• Metodologia

Questo set di lavoro ha l’obiettivo di mappare i principali framework di Machine Learning open source e gratuiti, sviluppati dai maggiori attori del mercato. In una prima fase verranno ricercati e analizzati i software esistenti, per poi passare a una fase di sperimentazione: i tool selezionati saranno testati su materiali prodotti all’interno di corsi universitari, con l’obiettivo di confrontare i risultati generati dagli strumenti su dati simili.
Successivamente, verrà effettuata una selezione degli strumenti più adatti, che confluiranno in un aggregatore progettato per eseguire le tre fasi principali del processo di feedback: analisi, raggruppamento (clustering) e restituzione del feedback. Parallelamente, verrà sviluppata un’interfaccia semplice e intuitiva, che consenta anche a utenti senza competenze informatiche di utilizzare il software e interagire con il sistema in modo efficace.

• Risultati attesi
  
  I principali risultati attesi includono lo sviluppo di un’interfaccia intuitiva per docenti e studenti, che consenta anche a chi non ha competenze tecniche di utilizzare facilmente strumenti di Machine Learning per il feedback educativo. Il progetto produrrà inoltre analisi di clustering per individuare pattern ricorrenti nelle interazioni di feedback tra studenti e insegnanti, offrendo spunti utili per migliorarne l’efficacia. Infine, sarà definito un protocollo d’uso del software, a supporto di un’interazione chiara e strutturata tra utenti e sistema. Questi risultati mirano a rendere il feedback più efficiente, accessibile e scalabile nell’istruzione superiore. 

• Diffusione dei risultati
  
  La diffusione dei risultati avverrà principalmente in ambito scientifico, attraverso la presentazione dei risultati della ricerca in conferenze e la sottomissione di articoli a riviste specializzate.

• Methodology
  
  This Work Package (WP) focuses on mapping free, open-source Machine Learning frameworks developed by major players in the field. The initial phase involves identifying and researching the most relevant software, followed by an evaluation of how these tools perform when applied to real materials produced within university courses. A key part of this evaluation will be comparing the outputs generated by the different tools when used on similar datasets.
  Once this mapping and testing phase is completed, the most suitable tools will be selected. Based on this selection, an aggregator will be developed to manage the three core stages of the feedback process: analysis, clustering, and feedback delivery. Alongside this, a user-friendly interface will be designed to enable individuals without technical or IT backgrounds—such as teachers and tutors—to interact easily with the software and its integrated components.
  
  

• Expected Results
  
  The main expected outcomes include the development of a user-friendly interface for teachers and students, enabling non-experts to easily interact with Machine Learning tools for educational feedback. The project will also produce cluster analyses that identify typical patterns in feedback exchanges between students and teachers, offering insights into how feedback can be optimized. Finally, a protocol for software use will be defined, guiding the interaction between users and the system. Together, these results aim to make feedback processes more efficient, scalable, and accessible in higher education.

• Dissemination of results
  
  The results of this WP will primarily be disseminated within the academic and scientific community. This will include presentations at conferences and the submission of research papers to peer-reviewed journals.

• Progettazione e sviluppo dell’interfaccia
  Attività: progettazione centrata sull’utente e sviluppo dell’interfaccia.

• Clustering delle relazioni di feedback tra studenti e docenti
  Attività: analisi dei dati, applicazione di tecniche di clustering (sia supervisionate che non supervisionate), consultazione con i gruppi target, stesura del progetto.

• Definizione del protocollo finale per l’uso del software
  Attività: redazione dei passaggi fondamentali che regolano l’interazione tra l’agente umano e il sistema, progettazione e sviluppo delle procedure operative.

• Interface design and development
  Activities: user-centered design and interface development.

• Clustering of feedback relationships between students and teachers
  Activities: data analysis, application of clustering techniques (both supervised and unsupervised), consultation with target groups, drafting of the design.

• Definition of the final protocol for software use
  Activities: drafting of the key steps that govern the interaction between the human agent and the system, design and development of operational procedures.