Risorse Web per didattica assistita da computer: uno schema di
Transcript
Risorse Web per didattica assistita da computer: uno schema di
Peer Reviewed Papers Risorse Web per didattica assistita da computer: uno schema di classificazione misto Pacifico Cofrancesco1, Mario Petrone2, Filippo Bruni2, Elena Caldirola3 Università degli Studi di Pavia, Unità CSGI Università degli Studi del Molise 3 Università degli Studi di Pavia, CELID 1 2 La grande quantità di dati, media, applicazioni e servizi - in una parola, risorse - che si accumulano giorno per giorno sul Web, rende sempre più difficile eseguire ricerche in rete utili ed efficaci. Solitamente si perde molto tempo a cercare di “filtrare” quello che si considera “rumore”, sovrapposto alle “informazioni buone” che si stanno cercando. Qualunque sia l’ambito della ricerca che stiamo svolgendo, i motori di ricerca di tipo generale, alla Google, non sono in grado di gestire questa complessa e scoraggiante situazione. Anche nel campo della didattica si ha lo stesso tipo di problemi. In questo articolo focalizziamo la nostra attenzione sulla necessità di creare degli strumenti di supporto alla catalogazione e ricerca di risorse Web utilizzabili nella didattica assistita da computer (Computer-Aided Instruction, CAI). In particolare, proponiamo un robusto ma semplice schema di classificazione, che possa essere utilizzato in modo facile e proficuo da una comunità Web (principalmente di insegnanti e studenti) per creare un database di riferimenti for citations: Cofrancesco P., Petrone M., Bruni F., Caldirola E. (2011), Risorse Web per didattica assistita da computer: uno schema di classificazione misto, Journal of e-Learning and Knowledge Society, v.7, n.3, 91-100. ISSN: 1826-6223, e-ISSN:1971-8829 | Journal of e-Learning and Knowledge Society Vol. 7, n. 3, Settembre 2011 (pp. 91 - 100) ISSN: 1826-6223 | eISSN: 1971-8829 | Peer Reviewed Papers - Vol. 7, n. 3, Settembre 2011 a risorse digitali didattiche. Lo schema di classificazione ha un sistema di annotazione e tagging alla Delicious, che nella nostra proposta non è del tutto libero, ma è basato su un insieme controllato e predefinito, anche se espandibile, di metadati. 1 Introduzione Molte risorse digitali si rendono disponibili ogni giorno sul Web - spesso gratuitamente - ma è alquanto difficile sapere dove si trovino e come fare per recuperarle ed utilizzarle. Questa è la ragione per cui il ri-uso di tali risorse non è poi così popolare e spesso si preferisce ripartire da zero. Ciò di cui si ha bisogno è un sistema in grado di aiutare, in modo efficace, insegnanti, studenti e chiunque sia coinvolto nel processo educativo a scoprire ed utilizzare le risorse più adatte a raggiungere gli obiettivi didattici e di apprendimento prefissati. Il primo passo, nella nostra proposta, è quello di definire un insieme generale di metadati per catalogare le risorse didattiche che sia il più vicino possibile al punto di vista degli utenti e che consenta annotazioni semantiche delle risorse che l’utente trova sul Web e a cui è interessato. Questo schema di classificazione deve essere semplice, efficace ed aperto alle annotazioni libere da parte dell’utente, in stile Delicious. È stato mostrato (Sommaruga et al, 2010) che una combinazione sinergica delle due forze trainanti della attuale evoluzione del Web, cioè il Web 2.0 o social Web (O’Reilly, 2005) e il Web Semantico (Berners-Lee et al, 2001), può superare i loro rispettivi limiti. Infatti, questi due approcci sono complementari tra loro e una buona tassonomia di base può essere usata come “quadro” entro cui inserire e meglio organizzare le folksonomie definite dagli utenti, ossia il tagging libero da parte degli utenti stessi (Carcillo et al, 2007). D’altra parte, le folksonomie consentono di limitare l’eccessiva rigidità delle tassonomie e possono essere anche utilmente impiegate per definire nuovi termini e valori di vocabolari controllati, come dimostrato dall’esempio del sito Web della BBC (Loasby, 2006), che prevede che quando un tag comincia ad essere largamente usato per l’annotazione di risorse venga promosso a valore standard di un metadato. In un sistema misto di tassomonie/folksonomie, le risorse possono essere catalogate e ricercate utilizzando sia i metadati sia i tag, avvantaggiandosi di entrambi gli approcci e lasciando all’utente sia la libertà di scegliere il metodo più vicino alle sue proprie attitudini sia la possibilità di passare, in qualunque momento, dai metadati della tassonomia ai tag della folksonomia e viceversa. 