Dati Generali
Periodo di attività
Secondo Semestre (15/02/2027 - 04/06/2027)
Syllabus
Obiettivi Formativi
all’utilizzo dell’intelligenza artificiale per l’analisi del testo dei colloqui psicologici e psicoterapeutici.
Al termine del corso, lo studente sarà in grado di:
• conoscere le principali applicazioni del Natural Language Processing, del machine learning e dell’intelligenza artificiale generativa in ambito psicologico;
• comprendere come il contenuto di un colloquio possa essere trasformato in un dato testuale analizzabile;
• utilizzare strumenti di intelligenza artificiale per analizzare temi, parole, emozioni e cambiamenti nel corso dei colloqui;
• interpretare criticamente gli output prodotti, riconoscendone limiti, errori e possibili bias;
• valutare le principali implicazioni metodologiche, etiche e relative alla protezione dei dati connesse all’utilizzo dell’intelligenza artificiale in ambito psicologico.
Al termine del corso, lo studente sarà in grado di:
• conoscere le principali applicazioni del Natural Language Processing, del machine learning e dell’intelligenza artificiale generativa in ambito psicologico;
• comprendere come il contenuto di un colloquio possa essere trasformato in un dato testuale analizzabile;
• utilizzare strumenti di intelligenza artificiale per analizzare temi, parole, emozioni e cambiamenti nel corso dei colloqui;
• interpretare criticamente gli output prodotti, riconoscendone limiti, errori e possibili bias;
• valutare le principali implicazioni metodologiche, etiche e relative alla protezione dei dati connesse all’utilizzo dell’intelligenza artificiale in ambito psicologico.
Prerequisiti
Non sono richieste conoscenze pregresse di intelligenza artificiale, programmazione o analisi statistica. Sono sufficienti conoscenze generali di base in ambito psicologico.
Metodi didattici
L’insegnamento alternerà lezioni frontali, presentazione e discussione di studi scientifici, dimostrazioni pratiche, analisi guidata di strumenti di intelligenza artificiale ed esercitazioni su colloqui psicologici e psicoterapeutici simulati.
L’impostazione sarà prevalentemente applicativa. Gli studenti saranno guidati nella formulazione di domande di analisi, nella scelta e nell’utilizzo degli strumenti più appropriati e nell’interpretazione critica degli output prodotti. Specifiche esercitazioni pratiche prevederanno l’utilizzo del software presentato durante il corso per applicare le tecniche di analisi affrontate a lezione.
Una parte delle attività sarà svolta attraverso esercitazioni di gruppo e project work, finalizzati a integrare le conoscenze teoriche con l’applicazione pratica e la valutazione critica dei risultati.
Slide, articoli scientifici, esempi di analisi e materiali per le esercitazioni saranno messi a disposizione degli studenti.
L’impostazione sarà prevalentemente applicativa. Gli studenti saranno guidati nella formulazione di domande di analisi, nella scelta e nell’utilizzo degli strumenti più appropriati e nell’interpretazione critica degli output prodotti. Specifiche esercitazioni pratiche prevederanno l’utilizzo del software presentato durante il corso per applicare le tecniche di analisi affrontate a lezione.
Una parte delle attività sarà svolta attraverso esercitazioni di gruppo e project work, finalizzati a integrare le conoscenze teoriche con l’applicazione pratica e la valutazione critica dei risultati.
Slide, articoli scientifici, esempi di analisi e materiali per le esercitazioni saranno messi a disposizione degli studenti.
Verifica Apprendimento
La verifica dell’apprendimento consisterà nella presentazione finale di un project work di gruppo, volto all’analisi, mediante strumenti di intelligenza artificiale, di uno o più colloqui psicologici o psicoterapeutici simulati.
La prova sarà valutata in base all’appropriatezza nell’uso degli strumenti, alla capacità di interpretare criticamente i risultati e alla chiarezza della presentazione.
L’esito della prova sarà espresso con un giudizio di idoneità o di non idoneità.
