Lector sub judice

UPDF AI:

Title

LA RIVOLUZIONE DIGITALE IN INSEGNAMENTO E TEST VALUTAZIONI, BIG DATA E TRASFORMAZIONE DELLA SCUOLA

Authors

Claire Wyatt-Smith, Bob Lingard, Elizabeth Heck

Affiliation

Direttrice dell’Istituto per le scienze dell’apprendimento e la formazione degli insegnanti dell’Università Cattolica Australiana

Keywords

Digital innovation, Teaching, Testing, Big Data, Education transformation

Urls

https://www.routledge.com/Critical-Social-Thought/book-series/SE0807 , Github: None

Sommario

Il contesto di ricerca di questo articolo riguarda l’integrazione dei big data nell’istruzione, con un focus particolare sulle pratiche di valutazione su larga scala e in corso che si spostano nello spazio digitale;
I metodi passati includevano valutazioni tradizionali e manuali che presentavano problemi di efficienza e accuratezza. L’approccio proposto è ben motivato dalla necessità di modernizzare e rendere più efficaci queste pratiche attraverso l’uso dei big data;
La metodologia di ricerca proposta nel libro include un approccio multidisciplinare che combina prospettive accademiche e industriali per analizzare il ruolo dei big data nell’istruzione;
Le metodologie proposte sono applicate a compiti di valutazione educativa su larga scala, ottenendo miglioramenti significativi in termini di efficienza e precisione, supportando così gli obiettivi del libro.

Metodi

Analisi delle politiche educative e dei quadri di valutazione nel contesto digitale;
Esplorazione delle frontiere della scienza dei dati nell’educazione;
Guida pratica ed etica per l’uso dell’intelligenza artificiale e dell’apprendimento automatico nell’istruzione;
Studio delle infrastrutture di dati e delle loro implicazioni per l’educazione;
Analisi dei costi e benefici dell’uso dei big data nelle valutazioni educative.

Conclusioni:

Questo lavoro è significativo perché offre una visione innovativa e pratica del futuro delle opportunità e delle sfide attuali nel campo dell’istruzione, specialmente riguardo alla valutazione e all’uso dei big data;
Punto di innovazione: l’integrazione multidisciplinare di prospettive accademiche e industriali;
Performance: miglioramenti significativi in termini di efficienza e precisione nelle pratiche di valutazione educativa;
Carico di lavoro: richiede un impegno considerevole nella raccolta e analisi dei dati, nonché nella formazione degli insegnanti per l’alfabetizzazione digitale e ai dati.

Riassunto per pagine:

Riassumere pagina 11-474

UPDF AI:

Introduzione alla crisi del COVID-19 nell’istruzione

La crisi del COVID-19 ha portato a importanti cambiamenti nel sistema educativo.
Profonde disuguaglianze nell’accesso e nelle risorse sono diventate evidenti.
Gli insegnanti si trovano ad utilizzare tecnologie per le quali non sono preparati.
I modelli di curriculum e pedagogia stanno subendo cambiamenti a causa della distanza fisica ed emotiva.
Molti studenti stanno passando dalle scuole pubbliche a quelle private o all’homeschooling.

Analisi critica delle tecnologie digitali nell’istruzione

Il libro “Digital Disruption in Teaching and Testing” analizza i limiti e le possibilità delle tecnologie digitali nell’istruzione.
Esamina l’influenza dei “big data” sulle decisioni educative e sui cambiamenti nei processi di valutazione.
Si concentra sul ruolo degli algoritmi nella previsione e modifica dei punteggi di valutazione.
Solleva questioni etiche, politiche e pratiche legate all’utilizzo dei “big data” e delle risorse digitali nell’istruzione.

Implicazioni della trasformazione digitale sull’apprendimento e sull’identità degli studenti

La trasformazione digitale sta rimodellando i sistemi educativi e le esperienze scolastiche dei giovani.
Le implicazioni di questa trasformazione sono significative per il futuro degli studenti.
Il libro promuove un dialogo costruttivo tra settori della conoscenza e gruppi interessati alle politiche educative.

Ruolo delle tecnologie digitali nella definizione delle politiche educative

Le tecnologie digitali e i dati stanno influenzando profondamente le pratiche politiche e il lavoro scolastico.
Questa influenza ha conseguenze sull’apprendimento, sulle identità e sulle esperienze scolastiche dei giovani.
Il libro apre conversazioni sull’uso educativo e democratico dei dati e del digitale nella definizione delle politiche educative.

Critica al neoliberismo nell’istruzione

Il libro si inserisce nella tradizione di analisi critiche delle influenze del neoliberismo sull’istruzione.
Esplora la trasformazione delle scuole in luoghi di profitto e le implicazioni di questo processo.
Offre strumenti concettuali, empirici e politici per sollevare domande importanti sulle soluzioni “tecniche” nell’istruzione.

UPDF AI:

Prefazione e Riconoscimenti

Il libro è stato sviluppato con il supporto di colleghi e coetanei durante un workshop presso l’Institute for Learning Sciences and Teacher Education (ILSTE) dell’Australian Catholic University.
Ringraziamenti speciali a tutti i colleghi elencati in ordine alfabetico che hanno contribuito alla stesura dei capitoli del libro.
Un ringraziamento particolare alla dottoressa Anna du Plessis dell’ILSTE, ACU, per il suo prezioso contributo.
Il team editoriale di Routledge, Jessica Cooke e Matthew Friberg, è stato ringraziato per il loro supporto.
Ringraziamenti anche a Maya Prince dell’UNESCO e Peter Titmanis dell’ACARA per aver concesso l’uso delle figure della collezione.

Biografie dei Redattori

Claire Wyatt-Smith è direttrice dell’Istituto per le scienze dell’apprendimento e la formazione degli insegnanti dell’ACU e professoressa di valutazione educativa e alfabetizzazione.
Bob Lingard è Professorial Fellow presso l’Institute for Learning Sciences and Teacher Education dell’Australian Catholic University.
Elizabeth Heck ha interessi di ricerca che includono i media, le arti, l’inclusione digitale e il nesso tra alfabetizzazione digitale e dati.
Ben Arnold si concentra sul rapporto tra politiche educative globali, nazionali e pratiche locali.
Nick Couldry è un sociologo dei media e della cultura presso la London School of Economics and Political Science.

Elenco dei Collaboratori

Laura Engel è professore associato di Educazione internazionale e Affari internazionali presso la George Washington University.
Annina Förschler è dottoranda e assistente di ricerca presso l’Università Helmut Schmidt di Amburgo.
Radhika Gorur è professore associato alla Deakin University e direttrice del Laboratory of International Assessment Studies.
Sotiria Grek è professore di governance europea e globale dell’istruzione presso l’Università di Edimburgo.
Kalervo N. Gulson è Australian Research Council Future Fellow e professore presso la Sydney School of Education and Social Work dell’Università di Sydney.

UPDF AI:

Introduzione alla perturbazione digitale nell’istruzione

L’introduzione evidenzia la perturbazione digitale nell’insegnamento e nell’apprendimento.
Si discute il ruolo dei dati e della digitalizzazione nell’innovazione educativa.
Scopo di aprire questioni normative sull’utilizzo produttivo del digitale per migliorare l’istruzione.

Ruolo dei dati e delle valutazioni digitali nell’innovazione educativa

I big data e le valutazioni digitali fanno parte della perturbazione digitale nell’istruzione.
I dati sono la base della perturbazione, con la dataficazione dell’esperienza e la digitalizzazione dei dati come fonte principale.
Aumento delle capacità computazionali e digitali ha portato a una maggiore circolazione dei dati a livello globale.

Riflessioni sul significato dell’essere studenti, insegnanti e dirigenti scolastici

Il digitale sta ridisegnando il concetto di studenti, insegnanti e dirigenti scolastici.
Impatto sui ruoli di genitori, assistenti e comunità nel contesto educativo.
Questioni legate ai diritti dei bambini, alla privacy, all’etica e alla proprietà dei dati sono cruciali.

Implicazioni etiche e legali dell’uso dei dati nell’istruzione

Importanza delle questioni etiche e legali associate all’uso e alla proprietà dei dati educativi.
Necessità di considerare la privacy, l’archiviazione e lo scopo dell’utilizzo dei dati.
Rilevanza di tali questioni per insegnanti, genitori e responsabili politici nel contesto educativo.

Ricerca sull’innovazione digitale nell’istruzione

La ricerca si concentra sull’innovazione digitale nell’istruzione.
Contributo alla costruzione di un ambiente scolastico migliore ed equo per tutti.
Esplorazione di futuri sociali migliori attraverso l’innovazione digitale nell’istruzione.

Ruolo dei genitori, assistenti e comunità nell’era digitale

Impatto del digitale sui ruoli e sul coinvolgimento di genitori, assistenti e comunità nell’istruzione.
Necessità di adattarsi ai cambiamenti derivanti dall’innovazione digitale.
Importanza di coinvolgere attivamente genitori, assistenti e comunità nel processo educativo.

Diritti dei bambini e protezione dei dati nell’ambiente digitale

Considerazioni sui diritti dei bambini e sulla protezione dei dati nell’ambiente digitale.
Garanzia della sicurezza e della riservatezza dei dati degli studenti.
Ruolo fondamentale della tutela dei minori e della gestione responsabile dei dati educativi.

Sfide e opportunità dell’innovazione digitale nell’istruzione

Identificazione delle sfide e delle opportunità legate all’innovazione digitale nell’istruzione.
Necessità di affrontare le sfide per massimizzare i benefici dell’innovazione digitale.
Utilizzo delle opportunità offerte dalla tecnologia per migliorare l’esperienza educativa.

Collaborazione tra stakeholder nell’implementazione dell’innovazione digitale

Importanza della collaborazione tra diversi attori nell’implementazione dell’innovazione digitale.
Coinvolgimento attivo di insegnanti, genitori, responsabili politici e comunità.
Sinergie necessarie per garantire un’efficace integrazione del digitale nell’istruzione.

Conclusioni e prospettive future sull’innovazione digitale nell’istruzione

Sintesi delle implicazioni dell’innovazione digitale nell’istruzione.
Riflessioni sulle prospettive future e sulle direzioni da seguire.
Invito a continuare a esplorare e sviluppare l’innovazione digitale per migliorare l’istruzione.

UPDF AI:

Contesto e contesti

La storia umana e sociale si trova in una fase critica con cambiamenti significativi.
Le nuove tecnologie offrono opportunità per l’istruzione, ma è importante mantenere l’approccio relazionale, contestuale e culturale.
Le nuove tecnologie dovrebbero integrarsi con una nuova professionalità degli insegnanti.
È necessaria una riflessione approfondita sugli scopi dell’educazione e sull’utilizzo dei dati digitali.

Interruzione digitale nella valutazione educativa

L’interruzione digitale ha impatti sulla valutazione educativa e sui big data.
Si esplora il ruolo delle nuove tecnologie nella trasformazione dell’insegnamento.
Il libro offre una panoramica sulle sfide e le opportunità della digital disruption nell’istruzione.

Società del controllo e capitalismo di sorveglianza

Le nuove tecnologie hanno portato alla creazione di società di controllo e al capitalismo di sorveglianza.
Le tecniche di sorveglianza vengono utilizzate anche nei Paesi socialisti di mercato come la Cina.
Le mega aziende tecnologiche controllano l’attività online e utilizzano i dati umani per fini commerciali.

Edu-business e governance di rete

Le imprese educative stanno giocando un ruolo sempre più importante nel settore dell’istruzione.
La governance di rete coinvolge attori non statali nella politica educativa e nella fornitura di servizi.
Le infrastrutture di dati sono fondamentali per la gestione dei sistemi scolastici e per la valutazione a livello nazionale e internazionale.

Immaginario socio-tecnico dei dati educativi

Si discute dell’importanza delle relazioni uomo-dati nell’ambito dell’istruzione.
Si riconosce l’impatto della quarta rivoluzione industriale sull’istruzione.
Le nuove tecnologie stanno influenzando profondamente la produzione, il consumo e l’esperienza spazio-temporale.

Effetti della pandemia COVID-19 sull’istruzione

La pandemia ha accelerato le tendenze già presenti nel settore dell’istruzione.
Si analizza l’impatto della pandemia sull’insegnamento, sui test e sui big data.
Le nuove tecnologie stanno ridefinendo i sistemi scolastici a livello globale.

Ruolo delle infrastrutture di dati nell’istruzione

Le infrastrutture di dati sono cruciali per la gestione dei sistemi educativi e per la valutazione a livello nazionale e internazionale.
Contribuiscono alla costituzione di uno spazio di misurazione globale con implicazioni politiche.
Sono fondamentali per regimi di test nazionali come il National Assessment.

UPDF AI:

Introduzione al contesto educativo attuale

Le scuole e i sistemi educativi sono ricchi di dati, ma spesso sottoutilizzati per fini politici e di apprendimento.
Emergenza di una mentalità da culto del cargo tra alcuni politici che credono nelle soluzioni tecnologiche per i problemi dell’istruzione.
Critica alla visione ingenua che la tecnologia risolverà tutti i problemi educativi.

Ruolo della tecnologia e dei dati nell’istruzione

Gli algoritmi, l’intelligenza artificiale e il machine learning stanno diventando sempre più centrali nel settore educativo.
L’uso dell’intelligenza artificiale è limitato nell’istruzione a causa della mancanza di big data, ma ci sono opportunità future.
La tecnologia ha il potenziale di creare una “scatola nera” decisionale non trasparente.

Impatto del black boxing sui processi decisionali

Il black boxing rende invisibili i processi decisionali e nega il ruolo attivo degli esseri umani.
Questo fenomeno si manifesta in alcuni usi dei dati, trascurando il processo decisionale umano.
Importanza di riconoscere il ruolo umano nella costruzione e nell’uso dei dati e degli algoritmi.

Ristrutturazione dello Stato e politiche educative

La ristrutturazione dello Stato verso il neoliberismo ha influenzato le pratiche educative.
Transizione dal New Public Management alla governance di rete nel settore dell’istruzione.
Coinvolgimento del settore privato e delle imprese educative nella definizione delle politiche educative.

Governance digitale dell’istruzione

I dati hanno assunto un ruolo centrale nella governance dell’istruzione.
Creazione di quasi-mercati scolastici attraverso valutazioni basate su test e punteggi comparativi.
Numeri e dati sono diventati fondamentali per la governance, creando un panopticon comparativo.

Dibattiti sulla valutazione educativa

La valutazione educativa si concentra su validità, affidabilità, standard e responsabilità.
Distinzione tra valutazione sommativa e formativa, con focus sulla misurazione dei risultati e sul miglioramento dell’apprendimento.
Problemi legati all’affidabilità del giudizio degli insegnanti e all’importanza del feedback e della moderazione.

UPDF AI:

Sviluppo della valutazione educativa

Sezione 1: Evoluzione dei confini tra valutazione formativa e sommativa

Gli esami a scopo sommativo sono gestiti dalle commissioni d’esame e società di test.
Durante la pandemia, gli esami finali non potevano essere programmati, portando a nuovi strumenti di valutazione.
L’attenzione si è spostata sulle valutazioni online per monitorare l’apprendimento degli studenti.

Sezione 2: Ruolo delle imprese nel cambiamento educativo

Agenti esterni alla scuola come imprese educative, organizzazioni filantropiche e EdTech influenzano il settore dell’istruzione.
La valutazione formativa è ora dominio di sviluppatori software e società di test.

Sezione 3: Governance digitale nell’istruzione

Emergenza di una “governance digitale dell’istruzione” che si basa sulla raccolta e analisi dei dati digitali.
Implicazioni per i bilanci dell’istruzione, l’economia e la democrazia.

