2. personalizzazione dei processi di insegnamento-apprendimento
2. personalizzazione dei processi di insegnamento-apprendimento
2. personalizzazione dei processi di insegnamento-apprendimento
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
o Autodescrizione: gli studenti dovrebbero avere la possibilità <strong>di</strong> descrivere attributi comuni, quali dati<br />
anagrafi e <strong>di</strong> contatto, ma anche preferenze <strong>di</strong>dattiche, conoscenza pregressa e abilità, attraverso moduli <strong>di</strong><br />
registrazione, questionari, quiz etc. Queste ultime informazioni dovrebbero poi essere usate<br />
successivamente per guidare le esperienze <strong>di</strong>dattiche. Nella sezione 1.4.2 vedremo come questa strategia è<br />
stata implementata nella piattaforma IWT.<br />
o Aggregazione: vengono usati attributi comuni (<strong>di</strong> tipo demografico o a seconda <strong>di</strong> risposte a indagini<br />
o questionari, etc) per raggruppare studenti in gruppi più piccoli, meglio identificabili e maneggevoli.<br />
L’aggregazione può essere utilizzata anche per fornire ai membri risorse adeguate rispetto ad esigenze <strong>di</strong><br />
settore. Tutte le piattaforme permettono <strong>di</strong>versi livelli <strong>di</strong> aggregazione (ad es. classe, corso, gruppo).<br />
o Informazioni cognitive: sono usate per presentare allo studente risorse <strong>di</strong> appren<strong>di</strong>mento più adatte<br />
ai <strong>processi</strong>, alle strategie e alle abilità cognitive del singolo studente. Le risorse possono <strong>di</strong>fferire per<br />
tipologia (au<strong>di</strong>o, video, testo) o strategia <strong>di</strong>dattica (presentazione lineare o ipertestuale). Nelle sezioni 1.4 e<br />
1.5 vedremo come sono usate le informazioni cognitive per la <strong>personalizzazione</strong> in IWT.<br />
o Informazioni sulla persona nella sua completezza: qui si va oltre il livello cognitivo e si tiene in<br />
considerazione l’atteggiamento dello studente verso l’appren<strong>di</strong>mento, cioè il suo approccio in<strong>di</strong>viduale<br />
all’appren<strong>di</strong>mento che include anche fattori sociali, affettivi e conativi. La <strong>personalizzazione</strong> in questo caso<br />
non si limita a presentare allo studente le risorse più opportune per il raggiungimento <strong>di</strong> determinati<br />
obiettivi <strong>di</strong>dattici, ma mira a migliorare le capacità <strong>di</strong> appren<strong>di</strong>mento nella loro interezza. Gli algoritmi alla<br />
base <strong>di</strong> una tale <strong>personalizzazione</strong> sono complessi e sofisticati. Nella sezione 1.4.3 accenniamo alla messa a<br />
punto <strong>di</strong> uno strumento, parzialmente implementato in IWT, per la definizione del cosiddetto “profilo<br />
affettivo in matematica” <strong>di</strong> uno studente.<br />
Nelle prossime sezioni an<strong>di</strong>amo ad approfon<strong>di</strong>re le ultime due strategie nel caso della piattaforma IWT.<br />
4 STRUMENTI PER LA PERSONALIZZAZIONE IN IWT: IL TUTOR INTELLIGENTE LIA (LEARNING<br />
INTELLIGENT ADVISOR)<br />
In questa sezione an<strong>di</strong>amo a descrivere le funzionalità <strong>di</strong> Intelligent Tutoring System (Nwana, 1990)<br />
presenti in IWT, utili per la realizzazione <strong>di</strong> <strong>processi</strong> <strong>di</strong> appren<strong>di</strong>mento personalizzati. IWT possiede un<br />
motore <strong>di</strong> tutoring intelligente, detto LIA (Learning Intelligent Advisor), capace <strong>di</strong> integrare in sistemi <strong>di</strong> e‐<br />
learning tra<strong>di</strong>zionali alcune funzionalità “intelligenti” che permettono <strong>di</strong> personalizzare le esperienze <strong>di</strong><br />
appren<strong>di</strong>mento. LIA è basato su un insieme <strong>di</strong> modelli che permettono <strong>di</strong> rappresentare (nella macchina) le<br />
principali entità coinvolte nel processo <strong>di</strong> <strong>insegnamento</strong>/appren<strong>di</strong>mento, e su un insieme <strong>di</strong> metodologie<br />
che, grazie ai detti modelli, permettono <strong>di</strong> generare esperienze <strong>di</strong> appren<strong>di</strong>mento personalizzate rispetto a<br />
obiettivi <strong>di</strong>dattici, conoscenza pregressa e preferenze <strong>di</strong>dattiche. An<strong>di</strong>amo a vedere brevemente <strong>di</strong> cosa si<br />
tratta (per una trattazione approfon<strong>di</strong>ta, si veda Capuano et al. (2009)).<br />
4.1 MODELLO DEL DOMINIO<br />
Per la rappresentazione del dominio della conoscenza, IWT fornisce un modello a tre livelli, che sono<br />
rappresentati da: ontologie, risorse <strong>di</strong> appren<strong>di</strong>mento e metadata. Il primo permette <strong>di</strong> rappresentare