La scuola ai tempi dell’IA: 5/5 – A che cosa serve la scuola?

In breve

Prima di chiedere come l’IA debba cambiare la scuola dovremmo porci una domanda più fondamentale: a che cosa serve la scuola? Efficienza, innovazione, esigenze del lavoro e possibilità tecnologiche non sono criteri educativi sufficienti. Ogni scelta presuppone un’idea di apprendimento, di persona e di società, e questa idea entra anche negli strumenti, nelle piattaforme e nei sistemi con cui organizziamo l’educazione. L’IA può mostrarci nuove possibilità, ma non può dirci quali valga la pena realizzare. Prima vengono le finalità; solo dopo possiamo decidere che cosa cambiare, che cosa conservare e quale ruolo affidare alla tecnologia.

A che cosa serve la scuola?

Nel precedente articolo abbiamo guardato alla lunga storia delle tecnologie che avrebbero dovuto cambiare la scuola. Ne è emersa una questione che va oltre il successo o il fallimento delle singole innovazioni.

Quando una tecnologia non produce la trasformazione attesa, siamo facilmente portati a cercarne la causa nella scuola: rigidità organizzative, insufficiente formazione degli insegnanti, resistenza al cambiamento, incapacità di sfruttare pienamente le possibilità offerte dal nuovo strumento. Sono spiegazioni che in alcuni casi possono essere fondate, ma contengono una premessa che deve essere dimostrata: che quella trasformazione fosse necessaria o desiderabile.

Abbiamo così rovesciato la domanda. Prima di chiederci perché la scuola non sia cambiata abbastanza per accogliere una tecnologia, dobbiamo domandarci se esistessero buone ragioni educative per cambiare e in quale direzione. Soltanto dopo possiamo verificare se una tecnologia ci aiuti a farlo.

La tecnologia non è la risposta finché non abbiamo stabilito qual è il problema.

Ma da dove vengono, allora, le ragioni per cambiare la scuola?

La domanda sembra portarci lontano dall’intelligenza artificiale. In realtà ci conduce al centro della questione. Perché ogni volta che affermiamo che l’IA dovrebbe trasformare la scuola stiamo inevitabilmente assumendo, in modo esplicito o implicito, un criterio in base al quale quella trasformazione sarebbe un miglioramento.

Ed è proprio quel criterio che dobbiamo mettere sotto esame.

Cambiare non significa ancora migliorare

Nel dibattito sull’innovazione educativa le parole cambiamento, innovazione e miglioramento tendono facilmente a sovrapporsi. Ma indicano cose differenti.

Una scuola può cambiare senza innovare in senso significativo, può innovare senza migliorare e può migliorare senza adottare una tecnologia nuova. Per parlare di miglioramento dobbiamo disporre di un criterio che ci consenta di confrontare una situazione con un’altra e dire perché la seconda sia educativamente preferibile alla prima.

Questo criterio non può provenire dalla novità stessa.

Un sistema di IA può consentire di produrre materiali didattici in pochi secondi anziché in alcune ore. Se il problema è il tempo necessario per produrli, abbiamo un miglioramento facilmente osservabile. Ma se vogliamo sapere se sia migliorato l’insegnamento dobbiamo introdurre altri criteri.

Può personalizzare spiegazioni per ogni studente. Ma il fatto che una personalizzazione sia tecnicamente possibile non stabilisce quanto ne vogliamo, in quali momenti, per quali studenti e con quali effetti sulla dimensione collettiva dell’apprendimento.

Può fornire assistenza continua. Ma dobbiamo ancora decidere quando l’assistenza sostenga la costruzione di una capacità e quando elimini proprio il lavoro attraverso il quale quella capacità dovrebbe svilupparsi.

La tecnologia può mostrarci che cosa possiamo fare.

Non può stabilire da sola che cosa valga la pena fare.

Dietro una tecnologia può esserci un’idea di scuola

Quando una tecnologia viene proposta per l’educazione, raramente arriva da sola. Viene accompagnata da un linguaggio che descrive contemporaneamente i limiti della scuola esistente e la scuola che dovrebbe sostituirla.

La scuola tradizionale viene allora rappresentata come standardizzata, trasmissiva, centrata sull’insegnante, nozionistica, poco attenta alle differenze individuali. Alla tecnologia vengono associate, per contrasto, personalizzazione, autonomia, partecipazione, flessibilità, accesso, efficienza e centralità dello studente.

