PiCO – Intelligent Tutoring System

Sistema AI specializzato per il supporto all’apprendimento all’interno dei corsi WBT.
PiCO è tecnicamente un Intelligent Tutoring System istruito per il supporto didattico avanzato e adattivo, poiché agisce come assistente didattico variando le strategie didattiche durante il percorso in base ai contenuti in erogazione, agli obiettivi connessi e alle esigenze individuali.

Diverse sono le strategie di supporto:

• In avvio: supporta la motivazione e gli obiettivi del corso
• Durante lo studio: lavora sul processo di comprensione e memorizzazione
• Al completamento di un argomento: supporta il partecipante nell’auto-verifica
• Al termine di un blocco di apprendimento: consolida la comprensione attraverso le prove pratiche.

Superando la logica di risposta sui contenuti del corso, PiCO promuove l’adaptive learning, in quanto:

• integra nelle sue azioni la conoscenza delle esigenze del partecipante,
• ne valorizza il percorso di studio realizzato,
• adatta la sua azione al singolo individuo.

PiCO agisce quindi per rinforzare in modo personalizzato l’apprendimento del singolo discente.

PiCO si è aggiudicato anche un premio Comenius-EduMedia-Siegel, assegnato nella categoria “Didaktische digitale Medien (DDM)” (Media digitali didattici).

Pico Learning Spaces

Nel panorama degli assistenti didattici AI, Pico Learning Spacess propone un cambio sostanziale di paradigma nel supporto all’apprendimento rispetto agli assistenti didattici AI che si concentrano nella riformulazione di contenuti formativi, adattando linguaggio, esempi e supportando gli utenti nell’apprendimento dei contenuti formali predisposti dagli esperti. Pico Learning Spaces introduce un layer metodologico studiato con il contributo dei nostri partner scientifici, per dare coerenza, rilevanza e validità all’adattamento. Pico Learning Spaces è un sistema agentico che implementa le più recenti teorie sull’apprendimento per fornire allo studente un’esperienza realmente adattiva e alle organizzazioni la possibilità di utilizzare l’adaptive learning mantenendo la governance sul sistema formativo. Pico Learning Spacess offre un ambiente agentico per l’adaptive learning che gestisce in modo organizzato la profilazione didattica, le sessioni di studio mirate assistite da PiCO. Integrato con la rappresentazione unificata del dominio, sistemi di assessment adattivi e un bot didattico multimodale, Pico Learning Spaces è un learning environment completo di strumenti di reporting sul singolo e sulla classe, fondamentali per docenti e organizzazioni per analizzare e confrontare percorsi di studio differenti, con un focus primario sulle competenze.

L’esperienza didattica che ne deriva è competence based e allo stesso tempo adattiva: contenuti, sequenze e modalità si modulano sulle esigenze reali di apprendimento del singolo partecipante, mentre verifiche progressive ne accertano il raggiungimento degli obiettivi a ogni snodo del percorso.

Simulatore conversazionale multi-agent valutativo

Palestra Multi-agent per la simulazione di prove pratiche. La palestra offre uno scenario operativo per svolgere compiti specifici (es. gestione delle obiezioni, vendita, gestione di progetto, gestione di riunioni, ecc.).

La simulazione può essere giocata più volte per sperimentare scenari alternativi (es. diverse tipologie di vendita). Può essere giocata con modalità assistita o valutativa.

Al termine della simulazione viene proposto un reporting specifico sull’andamento della prova, utile al partecipante per comprendere le proprie aree di forza e di miglioramento.

LAIVEcase

Le simulazioni di conversazione rappresentano uno strumento molto utile per includere nei percorsi formativi online momenti di esercitazione e verifica dell’apprendimento. Per rendere possibile personalizzare e progettare simulazioni didattiche interattive, lo strumento LaiveCase offre un back-office organizzato in un percorso guidato di progettazione degli scenari simulativi, integrando tutte le componenti necessarie per realizzare una simulazione didattica efficace e strutturata.

Possono essere progettati diversi tipi di simulazioni, scegliendone il livello di multimodalità, configurando gli agent e il tipo di orchestrazione, nonché il/i modelli LLM da utilizzare (privato vs api vs mix di modelli), fino alla configurazione di gioco (esercitazione vs valutazione). Il sistema integra strumenti agentici per la definizione del modello valutativo specializzato sulla storia.

