1
Il Successo Formativo e l’Apprendimento, principale fattore di Qualità di una scuola.
Nuovi approcci teorici e didattici.
SILVANO TAGLIAGAMBE
PALERMO- RETE FARO
29 marzo 2007
Successoformativo
Apprendimento
2
SUCCESSO FORMATIVO E SUCCESSO FORMATIVO E APPRENDIMENTOAPPRENDIMENTO
Crescita progressiva di Crescita progressiva di successo formativo esuccesso formativo e
apprendimentoapprendimento
ApprendimentoApprendimento
Successo formativoSuccesso formativo
3
Hofstadter: gli “strani anelli” comeHofstadter: gli “strani anelli” comenodo cruciale della coscienzanodo cruciale della coscienza
Sono convinto che la spiegazione dei fenomeni “emergenti”Sono convinto che la spiegazione dei fenomeni “emergenti”nel cervello, come la coscienza, sia basata su qualche tipo di nel cervello, come la coscienza, sia basata su qualche tipo di “strano anello”: un’interazione tra livelli in cui il livello più alto “strano anello”: un’interazione tra livelli in cui il livello più alto torna indietro fino a raggiungere il livello più basso e lo torna indietro fino a raggiungere il livello più basso e lo influenza, mentre allo stesso tempo viene determinato da esso.influenza, mentre allo stesso tempo viene determinato da esso.
C’è una risonanza tra i diversi livelli che si autorafforza.
4
COMPETENZE E CAPACITA’ NECESSARIE PERINQUADRARE UN PROBLEMA E RISOLVERLO.
LE POSSIAMO COSì SCHEMATIZZARE:
ANALISI; ASTRAZIONE; DEDUZIONE; ABDUZIONE; INDUZIONE; ANALOGIA.
5
ANALISIPuò essere concepita in due modi differenti:
SCOMPOSIZIONE di un problema complesso nelle sue parti; RIDUZIONE di un problema a un altro.
6
ASTRAZIONESI PRESENTA SOTTO DIVERSE FORME E TIPOLOGIE: PER ESTRAZIONE; PER SOPPRESSIONE; PER IBRIDAZIONE; PER SPOSTAMENTO DELL’ATTENZIONE
7
IBRIDAZIONENella Géométrie Descartes tratta le curvecome ibridi geometrici-algebrici-numerici chesono simultaneamente configurazioni formatespazialmente, equazioni algebriche con due incognite e una serie infinita di coppie di numeri.Ne consegue un’INSTABILITA’, perché questitre diversi modi di trattare le curve non sono equivalenti: ma questa instabilità conferisce allecurve una MULTIVALENZA che è la chiave perla loro indagine e per il loro impiego nella fisica della seconda metà del XVIII secolo.
8
SPOSTAMENTO DELL’ATTENZIONE
Prima della creazione del calcolo infinitesimale, ci si concentrava solo sugli ASPETTI GEOMETRICI del problema dicalcolare l’area di una curva, e di conseguenza si riusciva a risolverlo solo acosto di una notevole ingegnosità.Dopo l’invenzione del calcolo, spostando l’attenziione sugli aspetti ALGEBRICI del problema, la curva venne considerata un’equazione e si poté RISOLVERE IL PROBLEMA CON UN PROCEDIMENTO DI ROUTINE e quasi meccanico.
9
DEDUZIONE/1E’ l’inferenza in cui un parlante sostiene che la conclusione segue necessariamente dalle premesse. Detto in termini più precisi,“per un qualsiasi enunciato S, rispetto a un insieme di enunciati K, la deduzione è una successione finita di enunciati il cui ultimo elemento è S (quello di cui diciamo, appunto, che è dedotto), e tale che ogni suo elemento è un assioma o un elemento di K, oppure segue da enunciati che lo precedono nella successione grazie a una regola d’inferenza. Un termine sinonimo è ‘derivazione. La deduzione è un concetto relativo a un sistema. Ha senso dire che qualcosa è una deduzione solo in relazione a un particolare sistema di assiomi e regole d’inferenza. La stessa esatta successione di enunciati può essere una deduzione in un sistema, ma non in un altro”.
10
DEDUZIONE/2Il concetto di deduzione è una generalizzazione del concetto di dimostrazione. Una dimostrazione è una successione finita di enunciati, ciascuno dei quali è un assioma o segue da enunciati che lo precedono nella successione tramite una regola inferenziale. L'ultimo enunciato della successione è un teorema. La deduzione e la dimostrazione sono gli strumenti più efficaci di cui possiamo disporre per cercare di controllare la validità del ragionamento di un agente qualsiasi e i risultati da lui ottenuti, anche sei fondamentali risultati conseguiti a partire dal 1930 da Gödel, Church e Turing hanno posto limiti ben precisi a questa possibilità.
11
ABDUZIONEE’ il processo che, dato un certo dominio, mira alla generazione di spiegazioni di uninsieme di eventi a partire da una data teoria, o legge, o ipotesi esplicativa, relativa a quel dominio.ESEMPIO:
A BB
A
12
INDUZIONEE’ il processo in base a cui s’inferisce dalPARTICOLARE all’UNIVERSALE secondoil principio della GENERALIZZAZIONE.Alla conclusione generale si può arrivare:
A PARTIRE DA PARECCHI CASI; A PARTIRE DA UN SINGOLO CASO (se un certo membro a di una classe Q ha una data proprietà P, allora per un qualsiasi nuovo membro b della stessa classe Q si ipotizza il possesso della medesima proprietà P.
