{"id":120,"date":"2023-11-30T17:18:32","date_gmt":"2023-11-30T17:18:32","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/chapter\/a-note-on-personalisation\/"},"modified":"2024-01-31T11:38:41","modified_gmt":"2024-01-31T11:38:41","slug":"a-note-on-personalisation","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/chapter\/a-note-on-personalisation\/","title":{"raw":"Una nota sulla personalizzazione","rendered":"Una nota sulla personalizzazione"},"content":{"raw":"

La personalizzazione dell'apprendimento<\/h3>\n

\"\"Ogni insegnante personalizza l'apprendimento, anche solo aggiungendo un esempio in pi\u00f9 o prestando attenzione individuale, se necessario. In un certo senso, l'insegnamento stesso \u00e8 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 ci\u00f2 che imparano. Li aiutano ad adattare le nuove conoscenze o abilit\u00e0 a ci\u00f2 che gi\u00e0 sapevano, alle loro osservazioni personali e alle loro esperienze sociali. Aiutano gli studenti a fare ci\u00f2 che possono con quello che imparano.<\/p>\n

In termini generali, l'apprendimento personalizzato consiste nel creare ambienti ed esperienze di apprendimento diversi per le diverse esigenze, capacit\u00e0 e contesto culturale di ogni studente1<\/sup>. Naturalmente, la portata e il grado di personalizzazione variano. Gli esperti hanno identificato sei dimensioni della personalizzazione: Il perch\u00e9, il come, il cosa, il quando, il chi e il dove avviene l'apprendimento2<\/sup>\u00a0:<\/p>\n\n\n[caption id=\"attachment_306\" align=\"aligncenter\" width=\"356\"]\"\" www.penmendonca.com<\/a> @MendoncaPen, Reproduced with permission from Technology-enhanced personalised learning: untangling the evidence, Stuttgart: Robert Bosch Stiftung, 2018.[\/caption]\n\n[caption id=\"attachment_305\" align=\"alignright\" width=\"347\"]\"\" Individualised Instruction Learning Gains from Essa, A., A possible future for next generation adaptive learning systems, Smart Learning Environments, 3, 16, 2016, pubblicato con licenza CC BY 4.0. Visit https:\/\/creativecommons.org\/licenses\/by\/4.0\/<\/a>[\/caption]\n

Il tutoraggio individuale \u00e8 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 pu\u00f2 richiedere un grande sforzo. Una vera personalizzazione \u00e8 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.<\/p>\n

\"\" \u00a0 \u00a0 \u00c8 qui che la tecnologia pu\u00f2 dare una mano.<\/p>\n\n

Apprendimento personalizzato potenziato dalla tecnologia (Technology\u00a0Enhanced\u00a0Personalised Learning)<\/h3>\n

\u00c8 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<\/sup> Questo \u00e8 pi\u00f9 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 continuit\u00e0.<\/p>\nUna tecnologia ben progettata pu\u00f2 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, pu\u00f2 aiutare gli studenti ad acquisire ed esercitare un'abilit\u00e0 di routine. In questo modo, si libera il tempo in classe per l'interazione, l'attenzione personale e la risoluzione dei problemi. Inoltre, \u00e8 possibile monitorare ci\u00f2 che accade durante i compiti a casa, osservando i progressi degli studenti e le loro difficolt\u00e03<\/sup>.\n\n\"\"\n

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.<\/p>\nClicca qui per le definizioni di apprendimento blended e di altri tipi di apprendimento, spesso discussi insieme alla personalizzazione.<\/a>\n

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.<\/p>\n\n\n

\n

1<\/sup> Groff, J.,\u00a0Personalized Learning:\u00a0The State of the Field & Future Directions<\/em>, Center for Curriculum Redesign, 2017.<\/p>\n

2<\/sup> Holmes, W., Anastopoulou, S., Schaumburg, H & Mavrikis, M., Technology-enhanced personalised learning: untangling the evidence,<\/em>\u00a0Stuttgart: Robert Bosch Stiftung, 2018.<\/p>\n

3<\/sup>\u00a0Feldstein, M.,\u00a0Hill, P., Personalized Learning: What It Really Is and Why It Really Matters,\u00a0<\/em>Educause Review,<\/em> 2016.<\/p>\n

4<\/sup>\u00a0Taylor, D., Yeung, M., Bashet, A.Z.,\u00a0Personalized and Adaptive Learning<\/em>, Innovative Learning Environments in STEM Higher Education pp 17\u201334,\u00a0\u00a0Springer Briefs in Statistics, 2021.<\/p>","rendered":"

