Valutare ciò che lo studente sa fare davvero
Tematica
In breve. Se un compito lo può svolgere una macchina, il prodotto non dimostra più che cosa lo studente ha capito. Anche affidare la correzione a un algoritmo comporta rischi. Per limitare il problema si può spostare la valutazione sul processo, sull’orale e sul lavoro in classe.
La tematica
La valutazione è il punto in cui l’IA mette più direttamente in crisi le pratiche scolastiche. Se un tema, una ricerca o un esercizio può essere svolto da una macchina, il prodotto consegnato non dimostra più che cosa lo studente ha capito. Il voto rischia di misurare l’abilità nell’usare lo strumento, o semplicemente il completamento del compito.
La criticità ha anche un secondo volto: l’IA usata per valutare. Affidare la correzione a un algoritmo fa risparmiare tempo e denaro, ma solleva dubbi su trasparenza, errori e penalizzazioni per alcuni gruppi di studenti, e spinge a insegnare in funzione dell’algoritmo.
Le risposte che compaiono nei casi convergono: spostare la valutazione dal prodotto alla padronanza. Verifiche orali, scrittura in classe, discussioni, progetti lunghi e portfolio, attenzione al processo oltre che al risultato, verifiche svolte senza IA. Sono soluzioni che costano tempo e chiedono di ripensare compiti consolidati, e per questo non si improvvisano.
Per chi decide, il nodo è che finché la scuola premia il prodotto, l’incentivo a delegarlo resta. Cambiare la valutazione è forse la leva più potente per prevenire gli altri rischi.
La tematica nei casi
Caso 11 – Compiti e ChatGPT: insegnanti italiani di fronte ai temi scritti dall’IA
Gli insegnanti italiani sono i primi a cambiare valutazione, ciascuno per conto proprio. Villaschi non valuta più i compiti a casa e verifica oralmente la comprensione; Galiano propone di svolgere i compiti in classe; Schettini indica la verifica in classe senza IA come prova reale delle competenze. Il compito a casa perde il suo valore di prova.
Caso 15 – Turchia: con ChatGPT meglio negli esercizi, peggio all’esame
L’esperimento turco mostra il divario tra prodotto e padronanza in modo quasi da manuale. Durante le esercitazioni con l’IA i risultati salgono fino al +127%. Nella verifica successiva, svolta senza IA, chi aveva usato ChatGPT senza limiti va peggio di chi non l’aveva mai usato. Solo la verifica senza strumenti rivela che cosa è stato imparato.
Caso 17 – New Hampshire: gli studenti lanciano l’allarme sull’IA
Gli studenti del New Hampshire lamentano voti dati solo per il completamento e insegnanti che non si accorgono dell’uso dell’IA. La loro richiesta è chiara: più scrittura in classe, compiti difficili da far svolgere all’IA, una scuola meno centrata sui voti e più sulla comprensione. Rob Starner risponde con più scrittura in classe e feedback individuale.
Caso 14 – MIT: il rapporto sull’IA nella didattica e l’«impresa di enorme portata»
Il rapporto del MIT propone la soluzione più sistematica: valutazioni basate su discussioni, esami orali, progetti lunghi e portfolio. Osserva anche che la tentazione di delegare cresce quando la valutazione è molto competitiva: la forma della valutazione influisce sul modo in cui si usa l’IA.
Caso 06 – Texas: i test STAAR corretti da un motore di punteggio automatico
Il Texas mostra l’altra faccia: l’IA che valuta. Un sistema automatico corregge la maggior parte delle risposte aperte nelle prove di Stato, con un risparmio fino a 20 milioni di dollari l’anno. Ma l’aumento dei punteggi pari a zero non viene verificato in modo indipendente. I dirigenti chiedono un punteggio ibrido e verificabile, e i sindacati temono di dover insegnare in funzione dell’algoritmo.
Caso 02 – Hingham (Massachusetts): voto basso per un compito fatto con l’IA e causa dei genitori
A Hingham un voto contestato finisce in tribunale. La D al progetto fatto con l’IA mostra quanto sia fragile una valutazione basata sul prodotto quando non è chiaro che cosa si possa fare con lo strumento.
Caso 09 – Le Linee guida del MIM sull’IA nella scuola
Le Linee guida del MIM chiedono di orientare la valutazione verso la comprensione profonda e non la sola produzione del compito, e in Francia (caso 07) resta aperto come adeguare compiti e verifiche. Anche lo studio del MIT sul «debito cognitivo» (caso 12) invita a consegne che valorizzino il lavoro personale e il processo. Il principio è condiviso; manca ancora il modo di applicarlo su larga scala.
Approfondimenti
- Gianni Marconato, «La scuola ai tempi dell’IA: 2/5 – E se l’IA ci obbligasse davvero a cambiare?»
- Gianni Marconato, «Con l’IA gli studenti e gli insegnanti lavorano di meno o di più?»
Le stesse questioni, a partire dalle domande
Questa tematica si intreccia con alcune domande dell’Ask System, un altro ambiente di questo sito che affronta i problemi posti dall’IA partendo dalle domande invece che dai casi. Ogni domanda porta a una risposta sintetica e agli articoli di approfondimento.
