In uno dei più grandi esperimenti sul campo educativo mai condotti, un team co-guidato da un ricercatore della Cornell ha scoperto che gli interventi promettenti per aiutare gli studenti a completare i corsi online non erano efficaci su vasta scala, suggerendo che sono necessarie soluzioni mirate per aiutare gli studenti in circostanze o luoghi diversi.

I ricercatori hanno tracciato 250, 000 studenti provenienti da quasi tutti i paesi in 250 massicci corsi online aperti (MOOC) in 2 anni e mezzo di studio, "Aumento degli interventi di scienza comportamentale nell'istruzione online, " pubblicato il 15 giugno nel Atti dell'Accademia Nazionale delle Scienze .

"Gli interventi comportamentali non sono una pallottola d'argento, " disse René Kizilcec, assistente professore di scienze dell'informazione e co-autore.

"Studi precedenti hanno dimostrato che breve, interventi leggeri all'inizio di alcuni corsi selezionati possono aumentare la persistenza e i tassi di completamento, " ha detto. "Ma quando si è passati a oltre 250 corsi diversi e un quarto di milione di studenti, gli effetti dell'intervento erano di un ordine di grandezza inferiori".

Lo studio è stato co-guidato da Justin Reich del Massachusetts Institute of Technology e Michael Yeomans dell'Imperial College di Londra. La ricerca è stata condotta sulle piattaforme edX e Open edX, e edX si è impegnato nel lavoro per rendere i dati disponibili ai ricercatori istituzionali per far progredire la scienza dell'educazione su larga scala.

I 250 corsi studiati dai ricercatori provenivano dall'Università di Harvard, MIT e Università di Stanford.

Il mancato completamento dei corsi online è un ostacolo noto e di lunga data all'apprendimento virtuale, in particolare tra le comunità svantaggiate e nei paesi in via di sviluppo, dove l'istruzione online può essere un percorso chiave per il progresso sociale. I risultati hanno aggiunto rilevanza con così tanta istruzione in tutto il mondo che si svolge online durante la pandemia di COVID-19.

"Il mio consiglio agli istruttori è di comprendere e affrontare le sfide specifiche nel loro ambiente di apprendimento, " ha detto Kizilcec. "Se gli studenti hanno problemi con la loro connessione a Internet, non puoi aiutarli a superarli con un intervento di autoregolazione. Ma se gli studenti hanno bisogno di andare a letto in orario per essere svegli per una lezione mattutina, o devono pianificare in anticipo quando iniziare a lavorare sui compiti per averli pronti da consegnare, poi un breve intervento di autoregolamentazione può infatti aiutare gli studenti a superare questi ostacoli».

Precedente, ricerca su scala ridotta, eseguita da Kizilcec e dai suoi coautori, nonché da altri studiosi, ha scoperto che gli interventi per la definizione degli obiettivi, come la stesura di un elenco di intenzioni all'inizio della lezione, hanno migliorato i tassi di completamento del corso degli studenti.

In questo studio, i ricercatori hanno esplorato gli effetti di quattro interventi:

• pianificazione, dove gli studenti sono invitati a sviluppare piani dettagliati per quando, dove, e come completano i corsi;
• un'attività correlata in cui gli studenti riflettono sui benefici e sulle barriere del raggiungimento del loro obiettivo, e pianificare in anticipo come rispondere alle sfide;
• responsabilità sociale, dove scelgono qualcuno che li ritenga responsabili dei loro progressi nel corso, e pianificare quando e cosa dire loro; e
• valore-rilevanza, dove scrivono su come il completamento del corso riflette e rafforza i loro valori più importanti.

Per i primi tre interventi, coinvolgendo la pianificazione in anticipo, i ricercatori hanno scoperto che l'approccio è stato efficace nell'incrementare il coinvolgimento per le prime settimane del corso, ma l'impatto è diminuito man mano che il corso procedeva. L'intervento di rilevanza del valore è stato efficace nei paesi in via di sviluppo in cui i risultati degli studenti erano significativamente peggiori rispetto ad altri, ma solo in corsi con un divario di rendimento globale; in altri corsi, in realtà ha avuto un impatto negativo nei paesi in via di sviluppo.

I ricercatori hanno testato se potevano prevedere in quali corsi si sarebbe verificato un divario di rendimento, per decidere dove aggiungere l'intervento, ma trovava estremamente difficile prevederlo.

"Non sapere se aiuterà o danneggerà gli studenti in un dato corso è un grosso problema, " Egli ha detto.

I ricercatori hanno tentato di utilizzare l'apprendimento automatico per prevedere quali interventi potrebbero aiutare quali studenti, ma ha scoperto che l'algoritmo non era migliore dell'assegnazione dello stesso intervento a tutti gli studenti.

"Mette in discussione il potenziale dell'IA nel fornire interventi personalizzati agli studenti in difficoltà, " Kizilcec ha detto. "Approcci che si concentrano sulla comprensione di ciò che funziona meglio nei singoli ambienti e quindi su misura gli interventi per quegli ambienti potrebbero essere più efficaci".

I ricercatori hanno affermato che i loro risultati suggeriscono che gli studi futuri dovrebbero essere progettati per considerare e rivelare le differenze tra gli studenti, oltre agli studi che valutano gli effetti complessivi.