La personalizzazione dell’apprendimento<\/h3>\n

\"\"Ogni insegnante personalizza l’apprendimento, anche solo aggiungendo un esempio in pi\u00f9 o prestando attenzione individuale, se necessario. In un certo senso, l’insegnamento stesso \u00e8 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 ci\u00f2 che imparano. Li aiutano ad adattare le nuove conoscenze o abilit\u00e0 a ci\u00f2 che gi\u00e0 sapevano, alle loro osservazioni personali e alle loro esperienze sociali. Aiutano gli studenti a fare ci\u00f2 che possono con quello che imparano.<\/p>\n

In termini generali, l’apprendimento personalizzato consiste nel creare ambienti ed esperienze di apprendimento diversi per le diverse esigenze, capacit\u00e0 e contesto culturale di ogni studente1<\/sup>. Naturalmente, la portata e il grado di personalizzazione variano. Gli esperti hanno identificato sei dimensioni della personalizzazione: Il perch\u00e9, il come, il cosa, il quando, il chi e il dove avviene l’apprendimento2<\/sup>\u00a0:<\/p>\n

\"\"
www.penmendonca.com<\/a> @MendoncaPen, Reproduced with permission from Technology-enhanced personalised learning: untangling the evidence, Stuttgart: Robert Bosch Stiftung, 2018.<\/figcaption><\/figure>\n
\"\"
Individualised Instruction Learning Gains from Essa, A., A possible future for next generation adaptive learning systems, Smart Learning Environments, 3, 16, 2016, pubblicato con licenza CC BY 4.0. Visit https:\/\/creativecommons.org\/licenses\/by\/4.0\/<\/a><\/figcaption><\/figure>\n

Il tutoraggio individuale \u00e8 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 pu\u00f2 richiedere un grande sforzo. Una vera personalizzazione \u00e8 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.<\/p>\n

\"\" \u00a0 \u00a0 \u00c8 qui che la tecnologia pu\u00f2 dare una mano.<\/p>\n

Apprendimento personalizzato potenziato dalla tecnologia (Technology\u00a0Enhanced\u00a0Personalised Learning)<\/h3>\n

\u00c8 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<\/sup> Questo \u00e8 pi\u00f9 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 continuit\u00e0.<\/p>\n

Una tecnologia ben progettata pu\u00f2 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, pu\u00f2 aiutare gli studenti ad acquisire ed esercitare un’abilit\u00e0 di routine. In questo modo, si libera il tempo in classe per l’interazione, l’attenzione personale e la risoluzione dei problemi. Inoltre, \u00e8 possibile monitorare ci\u00f2 che accade durante i compiti a casa, osservando i progressi degli studenti e le loro difficolt\u00e03<\/sup>.<\/p>\n

\"\"<\/p>\n

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.<\/p>\n

Clicca qui per le definizioni di apprendimento blended e di altri tipi di apprendimento, spesso discussi insieme alla personalizzazione.<\/a><\/p>\n

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.<\/p>\n

\n

1<\/sup> Groff, J.,\u00a0Personalized Learning:\u00a0The State of the Field & Future Directions<\/em>, Center for Curriculum Redesign, 2017.<\/p>\n

2<\/sup> Holmes, W., Anastopoulou, S., Schaumburg, H & Mavrikis, M., Technology-enhanced personalised learning: untangling the evidence,<\/em>\u00a0Stuttgart: Robert Bosch Stiftung, 2018.<\/p>\n

3<\/sup>\u00a0Feldstein, M.,\u00a0Hill, P., Personalized Learning: What It Really Is and Why It Really Matters,\u00a0<\/em>Educause Review,<\/em> 2016.<\/p>\n

4<\/sup>\u00a0Taylor, D., Yeung, M., Bashet, A.Z.,\u00a0Personalized and Adaptive Learning<\/em>, Innovative Learning Environments in STEM Higher Education pp 17\u201334,\u00a0\u00a0Springer Briefs in Statistics, 2021.<\/p>\n","protected":false},"author":1,"menu_order":1,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[],"contributor":[],"license":[],"part":114,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/pressbooks\/v2\/chapters\/120"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/pressbooks\/v2\/chapters\/120\/revisions"}],"predecessor-version":[{"id":121,"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/pressbooks\/v2\/chapters\/120\/revisions\/121"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/pressbooks\/v2\/parts\/114"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/pressbooks\/v2\/chapters\/120\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/wp\/v2\/media?parent=120"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/pressbooks\/v2\/chapter-type?post=120"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/wp\/v2\/contributor?post=120"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/wp-json\/wp\/v2\/license?post=120"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}