News e storie

Storie

Gaetana Genghi e Umberto Ciavattone raccontano come hanno vinto l’Hack.gov.

Pubblicato il 17/05/2019 scaduto
Clicca per ingrandire

Il nostro percorso, cominciato ad Aprile 2018 con l’Ios Foundation Program dell’Università degli Studi di Napoli “L’Orientale” e proseguito con la Apple Developer Academy dell’Università degli Studi di Napoli Federico II, ci ha permesso di sviluppare competenze e conoscenze che non saremmo stati in grado di acquisire altrimenti.

Grazie al programma Foundation ci siamo avvicinati in modo sicuro al mondo dello sviluppo, che ci ha permesso, inoltre, di affrontare con maggiore semplicità la Apple Developer Academy.

Entrambi i programmi prevedono un metodo di apprendimento differente da quello professore-studente al quale siamo abituati, preferendo più un approccio di tipo “orizzontale” dove è si presente un mentore che ti guida, ma non si pone mai come un superiore.

Di conseguenza, durante quest’anno, abbiamo potuto scoprire e approfondire l’importanza del “learning by doing” e dell’autoapprendimento interagendo in gruppi di lavoro caratterizzati dall’interdisciplinarità incentrata su argomenti quali coding, design e marketing.

Indubbiamente il nostro background universitario, di tipo umanistico, ci ha permesso di approcciare in maniera differente questi argomenti e di affrontare con una prospettiva diversa le varie sfide che ci siamo trovati ad affrontare, da quelle in Foundation fino ad arrivare all’Hack.gov.

Hack.gov è il più grande hackathon italiano sulla pubblica amministrazione che si è tenuto il 4 e il 5 maggio presso l’Apple Developer Academy di Napoli, nato dalla collaborazione tra quest’ultima, l’Agi Agenzia Italia e la Regione Campania, dove studenti provenienti da vari Paesi si sono sfidati in varie challenge durante una maratona di 48h. Ogni sfida è stata promossa da diversi enti quali Eni, Tim, Soresa, Tecno etc.

È stato questo, quindi, il primo reale banco di prova che ci ha permesso di mettere in pratica tutto quello che “L’Orientale”, la Foundation e l’Academy ci hanno trasmesso e che hanno reso possibile la vittoria di questo contest.

 

Gaetana Genghi, laureata in Beni archeologici, ha partecipato alla sfida lanciata da Tecno srl e Museo e Real bosco di Capodimonte dal titolo Protection of artworks con il gruppo Caterpillars, composto oltre che da lei anche da Simone Autiero, Domenico Sepe e Salvatore Ambrosio. La sfida lanciata riguardava la realizzazione di una possibile soluzione che grazie al supporto di sensori fosse in grado di prelevare e condividere informazioni, di registrare parametri come umidità, temperatura e prossimità e che infine fosse in grado di inviare le informazioni tramite notifiche (app o web) agli operatori addetti. Giano, il sistema sviluppato, è costituito da sensori non invasivi che saranno posti accanto ogni opera, da un software di gestione dei dati relativi ai sensori, da un’app di controllo ad uso del personale amministrativo e di sorveglianza del museo e da un’app audio-guida disponibile gratuitamente per i visistatori. Il software cattura ed elabora i dati ricevuti dai suddetti sensori mandando notifiche sullo stato delle opere al personale attraverso un’app.

 

Umberto Ciavattone, laureato in Mediazione linguistica e culturale, ha partecipato alla sfida lanciara da So.Re.Sa. dal titolo Healthcare system improvement con il team Mambo N. 5, composto da lui, Antonio Elefante, Fabrizio Pezzella, Vincenzo Di Gennaro ed Eleonora Della Porta. L’obiettivo era di sviluppare una soluzione in grado di analizzare i dati sanitari relativi all’indice LEA, che descrive i livelli essenziali di assistenza, e di rivelare strumenti adeguati per l’amministrazione della salute pubblica. Il gruppo ha sviluppato Andante, una piattaforma per l’amministrazione degli ospedali ed ASL, per gestire gli indici di riferimento LEA in modo intelligente e intuitivo. La piattaforma, con una interfaccia semplice ed accessibile per mostrare analitiche dei dati complessi responsabili per l’indice LEA, predice, confronta e mette in correlazione gli indici tra di loro e tra quelli delle varie aziende ospedaliere. La piattaforma usa una rete neurale di tipo long-short term memory per effettuare predizioni. Modificando i valori di input è possibile vedere come differenti investimenti apporteranno modifiche all’indice LEA.