Collaborazione creativa mediata da computer
Obiettivo generale della ricerca
L’attività di ricerca si propone di investigare metodi e tecniche a supporto della leadership progettuale nella collaborazione creativa mediata da computer, sia in modalità co-locata che a distanza. Si combinano approcci mutuati dai domini di affective computing, elaborazione di linguaggio naturale e social network analysis per analizzare l’impatto delle dinamiche di interazione e delle emozioni sull’efficacia del processo di collaborazione e sulla qualità dei risultati. Si definiscono, inoltre, metodi di riconoscimento di stati affettivi e cognitivi, e del ruolo dei partecipanti all’interazione online su piattaforme di sviluppo collaborativo
Principali risultati prodotti
Stato dell’arte su estrazione di informazione e analisi di reti temporali (Rapporto)
Specifiche su sorgenti dati di riferimento per lo sviluppo del progetto (Rapporto)
Progettazione di componenti software per estrazione di informazioni relative a comunità digitali e rappresentazione in forma computazionale (Rapporto)
Sintesi algoritmi e progettazione di componenti software per l’analisi di una comunità in forma di rete temporale (Rapporto)
Test e validazione di prototipi su dataset di riferimento (Rapporto)
Generalizzazione dei prototipi, sperimentazione su dataset di altri ambiti (Rapporto)
Moduli software per estrazione informazioni da dati testuali da sorgenti identificate e scoperta di pattern di interazione ed evoluzione (Prototipo)
Collezioni di dati da Reddit e Twitter in formalismo di rete temporale (Database)
Principale know-how prodotto
Approfondimento metodiche e conoscenze tecnologiche di elaborazione ed analisi di social media
Capacità di sintetizzare e progettare tecnologie per l’analisi di interazioni in una comunità digitale
Capacità di individuare aspetti di applicazioni reali inclini ad innovazione tecnologica
Rappresentazione computazionale, modellazione e caratterizzazione di una comunità digitaleizzazione
Sfida sociale: Valorizzazione del patrimonio culturale
I risultati prodotti dalle attività aprono la strada a due linee di lavoro. Una mira a scoprire informazioni sulla comunità considerando solo interazioni o relazioni esplicitamente riportate nelle sorgenti dati. Questo tipo di investigazione può essere condotta con lo strumento di analisi di reti temporali utilizzando direttamente dati disponibili nelle sorgenti. La sua applicazione consentirebbe di scoprire informazioni sulle dinamiche delle interazioni tra gruppi di partecipanti. La seconda linea di lavoro mira a scoprire informazioni sulla comunità considerando i contenuti (e.g. messaggistica) prodotti dai partecipanti stessi che, essendo espressione e manifestazione di individui, potrebbero nascondere relazioni o forme di interazioni non direttamente esplicitate
Collaborazioni internazionali rilevanti attivate
- Università di Tirana (Accordi)
Pubblicazioni scientifiche
- Università di Montpellier (Accordi)
Seminari scientifici ed accademici per la visibilità dell’attività di ricerca in contesti internazionali
- Università del North Carolina (Collaborazione scientifica)
Organizzazione eventi scientifici per la visibilità dell’attività di ricerca in contesti internazionali
Collaborazioni nazionali rilevanti attivate
- CNR - ICAR (Collaborazione scientifica)
Organizzazione eventi scientifici per la visibilità dell’attività di ricerca in contesti nazionali
- ISTAT (Collaborazione scientifica)
Organizzazione eventi pubblici sull’innovazione tecnologica nell’ambito del turismo attraverso piattaforme web
Collaborazioni regionali rilevanti attivate
- Corvallis spa (Progetti congiunti)
Definizione possibile contesto applicativo di attività condotte nel progetto
- Dhitech (Progetti congiunti)
Definizione possibile contesto applicativo di attività condotte nel progetto
- Loglisci C.. (2017) Using interactions and dynamics for mining groups of moving objects from trajectory data. International Journal of Geographical Information Science
- Prifti Skenduli M., Loglisci C., Ceci M., Biba M., Malerba D.. (2018) An Empirical Evaluation of Sequential Pattern Mining Algorithms. EIDWT
- Loglisci C., Ceci M., Impedovo A., Malerba D.. (2019) Mining Microscopic and Macroscopic Changes in Network Data Streams. Knowledge-Based Systems
- Appice A., Loglisci C., Malerba D.. (2018) Active learning via collective inference in network regression problems. Information Sciences
- Impedovo A., Loglisci C., Ceci M., Malerba D.. (2020) Condensed representations of changes in dynamic graphs through emerging subgraph mining. Engineering Applications of Artificial Intelligence
- Impedovo A., Loglisci C., Ceci M., Malerba D.. (2020) Exploiting Pattern Set Dissimilarity for Detecting Changes in Communication Networks. Complex Pattern Mining
- Appice A., Ceci M., Loglisci C., Manco G., Masciari E., Ras Z.. (2020) Complex Pattern Mining New Challenges, Methods and Applications: New Challenges, Methods and Applications. Studies in Computational Intelligence
- Loglisci C., Ceci M., Impedovo A., Malerba D.. (2019) Mining Microscopic and Macroscopic Changes in Network Data Streams. Knowledge-Based Systems
Loglisci Corrado
INF/01 Informatica
Dipartimento di Informatica
Università degli Studi di Bari "Aldo Moro"