Un modello predittivo basato sui dati ha rivoluzionato il supporto agli studenti universitari: ora gli ITS possono ispirarsi a questa strategia per intervenire precocemente e aumentare il successo formativo.

​Il Politecnico di Milano ha recentemente implementato un progetto innovativo utilizzando l’intelligenza artificiale (IA) per ridurre il tasso di abbandono degli studenti. Attraverso l’analisi dei dati di oltre 110.000 studenti iscritti tra il 2010 e il 2019, l’ateneo ha sviluppato modelli predittivi capaci di individuare precocemente gli studenti a rischio di abbandono. Questi modelli si basano su circa 10 milioni di “eventi” accademici, come l’iscrizione agli esami e i risultati ottenuti. L’analisi ha evidenziato che le performance accademiche iniziali sono cruciali: gli studenti che non ottengono crediti significativi nel primo semestre hanno una probabilità più alta di abbandonare gli studi. Per contrastare questo fenomeno, il Politecnico ha introdotto interventi personalizzati, tra cui tutoraggio mirato e supporto psicologico, riuscendo a dimezzare il tasso di abbandono dal 20% al 10%. ​

Considerando l’efficacia di questa strategia, gli Istituti Tecnici Superiori (ITS) potrebbero adottare approcci analoghi per prevenire l’abbandono scolastico. I passaggi chiave potrebbero includere:​

1. Raccolta e analisi dei dati: Monitorare le performance accademiche degli studenti fin dall’inizio del percorso formativo, prestando particolare attenzione ai risultati dei primi esami e alla partecipazione alle attività didattiche.​
2. Identificazione dei parametri indicativi: Individuare indicatori chiave che possano segnalare un potenziale rischio di abbandono, come basse performance nei primi esami, scarsa frequenza alle lezioni o difficoltà nell’integrazione nel contesto scolastico.​
3. Sviluppo di modelli predittivi: Utilizzare tecniche di machine learning per elaborare i dati raccolti e prevedere quali studenti siano più a rischio di abbandono, permettendo interventi tempestivi.​
4. Implementazione di interventi mirati: Offrire supporto personalizzato agli studenti identificati come a rischio, attraverso tutoraggi, consulenze psicologiche e supporto socioeconomico, come l’erogazione di borse di studio.​

I focal point per individuare i parametri indicativi negli ITS potrebbero includere:​

• Performance accademiche iniziali: Valutare i risultati ottenuti nei primi mesi di corso per identificare eventuali difficoltà.​
• Frequenza alle lezioni: Monitorare la presenza degli studenti alle attività didattiche come indicatore di coinvolgimento.​
• Interazione con docenti e tutor: Osservare il livello di partecipazione attiva e le richieste di supporto da parte degli studenti.​
• Situazione socioeconomica: Considerare il contesto economico e familiare degli studenti, poiché può influenzare la loro permanenza nel percorso formativo.​

Adottando queste strategie, gli ITS potrebbero migliorare il supporto agli studenti e ridurre significativamente il tasso di abbandono scolastico, favorendo il successo formativo e professionale dei propri iscritti.