Innovazione digitale nella valutazione

Sezione 4: Digitalizzazione dei test standardizzati

Dibattiti sull’utilizzo dei test online per migliorare l’insegnamento e le politiche educative.
Distinzione tra digitalizzazione e digitalizzazione dei test standardizzati.

Sezione 5: Test adattativi computerizzati (CAT)

CAT si adattano alle capacità degli studenti durante il test.
Utilizzo di algoritmi per selezionare gli item del test in base alle risposte degli studenti.

Sezione 6: Sfide della valutazione digitale

Nuove sfide nella progettazione dei test online e nella gestione dei dati.
Necessità di competenze variegate per affrontare le sfide della valutazione digitale.

Valutazione della scrittura e test online

Sezione 7: Complessità della valutazione della scrittura

Decisioni riguardanti forme di scrittura da valutare, criteri di valutazione e moderazione.
Domande sulla validità dei sistemi di punteggio automatico nella valutazione della scrittura.

Sezione 8: Implementazione dei test online

Necessità di infrastrutture digitali, competenze degli studenti e connessioni Internet affidabili.
Passaggio ai test online richiede una nuova serie temporale e selezione di nuovi item di riferimento.

Sezione 9: Valutazioni immersive

Evoluzione dai test basati sul computer alle valutazioni immersive.
Basate su realtà aumentata, virtuale, mista ed estesa, con focus sull’intelligenza artificiale e sviluppi 3D.

UPDF AI:

Definizione dei Big Data

I big data sono insiemi di dati di volume enorme, altamente diversificati per tipo e natura, generati continuamente a grande velocità in tempo reale o quasi.
De Mauro et al. definiscono i big data come un patrimonio informativo caratterizzato da volume, velocità e varietà che richiede tecnologie specifiche per essere trasformato in valore.

Infrastruttura dei Dati

Un’infrastruttura di dati è una piattaforma attiva per l’archiviazione, la condivisione e il consumo di dati attraverso le tecnologie di rete.
Sono stati sviluppati standard di interoperabilità come il Schools Interoperability Framework (SIF) per facilitare l’interoperabilità dei sistemi e dei dati.

Privacy e Governance dei Dati

La raccolta e il monitoraggio dei dati personali sollevano questioni di privacy e sorveglianza dei dati.
L’uso dei dati da parte delle aziende EdTech senza consenso può portare alla vendita dei dati a terzi, sollevando preoccupazioni sulla privacy.

Applicazione dei Big Data nell’Istruzione

I big data vengono utilizzati per registrare interazioni in ambienti di apprendimento digitali, analizzare dati per feedback agli studenti e insegnanti, responsabilità istituzionale e ricerca educativa.
I big data possono favorire l’individualizzazione dell’apprendimento e la personalizzazione dei programmi di studio basati sul computer.

Riformulazione della Scuola tramite i Big Data

I dati possono ridisegnare la scuola priorizzando ciò che può essere prodotto e presentato online.
Esiste il rischio che i sistemi di messaggi online diventino standardizzati e riduttivi, ridefinendo il ruolo della scuola e favorendo le imprese educative e per il profitto.

Valutazioni Digitali e Edu-Business

Le edu-business sostengono l’uso dei big data per riformare i sistemi scolastici e le valutazioni dell’apprendimento.
Le valutazioni formative basate su app stanno creando nuovi mercati e catalizzando l’uso dei big data per migliorare l’efficacia delle app.

Proprietà dei Dati e Etica

Le questioni sulla proprietà dei dati raccolti su insegnanti e studenti sollevano preoccupazioni sull’etica dei dati, sul consenso e sulla privacy.
È importante considerare il consenso alla raccolta dei dati e chi ne è il proprietario.

UPDF AI:

Sezione 1: Questioni etiche e legali legate alla valutazione dei dati nelle scuole

L’uso di hardware e software per valutare le prestazioni degli studenti può sollevare questioni significative di privacy e sorveglianza.
Raccomandazioni per incorporare la protezione dei dati nei sistemi di big data sono ancora in fase di sviluppo.
Complessità legale ed etica riguardanti la proprietà dei dati educativi sono in fase di discussione.

Sezione 2: Alfabetizzazione digitale e ai dati per gli insegnanti

Gli insegnanti devono acquisire competenze tecniche nell’uso di hardware e software.
La conoscenza del curriculum, delle pratiche di valutazione e l’abilità nel discernere il valore dei dati sono essenziali.
L’alfabetizzazione ai dati implica una comprensione critica dell’infrastruttura tecnologica e delle politiche digitali.

Sezione 3: Ruolo degli insegnanti nell’utilizzo efficace dei dati educativi

I dati educativi sono fondamentali per il lavoro quotidiano degli insegnanti.
I cruscotti forniscono strumenti per catalogare i dati e renderli accessibili.
Gli insegnanti devono trasformare i dati in azioni didattiche e informazioni utili per migliorare le pratiche pedagogiche.

Sezione 4: Implicazioni della digital disruption sull’insegnamento

In alcuni Paesi a basso reddito, l’istruzione è fornita da insegnanti non qualificati e da macchine.
Competenze digitali degli insegnanti sono cruciali per massimizzare il potenziale educativo delle tecnologie digitali.
Politiche consapevoli dei divari digitali possono contribuire a ridurre le disuguaglianze nella scuola.

Sezione 5: Utilizzo dei big data nell’istruzione e le conseguenze

L’uso dei big data nell’istruzione può portare a una rapida deprofessionalizzazione degli insegnanti.
Le aziende EdTech giocano un ruolo significativo nello sviluppo della scienza dei dati educativi.
La fiducia pubblica nelle istituzioni è influenzata dall’uso dei dati digitali e dall’intelligenza artificiale.

Sezione 6: Innovazione digitale e impatto sull’apprendimento degli studenti

L’innovazione digitale può influenzare la crescita degli studenti attraverso l’uso efficace dei dati.
Il giudizio umano rimane cruciale per valutare le prestazioni degli studenti.
Capacità nell’uso dei dati educativi richiede la comprensione di diverse fonti e finalità dei dati.

Sezione 7: Necessità di competenze professionali per affrontare l’intelligenza artificiale

Gli insegnanti devono acquisire conoscenze su intelligenza artificiale e apprendimento automatico.
L’equità, la trasparenza e la responsabilità sono questioni etico-governative cruciali nell’adozione dell’IA nell’istruzione.
Gli sviluppi dell’IA superano i quadri normativi attuali, richiedendo una maggiore consapevolezza.

Sezione 8: Ruolo dell’elemento umano nell’uso dei dati digitali

La collaborazione tra esseri umani e macchine è essenziale per costruire la fiducia pubblica nell’uso dei dati digitali.
Società più forti dipendono dall’elemento umano nel processo decisionale basato sui dati.
Equilibrio tra gestione dei rischi e ricompense della società può essere raggiunto attraverso l’innovazione della dimensione umana.

Sezione 9: Speculazioni sul futuro dell’istruzione con l’intelligenza artificiale

L’uso dell’intelligenza artificiale potrebbe cambiare radicalmente il ruolo delle scuole e degli insegnanti.
Approcci speculativi possono aiutare a riflettere sulle implicazioni future dell’intelligenza artificiale nell’istruzione.
Concentrarsi sulla preparazione all’imprevisto è cruciale per affrontare i cambiamenti imminenti nell’istruzione.

Sezione 10: Genealogia dello sviluppo della scienza dei dati educativi

L’ingegnere dell’apprendimento emerge come figura chiave nello sviluppo della scienza dei dati educativi.
Coinvolgimento di aziende EdTech e filantropi come Pearson nei progressi della scienza dei dati educativi.
Sviluppi esterni influenzano il lavoro delle scuole e degli insegnanti, sollevando questioni etiche e pratiche.

UPDF AI:

Capitolo 1: Speculazioni sull’IA nell’educazione

Lingard, Wyatt-Smith e Heck invitano alla speculazione e alla sfida per la ricerca educativa.
Esaminano le condizioni che devono ancora apparire nell’ambito dell’IA nell’educazione.
Forniscono una rassegna della letteratura e delle speculazioni sull’intensificazione e sulle possibilità dirompenti dell’IA nell’educazione.

Capitolo 2: Trasformazione dell’organizzazione dell’istruzione

L’organizzazione dell’istruzione può influenzare l’adozione delle nuove tecnologie di IA.
Gli interessi aziendali e i progressi tecnologici plasmano l’adozione dell’IA e la natura dell’istruzione.
Affronta le possibili perturbazioni sostanziali dell’istruzione riguardanti offerta e conoscenza.

Capitolo 3: Impatto dell’edu-business Pearson

Analisi dell’impatto dell’edu-business Pearson nell’istruzione pubblica.
Critica alle priorità e alla strategia aziendale di Pearson.
Preoccupazioni riguardanti la trasformazione dell’insegnante in un “facilitatore” e la raccolta di dati digitali.

Capitolo 4: Costi della partecipazione agli ILSA

Analisi dei costi della partecipazione degli Stati Uniti a PISA e TIMSS.
Documentazione degli importi spesi per la partecipazione e l’implementazione dei test.
Discussione sui potenziali costi/benefici della partecipazione agli ILSA.

Capitolo 5: Governance by dashboard nell’istruzione

Esplorazione dell’immaginario sociotecnico della “governance by dashboard”.
Focus sul Global Education Policy Dashboard sviluppato dalla Banca Mondiale.
Discussione sulle contraddizioni e le complessità di questo immaginario sociotecnico dell’istruzione.

Capitolo 6: Valutazione di nuova generazione

Esame della valutazione digitale o “valutazione di nuova generazione”.
Analisi dell’iniziativa australiana di valutazione formativa online.
Esplorazione di soluzioni per adottare una “democrazia tecnica” nei sistemi di valutazione emergenti.

Capitolo 7: Impatto della pandemia COVID-19 sull’istruzione

Riconoscimento degli impatti della pandemia sulla digital disruption dell’istruzione.
Evidenziazione delle questioni di disuguaglianza nell’accesso e nella partecipazione all’apprendimento online.
Discussione sul ruolo delle aziende EdTech durante la pandemia.

Capitolo 8: Resistenza al capitalismo della sorveglianza

Sviluppo di strategie di resistenza al capitalismo della sorveglianza nella scuola.
Discussione sull’uso della pandemia come opportunità per ulteriori interventi delle aziende EdTech.
Approfondimento sulle strategie di opposizione proposte da Zuboff: addomesticare, nascondere e indignare.

UPDF AI:

Potere e influenza delle grandi aziende tecnologiche

Lingard, Wyatt-Smith e Heck discutono delle strategie per affrontare il potere e l’influenza delle grandi aziende tecnologiche.
Le strategie includono nascondersi dalle piattaforme digitali e l’indignazione come speranza principale per contrastare il capitalismo della sorveglianza.

Riparare l’infrastruttura della scuola pubblica

Sellar sostiene che è possibile riparare l’infrastruttura della scuola pubblica valorizzando le esperienze collettive rispetto all’individualizzazione online.
Durante la pandemia, l’importanza della scuola come infrastruttura sociale centrale è stata evidenziata.

Cambiamento accelerato nella società digitale

L’attuale sconvolgimento digitale dimostra un cambiamento accelerato nelle società e nelle identità umane.
La rivoluzione digitale ha avuto un impatto significativo sul tessuto sociale e sulle identità umane, con implicazioni globali.

Governance digitale dell’istruzione

Il potere dei big data è centrale per l’elaborazione delle politiche pubbliche e il governo del sociale nell’istruzione.
Le grandi aziende EdTech stanno creando standard per le infrastrutture di dati nell’istruzione.

Impatto della rivoluzione digitale sull’istruzione

La rivoluzione digitale ha influenzato insegnanti e insegnamento, portando a una possibile deprofessionalizzazione accelerata.
È necessario integrare competenze trasversali e collaborazioni per ottimizzare le interazioni uomo-macchina.

Ruolo cruciale degli insegnanti nell’era digitale

Il giudizio professionale e le competenze degli insegnanti sono fondamentali per realizzare il potenziale del digitale nella scuola.
Nuove collaborazioni e reti sono essenziali per far progredire l’istruzione di qualità per tutti.

Consapevolezza sull’uso dei dati e degli algoritmi

È necessaria una nuova consapevolezza sull’utilizzo dei dati, degli algoritmi e delle possibilità della realtà virtuale nell’istruzione.
Il divario tra chi ha accesso alle tecnologie digitali e chi non ce l’ha non deve ampliarsi.

Privacy e sicurezza dei dati educativi

Esistono preoccupazioni sulla privacy e sicurezza dei dati raccolti nel contesto educativo, inclusi rischi di hacking e vendita dei dati.
Governi e organizzazioni internazionali stanno sviluppando quadri legislativi per affrontare queste complesse questioni.

Reimmaginare la scuola per un futuro democratico

È imperativo andare oltre l’efficienza delle tecnologie e chiedersi come queste possano servire l’umanità e il suo progresso.
L’istruzione è diventata un nuovo mercato, con i dati come beni preziosi e la valutazione come priorità nella politica educativa.

UPDF AI:

Startup e Tecnologie dell’Istruzione

La startup si impegna a creare un ecosistema EdTech O2O.
Fonte: India Education Diary Bureau Admin. (2019).

Uso dei Dati nell’Istruzione

Esame della ricerca sull’uso delle pareti di dati per l’insegnamento e l’apprendimento.
Implementazione dei dati nei cicli di utilizzo.
Fonte: Adie, Harris, & Wyatt-Smith (2020).

Infrastruttura dell’Istruzione

L’infrastruttura della responsabilità e l’uso dei dati nella trasformazione dell’istruzione americana.
Fonte: Anagnostopoulos, Rutledge, & Jacobsen (2013).

Implicazioni della Quarta Rivoluzione Industriale

Revisione della letteratura sull’immaginario socio-tecnico della quarta rivoluzione industriale.
Fonte: Avis (2018).

Valutazione e Apprendimento

Valutazione e apprendimento come scudi separati.
Fonte: Baird, Andrich, Hopfenbeck, & Stobart (2017).

Performatività nell’Educazione

L’anima dell’insegnante e i terrori della performatività.
Fonte: Ball (2003).

Globalizzazione dell’Educazione

Educazione globale Inc.: Nuove reti politiche e immaginario neo-liberale.
Fonte: Ball (2012).

Big Data nell’Istruzione

Utilizzo del big data per il monitoraggio dei sistemi educativi.
Fonte: Berendt et al. (2017).

Classificazione del Sapere Educativo

Sulla classificazione e l’inquadramento del sapere educativo.
Fonte: Bernstein (1971).

Critiche ai Big Data

Domande critiche sui big data e le loro implicazioni culturali, tecnologiche e scientifiche.
Fonte: boyd & Crawford (2012).

UPDF AI:

Introduzione all’Emergenza dei “Big Data” e dell’Intelligenza Artificiale nell’Istruzione

L’emergere dei “big data” e dell’intelligenza artificiale nel campo dell’istruzione è strettamente associato agli sviluppi della valutazione e dei test.
I big data e le pratiche di intelligenza artificiale vengono utilizzati come base per nuovi approcci scientifici alla comprensione dell’apprendimento e dei processi educativi.
Scienziati dei dati educativi, scienziati dell’apprendimento e ingegneri dell’apprendimento promuovono la scoperta scientifica e la produzione di conoscenza ad alta intensità di dati.

Metodo degli Studi Scientifici e Tecnologici per Disimballare le Pratiche Esperte nella Scienza dei Dati

L’analisi genealogica traccia le pratiche e le istituzioni contemporanee emergenti da lotte, conflitti ed esercizi di potere specifici.
Le genealogie cercano di tracciare i processi e le condizioni storiche da cui sono emerse le pratiche contemporanee.

