Modellare i contenuti dell’apprendimento: il progetto ARPE

– di Chiara ALZETTA (CNR-ILC)

Il progetto ARPE (Analisi delle Relazioni di Prerequisiti Educativi), supportato dallo Small Grant di AIUCD, affronta la sfida di modellare i contenuti dei testi didattici al fine di creare risorse per sviluppare strumenti di personalizzazione dei percorsi di apprendimento. Il progetto si concentra sulla propedeuticità didattica, ovvero sull’introduzione di concetti fondamentali prima di quelli più avanzati, e utilizza approcci delle Digital Humanities per analizzare relazioni di prerequisito tra concetti in testi educativi. La risorsa annotata sviluppata, comprendente testi in italiano e inglese, è stata utilizzata per esplorare tecniche innovative di annotazione, analizzare la complessità testuale e valutare la qualità delle relazioni di prerequisito. Sebbene le sfide persistano, il progetto ha raggiunto traguardi significativi, aprendo nuove prospettive per l’editoria didattica, l’ottimizzazione dei materiali e il supporto personalizzato all’apprendimento. L’approccio flessibile del progetto e le risorse generate forniscono una base solida per lo sviluppo futuro di sistemi avanzati nell’analisi dei materiali didattici.

Nella nostra esperienza di studenti, ma anche di studiosi, ci troviamo spesso ad interagire con uno strumento essenziale per l’acquisizione di nuova conoscenza: i libri di testo. Tipicamente, si tratta di materiali scritti a scopo didattico nei quali un autore si è occupato di raccogliere, sistematizzare e organizzare tutta la conoscenza da lui ritenuta necessaria per la comprensione di un dato argomento. Successivamente, un editore si è accertato della validità delle informazioni riportate nel volume e del loro valore didattico, eventualmente richiedendo un adattamento dei contenuti del libro al pubblico di riferimento o una riscrittura di alcune sezioni per migliorarne la chiarezza. Tutti sicuramente concordiamo sul fatto che i libri migliori che abbiamo consultato sono quelli nei quali le conoscenze di dominio dell’autore e le competenze dell’editore hanno collaborato al meglio, risultando in un volume completo dal punto di visto delle informazioni, adeguato nello stile espositivo, e chiaro nell’organizzazione dei contenuti. In quello che chiamiamo un “buon libro”, ogni concetto si dispone in modo armonioso rispetto al precedente, creando un percorso di apprendimento senza soluzione di continuità.

Quest’ultimo aspetto è particolarmente interessante: una volta selezionati i contenuti da presentare ai lettori del libro, qual è il modo più efficace per organizzarli? Come è possibile garantire al lettore-apprendente la comprensione dei contenuti senza creare disorientamento e lasciare lacune di conoscenza?

Per rispondere a queste domande, autori ed editori dei testi didattici si affidano ad un principio fondamentale in pedagogia: la propedeuticità delle informazioni, ovvero il principio secondo il quale i concetti fondamentali devono essere introdotti prima di quelli più avanzati. Il progetto ARPE (Analisi delle Relazioni di Prerequisiti Educativi), un’iniziativa sostenuta dallo Small Grant di AIUCD, si è occupato proprio dei rapporti di propedeuticità fra concetti. In particolare, il progetto si è concentrato sullo studio di contenuti didattici testuali al fine di modellare la conoscenza in essi contenuta rendendo esplicite le relazioni di prerequisito fra concetti.

Il progetto nasce in un contesto multidisciplinare dove l’uso di approcci e metodologie delle Digital Humanities ha contribuito alla creazione di strumenti e soluzioni per supportare l’apprendimento e l’editoria didattica. L’obiettivo principale di ARPE infatti è identificare e formalizzare le relazioni di prerequisito tra i concetti presenti nei testi educativi. Il fine ultimo di questo processo è creare risorse che favoriscano lo sviluppo di strumenti di raccomandazione capaci di suggerire percorsi di apprendimento personalizzati per gli studenti, rispettando al contempo il rapporto di propedeuticità tra i concetti presentati.

Ma cosa sono le relazioni di prerequisito? Le PR, così le chiameremo a volte per brevità, sono relazioni binarie fra due concetti. La loro funzione è quella di indicare quali concetti uno studente deve acquisire prima di procedere a quelli più avanzati. Per fare un esempio: prima di affrontare la moltiplicazione, è importante che lo studente abbia chiaro il concetto di addizione. Quindi, possiamo dire che addizione è un prerequisito di moltiplicazione. 

