L’insegnante meccanico – Compact version

Nota tecnica

Questo articolo è disponibile in due versioni, Compatta ed Estesa.

Le due versioni sviluppano lo stesso percorso, mantengono la stessa struttura in capitoli e paragrafi e arrivano alle stesse conclusioni. Non differiscono quindi per i temi affrontati, ma per il livello di sviluppo dell’argomentazione.

La versione Compatta (questa) presenta l’intero ragionamento in forma più concettualizzata: concentra i passaggi essenziali, riduce esempi, riprese e sviluppi esplicativi e privilegia la visibilità dell’architettura complessiva.

La versione Estesa sviluppa gli stessi passaggi più estesamente, attraverso argomentazioni, esempi, distinzioni e approfondimenti che permettono di seguire più analiticamente il percorso.

La Compatta può quindi essere letta autonomamente oppure utilizzata come mappa concettuale dell’intero lavoro; l’Estesa consente di entrare nei passaggi sui quali si desidera soffermarsi maggiormente.

Non sono due articoli diversi e la Compatta non è il riassunto dell’Estesa: sono due livelli di elaborazione dello stesso ragionamento.

In breve

Una parte importante del lavoro dell’insegnante consiste in operazioni che potremmo definire “meccaniche”: analizzare contenuti, individuare prerequisiti, costruire sequenze, produrre esempi, riformulare spiegazioni, preparare esercizi e feedback. L’IA può svolgere molte di queste attività rapidamente e bene. Questo non rende meno importante l’insegnante: rende più visibile ciò che nel suo lavoro non è meccanizzabile. La questione diventa allora capire che cosa conviene delegare alla macchina e che cosa deve rimanere responsabilità professionale dell’insegnante: conoscere gli studenti, interpretare le situazioni, compiere scelte educative e assumersene la responsabilità.

In questo articolo prenderemo sul serio la possibilità che un’intelligenza linguistica possa svolgere alcune delle funzioni tradizionalmente attribuite all’insegnante. La chiameremo, provocatoriamente, insegnante meccanico.

Non partiremo dalla necessità di dimostrare che l’insegnante biologico è insostituibile. Esamineremo, senza attenuarle, le capacità dell’insegnante meccanico e proveremo a rispondere a tre domande:

1. Può l’insegnante meccanico insegnare direttamente meglio dell’insegnante biologico?
2. Può preparare un insegnamento migliore di quello che mediamente prepara l’insegnante biologico?
3. Può rendere migliore l’insegnante biologico, agendo come suo interlocutore, supervisore e formatore?

Il percorso ci porterà però a una quarta domanda, che è la vera questione di questo articolo:

Quali componenti dell’insegnamento sono realmente riducibili a procedure istruzionali e dove si colloca il confine oltre il quale insegnare non è più un’attività “meccanizzabile”?

Potremmo arrivare a una conclusione meno rassicurante della consueta affermazione secondo cui «l’insegnante non potrà mai essere sostituito dall’intelligenza artificiale»: l’arrivo dell’insegnante meccanico potrebbe mostrarci quanta parte dell’insegnamento che oggi svolgiamo sia già, di fatto, meccanica.

Il nostro è anzitutto un ragionamento in via di principio. Ciò che è tecnicamente e cognitivamente possibile non è necessariamente pedagogicamente opportuno. Ogni applicazione deve essere contestualizzata considerando età e sviluppo della persona, autonomia cognitiva ed emotiva, dominio di conoscenza, caratteristiche di ciò che deve essere appreso e obiettivi educativi.

Quando diremo che l’insegnante meccanico può fare qualcosa, quel può indicherà quindi una possibilità da esaminare, non una prescrizione didattica.

Costruiamo davvero l’insegnante meccanico

Per capire che cosa potrebbe essere un insegnante meccanico conviene partire da una concezione dell’insegnamento nella quale una parte più o meno rilevante del lavoro dell’insegnante consiste nell’organizzare l’istruzione.

Esperto e novizio non differiscono soltanto per quantità di informazioni possedute. L’esperto dispone di strutture di conoscenza che gli consentono di vedere relazioni, gerarchie e configurazioni che il novizio ancora non vede. L’insegnante deve quindi conoscere il dominio come esperto e, nello stesso tempo, cercare di guardarlo dalla posizione di chi quelle strutture non le ha ancora costruite.

Una parte importante del lavoro istruzionale consiste nel costruire un percorso tra queste due condizioni: individuare prerequisiti, organizzare informazioni, stabilire sequenze, scegliere rappresentazioni, produrre esempi, proporre esercizi, osservare risposte, riconoscere errori, fornire feedback e modificare il percorso.

