La didattica del Supervised Learning tramite un approccio interdisciplinare verso automazione e sostenibilità ambientale

Supervised Learning (SL) is a Machine Learning (ML) technique in which an Artificial Intelligence model is trained using a labeled dataset in order to predict outcomes and recognise patterns. As part of my role as a laboratory teacher in a secondary school, a local company, Trizeta S.r.l., proposed to organize a competition between students regarding the topics of Artificial Intelligence (AI), home automation and environmental sustainability. The task assigned was to design a system for collecting environmental parameters in different contexts, with the aim of predicting and controlling their evolution over time using a ML system. For this purpose, the students used open source software, developed by me specifically for educational use, which implements a highly parameterizable neural network without relying on non-standard libraries. This initiative provided an opportunity to establish a new teaching approach for learning SL which pays particular attention to the practical side. The objective is to identify teaching methodologies, strategies and tools to make the subject accessible to secondary school students, combining theory and practice to facilitate understanding, spark interest and provide a concrete experience on AI and its applications. Looking ahead, this thesis also aims to contribute to the development of advanced tools for teaching ML [6], [9], [10]. The results obtained highlight how this approach can enhance learning and contribute to the development of a deep understanding of the subject matter.

Il Supervised Learning (SL) è una tecnica di Machine Learning (ML) in cui un modello di Intelligenza Artificiale viene addestrato utilizzando un dataset etichettato con il fine di predire risultati e riconoscere pattern. Nell’ambito del mio incarico di docente di laboratorio in una scuola secondaria di secondo grado, un’azienda del territorio, Trizeta S.r.l., mi ha proposto di indire una competizione tra studenti riguardo le tematiche della Artificial Intelligence (AI), della domotica e della sostenibilità ambientale. È stato quindi assegnato il compito di progettare un sistema di raccolta dei parametri ambientali in contesti diversi allo scopo di prevederne e controllarne l’andamento nel tempo tramite un sistema di ML. Per questo scopo, gli studenti hanno utilizzato un software open source, sviluppato da me appositamente per la didattica, che realizza, senza l’ausilio di librerie non standard, una rete neurale altamente parametrizzabile. Questa proposta è stata l’occasione per impostare un diverso approccio didattico per l’apprendimento del SL che dedica particolare attenzione al lato operativo. L’obiettivo è quello di individuare metodologie didattiche, strategie e strumenti per rendere l’argomento accessibile a studenti delle scuole secondarie di secondo grado, combinando teoria e pratica per facilitare la comprensione, stimolare l’interesse e fornire un’esperienza concreta sull’AI e le sue applicazioni. In prospettiva, questa tesi vuole anche contribuire allo sviluppo di strumenti avanzati volti all’insegnamento del ML [6], [9], [10]. I risultati ottenuti evidenziano come questo approccio possa migliorare l’apprendimento e contribuire alla costruzione di una comprensione profonda di quanto affrontato.