Categoria: Blog

  • Social Learning: 5 mosse per integrarlo nella tua strategia di eLearning

    Social Learning: 5 mosse per integrarlo nella tua strategia di eLearning

    Oggi il social learning è diventato elemento importantissimo per qualsiasi strategia e programma di formazione eLearning aziendale.

    Il perché? Semplice: dipendenti e collaboratori apprendono meglio quando lo fanno socialmente e in modo collettivo.

    Siamo tutti social          

    Il social learning funziona perché tutti noi oggi siamo più o meno social.

    Tutti conosciamo e abbiamo assimilato la cultura della condivisione.

    Il social learning è utilizzano già da molte organizzazioni con lo scopo di fornire un programma di apprendimento più mirato e performante ai propri dipendenti/collaboratori.

    Impostare un programma di formazione “social” favorisce l’azienda anche su un altro piano: il social learning contribuisce al lavoro e allo spirito di squadra. Questo è un risvolto positivo non solo in ambito formativo, ma per tutti i processi di lavoro aziendali.

    In questo articolo ti spiegheremo come integrare il social learning nella tua formazione aziendale.

    Mossa #1: gruppo Facebook, LinkedIn e Forum

    Le discussioni sono alla base del social learning. Per generarle però dobbiamo offrire ai nostri dipendenti un ambiente tecnologico che sia facilmente usabile e fruibile: gruppi Facebook, LinkedIn oppure Forum.

    Su questi gruppi i dipendenti possono porre domande e dare risposte ai quesiti degli altri sui corsi eLearning, possono postare e caricare materiale utile, possono condividere i propri risultati.

    Mossa #2: classifiche

    Le classifiche sono un elemento di gamification che si integra benissimo in una strategia social learning.

    Gli obiettivo sono: alimentare una sana competizione e le interazioni sociali.

    Il gioco, la sfida e le classifiche coinvolgono molto gli utenti.

    Mossa #3: sondaggi

    Somministrare dei sondaggi agli utenti e ricevere feedback è una mossa utile per migliorare il programma di formazione: anche qui un approccio di tipo social è vincente.

    Mossa #4: interazioni dipendenti e team eLearning

    Il team che si occupa dello sviluppo dei percorsi di formazione (o il referente dell’azienda partner che fornisce corsi eLearning) deve partecipare attivamente all’attività di social learning dei dipendenti.

    Mossa #5: lavoro di squadra

    Porre attenzione alla costruzione di corsi eLearning che richiedono (anche solo in parte) un lavoro di squadra da parte dei dipendenti.

    Ad esempio, la progettazione di un corso condiviso tra i membri di un team aziendale, all’interno del quale i vari moduli sono stati costruiti tenendo conto delle competenze tecniche e professionali di dipendenti diversi. Solo questi possono accedere a quello/quei determinati moduli.

    In questo modo il completamento dell’intero corso dipende da ogni membro del team.

  • Learning Analytics: a Roma si incontrano pedagogia e ricerca

    Learning Analytics: a Roma si incontrano pedagogia e ricerca

    Lo scorso 10 e 11 maggio a Roma abbiamo partecipato alla SIRD-SIe-L International Conference 2019 sui Learning Analytics.

    In un post precedente abbiamo introdotto i metodi e le tecniche sviluppati nel campo dei Learning Analytics. Questi strumenti vengono già utilizzati per analizzare aspetti rilevanti del processo di insegnamento-apprendimento.

    Le ragioni del Convegno sui Learning Analytics

    Con riguardo particolare all’Italia restano ancora inesplorate le dimensioni pedagogiche dei Learning Analytics. Dimensioni che dovrebbero definire

    • la concettualizzazione dei modelli di analisi
    • i criteri per accompagnare i processi decisionali legati al monitoraggio e alla valutazione in-process
    • i criteri per l’accesso, la visualizzazione e la valutazione dei risultati.

    È dunque importante che la pedagogia dia il suo contributo sia per orientare la ricerca sia per costruire in Italia una rete di soggetti impegnati a sviluppare indagini ed esperienze significative in questo settore.