13
ANALOGIA
Varie nozioni di similarità:
PER EGUAGLIANZA DELLA FORMA; PER EGUAGLIANZA DELLA PROPORZIONE; PER ANALOGIA DEGLI ATTRIBUTI ESSENZIALI; PER POSSESSO DI ALCUNI ATTRIBUTI IN COMUNE; PER POSSESSO DI ALCUNI ATTRIBUTI IN COMUNE PUR IN PRESENZA DI TRATTI NON IN COMUNE (ANALOGIA POSITIVA-NEGATIVA- NEUTRA)
14
INFERENZA INDUTTIVA E INFERENZA ANALOGICA
Sono connesse tra loro se si considera soloL’ANALOGIA POSITIVA, ma sono irriducibilil’una all’altra se si considera anche l’ANALOGIA NEGATIVA.In quest’ultimo caso questi due tipi di inferenzarisultano essere complementari tra loro e utiliin situazioni differenti.
15
INFERENZA INDUTTIVA E INFERENZA ANALOGICA
L’INFERENZA INDUTTIVA è utile quando nonsappiamo con precisione come i casi osservatidifferiscano tra loro, e quindi non ne conosciamoesattamente l’ANALOGIA NEGATIVA, per cui unaumento del numero dei casi può aiutarci a trarrequalche conclusione su di essi.L’INFERENZA ANALOGICA è utile quando non abbiamo osservato un numero elevato di casi, ma conosciamo con sufficiente precisione tantol’ANALOGIA POSITIVA quanto l’ANALOGIANEGATIVA dei relativamente pochi casi osservatiper cui l’analogia osservata può aiutarci a trarrequalche conclusione su di essi.
16
INDUZIONE E ANALOGIASono PROCESSI FALLIBILI: procedere sulla base di essi comporta la rinuncia alla CERTEZZA propria della DEDUZIONE.Quella che possiamo chiamare la LOGICADELLA SCOPERTA ammette dunque il carattere strutturale e ineliminabile dellaINCERTEZZA e cerca di costruire su di esso.Questa logica, pertanto, riconosce l’illusorietàdell’obiettivo di acquisire una certezza assoluta e lo sostituisce con quello di disporre di strumenti per l’estensione della nostra conoscenza fallibili ma corredati di PROCEDURE DI CONTROLLO che consentano di riconoscere le anomalie e di correggerle.
17
Processi balistici e non balistici: U.Neissen
Processi balistici Processi non balistici
Catena di riflessi nelsistema motorio centrale
Espressione del pensiero critico
Memoriaconseguenze
passate
Previsione delle
conseguenze
Sequenze memorizzate e riprodotte senza pensiero critico
Processi creativi
Capacità di affrontare i breakdown
Processi automatici di azione-reazione
Sequenze di percezione e azione
18
Dai processi balistici a quelli non balistici Attività Parametro di
valutazioneSpecificità Apprendiment
o e trasferibilità
Esempi
Processi non balistici
4Pensiero critico
Capacità
Costruzione di soluzioni Creazione di nuovi contesti
Apprendimento etrasferimento per processi astrattivi
Costruzione di modelli, interpretazione di fenomeni
LEGO
3Percezione e Azione
CompetenzaKnow how
Catene circolari dipercezione azione previsione percezione …
Apprendimento specifico e contestualizzatoTrasferibilità parziale (capacità previsionali in altre situazioni)
Portiere davanti al rigoreProcessi da “buon venditore”
2Sequenze balistiche concatenate
AbilitàSkill
Attivazione di catene di azioni riflesse senza pensiero critico
Guidato dall’apprendimento Non trasferibili da un contesto a un altro
Guida autoInserimento ordine Iter
amministrativo
PROCESSIBALISTICI
1Processi automatici
EsecuzionePerformance
Meccanismi di Azione-reazione (Principi selettivi)
Non c’è né apprendimento né trasferibilità, ma solo rafforzamento
Reazione a stimolo luminoso o sonoro
Timbratura cartellino
19
Dai processi balistici a quelli non balistici
Fonte : Silvano Tagliagambe TED 2002
AttivitàParametro di valutazione Conoscenze Esempi
4 Pensiero critico
Capacità
Complesse e difficilmente formalizzabili
Costruzione di modelli, interpretazione di fenomeni, simulazioni,
Gestione progetti complessi
3 Percezione e Azione
CompetenzaKnow how Articolate
Conoscenza e supporto prodotti Tecniche di projct mgmt
Processi da “buon venditore”
2
Sequenze concatenate di processi automatici
AbilitàSkill
(semplici)Inserimento ordine
Iter amministrativo standard
1 Processi automatici
EsecuzionePerformance
(elementari)Timbratura cartellino
Controllo stato manutenzione
20
Le diverse fasi dell’apprendimento
Simulazione• Osservazione• Imitazione• Pratica
Conoscenze tacite
Conoscenze esplicite
Conoscenze collettive
Conoscenze individuali
Fonte Elab CCP da Ikujiro Nonaka A Dynamic Theory of Organizational Knowledge Creation; ‘Organization Science’
Socializzazione
Esternalizzazione
Interiorizzazione
Combinazione
Formalizzazione• Modellazione• Verbalizzazione• Rappresentazione
Estensione• Networking• Communities• Arricchimento delle
conoscenze
Condivisione• Condivisione esperienze• Learning by doing
Lezioni tradizionali
Gruppi lavoro
Studio tradizionale
21
Conoscenze tacite
Conoscenze esplicite
Conoscenze collettive
Conoscenze individuali
Micro eventi (on-line) partecipati
Corsi off-linericerche online
Eventi, lezioni live
Ambienti ad personam
Lezioni tradizionali
Gruppi lavoro
Studio tradizionale
Elementi didattici e tecnologie per l’apprendimento
Utilizzo di :Piattaforma e-learningProfiling
Fruizione di :Corsi, Learning ObjectDigital Asset
Utilizzo di : VideoconferenzeChat, Forum
Creazione di :Corsi - Broadcast live Contributi multimedialiNewsletter
Fonte Elab CCP da Ikujiro Nonaka A Dynamic Theory of Organizational Knowledge Creation; ‘Organization Science’
22
PBL- PROBLEM BASED LEARNING
Dimensione operativa della conoscenzaSpostare l’attenzione da concetti e nozioni a problemi, schemi d’azione e comportamenti
Da dati certi e inoppugnabili procedimento induttivo generalizzazioni induttive leggi
STILE INDUTTIVO
Problema
Tentativo teorico di soluzione
Procedura di individuazione ed eliminazione dell’erroreProcesso nella
soluzione dei problemi
P1
Problemapiù avanzatoP2
TT
EE
La conoscenza non come apprendimento di regole e concetti ma come risultato di una costruzione collettiva la cui efficacia è data dalla partecipazione a questo processo
23
Il cuore di un’ambiente di apprendimento costruttivista sono:
