L’insegnante meccanico – Extended 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 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 (questa) 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 ragionamento che svilupperemo è, anzitutto, un ragionamento in via di principio. Cercheremo di capire quali funzioni dell’insegnamento possano essere svolte da un’intelligenza linguistica e se, per alcune di esse, una macchina possa arrivare a svolgerle meglio di un insegnante biologico. Questo non significa sostenere che ciò che è tecnicamente e cognitivamente possibile sia sempre pedagogicamente opportuno.

Ogni applicazione deve essere contestualizzata. Cambiano radicalmente le condizioni se chi apprende è un bambino della scuola primaria, un adolescente, uno studente universitario o un adulto; cambiano il livello di sviluppo, l’autonomia cognitiva ed emotiva, la capacità di autoregolazione e di valutazione critica. Cambia inoltre il problema a seconda del dominio di conoscenza, delle caratteristiche di ciò che deve essere appreso e, soprattutto, degli obiettivi educativi e di apprendimento che intendiamo perseguire.

Per questo, quando nelle pagine che seguono diremo che l’insegnante meccanico può fare qualcosa, quel può indicherà una possibilità da esaminare, non una prescrizione didattica. Stabilire se, quando, con chi e per quale scopo quella possibilità debba essere utilizzata è una questione diversa.

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.

Un dominio disciplinare contiene informazioni, concetti, principi, procedure, relazioni. Chi lo padroneggia non possiede semplicemente una quantità maggiore di informazioni rispetto a chi si avvicina per la prima volta a quel dominio: le possiede organizzate in strutture che gli permettono di riconoscere relazioni, gerarchie, regolarità e configurazioni che il novizio ancora non vede.

La differenza tra esperto e novizio non è quindi soltanto quantitativa. È anche, e soprattutto, una differenza nell’organizzazione della conoscenza.

Questo pone all’insegnante un problema non banale. Deve conoscere il dominio con la struttura cognitiva dell’esperto e, nello stesso tempo, cercare di guardarlo dalla posizione di chi quella struttura non l’ha ancora costruita. Ciò che per lui è evidente potrebbe non esserlo affatto per lo studente. Un passaggio che considera elementare potrebbe presupporre conoscenze che il novizio non possiede. Una spiegazione formalmente corretta potrebbe risultare incomprensibile non perché sia troppo difficile in sé, ma perché manca qualcosa a cui agganciarla.

Una parte importante del lavoro istruzionale consiste proprio nel costruire un percorso tra queste due condizioni.

Bisogna individuare che cosa lo studente dovrebbe già sapere, distinguere ciò che è preliminare da ciò che può essere introdotto successivamente, selezionare e organizzare le informazioni, stabilire una sequenza, scegliere rappresentazioni adeguate, produrre esempi, proporre esercizi, osservare le risposte, riconoscere errori e incomprensioni, fornire feedback e, se necessario, modificare il percorso.

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

Dato un determinato contenuto, può analizzarlo da differenti prospettive, scomporlo nei suoi elementi, ricostruire relazioni tra concetti, individuare possibili prerequisiti e proporre differenti sequenze attraverso le quali affrontarlo. Può confrontare una spiegazione destinata a un esperto con quella necessaria a un novizio e modificarne lessico, livello di astrazione e quantità di conoscenze presupposte.

Può spiegare lo stesso concetto in molti modi. Può produrre esempi e controesempi, analogie, casi, rappresentazioni alternative. Se una spiegazione non funziona, può generarne immediatamente un’altra senza essere vincolata a quella preparata in precedenza. Può partire da una definizione e passare a un caso concreto oppure fare il percorso inverso; può ridurre temporaneamente la complessità e poi reintrodurla; può mettere a confronto due concetti che lo studente confonde o costruire situazioni nelle quali la loro differenza diventi evidente.

Riconoscere queste capacità non significa attribuire all’intelligenza linguistica un’infallibilità epistemologica. Significa riconoscerle la capacità di compiere elaborazioni disciplinari che possono essere sottoposte agli stessi criteri di validità con cui valutiamo quelle prodotte da un essere umano competente. Anche l’esperto disciplinare, del resto, non è epistemicamente infallibile: può possedere conoscenze incomplete o non aggiornate, assumere come necessaria una particolare organizzazione del dominio, proporre un’analogia fuorviante o costruire una sequenza didatticamente debole.

Il confronto non è quindi 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.

Può anche interrogare.

E le risposte dello studente possono diventare nuove informazioni per l’interazione successiva. Un errore può indurre la macchina a formulare ipotesi sui prerequisiti mancanti o su una possibile misconcezione; una risposta formalmente corretta può essere sottoposta a ulteriori domande per verificare se dietro la formulazione verbale esista una comprensione più articolata; un’incertezza può suggerire di tornare a un passaggio precedente.

L’istruzione può così assumere una forma ricorsiva:

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

Non è un ciclo nuovo. È ciò che un buon insegnante cerca da sempre di fare.

La novità sta nella capacità della macchina di ripeterlo continuamente, rapidamente e individualmente.

Un insegnante biologico che lavora con una classe deve inevitabilmente distribuire la propria attenzione. Può differenziare, osservare, intervenire individualmente, ma il suo tempo rimane una risorsa limitata. L’insegnante meccanico, invece, può intrattenere contemporaneamente percorsi differenti con studenti differenti. Non ha bisogno di costruire una spiegazione per uno studente medio: può, almeno in linea di principio, ricostruire continuamente un percorso sulla base delle tracce lasciate da quella specifica interazione.

Può inoltre produrre esercitazioni praticamente senza limite, variarne la difficoltà, modificare le condizioni di un problema, introdurre progressivamente nuovi elementi, costruire prove di verifica, analizzare le risposte e restituire un feedback immediato. Può tornare cento volte sullo stesso concetto senza stancarsi, senza perdere la pazienza e senza che la centesima richiesta dello studente arrivi alla fine di una giornata di lavoro.

E può fare tutto questo mobilitando una quantità e una varietà di informazioni, rappresentazioni e forme linguistiche che nessun singolo insegnante potrebbe avere immediatamente disponibili.

Non stiamo costruendo un insegnante meccanico ideale e infallibile. Stiamo prendendo sul serio capacità che l’intelligenza linguistica possiede e chiedendoci che cosa accade quando vengono applicate sistematicamente alle funzioni istruzionali. Il nostro ragionamento rimane, per ora, in via di principio: prima vogliamo capire fin dove può arrivare l’insegnamento meccanico; ci chiederemo poi quando, con chi e per quali obiettivi sia opportuno utilizzarlo.

Ma proprio prendendo sul serio questa possibilità emerge un punto particolarmente interessante.

L’insegnante meccanico non deve necessariamente limitarsi a presentare informazioni. Può tentare di costruire e aggiornare continuamente una rappresentazione dello stato cognitivo dello studente: che cosa sembra sapere, che cosa sembra non sapere, quali relazioni sembra aver costruito, quali errori tende a ripetere, quali prerequisiti potrebbero mancare.

Qui, però, incontriamo una prima distinzione che dovremo tenere presente.

La macchina non vede la conoscenza dello studente. Ne osserva delle manifestazioni e da queste inferisce qualcosa.

Una risposta, una spiegazione, un errore, una domanda, il modo in cui viene risolto un problema sono indizi dello stato cognitivo della persona, non quello stato cognitivo stesso. Una produzione linguistica particolarmente convincente può nascondere una comprensione fragile; un’espressione incerta può accompagnarsi a intuizioni molto più profonde di quanto il linguaggio utilizzato riesca a manifestare.

Ma neppure l’insegnante biologico ha accesso diretto alla mente dello studente. Anch’egli osserva comportamenti, ascolta parole, interpreta esitazioni, pone domande, formula ipotesi e le corregge. Dispone certamente di segnali ulteriori — corporei, relazionali, contestuali, biografici — che non necessariamente sono disponibili alla macchina o interpretabili da essa nello stesso modo. Il problema, quindi, non può essere liquidato contrapponendo semplicemente una macchina che inferisce a un essere umano che invece “conosce” ciò che accade nella mente dell’altro.

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

Ed è proprio per questo che dobbiamo resistere alla tentazione di fermarci qui e rassicurarci.

Se consideriamo alcune funzioni tradizionalmente associate all’insegnamento — organizzare un dominio, individuare prerequisiti, costruire sequenze, spiegare, esemplificare, esercitare, interrogare, fornire feedback, adattare il percorso — non possiamo più dare per scontato che il fatto di essere biologico costituisca di per sé un vantaggio.

Abbiamo costruito un insegnante meccanico abbastanza forte da rendere inevitabile la prima delle nostre domande.

Può insegnare direttamente meglio dell’insegnante biologico?

Può insegnare meglio dell’insegnante biologico?

Se prendiamo sul serio quanto abbiamo appena attribuito all’insegnante meccanico, non possiamo eludere la risposta più scomoda:

sì, per alcune funzioni dell’insegnamento può insegnare meglio dell’insegnante biologico.

Non sempre, non a chiunque, non in qualunque dominio e non per qualsiasi obiettivo. Abbiamo già posto queste condizioni all’inizio. Ma proprio per questo possiamo evitare una difesa preventiva dell’insegnante umano e guardare direttamente alle funzioni che stiamo confrontando.

Se insegnare significa anche analizzare un dominio, individuare prerequisiti, organizzare informazioni, costruire una sequenza, produrre spiegazioni ed esempi, proporre esercizi, verificare risposte, fornire feedback e adattare continuamente il percorso, non esiste una ragione per assumere che queste attività debbano essere necessariamente svolte meglio da un essere umano.