    Topics e sessioni del convegno

    Il convegno ha costituito la cornice ideale per discutere di alcune delle questioni emergenti nella comunità scientifica dei Learning Analytics:

    • analisi di Big Data
    • approcci etici
    • vincoli normativi (resi ancor più attuali dall’entrata in vigore del GDPR)
    • Educational Data Mining
    • omogeneizzazione e visualizzazione dei dati
    • modelli di analisi predittiva.

    Due le sessioni tematiche previste. Una più teorica, volta a indagare i principi pedagogici per massimizzare il successo delle attività di insegnamento/apprendimento. Una più sperimentale, volta a raccogliere esperienze di LA nei sistemi online.

    Il nostro contributo ai Learning Analytics

    Abbiamo dato il nostro contributo presentando con l’Università per Stranieri di Siena una ricerca su Data Mining e valutazione di ambienti aperti per l’apprendimento.

    Gli obiettivi

    Gli obiettivi della ricerca erano:

    • l’ideazione di un sistema di valutazione modellato su ambienti di apprendimento aperti e poco strutturati
    • la costruzione dell’architettura del sistema
    • il suo testing con una fase di sperimentazione con gli studenti.

    L’idea era quella di progettare un’architettura  flessibile e aperta, che tracciasse anche attività a livello “basso”. Non un semplice tracking di orari di ingresso e di uscita e un computo del numero di accessi. Volevamo progettare un sistema capace di raccogliere dati più significativi: i percorsi, i messaggi, i contenuti prodotti, le interazioni.

    Il problema

    Per ottenere un risultato di questo tipo era necessario:

    • registrare ogni azione, il contesto dell’azione, i suoi contenuti
    • esporre i dati in modo che potessero essere visualizzati e confrontati per far emergere possibili anomalie di percorso, positive o negative.

    Dovevamo quindi costruire un’architettura “agnostica”, capace cioè di interagire con ambienti poco strutturati. Capace di suggerire possibili interrogazioni piuttosto che rispondere a domande predefinite.

    Gli strumenti

    Ogni ambiente di apprendimento aperto deve fare i conti con la diversità. Tecnologie e sistemi diversi devono poter comunicare le informazioni in modo sicuro e standardizzato. Cioè sotto forma di dati leggibili, da noi e dalle macchine.

    Per questo abbiamo scelto lo standard xAPI, un protocollo capace di leggere e interpretare flussi di attività relativi all’apprendimento. xAPI lavora con un logica “dal basso”, che fa emergere il tracciamento dall’esperienza concreta dello studente, quando si realizza. Una logica, dunque, particolarmente congeniale al concept del nostro progetto.

    Per raccogliere i dati tracciati con xAPI abbiamo agganciato all’ambiente di apprendimento un Learning Record Score (LRS) che immagazzinasse via via i flussi di attività degli studenti.

    I risultati

    La fase di sperimentazione con cui abbiamo testato l’ambiente di monitoraggio ci ha restituito risposte interessanti:

    • il sistema di tracciamento funziona
    • è capace di far emergere correlazioni nascoste e andamenti significativi utili per valutare le esperienze di apprendimento
    • è interoperabile e trasferibile in qualsiasi contesto di e-learning.

    La portata limitata della sperimentazione e d’altro canto la significatività dei risultati indicano una prima prospettiva di sviluppo nel testing, più ampio e completo.

    L’interoperabilità del modello inoltre suggerisce di testarlo in altri ambiti dell’insegnamento-apprendimento, oltre a quello linguistico in cui è nato.

    Un lavoro, questo, che si è fatto notare al Convegno!

  • Learning Analytics: cosa sono e a cosa servono

    Learning Analytics: cosa sono e a cosa servono

    La diffusione degli ambienti di apprendimento digitali e di protocolli specifici per il tracciamento delle attività ci mettono a disposizione oggi un volume di dati notevole.

