Representation of learning in the post-digital: students dropout predictive models with artificial intelligence algorithms.
Gabbrielli, M., Panciroli, C., Levrini, O., Zanellati, A., Macauda, A.
All’interno del dibattito scientifico su postdigitale e istruzione, il contributo presenta un progetto di ricerca finalizzato alla progettazione di un modello predittivo di dropout implicito, con particolare riferimento all’ottimizzazione della rappresentazione della conoscenza. In particolare, ci stiamo occupando di un modello volto a prevedere il verificarsi di un deficit di apprendimento in matematica con dati INVALSI, attraverso l’utilizzo di specifici algoritmi di Machine Learning.
Maurizio Gabbrielli
Chiara Panciroli
Maurizio Gabbrielli è professore ordinario di Informatica dal 2001 presso il Dipartimento di Scienze dell’Informazione dell’Università di Bologna, è membro del team di ricerca FOCUS dell’INRIA e direttore del Master in Management of Digital Technology presso la Bologna Business School. È autore di più di 100 pubblicazioni scientifiche nell’ambito dei linguaggi di programmazione e dell’intelligenza artificiale ed è stato dal 2015 al 2017 direttore della scuola europea di dottorato di EIT Digital focalizzata sull’innovazione tecnologica.
Chiara Panciroli è professoressa ordinaria presso il Dipartimento di Scienze dell’Educazione dell’Università di Bologna. È referente dell’unità scientifica “AI and Education” dell’Alma Mater Research Institute for Human-Centered Artificial Intelligence; responsabile scientifica del MOdE – Museo dell’Educazione – Sistema Museale di Ateneo. È vicepresidente del direttivo della Società Italiana di Ricerca sull’Educazione Mediale. Si occupa di Artificial Intelligence and Education, Innovative teaching in digital environments, Sistemi di Learning Analytics, Visual Learning e Digital cultural heritage.
Olivia Levrini
Andrea Zanellati
Olivia Levrini è professoressa associata in Didattica della Fisica presso il Dipartimento di Fisica e Astronomia dell’Università di Bologna. Il suo lavoro di ricerca riguarda: l’interdisciplinarietà nell’educazione STEM; la ricostruzione didattica di temi di fisica moderna e contemporanea (relatività, termodinamica, fisica quantistica); la progettazione didattica su future-oriented STEM issues (cambiamento climatico, intelligenza artificiale, calcolo quantistico), l’openschooling, cognition e conceptual change; l’identità e i processi di appropriazione.
Andrea Zanellati è professore di Matematica e Fisica presso il Liceo “Rambaldi-Valeriani” di Imola e dottorando in Data Science and Computation presso l’Università di Bologna, dove si interessa di Educational Data Mining, Learning Analytics e AI&Education, con un interesse anche agli aspetti etici e filosofici degli studi e applicazioni in questi settori. Ha svolto incarichi di docenza a contratto e tutorato presso l’Università di Bologna in corsi di Analisi Numerica, Algebra e Geometria e Informatica. Attualmente collabora con il centro EdTech FEM con sede a Modena come Educational Data Scientist e Learning Designer.
Anita Macauda
Anita Macauda è assegnista di ricerca presso il Dipartimento di Scienze dell’Educazione dell’Università di Bologna. Le sue ricerche e le sue pubblicazioni si collocano nell’ambito della didattica generale e delle tecnologie educative, con particolare riferimento all’AI&Education e nello specifico ai temi riguardanti gli ambienti digitali per l’insegnamento e l’apprendimento, la realtà aumentata e la robotica educativa nella didattica scolastica e universitaria, la didattica museale e la museologia virtuale, l’Arts&Education e il Digital Cultural Heritage.