a sistema
Accesso a
risorse di
calcolo
Rapporto
pubblico
privato
Multi-
disciplinarietà
Repereribilità
dei dati
Sfide
ppp
La formazione e i big data
ANALISI
PROPOSTE
• Sviluppo di competenze digitali nella scuola
• Modifiche al sistema formativo, valutativo, di monitoraggio
• Alta formazione: laurea, laurea magistrale, PhD, master
Censimento dell’offerta
Università L LM Master
Offerta in
altri cdl
Bologna I L, LM
Firenze I, II L, LM
Genova ⚫ ⚫¹ D
L'Aquila ⚫¹
MI Bicocca I
MI Bocconi ⚫¹
PoliMI ⚫¹
Molise I
Padova ⚫²
Pisa ⚫ II
Università L LM Master
Offerta in
altri cdl
Luiss I
Roma -
Sapienza
⚫ II L, LM
Roma –
Tor Vergata
⚫¹ II
Siena ⚫¹²
Torino ⚫ II
PoliTO II³ LM
Trieste -
SISSA
II
Venezia ⚫¹ ⚫¹
Università
Bolzano LM
Cassino LM
Ferrara L, LM, D
Insubria D
Lucca – IMT D
Messina L, LM
Milano - Statale LM, D
Napoli – Federico II LM
Università
Padova L, LM
Palermo LM
Pavia LM
Politecnico delle Marche LM
Roma TRE LM
Salerno LM
Trento LM
Censimento dell’offerta
La formazione universitaria è il livello ottimale per fornire gli
strumenti richiesti dal fenomeno emergente dei Big Data.
Inserire moduli di data science in tutti i corsi di studio, a
partire dalle lauree triennali, per esporre gli studenti al cambio
di paradigma che investe tutte le discipline spingendo verso un
approccio scientifico data driven, con la scoperta di che
emergono dalle grandi masse di dati disponibili: esperimenti sui
dati visti non solo come validazione di teorie e modelli, ma anche
come scoperta di pattern emergenti che suggeriscono agli
scienziati nuove teorie e nuovi modelli, in grado di spiegare più a
fondo la complessità dei fenomeni sociali, economici, biologici,
tecnologici, culturali
Alta formazione:
laurea, laurea magistrale, PhD, Master
• Inserire moduli di data science in tutti i corsi di studio
• aggiornamento paradigmi formativi e della distribuzione dei
crediti
• finanziamento di progetti comuni tra data scientists ed esperti di
settore (sanità, economia, scienze sociali e umane…)
• programma di reclutamento dei docenti
• centri di ateneo capaci di fornire i crediti in ambito big data
CORSI DI LAUREA (TRIENNALI)
Alta formazione:
laurea, laurea magistrale, PhD, Master
Servizi 27,01%
Informatica 18,80%
Manifattura
12,79%
Grande distribuzione
9,57%
Rifiuti
8,16%
Finanza e
Assicurazioni 8,09%
Vendita all'ingrosso
5,67%
Educazione 3,03%
Altri servizi (no PA)
1,70%
Turismo 1,21%
Sanità 1,04%
Immobiliare 0,76%
Edilizia 0,62%
Trasporti 0,46%
PA 0,42%
Management 0,28%
Arte e Cultura 0,18%
Estrazione materie prime
0,11%
Utenze 0,11%
Altro %
La richiesta di competenze BD nel
mercato del lavoro (USA, 2014)
LAUREA MAGISTRALE
Elementi di data science sono necessari all’interno dell’offerta di
tutti i percorsi, ma qui si colloca il livello ideale per la
formazione di specialisti in data science.
Aspetto centrale della programmazione di questi percorsi di
laurea è la necessità di renderli adatti ad accogliere laureati
provenienti da background diversi per formare degli specialisti di
settore capaci di utilizzare in maniera avanzata e indipendente i
nuovi strumenti del mondo dei Big Data in specifici settori
scientifici e professionali.
Alta formazione:
laurea, laurea magistrale, PhD, Master
LAUREA MAGISTRALE
• Inserire moduli di data science in tutti i corsi di studio
• percorsi di laurea magistrale focalizzati potrebbero in molti
casi essere inseriti in una varietà di classi disciplinari distinte a
seconda dello specifico settore nel quale il data scientist
svolgerà la sua attività (ad es. settore biomedico, scienze
sociali e umane)
• La collocazione in diverse classi disciplinari a seconda dello
specifico settore è utile a evitare ostacoli in ingresso e
barriere disciplinari per il prosieguo della vita
accademica/professionale degli studenti.
Alta formazione:
laurea, laurea magistrale, PhD, Master
PhD
Considerazioni simili alle LM, rafforzate, si applicano alla
possibilità di attivare percorsi di formazione dottorale, inoltre:
• necessità di una documentata capacità di ricerca
dell’ateneo ospite
• nuovi dottorati potrebbero gemmare da esperienze di successo
in dottorati esistenti attraverso il coinvolgimento di competenze
delle nuove metodologie
• specifico piano di finanziamento di borse dottorali
• limitato numero di dottorati focalizzati sulla figura del data
scientist, ma spazio anche a borse riservate a candidati con un
background specifico da inserire all’interno di percorsi più
“convenzionali” (economia, farmacologia, etc.).
Alta formazione:
laurea, laurea magistrale, PhD, Master
MASTER
Offerta esiste, ma è poco omogenea. Opportuno introdurre
processi di accreditamento.
• Finalità principale di questi percorsi professionalizzanti
dovrebbero essere formazione continua e aggiornamento
professionale, anche in collaborazione con le imprese
• Si raccomanda l’introduzione di percorsi intensivi sull’utilizzo
delle nuove metodologie riservati agli esperti di determinati
settori disciplinari/professionali. Esempi: master aperti a
economisti, scienziati politici, farmacologi, epidemiologi...
Alta formazione:
laurea, laurea magistrale, PhD, Master
Scuola: sviluppo delle competenze
digitali, aggiornamento dell’approccio
formativo
• raccordo con il Piano Nazionale per la Scuola Digitale per
trasformare i digital native da consumatori a consumatori
critici e produttori di contenuti digitali
Il PNSD, lanciato nell’Ottobre 2015, è il documento strategico con cui il MIUR
ha definito il posizionamento del sistema scolastico nell’era digitale
• formazione al “valore del dato” come parte di un processo di
alfabetizzazione digitale
Scuola: sviluppo delle competenze
digitali, aggiornamento dell’approccio
formativo
UN’ESPERIENZA BIG DATA PER OGNI STUDENTE/SSA
Tra le azioni del PNSD più direttamente riferibili al tema dei
Big Data:
Azione #15: dal prossimo anno scolastico, il MIUR
finanzierà 25 curricula didattici applicabili a tutta la scuola,
con due specifici percorsi dedicati ai dati (Big e Open Data);
Azione #20: Girls in Tech & Science, per orientare,
rafforzare e accelerare le competenze delle ragazze
• Big data sono stimolo per l’adozione di metodologie
didattiche innovative basate su ambienti digitali
• questi metodi rendono possibile il riuso dei materiali per
valutazione (a tutti i livelli e in tempo quasi reale),
monitoraggio e ricerca didattica
• questi processi devono essere trasparenti: il personale della
scuola, gli studenti e i loro genitori, tutti gli utilizzatori delle
piattaforme di apprendimento devono essere consapevoli
dell’uso che viene fatto dei dati generati dalle interazioni sulle
piattaforme didattiche digitali
Scuola: sviluppo delle competenze
digitali, aggiornamento dell’approccio
formativo
TITOLO
• Il rapporto ha mappato il sistema informativo del MIUR,
organizzato nei tre sottosistemi dell’ISTRUZIONE
dell’UNIVERSITÀ e della RICERCA, le loro macro-aree e i
processi e dati connessi.
• Il patrimonio di informazioni del MIUR può essere classificato
sulla base dei soggetti a cui le stesse si riferiscono. Si possono
individuare tre principali categorie:
1. singole istituzioni (scuole, università, enti di ricerca e altre istituzioni di alta
formazione): informazioni sulle strutture, sull’offerta formativa, sulle risorse economiche e
