SILVANO TAGLIAGAMBE PALERMO- RETE FARO 29 marzo 2007

Presentazione sul tema: "SILVANO TAGLIAGAMBE PALERMO- RETE FARO 29 marzo 2007"— Transcript della presentazione:

1 SILVANO TAGLIAGAMBE PALERMO- RETE FARO 29 marzo 2007
Il Successo Formativo e l’Apprendimento, principale fattore di Qualità di una scuola.  Nuovi approcci teorici e didattici. Successo formativo Apprendimento SILVANO TAGLIAGAMBE PALERMO- RETE FARO 29 marzo 2007

2 SUCCESSO FORMATIVO E APPRENDIMENTO
Crescita progressiva di successo formativo e apprendimento Successo formativo Apprendimento

3 Hofstadter: gli “strani anelli” come nodo cruciale della coscienza
Sono convinto che la spiegazione dei fenomeni “emergenti” nel cervello, come la coscienza, sia basata su qualche tipo di “strano anello”: un’interazione tra livelli in cui il livello più alto torna indietro fino a raggiungere il livello più basso e lo influenza, mentre allo stesso tempo viene determinato da esso. C’è una risonanza tra i diversi livelli che si autorafforza.

4 COMPETENZE E CAPACITA’ NECESSARIE PER
INQUADRARE UN PROBLEMA E RISOLVERLO. LE POSSIAMO COSì SCHEMATIZZARE: ANALISI; ASTRAZIONE; DEDUZIONE; ABDUZIONE; INDUZIONE; ANALOGIA.

5 ANALISI Può essere concepita in due modi differenti:
SCOMPOSIZIONE di un problema complesso nelle sue parti; RIDUZIONE di un problema a un altro.

6 ASTRAZIONE SI PRESENTA SOTTO DIVERSE FORME E TIPOLOGIE:
PER ESTRAZIONE; PER SOPPRESSIONE; PER IBRIDAZIONE; PER SPOSTAMENTO DELL’ATTENZIONE

7 IBRIDAZIONE Nella Géométrie Descartes tratta le curve
come ibridi geometrici-algebrici-numerici che sono simultaneamente configurazioni formate spazialmente, equazioni algebriche con due incognite e una serie infinita di coppie di numeri. Ne consegue un’INSTABILITA’, perché questi tre diversi modi di trattare le curve non sono equivalenti: ma questa instabilità conferisce alle curve una MULTIVALENZA che è la chiave per la loro indagine e per il loro impiego nella fisica della seconda metà del XVIII secolo.

8 SPOSTAMENTO DELL’ATTENZIONE
Prima della creazione del calcolo infinitesimale, ci si concentrava solo sugli ASPETTI GEOMETRICI del problema di calcolare l’area di una curva, e di conseguenza si riusciva a risolverlo solo a costo di una notevole ingegnosità. Dopo l’invenzione del calcolo, spostando l’attenziione sugli aspetti ALGEBRICI del problema, la curva venne considerata un’equazione e si poté RISOLVERE IL PROBLEMA CON UN PROCEDIMENTO DI ROUTINE e quasi meccanico.

9 DEDUZIONE/1 E’ l’inferenza in cui un parlante sostiene che la conclusione segue necessariamente dalle premesse. Detto in termini più precisi,“per un qualsiasi enunciato S, rispetto a un insieme di enunciati K, la deduzione è una successione finita di enunciati il cui ultimo elemento è S (quello di cui diciamo, appunto, che è dedotto), e tale che ogni suo elemento è un assioma o un elemento di K, oppure segue da enunciati che lo precedono nella successione grazie a una regola d’inferenza. Un termine sinonimo è ‘derivazione. La deduzione è un concetto relativo a un sistema. Ha senso dire che qualcosa è una deduzione solo in relazione a un particolare sistema di assiomi e regole d’inferenza. La stessa esatta successione di enunciati può essere una deduzione in un sistema, ma non in un altro”.

10 DEDUZIONE/2 Il concetto di deduzione è una generalizzazione del concetto di dimostrazione. Una dimostrazione è una successione finita di enunciati, ciascuno dei quali è un assioma o segue da enunciati che lo precedono nella successione tramite una regola inferenziale. L'ultimo enunciato della successione è un teorema. La deduzione e la dimostrazione sono gli strumenti più efficaci di cui possiamo disporre per cercare di controllare la validità del ragionamento di un agente qualsiasi e i risultati da lui ottenuti, anche se i fondamentali risultati conseguiti a partire dal 1930 da Gödel, Church e Turing hanno posto limiti ben precisi a questa possibilità.

11 ABDUZIONE A B A B E’ il processo che, dato un certo dominio,
mira alla generazione di spiegazioni di un insieme di eventi a partire da una data teoria, o legge, o ipotesi esplicativa, relativa a quel dominio. ESEMPIO: A B B A

12 INDUZIONE E’ il processo in base a cui s’inferisce dal
PARTICOLARE all’UNIVERSALE secondo il principio della GENERALIZZAZIONE. Alla conclusione generale si può arrivare: A PARTIRE DA PARECCHI CASI; A PARTIRE DA UN SINGOLO CASO (se un certo membro a di una classe Q ha una data proprietà P, allora per un qualsiasi nuovo membro b della stessa classe Q si ipotizza il possesso della medesima proprietà P.