Per alcune di esse esistono, anzi, buone ragioni per pensare il contrario.

Con quale insegnante biologico facciamo il confronto?

Bisogna però chiarire un punto. Il confronto significativo non è tra l’insegnante meccanico e l’insegnante ideale.

L’insegnante ideale conosce profondamente la propria disciplina e la sua struttura epistemologica, padroneggia le teorie dell’apprendimento, conosce numerose strategie didattiche, individua rapidamente le difficoltà di ogni studente, riconosce le misconcezioni, differenzia l’insegnamento, produce spiegazioni alternative, verifica continuamente la comprensione e modifica la propria azione sulla base di ciò che osserva.

Naturalmente esistono insegnanti molto capaci di fare molte di queste cose.

Ma non è questo il termine di confronto che ci interessa.

La domanda che abbiamo posto riguarda ciò che mediamente un insegnante biologico può fare nelle condizioni concrete nelle quali insegna.

Un insegnante lavora con un numero consistente di studenti contemporaneamente. Ha un tempo limitato. Deve preparare lezioni, correggere elaborati, valutare, documentare, partecipare alle attività organizzative della scuola. La sua conoscenza disciplinare e didattica, per quanto ampia, ha inevitabilmente dei limiti. La sua attenzione è limitata. Si stanca. Può non accorgersi di una difficoltà, interpretare male un errore, continuare a utilizzare una spiegazione che funziona per molti ma non per alcuni.

Non c’è nulla di scandaloso in tutto questo. È semplicemente la condizione umana dell’insegnamento.

L’insegnante meccanico presenta caratteristiche differenti.

Può dedicare a ogni studente tutto il tempo necessario. Può generare in pochi secondi numerose spiegazioni alternative. Può interrogare indefinitamente, modificare esercizi e problemi, analizzare le risposte precedenti, tornare sui prerequisiti, mantenere traccia dell’interazione e utilizzare quelle informazioni per decidere il passo successivo. Non si stanca e non deve distribuire una quantità finita di attenzione tra venticinque persone.

Se restringiamo il confronto a queste funzioni, sostenere per principio la superiorità dell’insegnante biologico diventerebbe difficile.

Una macchina particolarmente adatta all’istruzione

Qui emerge un paradosso interessante.

Per decenni una parte importante della riflessione sull’insegnamento ha cercato di rendere l’istruzione progettabile: analizzare gli obiettivi, individuare prerequisiti, scomporre compiti complessi, organizzare sequenze, selezionare strategie, verificare gli apprendimenti e utilizzare i risultati della verifica per modificare l’intervento.

Non è necessario ridurre tutta la tradizione istruzionalista a questa descrizione per riconoscere che una parte consistente del lavoro istruzionale è stata pensata proprio come un insieme di decisioni che possono essere esplicitate, motivate e organizzate.

L’intelligenza linguistica arriva in un momento nel quale molte di queste operazioni possono essere svolte da una macchina con una capacità di elaborazione difficilmente comparabile con quella di una singola persona.

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

Questo non dimostra la superiorità pedagogica dell’istruzionalismo. E non dimostra la superiorità pedagogica dell’intelligenza artificiale.

Mostra qualcosa di più circoscritto, ma non per questo irrilevante: quanto più una funzione dell’insegnamento può essere descritta come una procedura di elaborazione, decisione e adattamento sulla base di informazioni disponibili, tanto più diventa plausibile affidarne almeno una parte a una macchina.

Ma essere più bravi a istruire significa far apprendere meglio?

È qui che il ragionamento deve cambiare livello.

Immaginiamo che l’insegnante meccanico riesca davvero a costruire una sequenza migliore, a fornire una spiegazione più adatta, a individuare rapidamente un errore e a proporre immediatamente l’esercizio capace di correggerlo.

Lo studente arriva alla risposta corretta.

Che cosa abbiamo dimostrato?

Abbiamo certamente dimostrato qualcosa sull’efficacia dell’intervento istruzionale rispetto a quella prestazione. Non abbiamo ancora dimostrato che lo studente abbia costruito una conoscenza significativa, stabile, disponibile in contesti differenti e utilizzabile autonomamente.

Una prestazione osservabile non coincide necessariamente con l’apprendimento che la rende possibile.

Il problema non nasce con l’intelligenza artificiale. La scuola lo conosce da sempre. Uno studente può riprodurre una definizione senza averne compreso il significato, applicare correttamente una procedura senza sapere perché funzioni, superare una verifica e non essere successivamente in grado di utilizzare quella conoscenza quando il problema assume una forma differente.

Con l’insegnante meccanico questa distinzione diventa però ancora più importante.

La capacità di adattare continuamente l’intervento allo studente potrebbe produrre un’istruzione estremamente efficace nel farlo procedere. Ma proprio questa efficacia potrebbe nascondere una domanda fondamentale:

chi sta svolgendo il lavoro cognitivo necessario per procedere?

Se a ogni difficoltà la macchina identifica immediatamente il problema, seleziona l’informazione necessaria, produce la rappresentazione più accessibile, suggerisce il passo successivo e corregge la direzione, lo studente potrebbe arrivare molto lontano.

Ma quanto del percorso sarebbe in grado di compiere senza quella regolazione esterna?

Quando aiutare troppo significa togliere qualcosa

Arriviamo così a una possibilità apparentemente paradossale:

l’insegnante meccanico potrebbe essere troppo bravo a insegnare.

In termini psicologici, potremmo dire che una dipendenza continuamente nutrita non produce emancipazione. Il problema non è l’esistenza temporanea della dipendenza — inevitabile in molti processi di apprendimento — ma il suo mantenimento: un aiuto può essere efficace nel permettere alla persona di fare qualcosa che ancora non riesce a fare autonomamente, ma può diventare un ostacolo allo sviluppo quando continua a sostituirsi alle funzioni che la persona dovrebbe progressivamente assumere.

Una spiegazione può eliminare una difficoltà. Ma non tutte le difficoltà devono essere eliminate.

Un suggerimento può consentire di superare un ostacolo. Ma qualche volta è proprio il tentativo di rappresentarsi l’ostacolo, formulare ipotesi, prendere una strada sbagliata, accorgersene e cercarne un’altra a costituire la parte cognitivamente più produttiva dell’attività.

Una sequenza perfettamente graduata può facilitare l’avanzamento. Ma può anche sottrarre allo studente la necessità di organizzare autonomamente il problema.

Un feedback immediato può impedire che un errore si consolidi. Ma può anche impedire allo studente di sviluppare la capacità di riconoscere da sé che qualcosa non funziona.

La questione, quindi, non è semplicemente quanta fatica l’insegnante meccanico riesca a risparmiare allo studente. Dobbiamo distinguere tra fatica improduttiva, che occupa risorse senza contribuire significativamente all’apprendimento, e fatica cognitivamente produttiva, che costituisce parte del processo attraverso il quale la conoscenza viene costruita, organizzata e resa disponibile.

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.

Una prima risposta, quindi, non basta

Possiamo allora mantenere la risposta con cui abbiamo aperto questo capitolo.

Sì: se consideriamo determinate funzioni istruzionali, l’insegnante meccanico può svolgerle meglio dell’insegnante biologico. Sarebbe poco serio negarlo soltanto perché la conclusione ci mette a disagio.

Ma abbiamo anche scoperto che la domanda iniziale era formulata in modo insufficiente.

“Chi insegna meglio?” non significa ancora “chi fa apprendere meglio?”.

E anche questa seconda formulazione rimane incompleta.

Perché non esiste un apprendimento migliore in assoluto. La qualità di un intervento dipende dalla persona che sta apprendendo, dal momento del suo sviluppo, dalla conoscenza che sta costruendo e dagli obiettivi che intendiamo perseguire.

Dobbiamo quindi rendere più difficile la nostra domanda:

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

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

La domanda con cui abbiamo concluso il capitolo precedente impedisce di parlare dell’insegnante meccanico in astratto.

Non esiste un insegnamento migliore indipendentemente da chi apprende, da che cosa deve essere appreso e dagli obiettivi che intendiamo perseguire. Una modalità di intervento molto efficace in una situazione può essere inutile o persino controproducente in un’altra.

Questo vale per qualsiasi insegnamento. Vale ancora di più quando introduciamo una macchina capace di assumere una parte rilevante della regolazione del processo di apprendimento.

Non esiste “lo studente”

Un bambino di sette anni, un adolescente, uno studente universitario e un adulto con una solida competenza professionale non sono semplicemente persone che possiedono quantità differenti di conoscenze.

Sono differenti anche le loro capacità di governare il proprio apprendimento.

Cambiano la possibilità di formulare autonomamente un problema, riconoscere ciò che non si è compreso, valutare la qualità di una spiegazione, scegliere una strategia, tollerare l’incertezza, controllare l’impulsività di una risposta, decidere quando chiedere aiuto e quando continuare a cercare da soli.

Cambia, più complessivamente, il livello di autonomia cognitiva ed emotiva con cui la persona può stare dentro una situazione di apprendimento.

Questo rende molto problematica qualsiasi affermazione generale sull’opportunità di affidare all’insegnante meccanico una determinata funzione.

Un adulto competente può utilizzare una spiegazione generata dalla macchina come una delle molte risorse disponibili. Possiede conoscenze con cui confrontarla, può individuarne incongruenze, formulare domande ulteriori, respingerne le conclusioni, cercare altre fonti. Può, almeno potenzialmente, governare l’interazione.

Un bambino che sta costruendo proprio quelle conoscenze e quelle capacità di giudizio si trova in una condizione completamente diversa.

Non cambia soltanto il livello della spiegazione che deve ricevere. Cambia il significato educativo della dipendenza dalla macchina.

