Nel concreto della ricerca

Queste teorie percettive, evidenze pedagogiche, leggi dello Stato ed esperienze seminali riscontrate a livello nazionale e interna- zionale, sono confluite all’interno di un percorso di ricerca con- dotto in una classe V della Scuola Primaria Leopardi, plesso del- l’Istituto Comprensivo Briosco di Padova.

Sono stati svolti otto incontri della durata di due ore ciascuno e, in particolare, due di essi si sono tenuti al Museo di Scienze Ar-

cheologiche e d’Arte dell’Università di Padova, grazie alla preziosa

collaborazione instaurata con la sua conservatrice, Alessandra Menegazzi, che ha messo a disposizione alcune sculture e alcuni rilievi, con le superfici appositamente trattate in modo che gli alunni potessero toccarle con mano.

Nello specifico, i primi due incontri si sono focalizzati sulla sperimentazione del lavoro svolto dagli artisti: gli alunni hanno

provato nel concreto a realizzare delle formelle in argilla, sia in incavo che in rilievo, e un busto, avvalendosi di una base di po- listirolo e del DAS. In entrambe le occasioni sono stati posti nel- la condizione di lavorare liberamente, seguendo alcune indica- zioni date in precedenza, saggiando le diverse consistenze dei materiali e aiutandosi a vicenda.

Fig. 1: I busti realizzati dagli alunni

Il terzo incontro è stato progettato con lo scopo di creare un ponte con la realtà museale, che è stata esplorata virtualmente per mezzo delle nuove tecnologie, utilizzando strumenti come le foto sferiche di Ricoh Theta e siti web come Google Maps e You-

Tube. Inoltre, gli alunni hanno potuto sperimentare una “visione

tattile”, cioè sono state svolte delle attività in cui sono stati ben- dati, sollecitando il solo uso del tatto. Quest’ultima attività è ser- vita per sintonizzarli rispetto a quanto avrebbero vissuto al mu- seo. Qui, in entrambi gli incontri – uno focalizzato sui busti di Omero e della Dama di Età Flavia e l’altro sui rilievi dell’Ara Quadrangolare e del Mito di Fetonte (tutte copie in gesso) – la classe, divisa in due sottogruppi, ha partecipato attivamente a quattro differenti attività innovative rispetto all’approccio tradi- zionale. Per poter toccare le opere gli allievi sono stati bendati e, in un secondo momento, hanno ascoltato una spiegazione delle stesse e guardato un video in cui una lettrice LIS traduceva si- multaneamente il dettato di una speaker.

! ! ! !! !! ! ! ! ! ! !! !! ! ! ! ! ! !! !! ! ! ! ! ! !! !! ! ! ! ! ! !! !! ! ! ! ! ! !! !! ! ! ! ! ! !! !! ! ! ! ! ! !! !! ! ! ! ! ! !! !! ! ! 239 |Esperienze

Figg. 2-4: L’esplorazione tattile delle opere al museo e la loro descrizione audio- video-LIS

In seguito, hanno mimato quanto osservato, toccato ed ascol- tato e, infine, rappresentato graficamente l’immagine mentale delle opere formatasi per mezzo di queste differenti attività. A scuola, per verificare quanto era rimasto loro impresso, è stata impiegata la piattaforma ThingLink, che permette l’analisi e lo

storytelling delle opere attraverso pop-up multimediali creati da-

gli stessi alunni, che hanno così sperimentato un metodo coin- volgente per raccogliere, confrontare, sintetizzare e infine pre- sentare efficacemente i loro pensieri e le loro conoscenze.

4. Conclusioni

L’approccio laboratoriale, la tipologia dei materiali utilizzati in classe, la collaborazione fra la scuola e il territorio, l’utilizzo delle nuove tecnologie, l’attivazione di più canali sensoriali e la possi- bilità di lavorare in gruppo sono stati gli ingredienti di un’espe- rienza che ha coinvolto tutti gli alunni. Le diverse attività, rivolte tanto al lavoro individuale quanto a quello collaborativo, hanno favorito l’inclusione, con una partecipazione sempre interessata e per alcuni entusiastica. In fase di restituzione sono emerse sol- ! !! !! ! ! ! !! !! ! ! ! !! !! ! ! ! !! !! ! ! ! !! !! ! ! ! !! !! ! ! ! !! !! ! ! ! !! !! ! ! ! !! !! ! !

lecitazioni a svolgere maggiormente attività così strutturate e, anche sotto il profilo delle conoscenze e delle competenze in uscita, esse si sono rivelate più che soddisfacenti rispetto agli obiettivi prefissati.

A scuola è possibile fare educazione artistica in modo “diver- so” e attivare gli alunni nella propria formazione, facendo in mo- do che possano sperimentare sulla propria pelle processi di pen- siero e di esplorazione inconsueti e molteplici, rendendoli, come sosteneva già Montessori (ed. 1999), degli «uomini pratici» e non dei «pensatori atti a vivere fuori dal mondo».