I PROBLEMI E I PROGETTI
Destrutturati, non a soluzione unica, autentici
3. GLI AMBIENTI FAVOREVOLI ALL’APPRENDIMENTODELLE COMPETENZE SCIENTIFICHE.
24
PBL- PROBLEM BASED LEARNING
• Dimensione operativa della conoscenzaSpostare l’attenzione da DEFINIZIONI e NOZIONI ALLA CAPACITà DI INQUADRARE E RISOLVERE PROBLEMI, a schemi d’azione e comportamenti
Da dati certi e inoppugnabili procedimento induttivo generalizzazioni induttive leggi
STILE INDUTTIVO
Problema
Tentativo teorico di soluzione
Procedura di individuazione ed eliminazione dell’erroreProcesso nella
soluzione dei problemi
P1
Problemapiù avanzatoP2
TT
EE
• La conoscenza non come apprendimento di regole e concetti ma come risultato di una costruzione collettiva la cui efficacia è data dalla partecipazione a questo processo
25
L’Apprendimento SIGNIFICATIVO
In un ambiente COSTRUTTIVISTICO l’apprendimento deve essere:
attivo; collaborativo; conversazionale; riflessivo; contestualizzato; intenzionale; costruttivo.
26
JONASSEN: L’ AMBIENTE D’APPRENDIMENTO COSTRUTTIVISTICO
Un AMBIENTE COSTRUTTIVISTICO deve:
dare enfasi alla costruzione della conoscenza e non alla sua riproduzione; evitare eccessive semplificazioni nel rappresentare la complessità delle situazioni reali; presentare compiti autentici (contestualizzare piuttosto che astrarre); offrire ambienti d’apprendimento derivati dal mondo reale, basati su casi, piuttosto che sequenze istruttive predeterminate; offrire rappresentazioni multiple della realtà; favorire la riflessione e il ragionamento; permettere costruzioni di conoscenze dipendenti dal contesto e dal contenuto; favorire la costruzione cooperativa della conoscenza, attraverso la collaborazione con altri.
27
28
Fattorisocio
ambientali
StrumentiCollaborativi
StrumentiCognitivi
Risorseper la
Informazione
CasiCorrelati
StrumentiPer la
Valutazione
ProblemiProgetti
Fattorisocio
ambientali
StrumentiCollaborativi
StrumentiCognitivi
Risorseper la
Informazione
CasiCorrelati
StrumentiPer la
Valutazione
ProblemiProgetti
29
CHE COS’È UNA TEORIA SCIENTIFICA
Una teoria scientifica è un modello o un insieme di modelli che spiegano i dati osservativi a disposizione, e che offrono predizioni che possono essere verificate. Nella scienza, una teoria non può essere mai completamente provata, perché non é possibile assumere che conosciamo tutto ciò che c’è da conoscere (compresi eventuali elementi che potrebbero confutare la teoria). Invece, le teorie che spiegano le osservazioni vengono accettate finché un'altra osservazione non è in disaccordo con esse. In tal caso, la teoria incriminata viene eliminata del tutto oppure, se possibile, cambiata leggermente per poter comprendere l'osservazione.Esempi di teorie che sono state rigettate sono l'evoluzione Lamarkiana e la teoria geocentrica dell'Universo. Le osservazioni sono state sufficienti per dichiararle false, e teorie migliori hanno preso il loro posto.
30
La centralità del rapporto tra Problemi, Casi correlati, La centralità del rapporto tra Problemi, Casi correlati, Strumenti cognitivi e Risorse per l’informazione emerge Strumenti cognitivi e Risorse per l’informazione emerge conconla CONCEZIONE la CONCEZIONE STRUTTURALISTICASTRUTTURALISTICA delle teorie scientifiche delle teorie scientifiche
Concezione linguistica
Concezione strutturalistica
31
La concezione La concezione strutturalisticastrutturalistica delle teorie scientifiche delle teorie scientifiche
Le mappe come metafora della concezione strutturalistica
32
La concezione La concezione strutturalisticastrutturalistica delle teorie scientifiche delle teorie scientifiche
Fu Carnap a suggerire nella sua opera Costruzione logica del mondo, del 1928, una metafora alternativa:
La mappa come modello delle proprietà strutturali
Rappresentazione topologica (non le distanze ma le disposizioni e le relazioni)
Confronto di rappresentazione del contesto tra più teorie:
•Complesso di relazionipresenti nelle diverse teorie
Diverse rappresentazioni cartografiche interrelate tra loro e sui diversi aspetti della stessa realtà
33
La concezione La concezione strutturalisticastrutturalistica delle teorie scientifiche delle teorie scientifiche
Critica alla:
isolabilità e neutralità dei dati osservativi e degli enunciati che li esprimono e alla indipendenza da presupposti teorici
Gli oggetti da osservare sono dati e riconoscibili solo unitamente alle relazioni con altri oggetti
Toulmin 1968 e Hanson 1971
Le teorie servono per:
• Dare ordine e regolarità a un complesso di dati
• Organizzare un campo di fenomeni in una struttura relazionale
Regole di proiezione
Rilevazione sul campo
34
La concezione La concezione strutturalisticastrutturalistica delle teorie scientifiche delle teorie scientifiche
Hanson 1958 : critica a Berkeley
Analisi delle figure ambigue
Cosa cambia nelle diverse letture dell’immagine?