Se l’intelligenza linguistica interpreta sistematicamente la difficoltà, decide quale informazione serve, stabilisce il passo successivo e valuta la risposta, non sta soltanto aiutando il bambino ad apprendere un contenuto. Sta assumendo alcune delle funzioni attraverso le quali il bambino dovrebbe progressivamente imparare a governare il proprio apprendimento.

È quindi possibile che lo stesso intervento rappresenti per una persona uno strumento di potenziamento e per un’altra una sottrazione di esperienza cognitiva.

Lo scaffolding deve avere una direzione

Qui diventa particolarmente utile il concetto di scaffolding.

Un sostegno ha senso non semplicemente perché permette alla persona di fare qualcosa che da sola non riuscirebbe ancora a fare. Ha senso, in una prospettiva educativa, se contribuisce a creare le condizioni perché quella persona possa progressivamente assumere il controllo dell’attività.

L’impalcatura serve mentre si costruisce qualcosa. E, proprio perché è un’impalcatura, è destinata a essere progressivamente rimossa.

È il principio del fading: il sostegno non scompare improvvisamente, ma si riduce progressivamente, si eclissa mano a mano che la persona diventa capace di assumere le funzioni che prima venivano svolte con l’aiuto. Il successo dello scaffolding non consiste quindi nel rendere il sostegno sempre più efficace, ma nel creare le condizioni perché diventi progressivamente meno necessario.

Un insegnante meccanico capace di adattarsi perfettamente allo studente potrebbe invece produrre una situazione nuova: un’impalcatura che non ha più alcuna ragione tecnica per essere rimossa.

Perché rinunciare a una macchina che continua a diagnosticare meglio, suggerire meglio, spiegare meglio, correggere immediatamente?

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

Potremmo decidere di ridurre intenzionalmente un aiuto efficace perché vogliamo che alcune funzioni cognitive vengano progressivamente assunte dalla persona.

In questo senso, un buon insegnante meccanico dovrebbe forse essere progettato anche per sapere quando smettere di essere utile.

Non tutte le conoscenze pongono lo stesso problema

Anche il dominio di conoscenza modifica profondamente il quadro.

Apprendere una procedura fortemente strutturata, acquisire un lessico specialistico, comprendere un concetto matematico, interpretare un testo letterario, formulare un problema storico, progettare un esperimento, discutere un dilemma etico non richiedono lo stesso tipo di attività cognitiva.

In alcuni domini o per alcuni obiettivi è possibile descrivere con relativa precisione una progressione, individuare prerequisiti, riconoscere errori tipici e stabilire criteri abbastanza condivisi per valutare una prestazione.

Sono condizioni particolarmente favorevoli all’intervento dell’insegnante meccanico.

In altre situazioni, invece, ciò che conta non è principalmente arrivare a una risposta corretta.

Può essere necessario costruire differenti interpretazioni, mettere in discussione le categorie attraverso le quali il problema è stato formulato, confrontare prospettive incompatibili, decidere quali informazioni siano rilevanti, tollerare che una questione rimanga aperta.

La differenza non consiste semplicemente nell’opposizione tra discipline “scientifiche” e “umanistiche”. Anche in matematica si possono costruire problemi e argomentare; anche nello studio della letteratura si possono acquisire informazioni e procedure.

La variabile decisiva è che cosa stiamo chiedendo cognitivamente allo studente in quella specifica attività.

Dipende da ciò che vogliamo ottenere

Arriviamo così alla variabile forse più importante: gli obiettivi.

Immaginiamo che l’insegnante meccanico riesca a portare uno studente a risolvere correttamente una determinata classe di problemi in metà del tempo normalmente necessario.

È un insegnamento migliore?

Se il nostro obiettivo è esclusivamente l’acquisizione efficiente di quella prestazione, probabilmente sì.

Ma potremmo avere altri obiettivi.

Potremmo volere che lo studente impari a riconoscere autonomamente la struttura del problema, a selezionare le conoscenze pertinenti, a formulare ipotesi, a scegliere una strategia, a verificare da sé se il risultato ottenuto abbia senso.

In questo caso, un intervento che rende più rapida l’acquisizione della prestazione potrebbe contemporaneamente sottrarre parte del lavoro necessario per sviluppare quelle capacità.

E potremmo avere obiettivi ancora più ampi: costruire autonomia, sviluppare capacità critica, imparare a confrontarsi con altri punti di vista, assumersi la responsabilità di una decisione, diventare capaci di continuare ad apprendere senza dipendere permanentemente da chi organizza il percorso.

A quel punto la domanda sull’efficacia cambia completamente.

Non possiamo più chiedere soltanto:

quanto bene ha imparato a fare questa cosa?

Dobbiamo anche domandarci:

che cosa sta diventando capace di fare senza l’aiuto che gli abbiamo fornito?

La qualità dell’insegnamento non coincide con la sua efficienza

Possiamo allora vedere con maggiore chiarezza un rischio presente nella domanda iniziale.

Chiedere se l’insegnante meccanico insegni meglio può portarci, quasi senza accorgercene, a definire il “meglio” attraverso indicatori di efficienza: rapidità, correttezza delle risposte, quantità di contenuti acquisiti, adattamento individuale, riduzione degli errori.

Sono dimensioni importanti. Sarebbe assurdo svalutarle.

Ma non esauriscono ciò che possiamo intendere per qualità dell’insegnamento.

Un percorso più lento può essere migliore se costruisce maggiore autonomia. Un errore lasciato temporaneamente senza correzione può essere produttivo se costringe lo studente a riconoscerlo. Una spiegazione meno immediatamente accessibile può generare un’attività cognitiva più intensa. Una domanda senza risposta può essere pedagogicamente più importante di una risposta perfettamente formulata.

Questo significa che l’efficienza istruzionale e il valore educativo possono coincidere, ma non coincidono necessariamente.

Ed è qui che ritorna il criterio con cui abbiamo aperto l’articolo.

Non possiamo stabilire in astratto quanta parte dell’insegnamento sia opportuno affidare alla macchina. Dobbiamo domandarci ogni volta:

chi sta apprendendo?

che cosa sta apprendendo?

quale grado di autonomia possiede?

quale attività cognitiva vogliamo che svolga?

che cosa vogliamo che sappia fare, alla fine, senza di noi e senza la macchina?

Soltanto dopo aver risposto a queste domande possiamo decidere se una determinata capacità dell’insegnante meccanico costituisca un vantaggio.

Fin qui abbiamo considerato la situazione più radicale: la macchina che insegna direttamente alla persona.

Ma non è l’unico modo in cui le sue capacità possono entrare nell’insegnamento.

Possiamo lasciare lo studente con il suo insegnante biologico e spostare l’insegnante meccanico un passo indietro.

A quel punto la domanda cambia:

può preparare un insegnamento migliore di quello che mediamente prepara l’insegnante biologico?

Può preparare un insegnamento migliore?

Finora abbiamo collocato l’insegnante meccanico davanti allo studente. Abbiamo immaginato una macchina che spiega, interroga, osserva le risposte, formula ipotesi sulle difficoltà, modifica il proprio intervento e accompagna individualmente la persona lungo un percorso di apprendimento.

Possiamo però spostare la macchina di un passo.

Lo studente torna davanti al suo insegnante biologico. L’insegnante meccanico si colloca dietro l’insegnante.

La domanda diventa allora diversa:

può preparare un insegnamento migliore di quello che mediamente prepara l’insegnante biologico?

Anche in questo caso conviene non cercare immediatamente una risposta rassicurante.

La risposta, almeno in via di principio, è ancora una volta: sì.

Preparare una lezione non significa produrre una lezione

L’uso più immediato dell’intelligenza linguistica da parte di un insegnante è anche quello meno interessante per il nostro ragionamento.

Si può chiedere alla macchina di preparare una lezione sulla Rivoluzione francese, costruire una presentazione sulla fotosintesi, generare dieci esercizi sulle equazioni, formulare domande di comprensione di un testo, predisporre una verifica o costruire una rubrica di valutazione.

Sono attività utili. Possono far risparmiare tempo. Possono anche produrre materiali di buona qualità.

Ma se ci fermassimo qui avremmo utilizzato una tecnologia dotata di una grande capacità di elaborazione per automatizzare la produzione di materiali didattici.

L’insegnante meccanico che ci interessa può fare qualcosa di molto più importante.

Può intervenire prima che la lezione esista.

Può lavorare sulla struttura dell’insegnamento.

Rendere esplicita l’architettura della lezione

Ogni lezione contiene una quantità di decisioni, anche quando chi la prepara non le formula esplicitamente.

Perché partire da questo concetto?

Perché presentare A prima di B?

Che cosa si presume che gli studenti sappiano già?

Quale relazione dovrebbe costruirsi tra ciò che già conoscono e ciò che viene introdotto?

Perché utilizzare questo esempio?

Quale difficoltà dovrebbe incontrare lo studente?

Quale difficoltà, invece, vogliamo evitargli?

Che cosa considereremo un segnale di comprensione?

Come distingueremo una risposta corretta prodotta attraverso una comprensione concettuale da una risposta ottenuta applicando meccanicamente una procedura?

Preparare un insegnamento significa prendere decisioni su tutte queste questioni, indipendentemente dal fatto che l’insegnante ne sia pienamente consapevole.

Una parte considerevole della progettazione didattica rimane infatti implicita. L’esperienza consente all’insegnante di prendere rapidamente molte decisioni senza doverle ogni volta ricostruire teoricamente. Questo è uno dei vantaggi della competenza professionale.

Ma è anche un possibile limite.

Ciò che è diventato routine tende a non essere più interrogato.