Non tutte queste critiche sono infondate e non tutte queste aspirazioni sono discutibili. Il problema nasce quando il pacchetto viene presentato come se derivasse naturalmente dalla tecnologia.

Una piattaforma capace di adattare le attività al singolo studente non dimostra che una maggiore individualizzazione sia sempre pedagogicamente desiderabile. Un sistema capace di fornire immediatamente una risposta non dimostra che ottenere immediatamente una risposta sia sempre un vantaggio educativo. E un’IA capace di svolgere un’attività cognitiva non dimostra che quella attività abbia cessato di avere valore formativo per la persona.

Dietro la scelta tecnologica troviamo quindi spesso una scelta pedagogica che rischia di rimanere invisibile proprio perché viene presentata come conseguenza dell’innovazione.

Quando discutiamo di come l’IA dovrebbe cambiare la scuola, non stiamo confrontando soltanto diverse valutazioni di una tecnologia. Stiamo confrontando diverse idee di scuola.

Prima la domanda: a che cosa serve la scuola?

È su questo punto che il lavoro di Gert Biesta offre un contributo particolarmente utile. La domanda fondamentale, nella sua prospettiva, non è semplicemente come rendere l’apprendimento più efficace, ma a che cosa debba servire l’educazione.

La distinzione è decisiva perché l’efficacia non possiede un significato educativo indipendente dallo scopo. Possiamo rendere molto efficace un sistema nel raggiungere un risultato che non consideriamo particolarmente importante, oppure ottenere più rapidamente qualcosa sacrificando altri aspetti ai quali attribuiamo valore.

Biesta distingue tre grandi funzioni dell’educazione: la qualificazione, cioè l’acquisizione di conoscenze e capacità; la socializzazione, attraverso la quale entriamo in tradizioni, pratiche e modi di vivere; e la soggettivazione, che riguarda la possibilità della persona di esistere e agire come soggetto e non semplicemente come oggetto delle richieste provenienti dall’esterno.

Non è necessario assumere questa tripartizione come una classificazione definitiva. Ci interessa perché rende evidente che una stessa innovazione può apparire positiva rispetto a una funzione e problematica rispetto a un’altra.

Un sistema artificiale che consenta a uno studente di produrre più efficacemente un artefatto può migliorare una determinata prestazione. Ma che cosa produce sul piano dell’autonomia? Che cosa accade alla relazione con gli altri? Quale conoscenza rimane interna? Quale responsabilità assume la persona nei confronti di ciò che presenta come proprio?

Non possiamo rispondere osservando soltanto la qualità del prodotto.

Quando imparare diventa l’unico linguaggio

Gert Biesta ha criticato anche quella che definisce learnification, cioè la tendenza a tradurre l’intero discorso educativo nel linguaggio dell’apprendimento. Gli studenti diventano learners, gli insegnanti facilitatori dell’apprendimento, gli ambienti scolastici learning environments e le tecnologie strumenti per ottimizzare il processo.

Il problema non sta naturalmente nell’apprendimento. Sta nel rischio di perdere le domande su che cosa si debba apprendere, perché, da chi e in quale relazione con gli altri.

L’intelligenza artificiale rende questa critica particolarmente attuale. Possiamo immaginare sistemi capaci di adattarsi continuamente al livello dello studente, generare attività appropriate, fornire feedback e accompagnare individualmente il percorso. Dal punto di vista dell’ottimizzazione dell’apprendimento individuale potrebbe sembrare il compimento di un lungo progetto tecnologico.

Ma una scuola non è necessariamente soltanto un ambiente nel quale ciascuno deve apprendere nel modo più efficiente possibile.

È anche un luogo nel quale incontriamo conoscenze che non avremmo scelto spontaneamente, persone diverse da noi, richieste che non sono state personalizzate sui nostri desideri, problemi che condividiamo con altri.

Se riduciamo l’educazione all’ottimizzazione dell’apprendimento individuale, la personalizzazione tecnologica appare quasi inevitabilmente come progresso. Se attribuiamo valore anche ad altre dimensioni, dobbiamo giudicarla diversamente.

Ancora una volta, non è la tecnologia a risolvere il confronto. È la nostra idea di educazione a determinare quali delle sue possibilità ci interessano.

Preparare al lavoro: quale lavoro, quale persona?

Un’altra potente fonte di ragioni per cambiare la scuola viene dal mondo del lavoro.