È precisamente in questo spazio che l’intelligenza linguistica mostra capacità che sarebbe imprudente sottovalutare.

Può analizzare un contenuto da differenti prospettive, scomporlo, ricostruire relazioni tra concetti, individuare possibili prerequisiti e proporre sequenze differenti. Può modificare una spiegazione destinata a un esperto per renderla accessibile a un novizio, variandone lessico, livello di astrazione e conoscenze presupposte. Può produrre esempi e controesempi, analogie, casi e rappresentazioni alternative.

Riconoscere queste capacità non significa attribuire alla macchina un’infallibilità epistemologica. Anche l’esperto disciplinare può possedere conoscenze incomplete, assumere come necessaria una particolare organizzazione del dominio, proporre analogie fuorvianti o costruire sequenze didatticamente deboli. Il confronto non è tra una macchina fallibile e un esperto infallibile, ma tra due sistemi fallibili di elaborazione della conoscenza, differenti per natura, risorse, punti di forza e limiti.

L’insegnante meccanico può anche interrogare e utilizzare le risposte per modificare l’interazione:

ipotizzare ciò che lo studente sa → proporre un’attività → osservare la risposta → rivedere l’ipotesi → modificare l’intervento → verificare nuovamente.

È ciò che un buon insegnante cerca da sempre di fare. La novità sta nella capacità della macchina di farlo continuamente, rapidamente e individualmente, producendo esercitazioni, variandone la difficoltà, analizzando risposte e fornendo feedback senza i limiti di tempo e attenzione propri di un insegnante che lavora contemporaneamente con molti studenti.

Può inoltre tentare di costruire una rappresentazione dello stato cognitivo dello studente. Ma la macchina non vede la conoscenza: ne osserva manifestazioni e da queste inferisce qualcosa.

Neppure l’insegnante biologico, però, ha accesso diretto alla mente dello studente. Anch’egli osserva comportamenti e interpreta tracce, disponendo anche di segnali corporei, relazionali, contestuali e biografici che non necessariamente sono disponibili alla macchina o interpretabili da essa nello stesso modo.

Entrambi devono interpretare tracce. Non necessariamente le stesse, non con gli stessi strumenti e non con la stessa qualità.

Abbiamo così costruito un insegnante meccanico abbastanza forte da rendere inevitabile la prima domanda.

Può insegnare meglio dell’insegnante biologico?

La risposta più scomoda è: sì, per alcune funzioni può farlo.

Se insegnare significa anche analizzare un dominio, individuare prerequisiti, organizzare informazioni, spiegare, esercitare, verificare, fornire feedback e adattare continuamente il percorso, non esiste una ragione per assumere che queste attività debbano necessariamente essere svolte meglio da un essere umano.

Il confronto, però, non deve essere costruito né con un insegnante biologico ideale e infallibile né con un insegnante professionalmente debole. Il termine significativo è un insegnante competente nelle condizioni reali nelle quali deve esercitare la propria competenza: molti studenti, tempo e attenzione limitati, molteplici compiti professionali, inevitabili limiti nelle conoscenze disponibili.

L’insegnante meccanico ha vincoli differenti. Può dedicare a ogni studente tutto il tempo necessario, generare rapidamente spiegazioni alternative, interrogare, modificare esercizi, tornare sui prerequisiti e utilizzare la storia dell’interazione per decidere il passo successivo.

Potremmo trovarci davanti a una tecnologia particolarmente adatta a realizzare l’aspirazione a un’istruzione sistematicamente progettata, continuamente verificata e individualmente adattata.

Ma essere più bravi a istruire significa far apprendere meglio?

No, non necessariamente.

Una prestazione corretta non dimostra, di per sé, che lo studente possieda le conoscenze e le capacità necessarie per produrla autonomamente. Se a ogni difficoltà la macchina identifica il problema, seleziona l’informazione necessaria, propone la rappresentazione più accessibile, suggerisce il passo successivo e corregge la direzione, lo studente potrebbe arrivare molto lontano.

Ma quanto di quel percorso sarebbe capace di compiere senza quella regolazione esterna?

Quando aiutare troppo significa togliere qualcosa

Arriviamo così a un paradosso:

l’insegnante meccanico potrebbe essere troppo bravo a insegnare.

In termini psicologici, una dipendenza continuamente nutrita non produce emancipazione. Il problema non è la dipendenza temporanea, inevitabile in molti processi di apprendimento, ma il suo mantenimento: un aiuto efficace può diventare un ostacolo quando continua a sostituirsi alle funzioni che la persona dovrebbe progressivamente assumere.

