2. Docenti
  3. ZACCAGNINO ROCCO
  4. Curriculum

Curriculum

Curriculum Docente

Rocco Zaccagnino è Associate Professor (SSD INF/01 - Informatica) dall'Ottobre 2024 presso il Dipartimento di Informatica dell' Università degli Studi di Salerno.

Ha conseguito l'abilitazione nazionale italiana come Assistant professor di Computer Science (Aprile 2021).

Si è laureato con lode in Informatica presso l'Università degli studi di Salerno, con una tesi dal titolo “Molecular computing: Circular Splicing Systems" (Luglio 2004) riguardante lo studio del potere computazionale degli splicing systems.

Ha un Ph.D. in Informatica conseguito presso l'Università degli Studi di Salerno, con la tesi “Music composition algorithms and musical gestures recognition” (Marzo 2012), riguardante l'applicazione di tecniche di Computational Intelligence, tra cui Neural Networks e Evolutionary Computation, al problema della simulazione dell creatività artistica umana, in particolare quella musicale.

I suoi interessi di ricerca sono focalizzati sullo studio dei nature-inspired systems, cioè quell'insieme di metodologie e modelli computazionali ispirati alla natura e ai processi biologici, definiti per affrontare problemi reali complessi per i quali gli approcci tradizionali sono spesso inefficaci, e per i quali invece esistono numerosi esempi di sistemi biologici che, opportunamente utilizzati ed emulati, sono in grado di costruire soluzioni soddisfacenti in tempi accettabili, soprattutto dal punto di vista applicativo. Questa idea di ispirarsi e imitare gli aspetti naturali ha una collocazione precisa all'interno dell'IA, e prende il nome di Computational Intelligence, il cui obiettivo è appunto lo studio dei sistemi ispirati alla natura, e che comprende Neural Networks, Evolutionary Computation, and Fuzzy systems.

La forte competenza sui linguaggi formali, sulla combinatoria delle parole e sull'intelligenza computazionale ha portato la sua attività di ricerca a concentrarsi su due direzioni principali. La prima, prevalentemente teorica, con particolare attenzione ai sistemi di splicing e alle proprietà combinatorie delle fattorizzazioni basate su Lyndon. Il secondo, principalmente applicativo, incentrato sulla definizione di modelli di calcolo non convenzionali ispirati alla bio per il creative dna computing e la riproduzione della creatività degli esseri umani.

L'esperienza acquisita, soprattutto nell'utilizzo di tecniche di machine e deep learning, è stata sfruttata nel tempo anche in diversi ambiti scientifici, quali Computer Music, Linguaggi formali, Computational Intelligence, Techno-regulation and Privacy, AI and Security, e Visualization.

Direzione o partecipazione alle attività di un gruppo di ricerca caratterizzato da collaborazioni a livello nazionale o internazionale

