Dopo oltre un anno e mezzo dall’inizio dell’emergenza covid, non si può che alzare gli occhi al cielo sentendo ancora nominare la famigerata Didattica A Distanza. Seconda per triste fama forse solo al SARS CoV-2, la DAD è sulla bocca di tutti: a marzo 2020 esaltata come panacea di tutti i mali e dopo un anno avversata con violenza inaudita – atto salvifico della cultura ed emblema di solidarietà, salvo poi mettere professori contro alunni, figli contro genitori, cittadini contro governo.
Se si guarda alle due grandi protagoniste del mondo dell'istruzione, scuola e università, si nota quanto siano diverse le valutazioni dei loro docenti tanto sulla difficoltà dell'adeguarsi a questi nuovi strumenti quanto sul loro futuro utilizzo pur a fronte di un comune auspicio a ritornare in presenza al più presto.
Lucio Ficara – giornalista e docente al Liceo Scientifico L. Da Vinci (RC) – sottolinea come la DAD abbia prodotto grande solidarietà e compattezza nel corpo docente e studentesco, ma precisa di non ritenerla adeguata per la scuola primaria e secondaria, per le quali può costituire al più una sorta di supporto psicologico volto a non interrompere il dialogo educativo.
Se per la scuola la tendenza dominante sembra essere bocciare in toto la modalità a distanza, come anche la maggior parte dei media ha ribadito nell’ultimo periodo, per l’università il discorso appare più complesso.
Paolo Ferragina – Prorettore per la ricerca dell’Università di Pisa – rileva che l’Università è stata trascurata dal dibattito pubblico, e che quasi non si è fatto caso alle soluzioni tecnologiche adottate dagli atenei nel
giro di pochissimi giorni per assicurare la continuità delle attività.
Marco Abate – Prorettore per la didattica della stessa Università – sottolinea invece che non bisognerebbe dimenticare gli insegnamenti di questo periodo, essendo fondamentale cercare di unire il meglio
delle modalità in presenza e a distanza, dal momento che l’uso degli strumenti online ha permesso di raggiungere categorie di studenti prima impossibilitati a frequentare.
La scuola è stata colta di sorpresa da un evento unico nel suo genere [...] quindi nei primi due mesi circa si è lavorato con
grande professionalità [...]. Personalmente non ho mai percepito la dad come una forma di didattica vera e propria [...].
Lucio Ficara
Giornalista e docente al Liceo Scientifico L. Da Vinci (RC)
Si è parlato tantissimo di scuola, ma per niente dell'università, né degli sforzi fatti da docenti e studenti.
Prof. Paolo Ferragina
Prorettore per la ricerca dell’Università di Pisa
Unipi ha reagito molto bene [...] grazie a un grande sforzo da parte di tutto il personale informatico [...]. Molto è stato dovuto alla
fantastica collaborazione e solidarietà tra studenti e docenti di tutte le aree [...].
Prof. Marco Abate
Prorettore per la didattica dell’Università di Pisa
Per indagare luci e ombre della didattica a distanza, le cui criticità sono emerse dal confronto tra le diverse voci della scuola e dell’università, ci siamo concentrati su due social che raccolgono una vasta varietà di opinioni in proposito, tendenzialmente trascurate dai media: Facebook e Twitter.
La fase di data collection è stata condotta utilizzando tecniche di scraping, ricercando tweet a partire da gennaio 2020 fino a maggio 2021 per parole chiave come, ad esempio: didattica, distanza, #dadsì, #dadno. In maniera analoga, da Facebook abbiamo individuato delle pagine di vari quotidiani nazionali e locali, come Repubblica e PisaToday, e di siti dedicati come OrizzonteScuola, dalle quali abbiamo scaricato post e commenti relativi al tema.
~ 53k commenti, distribuiti nell'arco di 15 mesi
~ 24k utenti unici
9 pagine di giornali nazionali, 5 pagine di giornali locali
~ 150k tweet, distribuiti nell'arco di 16 mesi
~ 48k utenti unici
Dopo un'articolata fase di data cleaning propedeutica all'analisi, abbiamo applicato un algoritmo di topic modeling di natura statistica per individuare gli argomenti di cui gli utenti hanno maggiormente discusso nell'intervallo temporale considerato, differenziando il suo utilizzo a seconda che i testi presi in esame fossero tweet, più brevi e concisi, o commenti facebook, tendenzialmenti più lunghi e articolati.
