💻 computer science

Coasting Through Class: Learning Opportunity Loss from Practice Avoidance During Individual Seatwork

Questo studio analizza i dati di ASSISTments per rivelare che gli studenti "navigano in superficie" per il 60% del tempo disponibile per la pratica matematica a causa di avvio ritardato, inattività e arresto anticipato, un modello comportamentale coerente che riduce significativamente le opportunità di apprendimento e incide negativamente sulla performance nei test standardizzati.

Autori originali: Ashish Gurung, Jordan Gutterman, Danielle R. Thomas, Mingyu Feng, Vincent Aleven, Kenneth R. Koedinger

Pubblicato 2026-04-29

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Ashish Gurung, Jordan Gutterman, Danielle R. Thomas, Mingyu Feng, Vincent Aleven, Kenneth R. Koedinger

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Il Quadro Generale: Il Problema dell'"Autobus Vuoto"

Immagina un autobus scolastico che lascia il garage ogni mattina con un serbatoio pieno di benzina e un orario rigido per raggiungere la destinazione. L'autobus ha abbastanza carburante per guidare per 60 minuti. Tuttavia, il conducente guida effettivamente l'autobus solo per 24 minuti. Per i restanti 36 minuti, il motore è acceso, l'autobus è fermo al marciapiede o il conducente sta semplicemente aspettando di partire, ma l'autobus non si sta muovendo verso la destinazione.

Questo documento studia esattamente quello scenario, ma invece di un autobus, si tratta di una classe di matematica digitale. I ricercatori volevano sapere: quanto tempo gli studenti dedicano effettivamente all'apprendimento e quanto tempo stanno semplicemente "seduti lì" senza fare il lavoro?

Chiamano questo tempo perso "Coasting" (scorrere). Proprio come un'auto che scorre in discesa senza che il motore lavori, gli studenti stanno "scorrendo attraverso la lezione" quando non stanno praticando attivamente la matematica, anche se sono seduti ai loro computer.

Che cos'è il "Coasting"?

I ricercatori hanno scomposto il "coasting" in tre modi specifici in cui gli studenti sprecano tempo durante una sessione di lezione:

L'"Inizio Ritardato" (Aspettando al semaforo rosso): Il periodo di lezione inizia, ma lo studente non inizia a lavorare immediatamente. Potrebbe essere impegnato a chiacchierare, guardare fuori dalla finestra o semplicemente fissare lo schermo. Questo è tempo perso all'inizio stesso.
L'"Inattività a Metà Pratica" (Il motore al minimo): Lo studente inizia a lavorare, ma poi si ferma per un lungo periodo (più di 2 minuti) senza fare nulla. Non sta rispondendo a domande; sta semplicemente seduto lì.
La "Fermata Anticipata" (Parcheggiare l'auto in anticipo): Il periodo di lezione non è finito e c'è ancora più matematica da fare, ma lo studente spegne il computer o smette di lavorare perché ha finito i compiti assegnati. Smette di "scorrere" prima che suoni la campanella.

La Formula:

Tempo Totale di Coasting = Inizio Ritardato + Tempo di Inattività + Fermata Anticipata

Cosa Hanno Scoperto?

I ricercatori hanno analizzato i dati di oltre 1.400 studenti che utilizzavano una piattaforma matematica chiamata ASSISTments. Ecco cosa hanno scoperto:

La Divisione 40/60: Gli studenti hanno utilizzato solo il 40% del loro tempo di lezione disponibile per praticare effettivamente la matematica. Il restante 60% era "tempo di coasting".
Dove è andato il tempo:
- Il 62% del tempo perso era dovuto al fatto che gli studenti si fermavano in anticipo.
- Il 36% era dovuto al fatto che aspettavano troppo a lungo per iniziare.
- Solo il 2% era dovuto al fatto che stavano semplicemente seduti nel mezzo di un problema senza fare nulla.
- Analogia: Non è che gli studenti siano bloccati nel traffico (inattività) nel mezzo della lezione; è che arrivano in ritardo alla festa (inizio ritardato) o lasciano la festa non appena ottengono uno spuntino (fermata anticipata).
È un Abitudine: I ricercatori hanno verificato se questo comportamento fosse casuale o un pattern. Hanno scoperto che se uno studente tende a iniziare in ritardo o fermarsi in anticipo un giorno, è probabile che lo faccia di nuovo il giorno dopo. È un'abitudine coerente, non solo un errore una tantum.
Anche gli Studenti "Bravi" Scorrano: Anche quando i ricercatori rimuovevano il tempo in cui gli studenti si fermavano in anticipo perché avevano finito tutto il loro lavoro, gli studenti sprecavano comunque circa il 32% del loro tempo. Questo significa che anche quando c'è più lavoro disponibile, molti studenti si fermano comunque.

Importa Chi è lo Studente?

I ricercatori si chiedevano se certi gruppi di studenti scorressero più di altri (ad esempio, maschi vs femmine, diverse razze o studenti con bisogni speciali).

Genere: All'inizio, sembrava che i maschi scorressero più delle femmine. Tuttavia, quando hanno corretto il dato tenendo conto del fatto che i maschi spesso finivano il lavoro assegnato più velocemente, la differenza scompariva. Non era che i maschi evitassero il lavoro; semplicemente completavano i compiti richiesti più rapidamente.
Bisogni Speciali (PEI): Sorprendentemente, gli studenti con Programmi Educativi Individualizzati (PEI) scorrevano meno degli altri. I ricercatori ipotizzano che questo possa essere dovuto al fatto che questi studenti ricevono più aiuto dall'insegnante o hanno carichi di lavoro modificati che li mantengono impegnati più a lungo.
La Grande Conclusione: Il "coasting" accade a tutti. Non importa se sei ricco o povero, vivi in una città o in una fattoria, o parli inglese come seconda lingua. Il comportamento di "coasting" è universale in tutti questi gruppi.

Il Segreto per Voti Migliori: "Sforzo Extra"

Questa è la scoperta più importante del documento.

I ricercatori hanno chiesto: Spendere più tempo aiuta davvero?

La Risposta: Sì, ma solo se scegli di continuare.
L'Analogia: Immagina due corridori. Il Corridore A corre le 5 miglia richieste e si ferma. Il Corridore B corre le 5 miglia richieste, ma poi decide di correre altre 2 miglia perché vuole farlo.
Il Risultato: Gli studenti che hanno fatto uno "Sforzo Extra" (rimasti dopo aver finito il primo compito per fare altra matematica) hanno ottenuto punteggi significativamente più alti nei test standardizzati.
Il Problema: Semplicemente stare seduti al computer per molto tempo (Tempo sul Compito) non prevedeva voti migliori se lo studente non stava effettivamente lavorando. Ma scegliere volontariamente di continuare a lavorare dopo aver finito il requisito minimo era un enorme predittore di successo.

Perché Questo Importa per Insegnanti e Scuole

Il documento suggerisce che le piattaforme di apprendimento digitale sono ottimi strumenti, ma non possono risolvere il problema se gli studenti non stanno usando il tempo.

Il Problema: Le scuole danno agli studenti una quantità fissa di tempo per imparare. Se gli studenti ne usano solo il 40%, il sistema sta fallendo, anche se il software è perfetto.
La Soluzione: Gli insegnanti devono stabilire aspettative chiare. Gli studenti devono sapere che "finire il compito" non significa "smettere di lavorare". Devono sapere che c'è altro da fare.
La Soluzione Tecnologica: Il software stesso potrebbe aiutare mostrando prompt come: "Hai finito la prima parte! Ecco 5 problemi in più da provare", o avvisando gli insegnanti quando uno studente smette di lavorare in anticipo.

