 |
Tommaso MINERVA
Professore Ordinario
Dip.to Chirurgico, medico,odontoiatrico sede RE
|
Insegnamento: Tecniche per l’analisi dei dati in ambito educativo
Digital education (Offerta formativa 2024)
Obiettivi formativi
Il corso è finalizzato a:
- fornire le conoscenze delle principali tecniche di analisi dei dati in ambito multivariato e sviluppare le competenze, anche informatiche, per eseguire analisi di dati in ambito educativo.
- fornire le linee guida per la redazione di un report scientifico e sviluppare le competenze relative alla sua produzione da parte dello studente.
- introdurre una discussione critica e proposte applicative d’uso in ambito educativo di alcune tecniche di analisi statistica multivariata, ambito della statistica in cui l’oggetto dell’analisi dipende da almeno due (o più) componenti.
Per una più completa comprensione degli obiettivi formativi, si rimanda alla lettura dei risultati di apprendimento attesi a seguito dello svolgimento del presente percorso formativo.
Prerequisiti
- Possedere conoscenze e competenze sviluppate in un corso introduttivo universitario di statistica.
Sarebbe preferibile che lo studente avesse già sostenuto l'esame di statistica (o almeno aver seguito e studiato i contenuti del corso).
E’ utile che lo studente abbia conoscenze di base di analisi matematica e algebra (soprattutto algebra delle matrici) e qualche conoscenza di base di programmazione.
E’ necessario che lo studente abbia un computer (Pc/Mac/Linux) su cui poter installare l’ambiente opensource R-Studio e, possibilmente, possa portarlo a lezione in aula per le esercitazioni guidate.
Programma del corso
Il corso introduce alcune tecniche di analisi statistica multivariata, l’ambito della statistica in cui l’oggetto dell’analisi dipende da almeno due (o più) componenti. Verranno trattate la regressione (sia monovariata sia multivariata), l’analisi dei cluster e l’Item analysis e potrà essere completato con l’analisi discriminante, l’analisi delle corrispondenze, il multidimensional scaling e l’analisi fattoriale.
Una parte rilevante verrà destinata allo studio della regressione multivariata e alle tecniche di selezione delle variabili.
La descrizione di ciascuna tecnica di analisi sarà accompagnata dalla presentazione e discussione di casi di studio relativi all'uso delle tecniche in ambito educativo (Learning Analytics).
Il corso avrà una accezione teorico-pratica e quindi cercherà, nei limiti del possibile, di ridurre l’impatto della formalizzazione matematica a vantaggio di quella concettuale. Una parte rilevante verrà riservata alle esercitazioni in ambiente R/R-studio, un ambiente software open-source e molto potente per l’analisi statistica e alla discussione di applicazioni in ambito educativo.
Contenuti del corso:
• Ricerca educativa, statistica, e innovazione tecnologica: learning analytics (2 CFU pari a 4 ore di lezioni in presenza, 8 ore di videolezioni preregistrate, 4 ore di attività interattive)
• Tecniche di analisi multivariata: classificazione e data screening (0,5 CFU pari a 4 ore di lezioni in presenza)
• Introduzione a R/R-Studio (0,5 CFU pari a 2 ore di lezioni in presenza e 2 ore di attività interattive)
• Modulo 1: Regressione Lineare (2 CFU pari a 12 ore di lezioni in presenza e 4 ore di attività interattive )
• Modulo 2: Regressione multivariata e selezione delle variabili (1 CFU pari a 6 ore di lezioni in presenza e 2 ore di attività interattive)
• Modulo 3: Cluster Analysis (1 CFU pari a 6 ore di lezioni in presenza e 2 ore di attività interattive)
• Modulo 4: Item Analysis (1 CFU pari a 6 ore di lezioni in presenza e 2 ore di attività interattive)
• Modulo 5: Analisi delle Corrispondenze (0,5 CFU pari a 4 ore di lezioni in presenza)
• Modulo 6: Analisi delle Componenti Principali (0,5 CFU pari a 4 ore di lezioni in presenza)
• Modulo 7: Analisi Fattoriale (0,5 CFU pari a 4 ore di lezioni in presenza)
• Modulo 8: Multidimensional scaling (1 CFU pari a 6 ore di lezioni in presenza e 2 ore di attività interattive)
• Analytics Dashboard: Intelliboard, Moodle Analytics, Knime (0,5 CFU pari a 4 ore di attività interattive)
• Scrivere un report scientifico (con R) (1 CFU pari a 6 ore di lezioni in presenza e 2 ore di attività interattive)
La scansione dei contenuti per CFU è da intendere come puramente indicativa. Essa può infatti subire modifiche nel corso dell’insegnamento alla luce dei feedback degli studenti e delle studentesse.