L’organizzazione della figura
Ovvero
Il complesso delle relazioni che collegano gli elementi e
quindi l’interpretazione di questi ultimi
• L’organizzazione di una figura non è qualcosa che venga registrato sulla retina assieme ad altri particolari
• La struttura della figura emerge nell’atto del vederla (retroazione dei processi secondari sui processi primari)
QuickTime™ e undecompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
35
La concezione La concezione strutturalisticastrutturalistica delle teorie scientifiche delle teorie scientifiche
La visione di un tubo a raggi X e l’interpretazione dell’oggetto sono sono due componenti inscindibilidue componenti inscindibili
Musica
•Il filo
•La disposizione
Dipinto
•Il suono (le note)
•La composizione
•Il colore
•La distribuzione
Tessuto
analogamente
36
La concezione La concezione strutturalisticastrutturalistica delle teorie scientifiche delle teorie scientifiche
• Visione entro un contesto che ne determina il modo di lettura
• Non limitarsi allo specifico contesto ma valutare possibili alternative
• Aggiungere interpretazioni
Non possono essere applicate nozioni di verità, probabilità, falsificazione ma solo di efficienza dell’ordine e regolarità
Osservazioni input
Osservazionioutput
Una teoria non è una scatola nera
Le teorie coincidono con l’ordine e la struttura stessa dei fenomeni
37
QuickTime™ e undecompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
ESEMPIO DELL’INCIDENZA DEL CONTESTO
38
ESEMPIO DELL’INCIDENZA DEL CONTESTO
QuickTime™ e undecompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
QuickTime™ e undecompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
39
LE COMPONENTI DI UNA TEORIA SCIENTIFICALE COMPONENTI DI UNA TEORIA SCIENTIFICA
• Le generalizzazioni simboliche
Forme schematiche la cui espressione simbolica cambia da applicazione ad applicazione
Esempi standard di problemi risolti (dimestichezza con il linguaggio e conoscenza della natura)
Stimolo per la scoperta
Relazioni di somiglianza
Applicazione 1
Applicazione 2
Applicazione 3
• Gli esemplari
40
LE COMPONENTI DI UNA TEORIA SCIENTIFICA:ESEMPILE COMPONENTI DI UNA TEORIA SCIENTIFICA:ESEMPI
• Le generalizzazioni simboliche
Relazioni di somiglianza
Applicazione Legge di Coulomb nel campo elettrico
Applicazione al Sole e alla Terra
Applicazione alla Terra e
alla Luna
• Gli esemplari
F = maF = maPredicato: x è una meccanica classica
Un oggetto x è una meccanica classica delle particelle in caso di presenza di:3 funzioni: f(forza) m(massa) p(posizione)2 insiemi : I (insieme delle particelle)
t (intervallo di tempo)
e ovviamente la relazione f=max è così una struttura determinata
F = G
m1 m2
r2
Legge di gravitazione universale
Applicazione al sistema solare
F=k
q1 q2
r2
Sneed 1971 The logical structure of Mathematical Phisics
41
Problema reale
Modello matematico
Analisi qualitativa
AlgoritmiModellisticanumerica
Risoluzione al calcolatore
La modellistica matematica
42
La Modellistica Matematica
Con il termine modellistica matematica si intende dunque il processo che si sviluppa attraverso l'interpretazione di un determinato problema, la rappresentazione dello stesso problema mediante il linguaggio e le equazioni della matematica, l'analisi di tali equazioni, nonché l'individuazione di metodi di simulazione numerica idonei ad approssimarle, e infine, I'implementazione di tali metodi su calcolatore tramite opportuni algoritmi.Qualunque ne sia la motivazione, grazie alla modellistica matematica un problema del mondo reale viene trasferito dall'unverso che gli è proprio in iin altro habitat in cui può essere analizzato più convenientemente, risolto per via numerica,indi ricondotto al suo ambito originario previa visualizzazione e interpretazione dei risultati ottenuti.
43
Rapporto tra il Modello Matematico e la Realtà
Il modello non esprime necessariamente l'intima e reale essenza del problema (la realtà è spesso così complessa da non lasciarsi rappresentare in modo esaustivo con formule matematiche), ma deve fornirne una SINTESI UTILE.La matematica aiuta a vedere e a capire la natura intrinseca di un problema, a determinare quali caratteristiche sono rilevanti e quali non lo sono, e, di conseguenza, a sviluppare una rappresentazione che contiene l'essenza del problema stesso.Una caratteristica della sfera d'indagine matematica presente in questo processo è l'ASTRAZIONE, ovvero la capacità di identificare caratteristiche comuni in campi differenti, così che idee generali possano essere elaborate a priori e applicate di conseguenza a situazioni fra loro assai diverse.
44
Carattere interdisciplinare della modellistica matematica
La presenza di laboratori sperimentali e di gallerie del vento, di specialisti nell’analisi teorica, nell’informatica e nelle scienze fondamentali, quali la fisica e la chimica, e nei settori più spiccatamente tecnologici, e anche nell’architettura, nella grafica avanzata e nel design, è l’elemento distintivo di una CULTURA POLITECNICA e può fungere da elemento catalizzatore e propulsivo di una DISCIPLINA INTERSETTORIALE quale è la modellistica matematica.
45
La Modellistica Numerica/1
L'obiettivo primario per un matematico applicato è la risoluzione effettiva del problema. I problemi matematici formulati nell'ambito della modellistica non sono quasi mai risolubili per via analitica.I teoremi dell'analisi matematica e della geometria, seppur fondamentali per stabilire se il problema sia "ben posto" o meno, assai raramente hanno natura costruttiva atta a indicare un processo di rappresentazione esplicita della soluzione. E’ pertanto necessario sviluppare METODOLOGIE DI APPROSSIMAZIONE che, in ogni circostanza, conducano ad algoritmi che rendano possibile la risoluzione su calcolatore.Il compito di trasformare una procedura matematica in un programma di calcolo corretto richiede attenzione alla struttura, efficienza, accuratezza e affidabilità.