L’argomento è noto: l’intelligenza artificiale modificherà profondamente professioni e competenze; molte attività saranno automatizzate e altre verranno svolte in collaborazione con sistemi artificiali. La scuola deve quindi preparare gli studenti a questo nuovo scenario.

È un argomento serio. Sarebbe difficile sostenere che la scuola debba disinteressarsi delle condizioni nelle quali le persone dovranno lavorare.

Ma anche qui il passaggio dalla constatazione alla prescrizione richiede attenzione.

Christian Laval ha analizzato criticamente la progressiva interpretazione dell’educazione attraverso categorie economiche: capitale umano, competenze, occupabilità, adattabilità, competitività. In questa prospettiva la scuola rischia di essere giudicata principalmente sulla propria capacità di produrre persone adeguate alle esigenze mutevoli dell’economia.

La critica merita di essere presa sul serio, ma non ci autorizza a compiere l’errore opposto e trattare ogni attenzione al lavoro come una subordinazione neoliberista. Preparare una persona a svolgere un lavoro, a possedere competenze professionali e a essere economicamente autonoma è una finalità educativa legittima.

La questione è se esaurisca il compito della scuola e, soprattutto, chi abbia il diritto di trasformare le previsioni sul mercato del lavoro in priorità educative.

Se domani molte professioni utilizzeranno intensamente l’IA, avremo buone ragioni per preparare gli studenti a operare in quell’ambiente. Ma prepararli non significa necessariamente insegnare loro a conformarsi alle modalità di lavoro che il mercato renderà prevalenti.

Può significare anche fornire conoscenze sufficienti per comprendere come quelle modalità trasformino il lavoro, quali attività abbia senso delegare, quali responsabilità debbano rimanere umane e quali condizioni di lavoro siamo disposti ad accettare.

Ritorna così la domanda del precedente articolo: quale futuro?

Anche gli strumenti governano la scuola

Il sociologo dell’educazione Paolo Landri consente di osservare la stessa questione da un’altra prospettiva. Nei suoi studi sulla digital governance of education mostra come digitalizzazione, raccolta dei dati, standardizzazione e sistemi di valutazione non siano semplicemente strumenti attraverso i quali una scuola già definita diventa più efficiente. Contribuiscono anche a stabilire che cosa diventa visibile, misurabile e quindi rilevante nel sistema educativo. L’attenzione crescente per risultati di apprendimento, indicatori, comparazioni e trasparenza concorre così a configurare un determinato modo di governare la scuola.

Questo rende ancora più difficile considerare neutrale l’introduzione di una tecnologia. Gli strumenti con cui osserviamo e organizziamo la scuola possono contribuire a definire che cosa consideriamo importante nella scuola. Una piattaforma, un sistema di valutazione o, oggi, un sistema di intelligenza artificiale non arriva necessariamente dopo che abbiamo stabilito le nostre finalità: può contribuire, attraverso il suo funzionamento e le pratiche che rende possibili, a modificarle.

Landri ha studiato anche ciò che accade quando queste forme di governo incontrano concretamente le scuole. La risposta non è semplicemente accettazione oppure rifiuto: le scuole possono allinearsi, utilizzare parzialmente gli strumenti, adattarli, aggirarli o sottrarvisi. Rimane quindi uno spazio di iniziativa e di giudizio da parte delle istituzioni e dei professionisti che vi operano. La trasformazione digitale della scuola non è un destino che si realizza automaticamente.

Questa prospettiva introduce una domanda importante anche per l’IA: non soltanto che cosa possiamo fare con questi strumenti, ma quale scuola contribuiamo a costruire quando cominciamo a usarli.

Quando il futuro viene presentato come inevitabile

Nel discorso sull’innovazione scolastica il futuro compare frequentemente come qualcosa che sta arrivando e al quale dobbiamo prepararci.

Le tecnologie cambieranno il lavoro, alcune professioni scompariranno, nuove competenze diventeranno indispensabili, l’IA accompagnerà gran parte delle attività cognitive. La conclusione sembra immediata: la scuola deve anticipare quel futuro.

Ma il futuro descritto in questo modo è spesso la prosecuzione delle tendenze che osserviamo nel presente.

Se assumiamo quelle tendenze come inevitabili, preparare al futuro finisce facilmente per significare preparare le persone ad adattarsi a ciò che prevediamo accadrà.