  • DIREZIONE DELLE ATTIVITÀ DI UN GRUPPO DI RICERCA RESPONSABILE SCIENTIFICO
  1. Computer Music Laboratory (https://music.di.unisa.it/, https://docenti.unisa.it/023039/ricerca/laboratori?id=125), laboratorio di ricerca del Dipartimento di Informatica dell'Università degli Studi di Salerno. Il laboratorio si occupa di temi al confine fra la Computer Science, la Musica e altri settori della Scienza con l'obiettivo di studiare la capacità delle macchine intelligenti di essere anceh creative, cioè di essere in grado di simulare la creatività degli esseri viventi. Le intersezioni oggetto di interesse sono diverse: (a) Creative AI, (b) Generative Music, (c) Computational Intelligence in Music (d) Human-Computer Interaction for Inclusive Machine Creativity. Gli argomenti didattici e di ricerca trattati dal gruppo toccano temi quali: AI(machine e deep learning, natural language processing, text mining, evolutionary algorithms), Visual Analytics & Visual Knowledge Discovery, Computational Creativity, e IoT. Nello specifico, ROCCO ZACCAGNINO: (i) Ha instaurato varie collaborazioni, alcune delle quali includono: Yamaha Corporation (protocollo di Intesa con Dipartimento di Informatica dell'Università degli Studi di Salerno), Azienda Sanitaria Locale di Benevento (convenzione con Dipartimento di Informatica dell'Università degli Studi di Salerno), Dipartimento di Informatica, Sistemistica e Comunicazione, (Università degli Studi di Milano Bicocca), Dipartimento di Diritto, Economia, Management e Metodi Quantitativi (Università degli Studi del Sannio), Conservatorio di Musica di "San Pietro a Majella" (Napoli), Conservatorio Statale di Musica "Nicola Sala" (Benevento), Conservatorio di Musica "Giuseppe Martucci" (Salerno), Conservatorio Statale di Musica "Carlo Gesualdo Da Venosa" (Potenza), (ii) RESPONSABILE SCIENTIFICO (Ph.D. ADVISOR) dello studente di dottorato Daniele Salerno, Dottorato di Ricerca in Informatica, Ciclo: XL, Curriculum "Internet of Things and Smart Technologies", Università degli Studi di Salerno. Progetto: "Inclusive Machine Creativity: AI and IoT systems as Assistive Technologies in Music Contexts". Periodo: 1 Novembre - 31 Ottobre 2027, (iii) Supporta il lavoro di tesi di studenti della Triennale e Magistrale in Informatica. È sia relatore che corelatore di varie tesi sui seguenti argomenti: Creative AI, Generative Music, Computational Intelligence, Human-Computer Interaction, Information Visualization, Intelligenza Artificiale e Machine Learning. Tra gli ultimi argomenti di tesi: sviluppo di sistemi e applicazioni basati su interfacce innovative per consentire a persone fragili, tra cui bambini, anziani, e persone affette da disabilità (ad esempio motorie o visive) di svolgere attività creative/performative a scopo terapeutico; sviluppo di sistemi di Recommendation e Ambient Intelligence systems, basati su tecniche di Machine Learning e Evolutionary Computation, che forniscono la musica adatta (composta ad-hoc o selezionata da Spotify) ai cambiamenti dell'ambiente circostante o allo stato emotivo e preferenze dell'utente, (iv) Fornito attività didattica per corsi di laurea magistrale in Informatica: è titolare, dall'anno accademico 2022-2023 del corso "Algorithmic Music and Sound Composition", all’interno del Corso di Laurea Magistrale in Informatica, presso il Dipartimento di Informatica, Università degli Studi di Salerno.
  2. RESPONSABILE SCIENTIFICO di EdgeLab (http://edgelab.unisa.it, https://docenti.unisa.it/023039/ricerca/laboratori?id=682), laboratorio di ricerca del Dipartimento di Informatica dell'Università degli Studi di Salerno. Il laboratorio si occupa di temi al confine fra la Computer Science e altri settori della Scienza con attenzione tanto agli aspetti teorico-metodologici quanto agli scenari applicativi. Le intersezioni oggetto di interesse sono diverse: (a) Computer science e scienze sociali, (b) Computer Science e diritto, (c) Computer Science e biologia, (d) Computer Science, arte e musica. Gli argomenti didattici e di ricerca trattati dal gruppo toccano temi quali: Computational Social Science, Computational Legal Science, (Social) Network Analysis, AI(machine e deep learning, natural language processing, text mining, evolutionary algorithms), Techno-regulation and Privacy, Visual Analytics & Visual Knowledge Discovery, Social Networks and Media Analysis, Computational Creativity. Nello specifico, ROCCO ZACCAGNINO: (i) Ha instaurato varie collaborazioni, alcune delle quali includono UCLA Fielding School of Public Health (University of Los Angeles), Dipartimento di Informatica, Sistemistica e Comunicazione (Università degli Studi di Milano Bicocca), Dipartimento di Diritto, Economia, Management e Metodi Quantitativi (Università degli Studi del Sannio), Dipartimento di Studi Umanistici. Lettere, Beni Culturali, Scienze della Formazione (Università di Foggia), Istituto Nazionale per l’Analisi delle Politiche Pubbliche (INAPP) Roma, (ii) È RESPONSABILE SCIENTIFICO (Ph.D. ADVISOR) degli studenti di dottorato (a) Gerardo Benevento. Dottorato di Ricerca in Informatica, Ciclo: XXXIX, Curriculum "Internet of Things and Smart Technologies" (con diritto a borsa di studio finanziata
    dal progetto Dipartimenti di Eccellenza, 2018-2022), Università degli Studi di Salerno. Progetto: "Formal Methods and Machine Learning techniques for Chimeric RNAs and oncogenic gene FUSIONs detection". Periodo: 1 Aprile 2024 - 31 Marzo 2027, (b) Luigi Lomasto. Dottorato di Ricerca in Informatica, Ciclo: XXXIX, Curriculum "Computer Science and Information Technology", Università degli Studi di Salerno. Progetto: "Analizzare e comprendere il fenomeno della disinformazione online, mediante tecniche di Computational Social Science". Periodo: 1 Novembre 2023 - 31 Ottobre 2026, (c) Alessia Ture. Dottorato di Ricerca in Informatica, Ciclo: XLI., Università degli Studi di Salerno. Progetto: "Deep Learning for Conditional Average Treatment Effects (CATE) estimation". Periodo: 1 Novembre 2025 - 31 Marzo 2028; (iii) Supporta il lavoro di tesi di studenti della Triennale e Magistrale in Informatica. È sia relaore che corelatore di varie tesi sui seguenti argomenti: Techno-regulation, Web Privacy, Social Network Analysis; Information Visualization; Intelligenza Artificiale e Machine Learning; Social Media Analysis, Data Mining, BioInformatica, e Computational Biology; Sviluppo di sistemi e applicazioni basati su interfacce innovative (Leap Motion, Kinect, Oculus Rift); sviluppo di applicazioni mobili per Android e iOS (Location-based services, content adaptation, privacy, ecc.); analisi e sviluppo di contromisure e sistemi di awareness relativi a fenomeni di Hate Speech e Fake News; Digital Health, (iv) Ha fornito attività didattica per corsi di dottorato in Informatica: è stato titolare, dall'anno accademico 2019-2020 all'anno accademico 2023-2024, del corso di dottorato "Computational Intelligence & Techno-regulation. Paradigms, methods, tools", all’interno del Dottorato in Informatica (dal ciclo XXXIV ciclo al ciclo XXXVIII), presso il Dipartimento di Informatica, Università degli Studi di Salerno.
  • PARTECIPAZIONE COME COMPONENTE A PROGETTI NAZIONALI:
  1. MEMBRO dell’unità di Salerno del progetto MIUR PRIN 2010-2011 “Automi e Linguaggi Formali: Aspetti Matematici e Applicativi”.
  2. Progetto "SEcurity and RIghts in the CyberSpace (SERICS)'', codice PE00000014 – CUP D43C22003050001. "Secure and TRaceable Identities in Distributed Environments (STRIDE)'', secondo la proposta progettuale approvata dal MUR nell’ambito dello "Spoke 5: Cryptography and Distributed Systems Security (UNISA)". Descrizione del progetto: Il progetto si occupa principalmente di attività di ricerca nei domini della crittografia e della sicurezza dei sistemi distribuiti. A causa della vastità di questi domini e per individuare obiettivi concreti volti a ottenere risultati a lungo termine di alto livello tecnologico con grande beneficio per il Paese, il progetto vede la coesistenza di approcci diversi. Vengono considerate diverse sotto-tematiche (i) primitive e protocolli crittografici, (ii) crittografia fondazionale e crittoanalisi, (iii) crittografia post-quantistica, (iv) identità digitale, autenticazione e accountability, e (v) distributed ledgers e blockchain. Questo per coniugare due anime: la continua ricerca dell’approfondimento della conoscenza (in tutti i campi sopra citati), e l’obiettivo di applicare questo approccio investigativo a sistemi reali. Nel corso della presente iniziativa, ciò sarà realizzato attraverso un unico progetto unificante incentrato sulla nozione di identificazione e tracciamento digitale, interpretando tale nozione anche da prospettive non convenzionali. Tipo di finanziamento: PNRR MUR
    Responsabile Scientifico Spoke: prof. Francesco BUCCAFURRI. Periodo: 1 Gennaio 2023 - 31 Dicembre 2025.
  • PARTECIPAZIONE ALLE ATTIVITÀ DI UN GRUPPO DI RICERCA:
