Vai al contenuto principale
Oggetto:

Ecologia funzionale

Oggetto:

Functional ecology

Oggetto:

Anno accademico 2023/2024

Codice attività didattica
SVB0253C
Docente
Alex Laini
Corso di studio
[f008-c508] LM in Biologia dell'Ambiente (Classe LM-06)
Anno
2° anno
Periodo
I semestre
Tipologia
A scelta dello studente
Crediti/Valenza
2
SSD attività didattica
BIO/07 - ecologia
Erogazione
Tradizionale
Lingua
Italiano
Frequenza
Lezioni facoltative e esercitazioni obbligatorie
Tipologia esame
Scritto
Tipologia unità didattica
modulo
Insegnamento integrato
Servizi ecosistemici dei vegetali e degli animali (SVB0253)
Propedeutico a
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

L’insegnamento concorre alla realizzazione dell’obiettivo formativo del corso di studi in Biologia dell’Ambiente fornendo agli studenti le nozioni necessarie per analizzare dati multivariati e per applicare i concetti di ecologia funzionale a casi studio reali. I concetti affrontati a lezione saranno utili nel campo del biomonitoraggio, della pianificazione ambientale e della conservazione della natura. Le nozioni apprese in questo corso saranno propedeutiche in vista di un possibile impiego in studi di consulenza, enti pubblici o della continuazione degli studi.

This course contributes to the learning objective of the master's degree course in Environmental Biology, providing the students with the basic skills to analyse multivariate data and to apply functional ecology concepts to real case studies. These techniques are particularly relevant for biomonitoring, environmental planning and nature conservation. The knowledge acquired during this course is preparatory for working outside or inside the Academia.

Oggetto:

Risultati dell'apprendimento attesi

Conoscenza e capacità di comprensione

Alla fine dell’insegnamento lo studente dovrà essere in grado di:

  • Elencare i principali metodi di statistica multivariata
  • Descrivere le varie tipologie di traits utilizzati nella trait-based ecology

 

Capacità di applicare conoscenza e comprensione

Alla fine dell’insegnamento lo studente dovrà essere in grado di:

  • Applicare in autonomia le tecniche di statistica multivariata
  • Applicare in autonomia le tecniche di calcolo degli indici funzionali

 

Abilità comunicative

Alla fine dell’insegnamento lo studente dovrà essere in grado di:

  • Capacità di illustrare i risultati delle analisi tramite terminologia appropriata

 

Autonomia di giudizio

Alla fine dell’insegnamento lo studente dovrà sapere:

  • Valutare criticamente l’utilizzo di tecniche di analisi dei dati nel contesto dell’ecologia funzionale
  • Interpretare i risultati di studi basati sulla trait-based ecology

 

Knowledge and understanding

At the end of the course the student will be able to:

  • List and describe the main techniques of multivariate statistics
  • Describe traits categories used in trait-based ecology

 

Ability to apply knowledge and understanding

At the end of the course the student will be able to:

  • Apply multivariate techniques
  • Apply functional indices

 

Communication skill

At the end of the course the student will be able to:

  • Acquire the ability to critically present the results obtained

 

Autonomy of judgement

At the end of the course the student will be able to:

  • Critically evaluate the use of different multivariate techniques within the context of functional ecology
  • Interpret the results based on the trait-based ecology
Oggetto:

Programma

L’insegnamento è suddiviso in due parti. Nella prima parte saranno affrontati i principali metodi di statistica multivariata. Le nozioni apprese durante la prima parte saranno propedeutiche per comprendere ed applicare le tecniche e i concetti affrontati nella seconda parte del corso.

 

Basi di statistica multivariata 

Matrici di similarità, dissimilarità e distanza.

Principali tecniche di clustering (clustering gerarchico, k-means, ecc.)

Descrizione delle principali tecniche di statistica multivariata (analisi delle componenti principali, scaling multidimensionale classico, scaling multidimensionale non-metrico, correspondence analysis, redundancy analysis)

 

Ecologia funzionale

Definizione di funzione ecologica. Vantaggi e svantaggi dell’ecologia funzionale. Esempi di funzioni fornite da organismi animali (impollinatori, riciclo dei nutrienti in ambiente acquatico). Trait-based ecology. Effect e response traits. Come misurare i traits. Variabilità intra-specifica e conseguenti effetti sulle funzioni ecologiche (esempio dei dung beetles). Ecologia funzionale a livello di comunità. Misure di diversità funzionale (community weighted mean, ricchezza funzionale, equiripartizione funzionale, ecc.). Campi di applicazione dell’ecologia funzionale.

The course consists of two parts. The first part deals with main methods of multivariate statistics. The information acquired during the first part will be used to understand concepts and methods explained during the second part.

 

Multivariate statistics 

Similarity, dissimilarity and distance.

Clustering techniques (hierarchical clustering, k-means, etc.)

Main techniques of multivariate statistics (principal component analysis, classical multidimensional scaling, non-metric multidimensional scaling, correspondence analysis, redundancy analysis)

 

Functional ecology

Definition of ecological function. Pros and cons of functional ecology. Examples of functions provided by animals (pollinators, nutrient cycling in aquatic environments). Trait-based ecology. Effect and response traits. How to measure traits. Intra-specific trait variability and consequences on ecological functions (dung beetle example). Functional ecology for ecological communities. Measures of functional diversity (community weighted mean,functional richness, functional evenness, ecc.). Applied trait-based ecology. 

 

Oggetto:

Modalità di insegnamento

Tutte le lezioni (12 ore di lezione frontale e 8 di esercitazione) si terranno in presenza. La modalità a distanza (in streaming) potrà essere introdotta su indicazione dell'Ateneo in base alle misure sanitarie relative allo sviluppo della pandemia di COVID-19.

All lessons (12 hours of lesson and 8 of exercises) will be delivered in presence. Alternative online teaching (by streaming) may be introduced according to the University recommendations related to the status of the COVID-19 pandemic.

Oggetto:

Modalità di verifica dell'apprendimento

Esame scritto con 15 attività tra domande a risposta multipla, domande a risposta aperta con uno spazio di risposta predefinito ed esercitazioni in R. Per ogni attività è previsto un punteggio pari a 2. Il punteggio finale viene dato dalla somma dei punteggi parziali. La durata della prova scritta è di 60 minuti. Non è prevista una prova orale. 

La prova d'esame potrà essere svolta a distanza, tramite collegamento video, nei casi e nelle modalità raccomandate dall'Ateneo in base alle misure sanitarie relative allo sviluppo della pandemia di COVID-19.

The evaluation will be performed with a written test, composed of 15 points including multiple response questions, open questions and exercise in R. Each point will be assigned with a score equal to 2. Final scoring will be given as the sum of partial scores. The duration of the written exam will be 60 minutes.  Remote examinations may be introduced according to the University recommendations related to the status of the COVID-19 pandemic.

Oggetto:

Attività di supporto

Colloqui individuali previo appuntamento.

 

Individual interviews by appointment.

Testi consigliati e bibliografia

Oggetto:

Il materiale didattico presentato a lezione sarà disponibile su moodle. Durante il corso sarà suggerita la lettura di articoli scientifici di particolare rilievo.

The slides of the lessons will be available on moodle. Scientific articles of particular interest will be suggest during the course.



Oggetto:

Note

Registrazione
  • Aperta
    Oggetto:
    Ultimo aggiornamento: 16/05/2023 08:59
    Location: https://lmbiologia.campusnet.unito.it/robots.html
    Non cliccare qui!