PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

Estensione di una piattaforma web di e-voting tramite supporto OCR

azienda Thesis in external company    


keywords OCR, USER EXPERIENCE, USER INTERFACE, WEB, WEB APPLICATIONS, WEB DESIGN

Reference persons LUIGI DE RUSSIS

External reference persons Mirko Landolfo (Pro Logic Informatica)

Research Groups DAUIN - GR-10 - Intelligent and Interactive Systems - e-LITE

Thesis type EXPERIMENTAL

Description Eleweb è una soluzione di e-voting in costante evoluzione utilizzata fin dal 1999 ad oggi da Torino, Milano, Trieste, Latina, Benevento, Regione Marche e comuni >50k abitanti. L’applicativo è altamente personalizzabile per la raccolta dei dati elettorali scrutinati dai Presidenti di Seggio, essendo una piattaforma completa che integra e gestisce tutto il processo pre e post elettorale per Regioni o per i Comuni e per altri Enti pubblici e privati che eleggono i propri rappresentanti.

L'obiettivo della tesi è quello di studiare ma soprattutto realizzare una interfaccia flessibile e adattabile applicando i metodi e le metodologie di ultima generazione di User Experience e User Interface (UX/UI) per favorire l’interazione tra l’utente e l’applicativo, integrando un modulo di scansione OCR (OpenSource) e gestendo le difficoltà di riconoscimento caratteri, anticipando eventuali criticità nella comprensione delle pagine da un vasto numero di utenti. Inoltre, le soluzioni dovranno essere testate con degli stress test di carico per evidenziare le migliori scelte in termini di efficienza ed efficacia tra FrontEnd e BackEnd.

L’applicativo è già oggetto di studio da parte di diversi comuni italiani, pertanto l’azienda metterà in contatto la/lo studente con gli utenti comunali per lo svolgimento dei test.

See also  eleweb raccolta dati elettorali-proposte di tesi di laurea.pdf 

Required skills Conoscenze approfondite di sviluppo di web app e responsive design (HTML5, CSS3, Bootstrap, JavaScript, PHP).
Trattamento dati su database relazionali (PostGres).
Conoscenze in materia di Machine Learning (opzionali).


Deadline 28/03/2023      PROPONI LA TUA CANDIDATURA