Cluster analysis for tailored tutoring system

In online courses, the tutoring activities are relevant for the learners’ training; they affect the course quality and imply creating dynamic and active online learning environments. The research aims to define a model based on a structured and data-driven tutoring system to identify homogeneous groups of students attending a blended degree course and, then, set tailored interventions as support. We chose a multivariate data analysis technique, cluster analysis, and used personal data and academic achievements of first-year students (n=110) in Degree Course in Digital Education at the University of Modena and Reggio Emilia to create groups of similar learners, identify common characteristics of students in each group and define personalized tutoring strategies for each cluster. The analysis allows identifying six homogeneous clusters of students and defining activities to design that concern the fields of content, motivation and metacognition, involve degree course tutors and teachers, and be carried out individually or in small groups of students.

Nei corsi online, la presenza di tutor (disciplinari, tecnici, metodologici) è rilevante per la formazione degli studenti; le attività di tutorato influenzano la qualità delle azioni didattiche e contribuiscono a creare ambienti di apprendimento online dinamici e attivi. La ricerca qui presentata mira a definire un modello per la creazione di sistemi di tutoraggio data-driven, strutturato e personalizzato, che rilevi gruppi omogenei di studenti in un corso di laurea erogato in modalità prevalentemente a distanza per i quali attuare specifici interventi di supporto. Abbiamo scelto una tecnica di analisi multivariata dei dati, la cluster analysis, e raccolto, selezionato e utilizzato i dati personali e i dati relativi ai risultati accademici degli studenti del primo anno del Corso di Laurea in Digital Education dell’Università di Modena e Reggio Emilia (n=110) per creare gruppi di studenti simili, identificare le caratteristiche comuni degli studenti in ogni gruppo e definire strategie di tutoraggio personalizzate per ogni cluster. L’analisi ha permesso di individuare sei cluster omogenei di studenti e di definire alcune azioni di tutoraggio personalizzate per ciascun gruppo a partire dai risultati conseguiti negli esami del primo anno. Le attività da progettare e proporre riguardano l’approfondimento dei contenuti, la motivazione e la metacognizione, coinvolgono tutor e docenti e possono svolgersi individualmente o in piccoli gruppi.