Nuovi metodi di modellazione e ottimizzazione per la pianificazione della didattica = New modeling and optimization methods for educational planning

La Tesi si pone l’obiettivo di sviluppare strumenti per il supporto alla pianificazione dell’orario dei collegi di ICM (Informatica, Cinema e Meccatronica) ed ETF (Elettronica, Telecomunicazioni e Fisica) del Politecnico di Torino, modellando tale attività come un problema di ottimizzazione. La tesi partendo da un precedente lavoro, in cui l’allocazione delle ore di lezione era stata modellata come un problema ILP (Integer Linear Programming) e risolta usando il solver IBM CPLEX, ha avuto come obiettivo il miglioramento e introduzione di nuove funzionalità al fine di produrre un orario che soddisfacesse maggiormente docenti e studenti. Prime analisi sono state effettuate sul problema ancora aperto delle sovrapposizioni tra insegnamenti, la cui conclusione è stato lo sviluppo di un software, esterno al programma di ottimizzazione, con lo scopo di generare dati precisi su insegnamenti e corsi di laurea. Il punto forte di questo software è l’utilizzo di diverse fonti per la definizione dei vincoli. Le fonti coinvolte in questo processo sono: - Le pagine web dei corsi di laurea con la descrizione degli orientamenti. - Le conoscenze dei responsabili dei corsi di laurea, su considerazioni di compatibilità tra insegnamenti e opportunità didattica. - Informazioni sugli studenti iscritti agli insegnamenti nell'anno accademico 2022/2023, utilizzate per definire la compatibilità degli insegnamenti su base statistica. Dall'unione di queste fonti sono stati generati i valori finali di compatibilità tra insegnamenti, utilizzati per la generazione di vincoli più adeguati al problema preso in esame. Successivamente a questa prima fase di ottimizzazione, sono stati analizzati gli altri due aspetti principali che influiscono sulla generazione del modello: i docenti e gli studenti. Il risultato delle analisi fatte ha permesso, quindi, di individuare informazioni di rilievo da aggiungere o modificare rispetto al modello precedente. Per quanto riguarda i docenti, è stata data la possibilità di esprimere, attraverso un questionario, diverse preferenze sia in positivo che in negativo, utilizzate per la generazione di vincoli. Questi vincoli comprendono la preferenza di assegnazione (giorno e fascia oraria) con diversi livelli di dettaglio, in base all’entità su cui vengono applicati; il numero massimo di ore da tenere giornalmente e la pausa tra lezioni. Lato studenti, i vincoli considerati durante il lavoro originale sono rimasti invariati. Tuttavia, è stata sviluppata una soluzione completamente nuova, basata sui “grafi”, per la generazione di questi. Attraverso i dati raccolti nei passi precedenti si è riusciti a generare, sviluppando un nuovo tool, delle strutture dati a grafi dai quali è stato possibile individuare i diversi percorsi che uno studente potrebbe seguire all’interno di un orientamento. Definiti i percorsi ne è stato assegnato un peso sulla funzione degli studenti iscritti agli insegnamenti di tale percorso. In tale modo è stato possibile generare hard e soft constraint bilanciando le penalità in funzione del peso. Infine sono stati raccolti e validati i nuovi dati relativi all’anno accademico 2023/2024 con cui si sono iniziate a svolgere le prime simulazioni utilizzando un nodo di calcolo fornito dall’area IT d’Ateneo. Concludono la Tesi alcuni spunti per una futura espansione del modello e di miglioramento del software oltre che ad una aggiornata versione dei manuali d’uso, includendo i tool indipendenti sviluppati a supporto dell’intero progetto.