13 ANALOGIA Varie nozioni di similarità: PER EGUAGLIANZA DELLA FORMA;
PER EGUAGLIANZA DELLA PROPORZIONE; PER ANALOGIA DEGLI ATTRIBUTI ESSENZIALI; PER POSSESSO DI ALCUNI ATTRIBUTI IN COMUNE; PER POSSESSO DI ALCUNI ATTRIBUTI IN COMUNE PUR IN PRESENZA DI TRATTI NON IN COMUNE (ANALOGIA POSITIVA-NEGATIVA- NEUTRA)

14 INFERENZA INDUTTIVA E INFERENZA ANALOGICA
Sono connesse tra loro se si considera solo L’ANALOGIA POSITIVA, ma sono irriducibili l’una all’altra se si considera anche l’ANALOGIA NEGATIVA. In quest’ultimo caso questi due tipi di inferenza risultano essere complementari tra loro e utili in situazioni differenti.

15 INFERENZA INDUTTIVA E INFERENZA ANALOGICA
L’INFERENZA INDUTTIVA è utile quando non sappiamo con precisione come i casi osservati differiscano tra loro, e quindi non ne conosciamo esattamente l’ANALOGIA NEGATIVA, per cui un aumento del numero dei casi può aiutarci a trarre qualche conclusione su di essi. L’INFERENZA ANALOGICA è utile quando non abbiamo osservato un numero elevato di casi, ma conosciamo con sufficiente precisione tanto l’ANALOGIA POSITIVA quanto l’ANALOGIA NEGATIVA dei relativamente pochi casi osservati per cui l’analogia osservata può aiutarci a trarre

16 INDUZIONE E ANALOGIA Sono PROCESSI FALLIBILI: procedere sulla base di essi comporta la rinuncia alla CERTEZZA propria della DEDUZIONE. Quella che possiamo chiamare la LOGICA DELLA SCOPERTA ammette dunque il carattere strutturale e ineliminabile della INCERTEZZA e cerca di costruire su di esso. Questa logica, pertanto, riconosce l’illusorietà dell’obiettivo di acquisire una certezza assoluta e lo sostituisce con quello di disporre di strumenti per l’estensione della nostra conoscenza fallibili ma corredati di PROCEDURE DI CONTROLLO che consentano di riconoscere le anomalie e di correggerle.

17 Previsione delle conseguenze
Processi balistici e non balistici: U.Neissen Processi non balistici Processi balistici Processi creativi Sequenze di percezione e azione Espressione del pensiero critico Processi automatici di azione-reazione Capacità di affrontare i breakdown Memoria conseguenze passate Previsione delle conseguenze Catena di riflessi nel sistema motorio centrale Sequenze memorizzate e riprodotte senza pensiero critico

18 Dai processi balistici a quelli non balistici
Attività Parametro di valutazione Specificità Apprendimento e trasferibilità Esempi Processi non balistici 4 Pensiero critico Capacità Costruzione di soluzioni Creazione di nuovi contesti Apprendimento e trasferimento per processi astrattivi Costruzione di modelli, interpretazione di fenomeni L E G O 3 Percezione e Azione Competenza Know how Catene circolari di percezione  azione previsione  percezione  … Apprendimento specifico e contestualizzato Trasferibilità parziale (capacità previsionali in altre situazioni) Portiere davanti al rigore Processi da “buon venditore” 2 Sequenze balistiche concatenate Abilità Skill Attivazione di catene di azioni riflesse senza pensiero critico Guidato dall’apprendimento Non trasferibili da un contesto a un altro Guida auto Inserimento ordine Iter amministrativo PROCESSI BALISTICI 1 Processi automatici Esecuzione Performance Meccanismi di Azione-reazione (Principi selettivi) Non c’è né apprendimento né trasferibilità, ma solo rafforzamento Reazione a stimolo luminoso o sonoro Timbratura cartellino

19 Dai processi balistici a quelli non balistici
Attività Parametro di valutazione Conoscenze Esempi 4 Pensiero critico Capacità Complesse e difficilmente formalizzabili Costruzione di modelli, interpretazione di fenomeni, simulazioni, Gestione progetti complessi 3 Percezione e Azione Competenza Know how Articolate Conoscenza e supporto prodotti Tecniche di projct mgmt Processi da “buon venditore” 2 Sequenze concatenate di processi automatici Abilità Skill (semplici) Inserimento ordine Iter amministrativo standard 1 Processi automatici Esecuzione Performance (elementari) Timbratura cartellino Controllo stato manutenzione Fonte : Silvano Tagliagambe TED 2002

20 Conoscenze collettive Conoscenze individuali
Le diverse fasi dell’apprendimento Conoscenze tacite Conoscenze esplicite Gruppi lavoro Lezioni tradizionali Esternalizzazione Formalizzazione Modellazione Verbalizzazione Rappresentazione Estensione Networking Communities Arricchimento delle conoscenze Conoscenze collettive Studio tradizionale Socializzazione Combinazione Simulazione Osservazione Imitazione Pratica Condivisione Condivisione esperienze Learning by doing Conoscenze individuali Interiorizzazione Fonte Elab CCP da Ikujiro Nonaka A Dynamic Theory of Organizational Knowledge Creation; ‘Organization Science’

21 Conoscenze collettive Conoscenze individuali
Elementi didattici e tecnologie per l’apprendimento Conoscenze tacite Conoscenze esplicite Gruppi lavoro Lezioni tradizionali Micro eventi (on-line) partecipati Eventi, lezioni live Utilizzo di : Videoconferenze Chat, Forum Conoscenze collettive Creazione di : Corsi - Broadcast live Contributi multimediali Newsletter Studio tradizionale Corsi off-line ricerche online Ambienti ad personam Conoscenze individuali Fruizione di : Corsi, Learning Object Digital Asset Utilizzo di : Piattaforma e-learning Profiling Fonte Elab CCP da Ikujiro Nonaka A Dynamic Theory of Organizational Knowledge Creation; ‘Organization Science’