Frontiere della Scienza dei Dati

La scienza dei dati coinvolge varie pratiche di generazione, raccolta, organizzazione, elaborazione, analisi e interpretazione dei dati.
La scienza dei dati contemporanea si basa su significativi progressi nella capacità computazionale e nella potenza di elaborazione.
I dati sono considerati rappresentazioni oggettive della realtà dalla prospettiva della scienza dei dati, mentre nelle scienze umane e sociali sono visti come costrutti di conoscenza regolati dalle infrastrutture di dati.

Scoperta Automatica della Conoscenza nella Scienza dei Dati Educativi

La scoperta automatizzata della conoscenza nella scienza dei dati educativi emerge da relazioni e tensioni tra definizioni concorrenti di apprendimento, prospettive disciplinari e modelli di dati.
La scienza dei dati educativi cerca di spingere i confini della scoperta della conoscenza verso meccanismi interni dell’apprendimento umano.

Istruzione Scienza dei Dati: Emergenza e Sviluppo

Una forma distintiva di scienza dei dati educativi è emersa nel primo decennio del XXI secolo grazie a convergenze tra sviluppi tecnici, programmi educativi e ricerca scientifica.
L’uso dei dati sull’accountability è stato reso possibile da infrastrutture informatiche su larga scala per la raccolta e l’elaborazione dei dati.
La learning analytics è emersa come un campo specializzato che combina scienze dei dati digitali e dell’apprendimento.

UPDF AI:

Costruzione della piattaforma di apprendimento personalizzato adattivo per Summit Charter School

Williamson ha collaborato con Facebook per creare una piattaforma di apprendimento personalizzato adattivo per la catena Summit Charter School nel 2014-15.
La piattaforma è ora utilizzata da centinaia di scuole negli Stati Uniti.

Sviluppo e legittimazione della scienza dei dati educativi

Think tank come il Center for American Progress, società di consulenza come KPMG e organizzazioni internazionali come l’OCSE sono diventati sostenitori influenti dell’EdTech e dell’istruzione ad alta intensità di dati.
Queste organizzazioni cercano di legittimare l’analisi dei dati come fonte autorevole di governance dell’istruzione.

Ingegneria dell’apprendimento di precisione

La scienza dei dati educativi si spinge oltre l’analitica organizzativa verso l’analitica degli studenti a livello individuale e alle piattaforme di apprendimento adattivo.
L’ingegneria dell’apprendimento integra competenze da discipline computazionali, statistiche, psicologiche, cognitive e neurologiche.

Scienze dell’apprendimento e OCSE

Le scienze dell’apprendimento hanno guadagnato legittimità scientifica nell’ultimo decennio.
L’OCSE investe risorse nella “scienza dell’apprendimento” per supportare politiche educative basate su progressi tecnologici e neuroscientifici.

Ruolo dell’analisi dell’apprendimento e dell’analisi dei dati

L’analisi dell’apprendimento e l’analisi dei dati sono considerate fonti chiave di competenza nella scienza dei dati educativi.
Gli specialisti richiedono competenze in strumenti computazionali, statistici e principi educativi e cognitivi.

Standardizzazione e professionalizzazione dell’ingegneria dell’apprendimento

IEEE ha istituito l’IEEE Industry Consortium on Learning Engineering per sviluppare l’ingegneria dell’apprendimento come professione e disciplina accademica.
L’ingegneria dell’apprendimento richiede una vasta conoscenza della scienza dell’apprendimento, dei dati e dell’informatica.

Ruolo della Chan Zuckerberg Initiative nell’ingegneria dell’apprendimento

La Chan Zuckerberg Initiative promuove l’ingegneria dell’apprendimento come miscela multidisciplinare di scienze dell’apprendimento e analitica dell’apprendimento.
Concede sovvenzioni per programmi basati sulle neuroscienze e piattaforme di apprendimento personalizzato adattivo.

Scoperta automatizzata della conoscenza nella scienza dei dati educativi

Le infrastrutture e le pratiche della scienza dei dati educativi co-produccono e configurano i dati stessi.
La frontiera dei dati modifica gli oggetti che attraversa, rendendo i corpi computabili e suscettibili di intervento.

Epistemologia performativa della scienza dei dati educativi

Le infrastrutture e le pratiche della scienza dei dati educativi danno vita a nuove concezioni dell’apprendimento umano.
La scienza dei dati educativi rende i corpi computabili in modi che permettono interventi mirati e di precisione.

Ruolo dell’ingegnere dell’apprendimento di precisione

L’ingegnere dell’apprendimento spinge la frontiera dei dati oltre la pelle, verso i sub-strati psicologici, neurologici e biologici interni dell’apprendimento.
Questa figura incarna un immaginario in cui le pratiche scientifiche dei dati possono penetrare nei corpi umani con precisione.

UPDF AI:

Introduzione alla scienza dei dati educativi

La biopolitica del controllo sulla vita umana è concettualizzata come neuroliberalismo, che utilizza le scienze psicologiche, comportamentali, neurologiche e cognitive per governare la condotta umana.
La scienza dei dati educativi neuroliberale si concentra sull’analisi dei segnali biologici e autonomici per cambiare il comportamento nell’ambito dell’educazione.
I soggetti umani della scienza dei dati educativi sono considerati “superfici inscritte di eventi” genealogicamente influenzate dalle pratiche esperte e dagli accordi infrastrutturali.

Conclusione sulla scienza dei dati educativi

La scienza dei dati educativi è in costante evoluzione e ha ampliato la sua influenza sulla produzione di conoscenza negli ultimi anni.
Le infrastrutture e le pratiche della scienza dei dati educativi modellano i processi di apprendimento e influenzano i soggetti coinvolti.
La politica, l’economia, i valori e l’epistemologia disciplinare sono parte integrante della genealogia della scienza dei dati educativi.

Intelligenza artificiale e apprendimento automatico: Definizioni e contesto

L’intelligenza artificiale (IA) è definita come un sistema basato su macchine in grado di fare previsioni, raccomandazioni o decisioni che influenzano ambienti reali o virtuali.
Gli algoritmi guidano il funzionamento delle IA, che mirano a pensare e comportarsi in modo razionale simile agli esseri umani.
Il campo dell’IA è in continua evoluzione, con tensioni sulle definizioni e sul concetto di intelligenza artificiale.

Interazione quotidiana con l’IA

Le applicazioni informatiche quotidiane, come motori di ricerca, assistenti virtuali e tecnologie di riconoscimento facciale, sono alimentate dall’IA.
L’IA può essere incorporata nei robot o infusa nelle applicazioni e nei sistemi informatici per svolgere compiti intelligenti.
L’OCSE definisce l’IA come un sistema in grado di prendere decisioni che influenzano ambienti reali o virtuali.

UPDF AI:

Differenze nella percezione dell’Intelligenza Artificiale

I tecnologi e i non tecnologi utilizzano il termine IA in modi differenti.
I ricercatori di IA enfatizzano la funzionalità tecnica, mentre i politici preferiscono spiegazioni antropomorfiche.
Il disallineamento nelle definizioni può deviare l’attenzione dalle questioni etico-governative esistenti.

Sviluppi tecnologici nell’Intelligenza Artificiale

Progressi nella potenza di elaborazione dei computer hanno facilitato la complessità degli algoritmi di IA.
Aumento dell’archiviazione dei dati, in particolare con il cloud computing, ha favorito la crescita dell’IA.
Miglioramenti nella computer vision, nell’elaborazione grafica e nel riconoscimento vocale hanno contribuito alla rapida evoluzione dell’IA.

Tipologie di Intelligenza Artificiale

Attualmente ci troviamo in un’epoca di IA ristretta, in grado di svolgere compiti specifici.
Tipi di IA includono AI reattiva, AI a memoria limitata e IA ristretta.
Superintelligenza è un tipo ipotetico di IA che supera l’intelligenza umana in ogni campo.

Apprendimento Automatico (Machine Learning)

Il Machine Learning è la scienza che permette alle macchine di imparare e comportarsi come gli esseri umani in modo autonomo.
Approcci al Machine Learning includono apprendimento supervisionato, non supervisionato, per rinforzo e profondo.
Gli algoritmi di Machine Learning migliorano con l’addestramento su una maggiore quantità di dati.

Implicazioni etiche del Machine Learning

L’interazione con sistemi alimentati dall’IA deve essere compresa come il risultato di complessi modelli matematici.
Domande sulla privacy e sul consenso sono cruciali data la raccolta invisibile di grandi quantità di dati.
Preoccupazioni riguardano i pregiudizi nei dati e l’opacità degli algoritmi decisionali.

Utilizzo dell’Intelligenza Artificiale nell’Istruzione

L’IA viene impiegata per semplificare procedure amministrative, generare dati per approfondimenti organizzativi e predire tendenze accademiche.
Settori come AI nell’istruzione mirano a personalizzare l’apprendimento e automatizzare compiti didattici.
Applicazioni includono sistemi di tutoraggio intelligente, agenti pedagogici e analisi dell’apprendimento.

Ruolo dell’Intelligenza Artificiale nell’Istruzione Superiore

L’IA è utilizzata per comprendere l’impegno degli studenti nell’apprendimento online e prevenire l’abbandono.
Alcuni sistemi scolastici automatizzano test standardizzati tramite l’IA.
Prodotti alimentati dall’IA sono sempre più presenti nell’istruzione, anche se non sempre riconoscibili come tali.

Sviluppi nell’AI nell’Istruzione

L’AI nell’istruzione mira a fornire un apprendimento più personalizzato, flessibile e coinvolgente.
Agenti pedagogici digitali integrati nelle tecnologie di apprendimento offrono feedback tempestivi e istruzioni personalizzate.
L’efficacia dei PA nell’istruzione varia, con prove contrastanti sui loro benefici.

Impatto dell’Internet delle Cose nell’Istruzione

L’Internet delle cose descrive la capacità degli oggetti di connettersi a Internet e interagire tra loro.
L’IA viene utilizzata per analizzare i dati raccolti dalle organizzazioni educative e fornire informazioni sulle interazioni con i sistemi.
Sistemi di tutoraggio intelligente simulano il tutoraggio umano e forniscono feedback personalizzati agli studenti.

UPDF AI:

Introduzione all’Intelligenza Artificiale e Apprendimento Automatico

L’IOT ha suscitato interesse per le aule “intelligenti” del futuro.
Le aule intelligenti potrebbero includere dispositivi e sensori interconnessi per automatizzare attività didattiche.
La biometria è la raccolta automatizzata di informazioni relative al corpo analizzate mediante ML.
L’affective computing utilizza diversi tipi di dati, inclusa la biometria, per identificare emozioni in tempo reale.

Preoccupazioni Etiche dell’IA e Implicazioni di Governance

Dignum (2018) solleva preoccupazioni sull’etica e governance dell’IA.
L’istruzione è un ambito sensibile in cui errori automatici possono danneggiare gli esseri umani.
Cinque pilastri chiave per la progettazione, uso e gestione dell’IA in ambito educativo: consapevolezza, spiegabilità, equità, trasparenza, responsabilità.

Consapevolezza sull’Intelligenza Artificiale

Gli studenti, insegnanti e amministratori devono sviluppare conoscenze fondamentali sull’IA.
Formazione professionale degli insegnanti basata su casi d’uso etici, leggi e regolamenti.
La consapevolezza è un argine contro l’uso ingannevole della tecnologia.

Spiegabilità dell’Intelligenza Artificiale

Gli educatori devono essere in grado di spiegare le decisioni prese dai sistemi alimentati dall’IA.
Importanza di spiegare le implicazioni dell’IA per l’istruzione e la società.
Necessità di porre domande etiche e pedagogiche sui prodotti di IA prima dell’utilizzo nelle scuole.

Equità nell’Utilizzo dell’Intelligenza Artificiale

L’IA può esacerbare le disuguaglianze sociali nel mondo del lavoro.
Necessità di distribuire equamente i benefici dell’IA per l’apprendimento.
Importanza dei diritti digitali del bambino in un’epoca di “datafication”.

Trasparenza nei Sistemi Alimentati dall’IA

Deve essere possibile scoprire perché un sistema autonomo ha preso una decisione.
Opacità di alcuni sistemi di IA influisce sulle interazioni umane senza consapevolezza.
Difficoltà di garantire la responsabilità a causa della mancanza di trasparenza.

Responsabilità nell’IA Educativa

Governance e responsabilità richiedono un approccio a più livelli.
Consultazione della comunità, sviluppo di politiche e valutazione dei rischi sono necessari.
Complessità delle tecnologie autonome presenta difficoltà nella determinazione e assegnazione delle responsabilità.

Conclusione sull’IA nell’Istruzione

Gli educatori devono affrontare diversi livelli e tipi di rischi legati all’IA.
Democratizzazione delle conversazioni sull’IA per coinvolgere insegnanti e comunità scolastiche nella progettazione e governance.
Importanza dell’alfabetizzazione all’IA nell’ambito più ampio dell’alfabetizzazione digitale.

UPDF AI:

Introduzione

L’economia digitale sta affrontando un paradosso: mentre i dati digitali vengono utilizzati per risolvere problemi globali, c’è un crescente divario di fiducia tra cittadini e governi.
Il capitolo esamina il rapporto uomo+macchina nell’era dell’intelligenza artificiale (AI) e dei big data, sottolineando l’importanza dell’elemento umano nel processo decisionale.

Il digitale: Non è una novità, ed è tutto intorno a noi

La tecnologia digitale è fondamentale per affrontare sfide sociali come la povertà, il cambiamento climatico e la salute pubblica.
L’IA, combinando dati, algoritmi e potenza di calcolo, sta trasformando la vita quotidiana e richiede un adattamento rapido del settore educativo.
La tecnologia digitale ha radici storiche e ha contribuito a migliorare la qualità della vita globale attraverso l’evoluzione continua.
L’IA, in particolare l’utilizzo dei dati personali, sta mettendo in discussione l’immagine positiva della tecnologia digitale a causa dei rischi legati alla privacy e all’uso improprio dei dati.

UPDF AI:

Rischi legati all’utilizzo dei dati personali e impatto sulla fiducia nel governo

Durante la pandemia di COVID-19, l’utilizzo delle app per il tracciamento del virus ha sollevato preoccupazioni sulla privacy dei dati.
La caduta della fiducia nel governo a causa di rischi legati ai dati personali può influenzare l’adozione di tecnologie come le app di tracciamento.
È necessario considerare i rischi legati ai dati nell’utilizzo dell’intelligenza artificiale e dei big data.

Veicoli autonomi e dilemmi etici

I veicoli autonomi sollevano dilemmi morali ed etici riguardanti il processo decisionale automatizzato.
Esempio: un veicolo autonomo deve scegliere tra due opzioni potenzialmente letali coinvolgendo pedoni e anziani.
L’IA responsabile richiede una riflessione approfondita sull’etica e sulle conseguenze delle decisioni automatizzate.

Ruolo dell’essere umano nell’uso dell’IA

L’essere umano deve guidare e supervisionare l’uso dell’IA per massimizzare i benefici e gestire i rischi.
L’IA dovrebbe integrare e migliorare le capacità umane anziché sostituirle completamente.
Gli esseri umani hanno livelli di fiducia variabili nelle macchine che operano autonomamente.

Gestione dei rischi nell’uso dell’IA

La gestione dei rischi nell’uso dell’IA è essenziale per costruire la fiducia pubblica.
L’uso responsabile dell’IA implica l’impiego delle macchine per migliorare le capacità umane anziché sostituirle.
La presenza del rischio, se gestita correttamente, è fondamentale per costruire la fiducia nell’IA.