umane, sulla produzione scientifica e quelle derivanti dalle attività di autovalutazione e
valutazione;
2. studenti: informazioni relative al percorso formativo e ai principali eventi nella carriera
scolastica e universitaria;
3. personale docente e amministrativo: informazioni sul percorso professionale e sul
trattamento economico, ma anche, in maniera eterogenea per le diverse carriere, sulla
produzione scientifica, sugli incarichi ricoperti e la formazione.
Struttura e fruibilità dei dati MIUR
TITOLO
L’autonomia che contraddistingue i diversi comparti ha contribuito
allo sviluppo di distinte modalità di gestione delle informazioni,
generando un’eterogeneità di repository poco comunicanti tra
loro.
Le informazioni sono già oggi utilizzate per la formulazione delle
politiche e per l’analisi dei sistemi scolastico, universitario e della
ricerca. Sono anche in parte a disposizione delle singole istituzioni
per le loro scelte gestionali e al più ampio pubblico attraverso dei
portali dedicati.
Il Ministero è però oggi nelle condizioni di compiere un salto
qualitativo in ottica Big Data e implementare una strategia di
sistematica valorizzazione e integrazione del proprio
patrimonio informativo
Struttura e fruibilità dei dati MIUR
Una strategia Big Data per il MIUR
• Aumentare la capacità di governare, sia dal punto di vista
gestionale sia analitico, queste immense moli di informazioni
implementare un ambiente ministeriale (virtualmente) centralizzato di
data e content management
garantire la interoperabilità dei diversi data base, indipendentemente dai
processi amministrativi da cui originano, delle amministrazioni a cui si
riferiscono, dei sistemi gestionali adottati
consolidare i dati ed eliminare le ridondanze
• Integrare/arricchire le informazioni con dati provenienti da
altre amministrazioni (Ministero del Lavoro, Istat, Inail, etc.)
• Integrare/arricchire le informazioni sfruttando in una logica Big
Data anche le informazioni liberamente ricavabili dal web e
dai social network
• Diffondere in formato aperto i dati, ferma restando l’esigenza
di assicurare i necessari profili di privacy
Approccio bottom-up che garantisca risultati a breve termine,
rilasciati con continuità e frequenza, convergendo allo stesso
tempo su una visione integrata di lungo termine
A breve termine:
• Interventi di adeguamento di qualità sulle basi di dati esistenti e definizione
delle politiche di manutenzione e aggiornamento.
• Ricognizione dei dati di altri enti e statistiche internazionali e progetto delle
modalità di raccordo e integrazione con le basi dati MIUR.
• Definire l’architettura tecnologica e progettare le modalità tecniche di
integrazione a livello dati e applicazioni.
A medio termine:
• Creare un livello semantico di ontologie per integrare tutte le informazioni, sia
presenti nelle basi dati ministeriali che ottenute dalle fonti esterne.
• Integrare tutti gli archivi integrati e le fonti dati ausiliarie
• Valorizzare e connettere le strutture preposte alla gestione e all’analisi dei dati
Una strategia Big Data per il MIUR
TITOLO
Sulla base delle diverse esigenze conoscitive si possono individuare diversi
destinatari:
• il decisore politico, nello specifico il Ministero e gli organismi preposti alla
valutazione, direttamente coinvolti nella gestione, nella formulazione delle
politiche e nella valutazione degli esiti;
• le singole amministrazioni governate dal Ministero (le scuole, le università,
gli enti di ricerca), che dalla disponibilità di dati sulla propria e sulle altre
strutture possono trarre le necessarie indicazioni per le scelte gestionali e di
orientamento dell’attività didattica e di ricerca;
• il Sistema Statistico Nazionale che utilizza le informazioni statistiche
prodotte dalle amministrazioni sui diversi ambiti della società e dell’economia;
• il mondo della ricerca, che in maniera indipendente è interessato all’analisi
dei percorsi di studio e professionali degli studenti, e all’analisi della
governance del sistema scolastico universitario e della ricerca;
• i singoli cittadini e le famiglie che hanno interesse ad acquisire informazioni
sul sistema scolastico e universitario;
• il mondo degli sviluppatori di applicazioni, piattaforme e servizi a contenuto
informativo, che possono costruire a partire dalle informazioni pubbliche del
Ministero nuove soluzioni a carattere sociale e commerciale.
A chi interessano i dati del MIUR?
TITOLOLa piattaforma Scuola in Chiaro assieme alle informazioni diffuse tramite
il sito Universitaly renderanno fruibili le informazioni attraverso
piattaforme che permettano il pieno accesso ai dati pubblici, con modalità
specifiche in relazione ai profili dell’utenza (pubblico non specialista,
utenti che intendano riutilizzare i dati per scopi di ricerca o commerciali).
Raccomandazioni: il MIUR
• si faccia promotore della pubblicazione dei propri dati,
adeguatamente documentati e tecnicamente disponibili
adottando le più moderne soluzioni,
• si coordini con altre basi e flussi di dati pubblici,
• attivi politiche di interazione, analisi e partenariato con il settore
privato per generare prodotti e servizi ad alta intensità
informativa.
Il portale unico dei dati della Scuola
e Universitaly
TITOLO
La disseminazione dei risultati della ricerca migliora le relazioni
fra scienza (accademia e ricerca) e società, accrescendo da un
lato l’impatto e i benefici della R&S sulla società stessa e
dall’altro aumentando consapevolezza e fiducia dei cittadini.
Viene così massimizzato il ritorno dell’investimento pubblico in
ricerca, in piena ottica di responsabilità sociale della Ricerca e
dell’innovazione, rinforzando la relazione tra scienza e società.
La circolazione dei risultati della ricerca, permettendone il loro
successivo riuso, fa in modo che questi abbiano maggiore
impatto
I dati della ricerca: l’Open Science
TITOLO
Il gruppo raccomanda:
• incentivi per i ricercatori, a partire dalle procedure di
valutazione MIUR sulla produttività dei ricercatori (VQR), in
modo che sia premiato il riutilizzo e la citazione dei dati da loro
messi a disposizione;
• emanazione di bandi competitivi per il finanziamento di
progetti di ricerca che abbiano i Big Data sia come metodo, sia
come oggetto di studio;
• un piano di sensibilizzazione sul valore della condivisione
dei dati da parte dei ricercatori con modalità che tutelino la
proprietà intellettuale;
• sviluppo di infrastrutture elettroniche di ricerca che siano
capaci di ospitare grandi moli di dati per la loro condivisione e
conservazione nel tempo.
I dati della ricerca: l’Open Science
Conclusioni
• Big data sono campo emergente di cui vediamo già le prime
ricadute a livello globale, ma soprattutto vediamo il potenziale per
un impatto di straordinario rilievo e grandissima pervasività;
• l’Italia è nelle condizioni di assumere un ruolo competitivo nello
scenario internazionale, ma i diversi attori pubblici e privati
devono agire con tempestività;
• l’attuazione delle proposte qui delineate consentirà al MIUR non
solo di beneficiare degli sviluppi offerti dalla Data Science nello
svolgimento delle proprie funzioni, ma anche di proporre un
modello di best practice che potrà avere un prezioso effetto
traino su altri settori della pubblica amministrazione,

