Personalizzazione dei materiali didattici
L'apprendimento dovrebbe essere adattato alle esigenze individuali, non ai gruppi in base alle capacità.
Autore
In alcune scuole è prassi comune suddividere gli studenti in gruppi di apprendimento in base ai risultati dei test. Tuttavia, adattare l'insegnamento ai gruppi di abilità in questo modo non migliora le prestazioni. Questa strategia non consente la differenziazione precisa che istruzione personalizzata spera di raggiungere.
Adattare l'apprendimento ai diversi livelli di competenza migliora le prestazioni?
La suddivisione in classi e livelli è un metodo per separare gli studenti in base alle loro capacità di apprendimento a scuola. Streaming, o monitoraggio, è la separazione degli studenti per tutte o la maggior parte delle loro classi. Ad esempio, nel 164 scuole di grammatica In Inghilterra, solo gli studenti che ottengono i risultati migliori in un test all'età di 11 anni vengono ammessi, mentre gli altri frequentano scuole pubbliche (a meno che i genitori non paghino per l'istruzione privata). Configurazione Questo fenomeno si verifica all'interno delle scuole (e all'interno delle classi) quando gli studenti vengono separati in base alle loro capacità in materie specifiche; un esempio di questa suddivisione, avvenuta nella mia scuola, è stata la suddivisione in gruppi in base alle capacità, distinguendo tra studenti con le migliori, medie o peggiori competenze in matematica.
“Raggruppare gli studenti in percorsi e classi non equivale a personalizzare l'istruzione. Il raggruppamento per livello è un metodo di adattamento approssimativo che non tiene conto dei numerosi fattori che influenzano il rendimento.”
Separare gli studenti in questo modo in base alle loro capacità (o più precisamente, in base ai loro risultati nei test) avviene affinché gli insegnanti possano utilizzare strategie adatte al gruppo specifico che hanno di fronte, senza dover tenere conto di un'intera gamma di capacità. Sebbene questo possa sembrare un modo sensato di insegnare e apprendere, le meta-analisi mostrano che gli studenti che vengono istruiti in questo modo tendono ad avere prestazioni peggiori rispetto a quelli in un gruppo a capacità miste.
Adattare l'apprendimento alle esigenze individuali potrebbe migliorare le prestazioni?
Potremmo concludere da questi risultati che adattare l'istruzione alle capacità individuali non sia un obiettivo valido. Ma raggruppare gli studenti in percorsi e classi non è la stessa cosa che personalizzare l'istruzione: è un metodo di adattamento approssimativo che non può tenere conto delle capacità individuali. molti dei diversi fattori che influenzano le prestazioni.
Gli studenti del gruppo di matematica più basso, ad esempio, potrebbero avere prestazioni scadenti per svariati motivi. Un alunno potrebbe avere un punteggio basso in matematica perché non capisce le proporzioni, un altro potrebbe avere difficoltà con l'algebra e un altro ancora potrebbe avere difficoltà con la geometria. Uno studente potrebbe avere bassa confidenza o motivazione in matematica, mentre un altro potrebbe avere una scarsa memoria di lavoro, incapace di tenere a mente le informazioni per i calcoli mentali. Raggruppare gli studenti in classi o gruppi in base a un singolo parametro di valutazione in matematica non sarà automaticamente la soluzione migliore per ciascuno di questi alunni con esigenze diverse.
"Raggruppare gli studenti in classi o gruppi in base a un singolo parametro di valutazione in matematica non si tradurrà automaticamente in una soluzione migliore per ciascuno di questi alunni con esigenze diverse."
Inoltre, lo streaming e l'impostazione potrebbero non consentire modifiche nel tempo. Uno studente che ha avuto scarso rendimento un anno potrebbe poi essere inserito in un gruppo che non si adatta alle loro capacità Qualche mese dopo, se i progressi non sono stati quelli previsti. Nel caso della suddivisione degli studenti in gruppi in base al livello scolastico nelle scuole superiori, spesso è troppo tardi per cambiare gruppo.
La separazione può anche significare che gli studenti non sono esposti a tale ampia gamma di strategie di apprendimento e di prestazione, come ad esempio vedere una spiegazione data ad altri alunni. Potrebbe anche significare che ci sono meno opportunità per gli studenti di imparare gli uni dagli altri e di aiutarsi a vicenda.
Adattare l'istruzione per percorsi e gruppi non aiuta gli studenti ad apprendere. Ma questo non significa abbandonare l'istruzione individualizzata. La visione per istruzione personalizzata Si tratta di materiali didattici differenziati, pensati per valutare una serie di fattori che influenzano il rendimento, e non solo il punteggio di un singolo test. Ad esempio, un'app di matematica potrebbe individuare le aree di debolezza e aiutare i singoli studenti a lavorare su aree specifiche in base alle proprie capacità.
“Diversi approcci all'insegnamento e all'apprendimento basati su evidenze scientifiche dovrebbero essere integrati attivamente per creare un ambiente di apprendimento ricco e stimolante.”
Con qualsiasi programma di individualizzazione, sarà importante considerare cosa potrebbe andare perso dal processo, come il lavoro di gruppo o l'ascolto di una serie di spiegazioni. L'istruzione personalizzata non dovrebbe semplicemente diventare una serie di app progettate per sostituire tutti gli altri tipi di apprendimento, soprattutto perché ci sono buone prove che Il lavoro di gruppo è efficace, per esempio.
Diversi approcci all'insegnamento e all'apprendimento basati su evidenze scientifiche dovrebbero essere integrati attivamente per creare un ambiente di apprendimento ricco e stimolante. Forse la personalizzazione, insieme al lavoro in gruppi con livelli di competenza eterogenei, garantirà a ogni studente il miglior ambiente di apprendimento possibile.
Autore
2 commenti
I commenti sono chiusi.
Penso che valga la pena menzionare che sono già state condotte alcune ricerche sull'apprendimento personalizzato e i risultati sono sfumati. Vedi ad esempio https://theeconomyofmeaning.com/2016/02/10/personalized-learning-whats-the-evidence/ or https://theeconomyofmeaning.com/2017/06/05/interesting-read-adaptive-practice-personalized-learning-and-what-will-obviously-work-in-education/
Ciao Pedro,
Grazie per aver condiviso questi interessanti esempi. Concordo sul fatto che sia importante evidenziare le sfumature. Dobbiamo stare molto attenti a non affermare che la personalizzazione sia necessariamente migliore, perché c'è ancora molta ricerca da fare. Dobbiamo capire cosa funziona nella personalizzazione, così come quando non dovremmo personalizzarla. Credo che sarà un percorso lungo, ma sicuramente un periodo entusiasmante. Non vedo l'ora di seguire gli sviluppi della ricerca nei prossimi anni!