Come faccio a sapere che cosa ha realmente imparato uno studente che ha lavorato con l’IA?
Sei qui: Ask System → L’IA a scuola → Valutazione
Non possiamo saperlo guardando soltanto il prodotto finale. Se uno studente ha lavorato con l’IA, una relazione ben scritta, una soluzione corretta o una presentazione efficace possono essere il risultato di processi cognitivi molto diversi.
Per capire che cosa abbia realmente imparato dobbiamo quindi raccogliere evidenze che vadano oltre il prodotto.
Dobbiamo osservare anche il processo
Una prima fonte di informazioni è ciò che lo studente ha fatto durante il lavoro: quali domande ha formulato, quali indicazioni ha dato all’IA, quali risposte ha messo in discussione, quali alternative ha confrontato, quali errori ha riconosciuto e quali decisioni ha preso.
Non è necessario controllare ogni passaggio. Ci interessa soprattutto individuare le operazioni nelle quali lo studente ha dovuto comprendere, valutare, scegliere e rielaborare.
Il processo diventa così una fonte di evidenze che si aggiunge al prodotto.
Possiamo chiedere allo studente di rendere visibile il proprio pensiero
Una conversazione sul lavoro svolto può essere molto più informativa di un controllo sull’uso dell’IA.
Possiamo chiedere: perché hai scelto questa soluzione? Quali alternative avevi considerato? Che cosa ti ha proposto l’IA che hai deciso di non utilizzare? Dove hai avuto dei dubbi? Che cosa hai cambiato e perché?
Uno studente che ha realmente costruito comprensione dovrebbe essere capace, almeno in una certa misura, di spiegare e giustificare ciò che ha fatto.
Dobbiamo vedere che cosa sa fare oltre quel prodotto
Una delle evidenze più forti dell’apprendimento compare quando cambiamo la situazione.
Possiamo modificare un dato del problema, presentare un caso simile ma non identico, chiedere di applicare un concetto in un contesto nuovo, proporre una soluzione sbagliata da analizzare oppure chiedere allo studente di rispondere a un’obiezione.
In questo modo non verifichiamo se ricorda il prodotto costruito con l’IA. Verifichiamo se ciò che ha appreso può essere utilizzato per affrontare qualcosa di nuovo.
Possiamo anche diminuire l’aiuto
Se durante l’apprendimento l’IA ha svolto una funzione di supporto, possiamo progressivamente ridurre quel supporto e osservare che cosa rimane allo studente.
Non significa necessariamente chiedergli di rifare tutto senza IA. Possiamo togliere soltanto alcuni aiuti, cambiare il tipo di sostegno o chiedergli di affrontare autonomamente i passaggi che consideriamo essenziali.
Per sapere che cosa uno studente ha realmente imparato dobbiamo cercare ciò che riesce a comprendere, spiegare, giustificare, utilizzare e trasferire oltre l’aiuto che l’IA gli ha fornito.
Non serve una prova unica
Con l’IA diventa ancora meno plausibile pensare che un singolo prodotto possa rappresentare tutto l’apprendimento.
Possiamo invece combinare evidenze differenti: il prodotto finale, alcuni passaggi della conversazione con l’IA, una breve spiegazione orale, una riflessione sulle scelte compiute, una domanda imprevista, una nuova applicazione o un’attività svolta con un livello di aiuto minore.
Nessuna di queste evidenze, presa isolatamente, ci dice tutto. Insieme possono però permetterci di costruire una valutazione molto più fondata.
Valutare significa ricostruire l’apprendimento
L’IA rende più difficile attribuire automaticamente allo studente ciò che vediamo nel prodotto. Ma può anche costringerci a fare qualcosa che pedagogicamente avremmo dovuto fare comunque: distinguere la prestazione osservabile dall’apprendimento che cerchiamo di inferire attraverso di essa.
La domanda valutativa diventa allora meno semplice, ma anche più precisa: non soltanto «che cosa ha prodotto?», ma «quali evidenze abbiamo che qualcosa sia cambiato nelle conoscenze e nelle capacità dello studente?»
Per approfondire
