Skip to content
  • Sedi internazionali
  • Futuri Studenti
  • Studenti SFU
  • Alumni SFU
  • Home
  • Ateneo

    Chi Siamo

    • Sigmund Freud University
    • Sedi internazionali
    • Governance

    SFU Milano

    • La Sede di Milano
    • Facoltà di Psicologia
    • Regolamenti
    • Docenti
    • Gender Equality Plan
    Scopri di più
  • Corsi di laurea

    Bachelor of Science in Psicologia

    • Introduzione
    • Piano di Studi
    • Open Day
    • Esperienza Internazionale
    • Tirocini
    • Tutoraggio
    • Sbocchi Lavorativi
    • Tasse, Contributi e Borse
    • Iscrizione e Requisiti

    Master of Science in Psicologia

    • Introduzione
    • Indirizzi
    • Open Day
    • Esperienza Internazionale
    • Tirocini
    • Tutoraggio
    • Sbocchi Lavorativi
    • Tasse, Contributi e Borse
    • Iscrizione e Requisiti
    Salone dello Studente di Milano: incontra la Sigmund Freud University
  • Orientamento
    • Open Day
    • Colloqui informativi
    • Il Mestiere dello Psicologo
    • Disabilità e DSA
    • Carriera Alias
    • Convenzioni
    • Agevolazioni alloggi
    • Certificazioni inglese
    • FAQ
  • Ricerca
  • Eventi
  • Blog
  • Contatti
  • Servizi Clinici Universitari
  • Futuri Studenti
  • Studenti SFU
  • Alumni SFU
  • Iscriviti
SFU
SFU
  • Home
  • Ateneo

    Chi Siamo

    • Sigmund Freud University
    • Sedi internazionali
    • Governance

    SFU Milano

    • La Sede di Milano
    • Facoltà di Psicologia
    • Regolamenti
    • Docenti
    • Gender Equality Plan
    Scopri di più
  • Corsi di laurea

    Bachelor of Science in Psicologia

    • Introduzione
    • Piano di Studi
    • Open Day
    • Esperienza Internazionale
    • Tirocini
    • Tutoraggio
    • Sbocchi Lavorativi
    • Tasse, Contributi e Borse
    • Iscrizione e Requisiti

    Master of Science in Psicologia

    • Introduzione
    • Indirizzi
    • Open Day
    • Esperienza Internazionale
    • Tirocini
    • Tutoraggio
    • Sbocchi Lavorativi
    • Tasse, Contributi e Borse
    • Iscrizione e Requisiti
    Salone dello Studente di Milano: incontra la Sigmund Freud University
  • Orientamento
    • Open Day
    • Colloqui informativi
    • Il Mestiere dello Psicologo
    • Disabilità e DSA
    • Carriera Alias
    • Convenzioni
    • Agevolazioni alloggi
    • Certificazioni inglese
    • FAQ
  • Ricerca
  • Eventi
  • Blog
  • Contatti
  • Servizi Clinici Universitari
  • Futuri Studenti
  • Studenti SFU
  • Alumni SFU
  • Iscriviti
Foto di Davide Marengo
Master

Davide Marengo

Docente del Corso di Master of Science in Psicologia – indirizzo Psicologia Clinica e Digitale – presso la Sigmund Freud University di Milano
d.marengo@milano-sfu.itCurriculum

Davide Marengo è attualmente ricercatore a tempo determinato presso il Dipartimento di Psicologia dell’Università degli Studi di Torino.

Nello stesso dipartimento ha conseguito il dottorato di ricerca con una tesi sul funzionamento psicometrico di prove standardizzate per la misura dell’apprendimento scolastico.

Come assegnista di ricerca presso il Dipartimento di Psicologia (Università degli Studi di Torino) e il Dipartimento di Scienze Umane e Sociali (Università della Valle d’Aosta) si è occupato di ricerca su temi connessi alla percezione del rischio in ambito montano, e alla relazione tra costrutti psicosociali, comportamenti online e tracce digitali generate da utenti di piattaforme social media e dispositivi mobili.

Presso gli stessi dipartimenti, ha svolto attività didattica su temi di psicometria, metodologia della ricerca quantitativa, e statistica per le scienze sociali.

Attualmente è docente dei corsi di Statistica e Tecniche di raccolta dei dati: intervista, questionari, test per il Corso di Bachelor of Science in Psicologia, in Scienze e Tecniche Psicologiche dell’Università di Torino.

 Interessi di ricerca

  • Lo studio delle relazione tra tracce digitali di utilizzo di piattaforme social media e dispositivi mobili, e caratteristiche psicologiche di tratto (personalità) e di stato (benessere psicologico) degli utenti
  • La relazione tra consumo di social media in età adolescenziale e outcome psicosociali
  • Lo studio di determinanti e esiti psicosociali del bullismo in bambini e adolescenti dalla scuola primaria alla scuola secondaria superiore
  • Studio della relazione tra funzionamento motorio e abilità percepita nelle attività di vita quotidiane in pazienti affetti da sclerosi multipla

Pubblicazioni rilevanti

Azucar, D., Marengo, D., & Settanni, M. (2018). Predicting the Big 5 personality traits from digital footprints on social media: A meta-analysis. Personality and individual differences, 124, 150-159.

Settanni, M., & Marengo, D. (2015). Sharing feelings online: studying emotional well-being via automated text analysis of Facebook posts. Frontiers in psychology, 6, 1045.

Longobardi, C., Prino, L. E., Marengo, D., & Settanni, M. (2016). Student-teacher relationships as a protective factor for school adjustment during the transition from middle to high school. Frontiers in psychology, 7, 1988.

Marengo, D., Longobardi, C., Fabris, M. A., & Settanni, M. (2018). Highly-visual social media and internalizing symptoms in adolescence: The mediating role of body image concerns. Computers in Human Behavior, 82, 63-69.

Marengo, D., Giannotta, F., & Settanni, M. (2017). Assessing personality using emoji: An exploratory study. Personality and Individual Differences, 112, 74-78.

Marengo, D., Jungert, T., Iotti, N. O., Settanni, M., Thornberg, R., & Longobardi, C. (2018). Conflictual student–teacher relationship, emotional and behavioral problems, prosocial behavior, and their associations with bullies, victims, and bullies/victims. Educational Psychology, 38(9), 1201-1217.

Corsi
Master
Data Science e Ricerca Psicosociale
Corso integrato

Data Science e Ricerca Psicosociale

Corso integrato
4 CFU
45 Unità

Corso integrato (IC)

Obiettivi

Al termine del corso gli studenti otterranno:

  • la conoscenza dei principi alla base dell’applicazione della data science a contesti di ricerca in ambito psicologico e psicosociale;
  • la conoscenza delle principali linee di ricerca attive in questo ambito e delle prospettive di sviluppo future, includendo approcci di text mining e l’impiego di modelli linguistici di grandi dimensioni (LLM) come strumenti per l’analisi e la produzione di contenuti;
  • conoscenze pratiche utili a svolgere in autonomia analisi di contenuto su dati testuali digitali mediante strumenti open-source o free-to-use, con attenzione alla documentazione delle procedure e ai limiti metodologici.

Programma

Il termine data science si riferisce a un campo emergente di ricerca e pratica che si concentra sull’ottenere, elaborare, visualizzare, analizzare, conservare e riutilizzare grandi moli di informazioni. Un termine correlato, “big data”, è stato usato per riferirsi a una delle principali sfide affrontate in molti contesti applicativi: la necessità di analizzare grandi fonti di dati eterogenei, spesso prodotti in ambienti digitali.

Il corso è composto da due parti.

  1. Nella prima verranno presentati i temi principali legati all’applicazione della data science ai contesti di ricerca psicologici e psicosociali, illustrando esempi di studi basati su dati digitali. Saranno introdotti i concetti di base dell’analisi dei testi come dati (text mining e approcci text-as-data), le opportunità offerte dall’analisi computazionale dei contenuti e le principali criticità metodologiche, tra cui validità, affidabilità, replicabilità e bias. In questa cornice verrà inoltre discusso il ruolo dei modelli generativi e dei Large Language Models (LLM) come strumenti per supportare alcune fasi della ricerca, quali sintesi, classificazione e annotazione assistita, evidenziandone potenzialità e limiti.
  2. La seconda parte ha carattere applicativo. Gli studenti saranno guidati nell’organizzazione di dataset testuali digitali e nell’applicazione di tecniche di analisi di contenuto mediante strumenti open-source o free-to-use. L’attività laboratoriale culminerà nella realizzazione di un progetto di gruppo finalizzato alla costruzione e documentazione di un semplice protocollo di ricerca, con discussione critica dei risultati e dei limiti metodologici.

Esame

Il raggiungimento degli obiettivi del corso sarà verificato tramite un elaborato finale, nel quale lo studente potrà dimostrare la propria capacità di rielaborare criticamente i contenuti appresi e/o di applicare le competenze pratiche acquisite durante il corso.

La votazione finale potrà essere integrata da un esame orale facoltativo.

Bibliografia

  • Woo, S. E. E., Tay, L. E., & Proctor, R. W. (2020). Big data in psychological research. American Psychological Association (alcuni capitoli indicati a lezione).
  • Grimmer, J., & Stewart, B. M. (2013). Text as data: The promise and pitfalls of automatic content analysis methods for political texts. Political Analysis, 21(3), 267–297.
  • Chancellor, S., & De Choudhury, M. (2020). Methods in predictive techniques for mental health status on social media: A critical review. npj Digital Medicine, 3, 43.
  • Volkmer, S., Meyer-Lindenberg, A., & Schwarz, E. (2024). Large language models in psychiatry: Opportunities and challenges. Psychiatry Research, 339, 116026.
  • Settanni, M., Quilghini, F., Toscano, A., & Marengo, D. (2025). Assessing the accuracy and consistency of large language models in triaging social media posts for psychological distress. Psychiatry Research, 351, 116583.
  • Slide e materiali forniti dal docente.
Via Filippo Argelati 40, 20143 Milano
Lun - Ven 9:00 - 18:00
02-83241854
Contattaci
SFU

SFU Milano

  • La Sede di Milano
  • Facoltà di Psicologia
  • Regolamenti
  • Docenti
  • Gender Equality Plan

Corsi di Laurea

  • Bachelor of Science in Psicologia
  • Master of Science in Psicologia
  • Prenota il Colloquio
  • Il Mestiere dello Psicologo

Il Mondo SFU

  • Open Day
  • Eventi
  • Blog

Seguici sui social

  • Facebook
  • TikTok
  • Telegram
  • Instagram
  • YouTube
© 2026 by Sigmund Freud Privat Universität Wien GmbH. Tutti i diritti riservati
#SFUMILANO#BESFU
C.F.: 13386350964REA: MI-2720093PEC milano-sfu@pec.itIBAN: IT 76 Z 05034 01690 000000003942
Privacy PolicyCookie PolicyWhistleblowing