Bibliographic record
Abstract
Nel nostro periodo storico i sistemi di istruzione superiore sono impegnati in una profonda riforma per ottimizzare la qualità dell’apprendimento e per individuare competenze funzionali all’occupabilità e alla cittadinanza attiva (Ministerial Conference Yerevan, 2015; Felisatti, Serbati, 2017). In quest’ottica è indispensabile offrire agli studenti e studentesse la possibilità di co-costruire l’apprendimento per permettere l’acquisizione di un grado di comprensione accresciuto, grazie all’accompagnamento del /delladocente (Venet, Correa Molina, Saussez, 2016; Cinque, 2013; Vygotski,1931/2014; Chauvigné, Coulet, 2010). In questa prospettiva il contributo presenta uno studio di caso che riguarda un gruppo di studenti e studentesse frequentanti l’insegnamento di Pedagogia e Didattica Speciale del corso per Educatore Professionale dell’Università di Cagliari. L’analisi del contesto ha fatto scaturire le seguenti riflessioni: quali attività il docente dovrebbe mettere in campo per aiutare gli studenti a raggiungere gli obiettivi di apprendimento programmati? Come può il docente valutare l’attesa degli obiettivi di apprendimento? Come può implementare il sentimento di competenza nei discenti? Come può dare agli studenti il vantaggio del controllo del loro apprendimento? (Magnoler, 2018; Coggi, 2016; Commissione Europea, 2008; Semeraro, 2006). L’ipotesi propone di mettere in coerenza gli obiettivi del corso con i metodi e il processo di valutazione (Biggs,1996; Peretti, Tore, 2016). A questo proposito la docente del corso ha condiviso con i discenti la scheda di insegnamento declinata secondo gli obiettivi indicati nei Descrittori di Dublino (Tore R., 2017; Ciavaldini, 2016). Ha fornito, inoltre, i metodi (Bonaiuti, 2017; Ramsden, 2002) per il lavoro di studio e condiviso con i discenti l’uso della valutazione formativa che ha favorito e anticipato positivamentei risultati dell’esame finale (Coggi, Ricchiardi, 2018; Poumay, 2014; Cajola, Domenici, 2005; Romainville, Coggi, 2011; Rapport du Canada, 2005; Leone, Moretti, 2010)
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".