2
L’ E-learning, o per esteso “Electronic learning”, si traduce con le parole Apprendimento
Elettronico ed è l’ennesimo prodotto dell’era di internet, integra e completa i metodi di
insegnamento classici. Il principale pregio di questo metodo di insegnamento è il poter
apprendere nozioni e effettuare test direttamente da casa, dal posto di lavoro o, con la
tecnologia adatta, dovunque si voglia.
Indicherò ora i passi che ho fatto per produrre e ordinare in modo chiaro e conciso i passaggi
di questo lavoro di ricerca, ho diviso il tutto in 4 capitoli fondamentali:
1. breve cronistoria del mondo precedente al fenomeno E-learning, successiva storia,
cenni storico-tecnici
2. E-learning nel mondo
3. E-learning in Italia
4. Piattaforme E-learning per la Formazione On-Line
5. Bozza di un progetto E-learning per l’Università
3
Capitolo 1
(storia, cenni tecnico- storici)
L’Acronimo AIWBES (Adaptive and Intelligent Web-Based Educational System – sistema di
educazione intelligente e adattativo basato sul WEB) nel quale si esamina l’E-learning, è un
insieme adattativo di modelli di reti, preferenze e conoscenze che può essere modificato e,
appunto, adattato alle esigenze di ogni studente in tempi, spazi e modi differenti e
personalizzabili.
Può essere implementato da sistemi perfettamente alternativi agli insegnanti umani, sia per
l’output (in questo caso sotto forma di nozioni), sia per l’input (in questo caso sotto forma di
test).
1.1 Storia
I metodi di apprendimento a distanza si possono dividere in 3 generazioni:
ξ Apprendimento di prima generazione, basato sul concetto di scrittura, è stato
praticato durante tutta la storia della civiltà occidentale, ma si è sviluppato in modo
efficace quando, alla fine del XIX secolo le nuove tecnologie di stampa e il sistema
ferroviario hanno reso possibile la distribuzione di grosse quantità di materiale a
gruppi di alunni geograficamente lontani. Questo modello di tecnologia concentrata
prevede l’articolazione di programmi per via postale attraverso la costruzione di
materiali didattici su supporto cartaceo, tecnologicamente avanzati (schede,
questionari, unità operative, moduli valutativi). Per la valutazione delle risposte degli
utenti e per la stessa produzione di materiali, sono utilizzate tecnologie predisposte in
una stazione presso l’erogatore, mentre non è necessaria alcuna tecnologia presso
l’utente. Mentre i processi di feed-back discente-tutor e tutor-discente sono limitati ai
periodi in cui i programmi prevedono che gli alunni sottopongano i compiti svolti.
ξ Seconda generazione: insegnamento a distanza, sviluppatosi nel XX secolo alla fine
degli anni ’60 integra l’uso di stampati con sistemi audiovisivi (TV e telefono), CD ed
i primi computer. I processi di feed-back sono molto simili a quelli di prima
4
generazione, ma includono la consulenza telefonica ed alcune lezioni individuali con
eventuali attività seminariali.
ξ La terza generazione, quella attuale, è basata sui potentissimi strumenti
formativi/informativi messi a disposizione dall’informatica e telematica (come ad
esempio ai sistemi di comunicazione sincrona/ asincrona, come posta elettronica, chat,
videoconferenza, etc). Il classico libro di testo, ad esempio, diventa ipertestuale così
da essere fruibile da una vastissima utenza (singoli e/o gruppi), dislocata in tutto il
mondo. Data la quantità di dati e informazioni e la loro velocità di trasmissione, in
questa fase gioca un ruolo importantissimo la protezione dei sistemi di accesso alle
stesse informazioni.
Cambia, inoltre, la strutturazione stessa della conoscenza: da non formalizzata ed a
circolazione limitata, essa diviene codificata e condivisibile per garantirne la
“trasportabilità” e la diffusione.
Tuttavia, una precisazione è necessaria: attualmente, la Scuola rimane ancora il
riferimento principale per la diffusione di conoscenze variegate e complesse ma
utilizza strategie formative piuttosto lente. Quanto detto, fa emergere la necessità di
una riforma di tutto l’universo scolastico che deve adeguarsi ai mutamenti ed alle
trasformazioni che l’attuale contesto socio-economico impone e non cristallizzarsi su
posizioni “obsolete” che potrebbero comprometterne il suddetto ruolo di garanzia di
trasmissione del sapere. In questo ambito, si collocano le tematiche dell’E-learning.
