B5901 - Didattica degli Algoritmi e della Programmazione con laboratorio - Modulo 1

Conoscenze e abilità da conseguire

Al termine del corso lo studente ha acquisito conoscenza critica su alcuni aspetti epistemologici dell’informatica. Conosce, e sa distinguere, i principali contributi scientifici, tecnologici e operativi della disciplina, inquadrandoli nel contesto storico di riferimento.

Conosce alcune formalizzazioni del concetto informale di “effettivo” e i limiti di quelle formalizzazioni (cioè, che esistono problemi che non ammettono soluzioni effettive.)

Sa discutere e inquadrare alcune questioni sociali ed etiche relative alla disciplina.

Avrà acquisito una comprensione approfondita dell'evoluzione storica dell'Intelligenza Artificiale, dall'approccio deterministico a quello probabilistico, analizzandone l'impatto sulla disciplina e sulla società. Saranno esplorati i vari aspetti dell'IA, come il ragionamento, la pianificazione e l'apprendimento, con particolare attenzione alle basi del machine learning (apprendimento automatico) e alla recente rivoluzione del deep learning (apprendimento automatico profondo).

Contenuti

• Aspetti epistemologici: l’informatica come insieme di strumenti digitali, come tecnologia, come scienza.

• Alcune delle idee fondanti/saperi essenziali dell’informatica (concetto di interprete, algoritmo, programma, protocollo, rappresentazione dell'informazione, …), nella prospettiva didattica.

• Modelli di riferimento internazionali:
  K-12 CS Framework (2016) e CSTA K–12 Computer Science Standards

• Limitazioni dei procedimenti effettivi

• Insegnare la programmazione nell’era dell’informatica generativa

• Alcuni aspetti sociali ed etici (pe. Il “manifesto di Vienna per l’umanesimo digitale”)

• Aspetti storici: evoluzione dell'Intelligenza Artificiale dall'approccio deterministico a quello probabilistico.

• Idee fondanti: ragionamento, pianificazione e apprendimento.

• Strumenti: utilizzo di piattaforme didattiche come Machine Learning for Kids, Teachable Machine e altri strumenti interattivi per l'insegnamento del machine learning e del deep learning.

• Modelli di riferimento internazionali: esplorazione degli standard e delle linee guida internazionali per l'insegnamento dell'Intelligenza Artificiale nelle scuole.

• Impatti sociali ed etici: analisi degli effetti dell'Intelligenza Artificiale sulla società, inclusi aspetti etici e morali, interpretability, accountability, trustworthness, explainability e tecniche correlate.

Testi/Bibliografia

Articoli, slides, materiale che saranno resi disponibili durante il corso, su virtuale.unibo.it

Metodi didattici

Lezioni frontali con discussione

Modalità di verifica e valutazione dell'apprendimento

Fatto salvo l'accertamento della percentuale minima di frequenza e la consegna di eventuali esercitazioni richieste durante il corso, la valutazione dell'apprendimento dei contenuti dell'insegnamento è contestuale alla prova finale per l’acquisizione dell'abilitazione all'insegnamento nella classe di concorso del percorso formativo, prevista dall'Art. 9 del DPCM 4 agosto 2023.

Orario di ricevimento

Consulta il sito web di Simone Martini

Consulta il sito web di Stefano Pio Zingaro