More Related Content

What's hot

Seminario etwinning Grottaferrata 2016
Seminario etwinning Grottaferrata 2016Seminario etwinning Grottaferrata 2016
Seminario etwinning Grottaferrata 2016
Maria Rosaria Gismondi
 
Piano per la formazione dei docenti: il documento
Piano per la formazione dei docenti: il documento Piano per la formazione dei docenti: il documento
Piano per la formazione dei docenti: il documento
MIM. Ministero dell'Istruzione e del Merito
 
Piano per l'Educazione alla Sostenibilità
Piano per l'Educazione alla SostenibilitàPiano per l'Educazione alla Sostenibilità
Piano per l'Educazione alla Sostenibilità
MIM. Ministero dell'Istruzione e del Merito
 
Piano Nazionale Scuola Digitale
Piano Nazionale Scuola Digitale Piano Nazionale Scuola Digitale
Piano Nazionale Scuola Digitale
MIM. Ministero dell'Istruzione e del Merito
 
Piano Nazionale Formazione Docenti 2016-2019
Piano Nazionale Formazione Docenti 2016-2019Piano Nazionale Formazione Docenti 2016-2019
Piano Nazionale Formazione Docenti 2016-2019
Luca Salvini - MI
 
#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015
#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015
#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015
MIM. Ministero dell'Istruzione e del Merito
 
Labuonascuola, Consiglio dei Ministri del 3 marzo 2015
Labuonascuola, Consiglio dei Ministri del 3 marzo 2015Labuonascuola, Consiglio dei Ministri del 3 marzo 2015
Labuonascuola, Consiglio dei Ministri del 3 marzo 2015
MIM. Ministero dell'Istruzione e del Merito
 
Il curricolo digitale
Il curricolo digitaleIl curricolo digitale
Il curricolo digitale
Antonia Casiero
 
Progettare, animare, migliorare
Progettare, animare, migliorareProgettare, animare, migliorare
Progettare, animare, migliorare
Lorella Medori
 
Nuove tecnologie e impatto sulla didattica
Nuove tecnologie e impatto sulla didatticaNuove tecnologie e impatto sulla didattica
Nuove tecnologie e impatto sulla didattica
Luca Salvini - MI
 
Webinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesione
Webinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesioneWebinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesione
Webinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesione
A Scuola di OpenCoesione
 
PON PER LA SCUOLA 2014-2020
PON PER LA SCUOLA 2014-2020PON PER LA SCUOLA 2014-2020
PON PER LA SCUOLA 2014-2020
Teleskill Italia
 
Presentazione Linea B2 progetto Tutti a Iscol@ 2017
Presentazione Linea B2 progetto Tutti a Iscol@ 2017Presentazione Linea B2 progetto Tutti a Iscol@ 2017
Presentazione Linea B2 progetto Tutti a Iscol@ 2017
CRS4 Research Center in Sardinia
 
Iscola linea B 2016
Iscola linea B 2016Iscola linea B 2016
Guida Corso Puntoedu NeoAssunti 08
Guida Corso Puntoedu NeoAssunti 08Guida Corso Puntoedu NeoAssunti 08
Guida Corso Puntoedu NeoAssunti 08
Caterina Policaro
 
I primi 6 mesi del Piano Nazionale Scuola Digitale
I primi 6 mesi del Piano Nazionale Scuola DigitaleI primi 6 mesi del Piano Nazionale Scuola Digitale
I primi 6 mesi del Piano Nazionale Scuola Digitale
MIM. Ministero dell'Istruzione e del Merito
 
AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp...
 AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp... AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp...
AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp...
sepulvi
 
2016 05-06 certificazione-competenze-primo-ciclo_fc-oer
2016 05-06 certificazione-competenze-primo-ciclo_fc-oer2016 05-06 certificazione-competenze-primo-ciclo_fc-oer
2016 05-06 certificazione-competenze-primo-ciclo_fc-oer
Luca Salvini - MI
 
Linee strategiche 2012 2014
Linee strategiche 2012 2014Linee strategiche 2012 2014
Linee strategiche 2012 2014
Michele Alberto
 

What's hot (20)

Seminario etwinning Grottaferrata 2016
Seminario etwinning Grottaferrata 2016Seminario etwinning Grottaferrata 2016
Seminario etwinning Grottaferrata 2016
 
Piano per la formazione dei docenti: il documento
Piano per la formazione dei docenti: il documento Piano per la formazione dei docenti: il documento
Piano per la formazione dei docenti: il documento
 
Piano per l'Educazione alla Sostenibilità
Piano per l'Educazione alla SostenibilitàPiano per l'Educazione alla Sostenibilità
Piano per l'Educazione alla Sostenibilità
 
Piano Nazionale Scuola Digitale
Piano Nazionale Scuola Digitale Piano Nazionale Scuola Digitale
Piano Nazionale Scuola Digitale
 
Piano Nazionale Formazione Docenti 2016-2019
Piano Nazionale Formazione Docenti 2016-2019Piano Nazionale Formazione Docenti 2016-2019
Piano Nazionale Formazione Docenti 2016-2019
 
#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015
#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015
#Labuonascuola, Consiglio dei Ministri del 12 marzo 2015
 
Labuonascuola, Consiglio dei Ministri del 3 marzo 2015
Labuonascuola, Consiglio dei Ministri del 3 marzo 2015Labuonascuola, Consiglio dei Ministri del 3 marzo 2015
Labuonascuola, Consiglio dei Ministri del 3 marzo 2015
 
Il curricolo digitale
Il curricolo digitaleIl curricolo digitale
Il curricolo digitale
 
Progettare, animare, migliorare
Progettare, animare, migliorareProgettare, animare, migliorare
Progettare, animare, migliorare
 
Nuove tecnologie e impatto sulla didattica
Nuove tecnologie e impatto sulla didatticaNuove tecnologie e impatto sulla didattica
Nuove tecnologie e impatto sulla didattica
 
Webinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesione
Webinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesioneWebinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesione
Webinar di presentazione dell'edizione 2020-2021 di A Scuola di OpenCoesione
 
PON PER LA SCUOLA 2014-2020
PON PER LA SCUOLA 2014-2020PON PER LA SCUOLA 2014-2020
PON PER LA SCUOLA 2014-2020
 
Presentazione Linea B2 progetto Tutti a Iscol@ 2017
Presentazione Linea B2 progetto Tutti a Iscol@ 2017Presentazione Linea B2 progetto Tutti a Iscol@ 2017
Presentazione Linea B2 progetto Tutti a Iscol@ 2017
 
Iscola linea B 2016
Iscola linea B 2016Iscola linea B 2016
Iscola linea B 2016
 
Guida Corso Puntoedu NeoAssunti 08
Guida Corso Puntoedu NeoAssunti 08Guida Corso Puntoedu NeoAssunti 08
Guida Corso Puntoedu NeoAssunti 08
 
E.U. Policy - Progetti PON
E.U. Policy - Progetti PONE.U. Policy - Progetti PON
E.U. Policy - Progetti PON
 
I primi 6 mesi del Piano Nazionale Scuola Digitale
I primi 6 mesi del Piano Nazionale Scuola DigitaleI primi 6 mesi del Piano Nazionale Scuola Digitale
I primi 6 mesi del Piano Nazionale Scuola Digitale
 
AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp...
 AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp... AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp...
AICQ EDUCATION, Paolo Senni, Nuove competenze richieste da Scuola 4.0 - Comp...
 