    Questi dati possono essere utilizzati per monitorare i risultati raggiunti nell’apprendimento a distanza e migliorarli. A patto di adottare approcci e strumenti di analisi innovativi.

    Da qui lo sviluppo di un nuovo ambito di ricerca nel campo delle scienze educative, l’analisi dei dati o, meglio, le tecniche di analisi dei dati dell’apprendimento, i Learning Analytics.

    Cosa sono i Learning Analytics

    L’Horizon Report del 2016 (Higher Education Edition) ci dà questa definizione:

    L’analisi dei dati dell’apprendimento è un’applicazione educativa dell’analisi dei dati web volta a delineare il profilo degli studenti; un processo di raccolta e analisi dei dettagli delle interazioni individuali degli studenti nelle attività di apprendimento online.

    L’obiettivo dei Learning Analytics è dunque quello di

    • costruire pedagogie migliori
    • potenziare l’apprendimento attivo
    • raggiungere gli studenti a rischio
    • valutare i fattori che influenzano il completamento e il successo degli studenti.

    Storia dei Learning Analytics

    L’interesse nei confronti dell’analisi dei dati in campo educativo non nasce certo con l’e-learning.

    Già alla fine degli anni ’70 si era parlato di una “esplosione dei dati”. Ma è con l’affermarsi del web 2.0 che si aprono nuove possibilità per l’aggregazione di contenuti provenienti da fonti diverse, per la loro elaborazione e per lo scambio dei risultati con altri software.

    Nello stesso periodo si diffondono i LMS e, con la disponibilità di insiemi di dati sempre più ampi da analizzare, emerge il campo del data mining .

    L’Educational Data Mining

    Il data mining è un settore dell’informatica che applica una varietà di tecniche ai database per estrarre dati nascosti e potenzialmente utili. Il valore c’è ed è sommerso nel mare di dati. Bisogna trovare il modo di estrarlo.

    L’Educational Data Mining è una sotto area del settore che si occupa di

    • sviluppare metodi per esplorare i tipi di dati specifici che provengono da ambienti educativi
    • utilizzare questi metodi per capire meglio gli studenti e i contesti in cui imparano.

    Grazie all’apporto delle scienze sociali, l’attenzione si sposta gradualmente verso un approccio alle tecniche di analisi focalizzato sulla comprensione e sull’ottimizzazione dell’apprendimento. Nel 2010 questo campo di studi riceve un ulteriore stimolo con George Siemens:

    Il Learning Analytics è l’uso di dati intelligenti, di dati prodotti dallo studente e di modelli di analisi per scoprire informazioni e connessioni sociali, e per predire e dare consigli sull’apprendimento 

    La comunità del Learning Analytics nasce con la prima Conferenza Internazionale sui Learning Analytics (Banff , 2011) subito seguita dalla fondazione della Society for Learning Analytics Research. All’interno di questo nuovo campo di ricerca si sviluppano due filoni di studi:

    • l’Educational Data Mining che analizza dal punto di vista tecnico il modo in cui possiamo far emergere andamenti significativi da grandi insiemi di dati correlati all’apprendimento
    • il Learning Analytics che si focalizza sugli aspetti educativi per ottimizzare le opportunità di apprendimento online.

    Learning Analytics in prospettiva

    Il volume di dati da analizzare diventa sempre più grande. Per questo motivo è necessario che vengano definite le dimensioni pedagogiche dei Learning Analytics. In particolare occorrono:

    • una buona comprensione di come si apprende, di come si può facilitare l’apprendimento e dell’importanza dei fattori emotivi
    • il supporto al di fuori degli LMS: uno spostamento verso insiemi di dati provenienti da ambienti aperti, informali o blended
    • nuovi metodi di reportistica e visualizzazione personalizzati: facili da capire per gli studenti e chiaramente collegati a meccanismi di miglioramento del loro apprendimento.

    Dai Learning Analytics ci aspettiamo dunque modelli e strumenti per capire e migliorare sia l’apprendimento sia gli ambienti in cui avviene.