The original intention of the recommender system is to solve the problem of information explosion, hoping to help users find the content they need more efficiently. In an e-commerce platform, users typically interact with items that they are interested in or need in a variety of ways. For example, buying, browsing details, etc. These interactions are recorded as time-series information. How to use this sequential information to predict user behaviors in the future and give an efficient and effective recommendation is a very important problem. For content providers, such as merchants in e-commerce platforms, more accurate recommendation means higher traffic, CTR (click-through rate), and revenue. Therefore, in the industry, the CTR model for recommendation systems is a research hotspot. However, in the fine ranking stage of the recommendation system, the existing models have some limitations. No researcher has attempted to predict multiple behaviors of one user simultaneously by processing sequential information. We define this problem as the multi-task sequential recommendation problem. In response to this problem, we study the CTR model, sequential recommendation, and multi-task learning. Based on these studies, this paper proposes AMBSN (Attention-based Multi-Behavior Sequential Network). Specifically, we added a transformer layer, the activation unit, and the multi-task tower to the traditional Embedding&MLP (multi-layer perceptron) model. The transformer layer enables our model to efficiently extract sequential behavior information, the activation unit can understand user interests, and the multi-task tower structure makes the model give the prediction of different user behaviors at the same time. We choose user behavior data from Taobao for recommendation published on TianChi as the dataset, and AUC as the evaluation criterion. We compare the performance of AMBSN and some other models on the test set after training. The final results of the experiment show that our model outperforms some existing models. / L’intenzione originale del sistema di raccomandazione è risolvere il problema dell’esplosione delle informazioni, sperando di aiutare gli utenti a trovare il contenuto di cui hanno bisogno in modo più efficiente. In una piattaforma di e-commerce, gli utenti in genere interagiscono con gli articoli a cui sono interessati o di cui hanno bisogno in vari modi. Ad esempio, acquisti, dettagli di navigazione, ecc. Queste interazioni vengono registrate come informazioni di serie temporali. Come utilizzare queste informazioni sequenziali per prevedere i comportamenti degli utenti in futuro e fornire una raccomandazione efficiente ed efficace è un problema molto importante. Per i fornitori di contenuti, come i commercianti nelle piattaforme di e-commerce, una raccomandazione più accurata significa traffico, CTR (percentuale di clic) ed entrate più elevati. Pertanto, nel settore, il modello CTR per i sistemi di raccomandazione è un hotspot di ricerca. Tuttavia, nella fase di classificazione fine del sistema di raccomandazione, i modelli esistenti presentano alcune limitazioni. Nessun ricercatore ha tentato di prevedere più comportamenti di un utente contemporaneamente elaborando informazioni sequenziali. Definiamo questo problema come il problema di raccomandazione sequenziale multi-task. In risposta a questo problema, studiamo il modello CTR, la raccomandazione sequenziale e l’apprendimento multi-task. Sulla base di questi studi, questo documento propone AMBSN (Attention-based Multi-Behavior Sequential Network). In particolare, abbiamo aggiunto uno strato trasformatore, l’unità di attivazione e la torre multi-task al tradizionale modello Embedding&MLP (multi-layer perceptron). Il livello del trasformatore consente al nostro modello di estrarre in modo efficiente le informazioni sul comportamento sequenziale, l’unità di attivazione può comprendere gli interessi degli utenti e la struttura della torre multi-task fa sì che il modello fornisca la previsione di diversi comportamenti degli utenti contemporaneamente. Scegliamo i dati sul comportamento degli utenti da Taobao per la raccomandazione pubblicata su TianChi come set di dati e l’AUC come criterio di valutazione. Confrontiamo le prestazioni di AMBSN e di alcuni altri modelli sul set di test dopo l’allenamento. I risultati finali dell’esperimento mostrano che il nostro modello supera alcuni modelli esistenti.

L'obiettivo principale del lavoro è stato di valutare il ruolo della neurostimolazione e della multimodalità (intesa come la presentazione visiva di un modello che esegue un movimento assieme a una musica sincrona) nell’apprendimento motorio, indagando sia gli effetti sugli adulti sani sia su pazienti affetti da Morbo di Parkinson (MP). Per raggiungere tale obiettivo, sono state condotte tre ricerche sperimentali e longitudinali, utilizzando diversi strumenti, come tDCS, biofeedback e KinectTM. Partendo da una sistematica revisione della letteratura nel campo della riabilitazione neuromotoria, sono state identificate tre forme di trattamento che sembrano efficaci contro i sintomi motori del MP. Tuttavia, pur riconoscendo la loro efficacia, non sono mai stati combinati nella pratica riabilitativa: l’Action Observation Learning (basato sulla teoria del sistema dei neuroni specchio), la neurostimolazione anodica non-invasiva sulla zona motoria primaria e l'uso della musica. I risultati dimostrano un chiaro sostegno della multimodalità e della neuro stimolazione nella fase di encoding e un loro supporto nel migliorare le funzioni motorie, anche a distanza di un mese. Questo lavoro offre nuove indicazioni per lo sviluppo di approcci innovativi ed efficaci nel campo dell’apprendimento motorio. / The main objective was to assess the role of neurostimulation and multimodality (namely the presentation of a visual model together with a synchronized musical track) in motor learning, by considering both healthy adults and Parkinsonian patients (PD). In order to achieve this goal, three experimental and longitudinal studies were carried out, using different tools such as tDCS, biofeedback and KinectTM. Starting with a systematic review, three innovative approaches which seem to be effective in treating the motor symptoms of PD, were identified. However, while recognizing the effectiveness of these three promising approaches, they have never been combined: Action Observation Learning (based on the theory of mirror neuron system), the non-invasive anodal neurostimulation on the primary motor area and the use of music. The results showed a clear support of multimodality and neurostimulation during the encoding phase and in improving motor functions, even after one month. This work provides new suggestions for innovative and effective treatments in motor learning field.

