Il Successo Formativo e l`Apprendimento

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
1
SUCCESSO FORMATIVO E APPRENDIMENTO
Successo formativo
Crescita progressiva di
successo formativo e
apprendimento
Apprendimento
2
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.
3
COMPETENZE E CAPACITA’ NECESSARIE PER
INQUADRARE UN PROBLEMA E RISOLVERLO.
LE POSSIAMO COSì SCHEMATIZZARE:
 ANALISI;
 ASTRAZIONE;
 DEDUZIONE;
 ABDUZIONE;
 INDUZIONE;
 ANALOGIA.
4
ANALISI
Può essere concepita in due modi differenti:
 SCOMPOSIZIONE di un problema
complesso nelle sue parti;
 RIDUZIONE di un problema a un altro.
5
ASTRAZIONE
SI PRESENTA SOTTO DIVERSE FORME E
TIPOLOGIE:
 PER ESTRAZIONE;
 PER SOPPRESSIONE;
 PER IBRIDAZIONE;
 PER SPOSTAMENTO DELL’ATTENZIONE
6
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.
7
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.
8
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”.
9
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.
10
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
11
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.
12
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)
13
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.
14
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
qualche conclusione su di essi.
15
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.
16
Processi balistici e non balistici: U.Neissen
Processi non balistici
Processi balistici
Processi creativi
Processi automatici
di azione-reazione
Catena di riflessi nel
sistema motorio centrale
Sequenze di
percezione e azione
Memoria
conseguenze
passate
Previsione
delle
conseguenze
Espressione del
pensiero critico
Capacità di
affrontare i
breakdown
Sequenze memorizzate e
riprodotte senza pensiero critico
17
Dai processi balistici a quelli non balistici
Attività
4
Pensiero
critico
Proces
si non 3
balisti Percezione
e Azione
ci
2
Sequenze
balistiche
concatenate
PROCES
SI
BALISTI
CI
1
Processi
automatici
Parametro di
valutazione
Specificità
Apprendimento
e trasferibilità
Esempi
Capacità
Costruzione di
soluzioni
Creazione di nuovi
contesti
Apprendimento e
trasferimento per
processi astrattivi
Costruzione di
modelli,
interpretazione di
fenomeni
Competenz
a
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”
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
Meccanismi di
Azionereazione
(Principi
selettivi)
Non c’è né
apprendimento
né trasferibilità,
ma solo
rafforzamento
Esecuzione
Performance
L
E
G
O
amministrativo
Reazione a stimolo
luminoso o sonoro
Timbratura
cartellino
18
Dai processi balistici a quelli non balistici
Attività
4
Pensiero
critico
3
Percezione e
Azione
2
Sequenze
concatenate
di processi
automatici
1
Processi
automatici
Parametro di
valutazione
Capacità
Competenza
Know how
Conoscenze
Complesse e
difficilmente
formalizzabili
Esempi
Costruzione di modelli,
interpretazione di fenomeni, simulazioni,
Gestione progetti complessi
Articolate
Conoscenza e supporto prodotti
Tecniche di projct mgmt
Processi da “buon venditore”
Abilità
Skill
(semplici)
Inserimento ordine
Iter amministrativo standard
Esecuzione
Performance
(elementari)
Timbratura cartellino
Controllo stato manutenzione
Fonte : Silvano Tagliagambe TED 2002
19
Le diverse fasi dell’apprendimento
Gruppi lavoro
Conoscenze
tacite
Conoscenze
esplicite
Esternalizzazione
Formalizzazione
Conoscenze
collettive
Studio
tradizionale
Conoscenze
individuali
Estensione
• Modellazione
• Verbalizzazione
• Rappresentazione
• Networking
• Communities
• Arricchimento delle
conoscenze
Socializzazione
Simulazione
• Osservazione
• Imitazione
• Pratica
Lezioni
tradizionali
Combinazione
Condivisione
• Condivisione esperienze
• Learning by doing
Interiorizzazione
Fonte Elab CCP da Ikujiro Nonaka A Dynamic Theory of Organizational Knowledge Creation; ‘Organization Science’
20
Elementi didattici e tecnologie per l’apprendimento
Gruppi lavoro
Conoscenze
collettive
Studio
tradizionale
Conoscenze
individuali
Conoscenze
tacite
Conoscenze
esplicite
Micro eventi (online) partecipati
Eventi, lezioni
live
Utilizzo di :
Videoconferenze
Chat, Forum
Creazione di :
Corsi - Broadcast live
Contributi multimediali
Newsletter
Corsi off-line
ricerche online
Fruizione di :
Corsi, Learning Object