Riassunto

Questo documento introduce un nuovo modo di guardare al comportamento degli studenti chiamato "Coasting". Rivela che nelle classi di matematica digitale, gli studenti sprecano una quantità enorme di tempo (60%) iniziando in ritardo, fermandosi in anticipo o semplicemente aspettando. Questo accade a quasi tutti, indipendentemente dal loro background. Tuttavia, sono gli studenti che rompono l'abitudine di scorrere e scelgono di fare uno "Sforzo Extra" – praticando volontariamente più di quanto richiesto – quelli che alla fine ottengono i voti migliori. La lezione è semplice: Il tempo trascorso non è la stessa cosa del tempo appreso; devi effettivamente usare il tempo.

1. Enunciato del Problema

Sebbene le piattaforme di apprendimento digitale (DLP) siano progettate per ottimizzare l'apprendimento attraverso un supporto adattivo, la loro efficacia dipende dall'utilizzo attivo del tempo di pratica assegnato da parte degli studenti. La ricerca esistente si concentra pesantemente sul coinvolgimento improduttivo (ad esempio, "giocare al sistema", "vagare con la mente" o "girare a vuoto") in cui gli studenti sono presenti ma non apprendono in modo efficace. Tuttavia, il disimpegno assoluto—in cui gli studenti evitano completamente il compito—è poco studiato perché spesso lascia poche o nessuna traccia nei log.

Gli autori identificano una lacuna nella quantificazione dell'evitamento della pratica durante le sessioni strutturate di lavoro in classe (lavoro individuale al posto). Nello specifico, mirano a misurare la perdita di opportunità di apprendimento causata da:

Avvii Ritardati: Studenti che attendono per iniziare il lavoro dopo l'inizio della sessione.
Inattività a Metà Pratica: Periodi di inattività mentre la sessione è in corso.
Arresti Anticipati: Studenti che cessano il lavoro prima della fine della sessione, anche se è disponibile più tempo per la pratica.

Il documento ipotizza che questo "tempo perso" rappresenti un ostacolo significativo all'apprendimento che le metriche attuali non riescono a catturare in modo completo.

2. Metodologia

Dataset

Fonte: Log pubblicamente disponibili da ASSISTments, una DLP di matematica che fornisce feedback immediato e aiuto su richiesta.
Ambito: Due anni scolastici (2022–2023, 2023–2024).
Partecipanti: $N = 1.425$ studenti in 71 classi, 34 insegnanti e 22 scuole in 17 stati degli USA.
Tipi di Dati: Log delle transazioni (~3 milioni), punteggi dei test preliminari (Autunno) e finali (Primavera) della Measure of Academic Progress (MAP), e dati demografici (genere, razza/etnia, status socioeconomico, Piano Educativo Individualizzato - IEP, studenti con lingua inglese come seconda lingua - ELL, urbanità).

Definizioni Operative e Misure

Gli autori definiscono "Tempo di Coasting" come la somma di tre misure comportamentali a livello di sessione:
$\text{Tempo di Coasting} = \text{Avvio Ritardato} + \text{Tempo di Inattività} + \text{Arresto Anticipato}$

Identificazione della Sessione: È stato utilizzato un algoritmo di inferenza temporale (Gurung et al., 2026) per classificare i log in Lavoro in Classe, Lavoro Indipendente a Scuola e Compiti a Casa. Il lavoro in classe è stato definito come sessioni durante l'orario scolastico (7:00–15:00) con >5 studenti attivi concorrenti.
Avvio Ritardato: Tempo trascorso tra l'inizio della sessione (inferito dall'attività dei pari) e la prima azione dello studente.
Tempo di Inattività: Periodi di inattività che superano il 99° percentile dei tempi di risposta (arrotondato a 2 minuti).
Arresto Anticipato: Tempo rimanente nella sessione dopo che lo studente ha smesso di lavorare.
- Adeguamento: Per distinguere l'evitamento dall'efficienza, è stata calcolata una metrica "aggiustata" in cui il tempo di arresto anticipato è stato impostato a 0 se lo studente aveva completato almeno un compito.
Sforzo Extra: Definito come la pratica continuata dopo il completamento del primo compito richiesto all'interno di una sessione di lavoro in classe.

