Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Calendario accademico
Il calendario accademico riporta le scadenze, gli adempimenti e i periodi rilevanti per la componente studentesca, personale docente e personale dell'Università. Sono inoltre indicate le festività e le chiusure ufficiali dell'Ateneo.
L’anno accademico inizia il 1° ottobre e termina il 30 settembre dell'anno successivo.
Calendario didattico
Il calendario didattico indica i periodi di svolgimento delle attività formative, di sessioni d'esami, di laurea e di chiusura per le festività.
| Periodo | Dal | Al |
|---|---|---|
| Primo semestre | 3-ott-2022 | 27-gen-2023 |
| Secondo semestre | 6-mar-2023 | 16-giu-2023 |
Calendario esami
Gli appelli d'esame sono gestiti dalla Unità Operativa Segreteria Corsi di Studio Scienze e Ingegneria.
Per consultazione e iscrizione agli appelli d'esame visita il sistema ESSE3.
Per problemi inerenti allo smarrimento della password di accesso ai servizi on-line si prega di rivolgersi al supporto informatico della Scuola o al servizio recupero credenziali
Per dubbi o domande leggi le risposte alle domande più frequenti F.A.Q. Iscrizione Esami
Docenti
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
2° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Comparative and transnational law & technology (2022/2023)
Codice insegnamento
4S009086
Docente
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
IUS/02 - DIRITTO PRIVATO COMPARATO
Periodo
Primo semestre dal 3-ott-2022 al 27-gen-2023.
Obiettivi di apprendimento
Il corso mira a fornire agli studenti nozioni e concetti legali necessari per comprendere il significato, la portata e l'ambito di applicazione delle norme legali nel campo delle nuove tecnologie da una prospettiva comparata e transnazionale. La legge delle nuove tecnologie verrà trattata tanto da una prospettiva teorica, con particolare attenzione all'efficacia e all'efficacia delle norme giuridiche, tanto in ottica pratica, con particolare attenzione ai testi normativi e contrattuali e alle decisioni giudiziarie pertinenti di più giurisdizioni. Al termine del corso lo studente dovrà dimostrare di: ●_x0001_conoscere oggetto e metodologia del diritto comparato applicato alle nuove tecnologie, con specifico riferimento alle nozioni ed ai concetti fondamentali relativi ai dati (dati personali, dati sensibili, dati economici, "big data") ●_x0001_saper sviluppare un’analisi economica relativa alla legge delle nuove tecnologie, con particolar riferimento alla teoria del monopolio e delle economie di scala (consumo, produzione, innovazione) ●_x0001_conoscere le norme giuridiche europee in materia di conflitto di leggi e conflitto di giurisdizioni in materia di diritto e tecnologie ed associati metodi di risoluzione delle controversie online ●_x0001_conoscere i rudimenti del diritto comparato e transnazionale di identità personale e relativamente all’identità digitale e leggi sulla protezione dei dati, anche in comparazione: Europa, Stati Uniti e Cina ●_x0001_conoscere il concetto di proprietà nel diritto comparato, in relazione alle diverse modalità di trattamento dei dati ●_x0001_conoscere le basi del diritto comparato e europeo per la proprietà intellettuale e concorrenza applicato alle nuove tecnologie (protezione dei dati, protezione di software e banche dati in Europa, Stati Uniti e Cina, concorrenza e concorrenza sleale, abuso di posizione dominante, accordi anticoncorrenziali, relazioni tra diritto della concorrenza e " big data “ ●_x0001_conoscere le basi del diritto europeo, comparato e transnazionale relativamente ai contratti a valere sulle nuove tecnologie e al trasferimento di dati ●_x0001_saper valutare trasmissione e trattamento dei dati e regole per la protezione dei consumatori.
Prerequisiti e nozioni di base
Non sono richieste conoscenze preliminari
Programma
Il programma per i frequentanti è diviso in tre parti. La prima parte introduce lo studente all'analisi dei "Concetti fondamentali in materia di regolamentazione e governance delle tecnologie" e fornisce gli strumenti teorici e pratici per lo studio del rapporto tra cambiamento tecnologico, diritto e regolamentazione. Particolare attenzione verrà dedicata all'impatto della tecnologia sulle caratteristiche strutturali del sistema giuridico e sul valore dei dati, con attenzione altresì ai profili etici connessi.
La seconda parte fornisce allo studente le principali "Coordinate regolatore" delle tecnologie digitali, dell'intelligenza artificiale e dell'algoritmo, in prospettiva europea e comparata.