Apprendimento automatico e politiche pubbliche

L’apprendimento automatico offre nuovi modi per affrontare problemi complessi attraverso l’IA.
I potenziali benefici dell’IA nella pubblica amministrazione sono notevoli ma accompagnati da rischi come l’uso improprio dei dati.
L’IA può individuare modelli utili per affrontare le sfide intersecanti delle politiche pubbliche.

Creazione di valore pubblico tramite tecnologia digitale

Investire nella tecnologia digitale mira a creare valore pubblico attraverso la digitalizzazione e la digitalizzazione.
L’IA può ridurre i costi dei servizi educativi migliorando il processo decisionale umano nell’allocazione delle risorse.
La digitalizzazione mira a trasformare l’erogazione dei servizi piuttosto che semplicemente automatizzarla.

Innovazione nell’istruzione tramite tecnologia digitale

L’innovazione nell’istruzione attraverso la tecnologia digitale richiede una trasformazione guidata dall’innovazione anziché solo dall’efficienza.
L’IA può fornire spunti di riflessione dai dati per influenzare il processo decisionale nell’affrontare problemi complessi come lo svantaggio educativo.
L’obiettivo della tecnologia digitale è fornire “superpoteri” alle persone nel prendere decisioni.

Personalizzazione dei servizi pubblici tramite tecnologia digitale

La personalizzazione dei servizi pubblici attraverso la tecnologia digitale consente risultati migliori e in linea con gli intenti politici.
La calibrazione della risposta del servizio può essere personalizzata in base al contesto e alla capacità di fornire i servizi.
La tecnologia digitale e l’IA possono ottimizzare il rapporto tra persone e macchine per migliorare il processo decisionale pubblico.

UPDF AI:

L’importanza dell’IA e dei dati digitali nelle politiche pubbliche

L’IA supporta il processo decisionale per determinare dove la personalizzazione delle offerte standard può essere efficace ed efficiente.
L’IA e i sistemi di apprendimento automatico richiedono grandi quantità di dati digitali per risolvere problemi e aumentare la capacità decisionale umana.
I dati digitali possono essere utilizzati impropriamente su larga scala, con potenziali impatti negativi.

La fiducia nel governo e l’uso responsabile dei dati personali

In molti Paesi si registra un crescente divario di fiducia tra i cittadini e i governi.
La fiducia è influenzata da varie esperienze e può essere difficile da valutare in generale.
Concentrarsi sulla costruzione della convinzione può aiutare a creare fiducia nell’uso dei dati digitali.

Momenti di verità digitale e costruzione della fiducia

Gli enti pubblici possono costruire fiducia concentrandosi su ogni interazione digitale come momento di verità.
Le esperienze digitali positive aumentano la fiducia delle persone nelle istituzioni pubbliche.
Creare momenti di verità positivi può favorire l’accettazione dei servizi digitali e la condivisione dei dati personali.

Gestione dei rischi e benefici della tecnologia digitale

Trovare un equilibrio tra benefici e rischi è fondamentale per il successo della tecnologia digitale nella pubblica amministrazione.
I politici devono gestire i rischi con trasparenza per mantenere la fiducia delle persone.
Le forze reattive associate alla tecnologia digitale possono essere considerate essenziali per consentire il progresso.

Innovazione, regolamentazione e supervisione

L’innovazione deve essere integrata nella gestione dei rischi per accelerare il progresso.
La regolamentazione come il GDPR mira a garantire un uso etico e responsabile dei dati personali.
Le organizzazioni dovrebbero concentrarsi sul storytelling positivo per evidenziare il valore pubblico derivante dall’innovazione.

Miglioramento delle politiche pubbliche attraverso il digitale

La digitalizzazione deve essere trasparente, etica e responsabile per creare valore per gli stakeholder.
Concentrarsi sull’esperienza delle persone e sui momenti di verità digitali può stabilire la fiducia.
Le macchine AI e l’apprendimento automatico devono integrarsi nel processo decisionale umano.

UPDF AI:

1. Affrontare le questioni relative all’innovazione e alla protezione dei dati

Stabilire una solida struttura e metodologia per l’innovazione.
Incoraggiare attivamente i team a innovare intorno a questioni complesse.
Resistere alla tentazione di concentrarsi solo sui guadagni di efficienza.
Evitare di adottare la tecnologia solo perché è disponibile.

2. Alimentare una cultura dell’uso etico dei dati digitali

La leadership senior deve incorporare l’uso etico dei dati nella cultura dell’organizzazione.
Creare e mantenere la fiducia delle persone nelle iniziative digitali innovative.
Modifiche culturali per garantire che le considerazioni etiche siano prioritarie nel processo decisionale.

3. Fare del rischio un alleato

I dirigenti devono stabilire i limiti della propensione al rischio.
L’innovazione può essere necessaria per affrontare problemi critici.
Considerare i rischi come una forza positiva di controbilancio.

4. Il successo nel mondo digitale dipende dalla struttura

L’innovazione digitale richiede processi scalabili e flessibili ben definiti.
Collaborazione tra specialisti aziendali e tecnologici attraverso co-progettazione.
Utilizzo costante dell’analisi dei casi aziendali per valutare le iniziative di innovazione.

5. Politica pubblica e tecnologie digitali

La politica pubblica ha beneficiato dall’adozione delle tecnologie digitali.
Rischi crescenti legati all’IA, all’apprendimento automatico e ai big data.
Necessità di utilizzare la potenza delle macchine per il bene della società.

6. Amazon Go: Intelligenza artificiale nell’istruzione

Amazon Go utilizza IA per automatizzare i processi di acquisto.
Implicazioni di un modello simile per l’istruzione.
Speculazioni sul ruolo delle istituzioni educative con l’introduzione dell’IA.

7. Futuro dell’istruzione e intelligenza artificiale

Incertezze riguardanti cosa insegnare in un mondo di IA.
Possibili scenari futuri nell’istruzione con l’avvento dell’IA.
Necessità di prepararsi all’imprevisto e riconoscere i limiti della previsione.

8. Concetti e metodologie

Basato su evidenze secondarie.
Utilizzo di lavori accademici e limitata letteratura grigia.
Contestualizzazione all’interno degli studi sulla tecnologia critica dell’educazione.

9. Speculazioni e sfide

Previsioni imprecise nel campo delle nuove tecnologie.
Cambiamenti tecnici-mediatici, climatici e sociali/politici.
Necessità di pensare insieme alle esigenze di questi cambiamenti.

10. Multiplicità catastrofica

Epoca caratterizzata da molteplici cambiamenti significativi.
Necessità di considerare una “molteplicità catastrofica” per affrontare il futuro.
Importanza di pensare insieme alle esigenze dei cambiamenti in corso.

UPDF AI:

Approcci speculativi nella ricerca educativa

Ross (2017) sostiene l’importanza degli approcci speculativi per immaginare futuri e condizioni non esistenti ancora.
La ricerca sull’educazione digitale manca di una risorsa immaginativa per affrontare il cambiamento educativo.
Gli approcci speculativi possono offrire contro-visioni che affrontano questioni di uguaglianza, diversità e giustizia sociale.

Intensificazione delle condizioni per l’introduzione dell’IA nell’istruzione

Le attuali condizioni di governance dell’istruzione consentono l’introduzione dell’IA senza soluzione di continuità.
La dataficazione e le infrastrutture di dati sono centrali per l’introduzione dell’IA nell’istruzione.
L’intelligenza artificiale porterà a nuove forme di analisi predittiva e visualizzazione dei dati nell’istruzione.

Pre-automazione e obsolescenza professionale

Gli insegnanti sono considerati a minor rischio di automazione, ma i loro ruoli subiranno cambiamenti significativi.
L’IA cambierà il ruolo degli insegnanti attraverso l’apprendimento adattivo e l’automazione di alcuni aspetti dell’insegnamento.
L’offerta formativa si concentra sempre più sulle “scienze dell’apprendimento” e sull’utilizzo dell’IA per supportare l’apprendimento.

Amazon Go per l’istruzione?

L’organizzazione dell’istruzione è basata sulla pre-automazione dell’apprendimento e dell’insegnamento.
L’IA potrebbe rendere gli studenti e gli insegnanti più sostituibili se l’istruzione continua su questa traiettoria.
L’IA potrebbe svolgere funzioni senza vita in modo più efficiente e flessibile rispetto agli esseri umani.

Apprendimento uomo-macchina

L’IA modifica la nostra concezione dell’apprendimento umano e del funzionamento del cervello.
L’IA stessa ha bisogno di apprendere e viene addestrata su modelli in grandi insiemi di dati.
L’interconnessione tra intelligenza artificiale, menti umane e apprendimento umano porta a cambiamenti nelle nostre concezioni.

Trasformazioni nell’offerta e nella conoscenza

L’introduzione dell’IA crea possibilità interessanti e conflittuali nell’istruzione.
Si discute della trasformazione dell’offerta educativa e della conoscenza anziché solo delle sfide occupazionali e delle competenze.
L’IA influisce sul nostro concetto di apprendimento umano e sul funzionamento del cervello umano.

UPDF AI:

Piattaforme tecnologiche per l’istruzione come fornitori di istruzione

Le piattaforme tecnologiche e l’IA stanno rivoluzionando l’istruzione, consentendo nuove innovazioni e sconvolgendo settori e abitudini.
L’IA è integrata nelle infrastrutture di dati dell’istruzione, supportando i fornitori di istruzione e offrendo accesso alle applicazioni di IA.
Le piattaforme sono sistemi tecnico-economici basati su standard che facilitano l’interazione tra diversi utenti.
Le piattaforme educative come Google Classroom e U-Multirank giocano un ruolo significativo nell’istruzione superiore.
Le piattaforme incorporano l’automazione attraverso le API, consentendo l’accesso ai dati e la collaborazione tra sviluppatori e fornitori di istruzione.

Alfabetizzazione e competenze nella “terza rivoluzione dei media”

Le trasformazioni epistemologiche richiedono nuove alfabetizzazioni e competenze nell’istruzione.
L’alfabetizzazione ai dati, tecnologica e umana sono fondamentali per affrontare le sfide dell’IA.
Le competenze del XXI secolo includono creatività, pensiero critico, comunicazione e collaborazione.
La terza rivoluzione mediatica porta cambiamenti significativi, con tecnologie interattive, realtà virtuali e algoritmi finanziari.

Evitare il sonnambulismo tecnologico: Allargare le nostre considerazioni sull’IA nell’istruzione

È importante andare oltre il determinismo tecnologico e considerare attentamente l’impatto dell’IA nell’istruzione.
L’IA potrebbe frammentare e distribuire l’istruzione in modo più flessibile e sensibile alle situazioni.
Le scuole e le università potrebbero dover affrontare nuove sfide riguardanti l’equità dell’offerta e la regolamentazione delle aziende tecnologiche.
L’IA potrebbe decentralizzare le organizzazioni educative e favorire forme alternative di fornitura dell’istruzione.

UPDF AI:

Trasformazione digitale di Pearson

Pearson si definisce “l’azienda di apprendimento del mondo” e opera in oltre 70 mercati globali.
Negli ultimi anni, l’azienda ha subito una ristrutturazione significativa diventando una società di servizi educativi integrata a livello globale.
Nel 2018, il 62% delle vendite di Pearson è derivato da prodotti e servizi digitali, evidenziando la sua trasformazione digitale.
Priorità strategiche chiave di Pearson includono l’aumento della quota di mercato attraverso la trasformazione digitale e l’investimento in mercati strutturali in crescita.

Visione aziendale di Pearson

La strategia di Pearson segue la visione di molte aziende tecnologiche che enfatizzano l’interruzione digitale dei mercati esistenti.
La strategia non è basata su principi educativi o sociali, ma sull’obiettivo di proteggere e far crescere il valore per gli azionisti.
Il successo aziendale dipende in parte dall’interruzione dell’offerta pubblica di istruzione.

Utilizzo dell’intelligenza artificiale (AI)

Pearson mira a guidare la prossima generazione di insegnamento e apprendimento attraverso lo sviluppo di piattaforme di apprendimento digitale.
Sperimenta tecnologie AI per fornire feedback automatico agli studenti sotto forma di tutor virtuale.
L’intelligenza artificiale sarà integrata in Pearson Realize per offrire servizi digitali personalizzati.

Relazioni con i clienti

Pearson prevede relazioni dirette e durature con i clienti, fornendo istruzione virtuale, certificazioni professionali, valutazioni e altri servizi digitali.
La tecnologia AI sarà utilizzata per offrire un feedback personalizzato in tempo reale agli studenti.
Pearson Realize sarà la piattaforma che integrerà le tecnologie AI per migliorare l’apprendimento degli studenti.

UPDF AI:

La trasformazione digitale del settore dell’istruzione globale (GEI)

Negli ultimi vent’anni, si è verificata un’esplosione di imprese nel settore educativo che cercano di capitalizzare i mercati in crescita dell’istruzione.
Caratteristiche chiave del GEI includono partenariati pubblico-privati, contrattazione dei servizi di valutazione, gestione privata delle scuole pubbliche, esternalizzazione della scuola al settore privato e vendita di prodotti e servizi per supportare la pratica quotidiana delle scuole.
Grandi investimenti sono concentrati sulla trasformazione digitale dell’istruzione da parte di aziende tecnologiche e società di investimento in capitale di rischio.
Nel 2017, sono stati investiti oltre 9,5 miliardi di dollari in aziende di tecnologia educativa.

Tipologie di prodotti tecnologici per l’apprendimento

Esistono sette tipi di prodotti tecnologici per l’apprendimento: apprendimento basato sull’intelligenza artificiale, realtà mista, giochi, mobile, cognitivo, basato sulla posizione e robot educativi.
I ricavi dell’apprendimento mobile sono i più alti tra tutti i tipi di prodotto, con previsioni di raddoppiare fino a 26 miliardi di dollari entro il 2023.
Le aziende possono plasmare le pratiche pedagogiche degli insegnanti e i processi di apprendimento degli studenti attraverso l’utilizzo di tecnologie educative.

Il caso di Pearson nella trasformazione digitale dell’istruzione

Pearson ha investito oltre 700 milioni di sterline nel 2016 per promuovere la trasformazione digitale del suo portafoglio di prodotti e servizi.
Nonostante il calo delle vendite, Pearson ha annunciato il ritorno al profitto nel rapporto annuale del 2018.
Pearson ha emesso una serie di avvertimenti di profitto negli ultimi anni, anche in risposta alle interruzioni del COVID-19.

Priorità strategiche di Pearson e visione sull’apprendimento personalizzato

Pearson si concentra sull’adozione su larga scala dell’apprendimento personalizzato, che comporta cambiamenti dirompenti nell’insegnamento, curriculum, valutazione e organizzazione delle scuole e università.
Pearson ha un ampio portafoglio di prodotti e servizi digitali, orientandosi verso un modello di apprendimento digitale e servizi diretti ai clienti.
Pearson ha lavorato per orientare i contesti di influenza politica per allinearsi alla sua strategia di trasformazione digitale.

Ricerca commissionata da Pearson sull’apprendimento digitale

Una scoping review mira a mappare rapidamente i concetti chiave e le principali fonti di evidenze disponibili in un’area di ricerca.
Sono stati identificati 16 articoli di ricerca pubblicati da Pearson attraverso il forum “Open Ideas” tra il 2012 e il 2018.
Dei 10 documenti inclusi nell’analisi di scoping, oltre il 60% si concentra direttamente sull’apprendimento digitale nella scuola K-12 e nell’istruzione superiore.