Parlando di storia cronologica dell’E-learning in particolare, da quello che ho potuto
ricostruire on-line, presumibilmente il metodo di insegnamento come è ora nasce verso il
1995, i pionieri sono stati Brusilowsky, Shwarz e Weber seguiti immediatamente da De Bra,
Nakabayashy, Okazaky, Watanabe e Kondo, che incrociarono i loro lavori e le loro idee l’un
l’altro negli anni fino a arrivare a una stesura di varietà diverse di AIWBES e l’inserimento
dello stesso nel campo dell’ “intelligenza artificiale nell’educazione” (AI ED – Artificial
Intelligence In Education).
5
1.2 Cenni tecnico-storici
Adaptive and Intelligent Technologies for Web-Based Educational
System
(AIWBES - tecnologie adattative ed intelligenti per i sistemi di educazione basati sul Web)
Innanzitutto, dato che sembrano, ma non lo sono affatto, sinonimi dividiamo il termine
“intelligent” da “adaptative”, parlando quindi di sistema adattativo vediamo che la parola ci
porta a capire che il sistema si adatta alle esigenze dello studente, parlando invece di sistema
intelligente facciamo riferimento alle tecniche usate nel campo dell’AI (Artificial Intelligence
– Intelligenza Artificiale), normalmente i sistemi sono intelligenti ed adattativi ma non
sempre, la relazione tra sistemi educazionali intelligenti ed adattativi può essere raffigurata
così:
Figura 1.1
Gli AIWBES esistenti sono molto diversi. Essi offrono molti tipi di supporto per studenti ed
insegnanti coinvolti nel processo di istruzione Web-enhanced (Web-avanzata). Per aiutare a
capire questa varietà di sistemi e idee, la prima pubblicazione dell'autore di “hypermedia and
adaptative” (Brusilovsky, 1996) suggerì di concentrarsi su tecnologie adattabili ed intelligenti.
Per tecnologie adattabili ed intelligenti noi intendiamo i modi essenzialmente diversi di
aggiungere la funzionalità adattabile e/o intelligente ad un sistema istruttivo. Una tecnologia
può essere ulteriormente sezionata in un miriade di minori tecniche e metodi che
Sistema intelligente Sistema adattativo
6
corrispondono a diverse variazioni di queste funzionalità e a modi diversi di queste
implementazioni (Brusilovsky, 1996).
Una prima pubblicazione (Brusilovsky, 1999) identificò cinque tecnologie maggiormente
usate nell’ AIWBES (figura 2). Queste tecnologie hanno le loro radici principali in campi di
ricerca che sono stati stabiliti precedentemente l'era di internet con l’Adaptive Hypermedia
(Ipermedia Adattivo) e l’Intelligent Tutoring System (ITS - letteralmente Sistema di
Tutoraggio Intelligente). Fin dalla loro applicazione nel contesto Web, queste tecnologie sono
state le prime ad apparire in AIWBES e possono essere considerate come un “classico” delle
tecnologie AIWBES. Secondo la loro origine, la pubblicazione (Brusilovsky, 1999)
raggruppò le cinque tecnologie classiche nelle tecnologie di Adaptive Hypermedia e
Intelligent Tutoring Technologies (figura 2). La pubblicazione identificò e raggruppò nelle
tecnologie di AIWBES “Web-Inspired” anche delle tecnologie nuove che sono apparse più
recentemente sul Web e che non avevano radici pressoché dirette nel sistema di formazione
pre-internet. La mancanza di esempi di tecnologie Web-inspired al momento della stesura
della pubblicazione (Brusilovsky, 1999) non permette ulteriori classificazioni di queste
tecnologie.