L’insegnante meccanico può costringere a renderlo nuovamente visibile.

Non soltanto risposte: domande all’insegnante

Immaginiamo che un insegnante dica alla macchina:

“Domani devo introdurre il concetto di pressione atmosferica in questa classe.”

La risposta meno interessante sarebbe una lezione pronta.

Una risposta didatticamente più potente potrebbe iniziare con alcune domande.

Che cosa sanno già gli studenti sulla pressione?

Quali esperienze quotidiane potrebbero aver costruito concezioni intuitive del fenomeno?

Quali prerequisiti matematici e fisici vuoi considerare acquisiti?

Quale comprensione vuoi che abbiano costruito alla fine dell’attività?

Vuoi che sappiano descrivere il fenomeno, applicare una formula, spiegare alcuni eventi osservabili o utilizzare il concetto per affrontare problemi nuovi?

Le risposte a queste domande cambierebbero la progettazione.

La macchina potrebbe allora analizzare il dominio, esplicitare i concetti implicati, individuare differenti percorsi possibili, segnalare prerequisiti, anticipare misconcezioni note, confrontare strategie, suggerire esperienze o problemi capaci di far emergere le concezioni iniziali degli studenti.

Potrebbe anche mettere in discussione una scelta dell’insegnante.

“Stai introducendo questa formula prima che gli studenti abbiano costruito una rappresentazione del fenomeno. È intenzionale?”

Oppure:

“L’esempio che hai scelto rende evidente il concetto a chi già lo conosce, ma potrebbe non aiutare un novizio a costruirlo. Vuoi provare a cercare un controesempio?”

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

Abbiamo una macchina che partecipa all’analisi didattica.

Il problema dell’esperto che insegna al novizio

Ritorna qui la differenza tra esperto e novizio.

L’insegnante conosce il contenuto che insegna. Proprio questa competenza, indispensabile, può rendere difficile ricordare come appariva quel dominio prima che le sue strutture diventassero familiari.

Una relazione tra concetti può sembrare evidente perché viene vista dall’interno di una struttura di conoscenza già consolidata.

Il novizio non dispone ancora di quella struttura.

Una delle funzioni più interessanti dell’insegnante meccanico potrebbe allora essere quella di simulare sistematicamente differenti punti di ingresso nel dominio.

Può chiedere:

“Che cosa dovrebbe sapere una persona per capire questa frase?”

E poi ripetere la stessa domanda sulle conoscenze individuate.

Può risalire lungo una catena di prerequisiti, mettere in evidenza passaggi che l’esperto tende a comprimere, costruire spiegazioni a differenti livelli, confrontare ciò che appare semplice dal punto di vista disciplinare con ciò che potrebbe risultare semplice dal punto di vista cognitivo del novizio.

Non dobbiamo assumere che le sue ricostruzioni siano sempre corrette.

Ma un insegnante biologico che lavora da solo dispone essenzialmente della propria rappresentazione del problema, delle conoscenze professionali accumulate e dell’esperienza costruita attraverso gli studenti incontrati.

L’intelligenza linguistica può produrre, in pochi istanti, molte ipotesi alternative da sottoporre al giudizio dell’insegnante.

La differenza non è irrilevante.

Un interlocutore che non deve essere d’accordo

C’è però una condizione.

Se l’insegnante utilizza l’intelligenza linguistica chiedendole continuamente:

“Preparami…”

“Fammi…”

“Genera…”

“Scrivimi…”

la macchina rimane essenzialmente uno strumento di produzione.

Perché diventi cognitivamente interessante nella progettazione dell’insegnamento, deve poter assumere anche una funzione diversa:

mettere in discussione.

Potremmo chiedere all’insegnante meccanico non di confermare il progetto, ma di cercarne i punti deboli.

Quali prerequisiti sto dando per scontati?

Dove questa sequenza potrebbe fallire?

Quale concezione alternativa potrebbe costruire uno studente?

Che cosa sto chiedendo realmente di fare dal punto di vista cognitivo?

Quale parte dell’attività sto svolgendo io al posto dello studente?

Quale evidenza mi permetterebbe di sostenere che c’è stato apprendimento?

Quale studente potrebbe essere penalizzato da questa impostazione?

Che cosa accadrebbe se eliminassi questa spiegazione e partissi invece da un problema?

La capacità della macchina di generare alternative diventa allora più interessante della sua capacità di produrre una soluzione.

Non abbiamo bisogno di un interlocutore che sappia sempre quale sia la didattica migliore. Abbiamo bisogno di un interlocutore capace di aumentare lo spazio delle possibilità che l’insegnante prende in considerazione.

La decisione rimane dell’insegnante biologico.

Una progettazione che può diventare più rigorosa

In questa prospettiva l’insegnante meccanico potrebbe contribuire a rendere più sistematico un lavoro che, nelle condizioni quotidiane della scuola, viene spesso svolto con risorse limitate.

Potrebbe aiutare a ricostruire la struttura di un dominio prima di decidere come insegnarlo.

Potrebbe verificare la coerenza tra obiettivi dichiarati e attività proposte.

Potrebbe chiedere se una verifica misura realmente ciò che si afferma di voler sviluppare.

Potrebbe confrontare differenti sequenze didattiche e renderne esplicite le implicazioni.

Potrebbe suggerire che un’attività apparentemente complessa richiede in realtà allo studente soltanto di riconoscere e riprodurre informazioni.

Oppure, al contrario, potrebbe mostrare che una consegna apparentemente semplice presuppone una quantità di conoscenze e di operazioni cognitive che l’insegnante non aveva considerato.

Potrebbe infine aiutare a differenziare l’insegnamento non semplicemente producendo versioni “facili” e “difficili” dello stesso materiale, ma interrogandosi su quale sostegno sia necessario a persone che si trovano in condizioni cognitive differenti.

Non significa che la macchina sappia automaticamente fare tutto questo.

Significa che la capacità di elaborare rapidamente molte informazioni, mettere in relazione prospettive differenti, produrre ipotesi, riformulare problemi e mantenere una conversazione rende queste funzioni possibili su una scala che prima difficilmente era disponibile al singolo insegnante.

L’insegnante biologico rimane responsabile

A questo punto potrebbe sembrare che abbiamo semplicemente trasferito il problema.

Prima dovevamo chiederci se lo studente fosse in grado di valutare ciò che gli proponeva la macchina. Ora dobbiamo chiederci se sia in grado di farlo l’insegnante.

Una progettazione didattica prodotta o discussa con un’intelligenza linguistica non diventa buona perché è articolata, coerente e formulata in un linguaggio pedagogicamente convincente.

La plausibilità linguistica non costituisce una validazione didattica.

L’insegnante deve possedere conoscenze disciplinari e pedagogiche sufficienti per valutare le alternative, riconoscere proposte inconsistenti, contestualizzarle rispetto agli studenti reali e decidere quali assumere.

Questo introduce un paradosso che abbiamo già incontrato altrove.

Più potente diventa lo strumento al quale possiamo delegare una parte del lavoro, più importante diventa la conoscenza necessaria per governare quella delega.

Un insegnante poco competente potrebbe certamente produrre, grazie alla macchina, una lezione formalmente migliore di quella che avrebbe costruito da solo.

Ma questo non significa necessariamente che sia diventato un insegnante migliore.

Potrebbe semplicemente essere diventato capace di produrre un insegnamento migliore finché dispone della macchina che lo produce per lui.

La distinzione è importante.

Preparare meglio o far crescere chi prepara?

Abbiamo così raggiunto una risposta alla seconda domanda.

Sì, l’insegnante meccanico può, almeno in via di principio, contribuire a preparare un insegnamento migliore di quello che l’insegnante biologico avrebbe preparato da solo.

Può ampliare l’analisi, esplicitare decisioni implicite, individuare prerequisiti, generare alternative, anticipare difficoltà, verificare coerenze, mettere sotto pressione le scelte progettuali.

Ma proprio nel momento in cui riconosciamo questa possibilità emerge una domanda più interessante.

Che cosa accade all’insegnante biologico durante questo processo?

Se alla fine della conversazione possiede soltanto una progettazione migliore, la macchina ha migliorato il prodotto del suo lavoro.

Se invece, attraverso quella conversazione, l’insegnante ha imparato a vedere prerequisiti che prima non vedeva, a distinguere meglio la struttura dell’esperto da quella del novizio, a interrogare i propri obiettivi, a riconoscere incoerenze, a formulare alternative e a valutare più rigorosamente le proprie decisioni, è accaduto qualcosa di diverso.

Non è migliorata soltanto la lezione.

Potrebbe essere migliorato l’insegnante.

Ed è la terza domanda che dobbiamo affrontare.

Può rendere migliore l’insegnante biologico?

Nel capitolo precedente abbiamo lasciato l’insegnante biologico davanti a una progettazione migliore di quella che, forse, avrebbe costruito da solo.

Ma abbiamo anche introdotto una distinzione decisiva.

Una cosa è migliorare ciò che l’insegnante produce. Un’altra è migliorare l’insegnante.

La differenza è la stessa che abbiamo incontrato parlando dello studente. Un prodotto migliore non costituisce di per sé la prova di un apprendimento migliore. Allo stesso modo, una lezione meglio progettata con l’aiuto dell’intelligenza linguistica non dimostra che chi l’ha progettata abbia sviluppato una maggiore competenza professionale.

Potrebbe però accadere.

E forse è proprio qui che l’insegnante meccanico assume una delle sue funzioni più interessanti.

Non preparare per l’insegnante, ma pensare con l’insegnante

Immaginiamo una situazione molto comune.

Un insegnante dice:

“Ho spiegato questo concetto tre volte e continuano a sbagliare.”

