Meglio un libro di testo o un’IA?
In breve
Un libro di testo offre contenuti selezionati, organizzati e relativamente stabili; l’IA può invece costruire spiegazioni, esempi e percorsi diversi in risposta alle domande di chi studia. Ma questa flessibilità cambia anche il compito dello studente: non basta più seguire un percorso predisposto, bisogna saper interrogare, valutare e verificare ciò che si riceve. La questione non è quindi stabilire se sia “meglio” il libro o l’IA, ma capire quale ambiente aiuti maggiormente lo studente a costruire conoscenza senza rinunciare al controllo sul proprio processo di apprendimento.
Proviamo a partire da alcune domande apparentemente semplici.
- Che cosa offre realmente un libro di testo, oltre alle informazioni che contiene?
- Che cosa cambia quando, al posto di una fonte relativamente chiusa e organizzata, abbiamo una risorsa di conoscenza dinamica e interrogabile?
- Chi garantisce l’affidabilità dei contenuti e la loro validità didattica?
- E soprattutto: siamo capaci di interrogare una risorsa aperta come un’intelligenza artificiale?
La domanda del titolo — meglio un libro di testo o un’IA? — può sembrare una richiesta di scegliere tra due strumenti.
Vedremo che, procedendo nel ragionamento, la domanda diventerà progressivamente più complessa.
Ed è un buon segno.
1. Un libro di testo dinamico e aperto
Un modo semplice per pensare all’intelligenza artificiale generativa come risorsa per la conoscenza è considerarla una sorta di libro di testo dinamico, aperto e interrogabile.
Il libro di testo tradizionale presenta una rappresentazione del dominio già costruita. Qualcuno ha deciso quali argomenti inserire, in quale ordine presentarli, quali esempi utilizzare, quale linguaggio adottare, che cosa approfondire e che cosa lasciare sullo sfondo.
Possiamo naturalmente saltare da una pagina all’altra, consultare l’indice, leggere soltanto alcuni capitoli. Ma l’architettura della conoscenza che incontriamo è sostanzialmente già stata predisposta.
Con un’IA accade qualcosa di diverso.
Posso chiedere di spiegarmi un concetto e poi di spiegarlo diversamente. Posso chiedere un esempio e subito dopo un controesempio. Posso chiedere di confrontare due interpretazioni, di cambiare livello di complessità, di assumere un’altra prospettiva, di evidenziare una contraddizione, di collegare ciò che sto esplorando con qualcosa che conosco già.
La conoscenza non è più soltanto disponibile. Può essere riconfigurata durante l’interazione.
Potremmo dirlo così:
Il libro di testo offre una rappresentazione del dominio. L’IA può generare molteplici rappresentazioni del dominio.
È una possibilità straordinariamente interessante per l’apprendimento.
Ma proprio questa apertura introduce problemi che il libro di testo aveva, almeno apparentemente, risolto prima ancora di arrivare nelle mani dello studente.
2. Prima di celebrare l’IA, non idealizziamo il libro
Il confronto sarebbe poco interessante se contrapponessimo un libro di testo perfetto a un’IA inaffidabile, oppure un vecchio e polveroso manuale a una meravigliosa intelligenza artificiale.
I libri di testo hanno autori, editori, redazioni, apparati bibliografici e processi di revisione. I contenuti vengono selezionati, organizzati e, in qualche misura, validati prima della pubblicazione.
È un valore che non va sottovalutato.
Ma non significa che tutto ciò che troviamo in un libro di testo sia necessariamente corretto, aggiornato o didatticamente efficace.
Ci sono ottimi libri di testo. Ce ne sono di mediocri. Ci sono semplificazioni discutibili, organizzazioni dei contenuti poco funzionali all’apprendimento, esempi infelici, impostazioni didattiche che sopravvivono per inerzia.
Quando pubblicare è diventato facile
C’è poi un cambiamento che riguarda la pubblicistica didattica più in generale. La crescente facilità tecnica ed economica con cui oggi è possibile produrre e pubblicare un libro ha abbassato molte delle barriere che un tempo separavano un manoscritto da una pubblicazione. Di per sé è un fatto positivo: più persone possono far circolare esperienze, idee e pratiche. Ma l’altra faccia di questa democratizzazione è una forte crescita di manualistica didattica di qualità molto diseguale.
A questo si accompagna, a mio avviso, una certa disponibilità degli insegnanti ad affidarsi a soluzioni già confezionate: metodi, ricette, repertori di attività, formule immediatamente applicabili. Un mercato al quale non mancano colleghi che, talvolta con investiture prevalentemente autoreferenziali, si presentano come “esperti” e trasformano rapidamente esperienze personali o intuizioni in indicazioni generalizzabili.