Il percorso di progettazione si conclude con il preview dell’ambiente didattico per testare direttamente i prompt progettuali e raffinare la progettazione.

SmartRAG – Retrivial Agent

Agent in LMS specializzato nel fornire l’accesso a tutta la conoscenza dei corsi.
Attraverso un approccio di ricerca prompt-driven, il partecipante può consultare le risorse didattiche associate ai corsi a cui è iscritto.

Attraverso il modello RAG (Retrivial Augmented Generation) sviluppato in Piazza Copernico lo studente può:

• Localizzare l’informazione all’interno dei corsi
• Porre quesiti esplicativi basati sulle informazioni fornite dai corsi
• Utilizzare le informazioni per predisporre oggetti di microlearning (riassunti, questionari, test, ecc.) per consolidare le conoscenze
• Scegliere nuovi corsi da seguire

Tutti i contenuti del nostro catalogo corsi sono esplorabili attraverso SmartRAG.

SmartRAG è utilizzabile anche per la gestione dei processi di progettazione dei corsi, poiché prevede la possibilità di caricare documentazione aziendale da elaborare in ottica di instructional design.

GIW – Gender inclusive writing

Per garantire strumenti di supporto ad un uso corretto ed etico del linguaggio, Piazza Copernico adotta al proprio interno e mette a disposizione uno strumento di scrittura gender inclusive.
Lo strumento GIW permette di inserire un testo (contenuti di corsi, mail, discorsi, ecc.) e analizzare tramite un classificatore specializzato le frasi che includono marca di genere.
Per tali frasi lo strumento propone due tipi di riformulazione inclusiva tra cui scegliere per aggiornare il testo.

GIW nasce dalla collaborazione di ricerca con FBK – Fondazione Bruno Kessler. e utilizza modelli di classificazione algoritmica addestrati in italiano. Questo permette di non delegare il compito del detecting della marca di genere in lingua italiana ai soli LLM, ma utilizza un modello specificatamente addestrato sul compito.

Nick – LMS Helper

Nick è l’assistente di piattaforma che supporta i partecipanti nella gestione delle problematiche tipicamente di helpdesk.

Istruito con le casistiche tipiche dell’assistenza di primo livello, Nick offre un supporto immediato al partecipante nella comprensione del problema riscontrato, classificando tramite AI la problematica e offrendo una risposta personalizzata istantanea con le soluzioni e le istruzioni operative.

L’agent può essere istruito anche con casistiche tipiche della piattaforma del cliente o con altre casistiche di supporto (es. regole di iscrizione, modalità di certificazione, ecc.) specifiche del contesto d’uso.

LearnalyzeR

È un tool di Learning Analytics integrato nella piattaforma LMS Labe-l Academy e integrabile via API con altri LMS. Utilizza indicatori statistici composti per osservare le prestazioni globali dei corsi e I comportamenti di studio individuali. Integra strumenti di analisi predittiva e anomaly detection per individuare i corsi in potenziale criticità e supportare in modo intelligente il lavoro di tutoring.

Il vantaggio dei learning analytics è di osservare corsi di contenuto diverso, durata e Metodi diversi attraverso un sistema di misura uniforme per fornire ai tutor indicazioni operative per intervenire precocemente su potenziali rischi di non raggiungimento dei requisiti di compliance dei corsi e allo stesso tempo guidare tutor e referenti nell’organizzare migliori condizioni di apprendimento per i singoli partecipanti.

Il modello di analisi e osservabilità è configurabile nei pesi delle variali e nella finestra temporale di osservazione, per meglio adattarsi alle esigenze di analisi della singola organizzazione.

Semanticase Reporting

Software di analisi semantica che consente di analizzare i dati documentali e le informazioni tabellari per individuare insight strategici.

Attraverso modelli di NLP integrati con AI Generativa, Semanticase Reporting aiuta a leggere i dati testuali, riducendo effort e complessità dell’analisi.
Fornisce analisi di topic, trend temporali, sentiment analysis, ma anche metriche di linguaggio.

Consente a ogni operatore di avviare l’analisi attraverso un sistema user-friendly, inserendo l’intervento dell’esperto della materia, non nell’onerosa fase di classificazione e organizzazione dei dati, ma direttamente nella fase più importante di interpretazione dei risultati.

Può essere utilizzato per l’analisi dei dati del mondo HR, in particolare indagini di clima, performance management, talent acquisition e reporting HR.