CopertinaAnnamaria

Figura 8.9 – Distribuzione della abilità nel pre- e post-test per l’intero campione dello studio (A) e i due sottocampioni con IAS superiore (B) e inferiore al 25% (C) in uno studio sulla inventory LSCI (Wallace et al., 2018).
Gli item sulle proprietà della luce sono quelli più semplici. Gli item con bassi valori di guessing devono avere dei distrattori funzionali che impediscono di rispondere correttamente scegliendo a caso la risposta corretta.
A partire dai parametri calcolati, gli autori hanno stimato l’abilità degli studenti nel pre- e post-test. Gli autori hanno inoltre utilizzato dei parametri forniti dai docenti per calcolare l’Interactivity Assessment Score (IAS) che assume valori compresi fra lo 0 e il 49% e corrisponde alla percentuale del tempo speso in classe in attività interattive dove per interattive ci si riferisce ad attività che sviluppano lo spirito critico preferibilmente lavorando con uno o più colleghi di corso (Prather et al., 2009). Le classi in cui è stato somministrato LSCI e, di conseguenza, gli studenti ad esse appartenenti sono stati suddivisi in 2 gruppi con IAS < 25% (lowIAS) e IAS > 25% (highIAS). Gli istogrammi in Figura 8.9 confrontano la distribuzione della pre- e post-abilità nel campione totale e nei due sottocampioni con IAS superiore e inferiore al 25%.
Notiamo che lo spostamento dell’abilità nei range più alti veri0cato per il campione totale e il gruppo di classi highIAS non è confermato per le classi lowIAS. Il t-test conferma come statisticamente signi0cativa non solo la differenza fra i due gruppi nel post-test ma anche quella in ingresso (nel pre-test la media delle abilità è più alta per il gruppo lowIAS). Il miglioramento delle abilità degli studenti delle classi highIAS è in media superiore di quasi un intero logit rispetto alle classi lowIAS.
Pertanto, in conclusione, se un docente vuole migliorare di un logit il valore dell’abilità dei suoi studenti, deve, in base ai risultati di questo studio, dedicare almeno il 25% del tempo nelle sue lezioni ad attività interattive.
Anche lo studio di Georgianne L. Connell e colleghi (2016) mostra come si possa utilizzare la IRT per stimare e confrontare l’abilità degli studenti in pre- e post-assessment, in particolare in questo caso in un corso universitario di Biologia.
Il corso, fra quelli introduttivi con i più alti tassi di fallimento, è stato trasformato da tradizionale a student-centered nei 7 anni precedenti allo studio in modalità graduale. La struttura Moderate, messa a punto in un primo momento si è concentrata sulla realizzazione di lezioni interattive con attività come pause riXessive e think-pair-share.
Nella modalità successiva, de0nita Extensive, è stato introdotto un approccio Xipped prendendo spunto da team based learning e collaborative learning. Sono stati creati dai docenti gruppi permanenti di lavoro composti da 4-6 studenti per completare consegne della durata di circa 30 minuti impostate secondo i principi costruttivisti. In questa seconda modalità di organizzazione del corso, per ciascun modulo gli studenti hanno trascorso circa 2-4 ore al di fuori dell’aula 0sica, guardando videolezioni, guide, partecipando a discussioni e producendo riassunti. Il tempo d’aula è stato dedicato allo svolgimento di questionari con feedback immediato e di lezioni sugli argomenti più dif0cili.
Gli autori si sono chiesti dunque se vale la pena investire tempo per realizzare corsi così strutturati: è più ef0cace un corso organizzato con un moderato numero di attività student-centered (Moderate) o con un elevato numero di attività di questo tipo (Extensive)? In quale dei due migliora l’approccio alle scienze degli studenti?
Usando un disegno quasi-sperimentale, hanno proposto a due classi di Biologia, ciascuna composta all’incirca da 180 studenti, un corso basato sugli stessi contenuti, tenuto nello stesso semestre e condotto nello stesso giorno della settimana da uno stesso docente con i due approcci, Moderate ed Extensive.
Oltre ai punteggi degli esami e all’uso di una scala per valutare le attitudini all’apprendimento della scienza degli studenti, sono stati somministrati un pree un post-test composto da 40 domande di cui 28 riprese da altre inventory e 12 prodotte in maniera originale dagli autori. Dei 40 item, 5 non hanno superato la veri0ca dei prerequisiti (criterio dell’indipendenza degli item) e sono stati eliminati; altri 6 sono stati fusi in coppie perché correlati fra loro.
Attraverso un metodo a posteriori, gli indicatori calcolati nel post-assessment sono stati usati per calcolare l’abilità degli studenti nel pre- e post-test. I modelli di IRT a due e tre parametri sono stati usati per aumentare la comprensione della performance degli studenti. La Figura 8.10 riporta le percentuali delle abilità degli studenti nel pre- e post-test nei due gruppi, possiamo osservare (anche se con effetti meno marcati del precedente studio) che nella sezione Extensive le percentuali di abilità sono aumentate di più rispetto alla sezione Moderate. Gli autori spiegano tali risultati con l’uso di metodologie didattiche attive, attività in gruppi cooperativi, uso della valutazione formativa e di processi metacognitivi.
Per veri0care l’esistenza di differenze demogra0che fra i due gruppi, gli autori utilizzano una regressione lineare dove il punteggio del post-test è la variabile dipendente e le variabili indipendenti sono il punteggio del pre-test, l’appartenenza a una delle due sezioni (Moderate/Extensive), il numero di corsi di biologia frequentati, all’high school o all’università e l’anno di corso. Propongono anche una regressione lineare per vedere se le abilità stimate per il pree post-test sono collegate ai fattori demogra0ci e in particolar modo alla sezione di appartenenza. Nella prima regressione lineare, il coef0ciente della variabile sezione (Moderate/Extensive) è di 2,5: tenendo 0sse tutte le variabili, lo score è quindi più alto di 2,5 punti per gli studenti della sezione Extensive. Nella regressione sull’abilità il valore del coef0ciente della variabile sezione è di 0,18 e non è statisticamente signi0cativo. Questo potrebbe essere attribuito al fatto che la IRT introduce un grado di incertezza nelle stime che non è comune nella teoria classica della CTT. La combinazione dell’analisi dei punteggi e delle abilità (con riferimento ai modelli tradizionali e probabilistico) sembrano evidenziare che nella sezione Extensive il miglioramento degli studenti è stato superiore ma gli effetti non sono stati così dirompenti come la prima regressione lineare sugli score ha lasciato ipotizzare.