2016 05-06 certificazione-competenze-primo-ciclo_fc-oer
2016 05-06 certificazione-competenze-primo-ciclo_fc-oer2016 05-06 certificazione-competenze-primo-ciclo_fc-oer
2016 05-06 certificazione-competenze-primo-ciclo_fc-oer
 
Linee strategiche 2012 2014
Linee strategiche 2012 2014Linee strategiche 2012 2014
Linee strategiche 2012 2014
 

Viewers also liked

Come vincere la CodeWeek4all challenge - Guida per le scuole
Come vincere la CodeWeek4all challenge - Guida per le scuoleCome vincere la CodeWeek4all challenge - Guida per le scuole
Come vincere la CodeWeek4all challenge - Guida per le scuole
Alessandro Bogliolo
 
Avvio attività Alternanza Scuola Lavoro 4IA in Exprivia
Avvio attività Alternanza Scuola Lavoro 4IA in ExpriviaAvvio attività Alternanza Scuola Lavoro 4IA in Exprivia
Avvio attività Alternanza Scuola Lavoro 4IA in Exprivia
ITIS Guglielmo Marconi - Bari
 
Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...
Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...
Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...
ITIS Guglielmo Marconi - Bari
 
ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...
ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...
ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...
ITIS Guglielmo Marconi - Bari
 
#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione
#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione
#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione
MIM. Ministero dell'Istruzione e del Merito
 
Introduction to Big Data
Introduction to Big DataIntroduction to Big Data
Introduction to Big Data
Vipin Batra
 
Le proprietà delle proporzioni
Le proprietà delle proporzioniLe proprietà delle proporzioni
Le proprietà delle proporzioni
Maria Raschello
 
Piano straordinario scuole paritarie
Piano straordinario scuole paritariePiano straordinario scuole paritarie
Piano straordinario scuole paritarie
MIM. Ministero dell'Istruzione e del Merito
 
O líder que descomplica o Planejamento Estratégico
O líder que descomplica o Planejamento EstratégicoO líder que descomplica o Planejamento Estratégico
O líder que descomplica o Planejamento Estratégico
Daniel Alves Vieira
 
Hugo Delgado - LGE
Hugo Delgado - LGEHugo Delgado - LGE
Hugo Delgado - LGE
Construção Sustentável
 
Mistä tilasit lentoliput vuonna 1985?
Mistä tilasit lentoliput vuonna 1985?Mistä tilasit lentoliput vuonna 1985?
Mistä tilasit lentoliput vuonna 1985?
Verkkobisnes Finland Oy
 
Создание акустического глубиномера
Создание акустического глубиномераСоздание акустического глубиномера
Создание акустического глубиномераkulibin
 
Mark Spencer’s Presentation at eComm 2009
Mark Spencer’s Presentation at eComm 2009Mark Spencer’s Presentation at eComm 2009
Mark Spencer’s Presentation at eComm 2009
eCommConf
 
О НАС
О НАСО НАС
APN Polishop.Com.VC - Apresentação de Oportunidade
APN Polishop.Com.VC - Apresentação de OportunidadeAPN Polishop.Com.VC - Apresentação de Oportunidade
APN Polishop.Com.VC - Apresentação de Oportunidade
POLISHOP.COM.VC
 
PAY2YOU
PAY2YOUPAY2YOU
PAY2YOU
PAY2 YOU
 

Viewers also liked (18)

Come vincere la CodeWeek4all challenge - Guida per le scuole
Come vincere la CodeWeek4all challenge - Guida per le scuoleCome vincere la CodeWeek4all challenge - Guida per le scuole
Come vincere la CodeWeek4all challenge - Guida per le scuole
 
Avvio attività Alternanza Scuola Lavoro 4IA in Exprivia
Avvio attività Alternanza Scuola Lavoro 4IA in ExpriviaAvvio attività Alternanza Scuola Lavoro 4IA in Exprivia
Avvio attività Alternanza Scuola Lavoro 4IA in Exprivia
 
Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...
Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...
Liceo Hack - Olimpiadi italiane di Informatica - Alunni ammessi alla selezion...
 
ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...
ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...
ITT Marconi - Olimpiadi italiane di Informatica - Alunni ammessi alla selezio...
 
Rapporti e proporzioni - classe II
Rapporti e proporzioni - classe IIRapporti e proporzioni - classe II
Rapporti e proporzioni - classe II
 
#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione
#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione
#8Marzo2017 – Tutti i numeri delle donne nel mondo dell’Istruzione
 
Introduction to Big Data
Introduction to Big DataIntroduction to Big Data
Introduction to Big Data
 
Le proprietà delle proporzioni
Le proprietà delle proporzioniLe proprietà delle proporzioni
Le proprietà delle proporzioni
 
Piano straordinario scuole paritarie
Piano straordinario scuole paritariePiano straordinario scuole paritarie
Piano straordinario scuole paritarie
 
Proporzioni
ProporzioniProporzioni
Proporzioni
 
O líder que descomplica o Planejamento Estratégico
O líder que descomplica o Planejamento EstratégicoO líder que descomplica o Planejamento Estratégico
O líder que descomplica o Planejamento Estratégico
 
Hugo Delgado - LGE
Hugo Delgado - LGEHugo Delgado - LGE
Hugo Delgado - LGE
 
Mistä tilasit lentoliput vuonna 1985?
Mistä tilasit lentoliput vuonna 1985?Mistä tilasit lentoliput vuonna 1985?
Mistä tilasit lentoliput vuonna 1985?
 
Создание акустического глубиномера
Создание акустического глубиномераСоздание акустического глубиномера
Создание акустического глубиномера
 
Mark Spencer’s Presentation at eComm 2009
Mark Spencer’s Presentation at eComm 2009Mark Spencer’s Presentation at eComm 2009
Mark Spencer’s Presentation at eComm 2009
 
О НАС
О НАСО НАС
О НАС
 
APN Polishop.Com.VC - Apresentação de Oportunidade
APN Polishop.Com.VC - Apresentação de OportunidadeAPN Polishop.Com.VC - Apresentação de Oportunidade
APN Polishop.Com.VC - Apresentação de Oportunidade
 
PAY2YOU
PAY2YOUPAY2YOU
PAY2YOU
 

Similar to Big Data - Rapporto del Gruppo Miur

Ecosistemi della Formazione
Ecosistemi della FormazioneEcosistemi della Formazione
Ecosistemi della Formazione
Enrico Viceconte
 
Bigdata
BigdataBigdata
Bigdata
postadocente
 
Open data engagement: le analisi dal territorio
Open data engagement: le analisi dal territorioOpen data engagement: le analisi dal territorio
Open data engagement: le analisi dal territorio
RegioneLazio
 
Attiviamo i territori. Suggerimenti per open data engagement
Attiviamo i territori. Suggerimenti per open data engagementAttiviamo i territori. Suggerimenti per open data engagement
Attiviamo i territori. Suggerimenti per open data engagement
FPA
 
Progetto su orientamento matricole CORIS
Progetto su orientamento matricole CORIS Progetto su orientamento matricole CORIS
Progetto su orientamento matricole CORIS
Mauro Carlucci
 
Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...
Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...
Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...
Studio Giaccardi & Associati - Consulenti di Direzione
 
Abbattista documento programmatico sf_dettaglio
Abbattista documento programmatico sf_dettaglioAbbattista documento programmatico sf_dettaglio
Abbattista documento programmatico sf_dettaglioGuido Abbattista
 
