La Nuova Ferrara

L’iscrizione a un corso di studi universitari è una scelta fondata su un insieme di incognite. Il prodotto della loro combinazione è il tempo impiegato per completare il corso, il voto di laurea, l’eventuale rinuncia. In questo caso la spesa investita dall’ateneo e il costo sostenuto dallo studente non saranno ripagati dal risultato, con spreco di tempo e risorse. Per questo motivo la ricerca da tempo ha iniziato a costruire modelli previsionali per identificare con una buona approssimazione ed efficacia gli studenti “a rischio” con l’intento di aiutare gli atenei (i loro ricavi dipendono in parte dalla quota di iscritti in corso) ma anche gli studenti a migliorare le performance ed, eventualmente, a correggere le scelte.

Costruire uno schema

Il professor Guido Sciavicco, 43 anni, professore associato del Dipartimento di Matematica e Informatica di Unife (laurea a Udine, dove ha conseguito anche il dottorato di ricerca, poi esperienze di insegnamento in Spagna, Macedonia e Cipro) ha realizzato una ricerca che ha introdotto nuove variabili predittive per la carriera universitaria degli studenti.

I risultati sono stati illustrati in un articolo pubblicato quest’anno sulla rivista “IEEE transactions on learning technologies”. «Il nostro scopo è migliorare l’accuratezza della previsione sulla probabilità che uno studente possa non completare il suo corso di studi – spiega il docente, che ha svolto l’indagine in collaborazione con la studentessa Alessia Paoletti e con i professori Fernando Jiménez e Gracia Sánchez – Per l’elaborazione dei dati e la messa a punto del modello abbiamo utilizzato l’intelligenza artificiale. In pratica, quando non esiste uno schema statistico predittivo, si chiede a una macchina evoluta di analizzare un paniere di funzioni matematiche e di dati disponibili sotto altre forme (stumenti ad albero, reti neurali) per individuare un modello che consenta di elaborare una previsione il più possibile accurata».

L’informazione “grezza” su cui lavorare era costituita dai nominativi di circa 400 studenti iscritti al corso di laurea di Informatica tra il 2001 e il 2015.

Uno sguardo diverso

L’elemento di novità portato dalla ricerca di Unife è rappresentato dalle variabili ritenute significative. Sono state ignorate quelle che compaiono in altri lavori scientifici finalizzati allo stesso obiettivo (sesso, età, scuola di provenienza, voti conseguiti etc.): l’attenzione è stata focalizzata sul comportamento dello studente durante i primi mesi del corso. «Ci siamo concentrati su due traguardi - sintetizza Sciavicco - la capacità di migliorare gli esiti di altre ricerche e la precocità della previsione, in pratica sul come ottenere una previsione molto attendibile nel tempo più breve possibile». L’affidabilità della previsione è stata dimostrata per il 75-80% del campione. «Ora si tratta di affinare il modello – conclude Sciavicco – Riteniamo che i risultati conseguiti nei primi mesi del corso siano più significativi di altre variabili statiche, come il sesso o l’età».

Alessia Paoletti, co-autrice della ricerca, ha conseguito la laurea triennale e Ferrara col massimo dei voti e si è iscritta a Trieste per completare gli studi con la magistrale. Nel frattempo ha ottenuto una borsa di studio biennale da un’azienda privata. Sciavicco, dopo l’estate, inizierà a collaborare con il Cineca, il consorzio interuniversitario italiano, per tentare di elevare ulteriormente, assieme a uno studente ammesso a un dottorato di ricerca, l’affidabilità di questo campo di studi, oggi basati sull’esito di indagini già consolidate. Lo scopo: rendere più efficiente il servizio di previsione sull’abbandono accademico. –

Gi. Ca.