Con l’IA a scuola dobbiamo sapere di meno?

In breve

Questo articolo non nasce principalmente per affrontare alcune questioni pedagogiche e didattiche associate all’IA, ma per mettere in discussione, attraverso quelle questioni, una narrazione sempre più diffusa nella scuola, nei post sui social, negli articoli e anche in alcune proposte di formazione rivolte ai docenti. È la narrazione secondo cui ciò che l’IA sa ormai fare renderebbe superate molte pratiche scolastiche e meno importante una parte del sapere che tradizionalmente chiediamo agli studenti di costruire. L’articolo prova a confutare questa conclusione partendo dal valore del prodotto e del lavoro cognitivo necessario a realizzarlo, per arrivare al ruolo della conoscenza, dell’autorialità e dell’autonomia. La tesi è che l’IA cambia profondamente le condizioni nelle quali facciamo scuola, ma non determina quale scuola dobbiamo costruire né rende inevitabili determinate scelte pedagogiche. Anzi, proprio la crescente possibilità di delegare attività cognitive all’IA potrebbe rendere ancora più importante possedere conoscenze solide per comprenderla, controllarla e, quando necessario, metterla in discussione.

Prodotto, apprendimento e sapere disciplinare nella scuola ai tempi dell’intelligenza artificiale

Mi sono imbattuto in un post su Facebook sulla scuola ai tempi dell’IA.

Ho trovato alcune affermazioni condivisibili e che ho sviluppato anch’io in alcuni miei articoli: la necessità di non valutare soltanto il prodotto finale, l’importanza di rendere visibile il processo di apprendimento, il cambiamento del ruolo dell’insegnante, la necessità di interrogarsi sul senso di ciò che facciamo a scuola.

Ma molte altre affermazioni banalizzano, e in alcuni casi fanno una caricatura, tanto della scuola quanto dell’IA.

Non è un caso isolato. Ritrovo lo stesso schema in molti discorsi che, più che interrogarsi su che cosa l’IA significhi realmente per l’apprendimento, sembrano preoccupati di “vendere” l’IA alla scuola: convincerci che siamo davanti a una rivoluzione inevitabile e che, proprio per questo, dobbiamo abbandonare pratiche, conoscenze e concezioni dell’apprendimento considerate improvvisamente obsolete.

Il procedimento è spesso semplice: si costruisce una caricatura della scuola che abbiamo — nozionistica, trasmissiva, fondata sulla memoria, sulla fatica e sul prodotto — e la si contrappone a una scuola finalmente liberata dall’IA: critica, creativa, collaborativa, centrata sui processi e sulle domande.

Se si banalizza la scuola di partenza, diventa però molto facile dimostrare la superiorità della scuola che si vuole proporre.

Il post che ho letto è interessante proprio perché contiene molti degli elementi di questa narrazione. Ne riprendo alcuni passaggi non tanto per discutere quel singolo testo, quanto perché permettono di affrontare questioni che considero centrali quando parliamo di IA e scuola.

Se l’IA sa farlo, perché deve farlo lo studente?

Il passaggio che più chiaramente esprime la tesi del post è questo:

«Continuare a chiedere ai nostri studenti di fare ciò che una macchina esegue in modo immediato e senza sforzo non è rigore pedagogico; è un esercizio educativo ormai privo di prospettiva.»

L’affermazione sembra quasi ovvia.

Se un’IA può scrivere in pochi secondi un buon saggio storico, risolvere un problema di fisica, tradurre un testo, sintetizzare documenti, perché continuare a chiedere agli studenti di farlo?

Il problema è che questa domanda confonde due cose molto diverse: il valore del prodotto e il valore dell’attività attraverso la quale quel prodotto viene costruito.

Uno studente non risolve un’equazione perché alla società serva il risultato di quell’equazione. Non scrive un saggio perché abbiamo bisogno di un altro saggio. Non traduce un testo perché manchi quella traduzione.

Fa queste cose perché, facendole, dovrebbe costruire conoscenze e capacità.

Fare lascia qualcosa in chi fa.

Una motocicletta percorre dieci chilometri molto più velocemente di me e con molta meno fatica. Questo rende inutile correre dieci chilometri soltanto se il mio obiettivo è arrivare dieci chilometri più avanti. Non lo rende affatto inutile se il mio obiettivo è allenare il mio corpo.

Con molte attività cognitive accade qualcosa di simile.

La domanda pedagogicamente interessante non è quindi:

L’IA sa fare questa cosa meglio dello studente?

È:

Che cosa accade nello studente mentre fa questa cosa e che cosa non accadrebbe se la delegasse all’IA?