L’insegnante meccanico potrebbe rispondere proponendo una quarta spiegazione. Potrebbe essere migliore delle precedenti e risolvere il problema.

Ma potrebbe anche non farlo.

Potrebbe domandare:

Perché pensi che il problema sia nella spiegazione?

Che cosa fanno esattamente gli studenti quando sbagliano?

Gli errori sono tutti dello stesso tipo?

Che cosa ti fa pensare che abbiano compreso i concetti precedenti?

Quale rappresentazione del problema sembra emergere dalle loro risposte?

Potrebbe esserci un prerequisito che stai considerando acquisito?

Hai provato a chiedere loro di spiegare il ragionamento invece di produrre la risposta?

A questo punto l’intelligenza linguistica non sta risolvendo il problema didattico al posto dell’insegnante.

Sta contribuendo a trasformare il modo in cui l’insegnante rappresenta il problema.

La differenza è sostanziale.

Nel primo caso la macchina fornisce una soluzione.

Nel secondo contribuisce a costruire le condizioni perché l’insegnante possa vedere qualcosa che prima non vedeva.

Rendere il pensiero professionale oggetto di pensiero

Gran parte della competenza di un insegnante esperto è incorporata nelle sue pratiche.

L’insegnante osserva una situazione, riconosce configurazioni già incontrate, prende decisioni, modifica una spiegazione, interrompe un’attività, insiste su una domanda. Non ricostruisce necessariamente ogni volta la teoria che sostiene quelle decisioni.

Questa capacità è una componente preziosa dell’expertise.

Ma proprio ciò che diventa automatico può diventare difficile da osservare.

Perché ho interpretato quella risposta come segnale di incomprensione?

Perché considero questo studente “in difficoltà”?

Perché penso che questa attività sia più adatta di un’altra?

Perché continuo a spiegare quando gli studenti non capiscono?

Perché considero questo errore un problema da correggere immediatamente?

Perché ritengo che il silenzio di uno studente significhi che non sa?

Un interlocutore linguistico può chiedere di esplicitare queste inferenze, confrontarle con interpretazioni alternative, collegarle a concetti teorici, cercare elementi che le confermino o le mettano in discussione.

Il pensiero professionale dell’insegnante può così diventare oggetto di ulteriore pensiero.

Non perché la macchina conosca necessariamente la risposta corretta, ma perché la conversazione costringe a rendere esplicito ciò che nell’azione quotidiana tende a rimanere implicito.

Un formatore sempre disponibile

Considerata da questa prospettiva, l’intelligenza linguistica potrebbe svolgere una funzione che va ben oltre l’assistenza alla progettazione.

Potrebbe diventare una forma di formazione professionale situata nella pratica.

La formazione degli insegnanti avviene spesso lontano dalla situazione nella quale le conoscenze dovranno essere utilizzate. Si partecipa a un corso, si incontra una teoria, si conosce una metodologia, si analizzano esempi. Poi si torna in classe e bisogna riconoscere quando e come quelle conoscenze siano pertinenti a ciò che sta accadendo.

L’insegnante meccanico può invertire, almeno in parte, questo percorso.

Si può partire da un problema reale:

“Gli studenti sanno applicare la formula negli esercizi, ma quando presento un problema in forma diversa non sanno da dove cominciare.”

Da questa situazione la conversazione può portare al concetto di transfer, alla differenza tra conoscenza procedurale e comprensione concettuale, alla conoscenza inerte, alle modalità con cui una rappresentazione del problema orienta la selezione delle conoscenze.

La teoria non arriva necessariamente prima del problema.

Può essere mobilitata perché serve a comprendere il problema.

Questo non elimina il valore di una formazione sistematica. Una conversazione occasionale non sostituisce lo studio delle teorie dell’apprendimento, della didattica o della disciplina insegnata.

Ma può creare qualcosa che nella formazione professionale è estremamente prezioso: un collegamento immediato tra concettualizzazione e situazione concreta.

Una possibile zona di sviluppo professionale

Possiamo spingere ancora un po’ questa ipotesi.

La zona di sviluppo prossimale viene normalmente utilizzata per descrivere la distanza tra ciò che una persona riesce a fare autonomamente e ciò che riesce a fare con un sostegno competente.

Perché non pensare anche a una zona di sviluppo professionale dell’insegnante?

Un insegnante può essere capace, da solo, di analizzare una situazione fino a un certo livello. Attraverso il confronto con un collega esperto, un tutor, un formatore o una comunità professionale può arrivare a interpretazioni più articolate e progressivamente appropriarsi degli strumenti utilizzati per costruirle.

Un’intelligenza linguistica potrebbe entrare in questo spazio.

Potrebbe richiamare concetti che l’insegnante non avrebbe spontaneamente mobilitato, suggerire interpretazioni alternative, chiedere evidenze, mettere in relazione il problema con situazioni analoghe, simulare obiezioni, proporre prospettive teoriche differenti.

Potrebbe perfino assumere deliberatamente posizioni contrastanti:

“Proviamo a interpretare questa situazione da una prospettiva istruzionalista.”

“Adesso guardiamola da una prospettiva costruttivista.”

“Che cosa cambierebbe se considerassimo il problema dal punto di vista del carico cognitivo?”

“Quale lettura ne darebbe una prospettiva socioculturale?”

Non per stabilire quale teoria abbia automaticamente ragione, ma per impedire che una singola rappresentazione del problema diventi l’unica possibile.

In questo senso l’insegnante meccanico potrebbe diventare un moltiplicatore di prospettive.

Ma chi forma il formatore?

Qui dobbiamo introdurre una difficoltà seria.

Chiamare l’intelligenza linguistica “formatore” rischia di attribuirle un’autorevolezza che non possiede automaticamente.

Un modello linguistico può produrre una spiegazione pedagogica molto convincente anche quando semplifica una teoria, confonde concetti, costruisce riferimenti inesatti o propone una pratica sulla base di associazioni linguisticamente plausibili ma pedagogicamente fragili.

Può inoltre adattarsi troppo bene al proprio interlocutore.

Se l’insegnante manifesta una convinzione, la macchina potrebbe assecondarla invece di metterla realmente alla prova. Se formula il problema in un determinato modo, il sistema potrebbe lavorare all’interno di quella cornice senza interrogarsi sulla possibilità che sia proprio la cornice a essere sbagliata.

Un buon formatore umano non fornisce soltanto conoscenze.

Conosce il contesto professionale, osserva pratiche, assume responsabilità rispetto al percorso formativo, può riconoscere contraddizioni che attraversano una storia professionale nel tempo e, soprattutto, possiede una propria posizione teorica e professionale della quale può rendere conto.

L’insegnante meccanico non può essere assunto come autorità semplicemente perché parla con il linguaggio di un esperto.

Ma questo limite non annulla la possibilità che abbiamo descritto.

Ci obbliga piuttosto a precisare la relazione: l’intelligenza linguistica può contribuire alla formazione dell’insegnante soltanto se l’interazione rimane uno spazio di elaborazione e non diventa una nuova forma di dipendenza dall’esperto.

Scaffolding o protesi professionale?

Ritroviamo così, questa volta riferito all’insegnante, lo stesso problema incontrato con lo studente.

Immaginiamo due docenti che utilizzino quotidianamente l’intelligenza linguistica.

Entrambi, dopo un anno, producono lezioni migliori. Analizzano più accuratamente le difficoltà degli studenti, costruiscono attività più coerenti con gli obiettivi, differenziano maggiormente l’insegnamento.

Dall’esterno i risultati potrebbero apparire simili.

Ma nel primo caso l’insegnante ha progressivamente acquisito nuovi concetti e nuovi criteri. Ha imparato a riconoscere autonomamente alcune configurazioni, a interrogare le proprie scelte, a formulare ipotesi differenti. Ha bisogno della macchina per alcune attività, ma può svolgerne altre che un anno prima non avrebbe saputo affrontare.

Nel secondo caso l’insegnante continua a ottenere risultati migliori soltanto perché la macchina continua a svolgere quelle operazioni per lui.

Se la togliessimo, tornerebbe sostanzialmente al punto di partenza.

Nel primo caso abbiamo scaffolding.

Nel secondo abbiamo costruito una protesi professionale.

La distinzione non riguarda la qualità del prodotto finale. Riguarda ciò che è accaduto alla persona durante il processo.

Ed è precisamente per questo che valutare l’impatto dell’intelligenza linguistica soltanto osservando la qualità delle lezioni prodotte potrebbe essere fuorviante.

L’insegnante può imparare dalla macchina senza diventare come la macchina

C’è infine un possibile equivoco.

Se l’intelligenza linguistica aiuta l’insegnante a rendere più rigorosa la progettazione, esplicitare prerequisiti, analizzare errori, confrontare alternative e verificare la coerenza tra obiettivi e attività, potremmo pensare che il risultato sia semplicemente un insegnante biologico che impara a funzionare sempre più come un insegnante meccanico.

Non è necessariamente così.

La macchina può assumere proprio le attività di elaborazione nelle quali è particolarmente potente e liberare l’insegnante dalla necessità di svolgerle tutte autonomamente.

Ma soprattutto può aiutare l’insegnante a vedere dove quelle procedure non bastano.

Può mostrare che due sequenze sono entrambe didatticamente plausibili. Non può per questo decidere automaticamente quale sia appropriata per quelle persone, in quella classe, in quel momento.

Può produrre differenti interpretazioni di un comportamento. L’insegnante deve incontrare la persona alla quale quel comportamento appartiene.

Può suggerire obiettivi. Ma qualcuno deve assumersi la responsabilità di decidere quali obiettivi valga la pena perseguire.