In entrambi i casi, il metodo ha individuato 20 topic, molti dei quali di non facile interpretazione: pertanto, ci siamo concentrati soltanto su quelli che più chiaramente indicavano un argomento di discussione.
Ripartizione dei post di Facebook provenienti dalle diverse tipologie di pagina per topic: dal grafico emerge come argomenti come DPI e mezzi di trasporto (topic 19) siano trattati prevalentemente da post pubblicati su pagine di quotidiani; una parte consistente di messaggi provenienti da pagine social relative alla didattica fa invece riferimento a famiglie e personale docente (rispettivamente topic 1 e 2).
Dato che i soli topic non sono sufficienti a dare una panoramica completa, i passi successivi sono consistiti nel vedere quanto questi argomenti siano stati discussi in periodi diversi, affiancando una sentiment analysis per ricavare le emozioni prevalenti. A questo scopo, abbiamo individuato cinque intervalli temporali interessanti tenendo conto sia dell'andamento dei contagi, sia dell'entrata in vigore di dpcm e decreti legge:
Dall’analisi è emerso che durante il primo lockdown la discussione si è concentrata prevalentemente intorno alle problematiche dovute alla nuova modalità didattica in riferimento ai disagi familiari e all’uso delle nuove tecnologie.
Con il passare dei mesi, inoltre diventanto evidenti le critiche degli utenti verso l’operato degli insegnanti, che vedono una crescita nel periodo da fine maggio ad agosto. Tutti i topic selezionati vengono affrontati perlopiù con un tono di rabbia o tristezza.
Dall’inizio del periodo autunnale, con l’avvicinarsi della seconda ondata, a un forte senso di rabbia comincia ad affiancarsi un più marcato sentimento di paura. Sempre in questa fase, i problemi dell’affollamento sui mezzi di trasporto e delle misure igienico-sanitarie per contenere la diffusione dei contagi si impongono su tutti gli altri topic.
Con l’inizio dell’anno nuovo, tra i temi più ricorrenti nei testi, figura nuovamente quello relativo ai disagi delle famiglie, seguito da critiche e attacchi al corpo docente in materia di organizzazione della didattica e non solo.
Gli argomenti dominanti durante il primo lockdown sono stati le reazioni polemiche alle chiusure di scuole e università, le piattaforme tecnologiche e l’impatto sulle famiglie. Si tratta di temi affrontati dagli utenti perlopiù con toni di rabbia e tristezza, verosimilmente in virtù dell’improvvisa imposizione dell’adozione di nuovi strumenti didattici e della riorganizzazione degli equilibri delle famiglie. Nonostante la drammaticità della situazione, tuttavia, si nota una prevalenza nell’emozione dominante dei tweet di sentimenti che pur negativi sono diversi dalla paura.
Nel periodo delle riaperture, in vista dell’inizio del nuovo anno scolastico, a prevalere nelle discussioni sulla piattaforma sono stati il tema dell'organizzazione dei rientri a scuola, quello dell’Università e quello dell’uso delle tecnologie connesse alla didattica. Quest’ultimo è accompagnato da un prevalente senso di gioia, anche per tutte le fasi successive.
Nell’intervallo che va dall’autunno all’inverno, gli utenti tornano con toni più accesi sui rientri a scuola, polemizzando sull’inadeguatezza della loro organizzazione. In questa fase emerge anche un dibattito consistente relativamente alle restrizioni sulla mobilità: è il momento in cui l’Italia viene divisa in zone a seconda dell’indice dei contagi. Con l’incalzare della seconda ondata, poi, il dibattito si concentra sulla polemica sulle chiusure e sulle restrizioni alla mobilità.
La polemica sui rientri a scuola e sulle restrizioni alla circolazione continua a infuriare dopo l’inizio della campagna vaccinale e nei mesi successivi anche contestualmente al graduale ritorno a una modalità prevalentemente in presenza.
Da quanto esaminato fin qui, si può notare una certa differenza tra le due fonti di testi prese in considerazione. In particolare, in termini di argomenti discussi, è interessante come dai dati relativi a Facebook emergano dei topic non riscontrati in Twitter: critiche agli insegnanti, problemi legati ai trasporti e alla qualità della didattica. Viceversa, su Twitter spiccano i temi dell’Università e delle restrizioni sugli spostamenti.
