La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

1 Il Successo Formativo e lApprendimento, principale fattore di Qualità di una scuola. Nuovi approcci teorici e didattici. SILVANO TAGLIAGAMBE PALERMO-

Presentazioni simili


Presentazione sul tema: "1 Il Successo Formativo e lApprendimento, principale fattore di Qualità di una scuola. Nuovi approcci teorici e didattici. SILVANO TAGLIAGAMBE PALERMO-"— Transcript della presentazione:

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

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

3 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: uninterazione 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. Cè una risonanza tra i diversi livelli che si autorafforza.

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

5 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 6 ASTRAZIONE SI PRESENTA SOTTO DIVERSE FORME E TIPOLOGIE: PER ESTRAZIONE; PER SOPPRESSIONE; PER IBRIDAZIONE; PER SPOSTAMENTO DELLATTENZIONE

7 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 unINSTABILITA, 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 8 SPOSTAMENTO DELLATTENZIONE Prima della creazione del calcolo infinitesimale, ci si concentrava solo sugli ASPETTI GEOMETRICI del problema di calcolare larea di una curva, e di conseguenza si riusciva a risolverlo solo a costo di una notevole ingegnosità. Dopo linvenzione del calcolo, spostando lattenziione sugli aspetti ALGEBRICI del problema, la curva venne considerata unequazione e si poté RISOLVERE IL PROBLEMA CON UN PROCEDIMENTO DI ROUTINE e quasi meccanico.

9 9 DEDUZIONE/1 E l inferenza in cui un parlante sostiene che la conclusione segue necessariamente dalle premesse. Detto in termini pi ù 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 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 pi ù efficaci di cui possiamo disporre per cercare di controllare la validit à del ragionamento di un agente qualsiasi e i risultati da lui ottenuti, anche se i fondamentali risultati conseguiti a partire dal 1930 da G ö del, Church e Turing hanno posto limiti ben precisi a questa possibilit à.

11 11 ABDUZIONE 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 12 INDUZIONE E il processo in base a cui sinferisce dal PARTICOLARE allUNIVERSALE 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 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 14 INFERENZA INDUTTIVA E INFERENZA ANALOGICA Sono connesse tra loro se si considera solo LANALOGIA POSITIVA, ma sono irriducibili luna allaltra se si considera anche lANALOGIA NEGATIVA. In questultimo caso questi due tipi di inferenza risultano essere complementari tra loro e utili in situazioni differenti.

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

16 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 lillusorietà dellobiettivo di acquisire una certezza assoluta e lo sostituisce con quello di disporre di strumenti per lestensione della nostra conoscenza fallibili ma corredati di PROCEDURE DI CONTROLLO che consentano di riconoscere le anomalie e di correggerle.

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

18 18 Dai processi balistici a quelli non balistici Attivit à Parametro di valutazione Specificit à Apprendimento e trasferibilit à Esempi Proces si non balisti ci 4 Pensiero critico Capacit à Costruzione di soluzioni Creazione di nuovi contesti Apprendimento e trasferimento per processi astrattivi Costruzione di modelli, interpretazione di fenomeni LEGOLEGO 3 Percezione e Azione Competenz a Know how Catene circolari di percezione azione previsione percezione … Apprendimento specifico e contestualizzato Trasferibilit à parziale (capacit à previsionali in altre situazioni) Portiere davanti al rigore Processi da buon venditore 2 Sequenze balistiche concatenate Abilit à 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 PROCES SI BALISTI CI 1 Processi automatici Esecuzione Performance Meccanismi di Azione- reazione (Principi selettivi) Non c è n é apprendimento n é trasferibilit à, ma solo rafforzamento Reazione a stimolo luminoso o sonoro Timbratura cartellino

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

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

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

22 22 PBL- PROBLEM BASED LEARNING Dimensione operativa della conoscenza Spostare l attenzione da concetti e nozioni a problemi, schemi d azione e comportamenti Da dati certi e inoppugnabili procedimento induttivo generalizzazioni induttive leggi STILE INDUTTIVO Problema Tentativo teorico di soluzione Procedura di individuazione ed eliminazione dell errore Processo nella soluzione dei problemi P1P1 Problema pi ù avanzato P2P2 TT EE 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 23 Il cuore di unambiente di apprendimento costruttivista sono: I PROBLEMI E I PROGETTI Destrutturati, non a soluzione unica, autentici 3. GLI AMBIENTI FAVOREVOLI ALLAPPRENDIMENTO DELLE COMPETENZE SCIENTIFICHE.

24 24 PBL- PROBLEM BASED LEARNING Dimensione operativa della conoscenza Spostare lattenzione da DEFINIZIONI e NOZIONI ALLA CAPACITà DI INQUADRARE E RISOLVERE PROBLEMI, a schemi dazione e comportamenti Da dati certi e inoppugnabili procedimento induttivo generalizzazioni induttive leggi STILE INDUTTIVO Problema Tentativo teorico di soluzione Procedura di individuazione ed eliminazione dellerrore Processo nella soluzione dei problemi P1P1 Problema più avanzato P2P2 TT EE 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 25 LApprendimento SIGNIFICATIVO In un ambiente COSTRUTTIVISTICO lapprendimento deve essere: attivo; collaborativo; conversazionale; riflessivo; contestualizzato; intenzionale; costruttivo.

