Didattica a distanza: spunti per un’analisi del fenomeno
di Giorgia Amato, Team Area Analytics
L’emergenza sanitaria relativa alla pandemia di Covid-19 ha accelerato la trasformazione digitale in Italia in diversi settori e l’istruzione è senza dubbio tra quelli che tempestivamente si sono dovuti adeguare a tempi e modalità nuovi imposti dalla pandemia.
La didattica a distanza ha fornito la soluzione rapida alla necessità di dare continuità al percorso scolastico e alla formazione degli studenti, dando contemporaneamente rilevanza anche al mantenimento di un dialogo continuo e costruttivo tra corpo docente e studenti.
Oltre l’aspetto logistico, questo ha richiesto uno sforzo tecnico e tecnologico importante: in pochissimo tempo le scuole e le università italiane hanno dovuto ripensare e riorganizzare i propri corsi e trasferirli in modalità online.
Fornire l’infrastruttura tecnica a supporto dei docenti e permettere agli studenti non solo di seguire le lezioni, ma anche di interagire con professori in tempo reale e al tempo stesso garantire il monitoraggio costante della qualità del servizio, hanno rappresentato i punti strategici del supporto fornito da IWS nell’implementazione della didattica a distanza di una importante università italiana.
Tutto questo è stato possibile grazie al lavoro integrato di tre diversi team: Support ha potenziato l’infrastruttura esistente e facilitato l’accesso ai servizi per studenti e professori; il Team RPA (Robotic Process Automation) ha creato una macchina virtuale capace di scaricare in maniera automatica i dati giornalieri di connessione alla piattaforma online di studenti e professori; mentre il Team Analytics ha preso in carico i big data giornalieri per poterli analizzare creando degli algoritmi di ML utili per un sentiero di lettura automatico del dato, fornendo al cliente anche delle dashboard interattive utili alla visualizzazione funzionale del dato, gestendone dunque tutta la filiera.
Lo scambio di informazioni e di pareri all’interno dei team ha garantito un monitoraggio completo dello stato del servizio da tutti i punti di vista, prestando una performance al cliente continua ed esaustiva.
Grazie alla creazione di algoritmi di ML integrati con alcune applicazioni di interfaccia Google il gruppo Analitycs è riuscito a geolocalizzare tutte le connessioni occorse a partire dal 6 Marzo 2020 fino alla fine del semestre grazie al codice IP pubblico di connessione alla rete fornito dalla piattaforma ospite.
La mappa mostra una porzione delle geolocalizzazioni delle connessioni per il mese di aprile 2020, l’Università ha così potuto mappare le località da cui si sono connessi i suoi studenti durante l’erogazione delle lezioni.
Ancora, il team Analytics ha implementato un ulteriore algoritmo di ML utile a fare una distinzione tra connessione ed individuo. Infatti, la singola persona potrebbe connettersi più volte dallo stesso dispositivo o addirittura da dispositivi differenti.
Individuare questi casi, capire dunque laddove un individuo si connette più volte e da quali e quanti dispositivi differenti, fornisce delle informazioni importanti sulla qualità del segnale e sulla stabilità della connessione. Garantisce. inoltre, la pulizia del dato, fondamentale in termini puramente statistici e utile alla lettura da parte del cliente che riceve le nostre analisi.
