Cagliari, 10 - 11 febbraio 2020
T-Hotel, Via dei Giudicati, 66 - Cagliari
Organizzato dal Programma “Educational Technology” del
Centro di Ricerca, Sviluppo e Studi Superiori in Sardegna - CRS4
Programma
9:15 - Saluti delle istituzioni e presentazione del progetto
Introduce e Modera: Alessandro Bogliolo
Intervengono:
Cristian Solinas, Presidente della Regione Autonoma della Sardegna (RAS)
Andrea Biancareddu, Assessore regionale della Pubblica istruzione, beni culturali, informazione, spettacolo e sport, (RAS)
Giuseppe Fasolino, Assessore della Programmazione, bilancio, credito e assetto del territorio, (RAS)
Maria Assunta Serra, Commissario straordinario, Sardegna Ricerche
Annalisa Bonfiglio, Presidente del CRS4
Presentazione del progetto:
Carole Salis, Responsabile del progetto IDEA - finanziato con fondi PAC (Piano Azione e Coesione) e Responsabile del Programma "Educational Technology", CRS4
11:00 - Donald Clark, Ed Tech Imprenditore, Visiting Professor all'Università di Derby, Regno Unito
Relazione: AI changes everything (L’Intelligenza Artificiale cambia tutto)
11:40 - Testimonianza dei docenti
Interdisciplinarità con Intelligenza Artificiale - Un caso d’uso
Relazione: IA con le scienze
Dir. Scolastico: Giovanni Carmelo Marras - Istituto Comprensivo “S.Satta-A.Fais” di Perfugas
Docente: Silvana Pinna
Tutor Didattico: Pier Luigi Lai
Tutor Tecnologico: Alessandro Costantino
Introduce Davide Zedda, CRS4 e Istituto di Istruzione Superiore Statale “Michele Giua” di Cagliari
12:20 - Barbara Wasson, Direttore, Centre for the Science of Learning & Technology (SLATE), Professoressa, Università di Bergen, Norvegia
Relazione: Learning Analytics (Learning Analytics - l’analisi dell’apprendimento)
14:10 - Daniel Schneider, Professore all'Università di Ginevra, Svizzera
Relazione: Computational thinking and making (Pensiero Computazionale e Making)
14:50 - Testimonianza dei docenti
Pensiero Computazionale con coding, robotica educativa o Internet delle Cose – un caso d’uso
Relazione: Geometria IoT
Dir. Scolastico: Gian Battista Usai – Istituto Tecnico Professionale IANAS di Tortolì
Docenti : Anna Marongiu, Orietta Scattu
Tutor Didattico: Scilla Contu
Tutor Tecnologico: Mauro Mereu
Introduce Giuliana Brunetti, CRS4
15:30 - Francesco Cabras, Responsabile dello sviluppo della Piattaforma, CRS4 e Radix
Relazione: Piattaforma IDEA, il cloud al servizio della didattica
16:10 - Davide Zedda, CRS4 e Istituto di Istruzione Superiore Statale “Michele Giua” di Cagliari
Relazione: Accesso Remoto Intelligente ad Esperienze di Laboratorio - RIALE (Remote Intelligent Access to Lab Experiment)
16:50 - Chiusura e indicazioni sul programma della seconda giornata
Carole Salis, Responsabile del progetto IDEA - finanziato con fondi PAC (Piano Azione e Coesione) e Responsabile del Programma "Educational Technology", CRS4
9:15 - Introduce e Modera: Alessandro Bogliolo
Luca Galassi, Direttore Servizio politiche scolastiche - Assessorato regionale della pubblica istruzione, beni culturali, informazione, spettacolo e sport, (RAS)
Francesco Feliziani, Direttore Generale, Ufficio Scolastico Regionale per la Sardegna (MIUR)
Alessandro Corrias, Direttore, Servizio politiche per la formazione terziaria e la per la gioventù
11:00 - Kevin Burden, Professore, Università di Hull, Regno Unito
Relazione: What does Innovative Mobile Learning Look Like? (Come si configura l’apprendimento con il Mobile Learning innovativo?)