Didattica per competenze con le nuove risorse digitali 2017 18
Didattica per competenze con le  nuove risorse digitali 2017 18Didattica per competenze con le  nuove risorse digitali 2017 18
Didattica per competenze con le nuove risorse digitali 2017 18
Cecilia Martinelli
 
Master Digital Communications Specialist - brochure
Master Digital Communications Specialist - brochureMaster Digital Communications Specialist - brochure
Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018
Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018
Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018
sepulvi
 
Ambito scienze vita 9 mag14
Ambito scienze vita 9 mag14Ambito scienze vita 9 mag14
Ambito scienze vita 9 mag14
innosicilia
 
Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...
Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...
Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...
Matilde Fontanin
 
Pubblica amministrazione cultura del dato e linked data
Pubblica amministrazione  cultura del dato e linked dataPubblica amministrazione  cultura del dato e linked data
Pubblica amministrazione cultura del dato e linked data
datitrentinoit
 
Ambito agroalimentare 8 mag14
Ambito agroalimentare 8 mag14Ambito agroalimentare 8 mag14
Ambito agroalimentare 8 mag14
innosicilia
 
LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...
LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...
LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...
Istituto nazionale di statistica
 
Ambito turismo 8 mag14
Ambito turismo 8 mag14Ambito turismo 8 mag14
Ambito turismo 8 mag14
innosicilia
 
Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]
Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]
Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]
Damien Lanfrey
 
Presentiamo Solving Team, una ‘geek company’
Presentiamo Solving Team, una ‘geek company’Presentiamo Solving Team, una ‘geek company’
Presentiamo Solving Team, una ‘geek company’
Codemotion
 
Dati della scuola
Dati della scuolaDati della scuola
Dati della scuola
Mario Gentili
 

Similar to Big Data - Rapporto del Gruppo Miur (20)

Ecosistemi della Formazione
Ecosistemi della FormazioneEcosistemi della Formazione
Ecosistemi della Formazione
 
Bigdata
BigdataBigdata
Bigdata
 
Open data engagement: le analisi dal territorio
Open data engagement: le analisi dal territorioOpen data engagement: le analisi dal territorio
Open data engagement: le analisi dal territorio
 
Attiviamo i territori. Suggerimenti per open data engagement
Attiviamo i territori. Suggerimenti per open data engagementAttiviamo i territori. Suggerimenti per open data engagement
Attiviamo i territori. Suggerimenti per open data engagement
 
Progetto su orientamento matricole CORIS
Progetto su orientamento matricole CORIS Progetto su orientamento matricole CORIS
Progetto su orientamento matricole CORIS
 
Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...
Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...
Convegno Sassari Ateneo Sostenibile _ Intervento Andrea ZironiPl Sas Interven...
 
Abbattista documento programmatico sf_dettaglio
Abbattista documento programmatico sf_dettaglioAbbattista documento programmatico sf_dettaglio
Abbattista documento programmatico sf_dettaglio
 
Didattica per competenze con le nuove risorse digitali 2017 18
Didattica per competenze con le  nuove risorse digitali 2017 18Didattica per competenze con le  nuove risorse digitali 2017 18
Didattica per competenze con le nuove risorse digitali 2017 18
 
Documento programmatico
Documento programmaticoDocumento programmatico
Documento programmatico
 
Master Digital Communications Specialist - brochure
Master Digital Communications Specialist - brochureMaster Digital Communications Specialist - brochure
Master Digital Communications Specialist - brochure
 
Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018
Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018
Roberta Tosi, Strumenti e metodi TQM dalla ricerca AMICO 2018
 
Ambito scienze vita 9 mag14
Ambito scienze vita 9 mag14Ambito scienze vita 9 mag14
Ambito scienze vita 9 mag14
 
Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...
Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...
Elearning per lo sviluppo delle e-skills e della formazione continua: il punt...
 
Pubblica amministrazione cultura del dato e linked data
Pubblica amministrazione  cultura del dato e linked dataPubblica amministrazione  cultura del dato e linked data
Pubblica amministrazione cultura del dato e linked data
 
Ambito agroalimentare 8 mag14
Ambito agroalimentare 8 mag14Ambito agroalimentare 8 mag14
Ambito agroalimentare 8 mag14
 
LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...
LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...
LE AZIONI E GLI STRUMENTI A SOSTEGNO DELLA BUONA STATISTICA Promozione della ...
 
Ambito turismo 8 mag14
Ambito turismo 8 mag14Ambito turismo 8 mag14
Ambito turismo 8 mag14
 
Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]
Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]
Il Piano Nazionale Scuola Digitale [Italian National Plan for Digital Education]
 
Presentiamo Solving Team, una ‘geek company’
Presentiamo Solving Team, una ‘geek company’Presentiamo Solving Team, una ‘geek company’
Presentiamo Solving Team, una ‘geek company’
 
Dati della scuola
Dati della scuolaDati della scuola
Dati della scuola
 

More from MIM. Ministero dell'Istruzione e del Merito

Nota n.1994 del 9 novembre 2020 - Uso delle mascherine
Nota n.1994 del 9 novembre 2020 - Uso delle mascherine Nota n.1994 del 9 novembre 2020 - Uso delle mascherine
Nota n.1994 del 9 novembre 2020 - Uso delle mascherine
MIM. Ministero dell'Istruzione e del Merito
 
Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020
Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020
Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020
MIM. Ministero dell'Istruzione e del Merito
 
Linee guida per la Didattica digitale integrata
Linee guida per la Didattica digitale integrata Linee guida per la Didattica digitale integrata
Linee guida per la Didattica digitale integrata
MIM. Ministero dell'Istruzione e del Merito
 
Piano scuola 2020/2021
Piano scuola 2020/2021Piano scuola 2020/2021
Intelligenza artificiale, innovazione e opportunità
Intelligenza artificiale, innovazione e opportunitàIntelligenza artificiale, innovazione e opportunità
Intelligenza artificiale, innovazione e opportunità
MIM. Ministero dell'Istruzione e del Merito
 
Intelligenza artificiale e protezione dei dati personali
Intelligenza artificiale e protezione dei dati personaliIntelligenza artificiale e protezione dei dati personali
Intelligenza artificiale e protezione dei dati personali
MIM. Ministero dell'Istruzione e del Merito
 
Intelligenza Artificiale e Sicurezza Informatica
Intelligenza Artificiale e Sicurezza InformaticaIntelligenza Artificiale e Sicurezza Informatica
Intelligenza Artificiale e Sicurezza Informatica
MIM. Ministero dell'Istruzione e del Merito
 
Computer Vision e Machine Learning Applicazioni e Sviluppi
Computer Vision e Machine Learning Applicazioni e SviluppiComputer Vision e Machine Learning Applicazioni e Sviluppi
Computer Vision e Machine Learning Applicazioni e Sviluppi
MIM. Ministero dell'Istruzione e del Merito
 
AI(ML)+BigData ?=? information
AI(ML)+BigData ?=? informationAI(ML)+BigData ?=? information
AI(ML)+BigData ?=? information
MIM. Ministero dell'Istruzione e del Merito
 
Chatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIUR
Chatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIURChatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIUR
Chatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIUR
MIM. Ministero dell'Istruzione e del Merito
 
Intelligenza artificiale nella PA: opportunità e rischi
Intelligenza artificiale nella PA: opportunità e rischiIntelligenza artificiale nella PA: opportunità e rischi
Intelligenza artificiale nella PA: opportunità e rischi
MIM. Ministero dell'Istruzione e del Merito
 