2 Il contesto: il processo didattico Il nostro schema di classificazione delle risorse Web per la didattica assistita 92 Pacifico Cofrancesco, Mario Petrone, Filippo Bruni, Elena Caldirola - Risorse Web per didattica assistita da computer: uno schema di classificazione misto da computer è basato su una classica definizione di processo didattico (Dick and Carey, 2008). Fig. 1 – Diagramma a blocchi di un processo didattico In sintesi, si tratta di una sequenza di fasi (Fig. 1) che inizia con l’analisi del livello d’ingresso degli studenti, cui segue l’identificazione e la definizione degli obiettivi didattici e dell’apprendimento, passa poi attraverso la preparazione ed implementazione di metodi didattici, strategie e materiali, per terminare con la valutazione dei risultati dell’attività didattica (Fig. 1). Come in ogni sistema con feedback, segue poi una fase di revisione, per introdurre degli aggiustamenti alle strategie e alle scelte delle fasi precedenti, qualora i risultati non fossero soddisfacenti. In ciascuna fase possono essere impiegati diversi strumenti ed oggetti di apprendimento (learning objects). Lo schema di processo didattico delineato è del tutto generale e può essere applicato sia ad un ambiente didattico tradizionale, sia all’istruzione assistita da computer. In quest’ultimo caso, gli strumenti e/o gli oggetti di apprendimento hanno una natura digitale e quindi sono risorse didattiche digitali. Come mostrato nella figura precedente, abbiamo due tipi di risorse: gli oggetti di apprendimento o materiali di apprendimento digitali (digital learning materials), che sono risorse di tipo informativo, e gli strumenti (applicazioni, piani di lavoro, etc.) che vengono impiegati a supporto delle attività svolte in ciascuna delle fasi del processo didattico - tradizionale o assistito da computer. 93 | Peer Reviewed Papers - Vol. 7, n. 3, Settembre 2011 3 Metadati: il livello della tassonomia Le risorse didattiche (digitali) possono essere catalogate da molti punti di vista differenti. Se vogliamo rendere la ricerca di risorse digitali meno frustrante e più efficiente, dobbiamo rendere disponibili delle descrizioni (ossia delle annotazioni) delle risorse stesse da vari punti di vista, che corrispondono ai diversi modi in cui lo stesso oggetto digitale è visto da parte di utenti diversi. Il nostro schema di classificazione è stato creato dopo un’accurata analisi delle proposte esistenti (come Dublin Core, IEEE Learning Object Metadata, IMS e i repository esistenti), tenendo ben presente, come requisiti fondamentali, l’essenzialità e la semplicità d’uso e di applicazione. Di recente sono stati pubblicati dei lavori che tentano di definire in modo più appropriato degli insiemi di metadati per le risorse didattiche, in particolare per i learning object (Alvino et al., 2007 e Alvino et al., 2009). L’esperienza suggerisce che vocabolari troppo tecnici o sistemi di classificazione troppo rigidi scoraggiano gli utenti che dovrebbero annotare le risorse. Questa è la ragione per cui abbiamo scelto di definire un insieme di metadati “minimale”, che ne rende più agevole l’espansione. D’altro canto è stata posta particolare attenzione alla definizione dei valori proposti per ciascun metadato, perché si vuole offrire agli utenti delle definizioni dei metadati precise e significative. Nel nostro schema di classificazione abbiamo tre sotto-insiemi di metadati per: 1. identificare le risorse; 2. caratterizzare le risorse dal punto di vista didattico; 3. caratterizzare le risorse dal punto di vista tecnico. La nostra tassonomia non pretende di essere esaustiva o la migliore possibile per la classificazione e la ricerca delle risorse didattiche digitali nel Web. Per questo teniamo lo schema “aperto” ed espandibile per mezzo del tagging libero degli utenti. Non si tratta di un vero schema gerarchico e ogni metadato può essere considerato come un “differente punto di vista” sulla stessa risorsa, ovvero uno dei tanti possibili modi di descrivere quella risorsa. I metadati possono essere pensati come dei “filtri” che danno la possibilità ad altri utenti di trovare una risorsa nel Web. Le nuove categorie di tag liberamente aggiunte dagli utenti possono essere utilizzate per estendere i metadati, aggiungendo ulteriori “punti di vista”, non ancora considerati. La tassonomia di base viene modificata e corretta dalle folksonomie degli utenti, quando necessario. Questo fatto è molto importante per mantenere il sistema vivo e capace di evolvere quando i bisogni e le tendenze degli utenti cambiano. 