11:40 - Testimonianza dei docenti
Mobile Learning - Un caso d’uso – Scuola Senza Pareti
Relazione: Uomo e ambiente
Dir. Scolastico: Gian Battista Usai – Istituto Tecnico Professionale IANAS di Tortolì
Docenti: Claudia Moi, Laura Piazza, Rosa Deidda, Cristina Bini
Tutor Didattico: Scilla Contu
Tutor Tecnologico: Anna Costa
Introduce Stefano Leone Monni, CRS4 e Liceo Scientifico ”Michelangelo” di Cagliari
12:20 - Valéry Psyché, Professoressa, Università Teluq, Quebec, Canada
Relazione: Instructional design for Intelligent Adaptive Learning (Instructional design per un Apprendimento Adattivo Intelligente
13:00 - Testimonianza dei docenti
Design Pedagogico – Un caso d’uso
Relazione: Tris Box
Dir. Scolastico: Giovanni Carmelo Marras - Istituto Comprensivo “S.Satta-A.Fais” di Perfugas
Docente: Giovannica Cosso
Tutor Didattico: Barbara Letteri
Tutor Tecnologico: Vittorio Padiglia
Introduce Carole Salis, Responsabile del progetto IDEA - finanziato con fondi PAC (Piano Azione e Coesione) e Responsabile del Programma "Educational Technology", CRS4
14:50 - Kaska Porayska-Pomsta, Professoressa all'University College London, Regno Unito
Relazione: Scaffolding learners’ socio-emotional self-regulation through AI-enhanced learning environments (Sostenere l’autoregolazione socio-emotiva dei discenti attraverso ambienti di apprendimento potenziati con l’Intelligenza Artificiale
15:30 - Testimonianza dei docenti
Intertematica (SSP e Coding) - Un caso d’uso
Relazione: Viaggio nello spazio sonoro
Dir. Scolastico: Maria Romina Lai - I.I.S. Minerario "Giorgio Asproni" - I.T.C.G. "Enrico Fermi" di Iglesias
Docenti: Stefania Anna Russo, Riccardo Bachis
Tutor Didattici: Roberta Aru, Emanuela Nioi
Tutor Tecnologici: Santiago Garrido Rua, Giulio Lai
Introduce Davide Zedda, CRS4 e Istituto di Istruzione Superiore Statale “Michele Giua” di Cagliari
16:10 - Chiusura e presentazione futuri sviluppi
Carole Salis, Responsabile del progetto IDEA - finanziato con fondi PAC (Piano Azione e Coesione) e Responsabile del Programma "Educational Technology", CRS4
Relatori

Prof. Burden è un Illustre Visiting Professor dell’Università di Tecnologia di Sydney (UTS) e prima ancora è stato invitato dalla Hong Kong University, dall’Università di Macau e dall’Università del Nord di Barranquilla, Colombia. Kevin ha raccolto più di £1.5 milioni di sovvenzioni in regime di concorrenza competitiva e in riconoscimenti ed è stato insignito del titolo di National Teaching Fellow dall’Accademia di Alta Formazione del Regno Unito [Higher Education Academy (HEA)] per il suo lavoro di sostegno a studenti e docenti nell’utilizzo innovativo delle tecnologie digitali. È autore di più di cinquanta articoli peer-reviewed, capitoli di libri, e pubblicazioni. Inoltre, in collaborazione con i colleghi della UTS e dell’Università di Cambridge, ha partecipato alla scrittura del volume intitolato ‘Uncertainty in Teacher Education Futures: Scenarios, Politics and STEM’ (Incertezze dei possibili futuri della formazione dei docenti: scenari, politiche e discipline STEM) (http://www.springer.com/gp/book/9789811082450)
Keywords: innovazione; Mobile Learning; design, Progettazione
Contesto
Dalla comparsa, nei primi anni del 21° secolo, delle tecnologie mobili, numerosi studi hanno dimostrato come, quando è usato efficacemente, il Mobile Learning possa sostenere, migliorare e in alcuni casi trasformare l’insegnamento e l’apprendimento, portando benefici importanti agli studenti (Pegrum, Howitt, & Striepe, 2013; Wu, Wu, Chen, Kao, Lin, & Huang, 2012; Kearney, Burden, & Rai, 2015; Mifsud, 2014). Tuttavia, nonostante le innegabili possibilità che le tecnologie mobili hanno di migliorare e trasformare il modo in cui gli studenti imparano, gli educatori sono stati lenti ad usarle. Questo è vero sia per gli insegnanti delle scuole che nelle università, per i formatori con il compito di preparare le nuove generazioni di insegnanti (Burden & Kearney, 2017). La ricerca del relatore indica che questo problema complesso ha alla sua base la mancanza di adeguato sviluppo professionale, di risorse e di modelli che convincano gli educatori che vale la pena investire nel mobile learning.