26 26 JONASSEN: L AMBIENTE DAPPRENDIMENTO COSTRUTTIVISTICO Un AMBIENTE COSTRUTTIVISTICO deve: dare enfasi alla costruzione della conoscenza e non alla sua riproduzione; evitare eccessive semplificazioni nel rappresentare la complessit à 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 realt à ; 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 27

28 28 Problemi Progetti Strumenti Per la Valutazione Casi Correlati Risorse per la Informazione Strumenti Cognitivi Strumenti Collaborativi Fattori socio ambientali Problemi Progetti Strumenti Per la Valutazione Casi Correlati Risorse per la Informazione Strumenti Cognitivi Strumenti Collaborativi Fattori socio ambientali

29 29 CHE COSÈ 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 cè 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.evoluzione Lamarkianageocentrica

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

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

32 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 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 Toulmin 1968 e Hanson 1971 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

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

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

36 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 dellordine e regolarità Osservazioni input Osservazioni output Una teoria non è una scatola nera Le teorie coincidono con lordine e la struttura stessa dei fenomeni

37 37 ESEMPIO DELLINCIDENZA DEL CONTESTO

38 38 ESEMPIO DELLINCIDENZA DEL CONTESTO

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

40 40 LE COMPONENTI DI UNA TEORIA SCIENTIFICA:ESEMPI Le generalizzazioni simboliche Relazioni di somiglianza Applicazione Legge di Coulomb nel campo elettrico Applicazione al Sole e alla Terra Applicazione alla Terra e alla Luna Gli esemplari F = ma Predicato: x è una meccanica classica 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 F = G m1 m2m1 m2 r2r2 Legge di gravitazione universale Applicazione al sistema solare F=k q1 q2q1 q2 r2r2 Sneed 1971 The logical structure of Mathematical Phisics

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

42 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, nonch é 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 pi ù convenientemente, risolto per via numerica,indi ricondotto al suo ambito originario previa visualizzazione e interpretazione dei risultati ottenuti.

43 43 Rapporto tra il Modello Matematico e la Realt à Il modello non esprime necessariamente l'intima e reale essenza del problema (la realt à è spesso cos ì 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 capacit à di identificare caratteristiche comuni in campi differenti, cos ì che idee generali possano essere elaborate a priori e applicate di conseguenza a situazioni fra loro assai diverse.

44 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 pi ù 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 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 affidabilit à.

46 46 La scelta di un metodo numerico non può prescindere da una conoscenza adeguata delle propriet à qualitative della soluzione del modello matematico, del suo comportamento rispetto alle variabili spaziali e temporali, delle sue propriet à di regolarit à e stabilit à. 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. La Modellistica Numerica/2

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

48 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 controllabilit à 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 gi à ottenuti, modificano i parametri della discretizzazione numerica e migliorano la qualit à 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 49 Pre-processing Analisi fenomenologica Modellistica matematica Analisi preliminare Analisi sperimentale Avan-progetto Modello geometrico Analisi di dati CAD

50 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, nonch é la determinazione dimensionale dei coefficienti e dei parametri caratteristici, sono fornite dall'analisi ingegneristica.

51 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 complessit à del modello geometrico necessario a rappresentare un aereo in configurazione completa, partendo da un design preliminare, prima di intraprenderne la simulazione numerica.

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

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

54 54 A valle del processo, la complessit à 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. Analisi a posteriori

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

56 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.modellosimulatore di voloaeromobileinformaticalogico matematica

57 57 SIMULAZIONE: ESEMPIO

58 58 Che cosè la Realtà Virtuale ? Il termine Realtà Virtuale nasce nel 1988, in unintervista 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 cè 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 59 Che cosè 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: UNINTERFACCIA UMANO-COMPUTER in cui un computer crea un ambiente immersivo che risponde interattivamente ed è controllato dal comportamento dellutente. 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 60 Che cosè la Realtà Virtuale ? Immersività Presenza Utente Interazione Computer Simulazione Ambiente Sensi

61 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, linsieme 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 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, lilluminazione, i materiali, lacustica. Usare la VR come tool di modellazione per analizzare gli spazi dallinterno e valutare differenti scelte di progetto.

63 63 Applicazioni: arte Ricostruire opere darte o ambienti artistici che il tempo ha deteriorato o distrutto per permetterne la conservazione. Permettere laccesso 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 darte.

64 64 Applicazioni: istruzione E possibile apprendere nuovi concetti in maniera interattiva, cosa che facilita lapprendimento 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. Linsegnamento a distanza è realisticamente realizzabile.

