Coordinamento
Roberto Trinchero, Tommaso Minerva
Descrizione
L’analisi delle relazioni che caratterizzano l’apprendimento e i fattori contestuali che influenzano tali relazioni rappresentano una delle sfide globali contemporanee affrontate dai ricercatori in una serie di settori, in particolare in materia di istruzione, psicologia, sociologia e informatica. Progressi significativi sono stati conseguiti in una serie di ambiti disciplinari, dalla psicologia dell’educazione all’intelligenza artificiale nell’educazione, interessati al ruolo proattivo degli studenti nel processo di apprendimento e all’efficacia dell’azione didattica. Grazie alla diffusione sempre più ampia degli ambienti di apprendimento digitali (LMS, Learning Management System) e di specifici protocolli (ad esempio, l’eye-tracking, il monitoraggio delle attività, l’analisi video, l’analisi dei contenuti, l’analisi dei sentimenti, i mondi immersivi, l’analisi dei social network, l’analisi delle interazioni) attualmente è possibile disporre di basi di dati di dimensioni tali da richiedere approcci e strumenti di analisi del tutto nuovi. Queste nuove condizioni informative e la conseguente produzione massiva di dati, i cosiddetti big data, hanno sollecitato nell’ultimo decennio lo sviluppo di un nuovo ambito della ricerca anche in campo educativo, noto come Learning Analytics (LA) proprio perché concentra l’attenzione sui dati riguardanti i processi di apprendimento. Tale ambito di ricerca, sviluppatosi inizialmente nel mondo accademico anglosassone, sta gradualmente definendo i suoi confini, i fini, i metodi e le tecniche. Attualmente, aspetti rilevanti del processo di insegnamento-apprendimento, compresi naturalmente quelli riguardanti i processi valutativi, possono essere esplorati ed analizzati in modo nuovo grazie ai metodi e alle tecniche messe a punto all’interno della comunità di ricerca dei LA. Tuttavia rimangono scarsamente esplorate le dimensioni pedagogiche che dovrebbero accompagnare e definire, in questo specifico ambito di ricerca, la concettualizzazione dei modelli di analisi, i criteri per accompagnare i processi decisionali legati al monitoraggio e alla valutazione “in-process” e quelli per l’accesso, la visualizzazione e la valutazione dei risultati. In altre parole, è ancora debole il contributo pedagogico alle ricerche e alle attività di sviluppo nel campo dei LA. Infatti, mentre iniziano ad essere sufficientemente chiari i metodi e le tecniche per rilevare e analizzare i dati generati dagli ambienti di apprendimento digitali, grazie soprattutto al contributo dei matematici, degli statistici e dei tecnologi, non c’è altrettanta chiarezza sugli scopi per cui analizzare tali dati e sulla finalizzazione delle analisi all’interno dei contesti educativi. Poiché anche nella ricerca i fini orientano i mezzi, la comunità scientifica dei LA considera il contributo della pedagogia fondamentale per individuare e esplicitare le ragioni che devono orientare le analisi dei dati e, quindi, per dare nuovo impulso e nuovi obiettivi alla ricerca.
Le tematiche di studio e ricerca dell’osservatorio sono:
- Learning Analytics (in tutte le sue declinazioni compreso quello della formazione iniziale e continua degli insegnanti, eventualmente discriminando tra ambiti e destinatari, ovvero docenti e discenti)
- Educational Data Mining
- Academic Analytics
- Sistemi e strumenti valutativi negli LMS
- Sistemi e strumenti valutativi nei MOOCs
- Modelli di visualizzazione dei dati nei sistemi on line
Il nucleo iniziale dell’osservatorio è costituito da: Luciano Cecconi, Antonio Marzano, Pierpaolo Limone, Antonella Poce, Valentina Grion, Giuliano Vivanet, Michele Biasutti, Giovanni Bonaiuti, Emilia Restiglian, Anna Dipace, Paolo Ferri.