22 PBL- PROBLEM BASED LEARNING
Dimensione operativa della conoscenza Spostare l’attenzione da concetti e nozioni  a problemi, schemi d’azione e comportamenti      STILE INDUTTIVO P1 TT Tentativo teorico di soluzione Problema Procedura di individuazione ed eliminazione dell’errore Da dati certi e inoppugnabili  procedimento induttivo  generalizzazioni induttive  leggi EE Processo nella soluzione dei problemi Problema più avanzato P2 La conoscenza non come apprendimento di regole e concetti ma come risultato di una costruzione collettiva la cui efficacia è data dalla partecipazione a questo processo

23 Il cuore di un’ambiente di apprendimento costruttivista sono:
3. GLI AMBIENTI FAVOREVOLI ALL’APPRENDIMENTO DELLE COMPETENZE SCIENTIFICHE. Il cuore di un’ambiente di apprendimento costruttivista sono: I PROBLEMI E I PROGETTI Destrutturati, non a soluzione unica, autentici

24 PBL- PROBLEM BASED LEARNING
Dimensione operativa della conoscenza Spostare l’attenzione da DEFINIZIONI e NOZIONI  ALLA CAPACITà DI INQUADRARE E RISOLVERE PROBLEMI, a schemi d’azione e comportamenti      STILE INDUTTIVO P1 TT Tentativo teorico di soluzione Problema Procedura di individuazione ed eliminazione dell’errore Da dati certi e inoppugnabili  procedimento induttivo  generalizzazioni induttive  leggi EE Processo nella soluzione dei problemi Problema più avanzato P2 La conoscenza non come apprendimento di regole e concetti ma come risultato di una costruzione collettiva la cui efficacia è data dalla partecipazione a questo processo

25 L’Apprendimento SIGNIFICATIVO
In un ambiente COSTRUTTIVISTICO l’apprendimento deve essere: attivo; collaborativo; conversazionale; riflessivo; contestualizzato; intenzionale; costruttivo.

26 D’APPRENDIMENTO COSTRUTTIVISTICO
                            JONASSEN: L’ AMBIENTE                   D’APPRENDIMENTO COSTRUTTIVISTICO Un AMBIENTE COSTRUTTIVISTICO deve:   dare enfasi alla costruzione della conoscenza e non alla       sua riproduzione;  evitare eccessive semplificazioni nel rappresentare la       complessità delle situazioni reali;  presentare compiti autentici (contestualizzare piuttosto       che astrarre); offrire ambienti d’apprendimento derivati dal mondo    reale, basati su casi, piuttosto che sequenze istruttive        predeterminate;    offrire rappresentazioni multiple della realtà;    favorire la riflessione e il ragionamento;  permettere costruzioni di conoscenze dipendenti dal        contesto e dal contenuto;  favorire la costruzione cooperativa della conoscenza,        attraverso la collaborazione con altri.

27 Ambiente di apprendimento

28 Ambiente di Apprendimento
Jonassen 99 rev. Zecchi 05

29 CHE COS’È UNA TEORIA SCIENTIFICA
Una teoria scientifica è un modello o un insieme di modelli che spiegano i dati osservativi a disposizione, e che offrono predizioni che possono essere verificate. Nella scienza, una teoria non può essere mai completamente provata, perché non é possibile assumere che conosciamo tutto ciò che c’è da conoscere (compresi eventuali elementi che potrebbero confutare la teoria). Invece, le teorie che spiegano le osservazioni vengono accettate finché un'altra osservazione non è in disaccordo con esse. In tal caso, la teoria incriminata viene eliminata del tutto oppure, se possibile, cambiata leggermente per poter comprendere l'osservazione. Esempi di teorie che sono state rigettate sono l'evoluzione Lamarkiana e la teoria geocentrica dell'Universo. Le osservazioni sono state sufficienti per dichiararle false, e teorie migliori hanno preso il loro posto.

30 Concezione linguistica
La centralità del rapporto tra Problemi, Casi correlati, Strumenti cognitivi e Risorse per l’informazione emerge con la CONCEZIONE STRUTTURALISTICA delle teorie scientifiche Concezione linguistica Concezione strutturalistica

31 La concezione strutturalistica delle teorie scientifiche
Le mappe come metafora della concezione strutturalistica

32 La concezione strutturalistica delle teorie scientifiche
Fu Carnap a suggerire nella sua opera Costruzione logica del mondo, del 1928, una metafora alternativa: La mappa come modello delle proprietà strutturali Rappresentazione topologica (non le distanze ma le disposizioni e le relazioni) Confronto di rappresentazione del contesto tra più teorie: Complesso di relazioni presenti nelle diverse teorie Diverse rappresentazioni cartografiche interrelate tra loro e sui diversi aspetti della stessa realtà

33 La concezione strutturalistica delle teorie scientifiche
Critica alla: isolabilità e neutralità dei dati osservativi e degli enunciati che li esprimono e alla indipendenza da presupposti teorici Gli oggetti da osservare sono dati e riconoscibili solo unitamente alle relazioni con altri oggetti Le teorie servono per: Dare ordine e regolarità a un complesso di dati Organizzare un campo di fenomeni in una struttura relazionale Regole di proiezione Rilevazione sul campo Toulmin e Hanson 1971

34 L’organizzazione della figura
La concezione strutturalistica delle teorie scientifiche Hanson 1958 : critica a Berkeley Analisi delle figure ambigue Cosa cambia nelle diverse letture dell’immagine? L’organizzazione della figura Ovvero Il complesso delle relazioni che collegano gli elementi e quindi l’interpretazione di questi ultimi L’organizzazione di una figura non è qualcosa che venga registrato sulla retina assieme ad altri particolari La struttura della figura emerge nell’atto del vederla (retroazione dei processi secondari sui processi primari)

