Fondamenti di Informatica per le Scienze Umanistiche

In questo episodio vediamo come interrogare in modo efficace gli LLM. Dalla costruzione dei prompt al ruolo del contesto, scopriamo perché dare buone istruzioni è fondamentale per ottenere risultati di qualità.Analizziamo strategie come definizione del contesto, uso di vincoli e formati, iterazione e verifica dei risultati. Introduciamo anche approcci più avanzati come fine-tuning e RAG, che permettono di adattare i modelli a contesti specifici e controllare meglio le informazioni utilizzate.Infine, una riflessione centrale: usare l’AI significa progettare un processo. Tra controllo umano, lavoro collaborativo e documentazione, l'obiettivo è integrare questi strumenti senza perdere qualità e senso critico.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Come si usa l’intelligenza artificiale in modo professionale nella scrittura di un documento?In questo episodio passiamo dalla teoria alla pratica: come progettare un lavoro con i large language models, dalla scrittura di un testo alla documentazione del processo. Scopriamo perché usare l’AI non significa delegare tutto, ma progettare, verificare e guidare ogni passaggio.Come costruire un contenuto con l’AI mantenendo responsabilità autoriale. Analizziamo elementi chiave come:scelta e confronto tra modelliprogettazione dei promptgestione del contesto e della memoriaverifica delle fonti e delle allucinazioniApprofondiamo anche il tema più delicato: diritto d’autore e responsabilità. Quando un testo è davvero “nostro”? Qual è il confine tra supporto e sostituzione dell’autore?Infine, esploriamo il valore del lavoro collaborativo: strumenti come GitHub e Markdown permettono di integrare AI e cooperazione umana, migliorando qualità, trasparenza e pensiero critico.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Possiamo fidarci davvero delle risposte dell’intelligenza artificiale?In questo episodio andiamo oltre il funzionamento tecnico dei modelli per affrontare una questione cruciale: come valutare davvero la qualità dell’AI. Scopriamo perché confrontare modello e dati non basta, e introduciamo un terzo elemento fondamentale: il sistema, cioè il contesto reale in cui l’AI viene utilizzata.Analizziamo le diverse situazioni che possono emergere: apprendimento corretto, bias nei dati, generalizzazione positiva… ma anche allucinazioni, ovvero risposte plausibili ma completamente inventate. Capire la differenza tra questi casi richiede qualcosa che nessun algoritmo può sostituire: la conoscenza del dominio.Entriamo poi nei limiti concreti dei large language models: conoscenza statica, memoria limitata, difficoltà nel ragionamento procedurale e nella comprensione di contesti complessi. Vediamo perché questi sistemi tendono sempre a rispondere, anche quando non dovrebbero, e perché questo può essere fuorviante.Infine, uno sguardo pratico: come usare l’AI in modo professionale e consapevole, dalla scelta dei modelli alla progettazione dei prompt, fino alla documentazione del processo.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Come fanno le intelligenze artificiali moderne a generare testi, immagini e risposte così sofisticate?In questo episodio approfondiamo il cuore tecnologico dell’AI contemporanea: il self-supervised learning e i modelli generativi. Scopriamo come gli algoritmi riescano a “crearsi da soli” le etichette di apprendimento, ad esempio prevedendo parole mancanti in un testo, e perché questo approccio ha reso possibile lo sviluppo dei large language models.Entriamo poi nei meccanismi chiave: token, probabilità, temperatura e architetture come i transformer, che permettono di comprendere il contesto e generare contenuti coerenti.Ma non basta addestrare un modello: analizziamo anche il processo completo di validazione, dalla divisione dei dataset (training, validation, test) alle metriche fondamentali come precision, recall e accuratezza. Vediamo perché i dati sono spesso il vero punto critico, tra bias, rappresentatività e cambiamenti nel tempo.Infine, uno sguardo alla pratica: fine-tuning, modelli fondazionali e limiti delle “black box”. Perché capire come un modello prende decisioni è oggi una delle sfide più importanti, soprattutto in ambiti sensibili come medicina, finanza e società.