Maturità 2019 - Il nuovo esame in pillole
Maturità 2019 - Il nuovo esame in pilloleMaturità 2019 - Il nuovo esame in pillole
Maturità 2019 - Il nuovo esame in pillole
MIM. Ministero dell'Istruzione e del Merito
 
PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...
PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...
PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...
MIM. Ministero dell'Istruzione e del Merito
 
‘Ripartiamo dalla scuola’, il report a un anno dal sisma
‘Ripartiamo dalla scuola’, il report a un anno dal sisma‘Ripartiamo dalla scuola’, il report a un anno dal sisma
‘Ripartiamo dalla scuola’, il report a un anno dal sisma
MIM. Ministero dell'Istruzione e del Merito
 
Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi
Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi
Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi
MIM. Ministero dell'Istruzione e del Merito
 
Avvio anno scolastico 2017/2018
Avvio anno scolastico 2017/2018Avvio anno scolastico 2017/2018
Avvio anno scolastico 2017/2018
MIM. Ministero dell'Istruzione e del Merito
 
#ItsDay
#ItsDay#ItsDay
#Labuonascuola - I decreti attuativi
#Labuonascuola - I decreti attuativi#Labuonascuola - I decreti attuativi
#Labuonascuola - I decreti attuativi
MIM. Ministero dell'Istruzione e del Merito
 
Studenti e Atleti? Ora si può
Studenti e Atleti? Ora si puòStudenti e Atleti? Ora si può
Studenti e Atleti? Ora si può
MIM. Ministero dell'Istruzione e del Merito
 

More from MIM. Ministero dell'Istruzione e del Merito (20)

Nota n.1994 del 9 novembre 2020 - Uso delle mascherine
Nota n.1994 del 9 novembre 2020 - Uso delle mascherine Nota n.1994 del 9 novembre 2020 - Uso delle mascherine
Nota n.1994 del 9 novembre 2020 - Uso delle mascherine
 
Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020
Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020
Nota n. 1990 del 5 novembre 2020 - DPCM 3 novembre 2020
 
Linee guida per la Didattica digitale integrata
Linee guida per la Didattica digitale integrata Linee guida per la Didattica digitale integrata
Linee guida per la Didattica digitale integrata
 
Linee guida 0-6
Linee guida 0-6Linee guida 0-6
Linee guida 0-6
 
Piano scuola 2020/2021
Piano scuola 2020/2021Piano scuola 2020/2021
Piano scuola 2020/2021
 
Intelligenza artificiale, innovazione e opportunità
Intelligenza artificiale, innovazione e opportunitàIntelligenza artificiale, innovazione e opportunità
Intelligenza artificiale, innovazione e opportunità
 
Intelligenza artificiale e protezione dei dati personali
Intelligenza artificiale e protezione dei dati personaliIntelligenza artificiale e protezione dei dati personali
Intelligenza artificiale e protezione dei dati personali
 
Intelligenza Artificiale e Sicurezza Informatica
Intelligenza Artificiale e Sicurezza InformaticaIntelligenza Artificiale e Sicurezza Informatica
Intelligenza Artificiale e Sicurezza Informatica
 
Computer Vision e Machine Learning Applicazioni e Sviluppi
Computer Vision e Machine Learning Applicazioni e SviluppiComputer Vision e Machine Learning Applicazioni e Sviluppi
Computer Vision e Machine Learning Applicazioni e Sviluppi
 
AI(ML)+BigData ?=? information
AI(ML)+BigData ?=? informationAI(ML)+BigData ?=? information
AI(ML)+BigData ?=? information
 
Chatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIUR
Chatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIURChatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIUR
Chatta che ti passa! Gli assistenti virtuali a supporto degli utenti del MIUR
 
Intelligenza artificiale nella PA: opportunità e rischi
Intelligenza artificiale nella PA: opportunità e rischiIntelligenza artificiale nella PA: opportunità e rischi
Intelligenza artificiale nella PA: opportunità e rischi
 
Maturità 2019 - Il nuovo esame in pillole
Maturità 2019 - Il nuovo esame in pilloleMaturità 2019 - Il nuovo esame in pillole
Maturità 2019 - Il nuovo esame in pillole
 
PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...
PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...
PNSD, il punto sulle azioni avviate in attuazione del Piano Nazionale Scuola ...
 
‘Ripartiamo dalla scuola’, il report a un anno dal sisma
‘Ripartiamo dalla scuola’, il report a un anno dal sisma‘Ripartiamo dalla scuola’, il report a un anno dal sisma
‘Ripartiamo dalla scuola’, il report a un anno dal sisma
 
Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi
Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi
Il Piano Nazionale Scuola Digitale incontra il Paese - I prossimi passi
 
Avvio anno scolastico 2017/2018
Avvio anno scolastico 2017/2018Avvio anno scolastico 2017/2018
Avvio anno scolastico 2017/2018
 
#ItsDay
#ItsDay#ItsDay
#ItsDay
 
#Labuonascuola - I decreti attuativi
#Labuonascuola - I decreti attuativi#Labuonascuola - I decreti attuativi
#Labuonascuola - I decreti attuativi
 
Studenti e Atleti? Ora si può
Studenti e Atleti? Ora si puòStudenti e Atleti? Ora si può
Studenti e Atleti? Ora si può
 