46
La scelta di un metodo numerico non può prescindere da una conoscenza adeguata delle proprietà qualitative della soluzione del modello matematico, del suo comportamento rispetto alle variabili spaziali e temporali, delle sue proprietà di regolarità e stabilità. E’ pertanto giustificato l'uso del termine MODELLISTICA NUMERICA che generalmente si adotta a tale riguardo. Essa è una SCIENZA INTERDISCIPLINARE, che si trova alla confluenza di vari settori, quali la matematica, l'informatica e le scienze applicate e richiede, appunto,INTERMEDIAZIONE tra tutti questi settori.
La Modellistica Numerica/2
47
Pre-processing
Modellisticanumerica
Modellisticamatematica
Interazioni fra mondo reale e modellistica
Post-processing e validazione
48
Interazioni fra mondo reale e modellistica
Intrinseco al concetto di modello numerico vi è quello di approssimazione, e dunque di errore. La modellistica numerica mira a garantire che l'errore sia piccolo e controllabile e a sviluppare algoritmi di risoluzione efficienti. La controllabilità è un requisito cruciale per un modello numerico: l'analisi numerica fornisce stime dell'errore che garantiscano che esso stia al di sotto di una soglia di precisione fissata a priori (la ben nota tolleranza percentuale accettabile dall'ingegnere). A tale scopo vengono progettati algoritmi adattivi, i quali, adottando una procedura di feedback a partire dai risultati già ottenuti, modificano i parametri della discretizzazione numerica e migliorano la qualità della soluzione. Ciò è reso possibile dalla analisi a posteriori (quella basata sulla conoscenza del residuo della soluzione calcolata), uno strumento supplementare di cui può giovarsi la modellistica numerica.
49
Pre-processing
Analisi fenomenologica
Modellisticamatematica
Analisi preliminare
Analisi sperimentale
Avan-progetto
Modello geometrico
Analisi di dati
CAD
50
Analisi preliminare/1
A monte, i modelli matematici traggono linfa vitale dall'analisi fenomenologica e sperimentale. Le equazioni sono sempre ispirate da leggi fisiche fondamentali, quali le condizioni di equilibrio nella statica, o la conservazione della massa, dell'energia e del momento nella dinamica dei mezzi continui. In tali equazioni, gli aspetti inerenti la reologia dei materiali, l'individuazione delle condizioni al contorno, nonché la determinazione dimensionale dei coefficienti e dei parametri caratteristici, sono fornite dall'analisi ingegneristica.
51
Analisi preliminare/2
Ulteriore elemento distintivo dell'analisi preliminare è, in molti casi, la costruzione di un modello geometrico, ovvero la rappresentazione, attraverso modellatori solidi o strumenti di CAD, della regione tridimensionale entro cui le equazioni andranno risolte. Si pensi, per esempio, alla complessità del modello geometrico necessario a rappresentare un aereo in configurazione completa, partendo da un design preliminare, prima di intraprenderne la simulazione numerica.
52
Designpreliminare
Dal design preliminare alla simulazione numerica
CAD
Simulazione numerica
53
Post - processing
Visualizzazione eanalisi dei risultati
Modellistica matematica
Analisi a posteriori
Confronto con i casi test sperimentali
54
A valle del processo, la complessità dei risultati numerici ottenuti da un modello rende necessaria una loro analisi in forma logicamente organizzata, e una verifica alla luce delle prove sperimentali disponibili, ma, soprattutto, dell'intuizione dell'ingegnere. Quest'analisi retroattiva può, a sua volta, innescare un processo iterativo di modifica del modello (nelle equazioni e/o nei parametri che lo definiscono), sino a quando i risultati ottenuti su una classe significativa di casi di studio non siano ritenuti soddisfacenti da chi ha posto il problema.
Analisi a posteriori
55
Progetto
Analisi delle prestazioni
Progettazione aerodinamicaSettore aeronautico/automobilistico
CAD
requisiti
Dall’avan-progetto al progetto
Galleria del vento
Avan-progetto
Modelli numerici
uso complementare
Forma accettabile ?
si
no
56
SIMULAZIONEPer simulazione si intende un modello della realtà che consente di valutare e prevedere lo svolgersi dinamico di una serie di eventi susseguenti all'imposizione di certe condizioni da parte dell'analista o dell'utente. Un simulatore di volo, ad esempio, consente di prevedere il comportamento dell'aeromobile a fronte delle sue caratteristiche e dei comandi del pilota.Le simulazioni sono uno strumento sperimentale molto potente e si avvalgono delle possibilità di calcolo offerte dall'informatica; la simulazione, infatti, non è altro che la trasposizione in termini logico-matematica-procedurali di un "modello concettuale" della realtà; tale modello concettuale può essere definito come l'insieme di processi che hanno luogo nel sistema valutato e il cui insieme permette di comprendere le logiche di funzionamento del sistema stesso.
57
SIMULAZIONE: ESEMPIO
58
Che cos’è la Realtà Virtuale ?
Il termine Realtà Virtuale nasce nel 1988, in un’intervista a Jaron Lanier “A Portrait of the Young Visionary”.
Lanier:
“La VR è una tecnologia usata per SINTETIZZARE UNA REALTÀ CONDIVISA. Ricrea la nostra relazione con il mondo fisico in un nuovo piano. Non influisce sul mondo soggettivo e non ha niente a che fare direttamente con ciò che è nel cervello. Ha a che fare solo con cosa i nostri organi sensoriali percepiscono.
Nella VR non c’è bisogno di una singola metafora, come accade per il computer. Siamo abituati a cambiare contesto nella vita reale: è normale comportarsi diversamente in luoghi diversi.”