35 La concezione strutturalistica delle teorie scientifiche
Tessuto Musica Dipinto Il suono (le note) Il colore Il filo La disposizione La composizione La distribuzione analogamente La visione di un tubo a raggi X e l’interpretazione dell’oggetto sono due componenti inscindibili

36 La concezione strutturalistica delle teorie scientifiche
Visione entro un contesto che ne determina il modo di lettura Non limitarsi allo specifico contesto ma valutare possibili alternative Aggiungere interpretazioni Non possono essere applicate nozioni di verità, probabilità, falsificazione ma solo di efficienza dell’ordine e regolarità Una teoria non è una scatola nera Osservazioni input Osservazioni output Le teorie coincidono con l’ordine e la struttura stessa dei fenomeni

37 ESEMPIO DELL’INCIDENZA DEL CONTESTO

38 ESEMPIO DELL’INCIDENZA DEL CONTESTO

39 LE COMPONENTI DI UNA TEORIA SCIENTIFICA
Le generalizzazioni simboliche Gli esemplari Esempi standard di problemi risolti (dimestichezza con il linguaggio e conoscenza della natura) Stimolo per la scoperta Forme schematiche la cui espressione simbolica cambia da applicazione ad applicazione Applicazione 3 Relazioni di somiglianza Applicazione 2 Applicazione 1

40 Le generalizzazioni simboliche Gli esemplari
LE COMPONENTI DI UNA TEORIA SCIENTIFICA:ESEMPI Le generalizzazioni simboliche Gli esemplari Applicazione al sistema solare F = ma Applicazione al Sole e alla Terra Predicato: x è una meccanica classica  Applicazione alla Terra e alla Luna Un oggetto x è una meccanica classica delle particelle in caso di presenza di: 3 funzioni: f(forza) m(massa) p(posizione) 2 insiemi : I (insieme delle particelle) t (intervallo di tempo) e ovviamente la relazione f=ma x è così una struttura determinata Relazioni di somiglianza Applicazione Legge di Coulomb nel campo elettrico F=k q1 q2 r2 Legge di gravitazione universale F = G m1 m2 r2 Sneed 1971 The logical structure of Mathematical Phisics

41 La modellistica matematica
Problema reale Modello matematico Analisi qualitativa Risoluzione al calcolatore Algoritmi Modellistica numerica

42 La Modellistica Matematica
Con il termine modellistica matematica si intende dunque il processo che si sviluppa attraverso l'interpretazione di un determinato problema, la rappresentazione dello stesso problema mediante il linguaggio e le equazioni della matematica, l'analisi di tali equazioni, nonché l'individuazione di metodi di simulazione numerica idonei ad approssimarle, e infine, I'implementazione di tali metodi su calcolatore tramite opportuni algoritmi. Qualunque ne sia la motivazione, grazie alla modellistica matematica un problema del mondo reale viene trasferito dall'unverso che gli è proprio in iin altro habitat in cui può essere analizzato più convenientemente, risolto per via numerica,indi ricondotto al suo ambito originario previa visualizzazione e interpretazione dei risultati ottenuti.

43 Rapporto tra il Modello Matematico e la Realtà
Il modello non esprime necessariamente l'intima e reale essenza del problema (la realtà è spesso così complessa da non lasciarsi rappresentare in modo esaustivo con formule matematiche), ma deve fornirne una SINTESI UTILE. La matematica aiuta a vedere e a capire la natura intrinseca di un problema, a determinare quali caratteristiche sono rilevanti e quali non lo sono, e, di conseguenza, a sviluppare una rappresentazione che contiene l'essenza del problema stesso.Una caratteristica della sfera d'indagine matematica presente in questo processo è l'ASTRAZIONE, ovvero la capacità di identificare caratteristiche comuni in campi differenti, così che idee generali possano essere elaborate a priori e applicate di conseguenza a situazioni fra loro assai diverse.

44 Carattere interdisciplinare della modellistica matematica
La presenza di laboratori sperimentali e di gallerie del vento, di specialisti nell’analisi teorica, nell’informatica e nelle scienze fondamentali, quali la fisica e la chimica, e nei settori più spiccatamente tecnologici, e anche nell’architettura, nella grafica avanzata e nel design, è l’elemento distintivo di una CULTURA POLITECNICA e può fungere da elemento catalizzatore e propulsivo di una DISCIPLINA INTERSETTORIALE quale è la modellistica matematica.

45 La Modellistica Numerica/1
L'obiettivo primario per un matematico applicato è la risoluzione effettiva del problema. I problemi matematici formulati nell'ambito della modellistica non sono quasi mai risolubili per via analitica. I teoremi dell'analisi matematica e della geometria, seppur fondamentali per stabilire se il problema sia "ben posto" o meno, assai raramente hanno natura costruttiva atta a indicare un processo di rappresentazione esplicita della soluzione. E’ pertanto necessario sviluppare METODOLOGIE DI APPROSSIMAZIONE che, in ogni circostanza, conducano ad algoritmi che rendano possibile la risoluzione su calcolatore. Il compito di trasformare una procedura matematica in un programma di calcolo corretto richiede attenzione alla struttura, efficienza, accuratezza e affidabilità.

