3. Tecnologie didattiche e di simulazione
A causa di nuove tecnologie l’approccio comportamentale, che considera
il processo d’apprendimento come un’attività esterna di controllo
e consiglio, è stato totalmente superato.
Oggi il cognitivismo pone l’accento sul carattere costruttivo del comportamento
umano quindi un processo d’apprendimento attivo, costruttivo, basato
sulla situazione, e orientato verso l’obiettivo di apprendimento, in
cui lo studente è protagonista e architetto del processo d’apprendimento
e partecipa attivamente all’elaborazione della conoscenza (Gokhale, 1996,
Goodyear et al., 1991).
Le nuove tecnologie dimostrano come superare vincoli fisici e temporali,
imposti dal processo d’apprendimento, creando “un ambiente virtuale”
ricco, dinamico e stimolante, che determini un nuovo contesto di apprendimento
e influenzi direttamente percezione, attenzione, memoria e sviluppi un nuovo
modo di pensare. La simulazione è il principale strumento di tale modello,
basato su esperienza diretta dei processi e l’acquisizione di abilità
e di capacità professionali tramite il “learning by doing”.
Riguardo all’efficacia dell’apprendimento, la simulazione ha caratteristiche
positive in quando permette una maggiore libertà di scelta per lo studente
rispetto ad altre strategie educative.
Tale efficacia è necessariamente basata sull’adeguatezza degli
stimoli d’apprendimento ad alcuni parametri di comprensione appropriati
alle persone coinvolte e alla reale situazione.
Nel programmare una strategia di simulazione bisogna tenere conto del reale
valore dei parametri soggettivi e obiettivi che determinano il successo del
processo d’apprendimento.
L’uso di simulazioni risulta essere diverso anche se sono preferite sostanzialmente
le azioni più importanti per il comportamento. Altre metodologie sono
invece preferite per generare fattori d’apprendimento di azione all’interno
di organizzazioni. Simulare un azione individuale o di gruppo determina risposte
relative all’adattamento alla situazione.
L’acquisizione di conoscenza attraverso l’esperienza richiede sempre
un alto livello di interattività. A partire dalla classificazione delle
esperienze dentro e fuori della classe, è possibile progettare un percorso
che va dall’esperimento in una situazione protetta a operazioni complesse
di realtà in corso. La scelta di un’esperienza piuttosto che un'altra
è fatta sulla base del livello del livello di integrazione tra esperienza
d’apprendimento e ricostruzione della realtà. L’esperimento
è scelto per adattarsi ad una situazione di formazione manuale oppure
affinché possa agire su un gruppo dinamico per compiti di direzione/gestionali.
Salendo sulla scala della complessità, la simulazione viene scelta
per sperimentare dialoghi che comportano lo sfruttamento di una realtà
simulata per costruire-ricostruire la gestione ottimale di una situazione
reale.
L’ambiente Grid si adatta particolarmente bene alla realizzazione di
ambienti simulati avanzati e d’esperimenti scientifici virtuali, utilizzabili
persino nel contesto dell’E-Learning. Questo permette l’uso di risorse
di computazionali potenti come singola risorsa accessibile per l’utente
in un modo evidente attraverso ambiente di rete (vedi Foster-Kesselman, 99;
Fox - Furmanski, 99).
Adesso il termine “grid”, si riferisce ad un concetto d’integrazione
di risorse, che non sono limitate al calcolo, in questo modo il dominio applicativo
grid si sta notevolamente allargando. Grid è un sistema eterogeneo,
che comprende una varietà di risorse che sono naturalmente eterogenee
e geograficamente ripartite tra diversi domini amministrativi. Inoltre esso
fornisce un accesso diffuso che permette ad ogni participante della grid di
avere l’accesso a tutte le risorse, locali e non (locali), alfine di
eseguire un compito e sfrutta le proprietà di un frattale, vale a dire
la capacità di combinare le loro risorse in modo da produrre nuove
risorse che possono essere usate allo stesso modo.
Per quanto riguarda la conoscenza, alcuni lavori provvisori sono stati fatti
per poter rappresentare la carta della conoscenza dell’allievo. Alcuni
di loro usano le reti Bayesiane per osservare il comportamento dello studente
e per computare le probabilità che lo studente conosce e usa, ognuna
delle regole in un dominio di conoscenza dato. I modelli degli studenti sono
quelli prodotti e sono formati da un programma rule-based che riflette il
modo col quale lo studente computa le risposte ai problemi effettivi, correttamente
e in modo sbagliato. Le reti Baysiane si usano per rivolgersi all’incertezza
di queste regole. Quest’incertezza è causata da situazioni quali
modelli o dalla capacità di uno studente di risolvere un problema e
di renderlo corretto.
Altre impostazioni usano una struttura di modellistica studente che fa una
valutazione probabilistica on-line dei problemi dello studente, risolvendoli
per trasformare questa traccia in un sistema di ragionamento probabilistico
che genera predizioni circa la soluzione che lo studente sta seguendo. Il
risultato finale è una valutazione della padronanza dello studente
della conoscenza applicata nella soluzione.
Per un dominio formalizzabile è meglio riferirsi come ad un approccio
imperniato sul dominio piuttosto che come ad uno centralizzato sull’allievo.
Si consideri per esempio per la matematica: in tale caso il modello di conoscenza
non può essere semplicemente abbozzato come una serie di concetti/atomi.
Bisogna collegare i più recenti con una serie di legami/relazioni tra
due o di più concetti e con altri collegamenti come motivazioni, prerequisiti,
applicazioni, esercizi, ecc… Una struttura formale adatta a rappresentare
un tale modello è quella di un grafo multicolorato, dove ogni colore
indica una categoria di collegamenti.