Big Data - Rapporto del Gruppo Miur

  • 1. 1
  • 2. Il compito del gruppo di lavoro • mappare, in chiave anche comparata a livello europeo e internazionale, i principali centri, universitari e non, che operano nel settore dei “Big Data” con riferimento alla formazione e costruzione di competenze; • identificare le possibili misure che il sistema formativo italiano dovrebbe adottare per essere in linea con le migliori prassi internazionali valorizzando le proprie specificità e, ove possibile, assumere un ruolo guida in questo settore in rapida evoluzione; • effettuare la ricognizione delle banche dati del Ministero, relative al settore dell’istruzione scolastica, dell’università e dell’alta formazione artistica e musicale, nonché della ricerca scientifica, e proporre azioni che il Ministero potrebbe intraprendere per valorizzare le stesse e renderle strumento utile all’elaborazione di scelte di policy strategiche.
  • 3. I componenti del gruppo Fabio BELTRAM SNS Sabrina BONO MIUR Francesco CASTANÒ ISTAT Davide D’AMICO MIUR Luca DE BIASE Nòva24 Letizia MELINA MIUR Donatella SOLDA MIUR Roberto TORRINI Banca d’Italia
  • 4. La modalità di lavoro • ascolto della comunità nazionale con inviti diretti e autosegnalazioni; • tre incontri con gruppi di esperti nel campo della formazione e della ricerca; • richiesti contributi specifici da parte di esperti; • analizzata la struttura delle basi di dati del MIUR; • analizzate le policy europee e internazionali; • beneficiato del contributo continuo di altri sia interni sia esterni al MIUR.
  • 5. Caratteristiche dei big data VOLUME VELOCITÀ VARIETÀ VALORE
  • 7. VELOCITÀ e VARIETÀ rilevazioni meteo sensori pagamenti POS data warehouse bilanci aziendali social network video- sorveglianza documenti di testo dati sanitari email destrutturati struttura ricerca scientifica mercati finanziari strutturati temporeale velocità statici Caratteristiche dei big data
  • 13. strategie economiche/ policy valutazione model free Real time DATA DRIVEN RATING Una visione sistemica per misurare il rischio di credito
  • 14. Competenze e dati economia matematica informatica statistica rischio di credito teoria delle reti text mining sentiment analysis significatività bilanci default mercato social network machine learning rete di pagamenti rete di ownership CORPORATE RATING visione sistemica
  • 15. società α bilancio crediti mercato società β società λ società ξ società ε società δsocietà θ Da singolo a sistema
  • 16. società α bilancio crediti mercato società β società λ società ξ società ε società δsocietà θ Da singolo a sistema
  • 18. La formazione e i big data ANALISI PROPOSTE • Sviluppo di competenze digitali nella scuola • Modifiche al sistema formativo, valutativo, di monitoraggio • Alta formazione: laurea, laurea magistrale, PhD, master
  • 19. Censimento dell’offerta Università L LM Master Offerta in altri cdl Bologna I L, LM Firenze I, II L, LM Genova ⚫ ⚫¹ D L'Aquila ⚫¹ MI Bicocca I MI Bocconi ⚫¹ PoliMI ⚫¹ Molise I Padova ⚫² Pisa ⚫ II Università L LM Master Offerta in altri cdl Luiss I Roma - Sapienza ⚫ II L, LM Roma – Tor Vergata ⚫¹ II Siena ⚫¹² Torino ⚫ II PoliTO II³ LM Trieste - SISSA II Venezia ⚫¹ ⚫¹
  • 20. Università Bolzano LM Cassino LM Ferrara L, LM, D Insubria D Lucca – IMT D Messina L, LM Milano - Statale LM, D Napoli – Federico II LM Università Padova L, LM Palermo LM Pavia LM Politecnico delle Marche LM Roma TRE LM Salerno LM Trento LM Censimento dell’offerta
  • 21. La formazione universitaria è il livello ottimale per fornire gli strumenti richiesti dal fenomeno emergente dei Big Data. Inserire moduli di data science in tutti i corsi di studio, a partire dalle lauree triennali, per esporre gli studenti al cambio di paradigma che investe tutte le discipline spingendo verso un approccio scientifico data driven, con la scoperta di che emergono dalle grandi masse di dati disponibili: esperimenti sui dati visti non solo come validazione di teorie e modelli, ma anche come scoperta di pattern emergenti che suggeriscono agli scienziati nuove teorie e nuovi modelli, in grado di spiegare più a fondo la complessità dei fenomeni sociali, economici, biologici, tecnologici, culturali Alta formazione: laurea, laurea magistrale, PhD, Master
  • 22. • Inserire moduli di data science in tutti i corsi di studio • aggiornamento paradigmi formativi e della distribuzione dei crediti • finanziamento di progetti comuni tra data scientists ed esperti di settore (sanità, economia, scienze sociali e umane…) • programma di reclutamento dei docenti • centri di ateneo capaci di fornire i crediti in ambito big data CORSI DI LAUREA (TRIENNALI) Alta formazione: laurea, laurea magistrale, PhD, Master
  • 23. Servizi 27,01% Informatica 18,80% Manifattura 12,79% Grande distribuzione 9,57% Rifiuti 8,16% Finanza e Assicurazioni 8,09% Vendita all'ingrosso 5,67% Educazione 3,03% Altri servizi (no PA) 1,70% Turismo 1,21% Sanità 1,04% Immobiliare 0,76% Edilizia 0,62% Trasporti 0,46% PA 0,42% Management 0,28% Arte e Cultura 0,18% Estrazione materie prime 0,11% Utenze 0,11% Altro % La richiesta di competenze BD nel mercato del lavoro (USA, 2014)
  • 24. LAUREA MAGISTRALE Elementi di data science sono necessari all’interno dell’offerta di tutti i percorsi, ma qui si colloca il livello ideale per la formazione di specialisti in data science. Aspetto centrale della programmazione di questi percorsi di laurea è la necessità di renderli adatti ad accogliere laureati provenienti da background diversi per formare degli specialisti di settore capaci di utilizzare in maniera avanzata e indipendente i nuovi strumenti del mondo dei Big Data in specifici settori scientifici e professionali. Alta formazione: laurea, laurea magistrale, PhD, Master
  • 25. LAUREA MAGISTRALE • Inserire moduli di data science in tutti i corsi di studio • percorsi di laurea magistrale focalizzati potrebbero in molti casi essere inseriti in una varietà di classi disciplinari distinte a seconda dello specifico settore nel quale il data scientist svolgerà la sua attività (ad es. settore biomedico, scienze sociali e umane) • La collocazione in diverse classi disciplinari a seconda dello specifico settore è utile a evitare ostacoli in ingresso e barriere disciplinari per il prosieguo della vita accademica/professionale degli studenti. Alta formazione: laurea, laurea magistrale, PhD, Master
  • 26. PhD Considerazioni simili alle LM, rafforzate, si applicano alla possibilità di attivare percorsi di formazione dottorale, inoltre: • necessità di una documentata capacità di ricerca dell’ateneo ospite • nuovi dottorati potrebbero gemmare da esperienze di successo in dottorati esistenti attraverso il coinvolgimento di competenze delle nuove metodologie • specifico piano di finanziamento di borse dottorali • limitato numero di dottorati focalizzati sulla figura del data scientist, ma spazio anche a borse riservate a candidati con un background specifico da inserire all’interno di percorsi più “convenzionali” (economia, farmacologia, etc.). Alta formazione: laurea, laurea magistrale, PhD, Master
  • 27. MASTER Offerta esiste, ma è poco omogenea. Opportuno introdurre processi di accreditamento. • Finalità principale di questi percorsi professionalizzanti dovrebbero essere formazione continua e aggiornamento professionale, anche in collaborazione con le imprese • Si raccomanda l’introduzione di percorsi intensivi sull’utilizzo delle nuove metodologie riservati agli esperti di determinati settori disciplinari/professionali. Esempi: master aperti a economisti, scienziati politici, farmacologi, epidemiologi... Alta formazione: laurea, laurea magistrale, PhD, Master
  • 28. Scuola: sviluppo delle competenze digitali, aggiornamento dell’approccio formativo • raccordo con il Piano Nazionale per la Scuola Digitale per trasformare i digital native da consumatori a consumatori critici e produttori di contenuti digitali Il PNSD, lanciato nell’Ottobre 2015, è il documento strategico con cui il MIUR ha definito il posizionamento del sistema scolastico nell’era digitale • formazione al “valore del dato” come parte di un processo di alfabetizzazione digitale
  • 29. Scuola: sviluppo delle competenze digitali, aggiornamento dell’approccio formativo UN’ESPERIENZA BIG DATA PER OGNI STUDENTE/SSA Tra le azioni del PNSD più direttamente riferibili al tema dei Big Data: Azione #15: dal prossimo anno scolastico, il MIUR finanzierà 25 curricula didattici applicabili a tutta la scuola, con due specifici percorsi dedicati ai dati (Big e Open Data); Azione #20: Girls in Tech & Science, per orientare, rafforzare e accelerare le competenze delle ragazze