Non tutte le difficoltà devono quindi essere eliminate. Cercare di rappresentarsi un ostacolo, formulare ipotesi, sbagliare, accorgersi dell’errore e cambiare strada può costituire la parte cognitivamente più produttiva dell’attività.

L’insegnante migliore non è necessariamente quello che rende più facile il percorso.

Potrebbe essere quello che sa quale difficoltà eliminare e quale lasciare allo studente.

Meglio per chi, per imparare che cosa e per quale scopo?

Non esiste “lo studente”.

Un bambino, un adolescente, uno studente universitario e un adulto competente differiscono anche per la capacità di governare il proprio apprendimento: riconoscere ciò che non comprendono, valutare una spiegazione, scegliere strategie, tollerare l’incertezza, decidere quando chiedere aiuto.

Cambia, più complessivamente, la loro autonomia cognitiva ed emotiva.

Lo stesso intervento dell’insegnante meccanico può quindi costituire per una persona un potenziamento e per un’altra una sottrazione di esperienza cognitiva.

Qui diventa centrale lo scaffolding. Un sostegno ha valore educativo se contribuisce a creare le condizioni perché la persona possa progressivamente assumere il controllo dell’attività. È il principio del fading: il sostegno si riduce, si eclissa mano a mano che la persona diventa capace di assumere le funzioni inizialmente sostenute dall’esterno.

Un insegnante meccanico perfettamente adattivo potrebbe invece creare un’impalcatura che non ha alcuna ragione tecnica per essere rimossa.

Perché rinunciare a qualcosa che continua a diagnosticare, suggerire, spiegare e correggere efficacemente?

La ragione, se esiste, non è tecnica. È educativa.

Anche il dominio e gli obiettivi modificano il problema. Acquisire una procedura strutturata, comprendere un concetto matematico, interpretare un testo, formulare un problema storico o discutere un dilemma etico non richiedono la stessa attività cognitiva.

E soprattutto dobbiamo sapere che cosa vogliamo ottenere.

Se l’obiettivo è acquisire rapidamente una prestazione, l’efficienza dell’insegnante meccanico può costituire un vantaggio. Se vogliamo che lo studente impari a riconoscere autonomamente problemi, selezionare conoscenze, formulare ipotesi, scegliere strategie e verificare risultati, lo stesso aiuto potrebbe sottrarre parte del lavoro necessario a sviluppare quelle capacità.

L’efficienza istruzionale e il valore educativo possono coincidere, ma non coincidono necessariamente.

La domanda diventa allora: chi sta apprendendo? Che cosa sta apprendendo? Quale autonomia possiede? Quale attività cognitiva vogliamo che svolga? Che cosa vogliamo che sappia fare, alla fine, senza di noi e senza la macchina?

Può preparare un insegnamento migliore?

Spostiamo ora l’insegnante meccanico di un passo. Entriamo nel rapporto tra macchina e insegnante: prima come supporto alla progettazione dell’insegnamento, poi come interlocutore capace di contribuire alla formazione in servizio dell’insegnante stesso.

Non più:

macchina → studente

ma:

macchina → insegnante → studente.

Anche qui la risposta è, in via di principio: sì.

Ma la possibilità più interessante non consiste nel chiedere alla macchina di “preparare una lezione”. L’intelligenza linguistica può lavorare sull’architettura dell’insegnamento.

Può interrogare le decisioni che stanno dietro una lezione: perché A prima di B? Quali prerequisiti stiamo assumendo? Quale difficoltà vogliamo lasciare allo studente? Come distingueremo comprensione e semplice applicazione di una procedura?

Può analizzare il dominio, rendere espliciti passaggi che l’esperto tende a comprimere, anticipare misconcezioni, confrontare strategie e proporre alternative.

Soprattutto, può interrogare l’insegnante.

Non soltanto: “Ecco una lezione migliore”.

Ma: “Perché hai scelto questa sequenza? Quale conoscenza stai dando per acquisita? Che cosa accadrebbe se partissi da un problema? Quale evidenza ti permetterà di sostenere che gli studenti hanno compreso?”

A questo punto non abbiamo più una macchina che produce materiali.

Abbiamo una macchina che partecipa all’analisi didattica.

E questo apre la terza domanda.

Può rendere migliore l’insegnante biologico?

Una cosa è migliorare ciò che l’insegnante produce, intervenendo sulla dimensione tecnica del suo lavoro. Un’altra è contribuire a migliorare l’insegnante. Perché non si insegna soltanto con ciò che si sa e con ciò che si sa fare: si insegna anche con ciò che si è.

Nel modo di insegnare entrano il rapporto con la conoscenza, la concezione di chi apprende, le aspettative nei confronti degli studenti, il rapporto con l’errore e con l’incertezza, la disponibilità a mettere in discussione le proprie interpretazioni e il modo di assumersi la responsabilità delle proprie scelte.

Può l’insegnante meccanico intervenire anche a questo livello?

Di fronte a un docente che dice «Ho spiegato questo concetto tre volte e continuano a sbagliare», l’insegnante meccanico potrebbe fornire una quarta spiegazione.

Oppure potrebbe domandare:

Perché pensi che il problema sia nella spiegazione?

Potrebbe interrogare gli errori, i prerequisiti presunti, l’interpretazione che l’insegnante sta dando della situazione.

Non sta più risolvendo il problema al suo posto. Sta contribuendo a trasformare il modo in cui l’insegnante rappresenta il problema.

Il pensiero professionale può così diventare oggetto di ulteriore pensiero.

L’intelligenza linguistica può inoltre mobilitare una teoria quando serve a comprendere una situazione concreta, proporre prospettive differenti, chiedere evidenze, simulare obiezioni. Può diventare un moltiplicatore di prospettive e contribuire a una formazione professionale situata nella pratica.

Possiamo persino pensare a una zona di sviluppo professionale dell’insegnante: uno spazio nel quale, attraverso il confronto con un interlocutore, il docente riesce ad analizzare problemi che da solo non saprebbe ancora affrontare con la stessa profondità.

Ma ritorna la distinzione decisiva.

Se l’insegnante acquisisce progressivamente concetti e criteri che gli consentono di interpretare autonomamente situazioni che prima non sapeva leggere, abbiamo scaffolding.

Se continua a funzionare meglio soltanto perché la macchina svolge permanentemente quelle operazioni per lui, abbiamo costruito una protesi professionale.

Un insegnante che produce lezioni migliori grazie all’IA non è necessariamente diventato un insegnante migliore.

Dove finisce l’insegnamento meccanico?

Siamo così arrivati alla domanda che orientava tutto il percorso.

Non possiamo cavarcela dicendo che alla macchina manca la relazione umana. Significherebbe consegnarle implicitamente tutto il territorio cognitivo dell’insegnamento e lasciare all’essere umano il compito di renderlo emotivamente accettabile.

Dobbiamo cercare il confine altrove.

Molte delle operazioni attribuite all’insegnante meccanico possono essere descritte come elaborazioni effettuate all’interno di obiettivi e vincoli: se conosco A, voglio arrivare a B e dispongo di criteri con cui valutare il percorso, posso cercare una sequenza efficace tra A e B.

L’intelligenza linguistica è particolarmente potente in questo spazio.

Ma rimane una domanda:

chi ha deciso che B è la destinazione?

Perché vogliamo che quella conoscenza venga appresa? Quanto conta l’efficienza rispetto all’autonomia? La prestazione rispetto alla comprensione? Quale conoscenza deve appartenere alla persona e quale può essere esternalizzata? Quale idea di persona e di cittadino rende desiderabile un determinato obiettivo?

Queste non sono domande sulla scelta del percorso.

Sono domande sulla destinazione.

Una macchina può contribuire a formularle, mostrare alternative e argomentare prospettive differenti. Ma nessuna quantità di elaborazione trasforma automaticamente una possibilità in un fine educativo che debba essere perseguito.

I fini non si deducono dai mezzi disponibili.

Anche la situazione educativa non è completamente programmabile. Una domanda imprevista può aprire un problema più importante di quello previsto; un errore può rivelare qualcosa che non avevamo anticipato; una discussione può rendere pedagogicamente secondario ciò che avevamo programmato.

Insegnare significa anche interpretare ciò che sta accadendo e assumersi la responsabilità di decidere che cosa, in quella situazione, conta.

E lo studente non è soltanto uno stato cognitivo da modificare. È una persona con una storia, un’immagine di sé, un rapporto con il sapere e con la possibilità stessa di riuscire ad apprendere.

La relazione, allora, non è ciò che rimane all’insegnante biologico dopo che la macchina ha assunto la parte cognitiva.

È una delle condizioni dentro le quali la conoscenza assume significato.

Anche la classe non è la somma di venticinque percorsi perfettamente individualizzati. È un luogo nel quale si apprende insieme e attraverso gli altri.

Non tutto ciò che è individualizzabile dovrebbe necessariamente essere individualizzato.