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Le macchine possono davvero “imparare”? E in cosa questo è diverso dalla programmazione tradizionale?In questo episodio capiamo cosa si intende per intelligenza artificiale, partendo dalle sue radici teoriche fino alle tecniche moderne. Dalla conferenza di Dartmouth agli studi di Turing e Shannon, scopriamo come l’idea di macchine intelligenti sia presente fin dagli anni ’50 — ma realizzata solo recentemente grazie all’evoluzione tecnologica.Analizziamo poi il passaggio chiave: dalla programmazione basata su regole esplicite al machine learning, dove le regole non vengono scritte dal programmatore ma apprese dai dati. Attraverso esempi concreti — dal riconoscimento di immagini fino ai giochi come scacchi e Go — capiamo come funzionano davvero questi sistemi.Approfondiamo le principali modalità di apprendimento:supervisionato, basato su dati etichettatinon supervisionato, basato su similaritàper rinforzo, guidato da ricompense e feedbackE vediamo perché il vero motore dell’AI moderna è la retroazione: la capacità di migliorarsi attraverso l’esperienza.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Perché il Web si è imposto su tecnologie più avanzate?In questo episodio analizziamo uno dei passaggi più importanti della storia dell’informatica: il successo del World Wide Web. Partendo dai suoi competitor — FTP, Gopher, HyperCard, Microcosm — scopriamo che esistevano già sistemi più sofisticati, ricchi di funzionalità e strumenti di navigazione avanzati.E allora perché ha vinto il Web?La risposta sta nelle sue scelte progettuali: semplicità, decentralizzazione e scalabilità. Approfondiamo il ruolo degli standard fondamentali — URI, HTTP e HTML — e vediamo come, grazie a un’architettura minimale e aperta, il Web abbia reso possibile una crescita globale senza controllo centrale.Entriamo nel funzionamento di HTTP, un protocollo sorprendentemente semplice: client-server, senza stato e indipendente dai dati. Analizziamo anche meccanismi come cookie, proxy e CDN per capire come, sopra questa semplicità di base, si costruiscono sistemi complessi e distribuiti.Infine, vediamo come una pagina HTML — apparentemente banale — rappresenti in realtà un potente sistema di connessione tra risorse, e come il Web sia evoluto da rete di documenti a ecosistema di applicazioni.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Cosa succede davvero quando inviamo un messaggio su Internet?In questo episodio entriamo nel funzionamento tecnico delle reti: partiamo dai concetti di protocollo e architettura a livelli per capire come sistemi diversi riescono a comunicare tra loro. Scopriamo il ruolo dei router, dei nodi di rete e dei diversi livelli — dall’hardware fino alle applicazioni — e vediamo come un messaggio venga “imbustato” più volte per attraversare la rete e arrivare a destinazione. Approfondiamo poi alcuni elementi fondamentali: indirizzi IP, DNS, protocolli come TCP e UDP, e il principio della commutazione di pacchetto.Nella seconda parte ci spostiamo su un passaggio storico decisivo: la nascita del World Wide Web. Dal CERN di Ginevra alle prime pagine ipertestuali di Tim Berners-Lee, scopriamo come un’idea semplice — collegare documenti tra loro — abbia trasformato Internet da infrastruttura tecnica a strumento universale.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Come nasce Internet? E perché le reti informatiche hanno cambiato così profondamente la società?In questo episodio esploriamo le origini delle reti digitali, partendo dal contesto della Guerra Fredda fino alla nascita di Internet. Scopriamo come idee rivoluzionarie come il packet switching e le reti distribuite abbiano reso possibile un sistema più efficiente, resiliente e scalabile, capace di crescere senza controllo centrale.Ripercorriamo i contributi chiave — da Baran a Davies, da ARPANET alla diffusione globale dei protocolli TCP/IP — e vediamo come la ricerca pubblica abbia costruito le basi di un’infrastruttura oggi universale.Ma la storia delle reti non è solo istituzionale: analizziamo anche l’emergere del personal computer e il ruolo delle comunità di appassionati, dalle BBS alla cultura hacker. Un mondo nato “dal basso”, guidato da ideali di condivisione, apertura e accesso universale alla tecnologia.Infine, introduciamo i principi tecnici fondamentali delle reti: livelli di comunicazione, indirizzamento (IP, DNS, URI), protocolli e applicazioni come web ed email. Un sistema complesso ma basato su un’idea semplice: far dialogare sistemi diversi attraverso standard condivisi.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Cos’è davvero un file? E perché la scelta del formato può determinare il futuro dei nostri dati?In questo episodio entriamo nel cuore del file system: comprendiamo come i sistemi operativi organizzano l’informazione attraverso file, cartelle e volumi, e perché il concetto di percorso è fondamentale per localizzare e gestire le risorse digitali.Approfondiamo poi un aspetto spesso sottovalutato ma cruciale: il formato dei file. Dalla distinzione tra file binari, file di testo ed eseguibili fino agli standard come MIME, scopriamo come la codifica determina il modo in cui un contenuto può essere interpretato, condiviso e riutilizzato.Attraverso esempi concreti — immagini compresse, documenti PDF, file CSV e Markdown — analizziamo proprietà fondamentali come compressione, portabilità, interoperabilità e conservazione nel tempo. Perché alcuni file diventano obsoleti? E quali scelte progettuali garantiscono che un contenuto resti leggibile anche tra decenni?Infine, uno sguardo pratico ai formati testuali moderni come Markdown e al loro ruolo nei sistemi contemporanei, inclusi gli strumenti di intelligenza artificiale.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

