Failure or lack of success in school learning is a serious social problem and it is very important for education officers to better understand the reasons why so many young people fail to complete their studies. The diffusion in most Italian schools of electronic logbooks generates a large amount of data about didactic activities: students school attendance, the results obtained in the individual test trials, the typology of these tests and so on. The aim of this project is to retrieve and analyze this data with data mining techniques and obtain information that tends to signal and anticipate problematic situations and help to improve teaching objectives.
Le attuali tecniche di gestione dei big data associate a metodologie di machine learning permettono di ottenere informazioni qualitative e quantitative (data mining) derivanti dai dati grezzi.
L'obiettivo del nostro progetto è quello di recuperare e analizzare i dati provenienti dalle singole scuole per ottenere informazioni che tendano a segnalare e anticipare situazioni problematiche e in generale essere di ausilio al miglioramento degli obiettivi didattici. Si tratta di 'osservare' i dati grezzi al fine di individuare conferme o scostamenti di valutazione utili per un possibile intervento mirato nelle attività di supporto al recupero di situazioni problematiche. L'utilizzo di metodologie di machine learning sui dati permette inoltre un'analisi senza alcun pregiudizio nè idea preconcetta cercando al loro interno la presenza o meno di 'pattern', ovvero di comportamenti, non necessariamente noti a priori.
Ricerca di comportamenti ricorrenti nello storico delle misurazioni degli studenti
L’obiettivo è di individuare i più evidenti gradienti di miglioramento relativi a diversi periodi dell’anno scolastico.
Questo potrà poi permettere di ricercare, negli istituti con migliori performances, le tecniche e le pratiche che hanno portato
a tali risultati in modo da poter contaminare le altre scuole nell’ottica di un miglioramento continuo dell’offerta formativa.
Particolare attenzione sarà data nel comunicare eventuali anomalie e comportamenti imprevisti
individuati, al fine di utilizzare anch’essi per ottimizzare le pratiche didattiche.
Visualizzazione di dati educativi
Relazione tra misurazioni della scuola e risultati INVALSI
Predire insuccessi a partire dalle misurazioni e dai risultati INVALSI
Al termine del progetto prevediamo di presentare i risultati della ricerca con due focus principali: uno che abbia una visione 'globale' ed uno 'locale'.
L'analisi 'globale' permetterà di evidenziare analogie e differenze delle misurazioni didattiche nel territorio interessato dalle scuole partner del progetto.
L'obiettivo dichiarato è di far emergere i comportamenti e le pratiche migliori in modo da poter contaminare le altre scuole nell'ottica di un miglioramento
continuo dell'offerta formativa.
Particolare attenzione sarà data nel comunicare eventuali anomalie e comportamenti imprevisti individuati, al fine di utilizzare anch'essi per
ottimizzare le pratiche didattiche.
L'analisi 'locale', se richiesta dalle singole scuole partner, potrà restituire un confronto accurato dei comportamenti individuati sui dati di un certo
istituto paragonandoli alle scuole dello stesso territorio e/o della stessa tipologia.
Il trattamento anonimizzato dei dati non permetterà in alcun modo di estrarre informazioni nè a livello di singolo studente, nè a livello di
singolo docente, nè a livello di sezione.
Il minimo livello di granularità previsto dalla ricerca è per classe/materia.