In questo articolo introduttivo seguiamo la pubblicazione (brusilovsky, 1999) raggruppando
insieme tecnologie di AIWBES simili ed identificando le radici di queste tecnologie. Noi
lasciamo intatti i set delle Adaptive Hypermedia e Intelligent Tutoring Technologies ma
suddividiamo il gruppo originale delle tecnologie Web-inspired in tre gruppi: Adaptive
Information Filtering (filtraggio di informazioni adattative), Intelligent Class Monitoring
(monitoraggio intelligente della classe) e Intelligent Collaboration Support (supporto con
collaborazione intelligente). I cinque gruppi risultanti delle tecnologie ed i loro campi di
origine sono mostrati in figura 3. La tabella 1 offre una buona veduta d'insieme di queste
cinque tecnologie e alcuni esempi per ognuno dei gruppi. Aiuta anche il lettore a capire il
ruolo delle tante pubblicazioni presentate per ogni problema particolare (mostrati in grassetto
in tavola 1) nel contesto complessivo di lavoro su AIWBES. La parte rimanente di questa
sezione descrive brevemente le tecnologie gruppo per gruppo introducendo simultaneamente
le prossime pagine.
7
Figura 1.2
Le maggiori tecnologie di Intelligent Tutoring sono: Curriculum Sequencing, Intelligent
Solution Analysis, e Problem Solving Support. Tutte queste tecnologie sono state esplorate
bene nel campo dell’ITS. L’obiettivo della tecnologia “Curriculum Sequencing” è di fornire
allo studente la sequenza appropriata e individualmente progettata di temi e compiti da
imparare (esempio: domande, problemi ecc.) per lavorarci. Aiutando lo studente a trovare un
“percorso ottimale” attraverso il materiale di insegnamento. Nel contesto di istruzione Web-
based (WBE), la tecnologia Curriculum Sequencing diviene molto importante a causa della
sua abilità a guidare lo studente attraverso l’ ”hyperspazio” di informazioni disponibili. Il
Curriculum Sequencing è stato uno dei primi metodi ad essere implementato in AIWBES così
come ELM-ART (Brusilovsky, 1996a) e CALAT (Nakabayashy, Maruyama Loike, Fukuhara
& Nakamura, 1996). attraverso il sistema rappresentato nello studio di ELM-ART (Weber, et
al., 2001) e KBS-Hyperbook (Henze, et al., 2001) si offrono due buoni esempi di Curriculum
Sequencing. L'ELM-ART Sequencing è perfezionato in forma di collegamento consigliato ed
un bottone “NEXT” adattabile. Nel KBS-Hyperbook è migliorato il metodo di insegnamento.
Adaptive Hypermedia Systems Intelligent Tutoring System
Adaptive
Hypermedia
Intelligent
Tutoring
Adaptive Presentation
Adaptive Navigation Support
Curriculum Sequencing
Intelligent Solution Analysis
Problem Solving Support
8
Figura 1.3
Intelligent Solution Analysis (analisi di soluzione intelligente) tratta di soluzioni di problemi
istruttivi con gli studenti (può variare da una semplice domanda ad un problema di
programmazione complesso).
Diversamente dai verificatori “non-intelligenti” che possono dire solamente se la soluzione è
vera o falsa, gli analizzatori intelligenti possono dire ciò che è sbagliato o incompleto e ciò
che manca o lacune di conoscenza che possono essere responsabili per l'errore. Gli
analizzatori intelligenti possono fornire allo studente un feed-back ampio di errori e possono
aggiornare i modelli di apprendimento degli studenti. A causa della sua interattività bassa ed
il naturale incontro come interfaccia di “form-submission” (form di sottoscrizione) sul web,
questa tecnologia era anche una delle prime ad essere perfezionata sul Web nell’AIWBES
così come prima fu l’ELM-ART (Brusilovsky, 1996a) e la WITS (Okazaki, et al., 1996). Il
sistema SQL-Tutor (Mitrovic, 2003), German Tutor (Heift, et al., 2001) e le più recenti
versioni di ELM-ART (Weber, et al. 2001) presentati in questo paragrafo dimostrano molti
modi di perfezionare l'analisi di soluzioni intelligenti sul WWW (World Wide Web, Internet
per intenderci).
