Foto Laura Giordano

Laura GIORDANO

 
Macro struttura
 
SSD INF/01
Matricola 000101
0131 360 160   (int.: 3160)
0131 360 198

Impegni settimanali

Contatti

0131 360 160   (int.: 3160)
0131 360 198

Ricevimento e Altre Informazioni

Prossimi ricevimenti:

Giovedì 26 ore 10:30-12

o su appuntamento.


A. A. 2012 / 2013
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: MAT/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2013 / 2014
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: MAT/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2014 / 2015
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2015 / 2016
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: MAT/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2016 / 2017
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2017 / 2018
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2018 / 2019
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2019 / 2020
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica

Pubblicazioni

Ricerca

Logiche Descrittive e ragionamento non monotono. Questa attività si è svolta nell’ambito dei progetti: INDAM - GNCS 2015 "Logiche Descrittive e Ragionamento Non Monotono" e INDAM - GNCS 2016 "Ragionamento Defeasible nelle Logiche Descrittive” e nel progetto PRIN 2008  "Logiche Descrittive Nonmonotone: Complessità e implementazioni (LoDeN)". Si sono definite logiche descrittive preferenziali introducendo una nozione di "tipicalità" allo scopo di  modellare proprietà prototipali dei concetti di un'ontologia in OWL e di catturare l'ereditarietà con eccezioni.  Per quanto riguarda i meccanismi di ragionamento si sono utilizzati metodi di prova basati sui tableaux e costruzioni quali la Rational Closure, utilizzando codifiche delle logiche preferenziali nelle logiche standard.

Model checking in ASP. Si è definita un’estensione temporale di ASP per ragionare sull’esecuzione di azioni complesse e computazioni infinite, sviluppando tecniche di Bounded Model Checking in ASP per la verifica di proprietà temporali di un dominio.

Verifica di conformità di processi di business. Questa attività è iniziata nel progetto della Regione Piemonte "ICT4LAW: ICT Converging on Law: Next Generation Services for Citizens, Enterprises, Public Administration and Policymakers” (2009-2013) in cui si è affrontato il problema di verificare la conformità (compliance) dei processi di business alle norme. Partendo dai processi di business specificati in YAWL, si utilizzato ASP con constraints per modellare i dati e l'astrazione sui dati nella verifica dei processi.  Inoltre, è stato sviluppato un approccio per rappresentare le principali tipologie di obblighi utilizzate nella verifica di conformità dei processi.

Verifica di linee guida mediche. Tecniche di model checking LTL sono state utilizzate nella verifica di linee guida mediche e, in particolare,  di linee guida cliniche specificate in GLARE. Recentemente è stato utilizzato un approccio basato su Answer Set Programming per la verifica di conformità di singole esecuzioni rispetto alle linee guida e conoscenza medica di base espressa anche mediante ontologie mediche.

-------------------------------------------------------------------------------

Description Logics and  Non Monotonic Reasoning. This activity  has been part of the projects: INDAM - GNCS 2015 "Description Logics and  Non Monotonic Reasoning" e INDAM - GNCS 2016 "Defeasible Reasoning in Description Logics”  and of the project PRIN 2008 :" Nonmonotonic Description Logics: Complexity and implementations (LoDeN)".  Preferential description logics have been developed, defining a notion of typicality, to model prototypical properties of concepts in an OWL ontology and to capture inheritance with exceptions. Proof methods have been developed through tableaux as well as through the Rational Closure construction, exploiting encoding of the preferential DLs into standard DLs.

Model checking in ASP. A temporal extension of ASP has been defined for reasoning in action theories with complex actions and infinite computations. Bounded Model Checking techniques have been developed in ASP for the verification of temporal properties of actions domains.

Business processes  compliance verification. This activity  was part of the project of the  Regione Piemonte "ICT4LAW: ICT Converging on Law: Next Generation Services for Citizens, Enterprises, Public Administration and Policymakers” (2009-2013). The problem of compliance of business processes to norms has been addressed using ASP with constraints to model data aware processes and data abstraction in process verification. Different kinds of obligations have been considered, useful in the verification of compliance to normative requirements. 

Clinical Guidelines verification. Model checking techniques have been used in the verification of clinical guide lines and, in particular, of clinical guidelines in GLARE. Recently, an approach based on su Answer Set Programming has been proposed for the verification of clinical guidelines when basic medical knowledge also includes terminological knowledge, represented by medical ontologies.