  1. Collaborazione con il gruppo di ricerca composto dalla prof. Clelia De Felice e la prof. Rosalba Zizza sul topic Automata and Formal Languages, presso il Dipartimento di Informatica, Università degli Studi di Salerno. Il gruppo ha una lunga attività di ricerca nel campo della teoria degli Automi e dei Linguaggi Formali. In questo contesto si occupa di problemi al crocevia tra Informatica teorica, Matematica e applicazioni. I principali argomenti di ricerca sono: Automi a stati finiti e Linguaggi Regolari, Codici a lunghezza variabile, Combinazione di parole. Le linee di ricerca sviluppate abbracciano spesso due o più degli ambiti sopra menzionati. Nello specifico sono oggetto di indagine: proprietà strutturali dei codici a lunghezza variabile e relazioni con la teoria degli automi e delle serie formali, relazioni tra codici e combinatoria di parole e gruppi liberi, estensioni della teoria dei codici al caso bidimensionale, proprietà combinatorie e di riconoscibilità dei linguaggi bidimensionali, algoritmi e strutture dati per linguaggi
    bidimensionali, modelli computazionali ispirati alla biologia, applicazioni della combinatoria di parole alla Bioinformatica e alla Compressione dei dati, applicazioni dei sistemi di Splicing alla composizione musicale. Il gruppo ha attivamente COLLABORAZIONI NAZIONALI e INTERNAZIONALI: prof. Valèrie Berthè (CNRS, Universitè Paris Diderot), prof. Paola Bonizzoni (Università degli Studi di Milano Bicocca), prof. Sabrina Mantaci (Università di Palermo), prof. Dominique Perrin (Università di Parigi Est), prof. Antonio Restivo (Università di Palermo), prof. Christophe Reutenauer (Universitè du Quèbec à Montrèal), prof. Giuseppina Rindone (Università Paris Est).
  2. Collaborazione con il gruppo di ricerca di Bioinformatica e Algoritmica Sperimentale ALGOLAB del Dipartimento di Informatica, Sistemi e Comunicazione dell'Università degli Studi di Milano-Bicocca, come membro del progetto di ricerca congiunto MIUR PRIN 2010-2011 "Automata and Formal
    Languages: Mathematical e Aspetti Applicativi" tra l'unità di ricerca di Milano Bicocca (responsabile: prof.ssa Paola Bonizzoni), e l'unità di ricerca dell'Università degli Studi di Salerno. Nello specifico, ricopre il ruolo di MANAGER e TEAM LEADER per l'attività di ricerca riguardante l'applicazione dei metodi di analisi di sequenze e di Combinatoria di Parole alla Bioinformatica. Si occupa dell'attività di tirocinio e di tesi degli studenti delle lauree triennali e magistrali in Informatica. Gli argomenti trattati includono: metodi di fattorizzazione di sequenze per dati NGS (Next Generation Sequencing) massivi e algoritmi combinatori basati su parole per l'analisi di dati NGS. Ha coordinato uno studio il cui obiettivo era indagare l'uso di tecniche di machine learning nel problema di classificazione dei dati RNA-Seq, che consiste nell'assegnare le letture al gene da cui sono state generate. L'idea di base è quella di utilizzare le nozioni di fingerprint e k-finger (sequenze di lunghezze dei fattori delle varie fattorizzazioni di Lyndon) come caratteristiche dei modelli di machine learning. Gli esperimenti hanno portato alla definizione di 2 possibili modelli, e alla creazione di uno strumento chiamato DeepShark (https://github.com/rzaccagnino/DeepShark). I risultati ottenuti hanno dimostrato l'efficacia delle fingerprint come firma delle reads, capace di preservare la somiglianza. Infine ha coordinato uno studio il cui obiettivo è quello di creare un metodo di feature embedding per sequenze biologiche. I risultati hanno portato alla creazione della libreria lyn2vec (https://github.com/rzaccagnino/lyn2vec).
  3. A partire dall'11 Dicembre 2013, ROCCO ZACCAGNINO partecipa alle attività Gruppo di ricerca sul tema "Cybersecurity", Dipartimento di Informatica, Università degli Studi di Salerno.
  4. A partire dall'8 Febbraio 2018, ROCCO ZACCAGNINO partecipa alle attività Gruppo di ricerca sul tema "Combinatoria" presso Dipartimento di Informatica dell'Università degli Studi di Salerno,
    finanziato dall'Istituto Nazionale di Matematica Superiore "Francesco Severi".
  5. Membro del Automotive and Cyber-physical Systems Security Lab, presso il Dipartimento di Informatica, Università degli Studi di Salerno. Le attività di ricerca del Laboratorio sono essenzialmente focalizzate nell’ambito della sicurezza dei cosiddetti Sistemi Ciber-fisici (Cyber-physical systems - CPS), con particolare enfasi sul settore dell’automotive. I CPS hanno un'ampia gamma di applicazioni, tra le quali, smart cities, smart grids, smart manufacturing, e-health, structural health monitoring, trasporti intelligenti, etc. In particolare, i principali obiettivi di ricerca del laboratorio riguardano lo studio, la progettazione e lo sviluppo di CPS sicuri mediante l’utilizzo di metodologie e tecniche avanzate, anche basate su Intelligenza Artificiale e Machine Learning, le quali consentono di studiare, modellare ed analizzare fenomeni molto complessi, per i quali, i metodi convenzionali non sembrano riscontrare risultati ottimali ed a basso costo.
  • ATTIVITÀ ATTINENTI AI DOTTORATI DI RICERCA:
  1. RESPONSABILE SCIENTIFICO (ADVISOR) dei seguenti studenti di dottorato:
    - Candidato: Gerardo Benevento. Dottorato di Ricerca in Informatica, Ciclo: XXXIX, Curriculum "Internet of Things and Smart Technologies" (con diritto a borsa di studio finanziata dal progetto
    Dipartimenti di Eccellenza, 2018-2022), Università degli Studi di Salerno. Progetto: "Formal Methods and Machine Learning techniques for Chimeric RNAs and oncogenic gene FUSIONs detection". Periodo: 1° aprile 2024 - 31 marzo 2027.
    - Candidato: Luigi Lomasto. Dottorato di Ricerca in Informatica, Ciclo: XXXIX, Curriculum "Computer Science and Information Technology", Università degli Studi di Salerno. Progetto: "Analizzare e
    comprendere il fenomeno della disinformazione online, mediante tecniche di Computational Social Science". Periodo: 1° novembre 2023 - 31 ottobre 2026.
    - Candidato: Daniele Salerno. Dottorato di Ricerca in Informatica, Ciclo: XL, Curriculum "Internet of Things and Smart Technologies", Università degli Studi di Salerno. Progetto: "Inclusive Machine
    Creativity: AI and IoT systems as Assistive Technologies in Music Contexts". Periodo: 1° novembre 2024 - 31 ottobre 2027.
    - Candidato: Alessia Ture. Dottorato di Ricerca in Informatica, Ciclo: XLI, Università degli Studi di Salerno. Progetto: "Deep Learning for Conditional Average Treatment Effects (CATE) estimation".
    Periodo: 1° novembre 2025 - 31 marzo 2028.
  2. SUPERVISORE SCIENTIFICO della studentessa di dottorato internazionale Alessia Petescia; Dottorato di RIcerca in Bioinformatics; Pllied Bioinformatics Departmente, Comenius University of Bratislava. Advisor: prof. Tomas Vinar. Progetto: "Differential Analysis in the Context of Pan-Genome Graphs". Periodo: 1° Settembre 2021 - 31 Luglio 2026.
  3. Partecipazione al COLLEGIO DEI DOCENTI del Dottorato di Ricerca in:
    - "Informatica", Università degli Studi di Salerno. A.A: 2025/2026, Ciclo: XLI, durata: 3 anni.
    - "Informatica", Università degli Studi di Salerno. A.A: 2024/2025, Ciclo: XL, durata: 3 anni.
    - "Informatica", Università degli Studi di Salerno. A.A: 2023/2024, Ciclo: XXXIX, durata: 3 anni.
  4. Attribuzione di INCARICHI DI INSEGNAMENTO nell'ambito di Dottorati di Ricerca accreditati dal Ministero, Dipartimento di Informatica, Università degli Studi di Salerno Ph.D. course on
    "Computational Intelligence & Techno-regulation. Paradigms, methods, tools", Dottorato in Informatica, per i seguenti cicli consecutivi: XXXIV, XXXV, XXXVI, XXXVII, XXXVIII.
  5. Componente Commissione Giudicatrice ESAME FINALE DOTTORATO: Dottorato di ricerca in Informatica (Coordinatore: prof. Andrea De Lucia), XXXVI Ciclo. Dipartimento di Informatica, Università degli Studi di Salerno, 7 Maggio 2025. Ruolo: Presidente commissione.
  6. REVISORE/VALUTATORE ESTERNO per tesi di Dottorato:
    - Ph.D. COURSE - Final Examination 2025 Review. Dottorato di ricerca in Mathematics and Computer Science. Candidato: Gilda Manfredi, Tutor: Ugo Erra, Università degli Studi della Basilicata. Titolo della Tesi: “Use of Artificial Intelligence for the Generation, Animation, and Manipulation of 3D Graphic Contents”. XXXVII Ciclo, Luglio 2025.
    - Ph.D. COURSE - Final Examination 2022 Review. Dottorato di ricerca in Informatica. Candidato: Giudice Luca, Tutor: Rosalba Giugno, Università di Verona. Titolo della Tesi: “Artificial Intelligence
    Techniques Integrate Biological Omics into Graphs for the Prediction and Pathway Analysis of Patient’s Disease”. XXXIV Ciclo, Febbraio 2022.
  • COLLABORAZIONI SCIENTIFICHE:
  1. prof. Ernesto Fabiani, Professore Ordinario e Direttore del Dipartimento di Diritto, Economia, Management e Metodi Quantitativi (DEMM) dell'Università degli Studi del Sannio, e il prof. Nicola
    Lettieri, RTT presso lo stesso dipartimento. La collaborazione, tradottasi in pubblicazioni internazionali e prototipi, ha sino ad oggi toccato seguenti temi di ricerca: (i) Data mining e visual analytics per soluzioni avanzate di information retrieval e knowledge mining giuridico, (ii) Simulazione ad agenti evoluzionistici per lo studio di fenomeni socio-giuridici, (iii) Elaborazione di euristiche computazionali ibride per decision support system destinati a magistrati (identificazione casi di plagio) e pubblici ministeri (studio delle organizzazioni criminali), (iv) Sviluppo applicazioni per supportare tecnoregolazione e data driven policy analysis.