Esiste però un’altra possibilità. Possiamo considerare il futuro non soltanto come qualcosa che dobbiamo prevedere, ma come qualcosa alla cui costruzione partecipiamo.

Una scuola per il futuro non dovrebbe soltanto preparare gli studenti al futuro che si prevede, ma anche renderli capaci di contribuire al futuro che si vuole.

La differenza fra futuro previsto e futuro desiderato riporta inevitabilmente dentro il discorso educativo la questione dei valori.

Una previsione può dirci che l’intelligenza artificiale sarà utilizzata in un numero crescente di attività. Non può dirci quali attività vogliamo affidarle.

Può suggerire che alcune professioni cambieranno. Non può stabilire quali condizioni di lavoro consideriamo desiderabili.

Può mostrarci che una certa forma di automazione è possibile. Non può decidere se vogliamo realizzarla.

Anche le istituzioni hanno un’idea di educazione

Le indicazioni sul futuro della scuola non provengono soltanto dalle imprese tecnologiche. Organizzazioni internazionali, governi, sistemi di ricerca e istituzioni educative producono analisi, scenari e raccomandazioni che influenzano fortemente il dibattito.

L‘OCSE, per esempio, svolge da decenni un ruolo importante nel mettere in relazione istruzione, competenze, trasformazioni economiche e partecipazione sociale. Le sue analisi possono offrire informazioni preziose sui cambiamenti del lavoro e sulle capacità che potrebbero diventare importanti.

Ma sarebbe un errore trattare questa prospettiva come se rappresentasse semplicemente “ciò che dice la ricerca”.

Ogni organizzazione osserva l’educazione attraverso una determinata prospettiva e seleziona problemi, indicatori e obiettivi coerenti con la propria missione. Mettere in relazione educazione, competenze, produttività e sviluppo economico è una prospettiva legittima. Non è l’unica possibile.

Anche quando una raccomandazione è fondata su dati solidi, il passaggio dai dati alla decisione educativa contiene inevitabilmente una scelta normativa.

Sapere che una competenza sarà probabilmente richiesta nel mercato del lavoro non stabilisce ancora quanto spazio debba occupare nel curriculum, quale conoscenza debba eventualmente sostituire e quale idea di persona contribuisca a costruire.

Tecnologia, ma alle nostre condizioni

Da una prospettiva diversa, il rapporto UNESCO sulla tecnologia nell’educazione ha insistito sulla necessità di evitare che sia la disponibilità della tecnologia a determinare automaticamente la sua adozione. La questione riguarda l’appropriatezza rispetto agli obiettivi educativi, le evidenze disponibili, l’equità, i costi e la sostenibilità.

È un criterio che si avvicina molto al problema che abbiamo incontrato lungo questa serie.

Non dobbiamo chiederci come trasformare la scuola affinché possa sfruttare tutta la potenza dell’intelligenza artificiale. Dobbiamo chiederci quali problemi educativi abbiamo, quali finalità vogliamo perseguire e se, in quelle condizioni, determinate possibilità dell’IA ci aiutino.

Questo può portarci a un uso intensivo della tecnologia.

Può portarci a un uso molto limitato.

Può portarci a utilizzarla in alcune attività e a escluderla deliberatamente da altre.

La quantità di tecnologia non costituisce il criterio.

Un uso educativamente ricco può essere tecnologicamente povero; un uso tecnologicamente sofisticato può essere educativamente irrilevante.

La tecnologia non è neutrale, ma nemmeno sovrana

A questo punto potrebbe sorgere un’obiezione. Se partiamo dalle finalità educative e soltanto dopo scegliamo la tecnologia, non stiamo forse trattando la tecnologia come uno strumento neutrale, completamente subordinato alle nostre intenzioni?

La critica di Neil Selwyn e, più in generale, gli studi sociali sulle tecnologie ci impediscono di adottare una visione così semplice.

Le tecnologie non arrivano prive di storia, interessi economici, modelli organizzativi e modi impliciti di definire i problemi. Una piattaforma progettata per raccogliere dati continuamente favorisce determinate forme di osservazione. Un sistema costruito per personalizzare tende a rendere la personalizzazione una soluzione facilmente disponibile. Un’IA capace di produrre rapidamente artefatti rende particolarmente attraenti le attività nelle quali la produzione può essere accelerata.