46 La Modellistica Numerica/2
La scelta di un metodo numerico non può prescindere da una conoscenza adeguata delle proprietà qualitative della soluzione del modello matematico, del suo comportamento rispetto alle variabili spaziali e temporali, delle sue proprietà di regolarità e stabilità. E’ pertanto giustificato l'uso del termine MODELLISTICA NUMERICA che generalmente si adotta a tale riguardo. Essa è una SCIENZA INTERDISCIPLINARE, che si trova alla confluenza di vari settori, quali la matematica, l'informatica e le scienze applicate e richiede, appunto, INTERMEDIAZIONE tra tutti questi settori.

47 Interazioni fra mondo reale e modellistica
Pre-processing Post-processing e validazione Modellistica matematica Modellistica numerica

48 Interazioni fra mondo reale e modellistica
Intrinseco al concetto di modello numerico vi è quello di approssimazione, e dunque di errore. La modellistica numerica mira a garantire che l'errore sia piccolo e controllabile e a sviluppare algoritmi di risoluzione efficienti. La controllabilità è un requisito cruciale per un modello numerico: l'analisi numerica fornisce stime dell'errore che garantiscano che esso stia al di sotto di una soglia di precisione fissata a priori (la ben nota tolleranza percentuale accettabile dall'ingegnere). A tale scopo vengono progettati algoritmi adattivi, i quali, adottando una procedura di feedback a partire dai risultati già ottenuti, modificano i parametri della discretizzazione numerica e migliorano la qualità della soluzione. Ciò è reso possibile dalla analisi a posteriori (quella basata sulla conoscenza del residuo della soluzione calcolata), uno strumento supplementare di cui può giovarsi la modellistica numerica.

49 Analisi fenomenologica
Analisi preliminare Pre-processing Analisi sperimentale Avan-progetto Analisi fenomenologica CAD Modello geometrico Analisi di dati Modellistica matematica

50 Analisi preliminare/1 A monte, i modelli matematici traggono linfa vitale dall'analisi fenomenologica e sperimentale. Le equazioni sono sempre ispirate da leggi fisiche fondamentali, quali le condizioni di equilibrio nella statica, o la conservazione della massa, dell'energia e del momento nella dinamica dei mezzi continui. In tali equazioni, gli aspetti inerenti la reologia dei materiali, l'individuazione delle condizioni al contorno, nonché la determinazione dimensionale dei coefficienti e dei parametri caratteristici, sono fornite dall'analisi ingegneristica.

51 Analisi preliminare/2 Ulteriore elemento distintivo dell'analisi preliminare è, in molti casi, la costruzione di un modello geometrico, ovvero la rappresentazione, attraverso modellatori solidi o strumenti di CAD, della regione tridimensionale entro cui le equazioni andranno risolte. Si pensi, per esempio, alla complessità del modello geometrico necessario a rappresentare un aereo in configurazione completa, partendo da un design preliminare, prima di intraprenderne la simulazione numerica.

52 Dal design preliminare alla simulazione numerica
CAD Design preliminare Simulazione numerica

53 i casi test sperimentali Modellistica matematica
Analisi a posteriori Post - processing Visualizzazione e analisi dei risultati Confronto con i casi test sperimentali Modellistica matematica

54 Analisi a posteriori A valle del processo, la complessità dei risultati numerici ottenuti da un modello rende necessaria una loro analisi in forma logicamente organizzata, e una verifica alla luce delle prove sperimentali disponibili, ma, soprattutto, dell'intuizione dell'ingegnere. Quest'analisi retroattiva può, a sua volta, innescare un processo iterativo di modifica del modello (nelle equazioni e/o nei parametri che lo definiscono), sino a quando i risultati ottenuti su una classe significativa di casi di studio non siano ritenuti soddisfacenti da chi ha posto il problema.

55 Progettazione aerodinamica Analisi delle prestazioni
Dall’avan-progetto al progetto Progettazione aerodinamica Settore aeronautico/automobilistico Avan-progetto CAD Galleria del vento Modelli numerici uso complementare no Forma accettabile ? Analisi delle prestazioni si Progetto requisiti

56 SIMULAZIONE Per simulazione si intende un modello della realtà che consente di valutare e prevedere lo svolgersi dinamico di una serie di eventi susseguenti all'imposizione di certe condizioni da parte dell'analista o dell'utente. Un simulatore di volo, ad esempio, consente di prevedere il comportamento dell'aeromobile a fronte delle sue caratteristiche e dei comandi del pilota.Le simulazioni sono uno strumento sperimentale molto potente e si avvalgono delle possibilità di calcolo offerte dall'informatica; la simulazione, infatti, non è altro che la trasposizione in termini logico-matematica-procedurali di un "modello concettuale" della realtà; tale modello concettuale può essere definito come l'insieme di processi che hanno luogo nel sistema valutato e il cui insieme permette di comprendere le logiche di funzionamento del sistema stesso.

57 SIMULAZIONE: ESEMPIO

58 Che cos’è la Realtà Virtuale ?
Il termine Realtà Virtuale nasce nel 1988, in un’intervista a Jaron Lanier “A Portrait of the Young Visionary”. Lanier: “La VR è una tecnologia usata per SINTETIZZARE UNA REALTÀ CONDIVISA. Ricrea la nostra relazione con il mondo fisico in un nuovo piano. Non influisce sul mondo soggettivo e non ha niente a che fare direttamente con ciò che è nel cervello. Ha a che fare solo con cosa i nostri organi sensoriali percepiscono. Nella VR non c’è bisogno di una singola metafora, come accade per il computer. Siamo abituati a cambiare contesto nella vita reale: è normale comportarsi diversamente in luoghi diversi.”