La terza parte è dedicata all'analisi del "Diritto dell'era digitale nei diversi ambiti del diritto privato" e guida lo studente nella comprensione dell'impatto della tecnologia sui principali istituti privatistici (contratto, proprietà, responsabilità) e sui diritti fondamentali della persona, consumatore e utente.
Durante la prima lezione verrà fornito un programma dettagliato dei contenuti affrontati, dei lavori di gruppo svolti in classe con il docente, e dei seminari con docenti stranieri di fama internazionale organizzati nell'ambito del corso.
Bibliografia
Modalità didattiche
Il corso prevede lezioni frontali (supportate dall’utilizzo di presentazioni ppt); lavori in gruppi sull'analisi e soluzione di casi attuali guidati in classe dal docente; visione di videoclip su temi specifici con analisi e commento in classe, seminari.
Le lezioni prevedono, pertanto, la partecipazione attiva delle/degli studenti, prendono le mosse dall'illustrazione di un caso o problema esemplificativo del tema trattato, e incentivano la discussione delle tematiche trattate e casi di attualità..
Modalità di verifica dell'apprendimento
La prova d'esame è orale.
Per gli studenti frequentanti l'esame verte sul programma e materiale fornito a lezione.
Per gli studenti non frequentanti l'esame verte sui. contenuti del volume consigliato.
Agli studenti erasmus che hanno regolarmente seguito il corso verrà data la possibilità di sostenere l'esame presentando un approfondimento scritto su un argomento scelto con l'insegnante.
Criteri di valutazione
La votazione finale è volta a valorizzare la partecipazione attiva in classe dello studente nelle attività proposte (discussione di casi; role game, commento di videoclip)
Criteri di composizione del voto finale
Per i frequentanti:
partecipazione in classe: 55% del voto finale.
Prova finale orale: 45%
Lingua dell'esame
Inglese
Tipologia di Attività formativa D e F
Le attività formative di tipologia D sono a scelta dello studente, quelle di tipologia F sono ulteriori conoscenze utili all’inserimento nel mondo del lavoro (tirocini, competenze trasversali, project works, ecc.). In base al Regolamento Didattico del Corso, alcune attività possono essere scelte e inserite autonomamente a libretto, altre devono essere approvate da apposita commissione per verificarne la coerenza con il piano di studio. Le attività formative di tipologia D o F possono essere ricoperte dalle seguenti attività.
1. Insegnamenti impartiti presso l'Università di Verona
Comprendono gli insegnamenti sotto riportati e/o nel Catalogo degli insegnamenti (che può essere filtrato anche per lingua di erogazione tramite la Ricerca avanzata).
Modalità di inserimento a libretto: se l'insegnamento è compreso tra quelli sottoelencati, lo studente può inserirlo autonomamente durante il periodo in cui il piano di studi è aperto; in caso contrario, lo studente deve fare richiesta alla Segreteria, inviando a carriere.scienze@ateneo.univr.it il modulo nel periodo indicato.
2. Attestato o equipollenza linguistica CLA
Oltre a quelle richieste dal piano di studi, per gli immatricolati dall'A.A. 2021/2022 vengono riconosciute:
- Lingua inglese: vengono riconosciuti 3 CFU per ogni livello di competenza superiore a quello richiesto dal corso di studio (se non già riconosciuto nel ciclo di studi precedente).
- Altre lingue e italiano per stranieri: vengono riconosciuti 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).
Tali cfu saranno riconosciuti, fino ad un massimo di 6 cfu complessivi, di tipologia F se il piano didattico lo consente, oppure di tipologia D. Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.
Gli immatricolati fino all'A.A. 2020/2021 devono consultare le informazioni che si trovano qui.
Modalità di inserimento a libretto: richiedere l’attestato o l'equipollenza al CLA e inviarlo alla Segreteria Studenti - Carriere per l’inserimento dell’esame in carriera, tramite mail: carriere.scienze@ateneo.univr.it
3. Competenze trasversali
Scopri i percorsi formativi promossi dal TALC - Teaching and learning center dell'Ateneo, destinati agli studenti regolarmente iscritti all'anno accademico di erogazione del corso https://talc.univr.it/it/competenze-trasversali
Modalità di inserimento a libretto: non è previsto l'inserimento dell'insegnamento nel piano di studi. Solo in seguito all'ottenimento dell'Open Badge verranno automaticamente convalidati i CFU a libretto. La registrazione dei CFU in carriera non è istantanea, ma ci saranno da attendere dei tempi tecnici.
