CopertinaAnnamaria

Figura 7.15 - Processo di Concept Mapping (Trochim, 1989, p. 3).
La Figura 7.16 mostra gli 8 cluster ottenuti fra le affermazioni in seguito alle procedure di riordinamento da parte degli esperti. L’area rossa contiene i cluster presentati nella maggior parte dei casi come s.de; quella verde i gruppi di item visti come opportunità. In arancione sono le affermazioni e i relativi cluster identi.cati come un misto di opportunità e s.da.

Figura 7.16 - Cluster analysis su s.de e opportunità legate all’attuazione di progetti di Open Online Education (Schophuizen et al., 2018, p. 6).
Viene restituito anche un gra.co del tipo go-zone che mostra la distribuzione delle affermazioni in base ai criteri scelti (Figura 7.17).
Lo stesso procedimento è usato nello studio in un progetto europeo di Helen Hynes e colleghi (2015) il cui scopo è quello di de.nire un curriculum e i risultati di apprendimento per gli studenti di medicina sulle attività di passaggio delle consegne (handoff training). 127 esperti (accademici, medici e infermieri a vario titolo coinvolti nella formazione dei medici) sono stati invitati a partecipare per email, di questi 22 hanno concluso tutte le fasi dell’intero processo di indagine.

Figura 7.17 - Gra.co go-zone nel quale sono rappresentate le affermazioni sui progetti di OOE sugli assi in base alle valutazioni su due indicatori: importanza e inPuenza (Schophuizen et al., 2018, p.
6).
La frase che nel brainstorming durato due settimane è stato chiesto di completare è: “Un risultato di apprendimento speci.co del modulo handoff è”. 4 esperti scelti dal campione hanno selezionato la lista .nale di circa 100 affermazioni da riordinare e valutare in tre settimane sulla base di due criteri: importanza e difcoltà nel raggiungimento degli obiettivi. Anche in questo caso, lo stress ha un valore compreso nel range consentito (0,338) e per questo la soluzione è considerata una buona rappresentazione del riordinamento delle affermazioni. Fra le soluzioni con un numero di cluster compreso fra 5 e 16, le più idonee, a detta dei 4 esperti, sono risultate quelle con 9 e 10 cluster. I cluster, con i nomi ad essi assegnati rappresentano gli elementi chiave su cui costruire un ef.cace curriculum sull’handoff training. L’analisi è arricchita dalle valutazioni degli esperti su obiettivi più importanti e più dif.cili da raggiungere.
Maren Scheffel, Hendrik Drachsler e colleghi (2014) utilizzano le procedure del Group Concept Mapping per selezionare indicatori di qualità per i learning analytics tools. 74 partecipanti allo studio hanno proposto 92 idee completando l’espressione “Un indicatore di qualità speci.co per valutare gli effetti dei learning analytics è”. Alcuni esperti hanno rivisto l’iniziale elenco giungendo a de.nire 103 indicatori da sottoporre al riordinamento e alla valutazione in una scala da 1 a 7 in base all’importanza e alla fattibilità. Gli autori hanno sintetizzato gli indicatori in 8 cluster dalle procedure di riordinamento: open access, privacy, acceptance & uptake, learning outcome, teacher awareness, learning performance, learning support, student awareness. Dall’analisi della letteratura e dei risultati in riferimento ai due criteri di rating (importanza e fattibilità) è stato in.ne individuato un framework composto da cinque criteri per la valutazione dei tool di LA: obiettivi, supporto a docenti e studenti nel processo di apprendimento, risultati del processo formativo ottenuti dal tool, caratteristiche dei dati, aspetti organizzativi.
184 - Analisi Multivariata e Learning Analytics: metodi e applicazioni