La tecnologia, quindi, non determina ciò che faremo, ma modifica lo spazio delle possibilità e rende alcune scelte più facili, economiche o apparentemente naturali di altre.

Questo significa che non basta partire da una buona finalità educativa e poi “applicare” neutralmente lo strumento. Dobbiamo osservare anche ciò che lo strumento tende a introdurre nella situazione.

È una relazione più complessa di quella espressa sia dal determinismo tecnologico sia dall’idea secondo cui “dipende soltanto da come lo usiamo”.

Quando la soluzione definisce il problema

Evgeny Morozov ha utilizzato il termine solutionism per descrivere la tendenza a ridefinire problemi sociali complessi in forme che possano essere affrontate attraverso soluzioni tecniche.

Il concetto è particolarmente utile quando pensiamo alla scuola.

Se il problema viene definito come insufficienza di personalizzazione, una tecnologia capace di personalizzare appare come una soluzione evidente. Se lo definiamo come scarsità di feedback, un sistema che produce feedback continuamente sembra rispondere direttamente alla necessità.

Ma potremmo scoprire che il problema non consiste semplicemente nella quantità di feedback o nel grado di personalizzazione.

Forse dobbiamo chiederci quale feedback serva, quale relazione educativa lo renda significativo, quanto debba essere individualizzato l’apprendimento e quanto invece debba rimanere esperienza condivisa.

La soluzione tecnologica può essere ottima e il problema può essere stato formulato male.

Questo è forse uno dei rischi più sottili dell’intelligenza artificiale: essendo capace di fare moltissime cose, aumenta enormemente il numero dei problemi che possiamo essere tentati di definire in modo che essa possa risolverli.

Non basta dire “prima la pedagogia”

Potremmo concludere con uno slogan rassicurante: prima la pedagogia, poi la tecnologia.

Ma anche questa formula sarebbe troppo semplice rispetto a ciò che abbiamo scoperto nei precedenti articoli.

L’intelligenza artificiale modifica realmente le condizioni nelle quali la scuola opera. Cambia la relazione fra prodotto e competenza, rende disponibili forme nuove di assistenza cognitiva, modifica alcune pratiche professionali e altera l’ambiente informativo nel quale gli studenti vivono.

La pedagogia non può quindi formulare le proprie domande come se l’IA non esistesse e scegliere soltanto in un secondo momento se utilizzarla.

Abbiamo già visto che la realtà non è il curriculum, ma nessun curriculum può essere pensato senza misurarsi con la realtà.

Il rapporto è quindi circolare. Le finalità educative ci permettono di giudicare le possibilità tecnologiche; le trasformazioni tecnologiche modificano il contesto e ci costringono a interrogare nuovamente pratiche e, qualche volta, persino il significato concreto delle nostre finalità.

Ciò che dobbiamo evitare è che una delle due parti chiuda anticipatamente il confronto.

Né “la tecnologia lo permette, dunque dobbiamo farlo”.

Né “le nostre finalità sono già stabilite, dunque la tecnologia non cambia nulla”.

Chi decide?

Alla fine dell’istruttoria ritorna una domanda che abbiamo incontrato più volte.

Se una possibilità tecnologica non costituisce da sola una ragione per cambiare, se le richieste del mercato del lavoro non possono trasformarsi automaticamente in finalità educative, se il futuro previsto non coincide necessariamente con quello desiderabile e se perfino le nostre finalità devono misurarsi con una realtà che cambia, chi decide come deve cambiare la scuola?

Non credo esista un soggetto al quale possiamo consegnare questa decisione.

Non la tecnologia.

Non il mercato.

Non le imprese che producono gli strumenti.

Non le organizzazioni internazionali.

Ma nemmeno gli educatori possono semplicemente rivendicare un territorio autonomo e decidere ignorando le trasformazioni sociali, economiche e tecnologiche nelle quali gli studenti dovranno vivere.

La decisione è inevitabilmente educativa, culturale e politica nel significato più ampio del termine, perché riguarda il tipo di capacità che riteniamo importante costruire e il rapporto che vogliamo che le persone possano avere con il mondo nel quale vivono.

L’intelligenza artificiale rende questa decisione più urgente.

Non ce la risparmia.

E soprattutto non può prenderla al nostro posto.

La domanda non è quanto la scuola debba cambiare per essere all’altezza dell’intelligenza artificiale. È quale scuola riteniamo all’altezza delle persone che dovranno vivere con l’intelligenza artificiale.