94 Pacifico Cofrancesco, Mario Petrone, Filippo Bruni, Elena Caldirola - Risorse Web per didattica assistita da computer: uno schema di classificazione misto 3.1. Identificazione delle risorse Una risorsa deve essere identificata mediante una serie di informazioni quali l’autore, la data di creazione, la sua collocazione nel Web, il linguaggio, i diritti di copyright e il costo, come definiti nella seguente tabella (valori definiti anche in DC e IEEE LOM). TABELLA 1 Metadato Valori titolo <titolo> autore <autore> editore <editore> data <data di creazione> collocazione <localizzazione della risorsa > linguaggio <linguaggio della risorsa come definito in RFC1766 (“en”, “en-GB”, “fr-CA”, “it”)> diritti <diritti di copyright> costo {freeware, open source, commerciale, altro} 3.2. Caratterizzazione didattica Le varie teorie cognitive possono aiutare nella definizione dei metadati per la caratterizzazione più specificamente didattica delle risorse digitali. Sono state fatte alcune scelte a questo livello, che potrebbero, in linea di principio, non essere le migliori per tutti gli utenti. Qualora fosse necessario, si possono aggiungere nuovi metadati, che tengano conto di altre teorie cognitive o punti di vista. Quando iniziamo una ricerca sul Web di risorse digitali da utilizzare nel processo didattico, abbiamo in mente un argomento, un’area del contenuto, alcune caratteristiche dei destinatari, e il loro livello iniziale di conoscenza, oltre che il grado di istruzione. Avremo in mente probabilmente anche specifiche metodologie didattiche e teorie educative. Per esempio, in termini di tassonomia di Bloom (Bloom and Krathwohl, 1956), potremmo cercare delle risorse digitali utili per rafforzare la capacità di ricordare (dimensione cognitiva della conoscenza) oppure altre risorse per migliorare il pensiero critico (dimensione cognitiva della valutazione). Qui ci riferiamo esplicitamente alla tassonomia di Bloom, nella revisione di Anderson e altri (Anderson et al, 2001), che introduce anche la dimensione della conoscenza. La tassonomia di Bloom e la sua revisione sembrano essere un valido schema di classificazione di base per le risorse didattiche digitali, perché molto spesso il punto di partenza della ricerca di risorse su Web è costituito proprio dagli obiettivi e dai traguardi didattici 95 | Peer Reviewed Papers - Vol. 7, n. 3, Settembre 2011 che ci siamo dati. Nella seguente tabella sono riassunti i metadati che abbiamo definito per la caratterizzazione didattica delle risorse Web. TABELLA 2 Metadato 96 Valori tipo risorsa {strumento, contenuto} granularità {curriculum, corso, lezione, pagina, media} fase didattica {analisi, preparazione, implementazione, valutazione, revisione} ruolo utente {produttore (creazione di corsi, creazione sito web, test e valutazione, edizione di media, conversione di contenuti), studente (navigazione e utilizzo dei contenuti), tecnico (hosting e gestione tecnica dei contenuti)} argomento <titolo specifico dell’argomento> grado di istruzione {pre-scuola, infanzia, primaria, secondaria inferiore, secondaria superiore, università, adulti (apprendimento e aggiornamento), persone disabili} tipo interazione {docente/studente(i), studente/computer, studente(i)/studente(i)} destinatario {intera classe, piccolo gruppo, coppia, singolo} metodo didattico {istruzione diretta, istruzione interattiva, istruzione indiretta, studio autonomo, didattica sperimentale} dimensione cognitiva {conoscenza (ricordare), comprensione (capire), applicazione (usare), analisi (analizzare), valutazione (giudicare), sintesi (creare)} dimensione della conoscenza {fattuale, concettuale, procedurale, metacognitiva} area strumento/contenuto {arte, astronomia, biologia, matematica, scienza, tecnologia, storia, scienze sociali, lingue straniere, altro} Pacifico Cofrancesco, Mario Petrone, Filippo Bruni, Elena Caldirola - Risorse Web per didattica assistita da computer: uno schema di classificazione misto Metadato tipo di strumento/contenuto Valori {testo, narrazione/descrizione (lezione, presentazione, esposizione, racconto), citazione, costruzione, dimostrazione (tutorial), discussione (forum, lavoro in piccolo gruppo), simulazione (gioco di ruolo, giochi didattici, attività sul campo), illustrazione, media, modeling, brainstorming, problem solving, casi di studio, pratica diretta (apprendistato), progetto