Il punto non è stabilire chi abbia o non abbia il diritto di pubblicare, né rimpiangere qualche antica autorità editoriale. È più semplice: il fatto che qualcosa abbia assunto la forma di un libro non costituisce più, se mai lo è stato, una garanzia sufficiente della sua autorevolezza scientifica e didattica.
Essere stampato non rende un contenuto vero.
Essere pubblicato da un editore non rende automaticamente una scelta didattica buona.
E soprattutto la validazione editoriale non dovrebbe mai sostituire il giudizio professionale dell’insegnante.
Molti anni fa partecipai a una lunga discussione sui libri di testo, sintetizzata provocatoriamente nello slogan «Libro di testo? No, grazie».
Durante quella discussione un insegnante se ne uscì con un’affermazione che non ho più dimenticato:
«Il libro di testo è per insegnanti pavidi.»
Era, naturalmente, una provocazione.
Ma come spesso accade con le buone provocazioni, conteneva una domanda seria.
3. Quando l’insegnante “recita” il libro
Che cosa può esserci di pavido nell’utilizzare un libro di testo?
Nulla, se il libro viene utilizzato come una risorsa professionale tra altre risorse.
Il problema nasce quando il libro diventa il luogo nel quale l’insegnante deposita alcune delle proprie responsabilità.
Che cosa insegno?
In quale ordine?
Quali concetti considero fondamentali?
Quale livello di approfondimento è appropriato per questi studenti?
Quali esempi utilizzo?
Quali domande pongo?
La risposta può diventare molto semplice:
seguiamo il libro.
L’insegnante finisce allora per “recitare” il libro di testo.
Qualcun altro ha selezionato i contenuti, costruito la sequenza, scelto gli esempi, stabilito quali domande siano importanti e, molto spesso, predisposto anche le verifiche.
L’autorevolezza viene incorporata nell’oggetto.
È scritto sul libro.
Questa frase può diventare una straordinaria macchina di deresponsabilizzazione.
4. L’incertezza dell’IA restituisce responsabilità all’insegnante
Con l’intelligenza artificiale questa protezione viene meno.
Un modello linguistico può produrre informazioni errate, incomplete, non aggiornate o semplicemente inadeguate al contesto nel quale vengono utilizzate.
Il problema dell’affidabilità è reale e non va minimizzato.
Ma proprio questa debolezza dell’IA produce un effetto interessante: rende nuovamente visibile la responsabilità dell’insegnante.
Possiamo distinguerne almeno tre forme.
La prima è una responsabilità epistemica:
Ciò che viene proposto è corretto? Quali sono le fonti? Posso verificarlo? Esistono interpretazioni differenti?
La seconda è una responsabilità didattica:
Anche ammesso che il contenuto sia corretto, è adeguato a questi studenti, in questo momento del loro percorso?
La terza è una responsabilità curricolare:
Perché proprio questo contenuto? Perché a questo livello di approfondimento? Quali prerequisiti richiede? Dove conduce?
Un’informazione può essere perfettamente corretta e didatticamente pessima.
Può arrivare troppo presto. Può essere troppo complessa oppure eccessivamente semplificata. Può interferire con la rappresentazione che lo studente sta cercando di costruire. Può fornire una risposta quando sarebbe cognitivamente più produttivo lasciare aperto un problema.
Queste responsabilità, però, non sono nate con l’intelligenza artificiale.
Esistevano anche con il libro di testo.
L’IA rende semplicemente più difficile fingere che siano state assolte da qualcun altro.
L’incertezza dell’IA può avere un valore didattico indiretto: restituisce all’insegnante una responsabilità epistemica, didattica e progettuale che l’autorevolezza del libro di testo può talvolta indurre a delegare.
5. Ma il libro possiede qualcosa che l’IA aperta non garantisce
A questo punto sembrerebbe che la bilancia cominci a pendere verso l’IA.
Non così in fretta.
Quella che abbiamo descritto come una limitazione del libro — il fatto di essere chiuso e organizzato preventivamente — è anche una delle sue principali risorse didattiche.
Quando apro un buon libro di testo, qualcuno ha già costruito per me un percorso attraverso un dominio di conoscenza.
Ha stabilito che una cosa viene prima di un’altra. Ha individuato alcuni concetti come fondamentali. Ha costruito una gerarchia. Ha scelto esempi. Ha cercato di tenere conto dei prerequisiti.
Tutto questo è particolarmente importante per il novizio.
Chi conosce poco un dominio non ha soltanto poche risposte.
Molto spesso ha anche poche domande.
E qui l’apertura dell’intelligenza artificiale comincia a mostrare un’altra faccia.