Riferimenti bibliografici

De Socio, P. & Piva, C. (2005). Il museo come scuola. Didattica e patri-

monio culturale. Roma: Carocci.

Mattozzi, I. (1999). La didattica dei beni culturali: alla ricerca di una definizione. In M. Cisotto Nalon (Ed.), Il Museo come laboratorio

per la scuola. Per una didattica dell’arte (pp. 33-37). Padova: Il Poli-

grafo.

Munari, B. (20142_{). I laboratori tattili. Mantova: Corraini.}

Secchi, L. (2004). L’educazione estetica per l’integrazione. Roma: Caroc- ci.

Turci, M. (1998). La didattica del museo d’antropologia. In S. Astolfi,

Ali nel museo: Percorsi di didattica museale dall’osservazione alla crea- zione (pp. 10-11). Imola: La Mandragora s.r.l.

XXV.

–––––––––––––––––

Un’educazione per le macchine.

Il ruolo della mediazione umana nella definizione culturale delle scelte algoritmiche

Machine education.

The role of human mediation in the cultural definition of algorithmic choices

–––––––––––––––––

Umberto Zona, Martina De Castro, Fabio Bocci

Università degli Studi Roma Tre

Nel Machine Learning (ML), il controllo umano continua a es- sere estremamente importante per la profilazione e la persona- lizzazione dei servizi offerti dagli assistenti virtuali o dalle grandi piattaforme commerciali, come Netflix, dove, dietro la facciata dell’efficienza computazionale, team di etichettatori

anonimi umani sono incessantemente al lavoro per descrivere

le relazioni culturali tra opere cinematografiche e televisive. Anche nei social network (es: Facebook), agiscono squadre di

persone reali che decidono quali debbano essere gli argomenti

caldi su cui far discutere la community. Da ciò risulta evidente come sia ancora l’essere umano nel ML a elaborare, secondo le convenienze economiche dell’azienda, i dati sotto il profilo culturale, pregiudicando irreversibilmente l’autonomia delle scelte compiute dagli utenti.

Ciò implica assegnare una particolare attenzione alla forma- zione delle attuali e future generazioni, come gli autori del pre- sente studio si sforzano di fare attraverso interventi sui futuri insegnanti del CdL in Scienze della Formazione Primaria e sui docenti in servizio.

––––––––––––––––––––––––––––––––––––––––– In Machine Learning (ML), human control continues to be extremely important for profiling and customizing the services offered by virtual assistants or large commercial platforms, such as Netflix, where, behind the facade of computational ef- ficiency, teams of anonymous human labellers are constantly

working to describe the cultural relationships between film and television works. Even on social networks (e.g. Facebook), there are teams of real people who decide what should be the hot topics for the community to discuss. From this it is clear that it is still the human being in the ML who processes, ac- cording to the economic convenience of the company, the data from a cultural point of view, irreversibly affecting the auton- omy of choices made by users.

This means paying particular attention to the training of cur- rent and future generations, as the authors of this study strive to do through interventions on future teachers of the CDL in Primary Education Sciences and on teachers in service

–––––––––––––––––––––––––––––––––––––––––

Parole chiave: Machine learning; Assistenti virtuali; Social

network; Rete.

Keywords: Machine learning; Virtual assistants; Social net-

work; Internet.

1. Introduzione1

Nelle società contemporanee, le macchine algoritmiche sembra- no divenute talmente necessarie per le nostre esistenze da non potervi più rinunciare. Esse, organizzando e orientando le nostre vite, fabbricano, di fatto, la realtà in cui viviamo, ma non possie- dono ancora un’autonoma capacità di elaborazione dei dati. Fi- no agli anni Ottanta, l’obiettivo dei vari programmi di intelli- genza artificiale era quello di insegnare alle macchine a “ragiona- re” come gli esseri umani, ma questa linea di ricerca fu abbando- nata nel decennio successivo per molteplici ragioni, la più im-

243 |Saggio

abstract

1 Il contributo è frutto dell’opera collettiva degli autori. Tuttavia, ai fini dell’attribuzione delle singole parti, si precisa che l’Introduzione e le Con- clusioni sono a cura di Fabio Bocci, il paragrafo 2 è di Umberto Zona e il paragrafo 3 di Martina De Castro.

portante delle quali era che le macchine erano incapaci di inter- pretare l’infinita varietà di situazioni e di contesti in cui si trova- vano ad agire. Rendere le macchine intelligenti, dunque, non sembra più una priorità, tanto che i nuovi progetti di intelligenza artificiale si basano soprattutto sullo sviluppo di artefatti statisti- ci (Cardon, 2016). Tuttavia, molti dispositivi, in primo luogo gli assistenti virtuali, interagiscono sempre più strettamente con noi e guidano molte delle nostre scelte. Pare lecito, pertanto, chie- dersi che tipo di educazione ricevano queste macchine.