Intelligent App e Analytics - Arcadia
18220
post-template-default,single,single-post,postid-18220,single-format-standard,qode-quick-links-1.0,ajax_fade,page_not_loaded,,qode-child-theme-ver-1.0.0,qode-theme-ver-11.0,qode-theme-bridge,wpb-js-composer js-comp-ver-5.1.1,vc_responsive

Intelligent App e Analytics

Quando si parla di Intelligent App, tutt’oggi si pensa agli assistenti virtuali, ma presto queste applicazioni si troveranno in svariati strumenti aziendali: le applicazioni di marketing o Erp si trasformeranno anche in app di intelligenza artificiale, analisi avanzate e processi automatizzati.

In parole povere, queste app impareranno continuamente dalle interazioni con l’utente e da altre fonti di dati per diventare ancora più pertinenti e utili.

 

Caratteristiche tipiche di Intelligent App

Sebbene sia difficile formulare una definizione generale di Intelligent App, quest’ultime hanno una serie di caratteristiche tipiche:

Data-driven

  • Le Intelligent App combinano e elaborano molteplici fonti di dati, come i sensori IoT, i beacon o le interazioni con l’utente, e trasformano un’enorme quantità di numeri in informazioni preziose.

 

Contestuale e pertinente:

  • Le Intelligent App consentono un uso molto più intelligente delle funzionalità di un dispositivo per fornire in modo proattivo informazioni e suggerimenti altamente pertinenti. Gli utenti non dovranno più cercare le loro app. Saranno le app ad andare da loro.

 

Adattandosi continuamente

  • grazie all’apprendimento automatico, le Intelligent App adattano e migliorano continuamente i loro risultati.

 

Orientato all’azione

  • anticipando i comportamenti degli utenti con l’analisi predittiva, le Intelligent App offrono suggerimenti personalizzati e attuabili.

 

Omnichannel

  • Le applicazioni web progressive (PWA) stanno gradualmente confondendo le linee tra app native e applicazioni web mobili.

 

Dove possiamo applicarle?

  • Formazione
  • Business
  • Sfide e punteggi
  • Gioco
  • Apprendimento
  • Flipped Classroom

 

Applicazioni nel Business

Anche se l’adozione di Intelligent App si svilupperà più velocemente nel contesto B2C, il loro valore aggiunto è altrettanto elevato nel B2B. Hanno il potenziale per aumentare l’eccellenza operativa in ogni settore:

  • In un ambiente di produzione, un’app intelligente potrebbe utilizzare i segnali dei beacon per avvisare le persone quando entrano in una zona in cui è richiesto un paracadute.
  • Basato su dati Wi-Fi e smartphone, un’app può determinare quando spegnere le luci in un edificio per uffici. Le app potrebbero anche sostituire i sistemi correnti per la registrazione manuale del tempo.
  • Per i venditori, un’app intelligente potrebbe valutare e stabilire la priorità dei lead, prevedendo quali sono le opportunità più probabili da chiudere.

 

Learning Analytics

La Learning Enalytics è la misurazione, la raccolta, l’analisi e la comunicazione dei dati relativi agli studenti e ai loro contesti, al fine di comprendere e ottimizzare l’apprendimento e gli ambienti in cui si verifica.

La simulazione e l’interazione durante la sessione di apprendimento o la gestione dei processi sono possibili tramite APP dedicate.

Ad esempio, utilizziamo le app per:

  • Gestire il brainstorming e il focus group, come una bacheca virtuale dove i partecipanti attraverso il proprio dispositivo mobile possono attaccare post-it con idee e pensieri, che tutti possono votare automaticamente e avere il monitoraggio della discussione
  • Comunicare internamente, tra gruppi di lavoro, per contribuire ovunque a un progetto comune attraverso workshop in tempo reale / in ritardo
  • Crea quiz a scelta semplice in modo facile e divertente. Il testo delle domande viene proiettato in classe e i partecipanti utilizzano il proprio dispositivo per rispondere
  • Ottenere ulteriori informazioni su oggetti, luoghi, ecc., Attraverso l’uso della Realtà Aumentata

 

LA è una metodologia che applica i principi dell’analisi dei dati all’apprendimento degli studenti. Il suo scopo è quello di fornire approfondimenti accurati e attuabili nel processo di apprendimento attraverso l’esplorazione, la modellazione e l’aggregazione di fonti di dati rilevanti e di fornire una base di prove per ottimizzare le condizioni in cui l’apprendimento può crescere.

I dati da una vasta gamma di fonti possono essere utilizzati nella ricerca di LA. Questi includono tutto, dai sistemi informativi per gli studenti, all’uso della biblioteca, ai dati sulla partecipazione, alla partecipazione ai forum online e ai registri wifi per il movimento degli occhi e ai dati sul riconoscimento facciale. Tuttavia, la fonte di dati più utilizzata è l’interazione degli studenti con l’ambiente di apprendimento virtuale chiamato anche VLE

I VLE sono piattaforme online, come Blackboard, Moodle, Sakai ecc., che ospitano una gamma potenzialmente enorme di risorse di apprendimento che i docenti possono mettere a disposizione dei loro studenti. Più frequentemente, vengono utilizzati come archivi in ​​cui gli studenti possono accedere a appunti di lezioni, liste di letture, documenti di esami precedenti ecc.

I ricercatori di LA hanno ottenuto un enorme volume di dati utilizzabili da queste fonti. Fornendo informazioni su quali risorse hanno avuto accesso gli studenti, quando e come hanno avuto accesso a loro e per quanto tempo hanno trascorso a utilizzarli, è possibile sviluppare un quadro chiaro del comportamento di apprendimento degli studenti. Questa informazione può fornire ai docenti informazioni preziose su quali risorse stanno usando i loro studenti e su quanto sono attivi. Può anche dare agli studenti un’immagine migliore di quanto siano impegnati con il materiale del corso rispetto ai loro coetanei. E più importante, questa informazione può essere fornita in tempo reale.

Confrontando queste informazioni con i voti degli studenti, i ricercatori possono identificare l’efficacia quantitativa di ogni stile di apprendimento e quali sono i modelli di attività che hanno maggiori probabilità di generare un apprendimento approfondito e di avere un esito positivo per lo studente. Al contrario, possono anche identificare modelli che potrebbero avere un esito negativo come valutazioni errate o addirittura ritirarsi prematuramente dal corso. Sapere quali studenti hanno meno probabilità di avere successo consente interventi tempestivi che possono consentire agli studenti di cambiare la loro traiettoria accademica prima che subiscano conseguenze negative.

Tuttavia, è interessante notare che, per tutti i vantaggi che i LA possono conferire, è solo uno strumento per rispondere alle domande e fornire approfondimenti. Per avere un impatto positivo e quantificabile per docenti e studenti, deve essere fondato su una strategia più ampia ed efficace basata su azioni efficaci. I LA, ad esempio, non possono migliorare la fidelizzazione degli studenti. Se usato in modo efficace, tuttavia, può essere un vantaggio essenziale e inestimabile per supportare una strategia di conservazione efficace e informata.