Esistono numerosi esempi virtuosi di tecnologie a supporto della didattica che sfruttano le PR per offrire contenuti didattici personalizzati per gli studenti. Fra questi menzioniamo le proposte di Agrawal et al. (2016) e Li et al. (2019) relative al curriculum planning, e di Gan et al. (2022) per knowledge tracing. Inoltre, fra i lavori più noti nel settore, ricordiamo gli articoli di Gordon et al. (2017), che sfrutta le PR fra concetti per creare automaticamente liste di letture di approfondimento, di Wang et al. (2016) e Pursel et al. (2016), i quali propongono soluzioni per il riconoscimento automatico delle PR da testi al fine di generare, rispettivamente, mappe concettuali e percorsi didattici. Tuttavia, numerose sfide rimangono ancora aperte nel contesto della ricerca sulle PR, soprattutto per quanto riguarda la costruzione di risorse annotate che rendano esplicite le relazioni di prerequisito tra i concetti e la validazione degli strumenti automatici su libri di testo di discipline umanistiche. Il progetto ARPE si è proposto di affrontare alcune di queste sfide e ha già raggiunto importanti traguardi, come illustreremo di seguito.

La creazione di una risorsa annotata con relazioni di prerequisito è stata il punto di partenza fondamentale per il progetto ARPE. Questa decisione è stata motivata dalla carenza di risorse disponibili per le PR annotate su testi in italiano relativi alle discipline umanistiche rispetto a quelle costruite a partire da testi in lingua inglese di discipline scientifiche. Di conseguenza, si è scelto di sviluppare una risorsa affidabile e di alta qualità, quindi annotata manualmente. Sebbene inizialmente fosse previsto di includere nella risorsa solamente testi in lingua italiana di discipline umanistiche, durante il corso del progetto si è scelto di estendere il corpus includendo anche testi in inglese di discipline scientifiche. Il risultato finale dunque è una risorsa multilingue che spazia in diverse discipline.

La sezione italiana del corpus comprende testi didattici appartenenti al dominio della storia, acquisiti dalla World History Encyclopedia, un’organizzazione no-profit che dispone di una sezione ricca di contenuti in lingua italiana. L’obiettivo della World History Encyclopedia è quello di produrre e mettere a liberamente a disposizione risorse affidabili, di facile lettura e di alta qualità, garantita dalla revisione di ogni articolo da parte di esperti del dominio. A tal fine, gli articoli sono distribuiti con licenza Creative Commons Attribution-NonCommercial-ShareAlike (CC BY-NC-SA). 

Per rispettare le tempistiche del progetto, si è deciso di sperimentare un approccio innovativo per l’annotazione dei prerequisiti in questi testi che permettesse di rendere meno onerosa l’annotazione in termini di tempo e sforzo. Come primo passo, è stato utilizzato uno strumento di estrazione terminologica per acquisire automaticamente i concetti dai testi. Per semplificare, potremmo dire che i concetti dei testi corrispondono indicativamente ai termini di dominio, ovvero le parole chiave, menzionati nel testo. Successivamente, per ogni concetto, sono stati identificati i termini che con esso co-occorrono, ovvero che vengono menzionati in una finestra di contesto di massimo 3 frasi. Queste coppie di concetti sono state sottoposte ad un team composto da un esperto del dominio, un esperto di costruzione di corpora annotati e un ricercatore attivo nell’ambito delle PR affinché indicassero se i concetti co-occorrenti fossero anche legati da una relazione di prerequisito. L’aspetto innovativo di questa risorsa annotata consiste nel fatto che le PR sono legate a contesti specifici di descrizione delle relazioni, in base alle quali gli esperti hanno identificato le PR. 

La sezione inglese del corpus di PR include testi di algebra, geometria, fisica e statistica. In questo caso non è stato necessario annotare manualmente le relazioni di prerequisito fra i concetti poichè esistono risorse che riportano questa informazione. La caratteristica innovativa che è stata introdotta in questo caso è la natura parallela  del corpus: la risorsa raccoglie descrizioni degli stessi concetti acquisite da tre materiali didattici distinti,  che si rivolgono ciascuno ad un pubblico diverso e che quindi presentano diversi gradi di complessità testuale. Questa caratteristica è particolarmente interessante quando combinata con le informazioni sulle relazioni di prerequisito tra i concetti, dal momento che rende possibile permette il confronto tra descrizioni degli stessi concetti provenienti da risorse didattiche indirizzate ciascuna ad un diverso pubblico.