La Quarta rivoluzione industriale e l’evoluzione tecnologica in atto stanno innescando significativi cambiamenti a livello culturale, sociale ed economico. Le rapide trasformazioni del mondo del lavoro portano in luce l’esigenza di coinvolgere i principali soggetti responsabili di guidare il cambiamento organizzativo e professionale all’interno di un percorso di ricerca partecipata e collaborativa, capace di esplicitare e descrivere diversi modi di affrontare le esperienze connesse ai mutamenti in corso. All’interno di questo contesto, il lavoro di tesi intende contribuire a delineare la nuova cultura del lavoro che sta emergendo da alcune pratiche innovative, presenti all’interno del nuovo ecosistema educativo e formativo. La ricerca scientifica, iniziata nel settembre 2019 e conclusa nel settembre 2020, si articola in quattro domande: Come sta cambiando il contesto nel quale viviamo e lavoriamo? Come si sta trasformando la cultura del lavoro? Quali Driver ne facilitano l’apprendimento? Gli elementi della cultura del lavoro sono utili anche alla luce di una nuova trasformazione radicale e improvvisa? Le risposte intendono fornire alcuni spunti di riflessione e un primo orientamento pratico per tutti coloro i quali sono coinvolti in prima persona nella costruzione di nuove soluzioni per l’apprendimento, volte a trasferire valore ai cittadini e ai lavoratori di domani. / The Fourth Industrial Revolution and the technological evolution in place are originating significant changes in culture, society and economy. Rapid transformations in the world of work revealed the need of involving the main subjects in charge of driving both organizational and professional change toward an engaging and collaborative research path, able to make clear and describe different ways to face the experiences connected with the undergoing changes. Within this context, the thesis aims at contributing in outlining the new work culture emerging from some innovative practices, present in the new educational and training ecosystem. The scientific research, started in December 2019 and concluded in September 2020, is articulated in four questions: How is the context in which we live and work changing? How is the work culture undergoing transformations? Which Drivers do facilitate its understanding? Are the elements of the work culture useful also in the light of a new radical and unexpected transformation? The answers intend to provide some points for reflection and a first practical guidance for all those who are directly involved in the creation of new learning solutions, aimed at transferring value to citizens and workers of tomorrow.

L'obiettivo del presente lavoro è quello di esaminare criticamente le prospettive teoriche più note sul problema delle relazioni tra sviluppo concettuale del bambino ed acquisizione della prima lingua. Per quanto il lavoro si concentri in particolare sullo sviluppo della componente lessicale, ovvero sul legame tra concetti e apprendimento delle parole con cui gli stessi vengono codificati, verranno necessariamente trattati anche alcuni aspetti relativi alla competenza morfologica e sintattica. Dopo aver presentato sinteticamente le principali teorie proposte nell'ambito della linguistica acquisizionale e della psicologia dello sviluppo, procederemo ad una problematizzazione e discussione dei punti critici delle stesse alla luce dei risultati ottenuti in sede sperimentale negli ultimi anni. Partendo dalla consapevolezza che nell'ambito della linguistica, forse ancor più che in altre discipline, il contrasto tra impostazioni teoriche diverse si traduce spesso in discrepanze significative nell'interpretazione degli stessi dati empirici, abbiamo cercato di dare lo stesso spazio ai vari orientamenti teorici. L'obiettivo di questa tesi, infatti, non è quello di dare giudizi di merito sulla validità di una teoria in quanto tale rispetto ad un'altra, quanto di discutere in modo trasversale i nodi più problematici delle varie teorie e le implicazioni delle stesse. Questo intento è particolarmente evidente nelle conclusioni della tesi, strutturate intorno ad una serie di domande di ricerca. / This work provides a critical overview of the major theoretical perspectives on the relationships between conceptual development and first language acquisition. While our focus is on lexical development (ie. on the relation between learning a word and acquiring the relevant concept), we will also touch on some aspects which pertains more specifically to morphological and syntactical development. After briefly introducing the major theories developed in the field of first language acquisition and developmental psychology, we will discuss them in the light of experimental data collected in recent years. As the same empirical findings tend to be interpreted in completely different ways, in our work we tried to give voice to authors supporting different views. Our goal is not to assess the merits of these theores as such, but to take this comparison as an opportunity to discuss the implications and issues thereof. This will be particularly clear in the Conclusions of our work, which are structured as a series of research questions.