L'intelligenza artificiale per gli insegnanti: Un libro aperto

Una nota sulla personalizzazione

La personalizzazione dell'apprendimento

Ogni insegnante personalizza l'apprendimento, anche solo aggiungendo un esempio in più o prestando attenzione individuale, se necessario. In un certo senso, l'insegnamento stesso è un atto di personalizzazione, a differenza, ad esempio, di una televisione che trasmette una lezione. Gli insegnanti modificano le loro lezioni in modo che gli studenti possano dare un senso a ciò che imparano. Li aiutano ad adattare le nuove conoscenze o abilità a ciò che già sapevano, alle loro osservazioni personali e alle loro esperienze sociali. Aiutano gli studenti a fare ciò che possono con quello che imparano.

In termini generali, l'apprendimento personalizzato consiste nel creare ambienti ed esperienze di apprendimento diversi per le diverse esigenze, capacità e contesto culturale di ogni studente.1 Naturalmente, la portata e il grado di personalizzazione variano. Gli esperti hanno identificato sei dimensioni della personalizzazione: Il perché, il come, il cosa, il quando, il chi e il dove avviene l'apprendimento2 : 

Il tutoraggio individuale è il simbolo della personalizzazione. Benjamin Bloom ha dimostrato negli anni '60 che lo studente medio ottiene risultati migliori con un tutoraggio individuale. Ha anche dimostrato che l'attenzione individuale colma il divario di apprendimento tra chi ottiene punteggi alti e bassi. Nella classe reale, anche con dieci studenti, personalizzare i contenuti a beneficio di ciascuno può richiedere un grande sforzo. Una vera personalizzazione è praticamente impossibile. Anche quando l'insegnante sa che uno studente ha delle lacune nell'apprendimento, potrebbe non essere in grado di porvi rimedio per mancanza di tempo. Di conseguenza, il sistema perde continuamente studenti, anche con il massimo impegno da parte degli insegnanti.




È qui che la tecnologia può dare una mano.
 

Apprendimento personalizzato potenziato dalla tecnologia (Technology Enhanced Personalised Learning)

È possibile utilizzare la tecnologia per personalizzare il processo di apprendimento, sia in misura significativa sia in misura ridotta. In questo caso, la tecnologia comprende qualsiasi cosa, dalle applicazioni mobili alle piattaforme online, fino ai sistemi di apprendimento autonomi.2 Questo è più efficace ora che l'intelligenza artificiale, l'accesso ai dati, le tecniche di estrazione, il cloud computing e l'hardware a prezzi accessibili hanno reso le applicazioni pratiche e senza soluzione di continuità.

Una tecnologia ben progettata può andare ben oltre l'aiutare a superare gli ostacoli mostrati sopra. Se integrata nelle lezioni tradizionali, come compito a casa o come compito in classe occasionale, può aiutare gli studenti ad acquisire ed esercitare un'abilità di routine. In questo modo, si libera il tempo in classe per l'interazione, l'attenzione personale e la risoluzione dei problemi. Inoltre, è possibile monitorare ciò che accade durante i compiti a casa, osservando i progressi degli studenti e le loro difficoltà.3 





A volte, per alcune parti di una lezione, un software potrebbe fare un lavoro migliore. Pensate alla visualizzazione delle tre dimensioni in matematica o alla pratica della pronuncia per ogni studente di una classe di lingue; oppure a un'animazione che spieghi i processi all'interno di una cellula umana.

Clicca qui per le definizioni di apprendimento blended e di altri tipi di apprendimento, spesso discussi insieme alla personalizzazione.

Tutte le soluzioni di intelligenza artificiale per l'istruzione possono essere utilizzate in misura diversa per aiutare a personalizzare l'apprendimento. In questo capitolo, discutiamo l'uso dei sistemi di apprendimento adattivi.

------------------------------------------------------------------------------------------------------
1 Groff,J., Personalized Learning: The State of the Field & Future Directions, Center for Curriculum Redesign, 2017.
2 Holmes, W., Anastopoulou S., Schaumburg, H & Mavrikis, M.,Technology-enhanced personalised learning: untangling the evidence, Stuttgart: Robert Bosch Stiftung, 2018.
3 Feldstein, M., Hill, P., Personalized Learning: What It Really Is and Why It Really Matters, Educause Review, 2016
4 Taylor, D., Yeung, M., Bashet, A.Z., Personalized and Adaptive Learning, Innovative Learning Environments in STEM Higher Education pp 17–34,  SpringerBriefs in Statistics, 2021

 

This page has paths:

This page references: