In this thesis it is proposed an alternative educational path to introduce children in the last year of primary school to predictive supervised Machine Learning. After an introduction about the importance of educating children in this discipline, the main existing approaches are presented, including online courses and tools, electronic devices, unplugged activities and mixed approaches. This thesis’ activity is carried out within the AI-LEAP project (LEArning Personalization with AI and of AI), which was born from a collaboration between the Turin University Computer Science Department and the Psychology Department, and its goal is to train students’ mental skills involved in Machine Learning, through unplugged activities (with paper and pen). Next, the project is explained in detail, along with the type of experimentation implemented in classes in the first half of 2024 and why it is an innovative path. The thesis’ goal concerns the development of project activity sheets for teachers, so that they can be used in the classroom as lessons. Finally, it is reported the experience at the 2024 Turin’s Salone del Libro, during which these teaching sheets were tested.
In questa tesi viene proposto un percorso didattico alternativo per introdurre al Machine Learning supervisionato predittivo i bambini dell’ultimo anno della scuola primaria. Dopo un’introduzione riguardante l’importanza di educare i bambini a questa disciplina, vengono presentati i principali approcci già esistenti, tra cui corsi e tool online, dispositivi elettronici, attività unplugged e approcci misti. L’attività di questa tesi è svolta nell’ambito del progetto AI-LEAP (LEArning Personalization with AI and of AI), che nasce da una collaborazione tra il Dipartimento di Informatica e il Dipartimento di Psicologia dell’Università degli Studi di Torino, e si pone l’obiettivo di allenare le abilità mentali degli studenti coinvolte nel Machine Learning, tramite delle attività unplugged (con carta e penna). Vengono quindi spiegati nel dettaglio le attività svolte, il tipo di sperimentazione attuata nelle classi nella prima metà del 2024 e perché si tratta di un percorso innovativo. L’obiettivo della tesi riguarda lo sviluppo di schede di utilizzo delle attività del progetto per i docenti, in modo tale da essere fruibili in classe come lezioni. Infine, viene riportata l’esperienza al Salone del Libro di Torino 2024, durante la quale sono state sperimentate queste schede didattiche.
Machine Learning con carta e penna: un’esperienza nel progetto AI - LEAP
PAROLA, CARLOTTA
2023/2024
Abstract
In questa tesi viene proposto un percorso didattico alternativo per introdurre al Machine Learning supervisionato predittivo i bambini dell’ultimo anno della scuola primaria. Dopo un’introduzione riguardante l’importanza di educare i bambini a questa disciplina, vengono presentati i principali approcci già esistenti, tra cui corsi e tool online, dispositivi elettronici, attività unplugged e approcci misti. L’attività di questa tesi è svolta nell’ambito del progetto AI-LEAP (LEArning Personalization with AI and of AI), che nasce da una collaborazione tra il Dipartimento di Informatica e il Dipartimento di Psicologia dell’Università degli Studi di Torino, e si pone l’obiettivo di allenare le abilità mentali degli studenti coinvolte nel Machine Learning, tramite delle attività unplugged (con carta e penna). Vengono quindi spiegati nel dettaglio le attività svolte, il tipo di sperimentazione attuata nelle classi nella prima metà del 2024 e perché si tratta di un percorso innovativo. L’obiettivo della tesi riguarda lo sviluppo di schede di utilizzo delle attività del progetto per i docenti, in modo tale da essere fruibili in classe come lezioni. Infine, viene riportata l’esperienza al Salone del Libro di Torino 2024, durante la quale sono state sperimentate queste schede didattiche.File | Dimensione | Formato | |
---|---|---|---|
832930_tesimagistraleparola.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
12.89 MB
Formato
Adobe PDF
|
12.89 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/147131