Davanti a una risorsa che posso interrogare praticamente senza limiti nasce infatti una domanda apparentemente banale:
Che cosa le chiedo?
6. Bisogna sapere abbastanza per poter sapere di più
Un esperto e un novizio possono avere accesso alla stessa intelligenza artificiale, ma non necessariamente alla stessa conoscenza.
L’esperto sa chiedere distinzioni.
Sa riconoscere un’omissione.
Può domandare un controesempio.
Avverte che una spiegazione è troppo semplice.
Riconosce una contraddizione.
Sa che esistono interpretazioni differenti e può chiedere di confrontarle.
Può accorgersi che la domanda iniziale era mal posta e riformularla.
Il novizio, invece, spesso non sa ciò che non sa.
Ed è difficile fare domande su qualcosa di cui non si sospetta neppure l’esistenza.
Compare così un paradosso:
Più una risorsa di conoscenza è aperta, più può richiedere conoscenza per essere utilizzata produttivamente.
È una questione che ritorna continuamente quando ragioniamo sul rapporto tra conoscenza interna e conoscenza esternalizzata.
La disponibilità potenzialmente illimitata di conoscenza fuori di noi non rende inutile ciò che sappiamo.
Può accadere esattamente il contrario.
Bisogna sapere abbastanza per poter sapere di più.
7. Il questioning: una vecchia questione ritorna
Arrivati qui mi trovo nuovamente davanti a qualcosa che conosco da molto prima dell’intelligenza artificiale.
Il questioning, l’arte e la capacità di formulare domande, appartiene da tempo al mio bagaglio professionale e alla tradizione della psicologia dell’apprendimento e della didattica nella quale mi sono formato.
Ed è significativo che, ragionando sull’IA, continui a ritrovare questioni di questo genere.
Non stiamo necessariamente inventando una nuova pedagogia per una nuova tecnologia.
Stiamo spesso rileggendo questioni classiche della pedagogia e della didattica alla luce di una tecnologia che ne modifica alcune condizioni.
David Jonassen, al quale sono tornato più volte in questa esplorazione, ha affrontato direttamente anche il tema del questioning. E il questioning si collega bene ad altri temi centrali del suo lavoro: la costruzione della conoscenza, la rappresentazione dei problemi, il problem finding e il problem formulation, l’uso degli strumenti cognitivi per sostenere il pensiero.
Una macchina capace di produrre ottime risposte non risolve il problema di chi non sa quale domanda porre.
Per decenni ci siamo occupati, tra le altre cose, delle domande che l’insegnante pone allo studente per attivare processi cognitivi.
L’intelligenza artificiale introduce una situazione ulteriore.
Diventa importante che sia lo studente stesso a imparare a formulare le domande attraverso le quali esplorare un dominio di conoscenza.
Non soltanto imparare a rispondere.
Imparare a domandare.
8. Questioning e prompting non sono la stessa cosa
Qui credo sia necessario fare una distinzione.
Oggi si parla moltissimo di prompting e di prompt engineering. Si insegna come formulare richieste efficaci ai modelli linguistici: fornire il contesto, specificare il risultato desiderato, indicare vincoli, assegnare ruoli, definire il formato della risposta.
Sono competenze che possono essere utili.
Ma prompting e questioning non sono la stessa cosa.
Il prompting riguarda prevalentemente come formulare una richiesta affinché una macchina produca un risultato adeguato.
Il questioning riguarda qualcosa che viene prima:
che cosa vale la pena domandare?
Che cosa non capisco?
Qual è il problema?
Che cosa manca in questa spiegazione?
Quale relazione non riesco a vedere?
Quale ipotesi potrei mettere alla prova?
Che cosa accadrebbe se cambiassi prospettiva?
Quale evidenza potrebbe smentire ciò che sto pensando?
Un prompt può essere tecnicamente sofisticatissimo e cognitivamente povero.
Una domanda composta da poche parole può aprire un problema enorme.
Il prompting insegna a interrogare meglio una macchina. Il questioning insegna a interrogare meglio la conoscenza.
Naturalmente i due processi possono incontrarsi.
Un buon questioning può produrre ottimi prompt.
Ma non vale necessariamente il contrario:
Un buon questioning può generare buoni prompt. Un buon prompt non garantisce un buon questioning.
È una distinzione didatticamente importante.
Possiamo insegnare agli studenti sofisticate tecniche di prompting e ottenere persone abilissime nel ricevere risposte molto ben confezionate a domande poco interessanti.
9. Dalle domande del libro alle domande dello studente
Torniamo allora al libro di testo.
Anche qui troviamo una differenza interessante.
Il libro non contiene soltanto risposte.