Obiettivo
In risposta a questa sfida, il relatore ha diretto due progetti Erasmus +, il cui obiettivo era di sostenere gli insegnanti in un utilizzo più efficace e più innovativo delle tecnologie mobili. Il primo di questi progetti - Mobilising and Transforming Teacher Educators’ Pedagogies (MTTEP - Mobilitare e trasformare la pedagogia dei formatori di insegnanti) si è svolto dal 2014 al 2017. Coinvolgeva cinque partner di altrettante università e quattro scuole (http://www.mttep.eu). Il secondo progetto - Designing and Evaluating Innovative Mobile Pedagogies (DEIMP - Progettare e valutare le pedagogie innovative Mobili) è in corso e sarà alla base della presentazione del relatore. Entrambi i progetti hanno alla loro base un ambito personalizzato basato sul mobile learning chiamato iPAC (Kearney, Schuck, Burden & Aubusson, 2012).
Risultati ottenuti o previsti
Il progetto MTTEP ha prodotto un kit didattico per il mobile learning disponibile gratuitamente (http://www.mobilelearningtoolkit.com) che le scuole e gli educatori possono utilizzare, modificare e adattare. Nel corso del progetto DEIMP, stiamo sviluppando un’App mobile originale assieme a un MOOC complementare che aiutino i formatori a concepire e valutare gli scenari educativi relativi al mobile learning (http://www.deimpeu.com). I siti web di questi progetti sono stati consultati più di 100.000 volte e più di 20 istituti hanno utilizzato o adottato queste risorse per sviluppo professionale.
Conclusioni/raccomandazioni/riassunto
Questi progetti dimostrano quanto attività di sviluppo professionali sostenute e concrete, possano incoraggiare i formatori a confrontarsi con le tecnologie mobili in modi che superano molti degli ostacoli e sfide che sono stati evidenziati nella letteratura (Burden & Hopkins, 2016). Questa presentazione incoraggerà i partecipanti ad unirsi alla rete mobile learning creata, a partecipare agli esperimenti futuri e alla ricerca programmata per il biennio 2019-2020.
Keywords: Piattaforma IDEA, condivisione dati
Velocità di intervento, scalabilità ed evoluzione iterativa sono stati i requisiti fondamentali da rispettare per la realizzazione della piattaforma tecnologica del progetto IDEA.
In questa sessione partendo da una descrizione del sistema e delle sue componenti, vedremo come le tecnologie cloud hanno permesso di ottenere i risultati sperati, miminizzando i tempi e i costi dello sviluppo e massimizzando il riuso e l'affidabilità del sistema.

