Il progetto individua tre aree tematiche fondamentali:

• Scuola/Educazione: offrire alla scuola di ogni grado di istruzione un insieme di saperi, strategie e applicazioni tecnologiche che innovino l’approccio educativo. Un metodo che aiuti ad essere cittadini attivi, accoglienti e consapevoli. Rivolto a bambini e adulti, come soggetti di life-long learning, nei processi d’invecchiamento e nella accoglienza della diversità.
• Società: sviluppare nuove connessioni tra scuola, aziende e territorio.
• Tecnologia: sviluppo di nuove piattaforme, servizi e applicazioni ICT grazie a specifiche attività di ricerca nei temi del cloud computing, del collaborative sourcing, delle social networks, dell’analisi automatica di testi, video e dati 3D, della big data analysis, delle interfacce naturali e interattive, degli ausili robotici, sensoriali e pervasivi, dell’apprendimento automatico e dei sistemi di search.

Il contributo RAI

RAI, in base alle varie competenze delle direzioni coinvolte (Teche, RAI Cultura, ICT, Pianificazione e Qualità, e CRIT), si occupa di fornire materiale audiovisivo, tecnologia e supporto nella definizione delle architetture. I contenuti audiovisivi  RAI sono indirizzati sia allo sviluppo e l’addestramento dei software di machine learning che alla messa a disposizione degli utenti della piattaforma dimostrativa del progetto, nel rispetto della disponibilità dei diritti.

Il contributo del Centro Ricerche ed Innovazione Tecnologica

Il Centro Ricerche svolge attività di selezione ed annotazione del materiale audiovisivo finalizzato all’addestramento di motori di machine learning nell’ambito delle attività di knowledge extraction automatico previste dal progetto.

Al fine di realizzare una categorizzazione automatica di clip audiovisive con criteri applicabili all’ambito educativo, abbiamo fatto riferimento alla classificazione dei Settori Scientifico Disciplinari (SSD) del Ministero dell’Istruzione, dell’Università e della Ricerca (MIUR) e allestito un sistema di annotazione manuale con il quale si è realizzato un corpus di addestramento del classificatore.

Tale tassonomia (https://it.wikipedia.org/wiki/Settore_scientifico-disciplinare ) è in modo gerarchico su quattro livelli, per cui si hanno 14 aree, 88 macrosettori, 188 settori e 367 settori scientifico-disciplinari.  Il classificatore realizzato è particolarmente orientato ai temi scientifico-tecnologici, in quanto si è attinto in modo particolare all’archivio di TG Leonardo, ma potrà essere ampliato a coprire con ugual efficacia tutte le aree della classificazione SSD.

La tassonomia è stata implementata secondo le moderne tecniche del Web semantico, permettendo quindi l’interoperabilità del sistema di classificazione sviluppato con sistemi esistenti. Il file RDF/XML che descrive la tassonomia sarà presto disponibile all’indirizzo http://purl.oclc.org/NET/it-ssd_skos.owl.

Un’ulteriore attività riguarda un processo del tutto simile finalizzato al riconoscimento e alla categorizzazione automatica delle named entities ovvero nomi propri di luoghi, persone, organizzazioni, a partire dal testo accompagnante il contenuto audiovisivo, incluso quello automaticamente ricavato dall’analisi dell’audio con tecniche di speech-to-text.