59
Che cos’è la Realtà Virtuale ?La Realtà Virtuale (VR) è “faticosamente” definibile…
Dickelman:Un AMBIENTE GENERATO DAL COMPUTER CHE SIMULA LA REALTÀ in modo che i sensi lo possano percepire.
Withrow:UN’INTERFACCIA UMANO-COMPUTER in cui un computer crea un ambiente immersivo che risponde interattivamente ed è controllato dal comportamento dell’utente.umsebiz.com:Una SIMULAZIONE INFORMATICA TRIDIMENSIONALE che risponde così realisticamente agli input da far sembrare di vivere in un altro mondo.
Mavericks of the mind:Una TECNOLOGIA INTERATTIVA che controlla totalmente gli input sensoriali e crea la convincente illusione di essere completamente immersi in un mondo generato dal computer.
60
Che cos’è la Realtà Virtuale ?
Immersività
Presenza
Utente
Interazione
Computer
Simulazione
Ambiente
Sensi
61
Il CyberspazioDa tempo la fantascienza aveva intuito le potenzialità degli strumenti della VR. Ma la VR non era ancora nata…
Uno dei padri morali della VR è considerato Philip K. Dick, con UBIK (1969).La VR è creata direttamente con stimo-lazioni sensoriali su corpi in animazione sospesa.
Nel 1984 Gibson scrive Neuromancer e introduce il Cyberspace, l’insieme delle informazioni di una rete di computer.
Oggi comunemente si definisce Cyberspazio il Virtual Environment (VE) che Internet crea con tutti i servizi e le informazioni da esso fornite.
62
Applicazioni: architetturaFare in modo che gli utenti possano esplorare in tempo reale una scena 3D che rappresenta un ambiente architettonico.
Valutare gli spazi, l’illuminazione, i materiali, l’acustica.
Usare la VR come tool di modellazione per analizzare gli spazi “dall’interno” e valutare differenti scelte di progetto.
63
Applicazioni: arte
Ricostruire opere d’arte o ambienti artistici che il tempo ha deteriorato o distrutto per permetterne la conservazione.
Permettere l’accesso del pubblico a monumenti che non possono normalmente essere visitati.
Fornire assistenza per azioni di restauro.
La VR stessa può essere usata per creare opere d’arte.
64
Applicazioni: istruzioneE’ possibile apprendere nuovi concetti in maniera interattiva, cosa che facilita l’apprendimento e lo rende più efficace.
La VR è una tecnologia di grande impatto ed è dunque per suanatura più stimolante e coin-volgente.
Costituisce uno strumento di supporto per gli insegnanti.
L’insegnamento a distanza è realisticamente realizzabile.
65
Applicazioni: addestramentoTramite l’uso di simulatori la VR consente di addestrare personale per ridurre i rischi dovuti all’addestramento reale svolto in condizioni pericolose (soldati, piloti, chirurghi etc.)
Permette di simulare condizioni di rischio non riproducibili nella realtà.
Riduce i costi potendo simulare più piattaforme diverse con poche modifiche.
66
Applicazioni: medicinaE’ possibile simulare un’operazione chirurgica non solo a fini di addestramento, ma anche per pianificare un’operazione reale sulla base dei dati fisicamente rilevati sul paziente.
Oltre che per la chirurgia, è possibile addestrare i medici sulla palpazione dei tessuti, l’inserzione di aghi, etc.
E’ uno strumento utilissimo per la riabilitazione e per trattare particolari sindromi di fobia e panico.
67
Applicazioni: industriaLa modellazione CAD evolve in Virtual Prototyping (VP). La VP consente di ridurre i costi di dei prototipi facendo eseguire verifiche in sede virtuale prima della costruzione fisica.
Consente inoltre progetta-zione e verifica collaborativa.
E’ possibile simulare i processi e linee produttive e individuarne tempestivamente i possibili problemi.
VR come strumento di marketing per presentazioni.
68
Applicazioni: intrattenimentoUno dei più redditizi campi applicativi è l’intrattenimento. L’industria videoludica ha dato un’enorme spinta tecnologica che ha prodotto aumenti di performance e riduzione dei costi.
I simulatori, oltre che utili per il training, sono strumenti di intrattenimento molto attraenti.
La VR e il suo “indotto” sono efficaci mezzi e affascinanti temi per il cinema.
69
VR & VideoGames (VG)
70
VR e Cinema
RIVELAZIONI (1995, Barry Levinson)
71
VR e CinemaNIRVANA (1997, Gabriele Salvatores)
72
VR e CinemaMATRIX (1999, Wachoski Bros.)
73
Sfide per il futuroNaturalezza dell’interazione:Piena e corretta interpretazione delle azioni: sensori, speech recognition.
REALISMO DELLE RAPPRESENTAZIONI:Ritorno realistico su tutti i canali sensoriali e motori. In particolare affrontare le problematiche di:
Tatto: utilizzo di interfacce indossabili che forniscano sensazioni tattili;
Movimento: interfacce per la locomozione;
Olfatto: analizzatore e sintetizzatore olfattivo;
Stimolazione nervosa diretta. Eccitante ma disturbante.
74
REALTA’ VIRTUALE E REALTA’ AUMENTATA
La REALTA’ VIRTUALE (VR) mira a presentarsi come un DOPPIO del mondo reale o una sua ALTERNATIVA;la REALTA’ AUMENTATA (AR) mira invece ad ARRICCHIRE la realtà di INFORMAZIONI utili per l'espletamento di compiti complessi.
75
Esempio di biopsia guidata da un sistema AR che mette in evidenza il profilo ecografico
76
Esempio di sovrapposizione di informazioni 3D ricavate da una risonanza magnetica per applicazioni in chirurgia ortopedica.
77
Il chirurgo prova un sistema di AR applicabile ad interventi in laparoscopia.