Approccio Analitico

Stabilità Temporale: È stata utilizzata la Teoria della Generalizzabilità (G-Theory) per calcolare i coefficienti G e i coefficienti $\phi$ , valutando l'affidabilità dei comportamenti di coasting nel tempo.
Analisi Demografica: È stata impiegata una regressione lineare multilivello (studenti annidati nelle classi) per esaminare la varianza nel coasting in base a genere, razza/etnia, status socioeconomico, IEP, ELL e ubicazione della scuola, controllando per la performance precedente.
Validità Predittiva: È stata utilizzata la regressione multilivello per testare se lo Sforzo Extra predice i punteggi MAP di Primavera, controllando per la performance precedente, il tempo totale sul compito e la varianza a livello di classe. L'adattamento del modello è stato valutato utilizzando il Criterio di Informazione Bayesiano (BIC) e $R^2$ .

3. Contributi Chiave

Quadro Concettuale: Introduce il "Comportamento di Coasting" come un quadro unificato per il disimpegno assoluto, distinguendolo dal coinvolgimento improduttivo. Combina misure a livello di sessione (avvio ritardato, arresto anticipato) con misure all'interno del compito (inattività).
Estensione Metodologica: Estende gli algoritmi di inferenza a livello di sessione precedentemente validati su Cognitive Tutor e iReady alla piattaforma ASSISTments, dimostrando la generalizzabilità cross-sistema.
Quantificazione della Perdita di Opportunità: Fornisce prove empiriche che la maggior parte del tempo di lavoro in classe assegnato è perso a causa di comportamenti di evitamento, sfidando l'assunzione che il tempo assegnato equivalga al tempo utilizzato.
Differenziazione dello Sforzo: Distingue tra "Tempo sul Compito" (lavoro verso il completamento) e "Sforzo Extra" (lavoro oltre il completamento), mostrando che quest'ultimo è un predittore più forte dei risultati di apprendimento.

4. Risultati Chiave

Estensione e Composizione del Coasting

Tasso di Utilizzo: Gli studenti hanno dedicato solo il 40,15% del tempo di lavoro in classe disponibile alla pratica attiva di matematica.
Tempo Perso: Il 59,85% del tempo è stato "coastato".
- Arresto Anticipato: 62,25% del tempo coastato (la componente più grande).
- Avvio Ritardato: 35,79% del tempo coastato.
- Tempo di Inattività: 1,96% del tempo coastato (minimo).
Risultati Aggiustati: Anche escludendo gli arresti anticipati attribuibili al completamento del compito (impostando arresto anticipato = 0 per chi ha finito), il 32% del tempo disponibile è rimasto inutilizzato.

Affidabilità (Stabilità Temporale)

Avvio Ritardato: Affidabilità moderata ( $G = 0,73$ ).
Arresto Anticipato: Affidabilità moderata ( $G = 0,71$ ).
Tempo di Inattività: Bassa affidabilità ( $G = 0,53$ ), suggerendo che l'inattività è altamente dipendente dal contesto (ad esempio, difficoltà del problema) piuttosto che un tratto stabile.
Implicazione: Gli avvii ritardati e gli arresti anticipati sono modelli comportamentali coerenti tra le sessioni.

Varianza Demografica

Genere: I dati non aggiustati mostravano che gli uomini coastavano più delle donne (circa 32 secondi/sessione). Tuttavia, questa differenza scompariva dopo l'aggiustamento per il completamento del compito, suggerendo che gli uomini semplicemente completavano i compiti più velocemente piuttosto che evitare il lavoro.
Status IEP: Gli studenti con IEP coastavano meno dei coetanei senza IEP nei modelli non aggiustati, ma anche questa differenza scompariva dopo l'aggiustamento.
Altri Fattori: Non sono state trovate differenze significative in base a razza/etnia, status socioeconomico, status ELL o ubicazione della scuola (urbana vs rurale). Il coasting appare come un fenomeno universale tra i gruppi demografici.