Molto spesso contiene anche le domande.
Qualcuno ha deciso quali questioni siano importanti. Alla fine del paragrafo o del capitolo lo studente trova le domande alle quali deve rispondere.
L’autore domanda.
Lo studente risponde.
Una risorsa aperta e interrogabile come l’IA rende possibile spostare progressivamente una parte di questa funzione.
Lo studente può diventare produttore delle domande attraverso le quali esplora la conoscenza.
Ma sarebbe ingenuo pensare che basti mettere un’IA davanti a uno studente perché questo accada.
Fare buone domande si impara.
Qui ritorna lo scaffolding.
L’insegnante può mostrare come interroga un problema. Può rendere visibile il proprio ragionamento. Può trasformare insieme agli studenti una domanda generica in una domanda più potente. Può mostrare come una risposta generi una nuova domanda, come si cerchi un controesempio, come si metta alla prova un’affermazione.
Poi il sostegno può progressivamente diminuire.
Il fine non è produrre studenti abilissimi nel prompt engineering.
È produrre persone capaci di interrogare autonomamente e criticamente la conoscenza, con un’intelligenza artificiale, con un libro, con un esperto o senza nessuno di questi strumenti.
10. Allora, meglio il libro o l’IA?
Possiamo finalmente tornare alla domanda iniziale.
Un buon libro di testo offre qualcosa di prezioso: una struttura relativamente stabile, selezionata e organizzata del dominio.
Per un novizio questa struttura può costituire una risorsa cognitiva importante.
Un’intelligenza artificiale offre qualcosa di diverso: uno spazio di conoscenza dinamico, interrogabile, adattabile, nel quale è possibile generare molteplici rappresentazioni, cambiare livello di approfondimento, cercare connessioni, confrontare prospettive.
Il libro offre una strada già costruita.
L’IA permette, almeno in parte, di costruire la strada mentre la percorriamo.
Ma per farlo occorrono conoscenza, capacità di giudizio e capacità di fare domande.
E occorre un insegnante che non abdichi al proprio ruolo professionale.
Forse, allora, la vecchia provocazione sull’«insegnante pavido» può essere aggiornata.
Ieri poteva essere pavido l’insegnante che si nascondeva dietro il libro.
Oggi potrebbe esserlo quello che si nasconde dietro l’IA.
È scritto sul libro.
L’ha fatto l’IA.
Da questo punto di vista sono due versioni dello stesso problema.
Forse non esistono strumenti per insegnanti pavidi. Esistono modi pavidi di usare gli strumenti: quelli che consentono di evitare il rischio professionale di scegliere, giudicare e assumersi la responsabilità delle proprie scelte.
11. Alla fine, una domanda migliore
Siamo partiti chiedendoci:
Meglio un libro di testo o un’IA?
Non era una domanda sbagliata.
Era semplicemente una domanda ancora troppo semplice.
Nel corso del ragionamento abbiamo incontrato l’autorevolezza delle fonti, la validazione epistemica e didattica, la responsabilità dell’insegnante, la differenza tra esperto e novizio, il rapporto tra conoscenza interna ed esternalizzata, il questioning, il prompting, lo scaffolding e l’autonomia dello studente.
Adesso possediamo qualche distinzione in più.
Possiamo quindi rendere più complessa la domanda con cui siamo partiti:
In quali condizioni, per quali studenti, per quali scopi e all’interno di quale progetto didattico è preferibile affidarsi alla struttura di un libro di testo, all’apertura interrogabile di un’IA o a una loro combinazione? E quali responsabilità cognitive e professionali devono comunque rimanere all’insegnante e allo studente?
È interessante che un articolo nel quale abbiamo parlato a lungo di questioning finisca proprio così.
Non trovando semplicemente una risposta alla domanda iniziale.
Ma diventando capaci di formulare meglio la domanda.
Forse è questo uno dei fili che attraversano tutta questa mia esplorazione dell’intelligenza artificiale a scuola.
Continuo a incontrare problemi che esistevano molto prima dell’IA: conoscenza, mediazione, autonomia, responsabilità, domande, apprendimento.
L’intelligenza artificiale non li cancella e non rende improvvisamente obsolete le elaborazioni della pedagogia, della didattica e della psicologia dell’apprendimento.
Semmai ci costringe a rileggerle perché alcune delle condizioni nelle quali erano state pensate stanno cambiando.
Siamo partiti chiedendoci quale strumento fosse migliore.
Arriviamo chiedendoci chi deve fare che cosa, per quale scopo, con quale conoscenza e assumendosi quale responsabilità.
Non abbiamo trovato una risposta più semplice.
Abbiamo imparato a porre una domanda migliore.