Donald descrive se stesso come “libero dalla tirannia dell’impiego”. È membro del consiglio di Cogbook e LearningPool, due compagnie specializzate nell’Intelligenza Artificiale. È anche Visiting Professor e si occupa di ricerca nel campo dell’Intelligenza Artificiale applicata all’apprendimento. Ha lavorato in scuole, istituti professionali, in università, si è occupato di formazione degli adulti e di formazione in ambiente aziendale, trasferendo progetti originali ai discenti.
Donald vanta più di 30 anni di esperienza nel campo della formazione online, nella teoria dei giochi, nelle simulazioni, nella semantica, nell’apprendimento adattivo, i chatbot, i social media, il Mobile Learning, la realtà virtuale e i progetti di Intelligenza Artificiale. Ha concepito progetti, insegnato e fornito il suo parere da esperto sul tema dell’apprendimento online a favore di molti enti mondiali, pubblici e privati. Sostiene la causa dell’utilizzo della tecnologia nell’apprendimento. Ha vinto molti premi, tra cui il primo: 'Outstanding Achievement in E-learning Award' il 'Best AIM Stock Market Company'; e per la WildFire ha vinto il 'Most Innovative Online Product', il 'Best Online Learning Project' e il 'JISC EdTech Award'.
Premiato come relatore a conferenze nazionali ed internazionali, è stato keynote speaker in Europa, Stati Uniti, Africa, Australia Medio Oriente e Estremo Oriente. Da più di 10 anni, gestisce e aggiorna regolarmente un blog sulle tecnologie dell’apprendimento. Le sue pubblicazioni in serie sui teorici dell’apprendimento e i suoi 500 consigli pubblicati online sulla progettazione sono delle risorse preziose. Il suo libro sull’ Intelligenza Artificiale è in preparazione.
Keywords: Intelligenza Artificiale
Quasi tutto quello che si fa online è mediato dall’Intelligenza Artificiale – Google, i social media, Amazon, Netflix. Questo fatto ha raggiunto il mondo dell’educazione. Donald darà una definizione dell’Intelligenza Artificiale e poi vi porterà attraverso un viaggio nel mondo dell’apprendimento che affronterà l’impegno degli studenti, il supporto degli stessi, la trasmissione dei concetti, la valutazione e il benessere dei discenti. Inoltre, mostrerà, attraverso esempi concreti, come l’Intelligenza Artificiale può aiutare i docenti nella loro didattica.

Keywords: Artificial Intelligence, Agenti Pedagogici, Ambienti di Apprendimenti Intelligenti
L'uso dell'Intelligenza Artificiale a sostegno dello sviluppo delle competenze sociali, è un ramo emergente nel campo dell’educazione, dell’insegnamento in generale e delle pratiche di apprendimento. Mentre i legami esistenti tra le competenze della comunicazione sociale e l’apprendimento sono ben documentate in diverse discipline di ricerca affini alla ricerca e alle pratiche educative (per esempio nella psicologia dello sviluppo, la psicologia educativa, le neuroscienze cognitive), cresce l’attenzione per queste competenze in contesti formali di apprendimento, dove l’Apprendimento Collaborativo, l’Apprendimento Auto-Regolato, e l’Apprendimento Basato sul Progetto stanno diventando sempre più parte di tali contesti. Tuttavia, nonostante l’importanza dell’interazione sociale per il funzionamento quotidiano dell’essere umano, che include l’apprendimento, l’acquisizione delle competenze sociali richiede da un lato un importante addestramento, dall’altro un condizionamento socio-culturale e delle competenze metacognitive altamente sviluppate che a loro volta richiedono un continuo adeguamento e un autocontrollo mirato. Le interazioni sociali e le competenze emotive di auto-regolazione non possono essere