78
In rosso è evidente l'immagine di sintesi sovraimpessa a quella reale dal sistema di AR. L'immagine 3D può essere generata da vari strumenti diagnostici (ecografie 3D, TAC, RMN) e in taluni casi anche aggiornata in tempo reale.
79
LA RETEIl fenomeno Rete è l’insieme combinato di :
• Tecnologia (strutture, topologie, sistemi di relazione, supporti fisici, logici, software, protocolli, standard…)
• Modelli (astrazione e relative rilevanze concettuali)
• L’ambiente (sistemi di relazione presenti : sociali, organizzativi, comportamenti individuali e collettivi: communities, privacy, riservatezza, identità, business, … )
80
Ruolo Ruolo della della RETERETE
Infrastrutture Infrastrutture Modello del mondo e Modello del mondo e della realtàdella realtàAmbienteAmbiente
Nuovi tipi di gruppi Nuovi tipi di gruppi Nuove modalità creazione soggetti Nuove modalità creazione soggetti collettivicollettivi
81
La Rete come…La Rete come…
Cosa succede al concetto di Rete?Cosa succede al concetto di Rete?
Infrastruttura
Tecnologie, servizi , applicazioni …
Ambiente
Modalità di formazione di
nuove comunità
ModelloModello
Modelli di interazione, Modelli di interazione, topologie, gerarchie …topologie, gerarchie …
82
La rete globale della ricerca
83
La Rete GARR
RETI INDISPENSABILIPER IMPLEMENTARE:
AMBIENTI DI APPRENDIMENTO; COMUNITA’ DI APPRENDIMENTO
84
PROBLEMA CRUCIALE
Quale ORGANIZZAZIONE SCOLASTICA, quale MODELLO DI EROGAZIONE DEI SAPERI e quale forma di RAPPRESENTAZIONE DELLA CONOSCENZA risultano funzionali al MODELLO A RETE e alla piena affermazione della sua efficacia?
85
SCUOLA COME CAPITALE SOCIALE e RELAZIONALE
Assumere la scuola come risorsa e come capitale sociale significa affermare che l’insegnamento/apprendimento è una delle fonti primarie di struttura e di organizzazione sociale, di costituzione di una COMUNITA’
DI SAPERE E DI PRATICA.
86
Soggetti collettivi : comunità e relazioniD
imen
sio
ne
part
ecip
ati
va
•Completezza archivi•Facilità di accesso•Velocità di consultazione
Comunità di Sapere e di Pratica
• Istanza di partecipazione• Scambio di opinioni ed
esperienze
Sono caratterizzate da: Impegno reciproco; Impresa comune; Repertorio comune e sfondo condiviso
Comunità di Interesse
Comunità di Partecipazion
e
Dimensione informativa
Soggetto A
87
SCUOLA COME CAPITALE SOCIALE E RELAZIONALE
Entrare a far parte di una COMUNITA’ DI SAPERE E DI PRATICA e contribuire ad arricchirla significa non solo entrare nella sua CONFIGURAZIONE INTERNA, ma anche nel sistema di RELAZIONI CHE ESSA INTRATTIENE CON L’AMBIENTE ESTERNO E CON IL RESTO DEL MONDO.
Le comunità di sapere e di pratica sono sia FONTI DI CONFINI, sia CONTESTI PER LA CREAZIONE DI CONNESSIONI A VASTO RAGGIO.
88
COMUNITA’ DI SAPERE E DI PRATICA E INTERMEDIAZIONE
Lo strumento di supporto delle relazioni tra un comunità di sapere e di pratica e l’ambiente esterno è l’INTERMEDIAZIONE, un’attività complessa che esige la capacità di legare i saperi e le pratiche, facilitando le TRANSAZIONI e i PASSAGGI tra essi e di promuovere un apprendimento capace di introdurre in un sapere e in una pratica elementi di altri saperi e di altre pratiche.
89
COMUNITA’ DI SAPERE E DI PRATICA E INTERMEDIAZIONE
La rilevanza e la funzionalità delle comunità di sapere e di pratica non viene perciò attenuata, ma viene al contrario arricchita e potenziata dalla formazione di configurazioni sempre più vaste.
90
APPRENDIMENTO, COMPETENZE E PRATICHE
L’apprendimento soffre sia quando l’esperienza pratica e la competenza sono TROPPO VICINI, sia quando sono TROPPO DISTANTI.
Poiché crea una TENSIONE tra esperienza pratica e competenza, L’ATTRAVERSAMENTO DEI CONFINI delle comunità di sapere e di pratica è un processo, attraverso il quale l’apprendimento viene potenzialmente favorito, a patto che la distanza con il sapere e la pratica di partenza non sia eccessiva.
91
Dall’intersoggettività all’intelligenza connettivaDall’intersoggettività all’intelligenza connettiva
La conoscenza è dinamica e incompleta• Sviluppo delle alternative• Accordarsi sulle premesse per la
selezione
• Ragionamento distribuito e ruolo della comunicazione
• Il pensiero come forma di connessione tra persone e gruppi
• Sviluppo di teorie sistemiche per sistemi multiagente le quali prevedono la possibilità, da parte di ciascun agente, di ragionare sulle proprie conoscenze e su quelle altrui, e permettono l’identificazione di conoscenze distribuite (distribuited knowledge) o condivise da un gruppo di agenti (common knowledge)
92
L’intelligenza distribuita e la swarm intelligenceL’intelligenza distribuita e la swarm intelligence
Teoria dei Sistemi e sistemi a Rete
Swarm phoenomena
Sistemi viventi
Web
Sistemi cognitivi
Intelligenza Intelligenza distribuitadistribuita
93
L’intelligenza distribuita e la swarm intelligenceL’intelligenza distribuita e la swarm intelligence
• Assenza di una cabina di regia• Ruolo della quantità dei messaggi e
delle interazioni tra i componenti• Kaufmann e i sistemi complessi
• Swarm intelligence: • Insetti, stormi di uccelli, branchi di
mammiferi• Periodo di incubazione prolungato
(diffusione e link dei nodi), dopo il quale si ha un’impennata nella crescita dell’intelligenza del sistema
• Flussi energetici, di materia e informativi
Il modello di intelligenza distribuita è caratterizzato da:
Reti patchwork : cooperative, eterogenee e distribuite
94
DAL COGNITIVISMO AL COSTRUZIONISMO 1
Il senso di questo passaggio può essere illustrato attraverso un proverbio africano citato e fatto proprio da Samuel Papert, l’inventore del Logo. Il proverbio è il seguente: “Se un uomo ha fame gli puoi dare un pesce, ma meglio ancora è dargli una lenza e insegnargli a pescare". A esso Papert aggiunge, di suo, la seguente considerazione: “Naturalmente, oltre ad avere conoscenze sulla pesca, è necessario anche disporre di buone lenze, ed è per questo che abbiamo bisogno di computer e di sapere dove si trovano le acque più ricche...".
