Articoli di approfondimento - Strumenti di elaborazione del linguaggio per aiutare studenti e insegnanti Negli ultimi anni c'è stato un notevole incremento delle immatricolazioni nelle università europee; ciò ha causato un aumento del numero di allievi per classe e del carico di lavoro per i docenti, spesso con un impatto negativo sulle prestazioni del singolo studente. Ricercatori del progetto http://www.ltfll-project.org/ (LTfLL) ("Language technologies for lifelong learning") hanno sviluppato una serie di servizi e strumenti di supporto e consulenza intelligenti di prossima generazione per l'apprendimento individuale e collaborativo, che promettono di ridurre il carico di lavoro dei docenti, far risparmiare tempo e denaro e migliorare le prestazioni degli studenti. Economia digitale "Vi è un problema crescente nella comunità didattica, in particolare nel settore dell'istruzione superiore: le dimensioni delle classi. Con un numero maggiore di studenti per classe, il tempo dell'insegnante diventa una risorsa particolarmente preziosa", dice Wolfgang Greller, professore associato di Nuove tecnologie dei media e innovazione della conoscenza presso la Open University of the Netherlands. Il dottor Greller, coordinatore del progetto LTfLL, ritiene che una combinazione di strumenti per l'elaborazione del linguaggio naturale (NLP - natural language processing) e di altre tecnologie possono contribuire a ridurre il problema. Nei paesi OCSE le iscrizioni all'università sono aumentate in media del 4 % l'anno dalla metà degli anni novanta e alcune lezioni universitarie sono ora frequentate da centinaia di studenti. Preoccupa il fatto che, secondo alcuni studi, l'aumento delle dimensioni di una classe ha un impatto negativo diretto sulle prestazioni degli studenti. Si è visto, infatti, che gli allievi di classi più piccole ottengono risultati migliori rispetto agli studenti di classi più grandi, a prescindere dalla materia che stanno studiando. Nell'ambito del progetto LTfLL i ricercatori si sono concentrati su tre aree principali in cui la tecnologia può offrire importanti vantaggi sia agli studenti sia agli insegnanti: l'inserimento e lo sviluppo concettuale dello studente aiuta a garantire che gli studenti siano iscritti al livello giusto, a seconda del loro bagaglio di conoscenze, e che i loro progressi possano essere monitorati; l'analisi del dialogo e del testo, insieme a un feedback automatico intelligente, contribuisce a guidare gli studenti nei loro studi e a ridurre il carico di lavoro degli insegnanti; e la scoperta di risorse semantiche e sociali rende le informazioni specifiche e le risorse più pertinenti e più facili da reperire. Gli strumenti open source LTfLL, sviluppati con il contributo di 2,85 milioni di euro di finanziamenti per la ricerca dalla Commissione europea, sono progettati per essere integrati senza soluzione di continuità nei sistemi di gestione dell'apprendimento esistenti quali Moodle in qualsiasi ambiente didattico potenziato dalla tecnologia. Essi possono essere implementati insieme o individualmente a seconda delle necessità dell'utente. "Le tecnologie e gli strumenti che abbiamo sviluppato sono utili in quasi tutti gli ambienti didattici, non solo nelle università ma anche nelle scuole superiori, nei corsi per adulti e nella formazione professionale", fa notare il dott. Greller. Tuttavia, alcune delle applicazioni riescono a dare il meglio nei casi in cui un solo insegnante o docente deve fare i conti con molti studenti. Ad esempio, alcune università impartiscono lezioni anche fino a 400 studenti alla volta. Al fine di coinvolgere gli studenti più attivamente nel processo di apprendimento, essi possono essere divisi in gruppi di pochi allievi con il compito di discutere lo stesso argomento, rimangono comunque un centinaio di gruppi diversi da monitorare. "Significa che un centinaio di conversazioni si svolgono in parallelo. È impossibile che un singolo docente o tutor riesca a monitora, valutare e rispondere a tutti i