  2. Profs. Sergio Pagano e Pierpaolo Cavallo, rispettivamente prof. Ordinario e Ricercatore del Dipartimento di Fisica "E.R.Caianiello"/DF, Università degli Studi di Salerno. Il progetto abbraccia diverse tematiche tra cui quello della gestione, visualizzazione ed analisi dei Big Data Sanitari. L'obiettivo consiste nella realizzazione di un sistema per la visualizzazione ed analisi dei dati relativi a prescrizioni sanitarie su territorio regionale (Campania) e nazionale. All'interno del progetto, Rocco Zaccagnino riveste il ruolo di TEAM LEADER per quanto riguarda la realizzazione di un modulo di Deep Learning che, attraverso tecniche di Graph-embedding, sia in grado di effettuare previsioni di prescrizioni di malattie statisticamente rilevanti, tra cui il diabete. Il sistema sviluppato MEDMiner (https://github.com/FLaTNNBio/MedMiner) è attualmente in fase di sperimentazione.
  3. prof. Jens Stoye, Bioinformatics Department, Faculty of Technology and Center for Biotechnology (CeBiTec), University of Bielefeld, Bielefeld, Germany. Argomento della Collaborazione: Combinatorics on words and Machine learning for Bioinformatics.
  • RESPONSABILITÀ SCIENTIFICA di collaborazioni a livello nazionale:
  1. Responsabile della collaborazione con Integris Sport Tech (Rome), il cui obiettivo è la progettazione e implementazione di algoritmi basati su Intelligenza Computazionale (Reti Neurali e Computazione Evolutiva) e Machine Learning per la creazione di un Virtual Coach che fornisca piani di allenamento personalizzati per runner amatoriali e semiprofessionisti. Periodo: 1 Gennaio 2020 - 31 Dicembre 2020.
  2. RESPONSABILE SCIENTIFICO di una convenzione tra Dipartimento di Informatica dell'Università degli Studi di Salerno e Collaborazione con con l'Azienda Locale Sanitaria (ASL) di Benevento, Italia. Collaborazione scientifica, nata nel 2024, tra il Dipartimento di Informatica dell’Università degli Studi di Salerno e l’ASL Benevento per lo sviluppo congiunto di soluzioni basate su Intelligenza Artificiale, finalizzate all’innovazione dei servizi sanitari territoriali e alla creazione di tecnologie inclusive per il benessere e la riabilitazione. La partnership integra competenze cliniche e capacità di ricerca avanzata nell’ambito dell’AI, dell’IoT e delle tecnologie digitali, con particolare attenzione alla progettazione di sistemi intelligenti per l’accessibilità musicale a fini terapeutici e all’ottimizzazione data–driven dei mezzi e del personale sanitario sul territorio. Tra i risultati più interessanti, il progetto MarcoSmiles (INCLUSIVE MACHINE CREATIVITY: AI-BASED ASSISTIVE TECHNOLOGIES IN MUSIC), realizzato per consentire a persone affette da disabilità motorie di svolgere attività creative-musicali a scopo terapeutico è stato selezionato tra i progetti finalisti al 25° Convegno Nazionale AIIC, che si è tenuto a Napoli presso la Mostra d’Oltremare dal 14 al 17 giugno 2025. Link: https://www.convegnonazionaleaiic.it/inclusive-machine-creativity-aibased-assistive-technologies-in-music/
  • RESPONSABILITÀ SCIENTIFICA di collaborazioni a livello internazionale:
  1. RESPONSABILE SCIENTIFICO della collaborazione tra il Dipartimento di Informatica dell'Università degli Studi di Salerno e Yamaha Corporation, Giappone. Tema del progetto: studio di problemi di ricerca ai confini tra Computer Science e Musica; l'idea è da un lato promuovere l'interesse reciproco e la cooperazione nella realizzazione di ricerche su strumenti
    musicali innovativi e/o strumenti musicali informatici, e dall'altro scambiare competenze e know-how su questioni relative allo sviluppo di prodotti musicali per computer; è stato introdotto il paradigma di processo di "democratizzazione della creatività musicale", definito come il processo di rendere la creatività musicale universalmente accessibile affrontando un'ampia gamma di barriere e integrando obiettivi performativi e terapeutici all'interno di un sistema unificato. Fondamentalmente, questo paradigma concepisce le Digital Musical Interfaces (DMI) come strumenti versatili che colmano le lacune nella creazione musicale attiva, consentendo a individui provenienti da background e contesti
    diversi di beneficiare del suo potenziale creativo e terapeutico. Sebbene le DMI abbiano un potenziale significativo, il loro sviluppo è spesso privo di un quadro coeso che dia priorità simultaneamente a inclusività, adattabilità e usabilità per le esigenze artistiche e performative degli utenti. Tra i progetti sviluppati, MarcoSmiles, un sistema che consente la performance musicale esclusivamente attraverso i gesti delle mani, ottenuto attraverso un percorso di progettazione strutturato e iterativo che da priorità ad adattabilità, usabilità e creatività. Questo percorso è stato strutturato in diverse tappe tecnologiche, ciascuna caratterizzata dall'utilizzo di tecnologie avanzate come AI, IoT, VR e AR. Ogni step ha
    introdotto una soluzione specifica, sviluppata, testata e valutata attraverso prototipi sperimentali. Le innovazioni chiave includono il riconoscimento preciso dei gesti basato su algoritmi di Deep Reinforcement Learning e una latenza ottimizzata per ambienti immersivi di realtà virtuale e realtà aumentata.
  2. RESPONSABILE SCIENTIFICO della collaborazione con Donatello Telesca, Professor presso il Department of Biostatistics, Fielding School of Public HEALTH, University of California, Los Angeles (UCLA). Tema della collaborazione: la crescente necessità di decisioni personalizzate in ambiti quali la medicina di precisione, l’economia e il business evidenzia l’insufficienza delle valutazioni basate sull’effetto medio di un trattamento; l’eterogeneità degli effetti richiede la stima del "Conditional Average Treatment Effect" (CATE), al fine di quantificare l’impatto causale a livello individuale e orientare interventi realmente ottimizzati per ciascun soggetto; sebbene i Randomized Controlled Trials rappresentino il riferimento metodologico per l’inferenza causale, la loro limitata applicabilità pratica, dovuta a vincoli etici, costi elevati e scarsa trasferibilità a popolazioni esterne, rende imprescindibile il ricorso ai dati osservazionali; tuttavia, l’assenza di randomizzazione introduce bias e confondimento nella stima degli effetti, compromettendo l’affidabilità del CATE; la collaborazione mira pertanto a sviluppare approcci avanzati di individual causal inference capaci di mitigare tali criticità, superando i limiti dei tradizionali metodi di bilanciamento, impiegando innanzitutto tecniche di representation learning con obiettivi contrastivi basate su Siamese Neural Network (SNN), finalizzate ad apprendere
    spazi latenti che preservino la struttura dell’eterogeneità degli effetti, anziché limitarsi a bilanciare le distribuzioni tra trattati e controlli; integrando il segnale causale nella fase di apprendimento della rappresentazione, il modello punta a incrementare l’accuratezza delle stime individuali, ridurre il bias e migliorare la robustezza in scenari con dati osservazionali; lo studio prevede poi di investigare l'utilizzo di paradigmi di machine learning più avanzati quali Large Langue Models, o generalizzazioni di ensemlbe di SNN (twin forest); l’obiettivo complessivo è fornire un framework metodologico rigoroso e generalizzabile per la stima del CATE, in grado di coniugare solidità teorica ed efficienza
    computazionale, abilitando decisioni più informate e personalizzate nei settori in cui l’eterogeneità degli effetti costituisce un elemento determinante. Il progetto si è già tradotto in una tesi di laurea intitolata "Contrastive Learning via Siamese Neural Networks for conditional average treatment effects (CATE) estimation” della dott.ssa Alessia Ture, neo
    dottoranda in Informatica presso il Dipartimento di Informatica presso l'Università degli Studi di Salerno. Lo stesso progetto di Tesi si è tradotto in un paper sottomesso a "Transactions on Machine Learning Research" (ISSN 2835-8856, Scimago Ranking: Q1)
  • RESPONSABILITÀ SCIENTIFICA di una collaborazione scientifica con la società KNOWLAB – THE KNOWLEDGE FACTORY SPIN OFF S.R.L. con sede legale in Benevento alla Piazza Arechi II snc presso il Dipartimento DEMM dell’Università del Sannio, codice fiscale e nr. di iscrizione al Registro delle Imprese 01731720627, iscritta al REA di Benevento al numero 143978, pec knowlab@pec.it, in persona del legale rappresentante prof. Nicola Lettieri. Oggetto della collaborazione è lo sviluppo e la sperimentazione di tecniche di Knowledge Discovery e Visual Knowledge Discovery in ambito giuridico, con particolare attenzione agli impieghi didattici, sia nella formazione universitaria che in quella professionale. In questo contesto sarà esplorata la possibilità di utilizzare tecniche di Intelligenza Artificiale (NLP, online learning e Large Language Models) per migliorare la qualità e la profondità dell’interazione didattica, con specifico riferimento a temi quali l’interazione uomo-macchina, la profilazione dell’utente, il dynamic difficulty adjustment a scopi formativi e il reperimento intelligente dei materiali didattici.