Digital Asset
Lezioni
tradizionali
Ambienti
ad personam
Utilizzo di :
Piattaforma e-learning
Profiling
Fonte Elab CCP da Ikujiro Nonaka A Dynamic Theory of Organizational Knowledge Creation; ‘Organization Science’
21
PBL- PROBLEM BASED LEARNING
Dimensione operativa della conoscenza
Spostare l’attenzione da concetti e nozioni  a problemi, schemi
d’azione e comportamenti
STILE INDUTTIVO
Da dati certi e inoppugnabili
 procedimento induttivo
 generalizzazioni induttive
 leggi
P1
Problema
Processo nella
soluzione dei
problemi
TT
Tentativo teorico di soluzione
EE
Procedura di individuazione
ed eliminazione dell’errore
P2
Problema
più avanzato
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
22
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
23
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
Da dati certi e inoppugnabili
 procedimento induttivo
 generalizzazioni induttive
 leggi
P1
Problema
Processo nella
soluzione dei
problemi
TT
Tentativo teorico di soluzione
EE
Procedura di individuazione
ed eliminazione dell’errore
P2
Problema
più avanzato
• 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
24
L’Apprendimento SIGNIFICATIVO
In un ambiente COSTRUTTIVISTICO
l’apprendimento deve essere:
 attivo;
 collaborativo;
 conversazionale;
 riflessivo;
 contestualizzato;
 intenzionale;
 costruttivo.
25
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.
26
27
28
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
29
teorie migliori hanno preso il loro posto.
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
30
La concezione strutturalistica delle teorie scientifiche
Le mappe come metafora della concezione strutturalistica
31
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
32
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
Regole di
proiezione
• Organizzare un campo di fenomeni in una
struttura relazionale
Rilevazione
sul campo
Toulmin 1968 e Hanson 1971
33
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
QuickTime™ e un
decompress ore TIFF (Non compress o)
sono nec es sari per visualiz zare quest'immagine.
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)
34
La concezione strutturalistica delle teorie scientifiche
Tessuto
Musica
Dipinto
•Il filo
•Il suono
(le note)
•Il colore
•La
disposizione
•La
composizione
•La
distribuzione
analogamente
La visione di un tubo a raggi X e
l’interpretazione dell’oggetto sono
due componenti inscindibili
35
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
36
ESEMPIO DELL’INCIDENZA DEL CONTESTO
QuickTime™ e un
decompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
37
ESEMPIO DELL’INCIDENZA DEL CONTESTO
QuickTime™ e un
decompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
QuickTime™ e un
decompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
38
LE COMPONENTI DI UNA TEORIA SCIENTIFICA
•
Le generalizzazioni
simboliche
Forme schematiche la cui
espressione simbolica
cambia da applicazione
ad applicazione
•
Gli esemplari
Esempi standard di problemi risolti
(dimestichezza con il linguaggio e
conoscenza della natura)
Stimolo per la scoperta
Applicazione 3
Applicazione 2
Relazioni di
somiglianza
Applicazione 1
39
LE COMPONENTI DI UNA TEORIA SCIENTIFICA:ESEMPI
•
Le generalizzazioni
simboliche
F = ma
•
Gli esemplari
Applicazione al
sistema solare
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)
Relazioni di
somiglianza
e ovviamente la relazione f=ma
x è così una struttura determinata
Legge di
gravitazione
universale
F=G
m1 m2
r2
Applicazione
Legge di Coulomb
nel campo elettrico
Sneed 1971
F=k
q1 q 2
r2
The logical structure of Mathematical Phisics
40
La modellistica matematica
Problema reale
Modello
matematico
Analisi
qualitativa
Risoluzione al
calcolatore
Modellistica
numerica
Algoritmi
41
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.
42
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.
43
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.
44
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.
45
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.
46
Interazioni fra mondo reale e modellistica
Pre-processing
Post-processing
e validazione
Modellistica
matematica
Modellistica
numerica
47
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.