La prova sarà valutata in base all’appropriatezza nell’uso degli strumenti, alla capacità di interpretare criticamente i risultati e alla chiarezza della presentazione.
L’esito della prova sarà espresso con un giudizio di idoneità o di non idoneità.
Testi
Testi e materiali di riferimento:
• Liccione, D., & Siciliano, L. (2025). The usefulness of combining topic modelling and statistical analysis to investigate the therapeutic process: A single case study. Psychotherapy Research. https://doi.org/10.1080/10503307.2025.2500504
• Imel, Z. E., Steyvers, M., & Atkins, D. C. (2015). Computational psychotherapy research: Scaling up the evaluation of patient-provider interactions. Psychotherapy, 52(1), 19–30.
• Atkins, D. C., Steyvers, M., Imel, Z. E., & Smyth, P. (2014). Scaling up the evaluation of psychotherapy: Evaluating motivational interviewing fidelity via statistical text classification. Implementation Science, 9, 49.
• Goldberg, S. B., Flemotomos, N., Martinez, V. R., et al. (2020). Machine learning and natural language processing in psychotherapy research: Alliance as an example use case. Journal of Counseling Psychology, 67(4), 438–448.
• Tanana, M., Hallgren, K. A., Imel, Z. E., Atkins, D. C., & Srikumar, V. (2016). A comparison of natural language processing methods for automated coding of motivational interviewing. Journal of Substance Abuse Treatment, 65, 43–50.
Ulteriori articoli scientifici, slide, materiali didattici ed esempi applicativi saranno messi a disposizione durante il corso in relazione agli argomenti trattati e alle esercitazioni pratiche.
• Liccione, D., & Siciliano, L. (2025). The usefulness of combining topic modelling and statistical analysis to investigate the therapeutic process: A single case study. Psychotherapy Research. https://doi.org/10.1080/10503307.2025.2500504
• Imel, Z. E., Steyvers, M., & Atkins, D. C. (2015). Computational psychotherapy research: Scaling up the evaluation of patient-provider interactions. Psychotherapy, 52(1), 19–30.
• Atkins, D. C., Steyvers, M., Imel, Z. E., & Smyth, P. (2014). Scaling up the evaluation of psychotherapy: Evaluating motivational interviewing fidelity via statistical text classification. Implementation Science, 9, 49.
• Goldberg, S. B., Flemotomos, N., Martinez, V. R., et al. (2020). Machine learning and natural language processing in psychotherapy research: Alliance as an example use case. Journal of Counseling Psychology, 67(4), 438–448.
• Tanana, M., Hallgren, K. A., Imel, Z. E., Atkins, D. C., & Srikumar, V. (2016). A comparison of natural language processing methods for automated coding of motivational interviewing. Journal of Substance Abuse Treatment, 65, 43–50.
Ulteriori articoli scientifici, slide, materiali didattici ed esempi applicativi saranno messi a disposizione durante il corso in relazione agli argomenti trattati e alle esercitazioni pratiche.
Contenuti
Il corso introduce all’analisi del testo dei colloqui psicologici e psicoterapeutici mediante strumenti di intelligenza artificiale.
Saranno affrontate le principali fasi di preparazione del dato testuale: trascrizione, identificazione dei parlanti, anonimizzazione, pulizia, segmentazione e organizzazione del corpus. Verranno quindi introdotti i fondamenti del Natural Language Processing e le principali tecniche per l’analisi di parole, relazioni semantiche, temi, emozioni e pattern linguistici, con particolare riferimento a word cloud, topic modelling, clustering, sentiment ed emotion analysis, rappresentazioni vettoriali del testo e analisi longitudinale.
Saranno presentati i principi dei sistemi supervisionati e non supervisionati, del machine learning, delle reti neurali e dei modelli transformer, con particolare attenzione alla costruzione di dataset annotati, alla classificazione automatizzata e alla valutazione delle prestazioni dei modelli.
