- Obiettivi generali dello studio MTSS-K
L'obiettivo del progetto MTSS-K, che avrà una durata di quattro anni (1° gennaio 2024 - 31 dicembre 2027), è adattare, implementare e valutare l'efficacia e l'efficienza di un promettente approccio didattico nordamericano per le scuole dell'infanzia di cinque Paesi europei. Il progetto MTSS-K mira inoltre a mettere a disposizione delle scuole e degli insegnanti, su un sito web dedicato e ad accesso libero, sintesi di pratiche didattiche efficaci, strumenti di intervento e strumenti di valutazione delle competenze degli alunni.
- MTSS
Il sistema di sostegno multilivello (Multi-Tiered System of Support, MTSS) mira a ridurre le disuguaglianze formando gli insegnanti a migliorare le competenze emergenti di alfabetizzazione e calcolo di tutti gli studenti, nonché le loro competenze socio-emotive e comportamentali. Questo modello richiede pratiche didattiche basate sull'evidenza e un monitoraggio regolare dei progressi degli studenti basato su dati oggettivi (Livello 1); interventi di gruppo precoci e più intensivi per gli studenti che non progrediscono come previsto (Livello 2); e interventi ancora più intensivi per gli studenti che continuano ad averne bisogno (Livello 3). È stato dimostrato che questo modello migliora le pari opportunità in termini di risultati scolastici e di inclusione, riducendo significativamente il numero di studenti con difficoltà di apprendimento e comportamentali che vengono indirizzati ai servizi educativi speciali.
- Obiettivi specifici dello studio MTSS-K in Italia
In Italia, il progetto si concentra sulla realizzazione di tre sintesi di ricerca con meta-analisi, al fine di evidenziare gli interventi efficaci nelle aree della letteratura, del calcolo e delle competenze socio-emotive e comportamentali. Il team di ricerca mira inoltre a convalidare una versione italiana degli strumenti di misurazione sviluppati nell'ambito del progetto.
- Pour tout contact
Indirizzo e-mail del progetto: mtss-k@unica.it
- Il team di ricerca
- Marta Pellegrini, Professoressa associata
- Giuliano Vivanet, Professore ordinario
- Valeria Di Martino, Professoressa associata
- Francesca Scalas, Professoressa associata
- Silvia Cau, Assegnista di ricerca
- Daniela Fadda, Analista dati
- Nicole Murroni, Assegnista di ricerca
- Carmen Pannone, Dottoranda