5

Big Data Per Studenti Poveri

WASHINGTON, DC – I paesi hanno bisogno di persone qualificate e di talento per generare le innovazioni che sono alla base della crescita economica a lungo termine. Questo è vero nelle economie sviluppate quanto in quelle in via di sviluppo. Ma ciò non accade senza investimenti nell’istruzione e nella formazione. Se vogliamo porre fine alla povertà, ridurre la disoccupazione, e arginare la crescente disuguaglianza economica, dobbiamo trovare nuove modalità di istruzione, migliori e meno costose - e su vasta scala.

Questo obiettivo può sembrare al di fuori della portata anche dei paesi ricchi; ma una raccolta, un’analisi e un utilizzo intelligente dei dati sull’istruzione potrebbero fare una grande differenza. E, per fortuna, viviamo in un’epoca in cui la tecnologia informatica ci dà gli strumenti giusti per ampliare l’accesso ad una formazione di alta qualità e a costi bassi. I big data – complesse basi di dati di grandi dimensioni, che le aziende utilizzano per analizzare e prevedere il comportamento dei consumatori – sono in grado di fornire agli insegnanti e alle aziende una quantità senza precedenti di informazioni sui modelli di apprendimento degli studenti, aiutando le scuole a personalizzare l’istruzione in modi sempre più sofisticati.

Chicago Pollution

Climate Change in the Trumpocene Age

Bo Lidegaard argues that the US president-elect’s ability to derail global progress toward a green economy is more limited than many believe.

The World Bank Group and its private-sector lending arm, the International Finance Corporation (IFC), are trying to harness this potential to support national education systems. A recently launched initiative, called the Systems Approach for Better Education Results (SABER), collects and shares comparative data on educational policies and institutions from countries around the world.

Nel settore privato, la possibilità di raccogliere informazioni sulla interazione insegnante-studente, e l’interazione tra studenti e sistemi di apprendimento, può avere un profondo impatto. In Kenya, ad esempio, le Bridge International Academies usano l’apprendimento adattivo su larga scala. Bridge, uno dei clienti di IFC, fondata da tre imprenditori americani, gestisce 259 scuole materne ed elementari, con rette scolastiche mensili in media di 6 dollari. Si tratta di un enorme laboratorio di apprendimento per studenti ed educatori.

Bridge sperimenta diversi approcci all’insegnamento di competenze e concetti standard, mediante lo svolgimento di due versioni di una stessa lezione contemporaneamente in un gran numero di classi. Le lezioni sono impartite dagli insegnanti, secondo copione, in base a programmi prestabiliti e standardizzati, tramite tablet che registrano anche quanto tempo gli insegnanti impiegano per ogni lezione. I risultati degli esami vengono registrati sulla tavoletta del docente, con più di 250.000 osservazioni ogni 21 giorni. Da questi dati, il team di valutazione di Bridge determina quale lezione è più efficace e distribuisce la lezione all’interno di tutta la rete dell’Accademia.

Sappiamo che una serie di problemi può causare la diminuzione della prestazione di uno studente – un torrido caldo estivo in aule senza aria condizionata, problemi a casa, o insegnanti di scarsa qualità, per citarne alcuni. Ma quando si raccolgono i risultati su larga scala, la variabilità delle misure si riduce, ed emergono le differenze importanti. Questo è il grande valore dei Big Data.

Un altro caso è SABIS, un fornitore di istruzione primaria e secondaria  in USA, Europa, Asia, Medio Oriente e Nord Africa. Sabis indaga a fondo i grandi insiemi di dati al fine di garantire standard elevati e migliorare il rendimento scolastico per più di 63.000 studenti. Il monitoraggio continuo del rendimento scolastico annuale degli studenti produce più di 14 milioni di osservazioni che vengono utilizzate per modellare l’istruzione, conseguire obiettivi di apprendimento, e garantire la coerenza di tutta la rete di scuole della società in 15 paesi.

Knewton, una piattaforma di apprendimento adattivo che personalizza i corsi digitali con analisi predittive, è un’altra azienda all’avanguardia nella rivoluzione dei dati. Con contenuti e istruzioni su misura, anche le classi senza le risorse delle scuole private sono in grado di fornire lezioni individuali. Come risultato, gli insegnanti impiegano il loro tempo nel modo più efficace possibile - risolvendo i problemi con gli studenti - invece di erogare lezioni indifferenziate.

Fake news or real views Learn More

Questi benefici non arrivano senza rischi. Stiamo appena cominciando a confrontarci con le modalità con cui sfruttare l’enorme potenziale per l’apprendimento dei big data, proteggendo al tempo stesso la privacy degli studenti. In alcuni casi, la tecnologia di raccolta dati supera la nostra capacità di decidere come essi devono essere raccolti, archiviati e condivisi. Non importa quanto rigorosamente i dati siano protetti, per il suo utilizzo vi è ancora la necessità di una chiara struttura di licenze. In molti paesi in via di sviluppo, non ci sono affatto regole per la privacy dei dati.

L’interazione tra dati e istruzione promette nuovi prodotti educativi per un migliore apprendimento, con grandi benefici potenziali, soprattutto per i poveri. Per ottenere tali benefici - e per farlo in modo responsabile - dobbiamo fare in modo che la raccolta dei dati non sia né eccessiva né inadeguata, e che supporti l’apprendimento. Il settore privato, i governi e le istituzioni come la Banca Mondiale hanno bisogno di formulare regole per la definizione delle modalità per la raccolta, la condivisione e l’utilizzazione delle informazioni critiche sulle prestazioni degli studenti. I genitori e gli studenti non meritano di meno.