supportate soltanto dal fatto di mostrare l’esempio o dal fatto di dire alle persone cosa sentire e come comportarsi. Invece, richiedono l’accesso: (i) a esperienze concrete e ripetibili, in contesti che riflettano in modo credibile scenari reali, (ii) e alla possibilità di rievocare una cornice situazionale e ad esami approfonditi e guidati del comportamento messo in atto in prima persona dal discente. Interazioni sociali verosimili affiancate da agenti di Intelligenza Artificiali e da Modelli “Open Learner” (OLM) consentono un utile aumento delle procedure attualmente disponibili. Consentono anche uno studio sistematico delle interazioni sociali e del supporto all’apprendimento necessari ad alimentare le competenze di autoregolazione dei discenti. In questa relazione, presenterò il lavoro svolto in due progetti. Il primo incentrato sul sostegno allo sviluppo delle competenze sociali comunicative dei bambini con diagnosi di disturbi dello spettro autistico cosiddetto a basso funzionamento. Questo sostegno si raggiunge attraverso l’applicazione di agenti di Intelligenza Artificiale in contesti misti di apprendimento uomo-IA. Il secondo progetto è centrato sulla creazione di un’esperienza situata potenziata dall’Intelligenza Artificiale e da Modelli Open Learner destinata a discenti di età tra i 16 e i 18 anni valutati a rischio di esclusione sociale a causa della disoccupazione a seguito di colloqui di lavoro fatti con dei selezionatori basati sull’IA e sulla valutazione dell’impatto di questo contesto sui loro comportamenti verbali e non verbali nonché sulla loro autostima. Utilizzando questi due esempi, discuterò della applicabilità di una educazione basata sull’IA a supporto delle competenze di autoregolazione e in generale l’inclusione sociale ed educativa. Per concludere, stabilirò un collegamento tra gli approcci usati in questi due progetti e la loro rilevanza nei contesti formali e informali di apprendimento e insegnamento, mettendo in evidenza l’importanza che danno alle abilità cognitive di livello superiore, fondamentali per l’apprendimento in tutti i campi.

Prima di diventare docente universitario, ha lavorato per numerosi anni come progettista della didattica, ricercatore indipendente e coordinatore dei docenti.
La sua ricerca si focalizza sull’ingegneria ontologica, l’analisi delle comunità virtuali di pratica o di apprendimento, i sistemi intelligenti di tutoraggio e in generale, l’Intelligenza Artificiale applicata all’educazione
Keywords: Instructional Design, Teorie dell’Insegnamento e dell’apprendimento, Ambienti per l’Adaptive Learning, Stili di Apprendimento
L’Apprendimento Adattivo è la traduzione letterale di “Adaptive Learning” che si traduce meglio in “insegnamento adattivo” perché gli ambienti digitali di apprendimento si adattano al discente e non il contrario. L’Apprendimento Adattivo è il processo di “costruzione del modello degli obiettivi del discente, delle sue preferenze e conoscenze e di utilizzo dello stesso durante le sue interazioni con l’ambiente al fine di dare un feedback personalizzato oppure al fine di adattare contenuti e interfacce ai suoi bisogni di apprendimento” (Brusilovsky & Peylo, 2003). L’adattamento si concretizza in tempo reale, utilizzando degli algoritmi di Machine Learning che fanno delle inferenze a partire dalle azioni dei discenti durante la sessione di apprendimento. Un esempio di inferenza è la diagnosi dei loro errori. Più la macchina simula il comportamento di un tutor umano, più è “intelligente” Questo è definito tutore intelligente e l’apprendimento, apprendimento adattivo intelligente.
