Sommario
Cosa si intende con Intelligenza Artificiale
L’intelligenza artificiale non è un supercomputer da film fantascientifico né un software potentissimo in grado di replicare gli schemi di pensiero di un essere umano.
È piuttosto l’insieme delle discipline scientifiche e ingegneristiche che gravitano e operano attorno al concetto di “macchina intelligente”.
Cos'è la macchina intelligente?
È un computer in grado di gestire un contesto di incertezza secondo i modelli procedurali del cervello umano:
- raccogliendo gli stimoli della situazione in cui si trova;
- mettendoli in relazione tra loro;
- relazionandoli con eventuali dati utili, immagazzinati precedentemente;
- trovando una soluzione.
Non si basa quindi sulla programmazione ma sull’apprendimento.
Applicazioni dell'Intelligenza Artificiale nell'E-learning
Un sistema capace di imparare dall’esperienza è sicuramente una risorsa senza precedenti per l’e-learning, pur con la consapevolezza che si tratti di un dialogo in perenne sviluppo.
Le principali applicazioni attuali dell’Intelligenza Artificiale sono:
● Chatbot
● Analisi Semantica
● Gestione dei Big Data
Chatbot
È un software che simula una conversazione. Come forse avrai già sperimentato, è principalmente usato dalle aziende di beni e servizi per gestire le guide in linea o scremare gli utenti che necessitano di assistenza.
Funge da intermediario tra l’utente e l’informazione, ma può essere usato anche per raccogliere dati da elaborare in un secondo momento.
Il chatbot utilizza il Conversational Learning, ovvero un processo di apprendimento che si sviluppa con il dialogo, diventando, di fatto, un tutor che:
- è sempre disponibile;
- dialoga e insegna in modo intuitivo e cooperativo;
- fornisce informazioni in un linguaggio naturale;
- pondera la risposta sulla base di quanto già sa del proprio interlocutore;
- integra i dati con link esterni;
- riduce i tempi di fruizione;
- offre statistiche sulle domande, sui tempi di apprendimento, sui problemi, sulle interazioni;
- esegue una tracciatura dell’engagement.
Analisi Semantica
Una volta raccolte le informazioni è importante saperle gestire. L’Analisi Semantica è un modo di elaborare i testi scritti e orali, brevi o lunghi, che imita i processi cognitivi umani.
Tramite un software è possibile estrapolare i concetti chiave, generare quiz, valutare le risposte e fornire feedback, laddove necessario.
Inoltre, lo studio del campo semantico permette di:
- ricavare informazioni dall’input dell’utente (contenuti da utilizzare per la sua stessa formazione, e per rispondere in modi sempre più naturali e “umani”;
- fornire traduzioni automatiche.
Big Data
Quando la mole di dati da gestire è così grande tale per cui diventa impossibile processarli tramite i processi umani si inizia a parlare di Big Data.
La loro analisi viene affidata ad algoritmi che stoccano, filtrano, ricercano, trasferiscono e analizzano l’informazione, creando relazioni e interconnessioni che migliorano la qualità della risposta finale.
Nel mondo dell’e-learning, appoggiarsi all’analisi dei Big Data significa tracciare in modo accurato la user experience in modo da:
- monitorare i punti di forza e i punti di debolezza dell’utente;
- seguire il suo percorso sulla piattaforma;
- isolare le criticità e intervenire;
- tener traccia dei suoi orari e dei suoi stili didattici preferiti.
Intelligenza Artificiale ed E-learning: pro e contro
Come ogni sodalizio, anche quello tra Intelligenza Artificiale ed E-learning è ricco di elementi positivi, tra cui spiccano:
- poter rispondere in tempo reale alle domande degli utenti;
- interagire con il docente virtuale nella propria lingua madre;
- garantire una maggiore accessibilità per gli utenti con disabilità;
- creare nuovi contenuti personalizzati sulla base di performance precedenti;
- usare i dati raccolti per un follow up accurato;
- contare su una maggiore obiettività e accuratezza nell’esposizione.
Tuttavia, questi pro portano con sé anche una serie di contro:
- costi ancora elevati;
- un’interazione più impersonale, limitata e circoscritta all’istruzione;
- il rischio di massicce perdite di dati in caso di guasti;
- i problemi legati all’accessibilità e alle performance della rete.
Machine Learning e Deep Learning
Fin qui abbiamo parlato solo di Intelligenza Artificiale. Termini come Machine Learning e Deep Learning vengono erroneamente utilizzati come sinonimi.
Lo schema riportato di seguito ti aiuterà a fare chiarezza:
Come puoi osservare, ognuno costituisce – di volta in volta – il sottoinsieme dell’altro.
Cos'è il Machine Learning
È il termine generale che indica il processo per cui i computer imparano dai dati, partendo dall’elaborazione dei Big Data.
Gli algoritmi utilizzati nel Machine Learning possono eseguire compiti specifici senza essere programmati a tale scopo. Come ci riescono?
Fondamentalmente, analizzando i dati ottenuti sono in grado di individuare dei modelli, di ricavare previsioni e di migliorare le loro prestazioni.