Promozione dell’apprendimento digitale in Pearson

Pearson si è concentrata sulla ricerca che evidenzia il potenziale della tecnologia per trasformare l’istruzione dal 2014.
Gli strumenti adattivi e l’AIEd sono stati esplorati come mezzi per fornire un apprendimento più personalizzato, flessibile e coinvolgente agli studenti.
L’efficacia dei prodotti EdTech richiede un’implementazione che includa lo sviluppo professionale degli insegnanti sulle nuove pratiche educative.

UPDF AI:

Trasformazione digitale e supporto agli insegnanti

Gli insegnanti devono essere meglio supportati nelle classi attraverso l’apprendimento personalizzato, gli strumenti adattivi e l’AIEd.
Gli algoritmi potrebbero sostituire gli insegnanti nel determinare i programmi di studio, valutare l’apprendimento e riportare i risultati.
È necessaria una formazione professionale aggiuntiva per gli insegnanti per implementare efficacemente la tecnologia a supporto degli studenti.

Rapporto Fullan e Langworthy: Nuove pedagogie per l’apprendimento profondo

Le nuove pedagogie abilitate da strumenti digitali misurano e supportano l’apprendimento profondo a tutti i livelli del sistema educativo.
La tecnologia è onnipresente nelle scuole e richiede dispositivi per gli studenti, formazione tecnologica per il personale, accesso a Internet, valutazioni integrate e altro ancora.

Impatto dell’oceano digitale sull’istruzione

I big data possono informare le decisioni sull’apprendimento attraverso sistemi che forniscono feedback continuo sui progressi degli studenti.
È necessario un cambiamento di paradigma nella valutazione per utilizzare i progressi tecnologici e fornire un feedback immediato agli studenti.

Prepararsi a un rinascimento della valutazione

Le tecnologie digitali stanno trasformando la valutazione degli studenti.
La valutazione dovrebbe essere integrata nei sistemi di apprendimento personalizzati per consentire un apprendimento su misura.

Tracciare una mappa dell’equità nell’istruzione superiore

Obiettivo di attirare l’attenzione sull’accesso equo all’istruzione superiore.
Raccomandazione di una “Carta dei dati sull’equità globale” per migliorare la raccolta dei dati sull’accesso.

Decodificare l’adattamento

Definizione dell’apprendimento adattivo e discussione dei benefici e delle sfide nell’utilizzo degli strumenti adattivi in classe.
L’apprendimento adattivo richiede una chiara visione educativa e la collaborazione tra insegnanti e tecnologia.

Intelligenza scatenata: AI nell’istruzione

Illustrazione dell’importanza dell’intelligenza artificiale nell’istruzione.
L’AIEd svolgerà un ruolo critico nella riforma del sistema educativo e coinvolgerà insegnanti e studenti nella co-progettazione.

Costruire l’efficacia nelle tecnologie dell’apprendimento

Le tecnologie di apprendimento sono parte di un sistema didattico e non un intervento di apprendimento autonomo.
Importanza dell’implementazione della tecnologia da parte degli insegnanti per ottenere un impatto positivo sugli studenti.

UPDF AI:

Trasformazione digitale di Pearson e raccolta dati

Pearson utilizza data mining e analisi dei dati per rivoluzionare la ricerca educativa.
Dati raccolti da Pearson includono informazioni personali, dati educativi e interazioni degli utenti.
La raccolta e l’utilizzo dei dati sollevano questioni di privacy, consenso, proprietà e trasparenza.

Impatto delle partnership di Pearson

Le partnership aumentano la quota di mercato e il numero di utenti integrati.
L’aumento dei dati generati e uniti supporta lo sviluppo strategico dei prodotti e servizi di Pearson.
La raccolta di dati digitali da parte di Pearson presenta sfide legate alla gestione e responsabilità dei dati.

Scuole virtuali e trasformazione dell’istruzione

Pearson offre scuole virtuali gratuite per studenti K-12 attraverso Connections Academy.
Le scuole virtuali stanno crescendo negli Stati Uniti e servono migliaia di studenti.
Pearson mira a ridurre il fabbisogno di insegnanti e scuole, promuovendo l’apprendimento personalizzato guidato dai dati.

Visione di Pearson sull’istruzione e privatizzazione

Pearson promuove un’ampia privatizzazione della scuola attraverso l’individualizzazione dell’apprendimento.
L’approccio di Pearson potenzialmente blocca i clienti in servizi online proprietari.
Pearson segue modelli di abbonamento e controllo sui contenuti per i suoi servizi digitali.

Infrastrutture di dati nel XXI secolo

La costruzione di infrastrutture di dati è uno dei principali progetti del XXI secolo.
L’apertura di queste infrastrutture crea opportunità per progressi nella conoscenza e nei servizi pubblici e privati.
Le aziende private come Pearson giocano un ruolo chiave nell’infrastruttura dei dati educativi.

Preoccupazioni sull’integrità e la sostenibilità della scuola pubblica

La privatizzazione dei dati e delle infrastrutture di dati trasforma beni pubblici in beni privati.
La riduzione della professione di insegnante a favore dell’apprendimento personalizzato solleva preoccupazioni sull’istruzione pubblica.
Pearson segue un approccio di accumulazione per esproprio, cercando di trarre profitto dalla privatizzazione dell’istruzione.

UPDF AI:

Introduzione ai Big Data e alle valutazioni internazionali su larga scala (ILSA)

I Big Data e le ILSA sono parte di tendenze globali nell’istruzione.
Le valutazioni internazionali come PISA e TIMSS sono cruciali per misurare il successo scolastico a livello mondiale.
Le ILSA influenzano decisioni politiche e creano nuove infrastrutture basate sui dati.

Metodologie di valutazione delle ILSA

Le ILSA utilizzano un disegno sofisticato per valutare gli studenti con precisione.
Vengono raccolte informazioni da diversi attori educativi per contestualizzare i risultati.
Gli ILSA forniscono uno snapshot aggregato delle abilità degli studenti a livello nazionale e internazionale.

Partecipazione degli Stati Uniti agli ILSA

Gli Stati Uniti partecipano attivamente agli ILSA sin dagli anni ’50.
La partecipazione agli ILSA è vista come un modo per confrontare le prestazioni educative statunitensi con quelle di altri Paesi.
Alcuni Stati USA partecipano anche come sistemi aggiudicati indipendenti.

Costi associati alla partecipazione agli ILSA negli Stati Uniti

L’NCES raccoglie e analizza i costi dell’ILSA negli Stati Uniti.
I costi includono spese generali all’OCSE e costi di implementazione nazionale.
I costi variano a seconda del ciclo di valutazione e degli oneri in natura.

Analisi dei costi e benefici delle ILSA

L’analisi costi-benefici delle ILSA è complessa e problematica.
Le ACB tendono a semplificare eccessivamente la valutazione dei benefici e dei costi.
Non è facile quantificare i benefici derivanti dalla partecipazione agli ILSA.

Sfide e opportunità nella ricerca sui costi delle ILSA

Esplorare le sfide e le opportunità associate alla ricerca sui costi monetari della partecipazione agli ILSA.
Concentrarsi sulla partecipazione degli Stati Uniti agli ILSA e sulla storia dei costi associati.
Identificare le criticità relative all’architettura e alla mobilitazione delle ILSA in diversi contesti.

UPDF AI:

Costi dichiarati per PISA 2015 e TIMSS 2015

Studio principale PISA 2015: $4,278,915 per 4 anni, costo annuale di $1,069,728
Test sul campo PISA 2015: $2,483,434 per 2 anni, costo annuale di $1,241,717
Studio principale TIMSS 2015 per la quarta e l’ottava classe: $10,658,124 per 5 anni, costo annuale di $2,131,624
Test sul campo di 4° e 8° grado TIMSS 2015: $2,578,570 per 1 anno, costo annuale di $2,578,579

Costi aggiuntivi calcolati per PISA 2015 e TIMSS 2015

Principale studio PISA 2015: $4,278,915 con costo aggiuntivo per ore calcolate degli studenti di $190,798.25, costo annuale di $1,117,428
Test sul campo PISA 2015: $2,483,434 con costo aggiuntivo per ore calcolate degli studenti di $45,638.75, costo annuale di $1,264,536
TIMSS 2015 4a edizione e studio principale dell’8° grado: $10,658,124 con costo aggiuntivo per ore calcolate degli studenti di $262,783.50, costo annuale di $2,184,182
TIMSS 2015 4a edizione e prova sul campo dell’8° grado: $2,578,570 con costo aggiuntivo per ore calcolate degli studenti di $47,545.50, costo annuale di $2,626,125

Possibilità e sfide dell’esplorazione dei costi e dei benefici degli ILSA

Valutare se gli investimenti in ILSA come TIMSS e PISA siano validi.
Utilizzo dell’approccio di analisi costi-benefici per valutare il valore sociale.
Necessità di quantificare i costi e i benefici monetari totali di una politica o programma.

Limiti e criticità dell’analisi costi-benefici

Limiti nell’attribuire un valore socialmente costruito a un beneficio.
Preferenze politiche e esperienze di vita influenzano la definizione dei benefici.
Complessità nel determinare tutti i costi e i benefici e nel considerare i benefici diretti e indiretti.

Raccomandazioni per migliorare la partecipazione agli ILSA

Maggiore trasparenza sui costi della partecipazione agli ILSA.
Definizione chiara degli obiettivi e misurabilità per valutare l’efficacia delle valutazioni.
Monitoraggio e mitigazione dell’uso improprio dei dati degli ILSA.

Conclusioni sull’analisi dei costi della partecipazione agli ILSA

Importanza di comprendere i costi effettivi degli ILSA per generare nuove conoscenze.
Riconoscimento della tentazione di effettuare un’analisi costi-benefici.
Calcolo dei costi e dei benefici come strumento per valutare l’efficacia e il valore degli ILSA.

UPDF AI:

Sezione 1: Costi e benefici dell’ACB

La capacità di calcolare tutti i costi e benefici richiesti dall’ACB è complessa e influenzata da pregiudizi personali.
I costi degli ILSA sono considerati prove fruttuose per comprendere meglio le ILSA da una prospettiva critica.

Sezione 2: Riferimenti bibliografici

Vengono citati diversi riferimenti bibliografici relativi all’analisi costi-benefici e agli studi sull’istruzione.
Tra gli autori citati ci sono Ball, Engel, Rutkowski, Gulson, e altri.

Sezione 3: Infrastrutture di dati e interoperabilità

Le infrastrutture di dati si riferiscono alla gestione efficiente dei dati nell’ambito educativo.
L’interoperabilità dei dati permette la connessione tra diversi sistemi informativi per lo scambio cooperativo di informazioni.

Sezione 4: Potenziali vantaggi dell’interoperabilità dei dati

L’interoperabilità dei dati offre vantaggi come lo scambio rapido di informazioni e l’adozione di tecnologie digitali personalizzate nell’istruzione.
Pangrazio sottolinea che l’interoperabilità può portare a efficienze nel sistema educativo.

Sezione 5: Iniziative globali per aumentare l’interoperabilità dei dati

Esistono iniziative globali come il Schools Interoperability Framework (SIF) e l’Ed-Fi Alliance per promuovere l’interoperabilità dei dati.
Gli investimenti per migliorare l’interoperabilità dei dati sono diffusi in tutto il mondo.

Sezione 6: Ruolo delle infrastrutture tecniche nelle infrastrutture di dati

Le infrastrutture tecniche sottostanti consentono la raccolta, l’elaborazione e l’utilizzo dei dati.
La definizione di regole standardizzate è fondamentale per l’interoperabilità dei dati.

Sezione 7: Contestualità delle infrastrutture di dati

Le influenze nazionali, subnazionali e locali possono influenzare l’efficacia delle infrastrutture di dati.
Diverse tipologie di infrastrutture di dati possono essere influenzate da contesti specifici.

Sezione 8: Standard di interoperabilità dei dati

Gli standard di interoperabilità dei dati definiscono meta-dati e modelli di dati per regolare l’accesso e l’uso dei dati.
L’interoperabilità dei dati può avere un impatto significativo sulla produzione di informazioni dai dati.

Sezione 9: Contesto tedesco di digitalizzazione dell’istruzione

La Germania ha affrontato con cautela la digitalizzazione dell’istruzione rispetto ad altri Paesi.
Il federalismo tedesco e la distinzione delle responsabilità hanno influenzato la creazione di infrastrutture di dati educativi.

Sezione 10: Trasformazioni nell’istruzione tedesca

Negli ultimi anni, la Germania ha visto una maggiore standardizzazione e centralizzazione dei dati amministrativi e di performance nel sistema scolastico.
Le trasformazioni includono anche un aumento degli strumenti digitali per l’insegnamento e l’apprendimento.

UPDF AI:

Contesto generale delle infrastrutture di dati in Germania

La Germania ha affrontato una trasformazione verso l’infrastrutturazione dei dati educativi, con l’obiettivo di migliorare la governance basata sui dati e orientata ai risultati.
L’implementazione di standard educativi nazionali e test standardizzati è stata parte di questa trasformazione.
La risoluzione KMK Core Data Set del 2003 ha segnato un passo importante nella raccolta di dati standardizzati a livello nazionale.

Influenza del contesto sulle infrastrutture di dati

Il contesto tedesco è caratterizzato da uno scetticismo tradizionale verso la commercializzazione e la presenza di attori favorevoli alla governance dell’istruzione.
Le istituzioni pubbliche e di ricerca sono state responsabili dello sviluppo degli strumenti di test, reporting e gestione dei dati.
L’industria EdTech ha trovato difficoltà nell’entrare direttamente nel mercato della digitalizzazione e del trattamento dei dati in Germania.

Sviluppi politici e dinamiche di centralizzazione

Dopo il 2012, si è verificata un’esplosione di nuove reti politiche intermedie in Germania, con l’ascesa dell'”agenda digitale”.
Attori come Dataport e il Consiglio per la pianificazione IT hanno aumentato gli investimenti nella collaborazione tra Stati e nel coordinamento dei dati.

Ruolo delle piattaforme educative digitali

Dal 2017 al 2018, c’è stata un’ampia digitalizzazione con l’implementazione di numerose piattaforme educative digitali.
Queste piattaforme facilitano il collegamento dei dati generati attraverso gli strumenti di apprendimento con altri dati di monitoraggio.

Potenziale “dirompente” delle infrastrutture di dati

Sono emersi tre esempi di infrastrutture di dati in Germania per scopi distinti: informare le politiche, monitorare le scuole e migliorare la pratica in classe.
Le valutazioni standardizzate come Bildungstrend e VERA sono state integrate in un’infrastruttura di test coerente allineata agli standard nazionali.

Trasformazioni delle valutazioni standardizzate

Il Bildungstrend e il VERA sono nati in contesti diversi ma sono stati integrati in un’infrastruttura di test obbligatoria per tutti gli Stati.
L’IQB ha assunto il coordinamento delle valutazioni, generando metaconoscenze sui risultati medi degli Stati.

Monitoraggio scolastico statale

Le agenzie educative statali tedesche hanno aumentato gli investimenti in infrastrutture di dati per una gestione e un monitoraggio più efficaci.
Alcuni Stati hanno optato per soluzioni centralizzate nella raccolta dei dati scolastici, mentre altri mantengono una soluzione decentralizzata.

Anonimizzazione dei dati e trasformazioni

Iniziative di anonimizzazione (pseudonimizzazione) stanno permettendo il trattamento di dati individuali di studenti e insegnanti oltre il livello scolastico.
Si discute sull’implementazione di un registro nazionale dell’istruzione che potrebbe portare a banche dati centralizzate a livello nazionale.

Piattaforme scolastiche e sistemi di gestione dell’apprendimento

L’ascesa delle piattaforme scolastiche e dei sistemi di gestione dell’apprendimento supporta l’apprendimento e l’insegnamento digitali.
Queste piattaforme stanno contribuendo alla trasformazione dell’educazione digitale in Germania.

