Tecniche di apprendimento automatico e analisi dei testi nella formazione

Tra le caratteristiche più rilevanti dei processi di apprendimento dell'uomo vi è il fatto che, sebbene possiamo non raggiungere l'eccellenza in alcun dominio specifico, siamo abbastanza abili nella maggior parte di essi e, soprattutto, capaci di adattarci quando ci viene presentato un nuovo problema. La versatilità e la capacità di adattamento sono proprietà fondamentali per imparare a gestire situazioni di incertezza e in continuo mutamento come quelle che spesso devono affrontare tecnici e specialisti in vari campi.

Deep learning
D'altro canto, negli ultimi (circa 5) anni, nella letteratura scientifica, e talvolta anche sulla stampa generalista, sono stati riportati una serie di successi - considerati a volte clamorosi - ottenuti da parte di computer programmati con sistemi di intelligenza artificiale e apprendimento automatico. La combinazione della disponibilità di grandi quantità di dati - alla base dell'addestramento delle reti neurali - e di una grande potenza di calcolo, anche su dispositivi relativamente compatti e con basso consumo energetico, hanno permesso a noi ricercatori lo sviluppo del concetto di deep learning, una variante moderna delle reti neurali - peraltro note da vari decenni - che è alla base di molte applicazioni, tra cui le automobili senza guidatore o le traduzioni automatiche in tempo reale del parlato, per citare solo due tra quelle a più alta visibilità. Questi sistemi cercano di emulare il cervello umano nel processo di apprendimento e viene naturale chiedersi se possano essere usati nei processi di formazione del personale in un circuito virtuoso di miglioramento reciproco.
È possibile immaginare diversi scenari basandoci anche su esperienze già realizzate o in corso di sperimentazione. Ad esempio, le tecniche di analisi automatica dei testi hanno fatto passi da gigante negli ultimi anni: approcci moderni come quello del topic modelling o del word embedding possono essere utilizzati in vari modi nel miglioramento e a supporto dei processi di formazione:
I.    per velocizzare e raffinare l'analisi dei questionari di gradimento  distribuiti ai partecipanti ai corsi;
II.    per controllare la qualità e l'originalità del materiale didattico predisposto dai formatori.
Nel primo caso diventa possibile estrarre la massima quantità di informazioni, così da rendere più produttiva l'analisi da parte del formatore, il cui ruolo diventerà quello di sintetizzare, interpretare e, successivamente, rendere operative le indicazioni ottenute.
Nel secondo caso la tecnica predetta offre la possibilità di avere materiale il più possibile in linea con gli specifici obiettivi del corso.

Analisi della comunicazione e diagnosi del benessere organizzativo
Ma l'uso di macchine che, grazie a determinati algoritmi di intelligenza artificiale, apprendono man mano che vengono alimentate con dati, può diventare davvero interessante, ad esempio, per l'analisi di tutte le comunicazioni interne di un'organizzazione, al fine di identificare i campi semantici, prima, e concettuali, poi, che consentono di diagnosticare il grado di "benessere" dell'organizzazione stessa, nonché la sua capacità di promuovere e mantenere la serenità psicologica e sociale di coloro che vi operano. Si pensi, ad esempio, ai principi di non discriminazione, valorizzazione delle differenze, etc. alla base della maggior parte delle recenti normative finalizzate alla riforma e innovazione della Pubblica Amministrazione: nelle mani di un formatore, le tecniche di analisi automatica dei testi predetti potrebbero rappresentare veri e propri strumenti utili alla definizione della cultura organizzativa - sia a livello sistemico che individuale - e all'identificazione di aree critiche e/o eventuali discriminazioni indirette, alle quali fare seguire, subito dopo, le misure necessarie ai fini del miglioramento delle relazioni interpersonali, del sistema sociale interno e della cultura organizzativa in generale.
In questo modo "... la formazione può ritrovare il suo significato più autentico non solo come offerta di conoscenze ma come contributo alla 'costruzione di significato' o più in generale, alla 'costruzione di sé'" (Quaglino, 2014).

Infografia
Italo Calvino, 2000, Se in una notte d'inverno un viaggiatore, Mondadori.
Jason Chuang e altri, 2014, "Computer-Assisted Content Analysis: Topic Models for Exploring Multiple Subjective Interpretations", Conference on Neural Information Processing Systems (NIPS). Workshop on Human-Propelled Machine Learning. Montreal, Canada.
Eugenio De Gregorio, 2007, Posizionamento narrativo e azioni, Aracne.
Robert D. Hof, 2016, "Deep Learning With massive amounts of computational power, machines can now recognize objects and translate speech in real time. Artificial intelligence is finally getting smart", Mit Technology Review.
Vadim I. Gushin e altri, 2016, "The evolution of methodological approaches to the psychological analysis of the crew communications with Mission Control Center", REACH - Reviews in Human Space Exploration, volume 1.
Natural Language Toolkit 3.0 Documentation.
Gian Piero Quaglino, 2014, Formazione: bilanci e nuove sfide, intervista a cura di Roberto Vardisio.
Wikipedia, voce "Topic model".
Wikipedia ,voce "Word_embedding".