WP 3 - Piloting

• Metodologia

La fase pilota coprirà almeno un corso completo (semestre accademico) per ciascun settore disciplinare. La metodologia di raccolta e analisi dei dati sarà ricorsiva; seguirà le fasi principali dello user design, adattando parzialmente i test di accettazione dell'utente per la parte tecnologica, e utilizzando metodi qualitativi, quali questionari (studenti) e interviste/focus group (docenti) per valutare la rilevanza e l'utilità ai fini dell'apprendimento . 

• Risultati attesi
  
  I risultati di tale confronto potrebbero evidenziare un'inefficacia del tool, un'analogia con i risultati ottenuti con o senza tool (che renderebbe comunque sostenibile il processo) o un miglioramento dei risultati grazie al tool. Inoltre, i dati raccolti consentiranno di  affinare il modello di utilizzo del software a fini di feedback, validare gli aspetti e i processi che hanno portato ad un apprendimento efficace e di successo e identificare i potenziali sviluppi e gli elementi associati che potrebbero emergere durante l'implementazione nel tempo. Poiché il software verrà utilizzato in diversi ambiti, le variabili relative ad aspetti, sfaccettature e attributi contestuali saranno oggetto di analisi. 

• Diffusione dei risultati
  
  Le Linee Guida, pubblicate in open access, saranno ampiamente diffuse attraverso i canali digitali e caricate sul sito web del progetto; il target principale è composto da ricercatori nel campo dell'istruzione e dell'informatica e da insegnanti/docenti dell'istruzione superiore. 

• Methodology
  
  The pilot phase will cover at least one complete course (academic semester) for each disciplinary field. The data collection and analysis methodology will be recursive; it will follow the main phases of user design, partially adapting user acceptance tests for the technological component, and using qualitative methods, such as questionnaires (students) and interviews/focus groups (teachers), to assess relevance and usefulness for learning purposes. 

• Expected Results
  
  The outcomes of this comparison could highlight an ineffectiveness of the tool, a similarity with the results obtained with or without the tool (which would still make the process sustainable), or an improvement in results thanks to the tool. Furthermore, the data collected will make it possible to refine the model of software use for feedback purposes, validate the aspects and processes that led to effective and successful learning, and identify potential developments and associated elements that may emerge during long-term implementation. Since the software will be used in different contexts, variables related to contextual aspects, nuances, and attributes will also be subject to analysis. 

• Dissemination of results
  
  The Guidelines, published in open access, will be widely disseminated through digital channels and uploaded to the project website. The main target audience includes researchers in the fields of education and computer science, as well as higher education teachers/lecturers. 

• Definire il protocollo della sperimentazione per garantire dati affidabili e comparabili.
  Attività: progettare fasi, procedure e strumenti da sperimentare in corsi regolari 

• Sperimentare in contesti reali in almeno due macro-campi, vale a dire la matematica e le scienze sociali e umanistiche. Attività: utilizzare l'aggregatore applicando procedure definite nell'insegnamento e nell'apprendimento a livello universitario

• Analizzare i dati (intermedi e finali).
  Attività: analizzare i dati e identificare concordanze e discordanze rispetto alle ipotesi di clustering. 3.4 Rivedere le ipotesi e scrivere le Linee guida finali Attività: revisione e stesura delle Linee Guida definitive 

• Define the experimentation protocol to ensure reliable and comparable data.
  Activity: design phases, procedures, and tools to be tested in regular courses.

• Experiment in real contexts in at least two macro-fields, namely mathematics and the social and human sciences.
  Activity: use the aggregator by applying defined procedures in teaching and learning at the university level.

• Analyze the data (intermediate and final).
  Activity: analyze the data and identify agreements and discrepancies with respect to the clustering hypotheses.

• Review the hypotheses and draft the final Guidelines.
  Activity: revision and drafting of the definitive Guidelines.