Adaptive
Hypermedia
Adaptive
Information
Filtering
Intelligent
Monitoring
Intelligent
Collaborative
Learning
Intelligent
Tutoring
Adaptive hypermedia System
Information Retrieval
Machine Learning,
Data Mining
CSCL
Intelligent Tutoring System
I cinque gruppi delle moderne tecnologie AIWBES
9
L’obiettivo dell’ Interactive Problem Solving Support (letteralmente: supporto interattivo di
soluzione ai problemi) è di fornire allo studente aiuto intelligente in ogni passo del problem
solving - dando un suggerimento e facendo eseguire il passo successivo allo studente. La
tecnologia di appoggio del problem solving interattivo non è molto usata in un sistema Web a
causa di problemi di realizzazione.
Come fu dimostrato da primi sistemi, la realizzazione di Sistema Server-Side così come PAT-
Online (Ritter, 1997) non può guardare attivamente l'azione dello studente e può offrire
solamente un aiuto su richiesta. le realizzazioni puramente Client-side come ADIS
(Warendolf, & Conci, 1997) hanno un limite nella complessità. La migliore funzionalità e il
livello di complessità per migliorare il problem solving interattivo richiedono la realizzazione
di supporti Client-server come AlgeBrain (Alpert, Singley & Fairweather, 1999),ma tale
sistema è più difficile da sviluppare. Fra i sistemi qui rappresenti, AtiveMath (Melis, et al.,
2001) perfeziona il supporto al problem solving interattivo col suo Omega proof planer. In
aggiunta a ciò, ELM-ART (Weber, et al., 2001) offre un esempio unico di Example-based
Problem Solving Support - un differente supporto a bassa tecnologia che è diventato
abbastanza promettente nel contesto di Web.
10
Tabella 1.1 – Tecnologie AIWBES, la loro origine, e i sistemi rappresentativi. I sistemi
rappresentati con particolari problematiche sono mostrati in grassetto.
La tabella è in lingua originale, per le traduzioni dei rispettivi termini rifarsi a ciò che è
stato presentato precedentemente nel testo
Sources of AIWBES
technologies
Technologies Sample Systems
Adaptive Hypermedia Adaptive navigation support
Adaptive presentation
AHA (De Bra, et al., 1998)
InterBook (Brusilovsky,
Eklund, & schwarz, 1998)
KBS-Hyperbook (Henze, &
Nejdl, 2001)
MetaLinks (Murray, 2003)
ActiveMath (Melis, et al.,
2001)
ELM-ART (Weber, &
Brusilovsky, 2001)
INSPIRE (Papanikolaou,
Grigoriadou, Kornilakis, &
Magoulas, Submitted)
Adaptive Information
Filtering
Content-based filtering
Collaborative filtering
MLTutor (Smith, &
Blandford, 2003)
WebCOBALT (Mitshuara, et
al, 2002)
Inteligent Class Monitoring HyperClassroom (Oda, Satoh,
& Watanabe, 1998)
Intelligent Collaborative
Learning
Adaptive group formation
and peer help
Adaptive collaboration
support (coaches and
monitors)
Virtual students
PhelpS (Greer, et al., 1998)
HabiPro (Vizcaìno,
Contreras, Favela, & Prieto,
2000)
COLER (Constantino
Gonzales, Suther, &
Escamilla De Los Santos,
2003)
EPSILON (Soller, & Lesgold,
2003)
Intelligent Tutoring Curriculum sequencing
Intelligent solution analysis
Problem solving support
VC-Prolog-Tutor (Peylo,
Teiken, Rollinger, & Gust,
1999)
SQL-Tutor (Mitrovic, 2003)
German Tutor (Heift, et al.,
2001)
ActiveMath (Melis, et al.,
2001)
ELM-ART (Weber, et al.,
2001)
11
L’Adaptive Presentation (Presentazione adattabile) e l’Adaptive Navigation Support (supporto
di navigazione adattabile) sono le due tecnologie maggiormente esplorate dall’ Adaptive
Hypertext and Hypermedia Systems. L’obiettivo dell’Adaptive Presentation è di adattare il
contenuto presentato in ogni nodo dell’ hypermedia (la pagina) agli obiettivi degli studenti,
come la conoscenza, e dall'altra parte, immagazzinare informazioni su ogni tipo di studente.
