Renza CAMPAGNI

Ruolo attuale:: Personale tecnico/amministrativo
Afferenza organizzativa:: Dipartimento di Statistica, Informatica, Applicazioni 'G. Parenti' (DiSIA)

Recapiti

	0552751522
	renza.campagni(AT)unifi.it

Renza CAMPAGNI

Curriculum

Renza Campagni è tecnico dell'area elaborazione dati presso il Dipartimento di Statistica, Informatica, Applicazione dell'Università di Firenze. Ha conseguito la laurea in Matematica nel 1988 e il Dottorato di ricerca in Computer Science nel 2013 presso l'Università di Firenze. Nell'anno accademico 2014-2015 ha conseguito il Master di II livello "Big Data & Social Mining" presso l'Università di Pisa.

Precedenti lavori: sistemista presso Ing. C. Olivetti S.p.A. dal 1988 al 1999, quindi dipendente Sitab, poi CSIAF, presso l'Università di Firenze con contratto a tempo determinato dal 1/0771999 al 30 /12/2005.Dal 31/12/2005 dipendente a tempo indetrminato presso CSIAF poi presso il DiSIA, in qualità di tecnico informatico elaborazione dati.

Attualmente ha incarichi di supporto alla ricerca (area del Data Mining e degli Indicatori Sociali) e alla didattica del DiSIA per il CdL di Statistica e di Informatica.

Renza CAMPAGNI

Pubblicazioni

Legenda

Contributo su rivista |

Articolo su libro |

Libro |

Contributo in atti di convegno (proceeding) |

Brevetto |

Curatela | Altro

Altro |

Tesi di Dottorato

R. Campagni; D. Merlini; M. C. Verri (2022). Analysing Computer Science Courses over Time. DATA, vol. 7, pp. 1-14, ISSN:2306-5729 DOI Accesso ONLINE all'editore

R. Campagni, D. Merlini, M. C. Verri (2019). Gender gap in scientific studies: a data mining approach. In: WomENcourage 2019, Roma, 16-18 Settembre 2019, Association for Computing Machinery, pp. 0-0.

R. Campagni, D. Merlini, M. C. Verri (2019). A data mining approach to study gender differences in scientific degrees courses. In: Didamatica, informatica per la didattica, Reggio Calabria, 16-17 maggio 2019, AICA - Associazione Italiana per l'Informatica ed il Calcolo Automatico, pp. 169-178, ISBN:978-88-98091-50-8 Accesso ONLINE all'editore

R. Campagni; D. Merlini; M. C. Verri (2018). The influence of first year behaviour in the progressions of university students. In: Costagliola G., Zvacek S., Uhomoibhi J., Escudeiro P., McLaren B. M.. Communications in Computer and Information Science, pp. 343-362 Springer International Publishing, ISBN:978-331994639-9. DOI Accesso ONLINE all'editore

R. Campagni; D. Merlini; M. C. Verri (2017). University student progressions and first year behaviour. In: CSEDU 2017, Porto, Portugal, 21-23 April, Scitepress, vol. 2, pp. 46-56, ISBN:9789897582400 Accesso ONLINE all'editore

Renza, Campagni; Lorenzo, Gabrielli; Fosca, Giannotti; Riccardo, Guidotti; Filomena, Maggino; Dino, Pedreschi (2017). Measuring wellbeing by extracting scial indicators from big data. In: Statistics and Data Science: new challenges, new generations, Firenze, 28-30 giugno 2017, Firenze University Press, pp. 227-234, ISBN:978-88-6453-521-0 Accesso ONLINE all'editore

Bandini, Gianfranco; Baretta, Marina; Betti, Federico; Cacciari, Silvano; Campagni, Renza; Pasquale, Rosa De; Ferragina, Paolo; Giannotti, Fosca; Maggino, Filomena; Oliviero, Stefano; Pedreschi, Dino; Vincelli, Maria (2017). Educazione e Big Data: un progetto di analisi dei documenti ufficiali degli Istituti Comprensivi. In: Il telescopio inverso: big data e distant reading nelle discipline umanistiche, Roma, 26-27 January 2017, Università La Sapienza, Roma, pp. 8-13. Accesso ONLINE all'editore

Renza Campagni; Lorenzo Gabrielli; Lorenzo Gabrielli; Fosca Giannotti; Filomena Maggino (2016). Measuring wellbeing by extracting social indicators from big data. In: Conference of European Statistics Stakeholders, Budapest, 20–21 October 2016, Hungarian Central Statistical Office, pp. 0-0. Accesso ONLINE all'editore

Renza Campagni; Lorenzo Gabrielli; Fosca Giannotti; Riccardo Guidotti; Filomena Maggino; Dino Pedreschi (2016). Extracting social indicators from big data: an experience in measuring wellbeing. In: DATA SCIENCE & SOCIAL RESEARCH, Napoli, February 17-19 2016, Università Federico II, pp. 0-0.

R. Campagni; D. Merlini; M. C. Verri (2016). A Preprocessing Design Scheme for Sequential Pattern Analysis of a Student Database. In: CSEDU 2016, Rome, Italy, 21-23 April, Scitepress, vol. 2, pp. 99-106, ISBN:9789897581793 Accesso ONLINE all'editore

Campagni, R.; Merlini, D.; Verri, M. C. (2015). An Analysis of Courses Evaluation Through Clustering. In: Zvacek S., Restivo M., Uhomoibhi J., Helfert M.. Communications in Computer and Information Science, pp. 211-224 Springer International Publishing, ISBN:978-3-319-25767-9. DOI Accesso ONLINE all'editore

R. Campagni; D. Merlini; R. Sprugnoli; M.C. Verri (2015). Data Mining models for student careers. EXPERT SYSTEMS WITH APPLICATIONS, vol. 42 (13), pp. 5508-5521, ISSN:0957-4174 DOI

R. Campagni; D. Merlini; M. C. Verri (2014). Finding regularities in courses evaluation with K-means clustering. In: CSEDU 2014, Barcelona, Spain, 1-3 April, Scitepress, vol. 2, pp. 26-33, ISBN:9789897580215 Accesso ONLINE all'editore

R. Campagni; D. Merlini; R. Sprugnoli; M.C. Verri (2013). Comparing examination results and courses evaluation: a data mining approach. In: Didamatica 2013, Pisa, Area della Ricerca CNR, 7-9 maggio 2013, AICA, pp. 893-902, ISBN:9788898091102

Renza Campagni (2013). Data Mining Models for Student Databases. (Tutor: Prof. Donatella Merlini)

R. Campagni; D. Merlini; R. Sprugnoli (2012). Data mining for a student database. In: 13th Italian Conference on Theoretical Computer Science, ICTCS 2012, Varese, Italy, September 19-21, 2012, Università dell'Insubria, pp. 78-81. Accesso ONLINE all'editore

R. Campagni; D. Merlini; R. Sprugnoli (2012). Analyzing paths in a student database. In: 5th International Conference on Eucational Data Mining, EDM 2012, Chania, Greece, June 19-21, 2012, Kalina Yacef , Osmar Zaiane, Arnon Hershkovitz , Michael Yudelson and John Stamper, pp. 208-209, ISBN:9781742102764

R. Campagni; D. Merlini; R. Sprugnoli (2012). Sequential patterns analysis in a student database. In: ECML-PKDD Workshop: Mining and exploiting interpretable local patterns (I-Pat 2012), Bristol, UK, September, 24-28, I-Pat, pp. 1-16.