Questo modello sembra essere più adatto delle frammentazioni dei collegamenti
in concetti elementari per evitare un colpo esponenziale e per prendere in
prestito correttamente l’apprendimento e la rapresentazione reale del
dominio. Inoltre questo permette la mappatura della conoscenza dell’allievo
nel dominio, anche da un punto di vista dinamico, e la valutazione e l’individualizzazione
di processi di apprendimento ottimali attraverso lo studio di ottimizzazione
sui grafi. Alla fine, la valutazione dell’apprendimento può essere
fatta a diversi livelli: la comprensione e la spiegazione di concetti elementari
danno una valutazione quantitativa; mentre, attraverso la risoluzione di esercizi
e risposte alle domande che coinvolgono più di un nodo, il numero di
nodi medi che danno un’indicazione qualitativa di complessità,
combinati con l’indice di difficoltà del collegamento.
Un aspetto fondamentale in questo campo, particolarmente in vista di soluzioni
aperte e di oggetti d’apprendimento riutilizzabili, si riferice allo
standard.
Le maggiori organizzazioni standard e le iniziative internazionale nel campo
del Learning&Training sono:
Le attività europee significanti nelle tecnologie dell’apprendimento
sono:
Riguardo alla nostra esperienza e competenza nel campo, abbiamo partecipato a diversi progetti di ricerca sul tema: InTraSys (Intelligent Training System in Technical Assistance, EC ESPRIT programme); DiSiMa (Didactical and Simulation of Managerial Activities, University and Scientific Research Ministry contributed project); m-Learning (Mobile Communications Technologies for Learning and Skills Development, Fifth Framework Programme, IST. In particolare abbiamo definito, sviluppato e successivamente migliorato un sistema di tutoraggio basato sugli agenti intelligenti dipendenti da un paradigma di rappresentazione della conoscenza basata su un’ontologia e metadata capaci di attuare una valutazione automatica degli allievi
Obiettivi
L’obiettivo generale del workpackage si può descrivere come segue:
esplorazione dell’approccio induttivo-sperimentale per l’apprendimento
e la conoscenza usando tecniche e processi di simulazione.
Secondo quest’approccio le tecnologie sono considerate come un elemento
cruciale per il processo di apprendimento. La loro importanza va oltre il
loro valore strumentale e di supporto. In particolare le tecnologie didattiche-simulative
creano un approccio induttivo con modelli di prova ed errori molto più
veloci nella comprensione di concetti di differenti aree disciplinari, però
essi si possono configurare come reale costituzione degli stessi oggetti didattico-scientifici
caratterizzanti ogni area. In questo Workpackage intendiamo studiare e convalidare
l’approccio di primo livello (immersive/esperienziale) e specialmente
l’approccio di secondo livello (simulativo/induttivo) sarà applicato
e convalidato.
Dettagliatamente gli obiettivi del presente workpackage sono:
studio e definizione di piattaforme/infrastrutture cooperative del tipo GRID
qualificanti specificamente orientate verso le applicazioni di simulazione
distribuita per l’apprendimento e la conoscenza;
lo studio di metodi di “conoscenza modellata e rapresentazione”
e delle tecniche applicate all’educazione e alla formazione.
Sviluppare metodologie innovative per l’apprendimento e la disseminazione
della cultura scientifica, stabilizando i sistemi authoring dei potenti software
multimediali esistenti con ambienti computazionali potenti che permettono
lo sviluppo complesso di esperimenti virtuali scientifici con cui l’allievo
può interagire in un modo conveniente, esperimentare e accelerare il
processo di apprendimento;
Definire e sviluppare una serie di funzioni intelligenti capaci di sostenere
il processo di apprendimento; particolarmente tale funzioni si interfacceranno
con profili utente e con l’uscita di corsi di “tailoring”.
Secondo questi obiettivi un modello di conoscenza sarà definito per
permettere la realizzazione di funzioni di direzione intelligenti, sfruttamento,
valutazione dell’ apprendimento e della conoscenza. Tale modello sarà
convalidato o testato dallo sviluppo delle metodologie, che sfrutteranno per
la maggior parte la simulazione e gli esperimenti virtuali scientifici . Questi
esperimenti scientifici saranno basati su una piattaforma ottimizzata e conveniente
come per esempio la “simulation grid”.
Lo studio di tali problemi ben s’integra con la sempre crescente rilevanza
dei processi educativi nelle società e nella nuova economia. Questi
appartiene ad uno dei temi strategici per lo sviluppo delle ICT e della Società
dell’Informazione e della Conoscenza.
Il progetto si occuperà, durante le attività di ricerca dello
sviluppo nel campo della standardizzazione dell’apprendimento e della
formazione.
Il workpackage intende contribuire attivamente al processo di standardizzazione
dell’ apprendimento e della formazione. In Particolare per questo scopo
le migliore pratiche e proposte sarano presentate nei maggiori avvenimenti
come quelli organizzati da CEN/ISSS o IEEE L&T workshop.
Una cooperazione di ampie ricerche industriali sarà fatta lungo tutto
il Workpackage. A questo proposito si possono prevedere i seguenti obiettivi
del WP:
| Research line 3.1: Simulation grid |
| » Descrizione » Risultati » Pubblicazioni |
| Research line 3.2: Modellizzazione e rappresentazione della conoscenza |
| » Descrizione » Risultati » Pubblicazioni |
| Research line 3.3: Esperimenti scientifici virtuali |
| » Descrizione » Risultati » Pubblicazioni |
| Research line 3.4: Funzionalitą intelligenti per l'apprendimento |
| » Descrizione » Risultati » Pubblicazioni |