95
DAL COGNITIVISMO AL COSTRUZIONISMO/2
Questa metafora ha il pregio di costituire un’efficace integrazione tra esigenze teoriche e istanze che emergono dal mondo delle pratiche e delle tecnologie. Raccoglie pienamente ed esprime con semplicità l’idea di coevoluzione, basata sul presupposto che l'ambiente non sia una struttura imposta agli esseri viventi dall'esterno, ma sia in realtà uno “sfondo” alla cui costituzione e precisazione essi danno un contributo fondamentale, in quanto i loro sistemi nervosi centrali e i loro schemi percettivi e cognitivi non sono adattati a leggi naturali assolute, ma piuttosto a leggi naturali che operano in una struttura condizionata dalla loro stessa attività sensoria.
96
DAL COGNITIVISMO AL COSTRUZIONISMO/3
Pone al centro dell’attenzione non l’azione di sfamare e il soggetto che la compie, ma chi deve essere sfamato e la necessità di fornire a esso le risorse e gli strumenti per poter appagare i suoi bisogni non soltanto qui e ora, in questa specifica contingenza, ma anche in futuro e, possibilmente, per tutto l’arco della sua vita. Detto in termini più precisi e più rispondenti allo spirito del proverbio, sposta l’attenzione dai due soggetti implicati (chi dà e chi riceve) al processo di relazione interpersonale e di cooperazione tra di essi.
97
DAL COGNITIVISMO AL COSTRUZIONISMO/4
A questa prima “mossa” teorica essenziale Papert aggiunge, come corollario indispensabile, il riferimento imprescindibile alla conoscenza (sapere il più possibile non solo sull’attività della pesca, in modo da diventare il più possibile competenti in relazione a questa pratica, ma anche sull’ambiente naturale nel quale essa si deve esercitare, così da riuscire a localizzare le acque più ricche) e agli strumenti di cui occorre dotarsi (le buone lenze).
98
IL MODELLO DELL’APPRENDISTATO COGNITIVO
Proposto da Allan Collins, da John Seely Brown e da Susan Newman e poi ripreso e sviluppato da Jonassen all’interno della sua teoria degli ambienti d’apprendimento di matrice costruttivistica.Come l’apprendistato tradizionale, quello pratico, l’apprendistato cognitivo si basa su tre momenti successivi:
1. osservazione2. strutturazione3. crescente capacità pratica
99
DIFFERENZE TRA APPRENDISTATO COGNITIVO E APPRENDISTATO TRADIZIONALE
L’ Apprendistato Cognitivo mira a rafforzare la capacità di apprendere ad apprendere, quello che Bateson chiama “deutero-apprendimento”, concentrando quindi la propria attenzione soprattutto sui processi e sulle competenze metacognitive. A tal scopo l'esperto si pone, come obiettivo prioritario, quello di modellare e strutturare l'attività percettiva del principiante, proponendogli situazioni nelle quali quest’ultimo possa trarre dall’ osservazione del comportamento complessivo di chi lo guida non solo raffronti rispetto al proprio modo di affrontare e risolvere i problemi che gli vengono proposti, ma anche immediate valutazioni sull’efficacia delle soluzioni che sta mettendo in atto
100
DALL’APPRENDISTATO TRADIZIONALE A QUELLO COGNITIVO 1
Dall'apprendistato tradizionale quello cognitivo mutua le quattro fasi fondamentali per promuovere la competenza esperta:
l’apprendista osserva prima il maestro che mostra come fare e poi lo imita (modelling); il maestro assiste di continuo il principiante, ne agevola il lavoro, interviene secondo le necessità, dirige l’attenzione su un aspetto, fornisce feedback (coaching): il maestro fornisce un sostegno in termini di stimoli e di risorse, pre- imposta il lavoro (scaffolding); il maestro diminuisce progressivamente il supporto fornito per lasciare via via maggiore autonomia e un crescente spazio di responsabilità a chi apprende (fading).
101
DALL’APPRENDISTATO TRADIZIONALE A QUELLO COGNITIVO 2
A queste strategie di base se ne affiancano anche altre quali:
l’ articolazione (si incoraggiano gli studenti a verbalizzare la loro esperienza); la riflessione (li si induce a confrontare i propri problemi con quelli di un esperto); l’ esplorazione (li si spinge a porre e risolvere problemi in forma nuova).
102
LIVELLI RUOLO DOMANDA MODALITA’
IDENTITA’ SPONSOR CHI Riconoscimento
Individuale
VALORI MENTOR PERCHE’ ISPIRARE
CAPACITA’ DOCENTE COME STIMOLARE
BEHAVIOR COACH CHE COSA ADDESTRARE
AMBIENTE FACILITATORE
DOVE,
QUANDO
GESTIREECCEZIONI
LE FUNZIONI DELL’INSEGNANTE
103
RINGRAZIAMENTI
GRAZIE DELL’ATTENZIONE!