Log In
Non hai un account? Registrati
I dati inseriti non sono corretti.
Usa un account esistente:
Mohammed Elshendy è candidato all’edizione 2017 del premio Giovani Innovatori
La ricerca di Elshendy si propone di utilizzare i grandi pool di dati prodotti online in generale, e nella sfera dei social media in particolare, per proporre nuovi segnali di sensibilizzazione economica e sociale.
Di MIT Technology Review Italia il 31-05-17
Il candidato

Mohammed Elshendy è nato il 20 ottobre 1988 e attualmente risiede a Roma.

Nel 2011 ha conseguito la laurea in Mechanical Engineering presso la Helwan University, Cairo, Egitto.

Nel 2009 ha compiuto uno stage come ingegnere meccanico presso la Techint Engineering and Construction, Milano.

Dal novembre 2013 è stato Graduate Research Assistant presso la Università di Roma Tor Vergata, dove, nel gennaio 2017 ha conseguito il Ph.D. in Engineering Management.

Attualmente è impegnato su tre importanti progetti di ricerca: monitoraggio delle notizie economiche per la elaborazione di scenari previsionali, in particolare nel settore dei prodotti petroliferi; analisi dei flussi informativi online, con riferimento agli andamenti finanziari; identificazione delle voci più influenti nelle reti sociali, in collaborazione con il Massachusetts Institute of Technology e l’Huffington Post.

Il progetto

Di fronte ai progressi tecnologici, l’utilizzazione dell’analisi dei social networks, per quanto concerne la diffusione della innovazione e lo sviluppo socioeconomico, sta attirando l’attenzione accademica e aziendale in vari settori del business e delle discipline scientifiche.

A questo proposito, la ricerca di Elshendy si propone di utilizzare i grandi pool di dati prodotti on line in generale, e nella sfera dei social media in particolare, per proporre nuovi segnali di sensibilizzazione economica e sociale.

La prima fase del lavoro consiste nel costruire diversi grafici di conoscenza, che rappresentano e analizzano lo stato della “mente collettiva” nei pubblici dei media sociali nel corso di vari anni, applicando le tecniche più innovative di  analisi dei big data, come il machine learning e il text data mining.

In un secondo momento, i segnali estratti vengono convertiti in misure quantitative per realizzare analisi proiettive, utili a prevedere andamenti finanziari (per esempio, i prezzi del petrolio grezzo), andamenti economici (per esempio, l'alternarsi di comportamenti ottimistici e pessimistici nell’area dell'euro) e le loro motivazioni comunicazionali (per esempio, mediante la individuazione delle voci più influenti nelle diverse aree culturali del mondo.
  • Mohammed Elshendy
Advertisement