Il prodotto non ha perso il suo valore

Il post coglie però un problema reale quando afferma:

«Quando un elaborato può essere generato o profondamente coadiuvato da un algoritmo, un giudizio incentrato solo sul testo finale risulta cieco rispetto al vero valore aggiunto dell’alunno.»

Su questo sono d’accordo. Ne ho ampiamente parlato qui.

Ma la conclusione non è che il prodotto abbia perso significato.

Dobbiamo distinguere almeno tre funzioni del prodotto scolastico.

Il prodotto può essere un obiettivo: voglio che uno studente impari a scrivere un testo argomentativo e quindi gli chiedo di produrne uno.

Può essere un mezzo per apprendere: mentre scrive, lo studente organizza conoscenze, stabilisce relazioni, incontra contraddizioni, cerca argomenti, sceglie parole.

Può infine essere un’evidenza dell’apprendimento: osservo quel testo e cerco di capire che cosa lo studente sa, comprende e sa fare.

L’IA non mette allo stesso modo in crisi tutte e tre queste funzioni.

Mette soprattutto in crisi la terza.

Per molto tempo abbiamo potuto assumere, con tutte le cautele del caso, una relazione abbastanza semplice:

vedo il prodotto → inferisco qualcosa sulle capacità dello studente.

Con l’IA questa inferenza diventa molto più debole.

Un ottimo testo non dimostra più che chi lo presenta sappia scrivere un ottimo testo. Una soluzione corretta non dimostra che abbia saputo risolvere il problema. Una raffinata argomentazione non dimostra che quell’argomentazione sia stata costruita dallo studente.

Ma da questo non consegue che dobbiamo abbandonare il prodotto.

Consegue che il prodotto, da solo, non basta più.

Prodotto, processo e autore

Una risposta molto diffusa consiste nello spostare la valutazione dal prodotto al processo.

È un passo importante, ma neppure questo risolve il problema.

L’IA può intervenire anche nel processo.

Può aiutare a formulare la domanda, costruire un piano di lavoro, individuare argomenti, suggerire controargomentazioni, trovare errori, proporre revisioni. Può persino generare un impeccabile diario metacognitivo nel quale “lo studente” racconta che cosa ha imparato e quali difficoltà ha incontrato.

Quindi:

il prodotto da solo non basta.

Il processo da solo non basta.

Dobbiamo mettere in relazione prodotto, processo e persona.

Lo studente comprende ciò che presenta? Sa spiegare come ci è arrivato? Sa giustificare le proprie scelte? Sa indicare dove e perché ha utilizzato l’IA? Sa riconoscere un punto debole? Sa modificare la propria posizione davanti a un’obiezione? Sa discutere ciò che ha prodotto quando l’IA non è più davanti a lui?

Qui entra in gioco quella che considero una questione centrale: l’autorialità. Ho trattato ampiamente anche questo tema.

Essere autore non significa necessariamente aver scritto personalmente ogni parola. Significa comprendere ciò che si presenta, riconoscersi in ciò che si afferma ed essere capaci di darne ragione.

Il prodotto, allora, non scompare affatto dalla valutazione.

Cambia il modo in cui lo utilizziamo.

Potremmo dirlo così:

non valutare semplicemente il prodotto; valutare lo studente attraverso il prodotto.

Le “routine cognitive” possono costruire capacità

Nel post, molte attività tradizionalmente richieste dalla scuola vengono ricondotte alla categoria delle routine cognitive, ormai eseguibili molto più efficacemente dalle macchine.

Ma una prestazione può essere routinaria rispetto al risultato e importante rispetto all’apprendimento.

Un bambino esegue operazioni che una calcolatrice svolge infinitamente meglio.

Chi impara una lingua costruisce frasi elementari che un traduttore automatico produce senza difficoltà.

Un musicista ripete migliaia di volte scale che un computer può riprodurre perfettamente.

Un atleta ripete gesti che sa già compiere.

L’esercizio non serve sempre a ottenere il prodotto. Serve anche a costruire la capacità di produrlo.

Con l’IA possiamo ottenere molti risultati eliminando l’esercizio che prima era necessario per raggiungerli.

È un guadagno quando eliminiamo lavoro inutile.

Può diventare una perdita quando eliminiamo proprio il lavoro attraverso il quale si costruiva una capacità.

Per questo non possiamo decidere che cosa delegare all’IA osservando soltanto ciò che l’IA sa fare.

Davvero abbiamo meno bisogno di conoscenza?

