Foto Paolo Terenziani

Paolo TERENZIANI

 
Macro struttura
 
SSD INF/01
Matricola 000106

Impegni settimanali

Contatti

Ricevimento e Altre Informazioni

Su appuntamento da fissare via e-mail

A. A. 2012 / 2013
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 6
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: INF/01
CFU: 6
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: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2017 / 2018
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
A. A. 2018 / 2019
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
A. A. 2020 / 2021
Annuale
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Primo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
A. A. 2021 / 2022
Annuale
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Primo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
A. A. 2019 / 2020
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
A. A. 2022 / 2023
Annuale
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Primo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2023 / 2024
Annuale
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Primo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica

Pubblicazioni

Ricerca

Indeterminatezza temporale, eventi ripetuti e\o periodici, ed ulteriori evoluzione delle basi di dati temporali.Le basi di dati temporali permettono di gestire in modo appropriato e teoricamente fondato le problematiche relative all’introduzione della dimensione temporale nelle basi di dati relazionali. Nonostante la ricerca in tale ambito duri da circa trenta anni, ed abbia conseguito rilevanti risultati, rimangono tuttavia numerosi problemi aperti per la ricerca. Paolo Terenziani ha recentemente affrontato alcuni di tali problemi, fra i quali: (i) il trattamento dell’indeterminatezza temporale (ovvero dei casi in cui le informazioni temporali associate ai dati risultino essere non precise), (ii) il trattamento di fatti validi al tempo corrente (ovvero, del “now”), (iii) il trattamento di fatti ripetuti e\o periodici, (iv) il trattamento di proposte e valutazioni di update ad una base di dati temporale, (v) il trattamento della distinzione telico\atelico.Tali tematiche sono state affrontate mediante una metodologia omogenea, che contempla l’analisi della semantica dei dati, lo sviluppo di innovativi modelli relazionali per la loro rappresentazione, lo sviluppo di algebre relazionali operanti su tali rappresentazioni, l’analisi delle proprieta’ formali di modelli ed algebre proposti e, ove opportuno, una implementazione e valutazione sperimentale dell’approccio.

Sistemi di supporto alla decisione medica basati su linee guida. Le linee guida cliniche rappresentano i migliori profili di cura per le malattie, cosi’ come studiati dalla evidence-based medicine. L’adozione di sistemi informatizzati per la loro gestione permette lo sviluppo di sistemi di supporto alla decisione medica altamente “qualificati”, ed in grado di fornire ai medici raccomandazioni “evidence-based”.  A partire dal 1997, Paolo Terenziani ha collaborato con l’Azienda Ospedaliero-Universitaria San Giovanni Battista di Torino nel progetto GLARE, per lo sviluppo di un prototipo di sistema software indipendente dal dominio per l’acquisizione, la rappresentazione e l’esecuzione di linee guida cliniche. GLARE si distingue dagli approcci similari in letteratura per i supporti avanzati forniti al fine di facilitare le decisioni del medico, per il trattamento avanzato di problematiche temporali, e per la verifica delle linee guida acquisite, mediante model-checking. Recentemente, GLARE e’ stato esteso per il trattamento di comorbidita’, ed e’ in corso di sviluppo META-GLARE un meta-sistema per lo sviluppo semi-automatico di sistemi per la gestione di linee guida computerizzate, basato su GLARE.

Process mining ed information retrieval su tracce\serie temporali . In molti ambiti applicativi viene tenuta traccia dei processi (ad esempio, processi aziendali, od ospedalieri) e dell’evoluzione dei dati (ad esempio, della pressione arteriosa)  sotto forma di log (di processi) o serie temprali (di valori dei dati). In questo contesto, Paolo Terenziani sta affrontando due tematiche di particolare importanza: il reperimento di serie o tracce di processi, e l’astrazione di modelli astratti di processi dai log. In entrambi gli ambiti, l’attenzione si sta focalizzando sulla possibilita’ di lavorare a differenti livelli di astrazione, e sulla definizione e l’utilizzo di indici per aumentare l’efficienza degli approcci proposti.

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

Temporal indeterminacy, repeated and\or periodic events, and further evolutions of temporal databases.Temporal databases support an appropriate and theoretically-gounded treatment of the problems arising from the introduction of the temporal dimension in the relational model. Although the research in the area has started more than 30 years ago, and has achieved many outstanding results, several research open problems still persist. Paolo Terenziani is currently facing some of them, including (i) the treatment of temporal indeterminacy (i.e., of situations in which the temporal pieces of information associated with data are not precise), (ii) the treatment of “now-related” facts, (iii) the treatment of repeated and\or periodic facts. The treatment of proposal vetting, and the treatment of the telic\atelic distinction. Paolo Terenziani has faced all such issues though an homogeneous methodology, consisting of the following steps: semantic analysis, development of new relational models, development of relational algebrae coping with them, formal analysis of the properties of models and algebrae, and, when appropriate, implementation and experimental evaluation.

Medical decision support systems based on clinical guidelines. Clinical guidelines represent the best procedures to treat diseases, as pointed out by the evidence-based medicine. The adoption of computer-based tools to manage clinical guidelines is the basis for the definition of highly qualified decision support systems, that provide physicians with appropriate evidence-based recommendations. Since 1997, Paolo Terenziani collaborates with Azienda Ospedaliero-Universitaria San Giovanni Battista of Torino within the GLARE project, for developing a prototype of a domain-independent software system for the acquisition, representation and execution of clinical guidelines. Among similar approaches in literature, GLARE stands out for the advanced support for helping physicians in decision-making activities, for the advanced treatment of temporal phenomena and for the verification of acquired clinical guidelines by means of model-checking techniques. Recently, GLARE has been extended to deal with comorbidities. META-GLARE, a meta-system for the semi-automatic development of systems coping with computerized clinical guidelines, is currently under development, as an evolution of the GLARE project.

Process mining ed information retrieval on process logs and time series. In many application area, the processes being executed and the temporal evolutions of data are recorded, in the form of (process) logs or time series. In such a context, Paolo Terenziani is currently facing two main topics: the retrieval of series or process traces, and the mining of process models from the logs. In both such contexts, he is focusing his research activity on the development of techniques to operate at multiple level of abstractions, and to achieve efficiency through the identification and use of proper indexing structures.