IA, insegnamento e apprendimento

La tematica

L’intelligenza artificiale entra nelle attività scolastiche come strumento capace di generare spiegazioni, risposte, testi, esercizi e valutazioni. Può assistere gli studenti nello studio e gli insegnanti nella preparazione e nella conduzione delle attività. Ma la sua presenza modifica anche le condizioni nelle quali si insegna e si apprende: alcune operazioni diventano più facili, altre possono essere svolte senza che lo studente attraversi il processo necessario per imparare a compierle.

I Casi mostrano situazioni differenti: un intero sistema scolastico che introduce l’IA, insegnanti che ne sperimentano l’impiego o scelgono di limitarlo, studenti che affidano i compiti a un chatbot, scuole che ripensano le regole e iniziative che cercano di verificarne gli effetti sull’apprendimento. Non emerge un rapporto univoco fra disponibilità dello strumento e qualità dell’esperienza educativa.

La questione trasversale riguarda dunque che cosa cambia nel lavoro di insegnare e nel lavoro di imparare quando alcune attività possono essere svolte, facilitate o sostituite dall’IA. L’esito dipende dalle finalità, dai compiti proposti, dalle condizioni d’uso e dal ruolo effettivo degli studenti e degli insegnanti.

Come si manifesta nei Casi e nei punti di vista

Caso: Quando una scorciatoia con l’IA costa una qualifica

L’uso dell’IA per superare un compito può produrre un risultato immediato senza assicurare l’acquisizione delle capacità che quel compito doveva mettere alla prova.

Caso: Quando un intero sistema scolastico introduce l’IA: il programma AI Leap in Estonia

L’introduzione su larga scala porta la questione dal singolo esercizio alla progettazione dell’esperienza scolastica: quali apprendimenti si vogliono sostenere e come cambia il lavoro quotidiano di docenti e studenti?

Caso: Quando l’IA valuta gli studenti: il caso di Jen Roberts

L’impiego dell’IA nella valutazione può alleggerire alcune operazioni dell’insegnante, ma modifica anche il modo in cui il lavoro degli studenti viene interpretato e restituito come feedback.

Caso: Quando un’insegnante decide di non usare l’IA: il caso di Kate Conroy

La scelta di non utilizzare lo strumento in determinate attività rende visibile il valore attribuito al lavoro che gli studenti svolgono personalmente, anche quando richiede più tempo e fatica.

Caso: Quando ChatGPT fa i compiti, che cosa deve cambiare? Il caso delle scuole olandesi

Quando il chatbot può produrre direttamente le risposte, i compiti tradizionali non garantiscono più che lo studente abbia svolto le operazioni cognitive per le quali erano stati assegnati.

Caso: Quando l’IA diventa un assistente per ogni studente: il caso “Ed” di Los Angeles

La promessa di un supporto personalizzato incontra le difficoltà concrete di progettare, introdurre e governare un assistente digitale dentro un sistema scolastico.

Caso: L’IA migliora davvero l’apprendimento? La sperimentazione ministeriale nelle scuole italiane

Il punto di vista di chi valuta la sperimentazione evidenzia quanto sia complesso attribuire eventuali differenze negli apprendimenti all’uso dell’IA, anche quando si confrontano classi che utilizzano lo strumento e classi di confronto.

Caso: Quando usare l’IA diventa plagio? Il caso della Hingham High School

L’impiego di uno strumento generativo nei compiti scolastici mette in discussione le aspettative sul lavoro personale e le regole con cui si distinguono assistenza consentita e sostituzione del lavoro richiesto.

Caso: Il progetto Go Beyond nelle scuole salesiane

Nel punto di vista collegato emerge la necessità di interrogare il progetto educativo e gli effetti dell’introduzione dell’IA, anziché considerare la presenza dello strumento come un miglioramento sufficiente in sé.

Caso: Quando la scuola decide che cosa gli studenti devono fare senza l’IA

La scelta di differenziare gli usi della tecnologia secondo età e attività porta in primo piano il valore delle esperienze che gli studenti devono continuare a compiere senza mediazione automatica.

Caso: Quando il professore nasconde un’istruzione per l’IA: il caso del Madagascar

L’episodio rende visibile che uno studente può consegnare un elaborato senza averne controllato fino in fondo contenuto e processo di produzione, sollevando interrogativi sul significato dell’attività assegnata.

Questioni e implicazioni per la scuola

I Casi mostrano che l’IA non entra in una scuola astratta, ma in attività progettate per far apprendere qualcosa a studenti concreti. La questione, quindi, non è soltanto se uno strumento funzioni o faccia risparmiare tempo, ma quali processi di apprendimento rende possibili, modifica o rischia di sostituire.

Nella progettazione didattica diventa importante distinguere il prodotto richiesto dalle capacità che l’attività dovrebbe sviluppare. Se l’IA può generare una risposta, quali passaggi deve comunque attraversare lo studente per costruire conoscenza? In quali circostanze l’assistenza amplia le possibilità di apprendimento e in quali ne riduce le occasioni?

Nella conduzione delle attività emergono questioni relative alla distribuzione del lavoro fra insegnante, studente e strumento. Chi formula i problemi, chi prende decisioni, chi verifica ciò che viene prodotto? Come cambiano il dialogo didattico, il feedback e l’autonomia dello studente?

Nella valutazione degli apprendimenti occorre chiedersi che cosa si possa effettivamente inferire da un prodotto realizzato con l’IA e quali evidenze permettano di riconoscere conoscenze, comprensione e capacità personali. Allo stesso tempo, l’eventuale uso dell’IA per valutare apre interrogativi sul giudizio professionale dell’insegnante.

Nelle decisioni della scuola e nelle sperimentazioni si pone infine il problema di osservare gli effetti reali, distinguendoli dalle aspettative e dalle promesse degli strumenti. Un’introduzione estesa non dimostra, di per sé, un miglioramento dell’apprendimento.

Le situazioni non indicano un unico modo corretto di usare l’IA. Invitano piuttosto a considerare l’uso, il non uso e le forme intermedie di assistenza come scelte educative da motivare in rapporto agli apprendimenti attesi.

Per approfondire

Perché non usare l’IA, quando è così comodo farlo?

Una riflessione sulla convenienza della delega e sulle condizioni nelle quali la scelta di non utilizzare l’IA può avere valore pedagogico.

Capacità da allenare a scuola proprio perché la tecnologia non ce le chiede più

Un approfondimento sulle capacità che l’ambiente tecnologico tende a rendere meno necessarie e sulle occasioni che la scuola può offrire per esercitarle.

Con l’IA gli studenti e gli insegnanti lavorano di meno o di più?

Un esame di come l’impiego dell’IA possa ridistribuire, anziché semplicemente eliminare, il lavoro cognitivo di studenti e insegnanti.