Responsabilità di studi e ricerche scientifiche affidati da qualificate istituzioni pubbliche o private

  • RESPONSABILITÀ SCIENTIFICA COME ASSEGNISTA DI RICERCA
  1. Titolare di assegno per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: "Smart Bioinformatica per IoT: da big data biologici a smart data biologici attraverso la combinatoria su parole". Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile scientifico: prof.ssa Clelia De Felice. Periodo: dal 03/09/2018 al 02/09/2019.
  2. Titolare di assegno per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: Linguaggi Formali: aspetti teorici ed applicativi ispirati dalla biologia. Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile sceintifico: dott.ssa Rosalba Zizza. Periodo: dal 04/05/2017 al 03/05/2018.
  3. Titolare di assegno per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: Linguaggi Formali: aspetti teorici ed applicativi ispirati dalla biologia. Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile scientifico: prof.ssa Clelia De Felice. Periodo: dal 04/05/2016 al 03/05/2017.
  4. Titolare di assegno per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: Linguaggi formali, Codici e Calcolo Molecolare. Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile scientifico: prof.ssa Clelia De Felice. Periodo: dal 04/05/2015 al 03/05/2016.
  5. Titolare di assegno per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: Linguaggi formali, Codici e Calcolo Molecolare. Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile scientifico: prof.ssa Clelia De Felice. Periodo: dal 02/04/2014 al 01/04/2015.
  6. Titolare di assegno per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: Linguaggi formali, Codici e Calcolo Molecolare. Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile scientifico: prof.ssa Clelia De Felice. Periodo: dal 02/04/2013 al 01/04/2014.
  7. Titolare di assegno per lo svolgimento di attività di ricerca, ex art. 51 - comma 6 - della legge 27 dicembre 1997 n. 449, per la realizzazione del Progetto: Progetto di algoritmi e tecniche di composizione musicale. Attività di ricerca svolta presso il Dipartimento di Informatica ed Applicazioni "R. M. Capocelli", Università degli Studi di Salerno. Responsabile scientifico: Prof Roberto De Prisco.
  • TITOLARE DI BORSA DI STUDIO NELL'AMBITO DEL DOTTORATO DI RICERCA IN INFORMATICA: TITOLARE DI BORSA DI STUDIO per attività di ricerca nell'ambito del corso di DOTTORATO DI RICERCA in Informatica, XI Ciclo, Università degli Studi di Salerno, Advisor prof. Roberto De Prisco. La Tesi, dal titolo "Music composition algorithms and musical gestures recognition", ha riguardato lo sviluppo di diversi progetti il cui obiettivo comune era quello di definire nuove tecniche di Computational Intelligence (Neural Networks, Evolutionary Computation) e Machine Learning per risolvere in maniera più efficiente problemi all'interno dell'area di ricerca "Computer Music". Nel periodo riportato sono stati realizzati diversi progetti che hanno condotto a pubblicazioni in atti di convegno e riviste internazionali (tutte in peer review). Tra le tematiche affrontate: (i) Creative AI (Generative Music): sistema evolutionary-based automatico, denominato EvoBassComposer (https://github.com/musimathicslab/EwoComposer), basato su Metodi Evolutivi (nello specifico, Algoritmi Genetici) per la composizione di corali a 4 parti secondo le regole della musica classica e lo stile di J. S. Bach; il sistema è stato poi perfezionato recentemente e pubblicato su Evolutionary Computation Journal (MIT PRESS), (ii) Creative Inclusive AI: sistema Musica Parlata, per supportare utenti non vedenti durante lo studio della musica; il progetto nasce da un'idea del prof. Alfredo Capozzi (http://www.musicaparlata.it/), (iii) Ambient Intelligent for Music Recommendation: sistemi multi-agent, per la composizione di musica di background in real-time, tali sistemi rispondono ai cambiamenti dell'ambiente generando musica di background che riflette le preferenze dell'utente e il contesto in cui questi si trovano, (iv) Music plagiarism detection: sistemi Machine Learning e Visualizations-based, per la detection di casi di plagio musicale. Nello stesso periodo, Rocco Zaccagnino è stato responsabile dele attività del gruppo di ricerca del Computer Music Laboratory fondato da Roberto De Prisco, Professore Ordinario del Dipartimento di Informatica, Università degli Studi di Salerno.
  • RESPONSABILITÀ SCIENTIFICA DI COLLABORAZIONI CON ENTI DI RICERCA: RESPONSABILE, per il profilo informatico, di un’attività sperimentale avente a oggetto la manutenzione evolutiva della banca dati BIA-Biblioteca Iuris Antiqua in collaborazione con il dott. Sebastiano Faro, Direttore dell'Istituto di Informatica Giuridica e Sistemi Giudiziari del CNR di Firenze (IGSG-CNR) e con il prof. Nicola Palazzolo, Università di Perugia. Scopi della collaborazione: analisi e sviluppo di funzionalità di visualizzazione, machine learning e knowledge mining per l’analisi di fonti giuridiche, con relative analisi prestazionali. Ruolo all'interno del progetto: all’interno del gruppo di ricerca, Rocco Zaccagnino è stato RESPONSABILE del Task "Moduli di Machine Learning e Knowledge Mining per l'analisi automatica delle fonti.
  • RESPONSABILITÀ SCIENTIFICA DI CONTRATTI DI COLLABORAZIONE COORDINATA E CONTINUATIVA:
  1. Titolare di borsa di studio per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: "Applicazioni di strumenti informatici in campo musicale". Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile scientifico: prof. Roberto De Prisco. Periodo: dal 01/02/2021 al 31/01/2022.
  2. Titolare di borsa di studio per lo svolgimento di attività di ricerca - della legge 30 dicembre 2010 n. 240, per la realizzazione del Progetto: "Applicazione di strumenti informatici in campo musicale". Attività di ricerca svolta presso il Dipartimento di Informatica, Università degli Studi di Salerno. Responsabile scientifico: prof. Roberto De Prisco. Periodo: dal 01/10/2019 al 30/09/2020.
  • RESPONSABILITÀ SCIENTIFICA di una CONVENZIONE CONTO-TERZI:
  1. affidata dalla società KNOWLAB – THE KNOWLEDGE FACTORY SPIN OFF S.R.L. con sede legale in Benevento alla Piazza Arechi II snc presso il Dipartimento DEMM dell’Università del Sannio, codice fiscale e nr. di iscrizione al Registro delle Imprese 01731720627, iscritta al REA di Benevento al numero 143978, pec knowlab@pec.it, in persona del legale rappresentante prof. Ernesto Fabiani. La società KNOWLAB è una start-up nata quale spin-off dell’Università degli Studi del Sannio, ed ha per oggetto l’esercizio di attività di ricerca, di consulenza e di sviluppo software basati sull’impiego avanzato dell’ICT ed orientati al trattamento della conoscenza, dei documenti e delle informazioni in un’area eterogenea ai confini tra diritto, economia e scienze sociali. Ha avviato un progetto avente ad oggetto lo sviluppo e la realizzazione della nuova applicazione software “Consolle del Magistrato” che consentirà, agli operatori del diritto ed in special modo ai magistrati, di usufruire di funzionalità completamente nuove, attraverso il ricorso alle tecnologie più evolute (anche dell’Intelligenza Artificiale), dirette a supportare, sotto svariati profili, l’attività del giudice nella decisione della controversia (individuazione della norma, reperimento precedenti giurisprudenziali e dottrinali, lettura degli atti contenuti nel fascicolo processuale, etc.). Nell'ambito di questo progetto, ROCCO ZACCAGNINO si è occupato dello sviluppo di tutte le funzionalità di Intelligenza Artificiale all'interno della Consolle: (i) gestione intelligente degli archivi processuali, (ii) funzionalità avanzata di ricerca negli archivi locali e remoti, (iii) strumenti di Visual Data Analytics per l'analisi dei risultati delle ricerche. Importo: 8.000,00€.
  2. affidate da VIRVELLE s.r.l., Corso Vittorio Emanuele, 94, 84122 Salerno — P.I. 04404720650: (i) "DISC - Data integration for system connection" Fondoimpresa Avviso 6/2022 AV6/010A/22 - CUP G44D23002110008. Importo: euro 2.064,00, (ii) Attività di coordinamento scientifico e Certificazioni delle competenze - Piano: "H.I.T. Health Information Technology", AV6/022/22D, CUP: G54D23002180008, avv. 6/2022 Fondimpresa. Importo: euro 5.000,00, (iii) Attività di coordinamento scientifico e Certificazioni delle competenze - Piano: "LINK AT THE FUTURE", AV6/029A/22, cup: G74D23001680008, avv. 6/2022 fondimpresa. Importo: euro 2.000,00, (iv) "Enhancing The Future Health: Patient Journey" Fondimpresa, Avviso 1/2022, AVI/014B/22-CUP G54D22001130008. Importo: euro 1.720,00, (v) "S.T.E.P. - Soluzioni Tecnologiche per l'Efficienza di Processo", codice AV1/097B/24, CUP: G54D24002900008. Importo: euro 1.000,00., (vi) "G.R.A.I.N. – upGRAde tecnologico e INnovazione dei processi in De Matteis Agroalimentare", codice: AV1/008A/24, CUP: G94D24002280008. Importo: euro 1.000,00., (vii) "GLASS ECOSYSTEM EVOLUTION”, codice AV1/058E/24, CUP: G34D24003620008. Importo: euro 1.000,00, (viii) "I.M.P.AC.T. – Innovazione e Miglioramento dei Processi per l’ACcelerazione Tecnologica", codice: AV1/008B/24, CUP: G44D24003130008. Importo: euro 1.000,00.