In questo episodio entriamo nel cuore operativo dei sistemi informatici, passando dalla teoria dei circuiti alla gestione concreta di memoria, processi e file. Partiamo dalla CPU e dai suoi componenti — unità logico-aritmetica e unità di controllo — per capire come vengono eseguite le operazioni e perché oggi esistono processori specializzati come GPU e TPU.Approfondiamo poi uno dei concetti chiave dell’architettura: il rapporto tra velocità e capacità di memoria. Dalla cache alla RAM fino alla memoria di archiviazione, scopriamo perché le tecnologie più veloci sono anche più limitate e come il sistema sfrutta questa gerarchia per funzionare in modo efficiente.Entriamo quindi nel ruolo del sistema operativo, il vero regista della macchina: gestione dei processi (multitasking), allocazione della memoria, comunicazione con le periferiche e coordinamento delle operazioni. Vediamo come più programmi possano essere eseguiti contemporaneamente e perché gran parte delle inefficienze deriva dalle operazioni di input/output.Infine, uno sguardo pratico al file system: cosa sono file, cartelle e volumi? Come vengono organizzati i dati? E perché comprendere queste strutture è fondamentale per usare consapevolmente un computer?Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Cosa succede davvero dentro un computer quando eseguiamo un algoritmo?In questo episodio entriamo poi nel cuore della macchina: l’architettura di von Neumann. Analizziamo i suoi componenti fondamentali — CPU, memoria, periferiche e bus — e capiamo come collaborano per trasformare istruzioni in azioni. Approfondiamo il ruolo della memoria (RAM vs archiviazione), il concetto di velocità e capacità, e il compromesso tecnologico che guida la progettazione dei computer.Infine, scendiamo ancora più in profondità: come si costruiscono i circuiti che permettono al computer di “pensare”? Attraverso la logica booleana e il lavoro di Shannon, vediamo come operazioni logiche come AND, OR e NOT possano essere realizzate con circuiti elettrici — fino ad arrivare alla costruzione di un circuito che esegue somme in binario.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Che cos’è davvero un algoritmo? E cosa significa progettarne uno “che funziona”?In questo episodio entriamo nel laboratorio della progettazione algoritmica: partendo dai tre costrutti fondamentali — sequenza, selezione e iterazione — vediamo come costruire passo dopo passo una procedura per risolvere un problema concreto, come verificare se una parola è palindroma.Dalle soluzioni più intuitive a quelle più formali, esploriamo il passaggio dai livelli di astrazione al linguaggio macchina, mostrando come ogni istruzione debba essere interpretata correttamente dalla macchina. Ma progettare un algoritmo non significa solo farlo funzionare: significa anche gestire ambiguità, definire correttamente le condizioni di terminazione e capire per quali input l’algoritmo è valido.Attraverso esempi pratici analizziamo errori tipici — algoritmi che non terminano, soluzioni valide solo per casi limitati — e introduciamo concetti chiave come generalità, correttezza e complessità computazionale. Quanto tempo serve per risolvere un problema? Quanta memoria? E quando una soluzione è davvero efficiente?Infine, uno sguardo più ampio: dagli aspetti tecnici alla dimensione sociale degli algoritmi, tra privacy, trasparenza e impatto sulle decisioni.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Quando nasce davvero l’informatica? E cosa significa “algoritmo”?In questo episodio attraversiamo un momento cruciale della storia dell’elaborazione automatica dell’informazione: dall’industrializzazione del calcolo nell’Ottocento fino alla creazione della teoria della calcolabilità di Alan Turing nel Novecento.Partiamo dalle prime industrie del calcolo umano — intere stanze di “computer” (persone!) specializzati nell’esecuzione di operazioni matematiche — e arriviamo alle macchine meccaniche di Thomas de Colmar e Charles Babbage. Con l’Analytical Engine emerge per la prima volta l’idea di calcolatore universale, programmabile tramite schede perforate: un’intuizione rivoluzionaria che anticipa l’architettura dei computer moderni.Proseguiamo con Alan Turing e la teoria della calcolabilità: cosa significa che un problema è calcolabile? Esistono limiti intrinseci al calcolo? Attraverso la macchina di Turing e il problema dell’arresto scopriamo che non tutte le procedure sono decidibili, non tute portano ad una soluzione.Infine, entriamo nel cuore del concetto di algoritmo: dalle definizioni formali legate alla teoria matematica, fino alla visione operativa fatta di sequenza, selezione e iterazione. Vediamo come questi tre costrutti fondamentali siano sufficienti per descrivere qualsiasi procedura computabile, e come i diversi livelli di astrazione — dal diagramma di flusso al linguaggio macchina — modellino il rapporto tra uomo e macchina.