65 65 Applicazioni: addestramento Tramite luso di simulatori la VR consente di addestrare personale per ridurre i rischi dovuti alladdestramento 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 66 Applicazioni: medicina E possibile simulare unoperazione chirurgica non solo a fini di addestramento, ma anche per pianificare unoperazione reale sulla base dei dati fisicamente rilevati sul paziente. Oltre che per la chirurgia, è possibile addestrare i medici sulla palpazione dei tessuti, linserzione di aghi, etc. E uno strumento utilissimo per la riabilitazione e per trattare particolari sindromi di fobia e panico.

67 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 68 Applicazioni: intrattenimento Uno dei più redditizi campi applicativi è lintrattenimento. Lindustria videoludica ha dato unenorme 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 69 VR & VideoGames (VG)

70 70 VR e Cinema RIVELAZIONI (1995, Barry Levinson)

71 71 VR e Cinema NIRVANA (1997, Gabriele Salvatores)

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

73 73 Sfide per il futuro Naturalezza dellinterazione: 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 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 75 Esempio di biopsia guidata da un sistema AR che mette in evidenza il profilo ecografico

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

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

78 78

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

80 80 RuolodellaRETEInfrastrutture Modello del mondo e della realt à Ambiente Nuovi tipi di gruppi Nuove modalit à creazione soggetti collettivi

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

82 82 La rete globale della ricerca

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

84 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 85 SCUOLA COME CAPITALE SOCIALE e RELAZIONALE Assumere la scuola come risorsa e come capitale sociale significa affermare che linsegnamento/apprendimento è una delle fonti primarie di struttura e di organizzazione sociale, di costituzione di una COMUNITA DI SAPERE E DI PRATICA.

86 86 Soggetti collettivi : comunit à e relazioni Dimensione partecipativa Completezza archivi Facilità di accesso Velocità di consultazione 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 Comunità di Interesse Comunità di Partecipazione Dimensione informativa Soggetto A

87 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 LAMBIENTE 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 88 COMUNITA DI SAPERE E DI PRATICA E INTERMEDIAZIONE Lo strumento di supporto delle relazioni tra un comunità di sapere e di pratica e lambiente esterno è lINTERMEDIAZIONE, unattività 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 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 90 APPRENDIMENTO, COMPETENZE E PRATICHE Lapprendimento soffre sia quando lesperienza pratica e la competenza sono TROPPO VICINI, sia quando sono TROPPO DISTANTI. Poiché crea una TENSIONE tra esperienza pratica e competenza, LATTRAVERSAMENTO DEI CONFINI delle comunità di sapere e di pratica è un processo, attraverso il quale lapprendimento viene potenzialmente favorito, a patto che la distanza con il sapere e la pratica di partenza non sia eccessiva.

91 91 Dallintersoggettività allintelligenza 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 possibilit à, 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 92 Lintelligenza distribuita e la swarm intelligence Teoria dei Sistemi e sistemi a Rete Swarm phoenomena Sistemi viventi Web Sistemi cognitivi Intelligenza distribuita

93 93 Lintelligenza distribuita e la swarm intelligence 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 unimpennata nella crescita dellintelligenza del sistema Flussi energetici, di materia e informativi Il modello di intelligenza distribuita è caratterizzato da: Reti patchwork : cooperative, eterogenee e distribuite

94 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 pi ù ricche...".

95 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 semplicit à l idea di coevoluzione, basata sul presupposto che l'ambiente non sia una struttura imposta agli esseri viventi dall'esterno, ma sia in realt à 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 attivit à sensoria.

96 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 necessit à 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 pi ù precisi e pi ù rispondenti allo spirito del proverbio, sposta l attenzione dai due soggetti implicati (chi d à e chi riceve) al processo di relazione interpersonale e di cooperazione tra di essi.

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

98 98 IL MODELLO DELLAPPRENDISTATO 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 capacit à pratica

99 99 DIFFERENZE TRA APPRENDISTATO COGNITIVO E APPRENDISTATO TRADIZIONALE L Apprendistato Cognitivo mira a rafforzare la capacit à 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'attivit à 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

100 100 DALLAPPRENDISTATO 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 necessit à, 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 responsabilit à a chi apprende (fading).

101 101 DALLAPPRENDISTATO 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).

102 102 LIVELLIRUOLO DOMANDA MODALITA IDENTITA SPONSOR CHI Riconoscimento Individuale VALORI MENTORPERCHE ISPIRARE CAPACITA DOCENTE COME STIMOLARE BEHAVIOR COACH CHE COSA ADDESTRARE AMBIENTE FACILITAT ORE DOVE, QUANDO GESTIRE ECCEZIONI LE FUNZIONI DELLINSEGNANTE

103 103 RINGRAZIAMENTI GRAZIE DELLATTENZIONE!


Scaricare ppt "1 Il Successo Formativo e lApprendimento, principale fattore di Qualità di una scuola. Nuovi approcci teorici e didattici. SILVANO TAGLIAGAMBE PALERMO-"

Presentazioni simili


Annunci Google