E - contributo altro

Educational Data Mining e Robotica Educativa

LORENZO CESARETTI
    Segmento scolastico
    Secondaria di I e di II grado

    Tecnologia
    Lego Mindstorms EV3

    Discipline coinvolte
    Parole chiave
    Algoritmo di clustering
    Educational Data Mining (EDM)
    Intelligenza Artificiale (IA)
    Machine learning
    Planners
    Modello TMI Tinkerers
    Valutazione

    Metodologia didattica e riferimenti pedagogici
    Data Mining (Kantardzic)
    Machine learning (Alan Turing, John McCarthy)
    Modello TMI (Think Make Improve)
    Studi sull’intelligenza Artificiale
    Teoria costruzionista (Papert, Turkle)


E - contributo altro

Educational Data Mining e Robotica Educativa

di LORENZO CESARETTI

Lorenzo Cesaretti è ingegnere informatico e dell’automazione, ha conseguito un Dottorato di ricerca in Ingegneria ed è stato Visiting Phd presso la Stanford University. Educatore tecnologico e formatore ha realizzato laboratori di robotica educativa rivolti a studenti della primaria, della secondaria di primo grado e della secondaria di secondo grado.
Abstract
In questo contributo l’Autore propone un’attenta disamina delle tecnologie riguardanti l’applicazione in campo educativo dell’Educational Data Mining (EDM), ovvero il processo di estrazione di informazioni interessanti, interpretabili e utili in contesto educativo a partire da un insieme di dati, utilizzando tecniche e algoritmi tipici del machine learning e dell’intelligenza artificiale. Con questo contributo l’Autore intende presentare ai docenti queste nuove frontiere con una modalità divulgativa e priva di dettagli tecnici, riferendosi in particolar modo all’EDM collegato ad attività di Robotica. A tal fine riporta, nella prima parte, una revisione dei lavori in cui sono state applicate tecniche di Data mining in campo costruzionista, mentre nella seconda parte presenta alcuni risultati preliminari dell’applicazione di questo approccio ad attività di ER in alcune sperimentazioni condotte dall’Autore stesso raccogliendo dati provenienti da robot didattici (Lego Mindstorms EV3) programmati da studenti di scuola secondaria. Raccogliere dati in attività di Robotica Educativa (ER) potrebbe fornire informazioni riguardo le traiettorie di apprendimento, permettendo così al docente di analizzare il processo che ha portato alla costruzione della sequenza di programmazione e potrebbe permettere l’individuazione dei diversi stili di apprendimento degli studenti, teorizzati da Papert: tinkerers e planners.
Cosa serve per replicare l'esperienza
Il software Lego Mindstorms EV3 Home Edition, appositamente modificato per il tracking delle sequenze
  • 1 kit Lego Mindstorms EV3 Education
  • 1 computer
Materiali utilizzati
La sperimentazione è stata articolata in due corsi con 4 classi di scuola secondaria (una di primo grado e tre di secondo grado) per un totale di circa 80 studenti.
Gli 80 studenti sono stati suddivisi in 25 gruppi di lavoro.
Ogni gruppo di lavoro ha avuto a disposizione:
  • Il software Lego Mindstorms EV3 Home Edition, appositamente modificato per il tracking delle sequenze
  • 1 kit Lego Mindstorms EV3 Education
  • 1 computer
Valutazione
La proposta dell’Autore mira a proporre soluzioni per migliorare la valutazione nell’ambito dell’Educazione Robotica attraverso l’applicazione dell’Educational Data Mining (EDM).
Obiettivi formativi
Nel mondo dell’educazione l’applicazione di tecniche ML e DM potrebbe aprire scenari futuri molto interessanti, ad esempio:
  1. Supportare gli insegnanti nella valutazione e nell’analisi dei processi di apprendimento degli studenti (e dei loro stili di apprendimento);
  2. Supportare la creazione di materiali didattici e percorsi personalizzati per gli studenti;
  3. Predire le performance future degli studenti, sulla base dei loro comportamenti;
  4. Aiutare i docenti nella creazione dei gruppi di lavoro;
  5. Supportare gli studenti nel percorso di apprendimento grazie a tutor artificiali “intelligenti” che forniscono feedback personalizzati.
Imparare cosa
Riferimenti normativi
Intelligenza Artificiale

"[L’Intelligenza Artificiale] È la scienza e l’ingegneria del creare macchine intelligenti, specialmente programmi informatici intelligenti. L’AI è connessa ad attività come utilizzare computer per comprendere l’intelligenza umana, ma l’AI non deve essere confinata a metodi che sono biologicamente osservabili." (prof. John McCarthy della Stanford University, iinventore dell’espressione Intelligenza Artificiale)

Machine Learning

“Il Machine Learning è lo studio di algoritmi informatici che migliorano automaticamente attraverso l’esperienza”( prof. Tom M. Mitchell della Carnagie Mellon University)

Data Mining

Il Data Mining è un processo iterativo, all’interno del quale l’avanzamento è definito dalla scoperta (di relazioni tra i dati), attraverso metodi sia manuali che automatici. […] Il Data Mining è la ricerca di informazioni nuove, di valore e non banali all’interno di grandi quantità di dati. (Kantardzic, 2011)