Impatto sull'Apprendimento (Sforzo Extra)

Tempo sul Compito: La proporzione di tempo spesa lavorando verso il completamento iniziale non è stata un predittore significativo dei punteggi MAP di Primavera ( $p = .919$ ).
Sforzo Extra: La pratica continuata oltre il primo compito è stata un predittore positivo significativo dei punteggi MAP di Primavera ( $\beta = 1,44, p < .001$ $β = 1, 44, p < .001$ ).
- Un aumento del 10% nella proporzione di sforzo extra è correlato a un aumento di 0,14 SD nei punteggi del test.
- L'aggiunta di "Sforzo Extra" al modello ha portato a un miglioramento molto forte nell'adattamento del modello ( $\Delta BIC = 11$ ).

5. Significato e Implicazioni

Significato Teorico

Disimpegno Multilivello: Lo studio dimostra che il disimpegno opera a due livelli: il livello di sessione (evitare l'inizio o fermarsi presto) e il livello di compito (inattività).
Perdita di Opportunità: Riformula il "tempo sul compito" non solo come una metrica di durata, ma come una misura di utilizzo dell'opportunità. La discrepanza tra il tempo assegnato e il tempo di pratica effettivo è una variabile critica, precedentemente sottostimata, nella scienza dell'apprendimento.
Auto-regolazione: Il potere predittivo dello "Sforzo Extra" suggerisce che la continuazione volontaria della pratica riflette tratti di auto-regolazione più profondi (ad esempio, orientamento alla padronanza, motivazione intrinseca) che sono più critici per l'apprendimento rispetto al semplice tempo di esposizione.

Implicazioni Pratiche

Per gli Educatori: Gli insegnanti devono stabilire aspettative esplicite per un coinvolgimento sostenuto per l'intera durata del periodo di classe, non solo fino al completamento del primo compito. Gli interventi dovrebbero focalizzarsi su "cosa fare dopo" per chi finisce presto.
Per i Progettisti di Piattaforme: Le DLP necessitano di funzionalità che supportino un coinvolgimento sostenuto, come:
- Indicatori di progresso.
- Promemoria per l'inattività.
- Percorsi chiari per attività di estensione per prevenire l'arresto anticipato dovuto alla mancanza di direzione.
Per le Politiche: Le valutazioni dell'efficacia delle DLP devono tenere conto del "coasting". Una piattaforma può essere pedagogicamente valida, ma se il 60% del tempo assegnato è perso a causa dell'evitamento, il ritorno sull'investimento è severamente diminuito.

Limitazioni

Natura Correlazionale: La causalità tra coasting e rendimento non può essere stabilita definitivamente senza disegni sperimentali.
Confini Inferiti: I tempi di inizio/fine sessione sono inferiti dai dati dei log, il che può introdurre rumore se gli studenti si discostano significativamente dalle norme della classe.
Generalizzabilità: Il campione è limitato alla matematica delle scuole medie; i modelli potrebbero differire in altre materie o livelli scolastici.

Conclusione

Il documento conclude che il "coasting" è un modello comportamentale pervasivo e coerente che comporta una sostanziale perdita di opportunità di apprendimento (circa il 60% del tempo di classe). Sebbene i fattori demografici non guidino significativamente questo comportamento, la distinzione tra conformità minima (finire il primo compito) e sforzo extra è cruciale. Gli studenti che estendono volontariamente il loro tempo di pratica raggiungono risultati significativamente migliori, evidenziando la necessità che i sistemi educativi favoriscano e supportino un coinvolgimento sostenuto oltre i requisiti minimi.