Una parte del corso sarà dedicata agli strumenti di intelligenza artificiale applicabili in ambito psicologico e psicoterapeutico e ai Large Language Models (LLM). Saranno trattati l’utilizzo di prompt strutturati per la sintesi, la categorizzazione e l’analisi dei colloqui e il confronto tra output automatizzati e codifica umana.
Sarà inoltre presentato un software specificamente sviluppato per psicologi e psicoterapeuti, che integra diverse modalità di analisi automatizzata dei colloqui, tra cui trascrizione, sintesi, analisi delle parole e dei temi, classificazione dei contenuti e analisi del loro andamento nel tempo. Il software sarà utilizzato anche nell’ambito di esercitazioni pratiche, nelle quali gli studenti potranno applicare le tecniche affrontate durante il corso a colloqui psicologici e psicoterapeutici simulati e interpretarne criticamente gli output.
Attraverso esempi tratti dalla ricerca in psicoterapia saranno inoltre affrontati l’andamento di temi ed emozioni nel tempo, le transizioni tra contenuti, la prossimità semantica, la distinzione tra linguaggio descrittivo ed esperienziale e la costruzione di indicatori per lo studio del processo terapeutico.
La parte conclusiva sarà dedicata alla validazione degli strumenti e alla valutazione critica dei risultati, con particolare attenzione ad affidabilità, generalizzabilità, errori, bias e allucinazioni. Saranno infine affrontati gli aspetti etici e professionali relativi a consenso informato, riservatezza, anonimizzazione, sicurezza e protezione dei dati e supervisione umana.
Saranno affrontate le principali fasi di preparazione del dato testuale: trascrizione, identificazione dei parlanti, anonimizzazione, pulizia, segmentazione e organizzazione del corpus. Verranno quindi introdotti i fondamenti del Natural Language Processing e le principali tecniche per l’analisi di parole, relazioni semantiche, temi, emozioni e pattern linguistici, con particolare riferimento a word cloud, topic modelling, clustering, sentiment ed emotion analysis, rappresentazioni vettoriali del testo e analisi longitudinale.
Saranno presentati i principi dei sistemi supervisionati e non supervisionati, del machine learning, delle reti neurali e dei modelli transformer, con particolare attenzione alla costruzione di dataset annotati, alla classificazione automatizzata e alla valutazione delle prestazioni dei modelli.
Una parte del corso sarà dedicata agli strumenti di intelligenza artificiale applicabili in ambito psicologico e psicoterapeutico e ai Large Language Models (LLM). Saranno trattati l’utilizzo di prompt strutturati per la sintesi, la categorizzazione e l’analisi dei colloqui e il confronto tra output automatizzati e codifica umana.
Sarà inoltre presentato un software specificamente sviluppato per psicologi e psicoterapeuti, che integra diverse modalità di analisi automatizzata dei colloqui, tra cui trascrizione, sintesi, analisi delle parole e dei temi, classificazione dei contenuti e analisi del loro andamento nel tempo. Il software sarà utilizzato anche nell’ambito di esercitazioni pratiche, nelle quali gli studenti potranno applicare le tecniche affrontate durante il corso a colloqui psicologici e psicoterapeutici simulati e interpretarne criticamente gli output.
Attraverso esempi tratti dalla ricerca in psicoterapia saranno inoltre affrontati l’andamento di temi ed emozioni nel tempo, le transizioni tra contenuti, la prossimità semantica, la distinzione tra linguaggio descrittivo ed esperienziale e la costruzione di indicatori per lo studio del processo terapeutico.
La parte conclusiva sarà dedicata alla validazione degli strumenti e alla valutazione critica dei risultati, con particolare attenzione ad affidabilità, generalizzabilità, errori, bias e allucinazioni. Saranno infine affrontati gli aspetti etici e professionali relativi a consenso informato, riservatezza, anonimizzazione, sicurezza e protezione dei dati e supervisione umana.
Lingua Insegnamento
ITALIANO
Corsi
Corsi
PSICOLOGIA
Laurea Magistrale
2 anni
No Results Found
Persone
Persone
Docente
No Results Found