Può ottimizzare un percorso verso un risultato. Ma resta aperta la domanda su chi abbia deciso che proprio quel risultato costituisca una destinazione educativa desiderabile.

È qui che la nostra terza domanda comincia a condurci verso la quarta.

Sì, l’insegnante meccanico può contribuire a rendere migliore l’insegnante biologico.

Può farlo non soltanto fornendogli informazioni o soluzioni, ma aiutandolo a pensare il proprio insegnamento, rendere esplicite le proprie decisioni, incontrare prospettive che non avrebbe considerato e mobilitare conoscenze teoriche per interpretare problemi reali.

Ma proprio quando immaginiamo la macchina al massimo delle sue possibilità, diventa più evidente che non tutte le componenti dell’insegnamento hanno la stessa natura.

Alcune sembrano descrivibili, analizzabili, proceduralizzabili e quindi, almeno in parte, meccanizzabili.

Altre sembrano chiamare in causa qualcosa di diverso.

Siamo finalmente arrivati alla domanda che avevamo annunciato all’inizio:

quali componenti dell’insegnamento sono realmente riducibili a procedure istruzionali e che cosa comincia esattamente dove l’insegnamento cessa di essere meccanico?

Dove finisce l’insegnamento meccanico?

Siamo arrivati alla domanda verso la quale convergeva tutto il percorso.

Abbiamo attribuito all’insegnante meccanico tutto ciò che, in via di principio, ci è sembrato ragionevole attribuirgli. Non abbiamo cercato di proteggerci dalla possibilità che possa svolgere alcune funzioni meglio dell’insegnante biologico. Gli abbiamo consentito di insegnare direttamente, di progettare l’insegnamento e perfino di contribuire alla formazione professionale dell’insegnante.

Possiamo quindi porre la domanda senza avere preventivamente indebolito la macchina:

quali componenti dell’insegnamento sono realmente riducibili a procedure istruzionali e che cosa comincia esattamente dove l’insegnamento cessa di essere meccanico?

La tentazione di rispondere è forte.

Ed è proprio qui che dobbiamo resisterle.

Non basta dire: la relazione umana

La risposta più immediata è nota.

La macchina può spiegare, organizzare, verificare, personalizzare. Ma l’insegnante umano possiede empatia, emozioni, sensibilità, capacità relazionale.

È vero che l’insegnamento è una relazione tra persone e che questa dimensione assume un peso enorme, soprattutto in determinate fasi dello sviluppo.

Ma se utilizzassimo la relazione come ultima linea di difesa dell’insegnante biologico avremmo concluso troppo presto.

Innanzitutto perché un’intelligenza linguistica può simulare linguisticamente comportamenti relazionali con notevole efficacia: può incoraggiare, riconoscere un’esitazione espressa verbalmente, modificare il tono, ricordare elementi precedenti della conversazione, formulare risposte che vengono percepite come comprensive.

Non dobbiamo confondere questa capacità con un’esperienza umana della relazione.

Ma dal punto di vista di chi interagisce, una parte degli effetti della relazione potrebbe comunque prodursi.

Soprattutto, però, ridurre ciò che resta dell’insegnante alla dimensione affettiva significherebbe concedere implicitamente alla macchina tutto il territorio cognitivo dell’insegnamento e lasciare all’essere umano il compito di renderlo emotivamente accettabile.

Sarebbe una conclusione sorprendentemente povera.

Dobbiamo cercare più in profondità.

Ciò che è proceduralizzabile

Riprendiamo ciò che abbiamo attribuito all’insegnante meccanico.

Può analizzare un dominio, individuare prerequisiti, organizzare informazioni, costruire sequenze, produrre rappresentazioni alternative, generare esempi e controesempi, formulare domande, analizzare risposte, riconoscere configurazioni di errore, fornire feedback, modificare la difficoltà, proporre attività differenti.

Può inoltre mettere in relazione obiettivi, attività e valutazione, confrontare strategie didattiche, mobilitare prospettive teoriche e suggerire interpretazioni alternative di un problema professionale.

Sono operazioni anche molto complesse.

Ma presentano una caratteristica comune: possono essere descritte come trasformazioni operate su informazioni disponibili all’interno di un sistema di vincoli e di obiettivi.

Se conosco A, se voglio arrivare a B e se dispongo di criteri attraverso i quali valutare il percorso, posso cercare una sequenza efficace tra A e B.

L’intelligenza linguistica è straordinariamente potente proprio in questo spazio.

Il punto interessante non è quindi stabilire una soglia di complessità oltre la quale la macchina non possa arrivare.

Potremmo continuare a spostare quella soglia e scoprire, tra qualche anno, che molte attività che oggi consideriamo troppo sofisticate sono diventate perfettamente accessibili a un sistema artificiale.

Il confine non può essere cercato semplicemente tra compiti facili per la macchina e compiti difficili per la macchina.

Dobbiamo cercarlo altrove.

Chi ha deciso che B è la destinazione?

Immaginiamo un insegnante meccanico perfettamente capace di condurre uno studente da A a B.

Conosce il punto di partenza, dispone di una rappresentazione sofisticata del dominio, seleziona il percorso, osserva continuamente ciò che accade e modifica l’intervento.

Potrebbe farlo magnificamente.

Rimane però una domanda:

perché vogliamo arrivare a B?

Chi ha stabilito che quella conoscenza debba essere appresa?

Perché proprio quella e non un’altra?

Perché deve essere appresa in quel momento?

Quale idea di persona, di cittadino, di professionista, di società rende desiderabile quell’obiettivo?

Che cosa siamo disposti a sacrificare per raggiungerlo?

Quanto conta l’efficienza rispetto all’autonomia?

Quanto conta la prestazione rispetto alla comprensione?

Quanto conta sapere una cosa rispetto all’imparare a costruire da sé la conoscenza necessaria?

Queste non sono domande tecniche sulla scelta del percorso.

Sono domande sulla destinazione.

Una macchina può aiutarci a formularle, mostrarci alternative, ricostruire tradizioni pedagogiche differenti, argomentare a favore e contro una scelta.

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.

Insegnare significa anche decidere che cosa merita di essere appreso

Questa distinzione diventa particolarmente importante nell’epoca dell’intelligenza linguistica.

Se una quantità crescente di informazioni può essere recuperata, organizzata e utilizzata al bisogno, la domanda su ciò che una persona debba possedere come conoscenza propria diventa ancora più importante, non meno.

Un sistema artificiale può informarci su quasi qualunque argomento.

Ma la scuola deve decidere che cosa una persona dovrebbe conoscere anche quando la macchina non è presente; quali concetti debbano diventare strumenti del suo pensiero; quali riferimenti culturali debbano permetterle di interpretare ciò che incontra; quali conoscenze siano necessarie per valutare criticamente proprio ciò che una macchina le propone.

Questa scelta non può essere derivata semplicemente dalla disponibilità dell’informazione.

È una scelta educativa.

E ogni scelta educativa contiene inevitabilmente una concezione di ciò che consideriamo desiderabile per la persona che sta crescendo.

L’insegnante non è l’unico a compiere questa scelta. Esistono curricoli, istituzioni, comunità scientifiche, tradizioni culturali, decisioni politiche.

Ma l’insegnante è uno dei luoghi nei quali questi fini generali incontrano persone concrete.

Ed è lì che la loro applicazione smette di essere interamente astratta.

La situazione educativa non è completamente data

Possiamo programmare una lezione.

Non possiamo programmare completamente ciò che accadrà quando quella lezione incontrerà una classe.

Uno studente formula una domanda imprevista.

Una discussione devia dal percorso previsto e apre una questione più importante.

Un errore rivela una rappresentazione del problema che nessuno aveva anticipato.

Un contenuto entra improvvisamente in relazione con qualcosa che sta accadendo nella vita della classe.

Un’attività perfettamente progettata non produce ciò che ci aspettavamo.

L’insegnante deve decidere.

Può ignorare la deviazione e riportare il percorso sulla sequenza prevista.

Può sospendere ciò che aveva programmato.

Può riconoscere che, in quel momento, ciò che sta accadendo è pedagogicamente più importante di ciò che avrebbe dovuto accadere.

Anche una macchina può certamente rilevare eventi imprevisti e modificare un piano.

Il punto non è l’imprevedibilità in sé.

La questione è secondo quale criterio attribuiamo valore a ciò che emerge.

Non tutto ciò che devia dal piano merita di essere seguito. Non tutto ciò che era programmato merita di essere portato a termine.

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

Non tutte le difficoltà devono essere eliminate

Abbiamo incontrato più volte questo problema.

L’insegnante meccanico potrebbe essere straordinariamente capace di identificare una difficoltà e rimuoverla.

Ma educare non significa costruire il percorso con il minor numero possibile di ostacoli.

Qualche volta l’insegnante decide di non spiegare.

Decide di lasciare una domanda aperta.

Non corregge immediatamente un errore.

Non fornisce l’informazione che permetterebbe allo studente di procedere.

Lascia che due interpretazioni incompatibili rimangano temporaneamente in tensione.

Costruisce intenzionalmente una situazione nella quale lo studente non dispone ancora di tutto ciò che gli servirebbe.

Dal punto di vista dell’efficienza istruzionale può sembrare una scelta irrazionale.

Dal punto di vista dell’apprendimento può essere precisamente ciò che serve.

Naturalmente anche un insegnante meccanico potrebbe essere programmato per introdurre difficoltà produttive.

Potrebbe sapere che in determinate condizioni il feedback differito è più efficace di quello immediato, che un problema deve precedere la spiegazione o che una determinata quantità di incertezza favorisce l’elaborazione.