Particolarmente interessanti sono le reti neurali artificiali (ANN), utilizzate dal Deep Learning per replicare il comportamento dei neuroni umani.
Cos'è il Deep Learning
Possiamo dire che questi algoritmi sono frutto dell’evoluzione di quelli di Machine Learning. Il loro uso sta portando alla creazione di applicazioni che fino a pochi anni fa erano impensabili.
In quali campi sono utilizzati?
Un esempio noto a tutti è quello della guida autonoma sperimentata sulle Tesla. In questo caso aiuta le vetture a identificare determinati oggetti sulla strada, ossia ostacoli, pedoni ma anche la segnaletica.
Machine Learning e Deep Learning nella Formazione Digitale
Le tecnologie appena descritte forniscono applicazioni innovative ed estremamente utili nel campo della formazione digitale.
Ecco alcune applicazioni particolarmente interessanti:
- Automazione dei contenuti, grazie a quiz che permettono di stimare la propria preparazione a un corso, di adeguare i contenuti proposti e migliorare l’engagement.
- Apprendimento collaborativo, raggruppando i partecipanti secondo competenze, punti di forza e interessi ed evitando conflitti.
- Semplificazione dei compiti di routine, in modo che i docenti possano dedicare maggiori energie all’esperienza formativa.
- Personalizzazione dei contenuti grazie all’analisi semantica e a quella dei Big Data. Risulta molto utile se applicata a scenari o gamification, laddove l’interazione viene adeguata ai punti di forza e di debolezza dell’utente.
- Risposte e feedback intelligenti mediate da chatbot. Immagina di avere molti iscritti a un corso e che ognuno di loro abbia una o più domande da porre. Quanto tempo dovresti dedicare a questo compito? Tanto. Troppo. Al punto da rischiare di trascurare qualche richiesta o di dover rispondere frettolosamente. Il supporto di un chatbot potrebbe apparire inizialmente troppo limitato e simile a un risponditore automatico ma gradualmente farebbe tesoro dei feedback ricevuti, migliorando nel tempo.
- eProctoring per monitorare gli esami online, sfruttando webcam e microfono, inibendo la navigazione verso siti esterni e l’uso di specifiche applicazioni. Il Machine Learning aiuta a confermare l’identità dei partecipanti e a riconoscere eventuali comportamenti scorretti.
A questo punto vediamo come queste applicazioni vengono utilizzate in due delle piattaforme e-learning più diffuse, Moodle e Docebo.
Moodle: dal quiz ai Learning Analytics
Si parte dai semplici quiz di autovalutazione per arrivare ai software che rilevano il plagio nei lavori degli studenti, fino al più avanzato Moodle Learning Analytics, che sfrutta gli algoritmi di Machine Learning per fare previsioni di apprendimento in base alle attività svolte dagli utenti. Per fare questo analizzano:
- i contenuti visionati dalla singola persona (anche più volte);
- le attività e le discussioni alle quali l’utente ha partecipato.
Queste analisi, appena enunciate, possono essere applicate all’intero sito oppure a specifici corsi e partecipanti.
Docebo: coaching e ottimizzazione della ricerca
Docebo offre da tempo diverse funzionalità basate sull’IA. Ecco una breve carrellata.
- “Virtual Coach”: sfrutta la potenza delle conversazioni con gli utenti per guidarli attraverso le attività di formazione e aiutarli a lavorare all’interno della piattaforma;
- “Ricerca avanzata alimentata dall’IA”: una ricerca interna che analizza qualsiasi contenuto presente sulla piattaforma. Nel caso dei video, ad esempio, l’IA considera direttamente il contenuto parlato;
- Auto-Tagging e Skill-Tagging: etichettatura di risorse, contributi e competenze per individuare le frasi chiave per la loro catalogazione e ricerca;
- “Invita a Guardare”: funzione applicata al social learning che consiglia agli utenti il pubblico ideale per determinati contenuti;
- Suggerimenti per gli Admin e i Manager: scremare e raggiungere più velocemente gli utenti che potrebbero essere interessati al corso;
- Suggerimenti per gli Studenti: guidarli nella visualizzazione dei contributi potenzialmente più rilevanti e aiutarli nella creazione di un percorso formativo personalizzato.
Il futuro dell’Intelligenza Artificiale applicata all’E-learning è qui?
Non ancora. Allo stato attuale, l’IA non è in grado di sostituirsi al formatore, ma può facilitargli il lavoro gestendone gli aspetti più routinari. Le sue potenzialità sono ovviamente destinate a crescere e in futuro probabilmente i nuovi software daranno un grande aiuto.
Tuttavia, al momento, non pensiamo, che possa sostituirsi completamente al formatore e fornire un’esperienza e-learning creativa e coinvolgente.
Il terreno di gioco per gli sviluppi futuri si concretizzerà nella ricerca di nuove tecniche di integrazione in grado di valorizzare i lati positivi di entrambe le parti, che saremo pronti a documentarvi!