Statistica e machine learning in aula non sono solo materie di insegnamento. Diventano anche strumenti per migliorare i processi, la didattica e la “retention” degli studenti del Politecnico di Milano.
Un gruppo di dottorandi e ricercatori, guidati da Anna Maria Paganoni, professoressa ordinaria di Statistica del Dipartimento di Matematica e delegata alla Data Strategy dell’ateneo milanese, ha messo a punto un modello statistico e ha utilizzato algoritmi di machine learning per individuare le maggiori probabilità di abbandono in alcuni cluster di studenti.
Una base dati di 110mila studenti in 9 anni da analizzare
"Avevamo a disposizione una grande mole di dati nel database del Politecnico di Milano. Sono 110mila studenti monitorati in nove anni, con informazioni anagrafiche, socio-economiche, di provenienza scolastica e geografica, nonché di ritmo negli esami e di andamento complessivo della carriera universitaria. La tecnologia del machine learning è stata utile proprio per elaborare e analizzare questa enorme mole di dati", racconta Anna Maria Paganoni.
In particolare, il modello statistico utilizzato è stato confermato dall’algoritmo di machine learning Random Forest applicato su ulteriori corti di studenti. Quello che è emerso è stata una maggiore probabilità di abbandono negli studenti che avevano arrancato nel primo semestre, con la difficoltà a superare i primi esami.
Il primo anno e mezzo è anche la fascia temporale in cui si concentra il maggior numero di rinuncia allo studio, o cambiamento di facoltà. "In statistica non possiamo parlare di causalità quando due fenomeni tendono a ripetersi insieme di frequente, ma solo di maggiore o minore probabilità che qualcosa accada o meno. Come in questo caso il fenomeno di abbandono - non abbandono. Serve infatti sempre l’esperto di dominio per verificare il contesto e interpretare una determinata analisi dei dati. Noi ci siamo concentrati sull’interpretazione delle difficoltà che possono sorgere nel passaggio dalla scuola secondaria all’università, per esempio un nuovo metodo di studio e un insufficiente o non chiaro orientamento nella scelta del percorso di studi", spiega la professoressa.
Le azioni messe in campo: il tutoraggio
Per contrastare quel 20% di abbandono da ingegneria nel primo anno e mezzo, il Politecnico ha quindi deciso di rinforzare l’istituto del tutoraggio. Il servizio era già disponibile ma poco utilizzato.
Negli ultimi tre anni studenti dell’ultimo anno della triennale o dell’inizio della magistrale si sono messi a disposizione di piccoli gruppi di “colleghi” per aiutarli a preparare un determinato esame o per comprendere meglio i piani di studio.
Di fatto, il Politecnico ha potenziato questo supporto tra pari, incoraggiato da e-mail formali inviate agli iscritti ritenuti più a rischio per l’andamento degli esami. In questo modo, ha dimezzato la percentuale di abbandono precoce (“early drop out”). In tre anni il 20% di rinuncia agli studi di ingegneria è sceso al 10%.
La riorganizzazione dell'orientamento
Un’altra linea di azione portata avanti è la riorganizzazione dell’orientamento. Già avviata con gli anni del Covid, essa non si concentra più su singoli Open day in presenza, ma è distribuita nel tempo con più webinar mirati a presentare in modo chiaro ed esplicito i diversi indirizzi e sbocchi professionali.
Lo strumento combinato di analisi dati e linee di azione ha funzionato e ora sono sul tavolo nuovi progetti. "Non è escluso che approfondiremo anche il fenomeno del late drop out (l’abbandono tardivo). Questo ha una complessità maggiore, ma ci stiamo ragionando", conclude la prof. Paganoni.