gruppi, al massimo può intervenire ogni tanto qua e là", spiega il dott. Greller. "Alla fine del periodo di discussione il docente deve valutare e analizzare ciò di cui i vari gruppi hanno parlato e le conclusioni che hanno tratto, si tratta di un lavoro davvero enorme se si considera il numero di gruppi, discussioni e scambi che hanno avuto luogo." Analizzare il dialogo Uno strumento di analisi del dialogo basato sull'innovativa tecnologia NLP sviluppata dai ricercatori LTfLL affronta il problema. Lo strumento è stato testato tramite studi in università nei Paesi Bassi e Romania in tre lingue (Olandese, inglese e rumeno), analizza le interazioni testuali degli studenti nelle conversazioni o nei forum online, rilevando non solo quanto partecipano, ma il modo in cui partecipano. "Aiuta i tutor ad analizzare qualitativamente le conversazioni degli studenti osservando chi è stato attivo e in che modo: Hanno fatto domande? Hanno risposto alle domande di altri studenti? Erano isolati nella loro posizione? Hanno aiutato gli altri? O hanno svolto un ruolo di mediatore? e così via", spiega il dott. Greller. "Indica al docente se hanno trattato i punti principali di un determinato argomento o se la loro discussione è deviata e hanno finito per parlare di calcio o di qualcos'altro completamente fuori tema." In questo modo docenti e insegnanti riescono a risparmiare tempo quando si tratta di valutare il progresso fatto dai loro studenti, ma, cosa più importante, gli studenti possono richiedere risposte sui loro progressi direttamente dallo strumento di analisi. Questo tipo di commenti su richiesta sono altrettanto essenziali quando gli studenti scrivono saggi o articoli, per cui il team di ricerca LTfLL ha sviluppato uno strumento di analisi del testo specifico. "Lo strumento fornisce supporto e feedback continui sul livello di assimilazione delle idee e dei concetti relativi alla materia che stanno studiando. Ciò consente di evitare il rischio di andare troppo fuori tema, cosa di cui altrimenti si renderebbero conto troppo tardi, quando consegnano la bozza finale del saggio al tutor," dice il dott. Greller. Gli strumenti di analisi funzionano confrontando il linguaggio usato dagli studenti con quello di esperti del settore, rilevando non solo quanto spesso gli studenti usano certe parole ma anche come le impiegano e in quale contesto, nonché svolgendo controlli di coerenza stilistica e testuale simili a quelli dei software antiplagio. Gli strumenti non solo utilizzano la tecnologia avanzata NLP, ma anche l'analisi semantica e la scoperta sociale. La ricerca semantica aiuta a fornire agli studenti un facile accesso ai contenuti correlati, mentre un motore componente sociale dedicato al tema che stanno studiando li aiuta a comunicare e condividere informazioni con controparti fidate. "In questo modo non è un algoritmo informatico a selezionare il contenuto che viene offerto, ma piuttosto una fonte attendibile: il tuo tutor, i tuoi compagni o amici", spiega il dott. Greller. "Stimola il coinvolgimento degli studenti e aiuta le persone a studiare sia in contesti formali che informali." In quanto software open source, gli strumenti sono stati messi a disposizione della comunità di ricerca per un ulteriore sviluppo e molti dei partner del progetto continuano a lavorarvi. Nel frattempo, il partner austriaco Bit Media intende offrire servizi di hosting e supporto alle scuole e università che non sono in grado di implementare la tecnologia da soli. LTfLL ha ricevuto finanziamenti di ricerca attraverso il Settimo programma quadro (7° PQ) dell'Unione europea. Link utili: - Sito web del progetto LTfLL - "Language technologies for lifelong learning" - Scheda informativa del progetto LTfLL su CORDIS Articoli correlati: - Articoli di approfondimento - Un grande passo avanti nell'elaborazione del linguaggio naturale per l'istruzione - Banche dati ad attivazione vocale agevolano l'accesso alle informazioni - Maggiore interattività uomo-sistema grazie a un progetto TIC