Ma qui ricompare la questione precedente.

Per quale scopo stiamo introducendo quella difficoltà?

Se il fine è dato, la macchina può probabilmente ottimizzare anche la quantità di difficoltà.

Il problema ritorna ogni volta alla decisione su ciò che consideriamo desiderabile che accada alla persona mentre apprende.

Una persona non è soltanto uno stato cognitivo da modificare

C’è poi un ulteriore passaggio.

Nelle parti precedenti abbiamo parlato spesso dello “stato cognitivo dello studente”. È un’espressione utile. Permette di ragionare su conoscenze possedute, prerequisiti, rappresentazioni, errori, strategie.

Ma uno studente non è uno stato cognitivo.

È una persona che porta nella situazione educativa una storia, aspettative, paure, desideri, relazioni, un’immagine di sé, un rapporto con il sapere e con la possibilità stessa di riuscire ad apprendere.

Due studenti possono manifestare lo stesso errore e trovarsi in situazioni educative completamente differenti.

Per uno quell’errore può essere un passaggio normale nella costruzione del concetto.

Per un altro può confermare per l’ennesima volta la convinzione di “non essere portato”.

La risposta didatticamente corretta al primo non è necessariamente la risposta educativamente appropriata al secondo.

Non perché il secondo abbia semplicemente bisogno di una frase più incoraggiante.

Ma perché l’intervento dell’insegnante entra nella storia che quella persona sta costruendo di sé come soggetto capace o incapace di conoscere.

Qui la responsabilità educativa assume una forma che difficilmente può essere ridotta all’ottimizzazione di una prestazione.

L’insegnamento accade anche tra persone

Possiamo ora recuperare la relazione, ma in un senso meno consolatorio.

La relazione non è ciò che rimane all’insegnante biologico dopo che la macchina ha preso in carico la parte cognitiva.

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

Si impara anche perché qualcuno considera importante ciò che stiamo cercando di capire.

Perché una domanda viene presa sul serio.

Perché un errore non viene interpretato soltanto come deviazione da correggere.

Perché si entra in una comunità nella quale esistono modi condivisi di argomentare, verificare, dissentire, costruire significati.

La classe non è semplicemente un insieme di venticinque percorsi individualizzati.

È anche un luogo nel quale le persone apprendono insieme e attraverso le altre persone.

Una macchina può certamente partecipare a questo ambiente.

Ma se l’individualizzazione perfetta dell’insegnamento meccanico ci portasse a immaginare venticinque studenti ciascuno impegnato nel proprio percorso perfettamente adattato, potremmo avere guadagnato moltissimo sul piano dell’efficienza e perso qualcosa di fondamentale sul piano educativo.

Non tutto ciò che è individualizzabile dovrebbe necessariamente essere individualizzato.

Forse abbiamo posto male la domanda

A questo punto possiamo tornare alla domanda iniziale:

dove finisce l’insegnamento meccanico?

Forse non esiste una linea netta.

Non abbiamo da una parte una serie di attività che appartengono naturalmente alla macchina e dall’altra un nucleo puro di attività esclusivamente umane.

Molte funzioni si sovrappongono.

Una macchina può spiegare e un essere umano può spiegare.

Entrambi possono formulare domande, proporre alternative, riconoscere configurazioni, adattare un intervento.

Una macchina può perfino contribuire a una conversazione nella quale una persona attribuisce nuovi significati alla propria esperienza.

La distinzione interessante potrebbe quindi non essere tra ciò che la macchina può fare e ciò che non può fare.

Potrebbe essere tra ciò che può essere affidato a un processo di ottimizzazione rispetto a fini dati e ciò che richiede di interrogare, scegliere e assumersi la responsabilità di quei fini.

L’insegnante biologico non diventa necessario semplicemente quando la macchina raggiunge il proprio limite tecnico.

Potrebbe diventare necessario proprio quando dobbiamo decidere che cosa vogliamo fare della potenza tecnica che la macchina ci mette a disposizione.

E allora, quanta parte del nostro insegnamento è già meccanica?

Arriviamo così alla conclusione che avevamo anticipato.

Abbiamo iniziato chiedendoci se un insegnante meccanico potesse sostituire alcune funzioni dell’insegnante biologico.

Ma dopo aver percorso fino in fondo questa ipotesi, la domanda si rovescia.

Se una macchina può organizzare informazioni, costruire sequenze, spiegare, interrogare, verificare, correggere, individualizzare e adattare con straordinaria efficienza, forse il problema non è soltanto stabilire quanta parte dell’insegnante possa diventare macchina.

Dobbiamo anche domandarci:

quanta parte dell’insegnamento che pratichiamo abbiamo già concepito come un’attività meccanica?

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 necessariamente una minaccia esterna a quel modello.

Potrebbe rappresentarne la realizzazione più coerente.

Ed è forse questo l’aspetto più inquietante.

L’intelligenza artificiale non ci costringe principalmente a dimostrare che gli insegnanti sono insostituibili.

Ci costringe a spiegare perché dovrebbero esserlo.

E la risposta non può essere semplicemente che sono esseri umani.

Deve stare nella concezione dell’insegnamento che siamo capaci di costruire.

Forse l’intelligenza artificiale non ci costringerà principalmente a difendere gli insegnanti dalle macchine. Potrebbe costringerci a spiegare finalmente che cosa chiediamo a un insegnante quando gli chiediamo di non essere una macchina.

L’insegnante meccanico ci obbliga a ripensare l’insegnante biologico

Siamo partiti da tre domande.

La prima era volutamente provocatoria:

può l’insegnante meccanico insegnare direttamente meglio dell’insegnante biologico?

Dopo il percorso compiuto possiamo rispondere: sì, in alcune funzioni e in determinate condizioni può farlo.

Può disporre di una quantità enorme di informazioni, organizzarle, adattarne la presentazione, produrre spiegazioni differenti, individuare possibili prerequisiti, generare esercizi, analizzare risposte, fornire feedback e modificare continuamente il percorso. Può farlo individualmente, instancabilmente e con una capacità di elaborazione che nessun singolo insegnante può possedere.

Questo non significa che faccia necessariamente apprendere meglio.

Abbiamo visto quanto sia importante distinguere l’efficienza dell’istruzione dalla qualità dell’apprendimento, una prestazione corretta dalla conoscenza costruita, l’aiuto che sostiene lo sviluppo dall’aiuto che sostituisce il lavoro cognitivo della persona.

E soprattutto abbiamo dovuto abbandonare qualsiasi risposta generale.

Meglio per chi? Per imparare che cosa? Per raggiungere quale obiettivo?

Un bambino che sta costruendo gli strumenti cognitivi ed emotivi attraverso i quali diventerà progressivamente autonomo non si trova nella stessa condizione di un adulto capace di governare criticamente il proprio apprendimento. Acquisire una procedura non pone lo stesso problema che imparare a formulare problemi. Arrivare rapidamente a una prestazione corretta non equivale necessariamente a diventare capaci di agire autonomamente quando il sostegno scompare.

La seconda domanda era:

può l’insegnante meccanico preparare un insegnamento migliore di quello che mediamente prepara l’insegnante biologico?

Anche qui la risposta è: sì, può farlo.

Ma abbiamo scoperto che “preparare una lezione” è probabilmente la formulazione meno interessante di questa possibilità.

L’intelligenza linguistica può contribuire a rendere esplicita l’architettura cognitiva dell’insegnamento. Può interrogare i prerequisiti, mettere in discussione una sequenza, confrontare rappresentazioni differenti, anticipare misconcezioni, verificare la coerenza tra obiettivi, attività e valutazione.

Può soprattutto fare qualcosa che un generatore di materiali non fa:

può interrogare l’insegnante.

A quel punto la macchina non produce semplicemente un insegnamento migliore.

Contribuisce a rendere visibile il pensiero professionale che sta dietro l’insegnamento.

Ed è così che siamo arrivati alla terza domanda:

può rendere migliore l’insegnante biologico?

Ancora una volta abbiamo trovato buone ragioni per rispondere affermativamente.

L’intelligenza linguistica può diventare interlocutore professionale. Può mettere sotto pressione un’interpretazione, proporne altre, mobilitare una teoria quando serve a comprendere un problema concreto, chiedere evidenze, mettere in relazione situazioni differenti.

Può entrare in quella che abbiamo chiamato una possibile zona di sviluppo professionale dell’insegnante.

Ma anche qui abbiamo incontrato la stessa distinzione che attraversa tutto il nostro ragionamento.

Se la macchina svolge permanentemente il lavoro professionale al posto dell’insegnante, abbiamo costruito una protesi.

Se l’interazione permette all’insegnante di appropriarsi progressivamente di nuovi concetti, criteri e modi di interpretare le situazioni, abbiamo costruito uno scaffolding.

Un insegnante che produce lezioni migliori grazie alla macchina non è necessariamente diventato un insegnante migliore.

Come per lo studente, ciò che conta non è soltanto ciò che riesce a fare con l’aiuto, ma ciò che progressivamente diventa capace di fare anche senza quell’aiuto.

Le tre risposte ci hanno portato altrove

Avremmo potuto fermarci qui e distribuire ordinatamente le funzioni.

Queste alla macchina.

Queste all’insegnante.

Queste da svolgere insieme.

Sarebbe probabilmente una conclusione molto pratica.

Ma non sarebbe la conclusione alla quale ci ha portato il nostro ragionamento.

Più abbiamo preso sul serio le capacità dell’insegnante meccanico, più è diventato difficile individuare una semplice lista di attività esclusivamente umane.

Ogni volta che cercavamo un confine tecnico, potevamo immaginare una macchina capace di avvicinarlo o superarlo.