  3. affidata da EVJA s.r.l. con sede legale in Napoli, via Benedetto BRIN, 63 - C.F. e P.I. 08124081210. Responsabile scientifico delle attività relative al design e allo sviluppo di una piattaforma software che, attraverso l’utilizzo sinergico di strumenti di AI e tecnologie dell’agricoltura 4.0., sia in grado di gestire un sistema agri-voltaico innovativo in grado di raggiungere un duplice obiettivo: (i) la produzione simultanea di energia rinnovabile, e (ii) la protezione delle colture ortofrutticole da eventi abiotici e biotici. L’impianto è progettato per ottimizzare la resa agricola e la produzione energetica, mantenendo la salute delle colture in condizioni climatiche variabili e contrastando efficacemente i danni da parassiti e patogeni. EVJA (https://www.evja.eu/) è un'azienda che si occupa di Agricoltura di precisione, e di sviluppo di piattaforme IoT per il monitoraggio e la gestione intelligente di impianti agricoli. Essa ha il ruolo di equipaggiare l'impianto agri-voltaico di un sistema IoT in grado di monitorare in maniera ottimale le condizione delle piante. La piattaforma AI sviluppata, sincronizza le funzioni dell’impianto, garantendo un flusso di dati continuo tra i diversi sistemi e monitorando le prestazioni complessive. Grazie alla sua capacità di apprendere e adattarsi, l’AI identifica pattern di utilizzo e ottimizza la gestione delle risorse in base alle necessità stagionali e ambientali. Questa funzione permette una gestione integrata e autonoma del sistema, riducendo la necessità di interventi manuali e massimizzando l’efficienza complessiva, dalla produzione energetica alla protezione e cura delle colture. Nello specifico, è stato realizzato un avanzato framework di Reinforcement Learning (RL), utilizzando una Double Deep Q-Network (DDQN), che consente di massimizzare l’efficienza del sistema, adattandosi dinamicamente a condizioni ambientali variabili (monitorate tramite l'impianto realizzato da EVJA) e bilanciando in modo ottimale l’uso delle risorse per produrre energia rinnovabile e mantenere la salute delle colture. Tale soluzione ha presentato notevoli vantaggi, tra cui: (i) Adattabilità continua: il sistema risponde in tempo reale ai cambiamenti ambientali, regolando l’orientamento dei pannelli solari, l’irrigazione, e le azioni di protezione delle colture, (ii) Decisioni ottimizzate a lungo termine: la DDQN evita la sovrastima dei valori Q, migliorando la precisione delle decisioni con una visione a lungo termine, (iii) Bilanciamento tra energia e produttività agricola: l’RL consente una gestione che massimizza contemporaneamente la resa agricola e la produzione di energia, grazie a un sistema di ricompensa multi-obiettivo che valuta entrambe le priorità. Importo: 15.900,00€.
  4. affidata da ENERGINOVA s.r.l. con sede legale in Avellino, via Due Principati, 306 e sedi operative in Gesualdo (AV), vico Lavinaio, n. 5 e Torre le Nocelle (AV), c.da Filette, n.3 - C.F. e P.I. 02763910649. Responsabile scientifico delle attività relative al design e allo sviluppo di una piattaforma software che,attraverso l’utilizzo sinergico di strumenti di AI e tecnologie dell’agricoltura 4.0., sia in grado di gestire un sistema agri-voltaico innovativo in grado di raggiungere un duplice obiettivo: (i) la produzione simultanea di energia rinnovabile, e (ii) la protezione delle colture ortofrutticole da eventi abiotici e biotici. L’impianto è progettato per ottimizzare la resa agricola e la produzione energetica, mantenendo la salute delle colture in condizioni climatiche variabili e contrastando efficacemente i danni da parassiti e patogeni. ENERGINOVA (https://energinova.it/) è un'azienda che si occupa di installazione di impianti fotovoltaici ad alta efficienza, realizzati con prodotti innovativi e costantemente testati nei laboratori interni per garantire le elevate performance e lo standard qualitativo certificato “energysolution”. A questo si affiancano servizi completi di manutenzione e assistenza post-vendita, per assicurare continuità e affidabilità agli impianti installati. Oltre al fotovoltaico, Energinova opera anche nei settori eolico, solare termico, biomasse e geotermico, riqualificazione energetica di fabbricati, con l’obiettivo di ridurre le emissioni di CO₂, salvaguardare le risorse naturali e favorire il risparmio energetico. Nel progetto in questione, essa ha il ruolo di equipaggiare l'impianto agri-voltaico di un sistema di pannelli solari che si occupano sia della produzione energetica che della protezione delle piante. La piattaforma AI sviluppata, sincronizza le funzioni dell’impianto, garantendo un flusso di dati continuo tra i diversi sistemi e monitorando le prestazioni complessive. Grazie alla sua capacità di apprendere e adattarsi, l’AI identifica pattern di utilizzo e ottimizza la gestione delle risorse in base alle necessità stagionali e ambientali. Questa funzione permette una gestione integrata e autonoma del sistema, riducendo la necessità di interventi manuali e massimizzando l’efficienza complessiva, dalla produzione energetica alla protezione e cura delle colture. Nello specifico, è stato realizzato un avanzato framework di Reinforcement Learning (RL), utilizzando una Double Deep Q-Network (DDQN), che consente di massimizzare l’efficienza del sistema, adattandosi dinamicamente a condizioni ambientali variabili e bilanciando in modo ottimale l’uso delle risorse, ed in particolare della disposizione ottimale dei pannelli, per produrre energia rinnovabile e mantenere la salute delle colture. Nello specifico, la soluzione AI proposta si occupa dell'ottimizzazione dell'inseguimento solare (Sun Tracking): l'AI regola l’orientamento e l'inclinazione dei pannelli solari per massimizzare la raccolta di luce solare durante il giorno; utilizzando dati in tempo reale sul posizionamento solare e sulle condizioni meteorologiche, l'AI calcola la posizione ottimale dei pannelli per ogni momento della giornata, adattando l’inclinazione stagionale per ottenere la massima efficienza energetica e modulare l’ombreggiamento a seconda delle necessità delle colture sottostanti; durante condizioni di caldo eccessivo, l’AI può posizionare i pannelli in modo da fornire ombreggiamento ottimale, riducendo la temperatura del suolo e lo stress idrico delle colture. Importo: 12.810,00€.
  5. affidata dall'Istituto Nazionale per l’Analisi delle Politiche Pubbliche (INAPP), Roma. Responsabile scientifico della manutenzione evolutiva dell’applicazione cross-platform "WorkMeter" già sviluppata in forma prototipale presso l’Istituto e destinata alla sperimentazione di nuove metodologie di raccolta dati e la verifica della condizione e dei bisogni dei lavoratori delle piattaforme. L'INAPP (https://www.inapp.gov.it/) è un ente pubblico di ricerca che si occupa di analisi, monitoraggioe valutazione delle politiche del lavoro, delle politiche dell’istruzione e della formazione, delle politiche sociali e, in generale, di tutte le politiche economiche che hanno effetti sul mercato del lavoro. Fa parte del Sistema statistico nazionale (SISTAN) e collabora con le istituzioni europee. Importo: 20.000,00€.
  • RESPONSABILITÀ DI STUDI E RICERCHE SCIENTIFICHE nell'ambito del DOTTORATO DI RICERCA IN INFORMATICA
  1. RESPONSABILE SCIENTIFICO (ADVISOR) dei seguenti studenti di dottorato:
    - Candidato: Gerardo Benevento. Dottorato di Ricerca in Informatica, Ciclo: XXXIX, Curriculum "Internet of Things and Smart Technologies" (con diritto a borsa di studio finanziata dal progetto Dipartimenti di Eccellenza, 2018-2022), Università degli Studi di Salerno. Progetto: "Formal Methods and Machine Learning techniques for Chimeric RNAs and oncogenic gene FUSIONs detection". Periodo: 1° aprile 2024 - 31 marzo 2027.
    - Candidato: Luigi Lomasto. Dottorato di Ricerca in Informatica, Ciclo: XXXIX, Curriculum "Computer Science and Information Technology", Università degli Studi di Salerno. Progetto: "Analizzare e comprendere il fenomeno della disinformazione online, mediante tecniche di Computational Social Science". Periodo: 1° novembre 2023 - 31 ottobre 2026.
    - Candidato: Daniele Salerno. Dottorato di Ricerca in Informatica, Ciclo: XL, Curriculum "Internet of Things and Smart Technologies", Università degli Studi di Salerno. Progetto: "Inclusive Machine Creativity: AI and IoT systems as Assistive Technologies in Music Contexts". Periodo: 1° novembre 2024 - 31 ottobre 2027.
    - Candidato: Alessia Ture. Dottorato di Ricerca in Informatica, Ciclo: XLI, Università degli Studi di Salerno. Progetto: "Deep Learning for Conditional Average Treatment Effects (CATE) estimation". Periodo: 1° novembre 2025 - 31 marzo 2028.
  2. SUPERVISORE delle attività di ricerca dei seguenti studenti di dottorato:
    - Candidato: Antonio Eletto. Dottorato di Ricerca in Informatica, Ciclo: XLI, Università degli Studi di Salerno. Progetto: "From Graphs to Trust: Privacy-Preserving Neural Networks for Secure and Compliant AI". Periodo: 1° novembre 2025 - 31 marzo 2028.

