| Pagina di benvenuto | EduLearn: lettera I |

Intelligenza artificiale (IA)

Definire l'intelligenza artificiale. Termine coniato da John McCarthy (1955), nell'iniziale sogno di riprodurre l'intelligenza umana, potenziandone le prestazioni. In realtà, non esiste una IA: a nessun agente artificiale può essere attribuito qualcosa di simile all'intelligenza. Alla base, la naturale tendenza dell'uomo a pensare in termini antropomorfici i fenomeni esterni. Piuttosto, si dovrebbe parlare di agentività artificiale. L'IA non riflette l'intelligenza umana: manca di versatilità e intuitività, anche se mostra caratteristiche di adattività sempre migliori.

Concettualmente, si possono distinguere:
1. IA ristretta: opera in maniera specializzata su un singolo problema (sistemi esperti).
2. IA generale: è capace di intervenire sul proprio algoritmo, modificandolo e facendolo evolvere (Tegmark, 2017).
3. Singolarità: momento in cui l'intelligenza di una macchina potrà superare in tutto e per tutto quella umana.

Cosa è in grado di fare la IA oggi:
1. Rilevare strutture significative all'interno di basi di dati molto ampie; per la complessità del processo di rappresentazione con cui viene organizzata la conoscenza (ontologie), prevale il lavoro sui singoli domini (sistemi esperti).
2. Fare cose con più efficenza dell'uomo (agentività), non necessariamente comprendendole.
3. Approssimarsi alle azioni umane.

Livelli di abilità e IA:
1. Osservazione finalizzata alla ricerca di regolarità per comprendere in che modo le variabili siano collegate e associabili.
2. Capacità di fare e di intervenire: chiedersi cosa è successo o sarebbe successo in base a possibili modifiche della situazione.
3. Argomentazione controfattuale, immaginazione, retrospezione, comprensione: qui è difficile surrogare l'intervento umano con quello della macchina (Pearl 2018).


Intelligenza artificiale e valutazione. Sistemi valutativi automatizzati per una valutazione di tipo formativo con feedback ricorsivi, su tutte le interazioni registrabili.

Caratteristiche di una valutazione basata sulla IA (Kope, Kalantzis & Searsmith, 2020):
1. valutazione formativa integrata durante tutto il processo di apprendimento,
2. tutte le tracce del processo di apprendimento sono registrabili,
3. feedback ricorsivo,
4. feedback prospettico e costruttivo (visualizzazione dei processi di apprendimento),
5. orientamento erogativo (prodotto e processo),
6. valutazione olistica (conoscenze e pratiche).

Automated Essay Scoring (AES):
1. Assegnazione di voti a testi scritti.
2. Basato su sistemi di Natural Language Processing (NLP).
3. Classificazione automatica delle risposte degli studenti, considerando determinate caratteristiche.

Ricerche sull'Automated Essay Scoring (AES):
1. Progect Essay Grader (Ajay et alii 1966): grammatica, dizione, costruzione della frase.
2. Intelligent Essay Assessor (Folz et al. 1999): analisi semantica latente.
3. Tecniche di elaborazione concentrate su stile e contenuto (Krizhevsky et al. 2012).
4. Tecniche più sofisticate che lavorano su caratteristiche sintattiche e semantiche (Cizek, 2020).
5. Sperimentazione Utah: valutazione di milioni di risposte di studenti; valutazione sommativa, formativa e feedback; rubriche di base su caratteristiche di scrittura: sviluppo di idee, organizzazione, stile, scelta delle parole, fluidità delle frasi, convenzioni.
6. Educational Testing Service (ETS): algoritmo per la valutazione di saggi su diversi domini di conoscenza.


Intelligenza artificiale e feedback. Feedback regolativo: ha a che fare con la gestione della classe; indica il comportamento dell'aula in risposta alle scelte di comunicazione didattica e di presenza dell'insegnante. Feedaback valutativo: osservazioni restituite dall'insegnante al singolo studente sulla base della correzione di una prova.

Gestione del feedback regolativo:
1. Smart classroom che consentono l'annotazione audio e video.
2. NLP per annotazione, classificazione e sintesi dei testi.
3. Image processing per registrare la gestualità.

Smart classroom:
1. Cobots, robot che lavorano insieme all'insegnante (Timms, 2016):
a. attenzione;
b. personalizzazione degli apprendimenti.

2. Sensori, come smart speakers e applicazioni per la domotica (Internet of the Things):
a. blocchi colorati (blaze pods): indicano azioni allo studente e tracciano gli errori;
b. badge sociometrici (basati su segnali sociali, es. comportamento vocale, movimenti del corpo, localizzazione del corpo nello spazio): misurano l'entità delle interazioni faccia a faccia, il tempo delle conversazioni, lo stile espositivo; il grado prossimità e il livello di attività fisica.

3. Smart cameras: lavoro raffinato su emozioni e interazioni.

Usi documentati della IA per la gestione feedback valutativo (istruzione superiore, aree di medicina e ingegneria):
1. Numero consistente di prove e attività in itinere e alto numero studenti.
2. Supporto alla correzione automatizzata delle prove.
3. Supporto all'autovalutazione dello studente.

| Pagina di benvenuto | EduLearn: lettera I |