  • 30. • Big data sono stimolo per l’adozione di metodologie didattiche innovative basate su ambienti digitali • questi metodi rendono possibile il riuso dei materiali per valutazione (a tutti i livelli e in tempo quasi reale), monitoraggio e ricerca didattica • questi processi devono essere trasparenti: il personale della scuola, gli studenti e i loro genitori, tutti gli utilizzatori delle piattaforme di apprendimento devono essere consapevoli dell’uso che viene fatto dei dati generati dalle interazioni sulle piattaforme didattiche digitali Scuola: sviluppo delle competenze digitali, aggiornamento dell’approccio formativo
  • 31. TITOLO • Il rapporto ha mappato il sistema informativo del MIUR, organizzato nei tre sottosistemi dell’ISTRUZIONE dell’UNIVERSITÀ e della RICERCA, le loro macro-aree e i processi e dati connessi. • Il patrimonio di informazioni del MIUR può essere classificato sulla base dei soggetti a cui le stesse si riferiscono. Si possono individuare tre principali categorie: 1. singole istituzioni (scuole, università, enti di ricerca e altre istituzioni di alta formazione): informazioni sulle strutture, sull’offerta formativa, sulle risorse economiche e umane, sulla produzione scientifica e quelle derivanti dalle attività di autovalutazione e valutazione; 2. studenti: informazioni relative al percorso formativo e ai principali eventi nella carriera scolastica e universitaria; 3. personale docente e amministrativo: informazioni sul percorso professionale e sul trattamento economico, ma anche, in maniera eterogenea per le diverse carriere, sulla produzione scientifica, sugli incarichi ricoperti e la formazione. Struttura e fruibilità dei dati MIUR
  • 32. TITOLO L’autonomia che contraddistingue i diversi comparti ha contribuito allo sviluppo di distinte modalità di gestione delle informazioni, generando un’eterogeneità di repository poco comunicanti tra loro. Le informazioni sono già oggi utilizzate per la formulazione delle politiche e per l’analisi dei sistemi scolastico, universitario e della ricerca. Sono anche in parte a disposizione delle singole istituzioni per le loro scelte gestionali e al più ampio pubblico attraverso dei portali dedicati. Il Ministero è però oggi nelle condizioni di compiere un salto qualitativo in ottica Big Data e implementare una strategia di sistematica valorizzazione e integrazione del proprio patrimonio informativo Struttura e fruibilità dei dati MIUR
  • 33. Una strategia Big Data per il MIUR • Aumentare la capacità di governare, sia dal punto di vista gestionale sia analitico, queste immense moli di informazioni implementare un ambiente ministeriale (virtualmente) centralizzato di data e content management garantire la interoperabilità dei diversi data base, indipendentemente dai processi amministrativi da cui originano, delle amministrazioni a cui si riferiscono, dei sistemi gestionali adottati consolidare i dati ed eliminare le ridondanze • Integrare/arricchire le informazioni con dati provenienti da altre amministrazioni (Ministero del Lavoro, Istat, Inail, etc.) • Integrare/arricchire le informazioni sfruttando in una logica Big Data anche le informazioni liberamente ricavabili dal web e dai social network • Diffondere in formato aperto i dati, ferma restando l’esigenza di assicurare i necessari profili di privacy
  • 34. Approccio bottom-up che garantisca risultati a breve termine, rilasciati con continuità e frequenza, convergendo allo stesso tempo su una visione integrata di lungo termine A breve termine: • Interventi di adeguamento di qualità sulle basi di dati esistenti e definizione delle politiche di manutenzione e aggiornamento. • Ricognizione dei dati di altri enti e statistiche internazionali e progetto delle modalità di raccordo e integrazione con le basi dati MIUR. • Definire l’architettura tecnologica e progettare le modalità tecniche di integrazione a livello dati e applicazioni. A medio termine: • Creare un livello semantico di ontologie per integrare tutte le informazioni, sia presenti nelle basi dati ministeriali che ottenute dalle fonti esterne. • Integrare tutti gli archivi integrati e le fonti dati ausiliarie • Valorizzare e connettere le strutture preposte alla gestione e all’analisi dei dati Una strategia Big Data per il MIUR
  • 35. TITOLO Sulla base delle diverse esigenze conoscitive si possono individuare diversi destinatari: • il decisore politico, nello specifico il Ministero e gli organismi preposti alla valutazione, direttamente coinvolti nella gestione, nella formulazione delle politiche e nella valutazione degli esiti; • le singole amministrazioni governate dal Ministero (le scuole, le università, gli enti di ricerca), che dalla disponibilità di dati sulla propria e sulle altre strutture possono trarre le necessarie indicazioni per le scelte gestionali e di orientamento dell’attività didattica e di ricerca; • il Sistema Statistico Nazionale che utilizza le informazioni statistiche prodotte dalle amministrazioni sui diversi ambiti della società e dell’economia; • il mondo della ricerca, che in maniera indipendente è interessato all’analisi dei percorsi di studio e professionali degli studenti, e all’analisi della governance del sistema scolastico universitario e della ricerca; • i singoli cittadini e le famiglie che hanno interesse ad acquisire informazioni sul sistema scolastico e universitario; • il mondo degli sviluppatori di applicazioni, piattaforme e servizi a contenuto informativo, che possono costruire a partire dalle informazioni pubbliche del Ministero nuove soluzioni a carattere sociale e commerciale. A chi interessano i dati del MIUR?
  • 36. TITOLOLa piattaforma Scuola in Chiaro assieme alle informazioni diffuse tramite il sito Universitaly renderanno fruibili le informazioni attraverso piattaforme che permettano il pieno accesso ai dati pubblici, con modalità specifiche in relazione ai profili dell’utenza (pubblico non specialista, utenti che intendano riutilizzare i dati per scopi di ricerca o commerciali). Raccomandazioni: il MIUR • si faccia promotore della pubblicazione dei propri dati, adeguatamente documentati e tecnicamente disponibili adottando le più moderne soluzioni, • si coordini con altre basi e flussi di dati pubblici, • attivi politiche di interazione, analisi e partenariato con il settore privato per generare prodotti e servizi ad alta intensità informativa. Il portale unico dei dati della Scuola e Universitaly
  • 37. TITOLO La disseminazione dei risultati della ricerca migliora le relazioni fra scienza (accademia e ricerca) e società, accrescendo da un lato l’impatto e i benefici della R&S sulla società stessa e dall’altro aumentando consapevolezza e fiducia dei cittadini. Viene così massimizzato il ritorno dell’investimento pubblico in ricerca, in piena ottica di responsabilità sociale della Ricerca e dell’innovazione, rinforzando la relazione tra scienza e società. La circolazione dei risultati della ricerca, permettendone il loro successivo riuso, fa in modo che questi abbiano maggiore impatto I dati della ricerca: l’Open Science
  • 38. TITOLO Il gruppo raccomanda: • incentivi per i ricercatori, a partire dalle procedure di valutazione MIUR sulla produttività dei ricercatori (VQR), in modo che sia premiato il riutilizzo e la citazione dei dati da loro messi a disposizione; • emanazione di bandi competitivi per il finanziamento di progetti di ricerca che abbiano i Big Data sia come metodo, sia come oggetto di studio; • un piano di sensibilizzazione sul valore della condivisione dei dati da parte dei ricercatori con modalità che tutelino la proprietà intellettuale; • sviluppo di infrastrutture elettroniche di ricerca che siano capaci di ospitare grandi moli di dati per la loro condivisione e conservazione nel tempo. I dati della ricerca: l’Open Science
  • 39. Conclusioni • Big data sono campo emergente di cui vediamo già le prime ricadute a livello globale, ma soprattutto vediamo il potenziale per un impatto di straordinario rilievo e grandissima pervasività; • l’Italia è nelle condizioni di assumere un ruolo competitivo nello scenario internazionale, ma i diversi attori pubblici e privati devono agire con tempestività; • l’attuazione delle proposte qui delineate consentirà al MIUR non solo di beneficiare degli sviluppi offerti dalla Data Science nello svolgimento delle proprie funzioni, ma anche di proporre un modello di best practice che potrà avere un prezioso effetto traino su altri settori della pubblica amministrazione,