I big data in campo educativo aprono la strada allo studio del comportamento di apprendimento e possono rappresentare un cambiamento di rotta importante nella valutazione educativa in senso formativo. Le sequenze di azioni e comportamenti attivati dagli studenti ogni volta che interagiscono con un test o con una piattaforma di apprendimento somministrati in modalità elettronica portano infatti con sé grandi potenzialità informative, relative al processo che conduce ad un certo esito (risposta corretta/sbagliata), e possono assistere educatori e stakeholders nella individuazione di profili di studenti con esigenze di apprendimento diversificate. Benché l’affinamento di tecniche informatiche di (educational) data mining consenta oggi di estrarre i big data in campo educativo, essi risultano ancora scarsamente sfruttabili a fini informativi e di policy making. Per risultare tali, è necessario che le tecniche informatiche di data mining costruiscano legami forti con le scienze statistiche e dell’apprendimento. Ma il cammino è appena iniziato.
Gnaldi, M., Melacarne, C. (2019). I big data in campo educativo: potenzialità e limiti.. In L. S. Alaimo, A. Arcagni, E. di Bella, F. Maggino, M. Trapani (a cura di), Benessere Collettivo e Scelte Individuali (pp. 99-106). Genova : Genova University Press.
I big data in campo educativo: potenzialità e limiti.
Claudio Melacarne
2019-01-01
Abstract
I big data in campo educativo aprono la strada allo studio del comportamento di apprendimento e possono rappresentare un cambiamento di rotta importante nella valutazione educativa in senso formativo. Le sequenze di azioni e comportamenti attivati dagli studenti ogni volta che interagiscono con un test o con una piattaforma di apprendimento somministrati in modalità elettronica portano infatti con sé grandi potenzialità informative, relative al processo che conduce ad un certo esito (risposta corretta/sbagliata), e possono assistere educatori e stakeholders nella individuazione di profili di studenti con esigenze di apprendimento diversificate. Benché l’affinamento di tecniche informatiche di (educational) data mining consenta oggi di estrarre i big data in campo educativo, essi risultano ancora scarsamente sfruttabili a fini informativi e di policy making. Per risultare tali, è necessario che le tecniche informatiche di data mining costruiscano legami forti con le scienze statistiche e dell’apprendimento. Ma il cammino è appena iniziato.File | Dimensione | Formato | |
---|---|---|---|
AIQUAV 2019 - Contenuto - Gnaldi - Melacarne.pdf
accesso aperto
Tipologia:
PDF editoriale
Licenza:
Creative commons
Dimensione
7.16 MB
Formato
Adobe PDF
|
7.16 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/11365/1086268