Studio e identificazione di un modello studente orientato allo sviluppo di un digital twin per l’apprendimento universitario in modalità blended

Negli ultimi anni, il concetto di Digital Twin è stato applicato a vari ambiti produttivi, dall’industria manifatturiera alla gestione energetica di edifici e costruzioni. Un ambito applicativo ancora poco esplorato è l’ambito educativo. L’obiettivo di questa tesi è quello di mappare l’uso dei Digital Twin in ambito educativo, in particolare nella formazione universitaria. Dopo una revisione critica della letteratura scientifica sull’uso dei Digital Twin in ambito educativo, viene proposto un caso studio su dataset reale, ricavato a partire da una sperimentazione di didattica blended condotta all’Università Politecnica delle Marche nel corso “Modellistica e Ottimizzazione per i Processi Industriali” (a.a. 2024/2025) del corso di laurea in Ingegneria Gestionale. A partire dai log dell’ambiente Moodle del corso si identificano un modello statico (profilazione aggregata) e uno dinamico (previsioni basate su modelli autoregressivi) dello studente preso in esame. Le analisi sono condotte in ambiente Python/Google Colab, utilizzando i dati reali estratti dalla piattaforma Moodle. I risultati dimostrano la fattibilità tecnica dell’approccio e la coerenza con le definizioni rigorose di Digital Twin, pur evidenziando limiti legati alla scalabilità, all’aggiornamento in tempo reale e all’assenza di interfacce utente. La tesi si conclude con una riflessione critica sulle prospettive future, proponendo soluzioni per l’estensione, l’integrazione e il potenziamento del sistema sviluppato.