La natura “intelligente” di un ambiente digitale di apprendimento risiede nel fatto che è adattabile al discente. Il concetto di adattabilità fa riferimento all’abilità dell’ambiente di apprendimento di modificare il suo comportamento in accordo alle inferenze fatte sulla base dei contenuti aggiornati del modello del discente, oppure sulla base del suo stato cognitivo, metacognitivo o emotivo. L’apprendimento adattivo è il paradigma associato agli ambienti di apprendimento e ai sistemi tutoriali intelligenti (Carbonnell, 1970; Sleeman and Brown, 1981; Wenger, 1987). Dai tempi della dimostrazione di Bloom (1984), sappiamo che il tutoraggio è due volte più efficace di qualsiasi altra forma di insegnamento tradizionale. Questo fatto ha incoraggiato la sua applicazione in ambienti dotati di tutori intelligenti o in generale, nelle piattaforme e-learning adattive che siano intelligenti oppure no. L’adattabilità di un ambiente di apprendimento intelligente (Intelligent Learning Environment - ILE) è attuata attraverso i dati educativi raccolti. Di solito corrispondono a delle informazioni:
- Sul profilo del discente, sulle sue strategie pedagogiche e aree di apprendimento
- Provenienti dalle interazioni del discente con l’interfaccia ILE
Questi dati generalmente sono utilizzati per (Nkambou, Mizoguchi and Bourdeau, 2010)
- Pianificare in modo dinamico gli obiettivi di apprendimento e le attività nel ILE
- Configurare la sua interfaccia, la sua presentazione e le sequenze di attività
- Guidare il discente attraverso un’attività oppure
- Stabilire una diagnosi cognitiva sul discente
Come integrare l’apprendimento adattivo alla vostra didattica?
Chiaramente, è necessario mettere in atto un metodo di progettazione didattica (Instructional Design) per definire il livello possibile di adattamento, sulla base delle risorse umane e tecnologiche a disposizione nell’istituto. Durante questa conferenza, discuteremo dei parametri e dei passi su cui il docente e il team tecno-pedagogico può intervenire al fine di raggiungere un minimo di integrazione di apprendimento adattivo in un corso online, basato sull’approccio Learning Design.

Keywords: Pensiero Computazionale, Problem Solving, Making
Le nuove generazioni non sono nate con competenze ICT innate, né esposte a grandi quantità/sollecitazioni di pensiero computazionale. Sembrano avere poco controllo sui software professionali. Pochi giovani hanno capacità di programmazione elementari e pochi sono coinvolti nella creazione di manufatti tecnici condivisi. La Progettazione Digitale e Fabbricazione (spesso chiamata “Making”), associata con il Design Thinking (pensiero progettuale) potrebbero offrire una soluzione idonea a stimolare l’interesse dei giovani per il digitale. Il Making interpreta la natura umana come una “mano in azione” che modella l’ambiente e affronta sfide che richiedono creatività e competenze tecniche. Associato al pensiero progettuale, il Making potrebbe sviluppare le competenze del 21° secolo quali la competenza numerica, le strategie di problem-solving e l’autoregolazione. La parola “Making” ha diverse radici. Il concetto è stato formalizzato da Gershenfeld nel suo corso alla MIT intitolato “come fare quasi tutto”. Caratterizzato dalla pedagogia basata su progetti, da una organizzazione “Just in Time” e da una importante collaborazione tra gli studenti, questo corso è servito da modello alla creazione di “Fab Lab” pedagogici che promuovono l’autonomia. Contemporaneamente, il Fai da Te (Do it Yourself) e l’artigianato hanno registrato una rinascita grazie all’evoluzione e all’ubiquità dei dispositivi digitali. Nuove generazioni di hardware open source hanno reso possibile la costruzione di dispositivi a basso costo controllati da computer, in particolare le stampanti 3D. Questo ha portato alla creazione dei cosiddetti “spazi maker”. Nuove generazioni di siti web consentono di condividere facilmente la progettazione digitale e danno nuova linfa all’interazione online. I cosiddetti “Hack Labs” mettono assieme persone interessate all’elettronica, cioè interessati a smontare, capire, riparare e riconfigurare. Nella letteratura, troviamo quattro motivi per promuovere il “Making” nell’educazione:
- è un mezzo per insegnare la programmazione, il disegno vettoriale, la matematica, e le questioni ambientali e sociali.
- il “Making” insegna la pianificazione, la cooperazione e sviluppa le competenze metacognitive.
- Le competenze di progettazione sono essenziali per l’economia futura.