48
Analisi preliminare
Pre-processing
Analisi sperimentale
Avan-progetto
Analisi fenomenologica
CAD
Modello geometrico
Analisi di dati
Modellistica
matematica
49
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.
50
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.
51
Dal design preliminare alla simulazione numerica
CAD
Design
preliminare
Simulazione numerica
52
Analisi a posteriori
Post - processing
Visualizzazione e
analisi dei risultati
Confronto con
i casi test sperimentali
Modellistica matematica
53
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.
54
Dall’avan-progetto al progetto
Progettazione aerodinamica
Settore aeronautico/automobilistico
Avan-progetto
CAD
no
Forma
accettabile ?
Galleria
del vento
Modelli
numerici
uso complementare
Analisi delle prestazioni
si
Progetto
requisiti
55
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 logicomatematica-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
56
sistema stesso.
SIMULAZIONE: ESEMPIO
57
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.”
58
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.
59
Che cos’è la Realtà Virtuale ?
Interazione
Immersività
Computer
Presenza
Simulazione
Sensi
Ambiente
Utente
60
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.
61
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.
62
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.
63
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 coinvolgente.
Costituisce uno strumento di
supporto per gli insegnanti.
L’insegnamento a distanza è
realisticamente realizzabile.
64
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.
65
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.
66
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 progettazione e verifica collaborativa.
E’ possibile simulare i processi
e linee produttive e
individuarne tempestivamente i
possibili problemi.
VR come strumento di
marketing per presentazioni.
67
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.
68
VR & VideoGames (VG)
69
VR e Cinema
RIVELAZIONI (1995, Barry Levinson)
70
VR e Cinema
NIRVANA (1997, Gabriele Salvatores)
71
VR e Cinema
MATRIX (1999, Wachoski Bros.)
72
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.
73
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.
74
Esempio di biopsia guidata da un sistema AR che mette in evidenza il profilo ecografico
75
Esempio di sovrapposizione di informazioni 3D ricavate
da una risonanza magnetica per applicazioni in chirurgia
ortopedica.
76
Il chirurgo prova un sistema di AR applicabile ad
interventi in laparoscopia.
77
78
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, … )
79
Ruolo
della
RETE
Infrastrutture
Modello del mondo e
della realtà
Ambiente
Nuovi tipi di gruppi
Nuove modalità creazione soggetti collettivi
80
Cosa succede al concetto di Rete?
La Rete come…
Ambiente
Modello
Infrastruttura
Modelli di interazione,
topologie, gerarchie …
Modalità di
formazione di
nuove comunità
Tecnologie, servizi ,
applicazioni …
81
La rete globale della ricerca
82
La Rete
GARR
RETI INDISPENSABILI
PER IMPLEMENTARE:
 AMBIENTI DI APPRENDIMENTO;
 COMUNITA’ DI APPRENDIMENTO
83
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?
84
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.
85
Soggetti collettivi : comunità e relazioni
Dimensione
partecipativa
Comunità di
Partecipazione
• Istanza di partecipazione
• Scambio di opinioni ed
esperienze
Comunità di
Sapere e di Pratica
Sono caratterizzate da:
 Impegno reciproco;
 Impresa comune;
 Repertorio comune e sfondo condiviso
Soggetto A
Comunità di
Interesse
• Completezza archivi
• Facilità di accesso
• Velocità di consultazione
Dimensione informativa
86
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.
87
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.
88
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.
89
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.
90
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)
91
L’intelligenza distribuita e la swarm intelligence
Swarm phoenomena
Teoria dei Sistemi
e sistemi a Rete
Intelligenza
distribuita
Web
Sistemi
viventi
Sistemi
cognitivi
92
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
93
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...".
94
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.
95
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.
96
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).
97
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
98
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
99
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, preimposta 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).
100
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).
101
LE FUNZIONI DELL’INSEGNANTE
LIVELLI
RUOLO
DOMANDA MODALITA’
IDENTITA’ SPONSOR CHI
VALORI
Riconoscimento
Individuale
MENTOR PERCHE’ ISPIRARE
CAPACITA’ DOCENTE
COME
STIMOLARE
BEHAVIOR
CHE COSA
ADDESTRARE
COACH
AMBIENTE FACILITAT
ORE
GESTIRE
DOVE,
QUANDO ECCEZIONI
102
RINGRAZIAMENTI
GRAZIE DELL’ATTENZIONE!
103