Sistemi di apprendimento adattivo basati sull’apprendimento che avviene con le risorse online che coinvolgono i social network virtuali nel mondo dove “, i social network virtuali, oggi ampiamente democratizzati, sono spazi di apprendimento quotidiano. L’autodidattica individuale o collettiva (autoapprendimento) è diffusa in questi nuovi universi, suggerendo la scarsità o addirittura l’inesistenza di relazioni di apprendimento sociale. (“Cyrot & Jeunesse”, 2012).

Tuttavia, il sito belga formaform.be rivela alcuni vantaggi sociali. Infatti, afferma che grazie al sistema ESCO, “un sistema europeo di classificazione multilingue di abilità, competenze, certificazioni e professioni” utilizzato dalla piattaforma di apprendimento adattivo, gli utenti “di diversi paesi europei possono scambiare risorse relative a competenze / abilità senza alcuna ambiguità. “Il sito dichiara inoltre che la piattaforma può essere utilizzata come una rete di apprendimento informale. (” Abbiamo testato per voi! MyLK, uno strumento per gestire e condividere il vostro apprendimento digitale” , 2018). Queste due affermazioni suggeriscono che l’apprendimento adattivo digitale promuove l'”apprendimento sociale” e integra una gran parte delle persone. La critica che spesso viene mossa alla tecnologia di apprendimento digitale per isolare gli studenti nel loro apprendimento sarebbe quindi in molti casi irrilevante anche se i sistemi si basano sull’individualizzazione dei percorsi di apprendimento/formazione attraverso il tracciamento dei dati di apprendimento e la loro elaborazione da parte di un’intelligenza artificiale.

 In realtà sulle piattaforme digitali di apprendimento il principio dell’apprendimento sociale è molto presente perché gli utenti possono “influenzarsi” a vicenda sui contenuti che consultano e sui percorsi che seguono perché “il mondo esterno è… il fattore che ha più influenza sul comportamento”. ” (Fenouillet, 2017, p. 30). Questa posizione fa eco all’affermazione di Philippe Carré: “impariamo sempre da soli… ma mai senza gli altri” 1. Così, “Se già sapevamo che l’autoapprendimento, ieri o oggi, non è una forma di soloformazione, se sapevamo anche che ogni atto di apprendimento, anche quando è autoapprendimento, è un atto sociale, l’esplorazione qui presentata rivela anche la dimensione sociale dell’apprendimento mediato dal computer nel contesto dell’uso di internet e dei social network virtuali contemporanei. Così, la socievolezza (con gli altri) coesiste naturalmente con l’autoistruzione (da soli) anche in situazioni faccia a faccia con la macchina. “(Cyrot & Jeunesse, 2012)

Il caso del progetto MYLK: 

Per illustrare l’impatto dell’uso del tracking, dell’intelligenza artificiale e dell’apprendimento adattivo nell’educazione degli adulti e nell’apprendimento sociale, possiamo analizzare il feedback del gruppo di prova sulla piattaforma MyLK. I test si sono svolti in Francia, Polonia e Paesi Bassi. Gli utenti erano composti per il 58% da persone che lavorano, per il 37% da studenti e per il 5% da rappresentanti del mondo degli affari. Tutti i partecipanti erano adulti.

È interessante capire i feedback degli utenti perché il tracciamento dei dati di apprendimento per offrire contenuti personalizzati (adaptive learning) attraverso l’analisi dei dati (AI) sono obiettivi centrali della piattaforma.

I feedback degli utenti hanno dimostrato che il 54% degli utenti afferma che MyLK promuove l’apprendimento attraverso il tracciamento dei dati. L’89% degli intervistati ritiene che MyLK permetta loro di gestire i contenuti didattici che hanno visitato online. La capacità di MyLK di suggerire contenuti personali è stata riconosciuta dal 61% degli intervistati. (Chrząszcz & Grodecka, 2018)

Queste risposte generalmente soddisfacenti sono sicuramente da mettere in prospettiva con altri parametri, in particolare il fatto che MyLK promuove scambi tra gli utenti che introducono un fattore umano e sociale significativo che può avere la sua importanza nell’esperienza complessiva degli utenti. Infatti, diversi ricercatori (Amadieu & Tricot, 2015, 2015; Zourou & Lamy, 2008) hanno dimostrato che gli scambi peer-to-peer sono un elemento importante nei sistemi educativi online.

Il ruolo della mediazione umana nei sistemi di apprendimento adattivo: 

Alcuni sistemi di apprendimento adattivo -gestiti interamente dall’algoritmo- progettano percorsi individualizzati senza mediazione umana. Questo si riferisce a quello che Amidieu chiama il concetto di “tutor intelligente o intelligenza artificiale”. Secondo lui, i dispositivi di apprendimento adattivo che funzionano meglio sono quelli in cui esiste la mediazione umana. Per lui “non è la macchina che porta l’adattamento, ma l’uomo”. (Amadieu & Tricot, 2015, p. 55).

Per essere efficace, l’apprendimento adattivo dovrebbe quindi combinare l’intelligenza artificiale e la mediazione umana. 

