Il presente contributo documenta uno studio condotto sull’ambiente di social annotation Perusall. Questo ambiente è finalizzato a promuovere lo studio di materiali testuali attraverso la condivisione delle annotazioni degli studenti sui testi stessi. In particolare sono state prese in esame le funzionalità di Perusall che consentono di valutare la partecipazione degli studenti. Queste si basano su un insieme di indicatori che vengono settati dal docente e su un algoritmo di Machine Learning in grado di valutare la qualità delle annotazioni. È stata indagata la validità di questo processo, nell’ambito di un insegnamento universitario, analizzando la relazione tra i punteggi prodotti dall’algoritmo e quelli formulati dal docente sulle annotazioni degli studenti. Infine sono state indagate le considerazioni espresse dagli studenti in merito all’utilizzo di processi automatici di valutazione. I risultati sono moderatamente positivi e incoraggianti.

Perusall: un’analisi della validità dei processi valutativi basati sul Machine Learning

Graziano Cecchinato
;
Laura Carlotta Foschi
2020

Abstract

Il presente contributo documenta uno studio condotto sull’ambiente di social annotation Perusall. Questo ambiente è finalizzato a promuovere lo studio di materiali testuali attraverso la condivisione delle annotazioni degli studenti sui testi stessi. In particolare sono state prese in esame le funzionalità di Perusall che consentono di valutare la partecipazione degli studenti. Queste si basano su un insieme di indicatori che vengono settati dal docente e su un algoritmo di Machine Learning in grado di valutare la qualità delle annotazioni. È stata indagata la validità di questo processo, nell’ambito di un insegnamento universitario, analizzando la relazione tra i punteggi prodotti dall’algoritmo e quelli formulati dal docente sulle annotazioni degli studenti. Infine sono state indagate le considerazioni espresse dagli studenti in merito all’utilizzo di processi automatici di valutazione. I risultati sono moderatamente positivi e incoraggianti.
2020
Dalle Teaching Machines al Machine Learning
978-88-6938-199-7
File in questo prodotto:
Non ci sono file associati a questo prodotto.
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11577/3351197
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact