Coltivare la comunità di pratica degli insegnanti internazionali attraverso lo sviluppo professionale non formale
DOI:
https://doi.org/10.61007/QdC.2023.1.102Parole chiave:
insegnanti, formazione, digitalizzazioneAbstract
La digitalizzazione delle pratiche educative è al primo posto nelle agende politiche a livello europeo e nazionale. La pandemia COVID-19 ha causato la più grande interruzione dell'istruzione nella storia, con un impatto su studenti e formatori in tutti i livelli e tipi di istruzione. Questa congiuntura ha accelerato notevolmente la trasformazione digitale di tutti gli istituti scolastici, richiedendo una transizione verso modelli e strumenti di apprendimento online (Liapis et al., 2022). Tuttavia, il personale educativo, in particolare quello che insegna argomenti più teorici, non ha necessariamente le conoscenze e le competenze ICT adeguate per supportare con successo la formazione online (Lazarinis et al., 2022, Panagiotakopoulos et al., 2021a; Iatrellis et al, 2021). In effetti, la mancanza di competenze digitali da parte degli insegnanti è spesso segnalata in letteratura, in quanto gli insegnanti risultano avere una capacità insufficiente di sviluppare attività di apprendimento con strumenti tecnologici (Cruz e Diaz, 2016), mentre la loro preparazione per i corsi di apprendimento online rimane relativamente bassa, soprattutto per quanto riguarda gli insegnanti più anziani (Mirke et al., 2019; Capogna et al., 2020).
Per colmare questa lacuna, il progetto RE-EDUCO si concentra sulla formazione degli insegnanti per migliorare la loro cultura digitale e le loro competenze per la condivisione di nuove metodologie di apprendimento attraverso approcci pedagogici innovativi. Facendo parte di un piano di lavoro completo, il corso di formazione online RE-EDUCO per insegnanti mirava ad affrontare le carenze di competenze digitali e a migliorare le capacità del personale educativo nell'incorporare efficacemente approcci e strumenti innovativi di formazione online nel processo di insegnamento e apprendimento.
Riferimenti bibliografici
Capogna, S., Cianfriglia, L., Cocozza, A. (2020), Digital Culture for Educational Organizations. Guidelines for Teachers and Education Agencies, (edited by) Eurilink University Press, Roma.
Chen, R. J. (2010), «Investigating models for preservice teachers’ use of technology to support student-centred learning», in Computers & Education, 55(1): 32-42.
Cruz, F. J. F., and Díaz, M. J. F. (2016), «Generation z’s teachers and their digital skills», in Comunicar. Media Education Research Journal, 24(1): pp. 97-105. DOI http://dx.doi.org/10.3916/C46-2016-10.
Iatrellis, O., Panagiotakopoulos, T., Gerogiannis, V. C., Fitsilis, P., and Kameas, A. (2021), «Cloud computing and semantic web technologies for ubiquitous management of smart cities-related competences», in Education and Information Technologies, 26(2): 2143-2164.
Keiler, L. S. (2018), «Teachers’ roles and identities in student- centered classrooms», in international journal of STEM education, 5: 1-20.
Lazarinis, F., Karatrantou, A., Panagiotakopoulos, C., Daloukas, V., and Panagiotakopoulos, T. (2022), «Strengthening the coding skills of teachers in a low dropout Python MOOC», in Advances in Mobile Learning Educational Research, 2(1): 187-200.
Liapis, A., Maratou, V., Panagiotakopoulos, T., Katsanos, C., and Kameas, A. (2022), «UX evaluation of open MOOC platforms: a comparative study between Moodle and Open edX combining user interaction metrics and wearable biosensors», in Interactive Learning Environments, 1-15.
Mirķe, E., Cakula, S., and Tzivian, L. (2019), «Measuring teachers- as-learners’ digital skills and readiness to study online for successful e-learning experience», in Journal of Teacher Education for Sustainability, 21(2): 5-16.
Panagiotakopoulos, T., Kotsiantis, S., Borotis, S., Lazarinis, F., and Kameas, A. (2021a), «Applying Machine Learning to Predict Whether Learners Will Start a MOOC After Initial Registration», in IFIP International Conference on Artificial Intelligence Applications and Innovations (pp. 466-475). Springer, Cham.
Panagiotakopoulos, T., Kotsiantis, S., Kostopoulos, G., Iatrellis, O., and Kameas, A. (2021b), «Early dropout prediction in MOOCs through supervised learning and hyperparameter optimization», in Electronics, 10(14): 1701.
Downloads
Pubblicato
Come citare
Fascicolo
Sezione
Licenza
Copyright (c) 2023 Quaderni di comunità
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale - Non opere derivate 4.0 Internazionale.