A questo punto emerge un’altra affermazione del post:

«Quello che serve ora non è il deposito di informazioni, ma la capacità di navigarle, di metterle in discussione, di verificarne le fonti.»

È una contrapposizione che considero particolarmente problematica.

Per navigare la conoscenza devo possedere conoscenza.

Per valutare una risposta dell’IA devo sapere qualcosa.

Per riconoscere un errore devo sapere qualcosa.

Per confrontare due spiegazioni devo possedere criteri.

Per accorgermi che manca qualcosa devo avere una rappresentazione sufficientemente ricca dell’argomento.

Persino per formulare buone domande bisogna sapere abbastanza da poterle formulare.

Ho affrontato altrove questo problema discutendo che cosa possiamo delegare all’IA senza smettere di imparare a pensare. Possiamo sintetizzarlo in una formula: bisogna sapere abbastanza per poter sapere di più.

Il pensiero critico non è un’alternativa alla conoscenza. Lavora sulla conoscenza e attraverso la conoscenza.

Non posso valutare criticamente una spiegazione di fisica senza conoscere un po’ di fisica. Non posso riconoscere una ricostruzione storica discutibile senza conoscere storia. Non posso giudicare un’analisi statistica senza possedere qualche conoscenza di statistica.

E proprio l’IA rende questa questione ancora più importante.

Forse con l’IA abbiamo bisogno di sapere di più

Per anni abbiamo sentito ripetere che non è più necessario possedere molte conoscenze perché le informazioni sono disponibili in rete.

Con l’IA questa argomentazione rischia di diventare ancora più seducente: perché imparare ciò che posso chiedere in qualsiasi momento a una macchina?

Ma c’è una differenza fondamentale.

Un motore di ricerca mi permette di trovare documenti che devo ancora leggere, confrontare e interpretare.

L’IA compie già per me una parte consistente di questo lavoro. Seleziona informazioni, le organizza, le mette in relazione, le sintetizza e me le restituisce sotto forma di una risposta linguisticamente coerente e spesso molto convincente.

Proprio per questo potremmo arrivare alla conclusione opposta:

con l’IA potremmo avere bisogno di sapere di più, non di meno.

Non intendo semplicemente accumulare una maggiore quantità di nozioni.

Intendo possedere una conoscenza sufficientemente strutturata da permetterci di interrogare, comprendere, controllare e, quando necessario, contestare ciò che l’IA ci propone.

La conoscenza interna alla persona diventa una condizione per governare la conoscenza esternalizzata.

Diventa una questione di sovranità cognitiva.

La stessa IA non dà a tutti lo stesso potere. Nuove forme di diseguaglianza.

Qui compare anche una questione sociale che non possiamo ignorare.

Immaginiamo due studenti che utilizzano esattamente la stessa IA.

Uno possiede conoscenze solide sull’argomento. L’altro ne possiede pochissime.

Il primo può usare l’IA per ampliare ciò che sa: può porre domande più profonde, riconoscere incongruenze, confrontare interpretazioni, rifiutare una risposta, chiedere approfondimenti mirati.

Il secondo dipende molto di più da ciò che l’IA gli restituisce.

Formalmente hanno accesso allo stesso strumento.

Cognitivamente non possiedono affatto lo stesso potere.

Democratizzare l’accesso all’IA non significa automaticamente democratizzare la capacità di utilizzarla.

Una scuola che riducesse il proprio compito di costruire conoscenza pensando che questa sia ormai disponibile all’esterno potrebbe quindi produrre un effetto paradossale.

Chi dispone già di ambienti culturalmente ricchi continuerebbe ad acquisire conoscenze, linguaggio, riferimenti e criteri anche altrove.

Chi dipende maggiormente dalla scuola potrebbe riceverne meno.

Il risultato potrebbe essere una nuova forma di disuguaglianza: tra chi possiede abbastanza conoscenza per utilizzare l’IA come amplificatore delle proprie capacità e chi deve affidarsi all’IA perché non possiede abbastanza conoscenza per controllarla.

Una scuola povera di conoscenza non è necessariamente una scuola più emancipatrice.

Potrebbe essere esattamente il contrario.

Una vecchia idea di scuola vestita con una tecnologia nuova?

Ed è qui che il singolo post diventa interessante come esempio di una narrazione più ampia.

Nel testo leggiamo:

«Fino ad oggi la scuola è stata principalmente un’agenzia di accumulazione nozionistica.»

La vecchia scuola viene descritta attraverso nozioni, memorizzazione, verifiche standardizzate, trasmissione delle conoscenze.