In un sistema con presentazione adattabile, le pagine non sono statiche ma adattabilmente
generate o assemblate per ogni utente. ActiveMath (Melis, et al., 2001) ha le caratteristiche di
essere uno degli esempi esistenti e più avanzati di presentazione adattabile. In aggiunta ELM-
ART (Weber, et al., 2001) mostra un modello speciale di presentazione adattabile – cioè
avvertimenti adattabili sullo status istruttivo della pagina studiata.
MetaLinks (Murray, 2003) dimostra l'uso della presentazione adattabile per il “narrative
smoothing (letteralmente: livellamento narrativo)” .
L’obiettivo della tecnologia Adaptive Navigation Support è di assistere lo studente
nell’orientarsi nell’iperspazio e navigare modificando l'aspetto dei collegamenti visibili. Per
esempio, un sistema di ipermedia adattativo può, nello stesso tempo, ordinare, annotare o in
parte può nascondere i collegamenti della pagina corrente per più facilmente far scegliere allo
studente dove andare successivamente. Azioni adattabili di appoggio nella navigazione hanno
lo stesso obiettivo del Curriculum Sequencing - aiutare cioè gli studenti a trovare un
“percorso ottimale” attraverso il materiale di insegnamento. Allo stesso tempo, il supporto di
navigazione adattabile è meno direttivo e più “cooperativo” piuttosto che la sequenza
tradizionale: guida gli studenti mentre lascia loro la scelta del successivo articolo che
vogliono imparare e del successivo problema da risolvere. Nel contesto del WWW dove è un
paradigma organizzativo e di base l’ipermedia, il supporto di navigazione adattativa diventa
naturale ed efficiente. Era fra le tre principali tecnologie di AIWBES, esplorato in vari sistemi
come ELM-ART (Brusilovsky, et al., 1996a), InterBook (Brusilovsky, Schwarz & Weber,
1996c), ed il corso di ipertesto adattabile di De Brà (De Brà, 1996) e divenne
indiscutibilmente la tecnologia più popolare di AIWBES. La metà dei sistemi presentava
nell’uso di particolari problemi questa tecnologia. KBS-Hyperbook (Henze, et al., 2001),
ActiveMath (Melis, et al., 2001), ed ELM-ART (Weber, et al., 2003) usavano link selezionati
e generazioni di link.
Adaptive Information Filtering (AIF - filtraggio di informazioni adattative) è una classica
tecnologia nel campo del recupero delle informazioni. Il suo obiettivo è trovare alcuni articoli
che sono attinenti agli interessi dell’utente in un grande pool di documenti (basati su testo).
Sul Web questa tecnologia è usata in ricerca e nel contesto di browsing.
12
È stato applicato per adattare i risultati della ricerca nel Web usando filtraggio ed ordinamenti
per far risaltare i documenti più attinenti del pool che usa generazioni di link.
Mentre i motori usati con sistemi di AIF sono molto diversi dai motori di ipermedia adattabili,
a livello di interfaccia AIF Web-based la maggior parte spesso usa tecniche di appoggio di
navigazione adattabili. Vi sono due generi essenzialmente diversi di motori di AIF che
possono essere considerati come due forme diverse di tecnologie AIF – Content-based
Filtering(filtraggio basato sui contenuti) e Collaborative Filtering( filtraggio basato sulla
collaborazione).
Il primo si basa sul contenuto del documento mentre il secondo ignora il contenuto e tenta
invece di unire gli utenti che sono interessati agli stessi documenti. L’AIF moderno usa in
maniera estensiva una macchina che impara tecniche, specialmente per filtrazione content-
based. Pur essendo molto popolare nel campo di sistemi di informazioni, AIF non è stato mai
usato in un contesto istruttivo del passato.
L'ammontare di insegnamento contenuto era relativamente piccolo ed il bisogno di guidare
l'utente a più materiali attinenti fu basato completamente e sufficientemente dall’Adaptive
Sequencing e Adaptive Hypermedia. Comunque il Web con la sua abbondanza di Non-
indexed (letteralmente, non-schedate) “open corpus (lett.:corpi aperti)” risorse istruttive ha
fatto l’AIF molto attraente per i docenti. MLTutor (lo Smith, et al., 2003) vide in questo
problema particolare uno dei primi esempi interessanti per l’applicazione dell’AIF content-
based all’istruzione. Un esempio istruttivo di AIF collaborativa può essere trovato in
WebCobalt (Mitsuhara, et al., 2002).