UPDF AI:

Piattaforme LMS e gestione dei dati scolastici

Le piattaforme LMS combinano funzionalità come archiviazione documenti, comunicazione, calendari, sviluppo curricula.
Gestiscono analisi apprendimento, voti, organizzazione classi, amministrazione scolastica e risorse umane.

Implementazione delle piattaforme LMS in Germania

Implementazione aumentata dopo il 2012 con l’agenda digitale e le iniziative nazionali del 2016.
Alcune scuole implementano LMS individualmente o tramite iniziative guidate da città o Stato.

Differenze regionali nell’implementazione delle piattaforme LMS

Differenze tra gli Stati tedeschi offrono condizioni di mercato diverse per i fornitori.
Alcuni Stati hanno sviluppato LMS “pronti all’uso” e incoraggiano le scuole ad utilizzarli.

Iniziativa della piattaforma scolastica nazionale

Il governo federale ha avviato la School Cloud in risposta alla disparità tra gli Stati.
La School Cloud è sviluppata dall’Hasso-Plattner-Institut associato a SAP.

Ruolo di itslearning in Germania

itslearning è una piattaforma web per materiali didattici, valutazione, curriculum, comunicazione e amministrazione scolastica.
Promuove l’interoperabilità dei dati tra le parti interessate e lo scambio automatizzato di dati.

Partenariato pubblico-privato nello stato di Brema

L’agenzia statale per l’istruzione di Brema ha integrato itslearning nella formazione preparatoria standard per i presidi.
La piattaforma riceve dati dagli studenti e insegnanti dal sistema di monitoraggio centrale dello Stato.

Utilizzo delle piattaforme LMS nelle scuole di Brema

Scuole e insegnanti utilizzano itslearning principalmente come strumento di archiviazione e comunicazione o per compiti pedagogici.
Maggiore utilizzo stimola centralizzazione digitale e eliminazione di prodotti alternativi.

Importanza delle condizioni e potenziale delle infrastrutture di dati in Germania

Standardizzazione e centralizzazione sono cruciali per politica, governance e pratica dell’istruzione.
Spostamenti di discorso e attori influenzano la raccolta e l’utilizzo dei dati.

Prospettive critiche sulle infrastrutture di dati

Concentrarsi non solo su questioni legali ed etiche, ma anche sulla comprensione critica dell’infrastrutturazione dei dati.
Importanza di comprendere come le infrastrutture educative influenzino ciò che viene reso visibile e agito come scuola.

UPDF AI:

Introduzione

Elezione di Donald Trump come presidente degli Stati Uniti nel 2016.
Ruolo della società di analisi dei dati Cambridge Analytica nella campagna elettorale.
Utilizzo dei big data e analisi tecnica per influenzare l’elettorato.
Datafication e capitalismo della sorveglianza.

Ruolo di Cambridge Analytica nella campagna elettorale

Cambridge Analytica ha utilizzato i dati estratti dai social media per identificare lo “stato d’animo” degli elettori.
Creazione di messaggi politici mirati basati sui dati raccolti.
Approccio unico di partire dai dati anziché dalla posizione politica del candidato.
Impatto dei big data e dell’analitica tecnica sulla politica moderna.

Datafication e capitalismo della sorveglianza nell’istruzione

Aumento della raccolta e dell’utilizzo dei dati nel settore dell’istruzione a livello globale.
Tendenze delle politiche educative verso sistemi di responsabilità per gli insegnanti.
Effetti della accountability ad alto rischio sulla competenza e professionalità degli insegnanti.
Utilizzo dei dati numerici per guidare le decisioni pedagogiche degli insegnanti.

Governance algoritmica e datafication nell’istruzione

Crescita dell’uso di forme digitali di dati nella governance dell’istruzione.
Trasformazione delle pratiche scolastiche in pratiche di gestione dei dati.
Potere attribuito agli algoritmi nel definire i risultati numerici.
Centralità delle piattaforme software digitali nella gestione della scuola.

Mercato delle politiche nell’istruzione

Emergenza di un nuovo mercato per le politiche nell’istruzione.
Coinvolgimento di organizzazioni non governative nel settore dell’istruzione.
Industria globale dell’istruzione valutata a oltre 4.000 miliardi di dollari all’anno.
Preoccupazioni riguardanti il coinvolgimento di attori privati in questioni pubbliche come l’istruzione.

Capitalismo della sorveglianza nell’era digitale

Critica alla raccolta e vendita all’ingrosso di dati privati da parte di organizzazioni private.
Focus sulle aziende private che guadagnano attraverso la raccolta e l’utilizzo dei dati personali.
Sviluppo del concetto di capitalismo della sorveglianza da parte di Zuboff.
Critiche riguardanti il conflitto tra interessi privati e pubblici nella gestione dei dati personali.

UPDF AI:

Datafication e capitalismo della sorveglianza: Introduzione

Holloway e Lewis discutono del concetto di datafication e del capitalismo della sorveglianza.
Il capitalismo della sorveglianza si basa sull’uso dei dati grezzi raccolti dalle aziende per fini commerciali.
Le informazioni ricavate dall’analisi dei big data vengono utilizzate per scopi come la pubblicità mirata.

Capitalismo della sorveglianza e trasformazione dei dati umani

Nel capitalismo della sorveglianza, le persone vengono viste semplicemente come “utenti” che generano dati.
I pensieri, desideri e paure umane vengono trasformati in dati digitali analizzabili.
Il processo di “rendition” traduce l’esperienza umana in dati che possono essere raccolti e analizzati.

Impatto del capitalismo della sorveglianza nell’istruzione

Le scuole sono considerate terreno fertile per lo sviluppo del capitalismo della sorveglianza.
Negli Stati Uniti, l’uso di strumenti di rendicontazione legati ai dati è incentivato da iniziative federali.
Il T-TESS è un esempio di piattaforma di valutazione scolastica basata sulla tecnologia nello Stato del Texas.

Responsabilità degli insegnanti e il T-TESS

Il Texas ha una lunga storia di responsabilità basata sui test per gli insegnanti.
Il T-TESS è composto da tre componenti principali: definizione degli obiettivi, valutazione e misurazione della crescita degli studenti.
Il punteggio VAM degli insegnanti viene utilizzato per varie decisioni sul personale.

Unione di attori nel T-TESS

Il T-TESS coinvolge diverse organizzazioni private come SAS Analytics Inc., Responsive Learning e NIET.
SAS Analytics Inc. fornisce servizi di VAM per valutare il valore aggiunto degli insegnanti.
Responsive Learning offre corsi online per lo sviluppo professionale degli insegnanti.

Rendering delle prestazioni degli insegnanti come dati: SAS Analytics Inc.

SAS Analytics Inc. possiede il sistema EVAAS per valutare il valore aggiunto degli insegnanti.
Gli algoritmi statistici predicono i punteggi degli studenti confrontandoli con quelli previsti.
I rapporti di valore aggiunto vengono utilizzati per informare la pratica degli insegnanti.

Rendering del comportamento degli insegnanti come dati: Responsive Learning

Responsive Learning collabora con scuole per sviluppare corsi online per insegnanti.
Il sito T-TESS Cube offre corsi di sviluppo professionale online allineati alle dimensioni della griglia T-TESS.
I direttori possono richiedere licenze gratuite per l’accesso ai corsi.

Rendering dell’esperienza degli insegnanti come dati: NIET

Il NIET sviluppa programmi educativi allineati a sovvenzioni federali.
Il Sistema TAP è un sistema di valutazione completo utilizzato per valutare gli insegnanti.
Il TEA collabora con il NIET per implementare il Sistema TAP e successivamente il T-TESS.

UPDF AI:

Sezione 1: Holloway e Lewis lavoro degli insegnanti

Il lavoro degli insegnanti, inclusi obiettivi, valutazione e sviluppo professionale, deve essere completato sulla piattaforma T-TESS.
Il T-TESS fornisce un flusso costante di dati sugli utenti per SAS Analytics Inc., Responsive Learning e NIET.

Sezione 2: Capitalismo della sorveglianza

Il capitalismo della sorveglianza implica una logica economistica che valorizza i dati non solo per l’uso attuale, ma anche per ciò che potrebbero rivelare in futuro sugli interessi privati e le azioni umane.
I dati vengono considerati beni scambiabili e commerciabili, utilizzati per fornire soluzioni a domande ancora sconosciute.

Sezione 3: Responsabilità degli insegnanti

Il T-TESS rappresenta un nuovo modo per raccogliere dati sugli insegnanti durante la loro carriera, dalla formazione iniziale al continuo sviluppo professionale.
La raccolta dei dati include informazioni dettagliate sulle interazioni degli insegnanti con la piattaforma T-TESS.

Sezione 4: Potenzialità dei dati

I dati raccolti possono essere utilizzati per fini commerciali, ad esempio per il marketing mirato di prodotti e servizi legati allo sviluppo professionale degli insegnanti.
La raccolta massiccia di dati può influenzare il comportamento degli insegnanti attraverso promozioni e incentivi strategici.

Sezione 5: Rischi e implicazioni

L’aumento della raccolta dei dati tramite il T-TESS può portare a un uso distorto dei dati a fini di lucro privato.
Le motivazioni finanziarie possono contrastare gli obiettivi educativi pubblici, mettendo a rischio la qualità dell’apprendimento degli studenti.

Sezione 6: Ruolo delle organizzazioni private

Le entità private coinvolte nel T-TESS hanno la possibilità di raccogliere una quantità senza precedenti di dati sugli insegnanti.
I dati raccolti possono essere utilizzati per influenzare il comportamento degli insegnanti attraverso promozioni e incentivi.

Sezione 7: Chiarezza sulle intenzioni

Non è chiaro come i dati verranno utilizzati in futuro dalle organizzazioni coinvolte nel T-TESS.
Si evidenzia la necessità di attenzione riguardo alle implicazioni della raccolta massiccia di dati sugli insegnanti.

Sezione 8: Criticità dell’analisi dei dati

L’analisi dei dati può avere un impatto significativo sulla governance sociale e politica, come dimostrato dall’elezione del Presidente Trump.
La raccolta dei dati nelle scuole può favorire l’affermazione del capitalismo della sorveglianza, con implicazioni contrastanti tra motivazioni private e pubbliche.

Sezione 9: Necessità di vigilanza

È importante rimanere vigili contro il rischio che i dati diventino più preziosi dell’apprendimento degli studenti nell’ambito dell’istruzione.
La mercificazione dei dati è una preoccupazione centrale, con il potenziale per distorcere gli obiettivi educativi.

Sezione 10: Cruscotto di governance

Le agenzie globali stanno cercando di riconfigurare la governance dell’istruzione nei Paesi a basso reddito.
La crisi dei dati nell’istruzione è vista come una minaccia alla capacità di migliorare l’apprendimento degli studenti.

UPDF AI:

Governare con il cruscotto: Introduzione

Il concetto di “governing by dashboard” rappresenta una nuova fase che combina la comprensione di come i governi dovrebbero funzionare con le nuove tecnologie per consentire il processo decisionale.
Le agenzie di aiuto hanno cercato di riformare le condizioni favorevoli, come l’ambiente politico e la macchina burocratica, per rendere più efficace l’assistenza tecnica e finanziaria.
Le infrastrutture di dati globali fungono da sofisticati meccanismi di monitoraggio nell’evoluzione degli approcci globali all’efficacia degli aiuti.

Governare con il cruscotto: Cruscotti nella governance

I cruscotti sono visualizzazioni delle informazioni necessarie per raggiungere obiettivi specifici, presentando dati in modo sintetico e accessibile.
Utilizzati in vari contesti come la business intelligence, la salute, l’istruzione e le smart city, i cruscotti sono parte dell’immaginario sociotecnico contemporaneo della governance.
Offrono opportunità di democrazia digitale e partecipazione dei cittadini, consentendo un accesso trasparente ai dati e interazioni dirette con le informazioni presentate.

Governare con il cruscotto: L’immaginario sociotecnico della GEPD

Il Global Education Policy Dashboard (GEPD) mira a monitorare la qualità dei sistemi educativi nei Paesi a basso e medio reddito per garantire un apprendimento efficace per tutti i bambini.
Il progetto si propone di sviluppare strumenti per raccogliere dati a tutti i livelli del sistema educativo, incorporare misurazioni innovative e fornire un’interfaccia di facile utilizzo.
Gli immaginari del sistema educativo, della classe e dell'”utente” sono inscritti e resi operativi dagli indicatori, dagli strumenti e dai mezzi utilizzati nel dashboard.

Governare con il cruscotto: Il “sistema” immaginato

Il GEPD si basa sulla teoria del cambiamento della Banca Mondiale, collegando la crisi dell’apprendimento con le politiche di erogazione dei servizi per migliorare i risultati degli studenti.
L’approccio sistemico del GEPD amplia la portata degli oggetti di riforma concentrandosi sull’intero sistema educativo anziché su singoli elementi come aule o insegnanti.
Il progetto si focalizza su quattro aspetti dell’apprendimento degli studenti: preparazione degli studenti, insegnamento, gestione della scuola e infrastrutture, per affrontare le lacune nel sistema educativo.

UPDF AI:

Governare con il cruscotto: Concettualizzazione del sistema educativo della GEPD

Il sistema educativo della GEPD combina misure come le politiche e la politica che influenzano la qualità dei servizi.
Utilizza un insieme di indicatori mirati per coprire il sistema educativo dal livello dell’allievo al livello del sistema.
Si basa su una combinazione eclettica di indicatori e scale globali provenienti da diverse fonti, inclusi SABER, SDI, MELQO, World Management Survey e Bureaucracy Lab.
Il cruscotto mira a fornire una visione completa del sistema educativo utilizzando strumenti sviluppati in tempi diversi e per scopi diversi.

Governare con il cruscotto: Rapporto sullo sviluppo mondiale

Il rapporto evidenzia i fattori tecnici e politici che influenzano la concentrazione sull’apprendimento nelle scuole.
Indica che le politiche e le pratiche possono distogliere l’attenzione dagli obiettivi di apprendimento degli studenti.

Contributo delle informazioni provenienti da varie fonti

Le informazioni provenienti da diverse fonti vengono combinate su un unico schermo per creare nuove relazioni tra i dati.
Queste rappresentazioni diventano l’epistemologia de facto attraverso cui i responsabili politici valutano e agiscono sui loro sistemi educativi.

L’aula immaginata: Strumento “Teach” per misurare la qualità della classe

“Teach” è uno strumento utilizzato per rilevare ciò che accade all’interno delle classi, distinguendo tra strutture dell’insegnamento e qualità del processo.
Le pratiche didattiche specifiche sono collegate a miglioramenti nei risultati di apprendimento degli studenti.
L’osservatore utilizza un manuale per registrare le azioni dell’insegnante e il coinvolgimento degli studenti durante l’osservazione.

L’aula immaginata: Competenze socio-emotive nell’insegnamento

Lo strumento di osservazione dell’insegnamento include elementi come autonomia, perseveranza e competenze sociali e collaborative.
Gli insegnanti vengono valutati su comportamenti come offrire agli studenti scelte, riconoscere gli sforzi degli studenti e promuovere la collaborazione tra pari.

L’utente immaginario: Ambizioni del GEPD

Il GEPD mira a fornire informazioni ai responsabili politici nazionali sui loro sistemi educativi.
Si ritiene che i responsabili politici nei Paesi a basso e medio reddito abbiano bisogno di supporto per comprendere i fattori critici che influenzano i risultati di apprendimento.

