LMSP

Lingua Insegnamento:

ITALIANO
Testi di riferimento:

Testo base:Ambrose, S. A., Bridges, M. W., Di Pietro, M., Lovett, M. C., & Norman, M. K. (2017). Come impariamo. Sette principi per un insegnamento efficace. A cura di D. Maknouz. Bologna: Zanichelli.
Materiali integrativi:Articoli scientifici e risorse selezionate sull’applicazione dell’intelligenza artificiale alla progettazione didattica (forniti dal docente e disponibili su piattaforma e-learning).
Obiettivi formativi:

Conoscenze e comprensione:

Comprendere i meccanismi psicologici che regolano l’apprendimento.
Conoscere i sette principi della scienza dell’apprendimento e le loro implicazioni didattiche.
Riconoscere le potenzialità dell’IA nella personalizzazione e valutazione dell’apprendimento.

Capacità applicative:

Analizzare e progettare ambienti di apprendimento efficaci.
Utilizzare i principi del libro per costruire attività e interventi didattici innovativi.
Integrare strumenti di IA per supportare apprendimento e metacognizione.

Competenze trasversali:

Autonomia di giudizio nella scelta di strategie educative.
Abilità comunicative scritte e orali.
Capacità di apprendere in modo riflessivo e cooperativo.
Prerequisiti:

Non sono richieste conoscenze pregresse specifiche, ma è utile una base in psicologia dello sviluppo e pedagogia generale.
Metodi didattici:

Lezioni frontali interattive
Analisi di casi studio
Attività laboratoriali su progettazione didattica
Discussione guidata di articoli scientifici
Utilizzo della piattaforma e-learning
Modalità di verifica dell'apprendimento:

L’esame si compone di due parti:

La prima coinvolge un colloquio orale sulla prima parte del programma e la discussione di una tesina relativa all’implementazione di uno dei principi della prima parte del programma.
La seconda coinvolge un colloquio orale sulla seconda parte del programma e la discussione di una tesina relativa all’implementazione di uno dei principi della seconda parte del programma.
Le due tesine progettuali, ognuna centrata su uno dei sette principi, saranno focalizzate sull’uso di strumenti basati su IA per implementarli in contesti educativi. Ogni tesina avrà una lunghezza di 4–5 pagine) e dovrà includere esempi concreti di come uno specifico principio può essere implementato nella didattica di specifici contenuti facendo uso di strumenti basati sull’AI. Le tesine devono essere consegnate almeno una settimana prima dell’esame orale.

Per gli studenti frequentanti (almeno il 70% delle lezioni), sono previste due prove intermedie, una per ciascuna parte del corso.
Valutazione finale: media aritmetica dei voti in trentesimi delle due parti (orale + tesina), con criteri di qualità definiti all’inizio del corso.
Sostenibilità:
Altre Informazioni:

Gli studenti Erasmus potranno concordare con il docente materiali alternativi in lingua inglese. Il corso è compatibile con percorsi di formazione iniziale per l’insegnamento.

Il corso esplora i fondamenti psicologici dell’apprendimento umano con particolare attenzione ai contesti educativi, alla formazione degli insegnanti e alle applicazioni dell’IA nella didattica . È articolato in due parti:

Parte I – Fondamenti cognitivi e motivazionali dell’apprendimentoRiguarda i primi quattro principi descritti nel libro di testo:

Conoscenze pregresse
Organizzazione della conoscenza
Motivazione ad apprendere
Sviluppo delle competenze

Parte II – Sostenere l’apprendimento attraverso strategie didattiche avanzateRiguarda i restanti tre principi:5. Esercitazioni e feedback6. Sviluppo personale e atmosfera di classe7. Apprendimento autodiretto

Il corso approfondisce i sette principi dell’apprendimento (Ambrose et al., 2017), analizzandone le basi teoriche, le implicazioni educative e le applicazioni nei contesti scolastici e universitari. Ogni principio sarà discusso attraverso:

Approfondimenti teorici: elementi di psicologia cognitiva e motivazionale, con riferimento alle ricerche più recenti
Esempi applicativi: analisi di buone pratiche didattiche ed esperienze di progettazione educativa;
Attività di progettazione: sviluppo guidato di interventi evidence-based legati a uno o più principi;
Tecnologie e IA: introduzione a strumenti digitali e applicazioni basate sull’intelligenza artificiale utili per implementare i principi, con riflessione su efficacia, equità e praticabilità.