L’ Intelligent Collaborativ Learning (formazione collaborativa intelligente) è un gruppo
interessante di tecnologie sviluppatosi incrociando due campi originariamente piuttosto
distanti l'uno dall'altro: Computer Supporting Collaborative Searning (CSCL) e ITS. Il recente
fiume di lavoro sull’uso delle tecniche di AI per sostenere la cultura collaborativa ha fatto
risultare un aumento del livello di interazione tra questi campi. Mentre il primo lavoro sulla
cultura collaborativa ed intelligente fu compiuto in contesto di Pre-Web (Chan, & Basckin,
1990; Hoppe, 1995), sono il Web e il WBE che hanno offerto una piattaforma ed una richiesta
in aumento, per questo genere di tecnologia. Nel WBE il bisogno di mezzi di appoggio e
collaborazione è critico perché gli studenti raramente (o mai) si incontrano in persona.
Le tecnologie intelligenti possono estendere drammaticamente il potere di semplici mezzi di
appoggio e collaborazione (come discussione di threads raggruppati e whiteboards condivisi)
così come dai vari sistemi di gestione di corso.
13
Attualmente noi possiamo elencare almeno le tre tecnologie distinte all'interno del gruppo di
cultura collaborativo ed intelligente: la formazione di gruppo ed adattiva con aiuto di pari,
appoggio di collaborazione adattivo, e studenti virtuali. Un buon esempio di appoggio di
collaborazione adattivo è offerto da COLER (Costantino Gonzalez, et al., 2003).
Le tecnologie di Adaptive Collaboration Support e Peer Help (aiuto alla pari) tentano di usare
conoscenze circa la collaborazione alla pari (la maggior parte rappresentata spesso nei loro
modelli di studio) formando un gruppo intonato per diversi generi di compiti di
collaborazione.
I primi esempi includono la formazione di un gruppo per la soluzione dei problemi
collaborativi (Hoppe, 1995; Ikeda, Vada, & Mizoguchi, 1997) e la ricerca del pari più
competente per rispondere ad una domanda (McCalla, et al., 1997). Ambo i campi di lavoro si
stanno ora espandendo. I teams pionieristici hanno generalizzato e hanno espanso il loro
lavoro (Greer, et al., 1998; Műhlenbrock, Tewissen & Hoppe, 1998) ed un buon numero di
teams nuovi sta avviando le proprie ricerche in questa direzione.
Il tecnologie di Adaptive Collaboration Support tentano di offrire solo un appoggio
interattivo in un processo di collaborazione che abbia sistemi di supporto interattivi che
assistano un studente individuale nel risolvere un problema. Usando un po' di conoscenza su
un modello di buona e cattiva collaborazione (purché fatto dagli autori del sistema o creato
dai logs comunicativi) un sistema di supporto della collaborazione come COLER (Costantino
Gonzales, et al., 2003) o Epsilon (Soller, et al., 2003) può allenare o può mettere al corrente i
collaboratori alla pari. Questo è nuovo ma si sta espandendo rapidamente nella direzione del
lavoro che traccia le proprie idee dai classici ITS, CSCL e macchine che imparano sul
campo. In contrasto, la Virtual Student Technology è comparativamente vecchia. Invece di
sostenere la cultura o la collaborazione da una posizione di un superiore verso gli studenti (un
insegnante o un consulente), questa tecnologia tenta di presentare generi diversi di pari
virtuali in un ambiente di cultura: un compagno di cultura (Chan, et al., 1990), un tutee, o
anche un creatore di problemi (Frasson, Mengelle, Aïmeur & Gouardères,1996). Nel contesto
del WBE dove lo studente comunica principalmente attraverso canali di minima larghezza di
banda (l'e-mail, chat, forums) un studente virtuale diviene incarnazione molto attraente per
perfezionare strategie di supporto differenti. Noi ci aspettiamo più ricerche in questa direzione
e la sua ulteriore integrazione con agenti animati e canali di supporto di collaborazione
intelligenti.