| Pagina di benvenuto | EduLearn: lettera L |

Literacies

Possono essere presi in considerazione diversi tipi di literacy:

Media Literacy: analisi critica dei contenuti mediali; logica sottesa a tutte le literacies.

Information Literacy: recupero, analisi, uso e condivisione delle informazioni.

Digital Literacy: sistema di competenze che regolano che regolano il rapporto del soggetto con i media digitali (DiGComp e altri modelli internazionali).

Data Literacy: 1. leggere i dati: cosa sono e quali aspetti del mondo rappresentano; 2. lavorare con i dati: crearli, acquisirli, pulirli e gestirli; 3. analizzare i dati: filtrarli, ordinarli, aggregarli, compararli, svolgere altre operazioni su di essi; 4. discutere i dati: utilizzarli per una narrazione che ha come obiettivo di comunicare un particolare messaggio a una determinata audience.

Oltre la Media Literacy (Education). È necessario un cambiamento di paradigma. Distogliere l'attenzione dagli strumenti, dal loro uso, dal tempo del consumo, per capire l'impatto della datificazione e del capitalismo digitale sull'educazione. Allargare lo sguardo per vedere la bigger picture (Buckingham, 2019): le aziende protagoniste convogliano l'attenzione sugli strumenti (tempi e tipologia di consumo), allo scopo di opacizzare i processi (raccolta e utilizzo dei dati).

A questo si oppone la Data Awareness, pensiero critico rivolto all'intero sistema socio-economico. Oltre la consapevolezza di: 1. information asimmetry: non sapere come i dati sono raccolti, utilizzati e per quali fini; 2. necessità di interpretare i dati; c. correttezza nell'utilizzo dei dati; d. influenza sulla percezione di sé.

Critical data literacy. Va oltre l'approccio teso a favorire l'adattamento sociale e il placement lavorativo, per cui vengono promossi:
1. lo sviluppo del pensiero analitico come strategia principale di approccio al problem solving,
2. l'expertise nella comprensione e manipolazione dei dati prodotti dalle piattaforme.

Prende in considerazione le dimensioni di:
1. Trattamento ontologico dei dati: collocazione in contesto e interpretazione.
3. Critica allo statuto epistemologico dei dati: riduttivi, ideologici, discutibili.
4. Ambiti: algoritmi, Big Data, Data Science, IA; logiche neoliberiste, mercati e relative politiche.
5. Dimensione pedagogica ed etica.

L'intervento educativo dovrebbe focalizzarsi su:
1. mancanza di trasparenza dei dati: consapevolezza della raccolta e del loro uso;
2. raccolta dati ad opera terzi: mancanza di un ruolo attivo;
3. difficile comprensione di strumenti e tecniche di analisi complessi;
4. mancato controllo delle conseguenze dell'uso dei propri dati (impatto) (D'Ignazio & Bhargava, 2015).

| Pagina di benvenuto | EduLearn: lettera L |