4. Periodo di stage/tirocinio
Oltre ai CFU previsti dal piano di studi (verificare attentamente quanto indicato sul Regolamento Didattico): qui informazioni su come attivare lo stage.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto
Insegnamenti non ancora inseriti
Prospettive
Avvisi degli insegnamenti e del corso di studio
Per la comunità studentesca
Se sei già iscritta/o a un corso di studio, puoi consultare tutti gli avvisi relativi al tuo corso di studi nella tua area riservata MyUnivr.
In questo portale potrai visualizzare informazioni, risorse e servizi utili che riguardano la tua carriera universitaria (libretto online, gestione della carriera Esse3, corsi e-learning, email istituzionale, modulistica di segreteria, procedure amministrative, ecc.).
Entra in MyUnivr con le tue credenziali GIA.
Ulteriori servizi
I servizi e le attività di orientamento sono pensati per fornire alle future matricole gli strumenti e le informazioni che consentano loro di compiere una scelta consapevole del corso di studi universitario.
Prova Finale
La prova finale consiste nella preparazione e discussione di un elaborato scritto in lingua Inglese (tesi di laurea) relativo all'approfondimento di un tema scientifico affrontato nel corso di studi, ovvero relativo all'analisi e soluzione di un caso di studio (teorico e/o direttamente derivato da un problema di carattere industriale), ovvero relativo ad un lavoro di tipo sperimentale, eventualmente sviluppato all'interno di un percorso di tirocinio, ovvero frutto di un lavoro autonomo ed originale di ricerca, con collegati aspetti di formalizzazione matematica, progettazione informatica e realizzazione business oriented. Tali attività saranno svolte sotto la guida di un relatore presso una struttura universitaria, o anche esterna all'Università di Verona, tanto in Italia, quanto all'estero, purché riconosciuta e accettata a tal fine in accordo con il Regolamento didattico del corso di Laurea Magistrale in Data Science. La commissione preposta alla valutazione della prova finale (esposizione in lingua Inglese della tesi di laurea) è chiamata ad esprimere una valutazione che tenga conto dell'intero percorso di studi, valutando attentamente il grado di coerenza tra obbiettivi formativi e obbiettivi professionali, nonché la capacità di elaborazione intellettuale autonoma, il senso critico, le doti di comunicazione e la maturità culturale generale, in relazione agli obiettivi del corso di Laurea Magistrale in Data Science, e particolare, in relazione alle tematiche caratterizzanti la tesi di laurea, del candidato.
Gli studenti possono sostenere la prova finale solamente dopo aver assolto a tutti gli altri obblighi formativi previsti dal loro piano di studi ed agli adempimenti presso gli uffici amministrativi in conformità con i termini indicati nel manifesto generale degli studi.
La valutazione finale e la proclamazione verranno effettuate dalla commissione di esame finale nominata dal presidente del collegio didattico e composta da un presidente e almeno da altri quattro commissari scelti tra i docenti dell'Ateneo.
Il materiale presentato per la prova finale viene valutato dalla Commissione Valutazione Tesi, composta da tre docenti, tra cui possibilmente il relatore, e nominata dal presidente del collegio didattico. La commissione valutazione tesi formula una valutazione del lavoro svolto, e la trasmette alla commissione d'esame finale che esprimerà il giudizio finale. Il collegio didattico disciplina le procedure delle commissioni valutazione tesi, delle commissioni d'esame finale e dell'attribuzione del punteggio della prova finale mediante apposito regolamento deliberato dal collegio didattico.
Allegati
| Titolo | Info File |
|---|---|
Regolamento esame finale | Final exam regulation
|
387 KB, 27/04/22 |
Elenco delle proposte di tesi e stage
| Proposte di tesi | Area di ricerca |
|---|---|
| Domain Adaptation | Computer Science and Informatics: Informatics and information systems, computer science, scientific computing, intelligent systems - Computer graphics, computer vision, multi media, computer games |
| Domain Adaptation | Computer Science and Informatics: Informatics and information systems, computer science, scientific computing, intelligent systems - Machine learning, statistical data processing and applications using signal processing (e.g. speech, image, video) |
| Domain Adaptation | Computing Methodologies - IMAGE PROCESSING AND COMPUTER VISION |
| Domain Adaptation | Computing methodologies - Machine learning |
Modalità di frequenza
Come riportato nel Regolamento Didattico per l'A.A. 2021/2022, la frequenza al corso di studio non è obbligatoria.
Per le modalità di erogazione della didattica, si rimanda alle informazioni in costante aggiornamento dell'Unità di Crisi.