di ricerca, ricerca web, sistema esperto, valutazione, mappa, portfolio, piattaforma, documentazione, comunicazione, strumento di condivisione, altro} 3.3. Caratterizzazione tecnica Questa caratterizzazione è molto importante per le risorse digitali, perché è necessario conoscere quali requisiti tecnici debbano essere soddisfatti per essere in grado di utilizzarle. Infatti, le risorse digitali hanno un formato digitale e dei requisiti hardware e software. È anche importante sapere quale background tecnico sia richiesto all’utente ed il livello di complessità tecnologica e di gestione delle risorse stesse (Petrone et al, 2010). TABELLA 3 Metadato Valori formato digitale <formato della risorsa, vedi formati mime> requisiti hardware < tipo processore e velocità, memoria, dimensione display e colori, unità CD o DVD, uscita audio, ingresso audio, ingresso video> requisiti software <sistema operativo, browser, media players (plugins), Java VM, etc.> requisiti connessione < tipo di connessione, velocità di connessione> conoscenza richiesta {bassa, media, alta} complessità d'utilizzo {bassa, media, alta} complessità tecnologica {bassa, media, alta} complessità di gestione {bassa, media, alta} 4 Tagging degli utenti: il livello della folksonomia Come mostrato da vari lavori, un tagging completamente libero non è preciso in termini di categorizzazione e di lingua; inoltre i tag non hanno struttura 97 | Peer Reviewed Papers - Vol. 7, n. 3, Settembre 2011 gerarchica e la duplicazione delle parole chiave e gli errori ortografici sono frequenti (Carcillo et al, 2007). Per evitare alcuni di questi problemi, nel nostro sistema di classificazione misto, gli utenti sono liberi di aggiungere nuovi tag, ma il sistema proporrà alcune categorie in cui inserirli, e darà la possibilità di accedere al vocabolario standard associato allo specifico metadato o alle nuove chiavi aggiunte dagli utenti, dando quindi la possibilità di scegliere tra le chiavi esistenti. Mediante elaborazioni off-line è possibile ottenere informazioni circa i tag più usati che devono essere promossi al livello di metadati (Benz et al, 2010). In questo modo, gli utenti del sistema saranno in grado di creare essi stessi la classificazione più adatta alle risorse che stanno cercando nel Web, “classificazione” che emerge quasi spontaneamente, come una specie di processo di “selezione naturale”. In questo modo gli utenti del Web 2.0 non solo aggiungono contenuti al Web, ma contribuiscono a dare una classificazione “semantica” agli altri contenuti già presenti in rete. 5 Implementazione del sistema Una volta definito l’insieme iniziale di metadati e i loro rispettivi valori, creiamo la struttura del repository su Web per i riferimenti alle risorse didattiche digitali di cui gli utenti vorrebbero tenere traccia. Si tratta sia di un referatory (database di riferimenti), sia di un vero repository di risorse, dove gli utenti possono aggiungere copie dei learning objects o degli strumenti realizzati da loro stessi, con tutte le informazioni necessarie al loro ri-utilizzo da parte di altri utenti. Il database viene popolato da utenti registrati, mediante un tagging “quasilibero” delle risorse, nel quadro della tassonomia di base che viene definita. Alcuni servizi dedicati ed intelligenti (smart agents) guidano e aiutano nella navigazione del database e suggeriscono, per ciascuna delle fasi del processo didattico, sulla base delle richieste dagli utenti, gli strumenti e i materiali più appropriati. Come già detto, nel “back office” del nostro sistema sono disponibili strumenti per analizzare i tag liberamente aggiunti dagli utenti e modificare ed aggiornare con continuità la classificazione di base, secondo le politiche di manutenzione definite. Conclusioni In questo contributo abbiamo analizzato le problematiche relative all’adattamento di un corso per l’insegnamento delle lingue rispetto al dispositivo utilizzato dall’utente. L’adattamento è realizzato mediante un insieme di regole 98 Pacifico Cofrancesco, Mario Petrone, Filippo Bruni, Elena Caldirola - Risorse Web per didattica assistita da computer: uno schema di classificazione misto che valutano, sulla base di un’ontologia, l’adeguatezza del micro-contenuto al dispositivo e l’utilità di eventuali trasformazioni e compensazioni in caso di perdita di contenuto (da intendere come abilità e competenze che il microcontenuto è progettato per sviluppare). Come tutti i knowledge-based system, l’approccio presenta il difetto