Metodi didattici
Il corso si svolge in modalità blended e in lingua italiana. Si articola in attività di Didattica Erogativa (DE) e di Didattica Interattiva (DI).
Le lezioni in presenza (DE, 64 ore) sono erogate in un ambiente di videoconferenza che consente la partecipazione attiva degli studenti. Nella pagina dedicata su dolly.blended.unimore.it sono disponibili videolezioni preregistrate di durata inferiore ai 30 minuti e materiali di studio (DE, 8 ore).
Compongono le attività di DI sessioni in web-conference interattiva e attività formative di comunicazione e collaborazione come forum, valutazione formativa, lavori di gruppo (24 ore).
La scansione delle attività in ore potrebbe subire modifiche durante lo svolgimento del corso alla luce dei feedback degli studenti e delle studentesse ed elementi di natura organizzativa.
Lezioni frontali e videolezioni chiariscono i contenuti teorici dell’insegnamento. Le esercitazioni svolte durante le lezioni e la discussione dei casi di studio è utilizzata come principale strumento per permettere agli studenti di acquisire le procedure di analisi dati nel campo educativo.
Testi di riferimento
De Santis, A. (2022). Analisi Multivariata e Learning Analytics. Metodi e applicazioni. Milano: Pearson. Scaricabile gratuitamente da: https://it.pearson.com/docenti/universita/pearson-statistica.html
I docenti forniranno inoltre materiali utili nella realizzazione delle analisi statistiche e nella discussione dei casi.
Verifica dell'apprendimento
La verifica dell'apprendimento avverrà tramite due prove distinte: una prova “teorica” e una prova “pratica”.
La prova teorica andrà a valutare le conoscenze acquisite mentre la prova pratica le competenze.
La prova teorica è composta da un questionario con domande a risposta aperta nel quale non è consentito consultare materiali di alcuna natura.
Per la prova pratica ogni studente dovrà affrontare una analisi di dati utilizzando una delle tecniche previste nel corso. L’analisi dei dati verrà effettuata a casa e discussa negli appelli d’esame.
Alla prova pratica potranno accedere soltanto gli studenti che avranno già superato la prova teorica.
La prova pratica potrà essere condotta anche in gruppi fino a tre (3) studenti.
Prova pratica e questionario rappresentano una unica prova d’esame.
La prova pratica potrà essere sostenuta anche nello stesso giorno della prova teorica ma dopo aver acquisito nella prova teorica almeno 18/30 (ossia soltanto dopo averla superata). Non potrà essere sostenuta senza aver superato la prova teorica.
L’esame si intende superato se lo studente acquisisce almeno 18/30 come valutazione complessiva e almeno 18/30 in ciascuna delle due parti.
Gli appelli d'esame sono previsti alla fine del corso nella misura di sei per ogni annualità.
Risultati attesi
Alla fine del corso lo studente dovrebbe essere in grado di
CONOSCENZA E CAPACITA’ DI COMPRENSIONE
- definire le caratteristiche delle tecniche di analisi multivariata introdotte
- definire i fattori che legano ricerca educativa, tecnologie e statistica
- definire le caratteristiche di base del campo disciplinare dei Learning Analytics
- definire le strategie d’uso di una analisi statistica multivariata in ambito educativo
CONOSCENZA E CAPACITA’ DI COMPRENSIONE APPLICATE
- comprendere esperienze di ricerca e casi di studio di analisi dei dati in ambito educativo
- effettuare analisi utilizzando il package R/R-studio
- scrivere un report scientifico
AUTONOMIA DI GIUDIZIO
- identificare le tecniche di analisi idonee al raggiungimento di specifici obiettivi di ricerca
- analizzare i risultati ottenuti in una analisi statistica multivariata in ambito educativo
ABILITA’ COMUNICATIVE
- presentare un report scientifico
- discutere su procedure di analisi dati in ambito educativo
CAPACITA’ DI APPRENDIMENTO
- applicare quanto appreso in situazioni in cui sia necessario analizzare dati in ambito educativo