Va dove ti porta l’Adaptive Learning

… A scuola notai bambini a cui piaceva la matematica e altri a cui piaceva meno. La maestra ci fece comprendere che era una questione di attitudine, alcuni avevano una maggiore propensione per la matematica altri un po’ meno. Semplicemente, ad alcuni miei compagni serviva un’altra chiave per leggere lo stesso testo. Era un modo per spiegare ad un bambino che siamo tutti diversi, che ognuno di noi ha un modo proprio per imparare e non è detto che i metodi convenzionali funzionino per tutti.

In Adaptive Learning Methods for Nonlinear System Modeling, Danilo Comminiello (Professore al Dipartimento di Ingegneria Informatica, elettronica e delle comunicazioni dell’università  la Sapienza di Roma) e Jose Principe (Distinguished Professor of Electrical and Computer Engineering and Biomedical Engineering at the University of Florida) spiegano come le macchine possono imparare da modelli non lineari di apprendimento.

Ma cosa hanno a che vedere loro con la mia maestra e con l’intelligenza artificiale?

C’entrano eccome. I due professori spiegano che se vogliamo insegnare qualcosa che abbia un valore adattivo alle macchine, questo non può derivare necessariamente dai classici modelli di apprendimento.

Nelle sue 388 pagine, parola dopo parola, i due docenti dimostrano che i sistemi di apprendimento migliori e più adattivi sono quelli basati sulla soluzione dei problemi che la vita ci presenta ogni giorno, e che il modello di apprendimento che viene applicato di fronte agli eventi, proprio per la loro variabilità , imprevedibilità , per il numero di infinite sfaccettature con cui si presentano, non può essere di tipo lineare.

La stessa cosa accade per gli uomini. Il metodo di insegnamento classico trasversale e collettivo può essere efficace per dettare le basi ma non è più sufficiente in fase di specializzazione. Per rispondere alle specifiche necessità  del singolo servono altri strumenti. Ecco che anche per le macchine, così come per i bambini, la chiave di apprendimento è del tutto personale (se così si può dire anche per l’intelligenza artificiale).

Nulla ci fa pensare che per gli adulti sia diverso.

Personalizzare i contenuti di un percorso di apprendimento permette di raggiungere prestazioni migliori proprio facendo fronte alle specifiche esigenze e alle soggettive chiavi di lettura, analisi, sintesi e sviluppo che ognuno di noi possiede ed esprime.

L’Adaptive Learning diventa quindi uno strumento personale di sviluppo di carriera proprio perché destruttura i contenuti standardizzati permettendo al fruitore di organizzarli in modo personalizzato, rendendoli più facilmente fruibili. Per una migliore introiezione delle informazioni diventa quindi fondamentale utilizzare gli strumenti migliori per il singolo. Una formazione pensata per e dal dipendente, scelta in modalità  self service, erogata tramite repository con materiali ibridi (TED Talk, youtube, test, gamification, ecc.) che non solo aiuta il dipendente a raggiungere gli obiettivi di sviluppo dell’azienda e personali, ma diventa anche un fortissimo strumento di engagement.

Del resto chi non vorrebbe lavorare per un’azienda che mette concretamente a disposizione strumenti personalizzati per lo sviluppo individuale del proprio personale? Le soluzioni informatiche che svolgono l’attività  di organizzazione delle informazioni diventano quindi strumento necessario per raggiungere questo obiettivo. In questo modo non solo l’utente ha a disposizione strumenti on demand ma l’azienda può monitorare l’andamento formativo e le attività  di ciascuno, indirizzandolo anche verso i contenuti che maggiormente interessano lo sviluppo di business.