C’è poi una parola che ricorre spesso in queste rappresentazioni della scuola: nozionismo. È una parola comoda, perché permette di trasformare il sapere in una caricatura: una somma di informazioni isolate da memorizzare meccanicamente, conservare fino all’interrogazione e possibilmente dimenticare subito dopo. Ma questa non è la conoscenza che una buona didattica ha mai avuto come obiettivo. Acquisire conoscenze non significa accumulare nozioni come oggetti in un magazzino. Significa comprenderle, metterle in relazione con ciò che già si sa, organizzarle in strutture sempre più ricche, utilizzarle per interpretare situazioni nuove, modificarle quando incontrano qualcosa che non riescono a spiegare. Una conoscenza diventa tanto più potente quanto più è profonda, connessa e significativa. Il problema, quindi, non è scegliere tra nozioni e pensiero, perché senza conoscenze sulle quali lavorare il pensiero lavora a vuoto. Il problema didattico è sempre stato trasformare informazioni e nozioni in conoscenza compresa, integrata e utilizzabile. Liquidare questo lavoro come “nozionismo” non è una critica alla cattiva didattica: rischia di diventare una svalutazione del sapere stesso.

A questa rappresentazione impoverita della scuola che abbiamo viene contrapposta, quasi specularmente, la scuola che dovrebbe finalmente nascere: domande, pensiero critico, ricerca, collaborazione, processi, significato, insegnante facilitatore. Da una parte nozioni, memoria e trasmissione; dall’altra comprensione, pensiero e costruzione della conoscenza. Ma è proprio questa contrapposizione a essere fuorviante: una buona scuola non deve scegliere tra conoscenza e pensiero, perché il secondo si costruisce anche attraverso la prima.

E soprattutto questa contrapposizione non nasce con l’intelligenza artificiale.

La critica alla scuola trasmissiva attraversa la pedagogia e la didattica da molto tempo. Apprendimento attivo, costruzione della conoscenza, problem solving, collaborazione, metacognizione, centralità dello studente non sono invenzioni dell’era di ChatGPT.

E neppure è la prima volta che una nuova tecnologia viene presentata come la leva che finalmente costringerà la scuola a cambiare.

Internet, la LIM, i tablet, gli ambienti digitali, il coding sono stati presentati, in momenti diversi, come occasioni per superare la scuola trasmissiva e costruire finalmente una scuola più attiva, collaborativa, centrata sulle competenze e sullo studente.

Oggi al posto d’onore c’è l’intelligenza artificiale.

Questo non significa che queste tecnologie siano equivalenti, né che l’IA sia semplicemente l’ultima moda della serie. Le caratteristiche dell’IA pongono alla scuola problemi realmente nuovi e, a mio avviso, molto più profondi.

Proprio per questo dovremmo chiederci quanto di ciò che oggi viene presentato come conseguenza pedagogica dell’IA derivi realmente dalle caratteristiche dell’IA e quanto appartenga invece a una concezione della scuola elaborata molto prima, che nell’IA ha trovato un nuovo e potentissimo argomento per affermarsi.

Se cambiano continuamente le tecnologie chiamate a rivoluzionare la scuola, mentre la scuola che dovrebbe emergere dalla rivoluzione rimane sostanzialmente la stessa, qualche domanda è legittimo porsela.

L’innovazione non è un valore pedagogico in sé

La questione, quindi, non è schierarsi a favore o contro una presunta “scuola tradizionale”, né contrapporle una altrettanto generica “scuola innovativa”. Nella scuola convivono pratiche diverse, alcune delle quali possono essere profondamente ripensate alla luce dell’IA, mentre altre possono conservare pienamente il loro valore proprio perché svolgono una funzione formativa che la disponibilità dell’IA non elimina.

Ma anche parlare di “valore educativo” di una pratica richiede un passo ulteriore. Non esiste infatti una didattica buona in assoluto, indipendentemente dagli scopi che le attribuiamo. Ciò che consideriamo coerente, funzionale ed efficace dipende da che cosa pensiamo debba fare la scuola, da quale idea abbiamo di apprendimento e, ancora più in profondità, da quale persona vogliamo contribuire a formare e da quale società immaginiamo quella persona debba abitare e contribuire a costruire.

Per questo la contrapposizione tra tradizione e innovazione dice molto poco. Anche l’innovazione deve essere interrogata rispetto agli scopi che persegue e alla concezione di persona e di società che porta con sé, esplicitamente o implicitamente. Innovare non significa automaticamente migliorare: prima dobbiamo dire rispetto a quale idea di scuola e a quale scopo educativo qualcosa rappresenti davvero un miglioramento.