Responsabilità scientifica per progetti di ricerca internazionali e nazionali, ammessi al finanziamento sulla base di bandi competitivi che prevedano la revisione tra pari

  • RESPONSABILITÀ SCIENTIFICA per progetti di ricerca internazionali
  1. RESPONSABILE SCIENTIFICO, Progetto Europeo H2020 MSCA-RISE 872539 dal titolo Algoritmi del grafico Pangenome e integrazione dei dati (PANGAIA). Nello specifico, è stato RESPONSABILE - TASK LEADER del task "T3.1. Measures of similarities in pan-genomes" del workpackage WP3, relativo allo studio di nuove metodologie di confronto sequenze genomiche basate su metodi di Machine Learning e Linguaggi Formali. Obiettivo del WP3 - "Pan-Genomica comparativa ed evolutiva", è lo sviluppo di nuove metodologie per il confronto di genomi multipli. All'interno di questo WP3, si è infatti avviata una collaborazione con il prof. Jens Stoye dell'Università di Bielefeld (Germania), uno dei ricercatori coinvolti nel progetto PANGAIA. Total cost; € 1.140.800,00. Periodo: 1 Gennaio 2020 - 31 Ottobre 2025
  2. RESPONSABILE SCIENTIFICO dell’unità di ricerca di Salerno della COST Action CA25133 “ELDA – European Legal Design Action”, network internazionale di ricerca finanziato nell’ambito del programma COST (European Cooperation in Science and Technology), selezionato all’esito di una procedura europea altamente competitiva (success rate ~7%). L’iniziativa riunisce esperti di area giuridica, designer e tecnologi con l’obiettivo di esplorare approcci innovativi volti a ridurre la complessità normativa attraverso il plain language, il legal design, il design thinking e l’uso strumenti di intelligenza artificiale. All’interno del progetto, il prof. Zaccagnino è membro dei working group “AI and Digital Tools” e “Better Contracts – Better Communication – Better Outcomes”, coerentemente con le sue competenze scientifiche in materia di intelligenza artificiale e legal visual analytics.