59 Che cos’è la Realtà Virtuale ?
La Realtà Virtuale (VR) è “faticosamente” definibile… Dickelman: Un AMBIENTE GENERATO DAL COMPUTER CHE SIMULA LA REALTÀ in modo che i sensi lo possano percepire. Withrow: UN’INTERFACCIA UMANO-COMPUTER in cui un computer crea un ambiente immersivo che risponde interattivamente ed è controllato dal comportamento dell’utente. umsebiz.com: Una SIMULAZIONE INFORMATICA TRIDIMENSIONALE che risponde così realisticamente agli input da far sembrare di vivere in un altro mondo. Mavericks of the mind: Una TECNOLOGIA INTERATTIVA che controlla totalmente gli input sensoriali e crea la convincente illusione di essere completamente immersi in un mondo generato dal computer.

60 Che cos’è la Realtà Virtuale ?
Interazione Immersività Computer Presenza Simulazione Sensi Utente Ambiente

61 Il Cyberspazio Da tempo la fantascienza aveva intuito le potenzialità degli strumenti della VR. Ma la VR non era ancora nata… Uno dei padri morali della VR è considerato Philip K. Dick, con UBIK (1969). La VR è creata direttamente con stimo-lazioni sensoriali su corpi in animazione sospesa. Nel 1984 Gibson scrive Neuromancer e introduce il Cyberspace, l’insieme delle informazioni di una rete di computer. Oggi comunemente si definisce Cyberspazio il Virtual Environment (VE) che Internet crea con tutti i servizi e le informazioni da esso fornite.

62 Applicazioni: architettura
Fare in modo che gli utenti possano esplorare in tempo reale una scena 3D che rappresenta un ambiente architettonico. Valutare gli spazi, l’illuminazione, i materiali, l’acustica. Usare la VR come tool di modellazione per analizzare gli spazi “dall’interno” e valutare differenti scelte di progetto.

63 Applicazioni: arte Ricostruire opere d’arte o ambienti artistici che il tempo ha deteriorato o distrutto per permetterne la conservazione. Permettere l’accesso del pubblico a monumenti che non possono normalmente essere visitati. Fornire assistenza per azioni di restauro. La VR stessa può essere usata per creare opere d’arte.

64 Applicazioni: istruzione
E’ possibile apprendere nuovi concetti in maniera interattiva, cosa che facilita l’apprendimento e lo rende più efficace. La VR è una tecnologia di grande impatto ed è dunque per sua natura più stimolante e coin volgente. Costituisce uno strumento di supporto per gli insegnanti. L’insegnamento a distanza è realisticamente realizzabile.

65 Applicazioni: addestramento
Tramite l’uso di simulatori la VR consente di addestrare personale per ridurre i rischi dovuti all’addestramento reale svolto in condizioni pericolose (soldati, piloti, chirurghi etc.) Permette di simulare condizioni di rischio non riproducibili nella realtà. Riduce i costi potendo simulare più piattaforme diverse con poche modifiche.

66 Applicazioni: medicina
E’ possibile simulare un’operazione chirurgica non solo a fini di addestramento, ma anche per pianificare un’operazione reale sulla base dei dati fisicamente rilevati sul paziente. Oltre che per la chirurgia, è possibile addestrare i medici sulla palpazione dei tessuti, l’inserzione di aghi, etc. E’ uno strumento utilissimo per la riabilitazione e per trattare particolari sindromi di fobia e panico.

67 Applicazioni: industria
La modellazione CAD evolve in Virtual Prototyping (VP). La VP consente di ridurre i costi di dei prototipi facendo eseguire verifiche in sede virtuale prima della costruzione fisica. Consente inoltre progetta-zione e verifica collaborativa. E’ possibile simulare i processi e linee produttive e individuarne tempestivamente i possibili problemi. VR come strumento di marketing per presentazioni.

68 Applicazioni: intrattenimento
Uno dei più redditizi campi applicativi è l’intrattenimento. L’industria videoludica ha dato un’enorme spinta tecnologica che ha prodotto aumenti di performance e riduzione dei costi. I simulatori, oltre che utili per il training, sono strumenti di intrattenimento molto attraenti. La VR e il suo “indotto” sono efficaci mezzi e affascinanti temi per il cinema.

69 VR & VideoGames (VG)

70 VR e Cinema RIVELAZIONI (1995, Barry Levinson)

71 VR e Cinema NIRVANA (1997, Gabriele Salvatores)

72 VR e Cinema MATRIX (1999, Wachoski Bros.)

73 Sfide per il futuro Naturalezza dell’interazione: Piena e corretta interpretazione delle azioni: sensori, speech recognition. REALISMO DELLE RAPPRESENTAZIONI: Ritorno realistico su tutti i canali sensoriali e motori. In particolare affrontare le problematiche di: Tatto: utilizzo di interfacce indossabili che forniscano sensazioni tattili; Movimento: interfacce per la locomozione; Olfatto: analizzatore e sintetizzatore olfattivo; Stimolazione nervosa diretta. Eccitante ma disturbante.

74 REALTA’ VIRTUALE E REALTA’ AUMENTATA
La REALTA’ VIRTUALE (VR) mira a presentarsi come un DOPPIO del mondo reale o una sua ALTERNATIVA; la REALTA’ AUMENTATA (AR) mira invece ad ARRICCHIRE la realtà di INFORMAZIONI utili per l'espletamento di compiti complessi.

75 Esempio di biopsia guidata da un sistema AR che mette in evidenza il profilo ecografico

76 Esempio di sovrapposizione di informazioni 3D ricavate da una risonanza magnetica per applicazioni in chirurgia ortopedica.

77 Il chirurgo prova un sistema di AR applicabile ad interventi in laparoscopia.

78 In rosso è evidente l'immagine di sintesi sovraimpessa a quella reale dal sistema di AR. L'immagine 3D può essere generata da vari strumenti diagnostici (ecografie 3D, TAC, RMN) e in taluni casi anche aggiornata in tempo reale.