- I docenti possono creare o adattare oggetti didattici da costruire.
Secondo Blikstein, gli educatori che introducono il “Making” si ricollegano al costruttivismo di Papert e alle pedagogie della liberazione di Freire o Freinet. Come tale, se desiderato, il “Making” è anche uno strumento per il cambiamento educativo. In questa presentazione, ci concentreremo sull’utilizzo del “Making” come mezzo attraverso cui insegnare i principi del pensiero computazionale e alcuni concetti tecnici di base dell’ICT. Useremo il concetto di pensiero computazionale, inteso come insieme di abilità, competenze e procedure che facilitano il “Problem Solving” basato sui principi dell’informatica. In questa ottica, l’alfabetizzazione informatica può essere suddivisa in tre aspetti:
- l’abilità a formulare un concetto di più ampia portata,
- la risoluzione di un problema utilizzando le tecnologie dell’informazione e della comunicazione e
- la condivisione della soluzione attraverso piattaforme online.
Presenteremo una panoramica della poca letteratura finora esistente sul “Making” e sul pensiero computazionale. Presenteremo il dettaglio di alcuni ambienti atti all’insegnamento dei fondamenti della programmazione, quali BlockSCAD, OpenSCAD e TurtleStitch e affronteremo le loro “Affordances” educative (l’immediatezza con la quale se ne capisce l’utilizzo) per insegnare sia costrutti di programmazione elementare che alcuni concetti di Problem Solving. Successivamente, affronteremo un discorso più ampio, ossia come motivare i discenti a creare oggetti utili all’insegnamento dell’informatica e di altre competenze di ragionamento che vanno oltre la semplice programmazione. Per finire, discuteremo anche della possibilità di creare degli strumenti per insegnare i principi dell’informatica “unplugged” (senza computer) perché i docenti che imparano a creare oggetti che hanno un senso per la loro didattica possono anche prendere in considerazione di insegnare il “Making” ai loro studenti.

Keywords: Learning Analytics
Negli ultimi 9 anni, il Learning Analytics (l’analisi dell’apprendimento) è emerso come un promettente settore di ricerca nonché ambito di applicazione. Il “Learning Analytics” include la ricerca originata da sfide quali la raccolta, la gestione, l’analisi e la comunicazione dei dati allo scopo preciso di migliorare l’apprendimento e i contesti in cui esso avviene.
Il termine “Learning Analytics” iniziò ad essere usato nel 2010 e da allora, sono stati pubblicati un numero sempre crescente di lavori sull’argomento, un crescente numero di applicazioni di Learning Analytics, nuovi centri di ricerca avente come obiettivo lo studio del Learning Analytics e un interesse sempre più marcato da parte di diversi portatori d’interesse e delle istanze decisionali. La ricerca sul Learning Analytics si basa sui settori di ricerca emersi negli anni ’70 e ’80 come per esempio il data mining (estrazione di dati) educativo, l’Intelligenza Artificiale nell’educazione, i sistemi di supporto alle decisioni, sistemi intelligenti di tutoring e campi nuovi come le scienze dell’apprendimento, i Big Data e il Business Analytics (analisi aziendale).
In questa presentazione, farò una panoramica del campo dell’analisi dell’apprendimento e una riflessione sul suo ruolo nel mondo dell’educazione. Presenterò tre progetti del Centro per la scienza dell’apprendimento e tecnologia (Centre for The Science of Learning and Technology SLATE) dell’Università di Bergen che affrontano il tema dell’analisi dell’apprendimento applicato al mondo della scuola.
Nel primo progetto, denominato Apprendimento Adattivo in Matematica (Adaptive Learning in Mathematics (ALMAT)), abbiamo svolto uno studio empirico sull’utilizzo di uno strumento di apprendimento adattivo: Multi Smart Øving (MSØ). MSØ è l’unico strumento di learning analytics che è utilizzato nella scuola primaria e secondaria in Norvegia. Sono stati raccolti dati empirici su come i docenti usano e sperimentano lo strumento, come i fornitori sperimentano i loro prodotti e come MSØ è presentato commercialmente (Egelandsdal et al., 2019).