Il diagramma sottostante mostra un sistema di apprendimento adattivo che incorpora la mediazione umana.

In effetti, l’intelligenza umana non può essere ridotta a una rete di azioni logiche. Al contrario, la caratteristica dell’intelligenza umana è quella di essere intimamente legata alle emozioni. Il professor Antonio Damasio, esperto di neuroscienze, psicologia e neurologia, spiega che sono le emozioni che permettono di dare valore a un’azione: “buona”, “cattiva” o “indifferente”. Sono quelle che ci permettono di prendere decisioni sensate tenendo conto non solo dei risultati delle esperienze e delle decisioni passate, ma anche di ciò che abbiamo sentito su queste esperienze e decisioni; le emozioni hanno quindi un impatto anche sulla memoria (Grandguillaume & Piroux, 2004). Aggiunge che “i processi emotivi […] sono programmi d’azione associati agli affetti, e i sentimenti […] sono la percezione mentale degli stati dell’organismo (compresi gli stati di emozioni che ne derivano)” (Damasio in de Castex, 2017). Così, senza un organismo umano, è impossibile produrre emozioni umane e senza emozioni, l’intelligenza artificiale non può dare valori alle informazioni che elabora. Nel marzo 2016, Microsoft ha lanciato il chatbot Tay (agente di conversazione) sul social network Twitter. Utilizzando le attuali conoscenze di elaborazione del linguaggio naturale, l’azienda ha addestrato Tay ad avere la personalità di un diciannovenne. Dopo circa 24 ore dal suo lancio, Tay è stato rimosso dalla piattaforma. Infatti, il robot ha imparato dalle sue conversazioni con gli utenti e ha finito per pubblicare tweet sessisti, razzisti, antisemiti e aggressivi: Evoluzione del chatbot Tay in dieci ore, 2016 (Beres, 2016). In questo caso, il sistema di intelligenza artificiale non è riuscito a valutare la rilevanza dei contenuti appresi, che riassume l’impossibilità dell’intelligenza artificiale di eludere l’intelligenza umana. Anche se l’intelligenza artificiale è dotata di emozioni umane, non esiste ancora una tecnologia cosiddetta non intrusiva che le permetta di catturare dati cognitivi e metacognitivi degli utenti, come le emozioni in risposta a una proposta, gli stati affettivi che motivano le scelte degli utenti, la logica delle operazioni cognitive da essi effettuate, ecc. Ad esempio, un utente risponde “4” alla domanda “1 + 2 =? “. Come interpretare questa risposta? Si tratta di un errore dovuto a una mancanza di attenzione, o di un approccio metafisico all’algebra? Così, la macchina non ha la capacità di cogliere la natura sinuosa dello spirito umano, non può rispondere ad essa in modo adeguato. 

Tuttavia, va notato che l’intelligenza artificiale ha permesso di sviluppare nuovi metodi educativi che hanno dimostrato la loro efficacia nel tempo e che sono più facilmente implementabili per un’organizzazione di formazione convenzionale. L’apprendimento adattivo rimane il più innovativo tra questi nuovi approcci didattici. 

Bibliografia : 

Amadieu, F., & Tricot, A. (2015). Apprendre avec le numérique : Mythes et réalités. Consulté à l’adresse http://faraway.parisnanterre.fr/login?url=https://www.numeriquepremium.com/content/books/9782725633206

Beres, D. (2016). Microsoft Chat Bot Goes On Racist, Genocidal Twitter Rampage. Consulté 27 Decembre 2019, à l’adresse HuffPost website: https://www.huffpost.com/entry/microsofttay-racist-tweets_n_56f3e678e4b04c4c37615502

Chrząszcz, A., & Grodecka, K. (2018). WP4—D4.2 Report of evaluation. Consulté à l’adresse http://mylk-project.info/wp-content/uploads/2018/09/D4.2_WP4_final_report.pdf

Cyrot, P., & Jeunesse, C. (2012). Autoformation et réseaux virtuels. Consulté à l’adresse https://hal-univ-paris10.archives-ouvertes.fr/hal-01489037

de Castex, E. (2017, décembre 7). Antonio Damasio : l’intelligence humaine ne peut venir aux machines – Anthropotechnie. Consulté 27 Decembre 2019, à l’adresse Anthropotechnie website: http://www.anthropotechnie.com/antonio-damasiolintelligence-humaine-ne-peut-venir-aux-machines/ 

Fenouillet, F. (2017). La motivation (3e édition corrigée et actualisée). Consulté à l’adresse http://faraway.parisnanterre.fr/login?url=http://univ.scholarvox.com/book/88841962

Grandguillaume, A., & Piroux, C. (2004). A. Damasio. L’erreur de Descartes (1995) ; Le sentiment même de soi (1999) ; Spinoza avait raison (2003). L’orientation scolaire et professionnelle, 33(3). Consulté à l’adresse http:// journals.openedition.org/osp/748

Zourou, K., & Lamy, M.-N. (2008). Social networked game dynamics in web 2.0 language learning communities. Alsic, 16(Vol. 16). https://doi.org/10.4000/alsic.2642