79 Il fenomeno Rete è l’insieme combinato di :
  LA RETE Il fenomeno Rete è l’insieme combinato di : Tecnologia (strutture, topologie, sistemi di relazione,    supporti fisici, logici, software, protocolli, standard…)  Modelli (astrazione e relative rilevanze concettuali) L’ambiente (sistemi di relazione presenti : sociali,    organizzativi, comportamenti individuali e collettivi:    communities, privacy, riservatezza, identità, business, … )

80 Ruolo della RETE Infrastrutture Modello del mondo e della realtà
Ambiente Nuovi tipi di gruppi Nuove modalità creazione soggetti collettivi

81 Cosa succede al concetto di Rete?
La Rete come… Ambiente Modalità di formazione di nuove comunità Modello Modelli di interazione, topologie, gerarchie … Infrastruttura Tecnologie, servizi , applicazioni …

82 La rete globale della ricerca

83 La Rete GARR RETI INDISPENSABILI PER IMPLEMENTARE:
AMBIENTI DI APPRENDIMENTO; COMUNITA’ DI APPRENDIMENTO

84 PROBLEMA CRUCIALE Quale ORGANIZZAZIONE SCOLASTICA, quale MODELLO DI EROGAZIONE DEI SAPERI e quale forma di RAPPRESENTAZIONE DELLA CONOSCENZA risultano funzionali al MODELLO A RETE e alla piena affermazione della sua efficacia?

85 SCUOLA COME CAPITALE SOCIALE e RELAZIONALE
Assumere la scuola come risorsa e come capitale sociale significa affermare che l’insegnamento/apprendimento è una delle fonti primarie di struttura e di organizzazione sociale, di costituzione di una COMUNITA’ DI SAPERE E DI PRATICA.

86 Soggetti collettivi : comunità e relazioni
Comunità di Partecipazione Comunità di Sapere e di Pratica Istanza di partecipazione Scambio di opinioni ed esperienze Sono caratterizzate da: Impegno reciproco; Impresa comune; Repertorio comune e sfondo condiviso Dimensione partecipativa Soggetto A Comunità di Interesse Completezza archivi Facilità di accesso Velocità di consultazione Dimensione informativa

87 SCUOLA COME CAPITALE SOCIALE E RELAZIONALE
Entrare a far parte di una COMUNITA’ DI SAPERE E DI PRATICA e contribuire ad arricchirla significa non solo entrare nella sua CONFIGURAZIONE INTERNA, ma anche nel sistema di RELAZIONI CHE ESSA INTRATTIENE CON L’AMBIENTE ESTERNO E CON IL RESTO DEL MONDO. Le comunità di sapere e di pratica sono sia FONTI DI CONFINI, sia CONTESTI PER LA CREAZIONE DI CONNESSIONI A VASTO RAGGIO.

88 COMUNITA’ DI SAPERE E DI PRATICA E INTERMEDIAZIONE
Lo strumento di supporto delle relazioni tra un comunità di sapere e di pratica e l’ambiente esterno è l’INTERMEDIAZIONE, un’attività complessa che esige la capacità di legare i saperi e le pratiche, facilitando le TRANSAZIONI e i PASSAGGI tra essi e di promuovere un apprendimento capace di introdurre in un sapere e in una pratica elementi di altri saperi e di altre pratiche.

89 COMUNITA’ DI SAPERE E DI PRATICA E INTERMEDIAZIONE
La rilevanza e la funzionalità delle comunità di sapere e di pratica non viene perciò attenuata, ma viene al contrario arricchita e potenziata dalla formazione di configurazioni sempre più vaste.

90 APPRENDIMENTO, COMPETENZE E PRATICHE
L’apprendimento soffre sia quando l’esperienza pratica e la competenza sono TROPPO VICINI, sia quando sono TROPPO DISTANTI. Poiché crea una TENSIONE tra esperienza pratica e competenza, L’ATTRAVERSAMENTO DEI CONFINI delle comunità di sapere e di pratica è un processo, attraverso il quale l’apprendimento viene potenzialmente favorito, a patto che la distanza con il sapere e la pratica di partenza non sia eccessiva.

91 La conoscenza è dinamica e incompleta
Dall’intersoggettività all’intelligenza connettiva      La conoscenza è dinamica e incompleta Sviluppo delle alternative Accordarsi sulle premesse per la selezione Ragionamento distribuito e ruolo della comunicazione Il pensiero come forma di connessione tra persone e gruppi Sviluppo di teorie sistemiche per sistemi multiagente le quali prevedono la possibilità, da parte di ciascun agente, di ragionare sulle proprie conoscenze e su quelle altrui, e permettono l’identificazione di conoscenze distribuite (distribuited knowledge) o condivise da un gruppo di agenti (common knowledge)

92 Intelligenza distribuita
L’intelligenza distribuita e la swarm intelligence Swarm phoenomena Teoria dei Sistemi e sistemi a Rete Intelligenza distribuita Web Sistemi viventi Sistemi cognitivi

93 L’intelligenza distribuita e la swarm intelligence
   Il modello di intelligenza distribuita è caratterizzato da: Assenza di una cabina di regia Ruolo della quantità dei messaggi e delle interazioni tra i componenti Kaufmann e i sistemi complessi Swarm intelligence: Insetti, stormi di uccelli, branchi di mammiferi Periodo di incubazione prolungato (diffusione e link dei nodi), dopo il quale si ha un’impennata nella crescita dell’intelligenza del sistema Flussi energetici, di materia e informativi Reti patchwork : cooperative, eterogenee e distribuite

94 DAL COGNITIVISMO AL COSTRUZIONISMO
                                      1 Il senso di questo passaggio può essere illustrato attraverso un proverbio africano citato e fatto proprio da Samuel Papert, l’inventore del Logo. Il proverbio è il seguente: “Se un uomo ha fame gli puoi dare un pesce, ma meglio ancora è dargli una lenza e insegnargli a pescare". A esso Papert aggiunge, di suo, la seguente considerazione: “Naturalmente, oltre ad avere conoscenze sulla pesca, è necessario anche disporre di buone lenze, ed è per questo che abbiamo bisogno di computer e di sapere dove si trovano le acque più ricche...".