L’utente immaginario: Contraddizioni ed enigmi del GEPD

Il GEPD si basa su una logica dei sistemi che promuove una visione realista del mondo educativo.
Utilizza strumenti standardizzati che semplificano il contesto educativo, ma possono sacrificare specificità importanti.
Esistono contraddizioni nel presupposto del GEPD riguardo ai responsabili politici dei Paesi a basso reddito.

Conclusione e discussione: Epistemologia del GEPD

Il GEPD si basa su concezioni specifiche e normative sui sistemi educativi e sul loro governo.
Utilizza strumenti standardizzati che hanno implicazioni politiche sul modo in cui il sistema viene immaginato e governato.
Il GEPD affronta contraddizioni riguardo all’importanza del contesto e all’uso di strumenti standardizzati.

UPDF AI:

Riforma dell’istruzione in Australia

La riforma dell’istruzione in Australia si basa sull’utilizzo dei dati per guidare il comportamento.
La datafication è un elemento chiave della riforma, utilizzando i dati prodotti dalle scuole come “dati catalizzatori” per suscitare risposte specifiche.

Implementazione del NAPLAN

Il NAPLAN (National Assessment Program – Literacy and Numeracy) è stato trasformato in un test adattivo online in Australia.
Sono emerse preoccupazioni riguardo all’equivalenza delle modalità di test online e tradizionale con carta e matita.
Il rapporto tecnico del NAPLAN ha evidenziato differenze significative nei risultati tra le due modalità di test.

Online Formative Assessment Initiative (OFAI)

L’OFAI è stata sviluppata in Australia come soluzione innovativa di valutazione che integra risorse, raccolta dati e strumenti analitici in un unico ecosistema.
È nata in risposta alle preoccupazioni sul NAPLAN e alla richiesta di nuove forme di valutazione più adattabili e standardizzabili.
L’OFAI rappresenta una soluzione politica per affrontare i problemi della scuola in Australia attraverso l’uso della tecnologia digitale.

Problema dello spiazzamento e democrazia tecnica

Il concetto di spiazzamento si riferisce al problema dell’insegnante essere escluso dal processo di valutazione a causa della tecnologia digitale.
La “scatola nera” delle nuove tecnologie digitali adattive presenta un problema di conoscenza nel funzionamento dei sistemi.
La democrazia tecnica propone un approccio che coinvolge gli utenti dei dati/decisori come attori essenziali nei sistemi di valutazione.

UPDF AI:

Sistema educativo australiano e responsabilità basata sui test

L’uso di responsabilità basate sui test nelle scuole e nei sistemi educativi ha effetti perversi come insegnamento ai test, restringimento del curriculum e aumento dello stress.
Il governo laburista Rudd ha introdotto un “sistema nazionale di scolarizzazione” che utilizza dati, responsabilità basata sui test e incentivi finanziari per governare l’istruzione.
Le riforme sono basate sulla teoria del capitale umano, che valorizza l’istruzione per la generazione di capitale scambiabile nel mercato globale.

Infrastruttura di dati nel sistema educativo australiano

Organizzazioni come ACARA, AITSL ed ESA sono centrali nell’infrastruttura di dati per il confronto e la governance nel sistema educativo nazionale australiano.
La governance per confronto richiede l’acquisizione, l’archiviazione e l’analisi dei dati per rendere le giurisdizioni commensurabili.
L’accento sull’e-learning e sull’innovazione commerciale è evidente nella gestione dell’ESA del National Schools Interoperability Program (NSIP).

Ontologie dei dati e standard di interoperabilità

Le ontologie dei dati consentono la formalizzazione dei dati per la comunicazione tra sistemi e contesti.
Gli standard di interoperabilità producono nuove tecnologie digitali riducendo i tempi e i costi di sviluppo.
Il NSIP permette partnership tra politici/burocrati e fornitori di tecnologie educative commerciali per lo sviluppo di prodotti e servizi digitali.

Critiche al test NAPLAN

Il test NAPLAN è criticato per l’impatto negativo sulla pedagogia, sul curriculum e sul livello di stress di studenti e insegnanti.
L’insegnamento ai test e il focus sui risultati specifici possono portare a un ambiente di classe meno diversificato e creativo.
La responsabilità basata sui test può contribuire alla percezione di una “crisi” della qualità degli insegnanti in Australia.

Problemi con il test NAPLAN Census

Il NAPLAN è stato criticato per l’impatto negativo sulla pedagogia e il curriculum.
I risultati tardivi e la marcatura automatica delle risposte scritte sono stati criticati.
L’introduzione del NAPLAN Online ha sollevato preoccupazioni riguardo all’effetto modalità e ai problemi di connettività.

Iniziativa di valutazione formativa online

L’OFAI utilizza progressioni di apprendimento per identificare il punto in cui gli studenti si trovano nel loro apprendimento.
L’obiettivo è creare un ecosistema tecnico che fornisca agli insegnanti informazioni, risorse e strumenti per adattare la pratica didattica alle esigenze degli studenti.
Gli studenti avranno accesso alle informazioni sui propri progressi di apprendimento.

UPDF AI:

Introduzione all’OFAI

L’OFAI è organizzato intorno a compiti di valutazione formativa.
L’ecosistema tecnico dell’OFAI è costituito da tre componenti che lavorano insieme.
La prima componente consiste in strumenti online come test e quiz.
Il secondo elemento è il sistema integrato che utilizza una scala di misurazione comune.
Il terzo elemento è un portale digitale per monitorare l’apprendimento degli studenti.

Valutazioni online di nuova generazione

Le valutazioni digitali mirano a rendere gli interventi più personalizzati e coinvolgenti.
L’Education Technology Industry Network ha stimato che nel 2013 il settore delle tecnologie educative negli Stati Uniti valeva 8,38 miliardi di dollari.
Gli ambienti di apprendimento personalizzati sono in crescita nel settore delle valutazioni.
Il National Education Technology Plan definisce l’apprendimento personalizzato come esperienze che riflettono la vita quotidiana degli studenti.
La personalizzazione dell’apprendimento si adatta alle esigenze individuali degli studenti.

Focus sull’apprendimento personalizzato

L’apprendimento personalizzato si concentra sulla costruzione dell’apprendente attraverso schemi basati sui dati.
Le risorse didattiche e gli ambienti di apprendimento vengono continuamente modificati per motivare gli studenti.
L’obiettivo finale dell’OFAI è massimizzare il coinvolgimento degli studenti.
La logistica dell’impegno è cruciale per indurre sforzi efficaci da parte degli studenti.
La personalizzazione dell’apprendimento richiede la modifica continua dell’ambiente di apprendimento.

Tracciabilità della conoscenza e comportamento di apprendimento

Le progressioni di apprendimento sono sviluppate in collaborazione con esperti di alfabetizzazione e calcolo.
La tracciabilità della conoscenza e del comportamento operano sulla motivazione degli studenti.
La motivazione degli studenti viene incorporata per modificare continuamente l’ambiente di apprendimento.
La personalizzazione dell’apprendimento mira a mantenere elevati livelli di motivazione per tutti gli studenti.
La profilazione dei singoli studenti e degli insegnanti rimane un aspetto da approfondire.

Effetti dell’OFAI e possibili conseguenze

L’OFAI solleva questioni riguardanti i dati e la loro proprietà.
Si discute del possibile spostamento dell’insegnante e delle competenze valutative di base.
L’effetto di primo ordine riguarda i cambiamenti nella pratica, mentre quello di secondo ordine impatta sull’accesso e sulla giustizia sociale.
Si evidenzia la necessità di considerare le conseguenze non intenzionali dello spostamento.
La competenza valutativa degli insegnanti è fondamentale per comprendere e utilizzare criticamente i dati.

UPDF AI:

Introduzione

Il testo discute l’importanza dell’Opportunità di Valutazione Formativa Online (OFAI) nel contesto dell’istruzione australiana.
Si evidenzia la crescente complessità delle valutazioni online e i rischi legati alla commercializzazione dell’istruzione.

Ruolo degli Stakeholder nell’OFAI

L’OFAI coinvolge scuole, presidi e insegnanti nella progettazione delle valutazioni, enfatizzando la consultazione e il coinvolgimento degli stakeholder.
Si sottolinea l’importanza di includere l’esperienza degli insegnanti nel processo decisionale per migliorare la validità dei test.

Rischio di Comercializzazione e Proprietà dei Dati

Entità commerciali esternalizzate da autorità di regolamentazione come ACARA ed ESA potrebbero influenzare le valutazioni per fini commerciali.
Si evidenziano dilemmi etici riguardanti l’accesso ai dati degli studenti e la necessità di garantire la privacy e il consenso per l’utilizzo dei dati.

Democrazia Tecnica e Responsabilità

L’approccio basato sulla democrazia tecnica potrebbe contrastare la dislocazione nelle valutazioni.
Si discute la necessità di rendere gli studenti, insegnanti o presidi proprietari dei propri dati per garantire un uso etico e consapevole.

Cambiamento Tecnologico e Cultura

Stiegler sostiene che il cambiamento tecnologico rapido causa disorientamento culturale e riprogrammazione della cultura.
Si riflette sull’importanza di superare la cultura politica prevalente della valutazione per installare un sistema etico nell’istruzione.

Sfide delle Valutazioni di Prossima Generazione

Senza affrontare problemi come la dislocazione e la proprietà dei dati, le nuove valutazioni potrebbero replicare i problemi dei test standardizzati.
Si sottolinea la necessità di superare le sfide passate per guidare l’istruzione in modo efficace.

Ruolo dei Test Standardizzati

Si discute l’importanza di imparare dagli anni di test standardizzati per migliorare le nuove valutazioni.
Si interrogano le possibilità che le nuove valutazioni superino le sfide precedenti nell’orientare l’istruzione.

Impatto dell’OFAI sull’Istruzione

L’OFAI rappresenta uno sviluppo interessante e pericoloso nell’istruzione australiana.
Gli effetti dell’OFAI sulle scuole e sull’istruzione sono ancora da valutare.

Note e Riferimenti

Vengono forniti riferimenti bibliografici e note che supportano le argomentazioni presentate nel testo.
Si citano autori e studi che approfondiscono tematiche legate alle valutazioni e all’istruzione.

UPDF AI:

Introduzione alla perturbazione digitale dell’istruzione

Il COVID-19 ha portato a una rapida trasformazione dell’istruzione digitale.
L’autore sottolinea la necessità di rivedere le questioni preesistenti attraverso la lente della pandemia.
Si evidenzia che il COVID-19 avrà un impatto duraturo sull’incontro tra istruzione e tecnologia digitale.

COVID-19 come copertura per la riforma aziendale dell’istruzione

Durante la pandemia, sono emerse tendenze di digitalizzazione accelerata nell’istruzione.
Vi è una preoccupazione che la crisi sia utilizzata per implementare riforme aziendali permanenti.
Si osserva un interesse nel passaggio a forme di istruzione mista personalizzate basate sui dati.

Stabilire programmi alternativi e contro-narrazioni

Gli studiosi devono lavorare per creare contro-narrazioni e punti di discussione alternativi.
Il COVID-19 ha messo in luce i limiti delle soluzioni tecnologiche rapide proposte durante la pandemia.
È importante resistere allo smantellamento digitale della scuola tradizionale imposto dalla pandemia.

Impatto delle azioni di emergenza sulla trasformazione dell’offerta educativa

Le azioni di emergenza adottate durante la pandemia potrebbero influenzare radicalmente il futuro dell’offerta educativa.
Si sottolinea la necessità di monitorare attentamente il passaggio a forme di insegnamento a distanza “di emergenza”.
Vi è una preoccupazione che le soluzioni digitali imposte possano ridefinire l’istruzione pubblica per decenni.

Rischi legati alla riforma dell’istruzione pubblica post-pandemica

Politici e responsabili dell’istruzione potrebbero attuare riforme che favoriscono interessi aziendali a discapito delle disuguaglianze strutturali.
Si evidenzia il pericolo di restrizioni delle piattaforme proprietarie e di insegnamento guidato dalla sorveglianza.
Gli attori aziendali hanno ambizioni di trasformare i sistemi di istruzione pubblica attraverso la tecnologia digitale.

Ruolo degli studiosi nell’affrontare la riforma dell’istruzione digitale

Gli studiosi devono essere ipervigili sulle riforme educative radicali imposte durante la pandemia.
È essenziale stabilire contro-narrazioni e punti di discussione alternativi per contrastare lo smantellamento digitale della scuola tradizionale.
Si sottolinea che la vigilanza critica degli studiosi non è sufficiente e che sono necessarie azioni di resistenza.

Criticità delle soluzioni tecnologiche proposte durante la pandemia

Il COVID-19 ha messo in luce i limiti delle soluzioni tecnologiche rapide proposte durante la pandemia.
Si evidenzia che non esiste una soluzione rapida basata sulle app per affrontare la crisi.
I primi mesi della pandemia hanno dimostrato che le tecnologie digitali hanno limiti evidenti in situazioni straordinarie.

Necessità di reimmaginare l’istruzione pubblica post-COVID-19

È cruciale promuovere la speranza che la pandemia possa fungere da catalizzatore per reimmaginare forme migliori di istruzione pubblica.
Gli studiosi devono lavorare rapidamente per sviluppare programmi alternativi che contrastino le riforme aziendali dell’istruzione pubblica.
Si sottolinea che la pandemia sta portando a galla tensioni politiche e lotte sociali accumulate nel tempo.

UPDF AI:

Obiettivi su COVID-19: Lezioni apprese dalla pandemia

Sezione 1: Limiti della tecnologia digitale nella salute pubblica

La pandemia ha evidenziato i limiti del soluzionismo della tecnologia digitale nella gestione della salute pubblica.
Il passaggio all’istruzione domiciliare a distanza ha messo in luce i limiti delle tecnologie educative quando utilizzate in loco.

Sezione 2: Disuguaglianze nell’istruzione durante la pandemia

Emergenza della consapevolezza dei divari digitali e nei compiti a casa all’interno delle comunità.
Necessità di investire nella rete di sicurezza sociale per ridurre le disuguaglianze nell’istruzione.

Sezione 3: Precedenti positivi creati durante la risposta educativa alla pandemia

Governi che sovvenzionano computer portatili e connettività Wi-Fi per famiglie svantaggiate.
Sospensione dei test standardizzati nazionali per i bambini in alcuni Paesi come l’Australia.

Sezione 4: Importanza di nuove linee di argomentazione post-pandemica

Diversificare le voci coinvolte nella definizione dei programmi educativi futuri.
Concentrarsi sull’istruzione come problema sociale anziché tecnologico.

Sezione 5: Ruolo degli studiosi di educazione critica

Guidare conversazioni radicalmente diverse sull’educazione e la tecnologia digitale.
Contrastare l’influenza dell’industria informatica nelle decisioni educative.

Sezione 6: Trasformazioni nell’istruzione digitale durante la pandemia

Crescita delle piattaforme digitali per gestire l’istruzione.
Cambiamenti nel processo educativo con un’enfasi sulla raccolta e analisi dei dati.

Sezione 7: Impatto della trasformazione digitale sull’istruzione

Spostamento dall’aula fisica all’ambiente online per insegnamento e valutazione.
Autorità valutativa dell’insegnante sostituita da sistemi automatizzati di monitoraggio.

Sezione 8: Colonizzazione delle piattaforme digitali nell’istruzione

Piattaforme digitali che sostituiscono l’aula come fonte principale di conoscenza pedagogica.
Rischi di smantellamento dei valori pubblici nell’istruzione.

Sezione 9: Nuove reti politiche globali nell’istruzione

Coinvolgimento di attori commerciali e organizzazioni globali nell’istruzione durante la pandemia.
Creazione di politiche in rete su scala globale, nazionale e regionale.