di richiedere un lungo lavoro di codifica della conoscenza relativa al dominio, con rischi legati al fatto di non avere per tutte le relazioni ricerche su cui basarsi. Questo implica, come prima e più urgente necessità, approfondite ricerche in ambito glottodidattico sul valore dei diversi tipi di attività in relazione ai diversi tipi di competenze e ambiti di istruzione. Tuttavia, va tenuto in conto che il problema di codificare la conoscenza derivante da studi e ricerche si riduce di complessità se il ragionamento viene mantenuto a livello macro: se per esempio, definendo le relazioni tra Tipi di esercizi e usabilità rispetto alle caratteristiche del dispositivo, si evita di codificare piccole differenze, tra l’altro soggette a essere percepite in modo diverso da individui diversi, per concentrarsi sul livello macro, quasi al limite di gestire aspetti di accessibilità piuttosto che di usabilità. BIBLIOGRAFIA Alvino S., Forcheri P., Ierardi M. G., Sarti L. (2007), Un modello per la connotazione pedagogica di LO, Rapporto tecnico IMATI-CNR n. 13/2007. Alvino S., Forcheri P., Ierardi M. G., Sarti L. (2009), The pedagogical dimension of metadata for learning resources: the POEM model, in: Spaniol M., et al. (eds.), Advances in web Based Learning – ICWL 2009, Proceedings of ICWL 2009. 5867, Berlin/Heidelberg, Springer. Anderson L. W., David R. Krathwohl D. R. (eds.) (2001), A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives, Boston, Allyn & Bacon. Bell S. J., Shank J. D. (2007), Academic Librarianship by Design: A Blended Librarian’s Guide to the Tools and Technologies, Chicago, American Library Association. Benz D., Hotho A., Stützer S. (2010), Semantics made by you and me: Self-emerging ontologies can capture the diversity of shared knowledge, Web Science Conf. 2010, April 26-27, 2010, Raleigh, NC, USA. Berners-Lee, T., Hendler J., Lassila O. (2001), The Semantic Web, Scientific American, May 2001. Bloom B. S., Krathwohl D. R. (1956), Taxonomy of educational objectives: The classification of educational goals. Handbook 1: Cognitive domain, New York, Longman. Carcillo F., Rosati L. (2007), Tags for Citizens: Integrating Top-Down and BottomUp Classification in the Turin Municipality Website, in “Online Communities and 99 | Peer Reviewed Papers - Vol. 7, n. 3, Settembre 2011 Social Computing: Second International Conference”, OCSC 2007, Held as Part of HCI International 2007 (Beijing, China, July 22-27, 2007), ed. Douglas Schuler, Proceedings Series: Lecture Notes in Computer Science, Vol. 4564, Springer, pp. 256-264. Dick W., Carey L., Carey J. O. (2008), The Systematic Design of Instruction, (7th Edition), Boston, Allyn & Bacon. DCMI Metadata Terms (2010), http://dublincore.org/documents/2010/10/11/dcmiterms/ (verified June 27, 2010) IEEE Standard for Learning Object Metadata (1484.12.1) (2002), http://ltsc.ieee.org/wg12/par1484-12-1.html (verified on December 2010). IMS Learning Resource Meta-Data Best Practice and Implementation Guide Version 1.2.1 Final Specification, http://www.imsglobal.org/metadata/imsmdv1p2p1/ imsmd_bestv1p2p1.html (verified on December 2010). Kiro-Maieuta, http://lotarionline.unipv.it/moodle/mod/resource/view.php?id=484 (verified on August 29, 2011). Loasby K. (2006), Changing approaches to metadata at bbc.co.uk: From chaos to control and then letting go again. Bulletin of the American Society for Information Science and Technology, 33: 25–26. O’Reilly T. (2005), What Is Web 2.0, Design Patterns and Business Models for the Next Generation of Software. http://oreilly.com/web2/archive/what-is-web-20.html (verified on June 27, 2011). Petrone M., Pasquariello E., Valente R., Brunale M. (2010), Learning Methodologies and their Software Tools, in: Proceedings of CSEDU 2010 - 2nd International Conference on Computer Supported Education, Valencia, Spain, April 7 - 10, 2010. Shareable Content Object Reference Model (SCORM), Specifications, http://www. adlnet.gov/Technologies/scorm/default.aspx (verified on December 2010). Sommaruga L., Catenazzi N., Canetta L. (2010), The Intelligent web: tools for knowledge management and sharing, Proceedings of 16th International Conference on Concurrent Enterprising (ICE 2010), Collaborative Environments for Sustainable Innovation, Lugano - Switzerland, 21-23 June 2010. Wiley D. A., (2002), The Instructional Use of Learning Objects, Agency for Instructional Technology. Online version here: http://www.reusability.org/read/ (verified on December 2010) 100