.jpeg "newspaper-background-concept (1).jpeg")
Le carriere di 42 mila studenti dell’Università di Catania sono sotto la lente dell’intelligenza artificiale. L’ateneo etneo sta infatti sperimentando un sistema innovativo per contrastare la dispersione universitaria, un problema che incide in maniera rilevante sulla formazione e sul mercato del lavoro.
Lo studio prende in esame le coorti di laurea dal 2018 al 2022, considerando 30 corsi di laurea, analizzando le carriere accademiche nei corsi di laurea triennale e magistrale a ciclo unico. Sono esclusi dalla ricerca i corsi di laurea magistrale biennale, poiché non permettono una valutazione completa del percorso universitario. Questo approccio consente di raccogliere dati significativi su più generazioni di studenti, individuando trend e fattori di rischio legati all’abbandono degli studi.
La ricerca si ispira a modelli già applicati in altri atenei italiani, tra cui l’Università di Torino, dove l’uso della tecnologia ha dato risultati significativi. L’obiettivo è intervenire in modo mirato, analizzando i dati e offrendo soluzioni personalizzate agli studenti a rischio di abbandono.
Il progetto sfrutta strumenti avanzati di analisi predittiva per identificare gli studenti più vulnerabili. Attraverso l’elaborazione di dati relativi alla carriera accademica, alla frequenza delle lezioni e al rendimento negli esami, il sistema è in grado di individuare chi potrebbe avere difficoltà nel proseguire il percorso universitario. Questa tecnologia non si limita a segnalare il problema, ma suggerisce strategie di supporto personalizzate, come tutoraggi mirati, corsi integrativi e percorsi di orientamento individuali.
Secondo i dati nazionali, in Italia circa il 40% degli studenti non completa il percorso di studi universitari, mentre il tasso di laureati si attesta intorno al 28%. Un valore tra i più bassi d’Europa. Le difficoltà economiche, la scarsa consapevolezza nella scelta del percorso di studi e la mancata integrazione tra scuola e università sono tra le principali cause del fenomeno. Inoltre, la crisi occupazionale rende ancora più complesso il quadro, spingendo molti studenti a rinunciare alla laurea per inserirsi precocemente nel mercato del lavoro.
Il modello sperimentale adottato da Unict punta a un’azione preventiva basata sull’analisi dei big data. Il sistema di intelligenza artificiale incrocia informazioni relative al rendimento accademico, alle modalità di fruizione della didattica e ad altri indicatori utili per prevedere il rischio di abbandono. Una volta individuati i profili più esposti, il programma suggerisce interventi mirati, che possono spaziare dal supporto didattico personalizzato all’orientamento specifico per il recupero della motivazione.
Nell’ambito della sperimentazione, i ricercatori dell’Università di Catania stanno sviluppando modelli di machine learning capaci di affinare progressivamente le previsioni sul rischio di dispersione. Analizzano grandi volumi di dati provenienti dalle carriere degli studenti, individuando pattern e correlazioni tra variabili accademiche e fattori socio-economici.
In particolare, i ricercatori hanno pre-processato i dati per gestire i valori mancanti, standardizzare le variabili e codificare quelle categoriali. Poi hanno addestrato e confrontato le prestazioni di quattro modelli di machine learning: la regressione logistica, il Random Forest, l’eXtreme Gradient Boosting e la rete neurale. I risultati ottenuti sono stati molto promettenti, con ottime performance in particolare per il modello Random Forest.
Parallelamente, è somministrazione un questionario ad un campione di studenti iscritti al I e al II anno di alcuni CdS triennali. L’obiettivo finale è creare un sistema adattivo, capace di migliorare nel tempo grazie al continuo aggiornamento dei dati e all’interazione diretta con studenti e personale accademico.
Fanno parte della ricerca: Valentina Cocco (Funzionario Area sistemi informativi, Unict), Teresa Consoli (ordinaria di Sociologa Giuridica al Disfor e delegata alla Didattica Area Umanistico-sociale), Francesco Mazzeo Rinaldi (ordinario di Sociologia al Dsps e direttore Centro di ricerca di Ateneo Laposs) e Vincenzo Miracula (Ph.D in Sistemi Complessi, Unict)
.png "banner giornale gnc (1280 x 720 px)")