95 DAL COGNITIVISMO AL COSTRUZIONISMO/2
                                       Questa metafora ha il pregio di costituire un’efficace integrazione tra esigenze teoriche e istanze che emergono dal mondo delle pratiche e delle tecnologie. Raccoglie pienamente ed esprime con semplicità l’idea di coevoluzione, basata sul presupposto che l'ambiente non sia una struttura imposta agli esseri viventi dall'esterno, ma sia in realtà uno “sfondo” alla cui costituzione e precisazione essi danno un contributo fondamentale, in quanto i loro sistemi nervosi centrali e i loro schemi percettivi e cognitivi non sono adattati a leggi naturali assolute, ma piuttosto a leggi naturali che operano in una struttura condizionata dalla loro stessa attività sensoria.

96 DAL COGNITIVISMO AL COSTRUZIONISMO/3
Pone al centro dell’attenzione non l’azione di sfamare e il soggetto che la compie, ma chi deve essere sfamato e la necessità di fornire a esso le risorse e gli strumenti per poter appagare i suoi bisogni non soltanto qui e ora, in questa specifica contingenza, ma anche in futuro e, possibilmente, per tutto l’arco della sua vita. Detto in termini più precisi e più rispondenti allo spirito del proverbio, sposta l’attenzione dai due soggetti implicati (chi dà e chi riceve) al processo di relazione interpersonale e di cooperazione tra di essi.

97 DAL COGNITIVISMO AL COSTRUZIONISMO/4
A questa prima “mossa” teorica essenziale Papert aggiunge, come corollario indispensabile, il riferimento imprescindibile alla conoscenza (sapere il più possibile non solo sull’attività della pesca, in modo da diventare il più possibile competenti in relazione a questa pratica, ma anche sull’ambiente naturale nel quale essa si deve esercitare, così da riuscire a localizzare le acque più ricche) e agli strumenti di cui occorre dotarsi (le buone lenze).

98 IL MODELLO DELL’APPRENDISTATO COGNITIVO
Proposto da Allan Collins, da John Seely Brown e da Susan Newman e poi ripreso e sviluppato da Jonassen all’interno della sua teoria degli ambienti d’apprendimento di matrice costruttivistica. Come l’apprendistato tradizionale, quello pratico, l’apprendistato cognitivo si basa su tre momenti successivi: 1. osservazione 2. strutturazione 3. crescente capacità pratica

99 DIFFERENZE TRA APPRENDISTATO COGNITIVO E                 APPRENDISTATO TRADIZIONALE
L’ Apprendistato Cognitivo mira a rafforzare la capacità di apprendere ad apprendere, quello che Bateson chiama “deutero-apprendimento”, concentrando quindi la propria attenzione soprattutto sui processi e sulle competenze metacognitive. A tal scopo l'esperto si pone, come obiettivo prioritario, quello di modellare e strutturare l'attività percettiva del principiante, proponendogli situazioni nelle quali quest’ultimo possa trarre dall’ osservazione del comportamento complessivo di chi lo guida non solo raffronti rispetto al proprio modo di affrontare e risolvere i problemi che gli vengono proposti, ma anche immediate valutazioni sull’efficacia delle soluzioni che sta mettendo in atto

100 DALL’APPRENDISTATO TRADIZIONALE A QUELLO COGNITIVO
                                                      1 Dall'apprendistato tradizionale quello cognitivo mutua le quattro fasi fondamentali per promuovere la competenza esperta: l’apprendista osserva prima il maestro che mostra come fare e poi      lo imita (modelling); il maestro assiste di continuo il principiante, ne agevola il lavoro,    interviene secondo le necessità, dirige l’attenzione su un aspetto,      fornisce feedback (coaching): il maestro fornisce un sostegno in termini di stimoli e di risorse, pre-    imposta il lavoro (scaffolding); il maestro diminuisce progressivamente il supporto fornito per   lasciare via via maggiore autonomia e un crescente spazio di       responsabilità a chi apprende (fading).

101 A queste strategie di base se ne affiancano anche altre quali:
DALL’APPRENDISTATO TRADIZIONALE A QUELLO COGNITIVO                                                       2 A queste strategie di base se ne affiancano anche altre quali: l’ articolazione (si incoraggiano gli studenti a verbalizzare la loro      esperienza); la riflessione (li si induce a confrontare i propri problemi con       quelli di un esperto); l’ esplorazione (li si spinge a porre e risolvere problemi in forma      nuova).

102 LE FUNZIONI DELL’INSEGNANTE
LIVELLI RUOLO DOMANDA MODALITA’ IDENTITA’ SPONSOR CHI Riconoscimento Individuale VALORI MENTOR PERCHE’ ISPIRARE CAPACITA’ DOCENTE COME STIMOLARE BEHAVIOR COACH CHE COSA ADDESTRARE AMBIENTE FACILITATORE DOVE, QUANDO GESTIRE ECCEZIONI

103 RINGRAZIAMENTI GRAZIE DELL’ATTENZIONE!