Un machine learning per la valutazione delle carriere universitarie

Titolo Rivista RIV Rassegna Italiana di Valutazione
Autori/Curatori Sandro Brignone
Anno di pubblicazione 2023 Fascicolo 2022/82
Lingua Italiano Numero pagine 22 P. 11-32 Dimensione file 1083 KB
DOI 10.3280/RIV2022-082002
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Qui sotto puoi vedere in anteprima la prima pagina di questo articolo.

Se questo articolo ti interessa, lo puoi acquistare (e scaricare in formato pdf) seguendo le facili indicazioni per acquistare il download credit. Acquista Download Credits per scaricare questo Articolo in formato PDF

Anteprima articolo

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

;

  1. Agostino R.M. (2020). Intelligenza artificiale e processi decisionali. La responsabilità degli amministratori di società. Mercato Concorrenza Regole, XXII(2): 371-402.
  2. Alfaro L., Rivera C., Castaneda E., Zuniga-Cueva J., Rivera-Chavez M., Fialho, F. (2020). A review of intelligent tutorial systems in computer and web based education. International Journal of Advanced Computer Science and Applications, 11(2): 755-763.
  3. AlmaLaurea (2021). XXIII Indagine Profilo dei Laureati 2020. Rapporto 2021. -- https://www.almalaurea.it/sites/almalaurea.it/files/docs/universita/profilo/profilo2021/aalmalaure_profilo_rapporto2021.pdf.
  4. ANVUR (2018). Rapporti sullo Stato del Sistema Universitario e della Ricerca. Rapporto 2018. -- https://www.anvur.it/documenti-ufficiali/rapporti-sullo-stato.
  5. Beaulac C., Rosenthal J.S. (2019). Predicting university students’ academic success and major using random forests. Research in Higher Education, 60(7): 1048-1064.
  6. Bezzi C. (2021). Manuale di ricerca valutativa. Milano: FrancoAngeli.
  7. Boden M.A., trad. it. (2019). L’intelligenza artificiale. Bologna: il Mulino.
  8. Breiman L (2001), Random forests. Machine learning, 45(1): 5-32.
  9. Chen L., Chen P., Lin Z. (2020). Artificial intelligence in education: A review. Ieee Access, 8: 75264-75278.
  10. Del Bonifro F., Gabbrielli M., Lisanti G., Zingaro S.P. (2020). Student dropout prediction. In: International Conference on Artificial Intelligence in Education, Springer, Cham: 129-140.
  11. Gallerani F. (2021). Un modello predittivo per il contrasto della dispersione universitaria. In: Adorni G., Allegra M., Gaglio S., Gentile M., Scarabottolo N., a cura di, Atti del convegno Nazionale Didamatica “Artificial Intelligence for Education” (35° edizione), Palermo: AICA, 7-8 ottobre 2021: 10-17.
  12. Grimaldi R., a cura di (2001). Valutare l’università. Torino: Utet.
  13. Grimaldi R., a cura di (2012). Metodi formali e risorse della Rete. Manuale di ricerca empirica. Milano: FrancoAngeli.
  14. Grimaldi R., a cura di (2022). La società dei robot. Milano: Mondadori.
  15. Holmes W., Bialik M., Fadel C. (2019). Artificial intelligence in education. Promises and Implications for Teaching and Learning. Boston: Center for Curriculum Redesign.
  16. Kaplan J., trad. it (2017). Intelligenza artificiale: guida al futuro prossimo. Roma: Luiss University Press.
  17. Luan H., Tsai C.C. (2021). A review of using machine learning approaches for precision education. Educational Technology & Society, 24, 1: 250-266.
  18. Marmo R. (2020), Algoritmi di intelligenza artificiale. Milano: Hoepli.
  19. Nicoletti M.D.C., de Oliveira O.L. (2020). A Machine Learning-Based Computational System Proposal Aiming at Higher Education Dropout Prediction. Higher Education Studies, 10(4): 12-24.
  20. OECD (2019). Recommendation of the Council on Artificial Intelligence. OECD Legal Instruments. -- https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449.
  21. OECD (2021). Education at a Glance 2021: OECD Indicators. Paris: OECD Publishing.
  22. Palumbo M., (2015). Il processo di valutazione. Decidere, programmare, valutare. Milano: FrancoAngeli.
  23. Panciroli C., Rivoltella P.C., Gabbrielli M., Richter O.Z. (2020). Artificial Intelligence and education: new research perspectives. Form@re, 20(3): 1-12.
  24. Quintarelli S., a cura di (2020). Intelligenza artificiale. Cos’è davvero, come funziona, che effetti avrà. Torino: Bollati Boringhieri.
  25. Reid J. (1995). Managing learner support. In F. Lockwood (Ed.). Open and distance learning today. London: Routledge: 265-275.
  26. Russell S., Norvig P., trad. it. (2010), Intelligenza artificiale. Un approccio moderno. Milano-Torino: Pearson.
  27. Tahiru F. (2021). AI in Education: A Systematic Literature Review. Journal of Cases on Information Technology (JCIT), 23(1): 1-20. (vedi se lasciare o togliere)
  28. Trinchero R. (2021). Designing Intelligent Tutoring Systems With AI: Brain-Based Principles for Learning Effectiveness. In Handbook of Research on Teaching With Virtual Environments and AI, IGI Global: 539-557.
  29. Zawacki-Richter O., Marín V.I., Bond M., Gouverneur F. (2019). Systematic review of research on artificial intelligence applications in higher education–where are the educators?. International Journal of Educational Technology in Higher Education, 16(1): 1-27.
  30. Zingaro S., Del Zozzo A., Del Bonifro F., Gabbrielli, M. (2020). Predictive models for effective policy making against university dropout. Form@re, 20(3): 165-175.

Sandro Brignone, Un machine learning per la valutazione delle carriere universitarie in "RIV Rassegna Italiana di Valutazione" 82/2022, pp 11-32, DOI: 10.3280/RIV2022-082002