ORBIS DICTUS LO SVILUPPO DI UN AMBIENTE ADATTIVO MULTILINGUE PER L’ISTRUZIONE IN RETE Francesco Agrusti, Dipartimento di Scienze della Formazione, Laboratorio di Pedagogia Sperimentale, Università di Roma Tre il progetto am-Learning ¡ FIRB - am-Learning. Individualizzazione del messaggio di apprendimento in un ambiente adattivo per l’istruzione in rete. ¡ Progetto di ricerca, coordinato dall'Università Roma Tre, a cui partecipano un'Unità di Ricerca dell'Università degli Studi di Roma La Sapienza ed una dell'Università degli Studi di Modena e Reggio Emilia. ¡ http://www.am-learning.unimore.it/ ¡ http://www.orbisdictus.it Un nuovo modello dell’interazione per l’apprendimento applicato alle nuove tecnologie le caratteristiche una reale interazione tra chi insegna e chi apprende semplicità d’uso per il docente e lo studente adattamento automatico al profilo dello studente struttura modulare ambiente multilingue max ALTO BASSO ALTO ALTO min asse x: interazione orizzontale tra pari max BASSO BASSO ALTO BASSO min una reale interazione tra chi insegna e chi apprende asse y: interazione verticale – soggetti scalati per una o più variabili due livelli di modulazione macro modulazione corsi DOCENTI STUDENTI micro modulazione pre controllato e individualizzato quattro caratteristiche per ottenere semplicità senza compromessi 1. Sistema di autoconfigurazione sequenziale (SCW) 2. Creazione automatizzata di prove per la creazione del profilo (LEXMETER) 3. Modulazione del messaggio per ogni studente (ADAPTER) 4. Traduzione automatica del messaggio (TRANSLATOR) sistema di autoconfigurazione sequenziale permette di creare corsi con strumenti semplici e complessi non è necessario conoscere troppi dettagli tecnici… …ma è comunque necessario conoscere le attrezzature disponibili chi semina vento raccoglie tempesta normalmente gli utenti sono subissati di funzionalità durante la configurazione e l’utilizzo di una piattaforma educativa tutte le funzionalità disponibili nella piattaforma sono rese disponibili in base a quello che si sceglie tramite alcune semplici domande la piattaforma si autoconfigura in modo tale da fornire la migliore esperienza possibile perdita progressiva delle abilità di lettura ProgressMeter Adapter LexMeter Orbis Dictus 1. Modello multi itinerario 2. Pre controllato 3. Messaggio adattivo Modello Multi Itinerario obiettivi scelte classificazione delle procedure didattiche grado 4 messaggio ada0a1vo Pre messaggio non differenziato procedure dida5che controllate con compensazione 3 2 Post senza compensazione non controllate 1 0 il problema la perdita progressiva delle abilità di lettura negli adulti e negli studenti non laureati specialmente nell’enciclopedia lessicale come possiamo incrementare il numero di parole conosciute? una possibile soluzione ¡ stimare il numero delle parole contenute nella “scatola delle parole” di un dato studente ¡ modulare i testi usati nei corsi universitari per incrementare questo numero ¡ automatizzare le due fasi del processo la prima ipotesi si prenda in considerazione un archivio T composto dai testi, t1...t2...tn, riguardanti uno specifico argomento (es. cardiologia), considerando una parola piena* w appartenente al testo originale** t0 allora si può definire che minore è la frequenza*** di w in T, maggiore sarà la difficoltà di un soggetto nella lettura del paragrafo di t0 contenente w * “Le parole piene sono quelle rivestite di una funzione semantica, cioè quelle la cui forma è associata in maniera diretta ad un’idea, che la forma deve, in virtù della sua funzione, rappresentare ed evocare” ** Il testo scelto per creare la prova *** Il numero di occorrenze della parola nel testo la seconda ipotesi si prenda in considerazione un archivio T composto dai testi, t1...t2...tn, riguardanti uno specifico argomento (es. cardiologia), considerando le parole piene w 0 ...w n appartenenti al testo originale t0 allora si può definire che aggiungere particolari nello spiegare le parole wi...wk di bassa frequenza aiuta gli studenti a comprendere t0 la finalità ultima si consideri un archivio di testi T le cui parole sono contenute in un lessico LT si considerino due lettori R (reale) e V (virtuale) del testo t0 si assuma inoltre che LR < LV <= LT L’obiettivo è quello di ottenere LR = LV (o almeno ridurre lo scarto LV - LR ) la base logica utilizzare software specifico per misurare la scatola delle parole di un dato studente LexMeter Adapter per automatizzare la creazione di prove centrate su un dato argomento per