Per questo abbiamo dovuto cambiare domanda.

Non più:

che cosa può fare soltanto l’insegnante biologico?

Ma:

che cosa stiamo facendo quando insegniamo?

Ed è una domanda molto più impegnativa.

Una macchina può obbligarci a parlare di pedagogia

Una parte dell’insegnamento può certamente essere descritta come organizzazione dell’istruzione.

Esiste un punto di partenza. Esistono conoscenze da costruire. Esistono prerequisiti, sequenze, strategie, attività, feedback, verifiche.

Possiamo migliorare tutto questo.

E l’insegnante meccanico potrebbe aiutarci enormemente a farlo.

Ma la pedagogia comincia a porre domande che non possono essere risolte semplicemente ottimizzando il percorso.

Quali conoscenze vogliamo che una persona possieda?

Quale autonomia vogliamo che costruisca?

Quale rapporto con il sapere vogliamo sviluppare?

Quali difficoltà vale la pena attraversare?

Quale dipendenza da strumenti esterni siamo disposti ad accettare?

Quale persona vogliamo contribuire a formare?

E, inevitabilmente:

quale scuola vogliamo?

L’insegnante meccanico può partecipare anche a questa conversazione.

Può aiutarci a ricostruire teorie, confrontare posizioni, formulare argomenti, evidenziare contraddizioni.

Ma non elimina la necessità che qualcuno scelga.

E soprattutto che qualcuno risponda delle scelte compiute.

Il problema non è salvare il posto dell’insegnante

Forse è questo il punto nel quale il confronto con l’intelligenza artificiale può diventare davvero produttivo.

Se affrontiamo il problema partendo dalla necessità di dimostrare che l’insegnante è insostituibile, costruiremo inevitabilmente una linea difensiva.

Cercheremo qualcosa che la macchina non sa fare.

Quando la macchina imparerà a farlo, sposteremo il confine.

Poi lo sposteremo ancora.

È una strategia destinata a diventare sempre più fragile.

La domanda pedagogicamente interessante non è:

che cosa dobbiamo conservare all’essere umano affinché continui ad avere un ruolo?

La domanda è:

quali funzioni vogliamo che l’insegnante continui ad assumere perché sono necessarie alla forma di educazione che consideriamo desiderabile?

La differenza è enorme.

Nel primo caso partiamo dall’insegnante e cerchiamo di proteggerlo.

Nel secondo partiamo dall’educazione e decidiamo di quale insegnante abbiamo bisogno.

Forse il vero problema siamo noi

L’insegnante meccanico che abbiamo costruito in queste pagine è inquietante proprio perché non è semplicemente una caricatura tecnologica dell’insegnante.

Fa molte cose che consideriamo buone pratiche.

Individualizza.

Fornisce feedback.

Tiene conto dei prerequisiti.

Differenzia le spiegazioni.

Adatta la difficoltà.

Analizza gli errori.

Costruisce percorsi.

Potrebbe perfino aiutarci a diventare insegnanti migliori.

Per questo la sua comparsa ci mette in una posizione scomoda.

Se ciò che chiediamo all’insegnante è prevalentemente trasmettere contenuti organizzati, spiegare bene, assegnare esercizi, correggere errori e verificare che gli studenti sappiano riprodurre ciò che è stato insegnato, abbiamo costruito una professione che una macchina particolarmente potente potrebbe essere molto adatta a svolgere.

Non è la macchina ad avere impoverito l’insegnamento.

Potremmo averlo impoverito noi prima che la macchina arrivasse.

Ed è forse questa la conclusione meno rassicurante di tutto il percorso.

L’intelligenza artificiale non ci obbliga a dimostrare che l’insegnante biologico è migliore dell’insegnante meccanico.

Ci offre un’occasione molto più interessante e molto più difficile:

decidere che cosa debba essere un insegnante quando una parte crescente di ciò che tradizionalmente gli abbiamo chiesto di fare può essere svolta anche da una macchina.

Avevamo anticipato all’inizio che l’arrivo dell’insegnante meccanico avrebbe potuto mostrarci quanta parte dell’insegnamento che oggi svolgiamo sia già, di fatto, meccanica.

Dopo aver percorso fino in fondo questa ipotesi, possiamo aggiungere qualcosa.

Forse l’intelligenza artificiale non ci costringerà principalmente a difendere gli insegnanti dalle macchine. Potrebbe costringerci a spiegare finalmente che cosa chiediamo a un insegnante quando gli chiediamo di non essere una macchina.

Lo spazio dell’insegnante biologico

Dopo aver attribuito all’insegnante meccanico tutte le funzioni che abbiamo ritenuto ragionevole attribuirgli, possiamo provare a ricomporre lo spazio dell’insegnante biologico.

Non si tratta di stabilire che cosa rimanga all’essere umano dopo aver consegnato alla macchina tutto ciò che essa sa fare meglio. Il percorso compiuto suggerisce qualcosa di diverso.

L’insegnante biologico assume la responsabilità della situazione educativa nel suo insieme.

È lui che incontra lo studente non soltanto come uno stato cognitivo da modificare, ma come una persona in un determinato momento del proprio sviluppo, con un grado specifico di autonomia cognitiva ed emotiva, una storia, un rapporto con il sapere e con la propria capacità di apprendere.

È lui che assume la responsabilità di decidere che una difficoltà non debba essere eliminata, che un aiuto efficace debba essere progressivamente ritirato, che una risposta debba essere temporaneamente sospesa, che una deviazione dal percorso programmato sia più importante del programma stesso.

È lui che deve valutare non soltanto se, grazie al sostegno ricevuto, lo studente riesca a svolgere un’attività, ma se quel sostegno stia contribuendo a renderlo progressivamente capace di svolgerla assumendo in prima persona le funzioni che inizialmente erano sostenute dall’esterno.

È ancora l’insegnante biologico che assume la responsabilità di collocare l’apprendimento dentro una dimensione sociale. Una classe non è la somma di venticinque percorsi individualizzati, per quanto perfettamente costruiti. È anche un ambiente nel quale si impara a formulare pubblicamente un pensiero, ascoltare quello degli altri, dissentire, argomentare, costruire significati condivisi e partecipare a pratiche di conoscenza.

Soprattutto, l’insegnante biologico non opera soltanto all’interno di obiettivi dati.

Può e deve interrogare gli obiettivi stessi.

Deve assumersi la responsabilità di decidere se ciò che è possibile insegnare sia anche ciò che vale la pena insegnare; se l’efficienza con cui uno studente raggiunge una prestazione sia compatibile con l’autonomia che vogliamo costruire; se una conoscenza debba essere posseduta dalla persona o possa essere affidata a un sistema esterno; se una determinata dipendenza cognitiva sia accettabile; quale idea di persona e di cittadino sia implicita nelle scelte che compiamo.

L’intelligenza linguistica può partecipare a tutte queste riflessioni. Può proporre alternative, mettere in discussione una decisione, ricostruire prospettive teoriche, mostrare conseguenze che l’insegnante non aveva considerato.

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

Forse è proprio qui che possiamo collocare lo spazio dell’insegnante biologico senza ricorrere all’idea consolatoria di una sua generica “insostituibilità”.

Non è necessariamente colui che spiega meglio.

Non è necessariamente colui che possiede più informazioni.

Non è necessariamente colui che costruisce la sequenza istruzionale migliore.

E potrebbe non essere neppure colui che individua più rapidamente la spiegazione capace di superare una difficoltà.

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.

In questo senso l’insegnante meccanico non rende meno importante l’insegnante biologico.

Potrebbe costringerci, piuttosto, a collocare la sua professionalità a un livello diverso da quello al quale per molto tempo 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 una situazione educativa, compiere scelte, governare consapevolmente l’uso degli strumenti e assumersi la responsabilità dei fini perseguiti e delle conseguenze che quelle scelte possono avere sullo sviluppo e sull’autonomia della persona che apprende.

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

A questo punto rimane una domanda che abbiamo deliberatamente lasciato sullo sfondo:

tutto il ragionamento che abbiamo sviluppato non dipende forse da una particolare concezione dell’insegnamento?

Sì.

Per mettere realmente alla prova l’insegnante meccanico abbiamo scelto di confrontarlo soprattutto con quella componente dell’insegnamento che può essere descritta come istruzione: analizzare un dominio, organizzare informazioni, individuare prerequisiti, costruire sequenze, spiegare, esercitare, verificare, fornire feedback, adattare il percorso.

Ed è proprio su questo terreno che l’intelligenza linguistica ha mostrato tutta la propria forza.

Ma una prospettiva costruttivista potrebbe rivolgerci un’obiezione radicale: 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 un volume dal titolo significativamente dialogico, Constructivism and the Technology of Instruction: A Conversation, nel quale prospettive costruttiviste e instructional design venivano messe a confronto proprio sui modi differenti di concepire apprendimento e istruzione.

Più di trent’anni dopo, l’intelligenza linguistica rende quella conversazione sorprendentemente attuale.

Una macchina capace di organizzare informazioni, individualizzare percorsi, generare rappresentazioni, fornire feedback e adattare continuamente l’istruzione potrebbe rappresentare una realizzazione tecnologica straordinariamente potente di molte funzioni che abbiamo tradizionalmente attribuito all’insegnamento istruzionale.

Ma proprio il suo successo potrebbe rendere più evidente la domanda costruttivista:

possiamo identificare un buon insegnamento con una istruzione sempre meglio organizzata?

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 da sola 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.

È una questione che merita una trattazione specifica.

Per ora possiamo lasciarla aperta, come prosecuzione ideale di quella conversation iniziata più di trent’anni fa.