Se la soluzione pedagogica era già pronta prima che comparisse il problema, vale la pena chiedersi quanto l’analisi del problema stia realmente determinando la soluzione.

L’IA non ci dice quale scuola dobbiamo costruire

Nel post si parla della scuola che «la tecnologia ci costringe a costruire».

Non credo sia così.

L’IA cambia profondamente le condizioni nelle quali la scuola opera. Rende possibili attività che prima non lo erano. Ne rende probabilmente inutili alcune. Trasforma il modo di produrre conoscenza e mette in crisi molti strumenti tradizionali di valutazione.

Ma l’IA non possiede un progetto pedagogico.

Non ci dice che cosa uno studente debba sapere.

Non ci dice quali capacità debba costruire personalmente.

Non ci dice che cosa possa delegare senza perdere qualcosa di importante.

Non ci dice quale fatica sia inutile e quale invece sia necessaria per imparare.

Queste rimangono decisioni educative.

Per ogni attività possiamo allora porci almeno tre possibilità:

l’IA lo fa per me.

Lo faccio con l’IA.

Lo faccio io.

La scelta non dipende soltanto da quanto l’IA sia brava a svolgere quell’attività. Dipende da che cosa vogliamo che accada nella persona attraverso quell’attività: quali conoscenze vogliamo che costruisca, quali capacità eserciti, quale autonomia sviluppi, quale rapporto impari ad avere con il sapere e con gli strumenti che utilizza.

E anche questa scelta rimanda a qualcosa di più generale. Dipende dalla nostra idea di apprendimento e di scuola, ma anche dalla nostra visione di persona e di società. Che cosa riteniamo importante che una persona sappia e sappia fare? Quale grado di autonomia vogliamo che conservi rispetto agli strumenti ai quali può delegare parte delle proprie attività cognitive? Quale rapporto vogliamo che abbia con la conoscenza? E quale tipo di cittadino pensiamo sia necessario in una società nella quale una parte crescente della conoscenza e della sua elaborazione può essere affidata a sistemi artificiali?

Sono domande educative, culturali e politiche. L’IA può renderle più urgenti, ma non può rispondere al nostro posto.

Ed è per questo che la domanda dalla quale ero partito — se abbia ancora senso far fare agli studenti ciò che l’IA sa fare meglio di loro — alla fine si rovescia.

Il fatto che l’IA sappia produrre ciò che chiediamo agli studenti non ci dice ancora se dobbiamo smettere di chiederglielo.

Dobbiamo prima capire perché glielo chiedevamo.

Se ci interessava soltanto il prodotto, probabilmente molte cose cambieranno.

Se attraverso quel prodotto volevamo costruire conoscenza, capacità, criteri di giudizio e autonomia, dobbiamo essere molto più cauti prima di delegarne la produzione.

E forse la domanda decisiva per la scuola nell’epoca dell’IA non è:

Che cosa non serve più imparare perché adesso può farlo l’IA?

Potrebbe essere esattamente quella opposta:

Che cosa deve sapere e saper fare una persona per rimanere autonoma in un mondo nel quale l’IA può fare sempre più cose al suo posto?

Quando l’entusiasmo per l’IA semplifica troppo

Quando l’entusiasmo per l’IA semplifica troppo

Questo articolo ha cercato soprattutto di mettere in guardia da letture troppo semplici, parziali o ideologicamente orientate dell’impatto dell’IA sulla scuola. Una tecnologia così potente merita di essere presa sul serio, anche nelle contraddizioni e nei problemi che apre, senza utilizzarla come conferma di idee pedagogiche già definite in precedenza.

Il problema non è l’entusiasmo per l’IA, comprensibile davanti a possibilità che fino a pochi anni fa erano difficili persino da immaginare. Il problema nasce quando l’entusiasmo diventa una lente che semplifica questioni pedagogiche complesse e fa apparire come inevitabili conclusioni che inevitabili non sono.

È una forma di TINA — There Is No Alternative: poiché l’IA esiste e può fare determinate cose, allora la scuola non potrebbe che trasformarsi in una determinata direzione.

Ma tra ciò che una tecnologia rende possibile e ciò che educativamente scegliamo di fare rimane uno spazio di decisione. Ed è proprio quello spazio che non dovremmo consegnare alla tecnologia.

Quando guardiamo soltanto a ciò che l’IA ci permette di guadagnare, rischiamo inoltre di non vedere ciò che possiamo perdere. Un eccesso di entusiasmo per l’IA, alla fine, potrebbe non fare un buon servizio né all’IA né alla scuola.