16
Le Learning Analytics per la Valutazione Formativa negli ambienti di Apprendimento a distanza Laureando Daniele DI MITRI A.A. 2012/2013 1 Relatori Chiar.ma Prof.ssa T. Roselli, Prof.ssa V. Rossano Co-relatore Dott.ssa E. Pesare

(IT) Slides della presentazione della tesi di Laurea

Embed Size (px)

Citation preview

Page 1: (IT) Slides della presentazione della tesi di Laurea

Le Learning Analytics per la

Valutazione Formativa negli

ambienti di Apprendimento a

distanza

Laureando Daniele DI MITRI

A.A. 2012/2013

1

Relatori Chiar.ma Prof.ssa T. Roselli, Prof.ssa V. Rossano

Co-relatore Dott.ssa E. Pesare

Page 2: (IT) Slides della presentazione della tesi di Laurea

Motivazioni

Social Learning

Lifelong Learning

Constant blended learning

Social media learning

2

L’ APPRENDIMENTO NEL 2014

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

molteplici tracce di dati distribuite su tante piattaforme

Page 3: (IT) Slides della presentazione della tesi di Laurea

“”

la misurazione, la collezione, l’analisi e la

segnalazione di dati che riguardano i

discenti e i contesti in cui essi operano,

con il fine di capire e ottimizzare

l’apprendimento e gli ambienti in cui

questo avviene

DEFINIZIONE DI SOCIETY OF LEARNING ANALYTICS RESEARCH

3

In “Opening Up Education”, comunicazione della

Commissione Europea (Sett, 2013)

Interesse esponenzialmente crescente nel mondo

accademico (es. Open University britannica)

Le Learning Analytics

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 4: (IT) Slides della presentazione della tesi di Laurea

Come sfruttare le Learning

Analytics rendendole

pedagogicamente

compatibili?

4

ovvero

"Come trasformare tecniche basate sui dati in pratiche morali? "

LA SFIDA

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 5: (IT) Slides della presentazione della tesi di Laurea

Le Learning Analytics

classiche

5

Statistiche Data miningVisualizzazione

dell’informazione

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 6: (IT) Slides della presentazione della tesi di Laurea

Le Learning Analytics sociali 6

Analisi dei network sociali Analisi dei contenuti

Analisi delle inclinazioni Analisi dei discorsi

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 7: (IT) Slides della presentazione della tesi di Laurea

Opportunità & Rischi

OPPORTUNITÀ

• Raccomandazione

• Predizione & prevenzione del rischio

• Adattamento

• Personalizzazione

• Maggiore coscienza

RISCHI

• Privacy

• Iper-quantificazione

• Competizione

• Auto-propaganda

• Categorizzazione pregiudiziale

7

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 8: (IT) Slides della presentazione della tesi di Laurea

La Valutazione Formativa

Caratteristiche

Feedback continuo

Autovalutazione

Valutazione fra pari

Apprendimento autoregolato

qualitativa quantitativo

Formativa Sommativa

Soggettiva Oggettiva

A scopo interno A scopo esterno

Continua Periodica

Progressiva Basata sui fatti

Non scalabile Scalabile

8

12 principi della

valutazione formativa

Approcci alla valutazione a confronto

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 9: (IT) Slides della presentazione della tesi di Laurea

Il Modello

2. Learning Analytics

3.Valutazione Formativa

4. Intervento

1. Interazioni didattiche

9

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

un workflow per attuare la valutazione formativa

con l’utilizzo le Learning Analytics

Page 10: (IT) Slides della presentazione della tesi di Laurea

Contesto di validazione

LICEO LINGUISTICO MARCO POLO DI BARI

LABORATORIO MULTIMEDIALE ADA DI

INTERFACOLTÀ DI SCIENZE

10

LMS Moodle 1.9

6 corsi relativi di Italiano, Inglese, Francese, Matematica

4 anni scolastici differenti

164 discenti

LMS Moodle 1.9

Corso di Programmazione Taranto ICD 2010/11

Circa 60 discenti

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 11: (IT) Slides della presentazione della tesi di Laurea

Le tecniche utilizzate11

I vari step

1. Raccolta &

preparazione dei dati

2. Importazione in

Ripidminer

3. Applicazione degli

algoritmi di Datamining

Clustering (K-Means)

Classificazione (W-J48)

4. Visualizzazione dei

risultati

Clustering

Classificazione

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 12: (IT) Slides della presentazione della tesi di Laurea

ANALISI DEI SOCIAL

NETWORK

VISUALIZZAZIONE

DELL’INFORMAZIONEANALISI DEL

DIALOGO

Le tecniche utilizzate

Stato dell’arte Motivazioni Validazione Il modello Conclusioni

Page 13: (IT) Slides della presentazione della tesi di Laurea

Il mashup dei risultati:

progettazione due Dashboard

CARATTERISTICHE

Modularità

Intuitività

Scalabilità

Zoom

Responsività

Interoperabilità

Non-invasività

Positività

13

Dashboard docente

• Controllo costante apprendimento

• Statistiche sull’uso risorse

• Analisi del network classe

• Monitoraggio del dialogo

Dashboard discente• Controllo costante apprendimento

• Autovalutazione e riflessione

• LearningJournaling

• Raccomandazioni mirate

Stato dell’arte Motivazioni Validazione Il modello Conclusion

i

Page 14: (IT) Slides della presentazione della tesi di Laurea

14

Page 15: (IT) Slides della presentazione della tesi di Laurea

15

Page 16: (IT) Slides della presentazione della tesi di Laurea

In conclusione

1. Le interazioni didattiche

• costituiscono i dati da analizzare

2. Le Learning Analytics

• analizzano, minano, raccomandano e presentano i risultati nelle Dashboard

3. La valutazione formativa

• maggiori insight = maggiore consapevolezza = valutazione formativa e feedback migliore

4. Intervento

• cambiamento, miglioramento di insegnamento e apprendimento

16

Stato dell’arte Motivazioni Validazione Il modello Conclusion

i

fine.