Direzione o partecipazione a comitati editoriali di riviste, collane editoriali, enciclopedie e trattati di riconosciuto prestigio

  • ATTIVITÀ DI REVISIONE PER I SEGUENTI JOURNAL: Information Sciences - Elsevier (ISSN: 1872-6291), Expert Systems with Applications - Elsevier (ISSN: 0957-4174), Knowledge-Based Systems - Elsevier (ISSN: 0950-7051), Neural Computing and Applications - Springer (ISSN: 1433-3058), Theoretical Computer Science - Elsevier (ISSN: 0304-3975), Soft Computing - Springer (ISSN: 1568-4946), Frontiers in Artificial Intelligence (ISSN: 2624-8212), IEEE Access (E-ISSN: 2169-3536), IEEE Transactions on Computational Social Systems (ISSN: 2329924X), IEEE Transactions on Dependable and Secure Computing (E-ISSN: 1941-0018, ISSN: 1545-5971), Multimedia Tools and Applications - Springer (E-ISSN: 1573-7721, ISSN: 1380-7501), SN Applied Sciences - Springer (E-ISSN: 2523-3971), Future Internet - MDPI (ISSN: 1999-5903), Applied Sciences - MDPI (ISSN: 2076-3417), AI Journal - MDPI (ISSN: 2673-2688), Sustainability - MDPI (ISSN: 2071-1050), Electronics - MDPI (ISSN: 2079-9292).
  • Book Co-Editor:
  1. volume per la Conferenza Internazionale: "The 22 International Conference Information Visualisation", Salerno, Italy, 10-13 July 2018, IEEE Computer Society 2018
    (https://dblp.org/db/conf/iv/iv2018.html), ISBN 978-1-5386-7202-0, GII-GRIN-SCIE (GGS) Conference Rating: B, https://ieeexplore.ieee.org/xpl/conhome/8519645/proceeding.
  2. volume per la Conferenza Internationale: "The 26th International Conference Information Visualisation", IV 2022, Vienna, Austria, July 19-22, 2022 - IEEE Computer Society 2022
    (https://dblp.org/db/conf/iv/iv2022.html), ISBN 978-1-6654-9007-8, GII-GRIN-SCIE (GGS) Conference Rating: B, https://ieeexplore.ieee.org/xpl/conhome/10017436/proceeding.
  • GUEST EDITOR for:
  1. Special Issue on "Network Analysis and Computational Social Science: Theory, Methods, Applications, Future Perspectives", https://www.mdpi.com/journal/futureinternet/special_issues/Network_analysis_and_computationa, Future Internet - MDPI, ISSN: 1999-5903, Scimago Journal & Country Rank: Computer Science Applications Q2.
  2. Special Issue on "Deep Network Learning and Its Applications, Big data and Cognitive Computing", https://www.mdpi.com/journal/BDCC/special_issues/T441OW1Y16, Big Data and Cognitive Computing - MDPI, ISSN: 2504-2289, Scimago Journal & Country Rank: Computer Science Applications Q1, Information Systems Q1, Management Information Systems Q1, Artificial Intelligence Q2.
  3. Special Issue on "Algorithmic Music and Sound Computing", https://www.mdpi.com/journal/applsci/special_issues/Music_Sound_Computing, Applied Sciences - MDPI, ISSN: 2076-3417, Scimago Journal & Country Rank: Computer Science Applications Q3.
  4. Special Issue on "Algorithmic Music and Sound Computing", https://www.mdpi.com/journal/applsci/special_issues/Music_Sound_Computing, Applied Sciences - MDPI, ISSN: 2076-3417, Scimago Journal & Country Rank: Computer Science Applications Q3.
  5. Special Issue on "IoT-based Secure Health Monitoring and Tracking through Estimated Computing", https://ietresearch.onlinelibrary.wiley.com/hub/journal/23983396/homepage/cfp, ET Cyber-Physical Systems Theory and Applications, ISSN: 2398-3396, Scimago Journal & Country Rank: Computer Science Applications Q2, Computer Networks and Communications Q2, Information Systems Q2.
  6. Special Issue on "The “Rule of AI”. Framing the future of artificial intelligence as a regulatory tool", https://www.frontiersin.org/research-topics/66345/the-rule-of-ai-framing-the-future-of-artificialintelligence-as-a-regulatory-tool, Frontiers in Artificial Intelligence, ISSN: 2624-8212, Scimago Journal & Country Rank: Artificial Intelligence Q2.
  • MEMBRO COMITATO EDITORIALE DI RIVISTE - ASSOCIATE EDITOR
  1. Soft Computing Journal (Springer), Editor-in-Chief: Raffaele Cerulli, ISSN online: 1433-7479, Scimago Journal & Country Rank: Software Q2, Theroretical Computer Science Q2. Informazioni relative all'Editorial Board disponibili al link: https://link.springer.com/journal/500/editorial-board.
  2. Multimedia Tools and Applications (Springer), Editor-in-Chief: Borko Furht, ISSN online: 1573-7721, Scimago Journal & Country Rank: Media Technology Q1, Software Q2, Computer Networks and Communications Q2. Informazioni relative all'Editorial Board disponibili al link: https://link.springer.com/journal/11042/editorial-board.
  3. Applied Soft Computing (Elsevier), Editor-in-Chief: Mario Köppen, ISSN online: 1872-9681, Scimago Journal & Country Rank: Software Q1 Informazioni relative all'Editorial Board disponibili al link: https://www.sciencedirect.com/journal/applied-soft-computing/about/editorial-board.
  • MEMBRO COMITATO EDITORIALE DI RIVISTE - ASSOCIATE EDITOR
  1. Soft Computing Journal (Springer), area: "Soft Computing in Decision Making and in Modeling in Economics", Editor-in-Chief: Raffaele Cerulli, ISSN online: 1433-7479, Scimago Journal & Country Rank: Software Q2, Theroretical Computer Science Q2. Informazioni relative all'Editorial Board disponibili al link: https://link.springer.com/journal/500/editorial-board.

Conseguimento di premi e riconoscimenti per l'attività scientifica, inclusa l’affiliazione ad accademie di riconosciuto prestigio nel settore

  • RICONOSCIMENTO PER ATTIVITÀ TERZA MISSIONE
  1. Il Progetto LEADers in STEM, promosso dal Dipartimento di Informatica dell’Università di Salerno, mira a sviluppare una serie di iniziative volte ad avvicinare studentesse e studenti della scuola secondaria di secondo grado alle discipline STEM e alle tecnologie informatiche, con particolare attenzione alla riduzione del gender gap. Il progetto adotta una metodologia basata sulla “Quadruple Helix Collaboration”, favorendo la creazione di un network tra istituzioni, università, imprese e società civile. Tale modello promuove il dialogo e la collaborazione fra diversi stakeholder, con l’obiettivo di combinare risorse e competenze per massimizzare l’impatto educativo e sociale delle iniziative. Rocco Zaccagnino è responsabile delle attività di interfaccia con le imprese leader nel settore ICT. Il progetto ha ottenuto importanti riconoscimenti a livello nazionale: Selezione tra gli 11 casi di studio di Ateneo per la VQR 2020–2024. Vincitore del Premio Nazionale per le Competenze Digitali, iniziativa di Repubblica Digitale promossa dal Dipartimento per la Trasformazione Digitale della Presidenza del Consiglio dei Ministri e realizzata con il supporto di Invitalia. Il premio valorizza le migliori iniziative dedicate allo sviluppo delle competenze digitali, realizzate da pubbliche amministrazioni, terzo settore e imprese, e che si distinguono per innovatività, originalità, replicabilità e impatto sul territorio (https://repubblicadigitale.gov.it/portale/-/assemblea-di-repubblica-digitale-una-giornata-dedicata-allecompetenze-digitali).
  2. In occasione della giornata di celebrazione degli 80 anni dell’UNISA, la redazione di TGR Leonardo ha realizzato un servizio dedicato alle attività di ricerca e sperimentazione del Laboratorio di Computer Music del Dipartimento di Informatica. Tra le iniziative presentate è stato illustrato il progetto MarcoSmile, un sistema di intelligenza artificiale inclusiva sviluppato per supportare la musicoterapia rivolta a persone con disabilità motorie e a bambini nello spettro autistico. Nato in collaborazione con Giulio Martino, docente del Dipartimento di Jazz del Conservatorio di Napoli, MarcoSmile permette agli utenti di creare e personalizzare il proprio strumento musicale virtuale attraverso un’interfaccia basata sul riconoscimento dei gesti. Il sistema apprende dai movimenti dell’utilizzatore, associando gesti naturali o preferiti alle note o agli eventi musicali da eseguire, rendendo possibile la produzione sonora anche in assenza di mobilità fine o completa funzionalità degli arti. Il progetto si inserisce in un più ampio filone di ricerca volto a favorire l’accessibilità e l’inclusione musicale attraverso tecnologie intelligenti, offrendo nuove opportunità espressive e abilitative a chi, altrimenti, non potrebbe suonare strumenti tradizionali (https://www.rainews.it/tgr/campania/video/2024/10/gli-80-anni-delluniversita-di-salerno-ateneoproiettato-al-futuro-campus-scuola-medica-salernitana-laboratori-sperimentazioni-53048613-98e0-4a37-ba6a-738e029486bf.html?nxtep).
  • RICONOSCIMENTO PER ATTIVITÀ SCIENTIFICA: Progetto MarcoSmiles (INCLUSIVE MACHINE CREATIVITY: AI-BASED ASSISTIVE TECHNOLOGIES IN MUSIC), realizzato in collaborazione con ASL BENEVENTO per consentire a persone affette da disabilit