Sezione 10: Implicazioni a lungo termine dell’emergenza scolastica COVID-19

Espansione dell’industria globale dell’istruzione durante l’emergenza.
Possibili conseguenze per i sistemi educativi, le scuole, gli educatori e gli studenti.

UPDF AI:

Sezione 1: Nuovi immaginari del futuro dell’istruzione

Organizzazioni commerciali e reti di advocacy propongono una “riprogettazione” radicale dei sistemi educativi.
Alcune scuole potrebbero continuare a utilizzare piattaforme digitali per l’insegnamento e l’apprendimento.
Scuole online come la Oak National Academy britannica sono considerate prototipi pandemici di trasformazione del sistema educativo.

Sezione 2: Infrastrutture private nell’istruzione

Imprese del settore privato forniscono infrastrutture digitali per l’insegnamento online e la gestione dei dati scolastici.
Microsoft 365, Google G Suite e Amazon Cloud sono tra i principali fornitori di infrastrutture private.
Le scuole potrebbero stipulare nuovi accordi con aziende tecnologiche anche dopo la riapertura.

Sezione 3: Profitto pandemico nell’industria dell’istruzione

L’industria EdTech ha visto un aumento degli investimenti e della domanda durante la pandemia.
Le aziende stanno espandendo i servizi gratuitamente per poi convertirli in abbonamenti a pagamento.
È importante monitorare il costo a lungo termine dell’accesso gratuito all’EdTech.

Sezione 4: Sfide e rischi irrisolti

Incorporare le tecnologie dell’informazione e della comunicazione può accentuare questioni sulla protezione dei dati e la privacy.
Preoccupazioni sulla proprietà dei dati raccolti e sul controllo del curriculum.
La crisi ha portato politiche basate sulla tecnologia che potrebbero approfondire le disuguaglianze educative.

Sezione 5: Riconoscimento della ricerca

La ricerca è stata sostenuta da una sovvenzione di Education International, federazione internazionale dei sindacati degli insegnanti.

Sezione 6: Costruzione della narrazione durante la pandemia

Il linguaggio e i termini legati alla pandemia sono diventati comuni nella vita quotidiana e nei media.
I lavoratori chiave sono stati descritti come “eroi” durante la crisi.
Gli insegnanti non hanno ricevuto lo stesso riconoscimento dei lavoratori chiave.

Sezione 7: Cambiamento della narrazione sugli insegnanti

Gli insegnanti non hanno ricevuto la stessa attenzione e elogi dei lavoratori chiave durante la pandemia.
Nel Regno Unito, gli insegnanti sono stati criticati per esprimere preoccupazioni sulla sicurezza nelle scuole.
Gli insegnanti sono stati attaccati dal governo e dai media nel Regno Unito.

Sezione 8: Storia degli attacchi agli insegnanti

Gli insegnanti nel Regno Unito sono stati oggetto di sfiducia e attacchi sin dagli anni ’70.
Le riforme governative hanno contribuito a de-professionalizzare gli insegnanti.
Gli insegnanti sono stati rappresentati come professionisti inaffidabili che necessitano di riforme.

Sezione 9: Impatto della pandemia sull’istruzione

La pandemia ha accelerato lo sviluppo di infrastrutture digitali per l’insegnamento e l’apprendimento.
Politici e filantropi vedono la crisi come un’opportunità per riformare l’istruzione.
Nonostante i cambiamenti, scuole e insegnanti rimangono essenziali per l’istruzione.

Sezione 10: Opportunità di riparare l’infrastruttura dell’istruzione pubblica

La pandemia ha creato opportunità per attori commerciali nell’istruzione.
Ogni crisi è un’opportunità per il cambiamento.
La pandemia ha evidenziato la necessità di ripensare il valore e l’offerta dell’istruzione.

UPDF AI:

Analisi dell’impatto della pandemia sull’istruzione pubblica e sul capitalismo della sorveglianza

Sezione 1: Impatto della pandemia sull’istruzione pubblica

Durante la pandemia, l’istruzione è stata fortemente influenzata dalla chiusura delle scuole e università.
L’aumento dell’uso delle tecnologie digitali ha portato a una rapida transizione verso l’apprendimento online.
La pandemia ha evidenziato la centralità delle istituzioni pubbliche nell’offrire un’infrastruttura stabile per l’apprendimento collettivo.

Sezione 2: Capitalismo della sorveglianza e raccolta di dati

Le aziende di tecnologia educativa hanno cercato di sfruttare la crisi per promuovere le proprie piattaforme digitali.
L’uso diffuso delle piattaforme online ha aumentato le opportunità di raccolta di dati personali.
I dati sono diventati una risorsa preziosa per le aziende tecnologiche nel contesto del capitalismo della sorveglianza.

Sezione 3: Processo di “rendition” e impatto sulla privacy

Il processo di “rendition” trasforma l’esperienza umana in dati utilizzati per fini commerciali.
L’uso delle interfacce digitali comporta la cessione involontaria dei nostri dati, compromettendo la privacy.
La pandemia ha sollevato preoccupazioni sulla protezione dei dati nel settore dell’istruzione online.

Sezione 4: Strategie di resistenza al capitalismo della sorveglianza

Zuboff suggerisce tre strategie per resistere al capitalismo della sorveglianza: domare, nascondere e indignarsi.
Le strategie includono l’utilizzo di regolamenti come il GDPR e la disconnessione dalle piattaforme digitali.
Tuttavia, la pandemia ha reso difficile attuare queste strategie a causa dell’accento sull’accettazione delle tecnologie digitali.

Sezione 5: Opportunità di riparare l’infrastruttura dell’istruzione pubblica

La pandemia ha creato condizioni favorevoli per riflettere sull’importanza dell’istruzione pubblica.
Gli attori dell’istruzione pubblica hanno l’opportunità di contrastare la commercializzazione dell’istruzione e rafforzare l’aspetto pubblico dell’istruzione.
La crisi può essere vista come un’opportunità per cambiare il modo di educare e riparare l’infrastruttura educativa.

Sezione 6: Importanza degli insegnanti durante la pandemia

In alcuni contesti nazionali, gli insegnanti sono stati considerati lavoratori chiave durante la pandemia.
La valorizzazione degli insegnanti è cresciuta durante la necessità di istruire a distanza.
Gli insegnanti hanno giocato un ruolo fondamentale nell’affrontare le sfide dell’istruzione durante la pandemia.

Sezione 7: Ruolo delle tecnologie digitali nell’istruzione post-pandemia

L’uso crescente delle tecnologie digitali potrebbe ridefinire il futuro dell’istruzione.
La combinazione tra apprendimento in presenza e online potrebbe rappresentare un’opportunità positiva emersa dalla crisi.
La pandemia ha evidenziato la necessità di trovare un equilibrio tra l’apprendimento tradizionale e quello digitale.

Sezione 8: Criticità della privatizzazione dell’istruzione durante la pandemia

La pandemia ha creato condizioni favorevoli alla privatizzazione dell’istruzione e all’espansione di modelli basati sull’estrazione di dati.
È emersa la necessità di proteggere l’istruzione pubblica dall’influenza eccessiva delle aziende tecnologiche.
La crisi ha messo in luce i rischi legati alla commercializzazione dell’istruzione e alla perdita di controllo sui dati degli studenti.

Sezione 9: Riflessione sull’importanza dell’istruzione pubblica

La pandemia ha evidenziato l’importanza delle istituzioni pubbliche nell’offrire un’infrastruttura stabile per l’apprendimento.
Gli attori dell’istruzione pubblica hanno l’opportunità di rafforzare l’aspetto pubblico dell’istruzione e contrastare la commercializzazione.
La crisi può essere vista come un momento per riflettere su come vogliamo vivere e educare le generazioni future.

Sezione 10: Prospettive future sull’istruzione post-pandemia

La pandemia potrebbe rappresentare un punto di svolta per l’istruzione, spingendo verso nuovi modelli e approcci educativi.
Gli attori dell’istruzione hanno l’opportunità di ridefinire il sistema educativo in modo da garantire un equilibrio tra tradizione e innovazione.
La crisi ha evidenziato la necessità di proteggere l’istruzione pubblica e di resistere alla privatizzazione e alla sorveglianza digitale.

UPDF AI:

Introduzione alla tecnologia e all’istruzione

La tecnologia sta rivoluzionando il settore dell’istruzione, introducendo strumenti e metodi innovativi.
L’uso dell’intelligenza artificiale e dei dati sta trasformando l’apprendimento e la valutazione.
La digitalizzazione e l’automazione stanno cambiando radicalmente i processi educativi.

Ruolo dell’intelligenza artificiale nell’istruzione

L’intelligenza artificiale viene impiegata per automatizzare procedure amministrative e di appello.
Sistemi di tutoraggio intelligente e agenti pedagogici basati sull’IA stanno emergendo nel settore educativo.
Possibili scenari futuri includono aule intelligenti e un’applicazione più ampia dell’IA nell’istruzione superiore.

Impatto etico dell’intelligenza artificiale

Le preoccupazioni etiche riguardano la responsabilità, la spiegabilità, l’equità e la trasparenza nell’uso dell’IA.
È importante garantire un utilizzo responsabile dell’IA per evitare rischi associati come la discriminazione o la perdita di privacy.

Big data e analisi dei dati nell’istruzione

Il big data e l’analisi dei dati stanno influenzando processi elettorali, interoperabilità e privacy nell’istruzione.
L’immaginario dei big data è un concetto chiave che riflette l’importanza dei dati nell’ambito educativo.

Tendenze emergenti durante la pandemia COVID-19

La pandemia ha accelerato la digitalizzazione dell’istruzione tradizionale, portando a nuove sfide e opportunità.
L’industria educativa globale ha visto una crescita durante la pandemia, con implicazioni sulla privacy dei dati e sulle politiche globali.

Automazione e tecnologie emergenti

L’automazione sta minacciando alcune professioni, ma offre anche nuove opportunità nell’insegnamento e nella gestione scolastica.
Tecnologie emergenti come la realtà aumentata stanno contribuendo a creare ambienti di apprendimento misti e innovativi.

Sviluppi nell’analisi dei costi-benefici

L’analisi dei costi-benefici delle valutazioni internazionali su larga scala è cruciale per valutare l’efficacia e l’impatto di tali programmi.
La mercificazione dei dati è un tema rilevante nell’analisi dei costi-benefici e nell’implementazione di sistemi educativi.

Riforme educative e governance

Le riforme educative in Australia e in altre nazioni sono guidate da istituzioni come l’ACARA e l’Australian National Audit Office.
La governance algoritmica e la razionalità politica computazionale stanno influenzando le decisioni nel settore dell’istruzione.

Implicazioni sociali ed economiche

L’aziendalizzazione dell’istruzione e la mercificazione dei dati sollevano questioni sociali ed economiche cruciali.
La pandemia COVID-19 ha evidenziato limiti e opportunità nell’adozione di tecnologie digitali nell’istruzione.

Conclusioni e prospettive future

Il futuro dell’istruzione sarà sempre più influenzato dalla tecnologia, dall’IA e dai dati.
È essenziale affrontare le sfide etiche, sociali ed economiche legate all’innovazione tecnologica nell’istruzione.

UPDF AI:

Scienza dei dati educativa e politiche

Definizione di dati educativi e loro ruolo nella scienza dei dati educativi.
Ruolo della scienza dei dati educativi nell’analisi e nell’elaborazione delle politiche pubbliche.
Importanza dell’alfabetizzazione dei dati per insegnanti e studenti.
Politiche di protezione dei dati e privacy legate alla scienza dei dati educativi.

Tecnologie digitali nell’istruzione

Utilizzo delle tecnologie digitali nell’istruzione K-12 e superiore.
Impatto della digitalizzazione sull’educazione durante la pandemia COVID-19.
Trasformazione digitale dell’istruzione e le relative sfide e opportunità.
Ruolo delle piattaforme digitali e degli strumenti online nell’apprendimento personalizzato.

Valutazioni e apprendimento digitale

Valutazioni di apprendimento digitale e test adattivi al computer.
Problemi e sfide associati alle valutazioni online e ai test standardizzati.
Approcci innovativi come l’apprendimento guidato dalla domanda e le valutazioni immersive.
Implicazioni della trasformazione digitale sull’apprendimento e sulle valutazioni.

Governance e politica educativa

Ruolo della governance nell’istruzione e l’introduzione dell’IA.
Politiche basate sui dati e il concetto di “data turn” nell’istruzione.
Riforme educative in Australia e Germania legate alla datafication e digitalizzazione.
Coinvolgimento del settore privato e delle organizzazioni esterne nella politica educativa.

Apprendimento automatico e intelligenza artificiale

Definizione e applicazioni dell’apprendimento automatico nell’istruzione.
Ruolo dell’intelligenza artificiale emotiva e dei sistemi di tutoraggio intelligenti.
Sviluppi nell’ingegneria dell’apprendimento di precisione e nell’automazione della scoperta della conoscenza.
Impatto dell’interazione uomo-macchina sull’apprendimento e sulla valutazione.

Privacy dei dati e sicurezza

Preoccupazioni e problemi legati alla privacy dei dati educativi.
Normative e politiche di protezione dei dati nell’ambito dell’istruzione.
Rischi derivanti dall’uso improprio dei dati e dalla privatizzazione delle infrastrutture di dati.
Importanza della cultura dell’uso etico dei dati digitali personali.

Educazione post-pandemica e innovazione

Effetti della pandemia COVID-19 sull’istruzione e sulla trasformazione digitale.
Interventi di “educazione di precisione” e governance predittiva nell’ambito educativo.
Innovazioni nel campo dell’istruzione digitale e sviluppo professionale per affrontare l’obsolescenza professionale.
Privatizzazione dei dati e delle infrastrutture di dati come parte dell’evoluzione dell’istruzione post-pandemica.

UPDF AI:

Sezione 1: Valutazione e Sistemi Educativi

Programma per la Valutazione Internazionale degli Studenti (PISA) è menzionato come un punto di riferimento importante.
Prototipazione dei sistemi educativi e valutazione creativa sono tematiche chiave.
Costi statunitensi di partecipazione a programmi internazionali come PISA sono discussi.
Progressi nello studio internazionale sull’alfabetizzazione alla lettura sono evidenziati.

Sezione 2: Tecnologie e Fiducia Pubblica

L’importanza della fiducia pubblica nelle tecnologie e nei processi decisionali è sottolineata.
La psicoinformatica e l’adozione digitale sono argomenti trattati.
La gestione del rischio, in particolare nell’utilizzo dell’intelligenza artificiale, è menzionata.
La mancanza di fiducia verso le nuove tecnologie è un problema rilevante.

Sezione 3: Politiche Pubbliche ed Educazione

Approcci tradizionali nella politica pubblica e nell’implementazione sono discussi.
I partenariati pubblico-privati nel settore dell’istruzione sono menzionati.
Il programma “Race to the Top” è citato come parte delle politiche educative.
L’IA reattiva e la responsabilità dell’IA sono argomenti trattati.

Sezione 4: Insegnamento e Apprendimento

Concetti come apprendimento per rinforzo e apprendimento reattivo sono presenti.
La riforma della scuola e la responsabilità degli insegnanti sono tematiche importanti.
L’uso di tecnologie digitali nell’insegnamento e la trasformazione dell’alfabetizzazione tecnologica sono menzionati.
La valutazione degli studenti e il monitoraggio delle prestazioni degli insegnanti sono aspetti chiave.

Pensieri artificiali

Ad agentività disumana, ossia statisticamente probabilistica sulla base di BigCorpora.

Lector sub judice

Lascia un commento Cancella risposta

Lector sub judice

Condividi:

Correlati

Lascia un commento Cancella risposta