automatizzare la modulazione delle parole di bassa frequenza lexMeter gestisce una libreria interna di testi permette di selezionare i testi dalla libreria e raggrupparli in archivi virtuali scarta le parole contenute nella lista “parole comuni” (e.s. parole vuote) crea la lista dei lemmi ordinati per frequenza creazione di una prova seleziona i testi dell archivio T seleziona l intervallo di frequenze R riduce in lemmi le parole piene di t0 lexmeter utente seleziona il testo originale t0 riduce in lemmi le parole piene di T crea le lacune inserisce i distrattori mostra la prova finale salva la prova lexmeter creazione delle lacune considero wi di t0 no i=i+1 w = null si ordino l secondo f(w ) j=0 si si considero wj di T lk = null no w = null j=j+1 no w=w no si aggiungo w, f(w ) a l f(w ) k=k+1 R si elimino w da t0 no lo strato apicale LexMeter chiede all’utente di selezionare l’intervallo di frequenze R per poter creare le lacune (più alta è la frequenza, minore è la difficoltà) paziente 1717 cardiaco 1376 polmonare 989 pressione 877 ventricolo 834 ventricolare 829 aumento 688 miocardico 669 livello 643 terapia 625 rischio 607 insufficienza 579 ipertensione 575 malattia 532 questo è quello che viene chiamato livello apicale alta frequenza bassa difficoltà bassa frequenza alta difficoltà la sperimentazione 99 studenti frequentanti il secondo anno di Scienze Infermieristiche 2 gruppi (47 e 52 studenti) 2 testi originali (A e B) con differenti lacune BOOKLET 1: A parole di alta frequenza, B parole di bassa frequenza BOOKLET 2: A parole di bassa frequenza, B parole di alta frequenza 60 item a risposta formulata per item differenti per 4 differenti versioni del test (15 ognuno) distribuzione dei punteggi (Testo A) % di studenti del II anno test A alta frequenza % di studenti del II anno test A bassa frequenza N = 89 Test A1 (facile) M= 10.48; SD= 1.717 Test A2 (difficile) M= 2.59; SD= 0.966 t(79.9)=27.407; p <.01 (due code) Cohen’s d = 5.66 (effetto largo) Nonpar Mann-Whitney U test U:0; p <.01 (due code);Glass rank correlazione biseriale = +1 (effetto largo) distribuzione dei punteggi (Testo B) % di studenti del II anno test B alta frequenza % di studenti del II anno test B bassa frequenza N = 88 Test B1 (difficile) M= 1.80; SD= 1.291 Test B2 (facile) M=6.10; SD= 1.818 t(86)=12.981; p <.01 (due code) Cohen’s d = 2.73 (effetto largo) Nonpar Mann-Whitney U test U:62.0; p <.01 (due code);Glass rank correlazione biseriale = +.9 (effetto largo) Il confronto tra i test A & B BOOKLET 1 A1 (facile) vs B1 (difficile) Punteggio medio A1 = 10.31; B1 = 1.75 DEV ST A1 = 1.954; B1 = 1.294 r = 0.483; p < .01 t(50) = 35.037; p < .01 BOOKLET 2 A2 (difficile) vs B2 (facile) Punteggio medio A2 = 10.31; B2 = 1.75 DEV ST A2 = 2.38; B2 = 5.31* r = 0.308; p < .035 t(46) = 7.589; p < .01 *gli argomenti del testo B sono svolti normalmente al terzo anno del corso di Scienze Infermieristiche possibili sviluppi la relazione tra la frequenza della parola e la difficoltà del test non è perfettamente inversa: - la natura del testo può essere discriminante - le parole presenti nello strato apicale sono termini tecnici che fanno parte del “gergo” - normalmente hanno un collegamento diretto con il loro significato gli item più difficili sono quei termini che descrivono fenomeni complessi ma che non sono necessariamente inclusi nello strato apicale, ma nello strato immediatamente sotto: - sia le parole tecniche che quelle di frequenza media usate con un significato tecnico specifico - il lettore deve essere consapevole della possibile polisemia è assicurata l'interazione per l'apprendimento tramite una struttura modulare configurata dinamicamente e automaticamente dal sistema con una minima interazione da parte del docente la piattaforma permette di elaborare una proposta didattica multi-itinerario, precontrollata e individualizzata conclusioni le soluzioni automatiche utilizzate ottengono lo scopo di adeguare la proposta di apprendimento alle esigenze individuali (individualizzazione) la semplicità del sistema tecnologico a sostegno della didattica risiede nell'offrire all'utente molte opzioni disponibili celate da una serie di domande conclusioni Prima pubblicazione (Ott. 2010) LexMeter è giunto alla versione finale, ed è stato sperimentato con successo Adapter, giunto alla sua seconda versione stabile, è in fase di sperimentazione tramite l’erogazione di un corso adattativo SWC e TRANSLATOR attualmente nella fase beta dello sviluppo [email protected]
© Copyright 2024 ExpyDoc