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Dalle corde annodate della preistoria ai gettoni mesopotamici, dalla macchina di Anticitera alle calcolatrici meccaniche di Pascal e Leibniz, ripercorriamo la storia dell’automazione del calcolo. Un viaggio nell’astrazione: come l’uomo ha imparato a rappresentare il mondo attraverso simboli, meccanismi e macchine sempre più articolate.Un episodio che collega codifica digitale, storia della tecnologia e nascita del calcolo automatico.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Come si costruisce concretamente un codice digitale? E come si passa dalla teoria dei bit agli standard che usiamo ogni giorno?In questo episodio entriamo nel cuore della codifica digitale applicata: partendo dalla formula della quantità di informazione, vediamo come progettare un codice binario passo dopo passo. Dalle condizioni meteo ai sistemi numerici, impariamo a calcolare quanti bit servono per rappresentare un insieme di messaggi e come associare in modo arbitrario sequenze binarie ai significati.Affrontiamo poi le codifiche storiche del testo: dall’ASCII allo Unicode, fino agli standard UTF-8, UTF-16 e UTF-32. Perché oggi UTF-8 è lo standard dominante? Qual è il compromesso tra memoria e velocità di interpretazione? E perché dichiarare correttamente il formato di un file è fondamentale nei sistemi informatici?Passiamo quindi alla rappresentazione dei numeri in base binaria, esplorando la notazione posizionale e il legame tra potenze di due e sequenze di bit. Infine, introduciamo la codifica delle immagini: pixel, risoluzione, RGB e compressione. Come si rappresenta un’immagine con i bit? Perché alcune immagini si comprimono facilmente e altre no?Un episodio che collega teoria, standard tecnici e applicazioni concrete per capire davvero cosa significa “digitalizzare” un’informazione.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Che cos’è davvero l’informazione? E come possiamo misurarla?In questo episodio entriamo nel cuore teorico dell’informatica partendo dal processo di comunicazione: sorgente, segnale, canale, ricezione e codifica. Scopriamo come un semplice segnale fisico – una vibrazione nell’aria, una macchia su un foglio, una luce rossa al semaforo – diventi informazione grazie a un codice che riduce l’ambiguità e permette la trasmissione nello spazio e nel tempo.Attraverso esempi concreti e piccoli “giochi” di decodifica, esploriamo il legame tra informazione e incertezza, fino ad arrivare alla teoria di Shannon: l’informazione è ciò che riduce l’incertezza. Da qui nasce il concetto di bit, l’unità minima di informazione, e la formula che lega simboli, lunghezza dei messaggi e quantità di significati rappresentabili.Infine, affrontiamo una distinzione fondamentale: codifica analogica vs codifica digitale. Perché il digitale è meno sensibile al rumore? Perché consente copie perfette, compressione, modularità e multicanalità? E quali sono i suoi limiti rispetto all’analogico?Un episodio per comprendere le basi teoriche che rendono possibile tutto l’ecosistema digitale in cui viviamo — dai computer alle reti, fino all’intelligenza artificiale.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914

Dalla televisione degli anni ’50 ai social network, dalle nicchie digitali alla filter bubble, fino all’intelligenza artificiale generativa: come è cambiato il nostro modo di informarci?In questa lezione esploriamo l’evoluzione dei modelli di comunicazione negli ultimi decenni. Partiamo dal mondo “broadcast”, in cui tutti guardavano gli stessi programmi alla stessa ora, per arrivare all’ecosistema digitale dominato da algoritmi, personalizzazione e piattaforme globali.Scopriremo come nascono le reti informatiche, cosa sono i recommender system e il collaborative filtering, perché viviamo dentro bolle informative e in che modo gli algoritmi influenzano ciò che vediamo online.Infine, uno sguardo al presente e al futuro: tra web 3.0, blockchain e intelligenza artificiale generativa, quali trasformazioni stanno ridefinendo il rapporto tra tecnologia, informazione e società?Un viaggio critico per comprendere gli strumenti digitali che usiamo ogni giorno — e per imparare a non subirli passivamente.Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:https://he.pearson.it/bundle/914