La risorsa appena descritta è stata utilizzata per molteplici analisi nel corso del progetto, sia per valutarne la qualità che per esplorare nuove direzioni di ricerca. Una parte significativa delle analisi è stata dedicata alla validazione del processo di annotazione delle relazioni di prerequisito nei testi in italiano. L’esito di questo processo di annotazione, non ancora completamente soddisfacente, ha evidenziato la necessità di coinvolgere gli esperti anche nelle fasi di estrazione dei concetti e di sperimentare con finestre di contesto più ampie per il riconoscimento delle PR. In seguito a queste sperimentazioni, si prevede la futura distribuzione libera del corpus annotato, rendendo così accessibili le informazioni e i risultati ottenuti nel corso delle analisi condotte durante il progetto. D’altra parte, la sezione in inglese del corpus, grazie alla sua natura particolarmente innovativa, è stata usata per esplorare se le variazioni stilistiche e di complessità testuale influiscono sulla capacità degli apprendenti di ricostruire in modo efficace le catene di prerequisiti. Questa intuizione, mai sperimentata prima d’ora, è stata testata coinvolgendo soggetti madrelingua inglese in un compito di annotazione dei prerequisiti. L’esito di tale annotazione, confrontato con le relazioni di prerequisito estratte da risorse preesistenti, ha confermato che, sebbene l’annotazione delle PR rimanga intrinsecamente complessa, lo stile dei testi ha un impatto sull’identificazione delle catene da parte dei soggetti.

Grazie al sostegno di AIUCD, il progetto ARPE ha superato con successo numerose sfide legate all’annotazione e all’analisi delle relazioni di prerequisito nei testi didattici. La metodologia centrata sui contenuti dei testi si è dimostrata flessibile, rendendo l’approccio adattabile a una vasta gamma di discipline e a diverse lingue. Le implicazioni di questa ricerca si estendono a settori cruciali come l’editoria didattica, l’ottimizzazione dei materiali didattici e il supporto personalizzato all’apprendimento degli studenti. 

Guardando al futuro, il progetto ARPE apre la strada a molteplici direzioni di espansione che rappresentano nuove opportunità per affrontare le sfide emergenti e migliorare ulteriormente l’efficacia dei nostri risultati. I progressi finora compiuti e le risorse generate costituiscono una solida base per lo sviluppo di sistemi avanzati dedicati alla consultazione e all’analisi dei materiali didattici. 

Riferimenti

Agrawal, Rakesh, Behzad Golshan, and Evangelos Papalexakis. “Toward Data-Driven Design of Educational Courses: A Feasibility Study.” Journal of Educational Data Mining 8.1 (2016): 1-21.

Gan, Wenbin, Yuan Sun, and Yi Sun. “Knowledge structure enhanced graph representation learning model for attentive knowledge tracing.” International Journal of Intelligent Systems 37.3 (2022): 2012-2045.

Gordon, Jonathan, et al. “Structured generation of technical reading lists.” Proceedings of the 12th Workshop on Innovative Use of NLP for Building Educational Applications. 2017.

Li, Irene, et al. “What should i learn first: Introducing lecturebank for nlp education and prerequisite chain learning.” Proceedings of the AAAI Conference on Artificial Intelligence. Vol. 33. No. 01. 2019.

Pursel, Bart, et al. “Bbookx: Design of an automated web-based recommender system for the creation of open learning content.” Proceedings of the 25th International Conference Companion on World Wide Web. 2016.

Wang, Shuting, et al. “Using prerequisites to extract concept maps from textbooks.” Proceedings of the 25th acm international on conference on information and knowledge management. 2016.

Per citare questo articolo:

Chiara Alzetta, “Modellare i contenuti dell’apprendimento: il progetto ARPE”, in Informatica Umanistica e Cultura Digitale: il blog dell’ AIUCD. (blog accademico), 16 Febbraio 2024, https://infouma.hypotheses.org/2858.

---

---