Quanta parte del nostro insegnamento è già meccanica?

Forse, allora, abbiamo posto male la domanda.

La distinzione più interessante potrebbe non essere tra ciò che la macchina sa fare e ciò che soltanto l’essere umano può fare, ma tra ciò che può essere ottimizzato rispetto a fini dati e ciò che richiede di interrogare, scegliere e assumersi la responsabilità di quei fini.

Se il lavoro dell’insegnante consiste prevalentemente nel prendere contenuti stabiliti altrove, organizzarli, presentarli, verificarne la riproduzione e correggere gli scostamenti, l’insegnante meccanico non rappresenta una minaccia esterna a quel modello.

Potrebbe rappresentarne la realizzazione più coerente.

Forse, quindi, il problema non è soltanto stabilire quanta parte dell’insegnante possa diventare macchina.

È domandarci quanta parte dell’insegnamento che pratichiamo abbiamo già concepito come un’attività meccanica.

Lo spazio dell’insegnante biologico

Dopo aver attribuito all’insegnante meccanico tutto ciò che abbiamo ritenuto ragionevole attribuirgli, possiamo finalmente ricomporre lo spazio dell’insegnante biologico.

Non è necessariamente colui che spiega meglio, possiede più informazioni o costruisce la sequenza istruzionale migliore.

Assume la responsabilità della situazione educativa nel suo insieme.

Incontra lo studente come persona in un determinato momento del proprio sviluppo. Decide che una difficoltà non debba essere eliminata, che un aiuto efficace debba essere progressivamente ritirato, che una risposta debba essere sospesa, che una deviazione dal percorso possa essere più importante del programma.

Valuta non soltanto ciò che lo studente riesce a fare grazie al sostegno, ma se quel sostegno lo stia rendendo progressivamente capace di assumere in prima persona le funzioni inizialmente sostenute dall’esterno.

Colloca inoltre l’apprendimento dentro una dimensione sociale e, soprattutto, non opera soltanto all’interno di obiettivi dati: interroga gli obiettivi stessi.

L’intelligenza linguistica può partecipare a tutte queste riflessioni, proporre alternative e mettere in discussione decisioni.

Ma questo non trasferisce alla macchina la responsabilità educativa della scelta.

L’insegnante biologico è la persona che assume la responsabilità di decidere quale uso fare di tutte queste possibilità dentro una relazione educativa orientata allo sviluppo progressivo dell’autonomia di un’altra persona.

L’insegnante meccanico potrebbe così costringerci a collocare la professionalità dell’insegnante biologico a un livello diverso da quello al quale siamo stati abituati a cercarla: non principalmente nella disponibilità delle informazioni, nella loro organizzazione e trasmissione o nell’esecuzione delle procedure dell’istruzione, ma nella capacità di interpretare situazioni educative, compiere scelte, governare consapevolmente gli strumenti e assumersi la responsabilità dei fini perseguiti e delle loro conseguenze sullo sviluppo e sull’autonomia della persona.

E se il problema fosse l’idea stessa di insegnamento?

Rimane infine una domanda:

tutto il ragionamento sviluppato fin qui non dipende forse da una particolare concezione dell’insegnamento?

Sì.

Abbiamo deliberatamente messo alla prova l’insegnante meccanico soprattutto sul terreno dell’istruzione: organizzare informazioni, individuare prerequisiti, costruire sequenze, spiegare, esercitare, verificare, fornire feedback, adattare il percorso.

Ed è proprio su questo terreno che l’intelligenza linguistica mostra una forza straordinaria.

Ma una prospettiva costruttivista potrebbe domandarci: e se il limite non fosse nell’insegnante meccanico, ma nella concezione dell’insegnamento sulla quale lo abbiamo costruito?

Nel 1992 Thomas Duffy e David Jonassen curarono Constructivism and the Technology of Instruction: A Conversation, mettendo a confronto prospettive costruttiviste e instructional design.

Più di trent’anni dopo quella conversazione torna sorprendentemente attuale.

Se apprendere significa anche costruire significati, formulare problemi, confrontare prospettive, negoziare interpretazioni, utilizzare conoscenze in situazioni autentiche e assumere progressivamente il controllo del proprio conoscere, la perfezione dell’istruzione non garantisce la qualità dell’apprendimento.

Si apre così un apparente paradosso:

l’intelligenza artificiale potrebbe rappresentare contemporaneamente il trionfo tecnologico dell’istruzionalismo e una delle ragioni più forti per tornare a interrogarne i limiti.

Quella conversazione merita di essere riaperta.