Considerando che i tweet sono necessariamente brevi e non permettono all’utente di argomentare in modo articolato, i temi peculiari di Facebook possono essere inquadrati come argomenti collaterali: essi prendono forma da conversazioni simili a quelle reali, in cui il botta e risposta di commenti spesso determina uno slittamento del tema affrontato. È così, ad esempio, che emergono le critiche agli insegnanti e il problema dei mezzi di trasporto. Il permanere nel tempo di quest’ultimo topic, in particolare, può essere interpretato come il persistere di un disagio che non è stato risolto.
Dallo studio fatto, pertanto, si comprende come sia possibile esaminare un dibattito dalle molteplici sfaccettature non solo in termini di argomenti affrontati ma anche della loro evoluzione nel corso dell’ultimo anno e mezzo, andando oltre la riduzione semplicistica che spesso ne è stata fatta.
Quando si tratta di DAD, un’analisi approfondita mostra che le realtà interessate sono diverse: non solo le comunità scolastiche delle scuole primarie e secondarie, ma anche quella del mondo universitario. Guardando alle discussioni social, infatti, temi, problemi ed esigenze degli studenti e dei docenti universitari emergono con chiarezza, nonostante non abbiano trovato adeguato spazio nei media tradizionali.
Esaminando discussioni e dibattiti svolti sui social, il tema può essere affrontato lasciando da parte la dicotomia DAD sì/DAD no per cogliere delle sfumature relative soprattutto alle possibilità offerte dall’uso di strumenti tecnologici. Infatti, è notevole come in Twitter il topic della tecnologia applicata alla DAD presenti una significativa presenza del sentimento di gioia, verosimilmente da ricondurre alla possibilità di continuare a studiare e lavorare con questi strumenti.
Il punto di vista degli intervistati, dunque, ha trovato conferma nell’analisi dei testi social, suggerendo che si potrebbe ripartire da qui per un esame più approfondito e completo del fenomeno DAD, che sia attento alle diverse esigenze sociali connesse.
Le tecniche utilizzate afferiscono al Natural Language Processing (NLP). Si tratta di una fase cruciale che richiede
molta cura per ottenere testi nel formato adatto a essere elaborato dagli algoritmi: è necessario trasformare le parole per
diminuirne le ambiguità della forma, e selezionare tra loro le più importanti in base al task, cercando allo stesso tempo di mantentere
il più possibile la semantica del testo originario.
Latent Dirichlet Allocation (LDA) è una tecnica statistica di topic modeling, che rappresenta i documenti come insiemi di argomenti (topic),
e questi, a loro volta, come distribuzioni di parole. Dato un documento, LDA determina il set di topic che con la maggiore probabilità ha
generato quel documento (per questo LDA è detto essere un modello generativo). Infine, il documento viene assegnato al topic con score maggiore.
Si tratta di un processo non supervisionato con cui un algoritmo cerca di determinare l'emozione e la polarità espresse da un testo. Abbiamo utilizzato
due modelli di reti neurali profonde pre-addestrate, capaci di distinguere quattro stati emotivi – rabbia, gioia, tristezza, paura –
e tre polarità distinte – positiva, negativa, neutra. Abbiamo poi svolto una analisi di clustering in base a tutte le features individuate volta a
considerare possibili sfumature delle emozioni che arricchissero la valutazione.
Le fasi del workflow sono confluite
successivamente in un esame puntuale
dell'evoluzione temporale dei topic
estratti e del sentiment associato.
Sankey diagram che mostra come le polarità (negativa, neutrale e positiva) assegnate dal modello di sentiment si ripartiscono nei 6 cluster individuati. Ciascuno dei cluster è colorato secondo l’emozione in esso prevalente: il cluster 0 rabbia, cluster 5, paura, cluster 1, 2 e 3 tristezza, cluster 4 gioia.
Le polarità assegnate dal modello di sentiment si ripartiscono nei 5 cluster individuati. Ciascuno dei cluster è colorato secondo l’emozione in essi prevalente: il cluster 0 paura, i cluster 1 e 3 rabbia, cluster 2 tristezza e cluster 4 gioia.
