Introduzione

L’Intelligenza Artificiale della piattaforma include un motore in grado di consigliare contenuti attraverso suggerimenti personalizzati. Per maggiori informazioni su quando e come la piattaforma suggerisce contenuti, fare riferimento all’articolo dedicato della Knowledge Base (sezione Consigli Personalizzati). 

Questo articolo offre una panoramica sui principi e le tecniche utilizzate dal motore utilizzato dall’Intelligenza Artificiale per consigliare contenuti, e sulle informazioni relative agli utenti e ai materiali didattici che gestisce. 

Consigli Basati sulla Cronologia

I consigli personalizzati derivano dall’analisi della cronologia dell’utente in piattaforma. La fonte primaria di informazioni del motore utilizzato dall’Intelligenza Artificiale per offrire consigli sono i dati relativi alle sequenze di interazioni che ogni utente ha avuto con i materiali didattici disponibili in piattaforma. 

In particolare, l’Intelligenza Artificiale considera le seguenti interazioni per offrire consigli personalizzati:

• Il completamento dei corsi formali
• Le visualizzazioni, le valutazioni e l’invito ad altre persone a visualizzare i contributi per quanto riguarda la formazione informale

L’Intelligenza Artificiale utilizza la cronologia delle interazioni per costruire una matrice di Utenti e Contenuti. L’immagine che segue offre una visualizzazione intuitiva della matrice. 

Da questa matrice, l’Intelligenza Artificiale è in grado di derivare, attraverso un algoritmo di fattorizzazione a matrice, uno spazio metrico multi-dimensionale in cui gli utenti e i contenuti sono inseriti nello stesso sistema di coordinate. Segue una rappresentazione di questo spazio metrico (per questioni di visualizzazione, presentiamo uno spazio metrico bidimensionale, ma in realtà lo spazio metrico ha un numero molto maggiore di dimensioni). 

Grazie a questo spazio metrico possiamo misurare la distanza o la prossimità fra gli utenti e i contenuti; in altre parole, possiamo capire quali utenti sono vicini a quali contenuti. 

L’interpretazione della prossimità è interessante: per esempio, quando l’utente U è particolarmente vicino ad un contenuto nello spazio metrico, significa che quel contenuto è stato visualizzato da altri utenti con una cronologia di interazioni simile all’utente U. Questa è la base della creazione dei consigli personalizzati: l'Intelligenza Artificiale calcola le distanze fra gli utenti e i contenuti nello spazio metrico in base ad un algoritmo di fattorizzazione, estraendo i contenuti più vicini ad un determinato utente, in quanto potrebbero risultare quelli di maggiore interesse per l’utente stesso.

Ricordiamo che non saranno consigliati contenuti già visualizzati, e che è possibile consigliare solo contenuti a cui l’utente ha accesso nel rispetto delle regole di visibilità dei materiali didattici definite in piattaforma. 

Consigli Contestualizzati

L’Intelligenza Artificiale considera inoltre la prossimità fra contenuti diversi per contestualizzare i consigli prodotti per ogni utente. Considera l’ultimo contenuto visualizzato dall’utente (o quello in corso di visualizzazione) e calcola quali altri contenuti sono vicini a quel contenuto nello spazio metrico. Questo calcolo servirà a produrre consigli, insieme ai contenuti vicini all’utente. 

Lavorare con Poca Cronologia

Poiché il motore utilizzato dall’Intelligenza Artificiale per offrire consigli si basa sulla cronologia delle interazioni accumulate nel tempo, man mano che gli utenti fruiscono dei materiali didattici disponibili in piattaforma, quando si utilizza una piattaforma recente mancano i dati per produrre consigli significativi. 

Man mano che si verificano interazioni in piattaforma, il motore dell’Intelligenza Artificiale popola la matrice, e in linea di massima, più si utilizza la piattaforma più saranno precisi e personalizzati i consigli. 

Se la cronologia di un utente è nulla o include poche interazioni - per esempio perché l’utente è di recente creazione o interagisce poco con la piattaforma - l’Intelligenza Artificiale  potrebbe non riuscire a consigliare contenuti. Se però l’utente inizia ad interagire più frequentemente con la piattaforma, riceverà sempre più consigli personalizzati.

Aggiornamento della Cronologia delle Interazioni

Man mano che gli utenti interagiscono con la piattaforma e con i contenuti disponibili, la matrice che raccoglie la cronologia delle interazioni si modifica. 

L’Intelligenza Artificiale ricalcola la matrice periodicamente al fine di riflettere le ultime interazioni, quindi applica nuovamente l’algoritmo della matrice di fattorizzazione per creare uno spazio metrico aggiornato. 

Con il passare del tempo, la matrice di interazione diventa sempre più vasta e i calcoli necessari per ottenere la matrice e gli spazi metrici corrispondenti potrebbero richiedere molto tempo. Per questo motivo, la piattaforma programma una procedura di aggiornamento ad intervalli di alcuni giorni. 

Ricordare che le ultime interazioni fra gli utenti e i contenuti potrebbero non essere prese in considerazione nel calcolo dei contenuti personalizzati fino al successivo aggiornamento della matrice.

Limitazioni Tecniche

Quando il numero di utenti e/o contenuti è elevato (più di 1 milione), l'attuale implementazione tecnica dell'algoritmo che genera consigli potrebbe non riuscire a produrre la matrice Utente / Contenuto descritta in questo articolo. In questi rari casi, la funzionalità non funziona e quindi potrebbe non produrre consigli.