Il secondo progetto denominato Dati Relativi all’Attività per la Valutazione e l’Adattabilità (Activity Data for Assessment and Adaptivity (AVT)) ha per scopo di indagare le possibilità di integrare i dati relativi all’attività tra diversi venditori di strumenti digitali utilizzati nelle scuole, per offrire delle attività di apprendimento che si adattino meglio ai bisogni del discente (Morlandstø et al., 2019; Wasson et al., 2019). In questo progetto (AVT) abbiamo sviluppato un quadro per l’analisi dell’apprendimento che struttura i dati generati dai discenti che lavorano con gli strumenti digitali, che offre un quadro che gestisce lo scambio sicuro di dati tra fornitori e che consente il suggerimento di compiti/argomenti rilevanti per i discenti. Il quadro AVT Learning Analytics dà una base ai lavori futuri nel campo dell’analisi dell’apprendimento nelle scuole elementari e nelle scuole medie.
L’insorgenza dell’uso della tecnologia nel campo dell’apprendimento ha generato un aumento della quantità e della tipologia dei dati disponibili nelle classi ricche di tecnologia e di informazioni e degli strumenti per gestire questi dati stanno emergendo. La nostra ricerca sull’alfabetizzazione della gestione dei dati e il loro uso per l’insegnamento (Wasson & Hansen, 2016) suggerisce che i concetti di competenza digitale devono essere estesi per includere la comprensione di come usare questi dati, cioè alfabetizzazione dei dati.
Nel terzo progetto denominato Inchiesta degli insegnanti sull’apprendimento degli studenti (Teacher Inquiry into Student Learning (TISL)), il punto di vista del docente è centrale. TISL è un metodo che indaga come i docenti utilizzano i dati relativi all’apprendimento degli studenti per migliorare la propria pratica didattica. L’inchiesta del docente può essere vista sia come un modo di migliorare l’insegnamento quotidiano che come una possibilità di sviluppo professionale per gli stessi.
Gli argomenti attualmente studiati sono: Pensiero computazionale, robotica, IoT, IoT, database, web apps, applicazioni mobili, Intelligenza Artificiale, OOP sviluppato principalmente con le piattaforme Microsoft e Arduino.
Keywords: Intelligenza Artificiale, Laboratori Remoti
RIALE propone un approccio multimodale di apprendimento di contenuti scientifici, aumentato tramite video, audio, testi, link esterni, il tutto etichettato col supporto di tecniche di Intelligenza Artificiale (AI). I dati di un esperimento scientifico vengono acquisiti mediante canali IoT. I contenuti etichettati sono posizionati in una timeline che permette agli studenti di vivere e rivivere un esperimento scientifico e fornisce un supporto visuale che aiuta lo studente a identificare relazioni di causa ed effetto tra le differenti fasi dell’esperimento. RIALE è pensato non solo come integrazione delle attività didattiche laboratoriali tradizionali, ma anche come opportunità per lo studente di vivere in prima persona un vero esperimento scientifico condotto con tecnologie e strumenti che il laboratori scolastici non possono avere a disposizione. RIALE offre un’area nella quale i docenti possono condividere i contenuti creati allo scopo di rielaborarli e personalizzarli perché rispondano alle specifiche esigenze didattiche.
Un primo modello didattico di RIALE è attualmente in fase di realizzazione presso il laboratorio di sequenziamento dell’esoma NEXT del CRS4. L’esperimento segue le fasi per l’ispezione delle sequenze geniche e l’individuazione di una mutazione patogenetica.
RIALE è basata su una infrastruttura cloud del tipo PaaS (Platform as a Service) accessibile via Web browser e dispositivo mobile.
