Valutazione degli apprendimenti

La tematica

Valutare gli apprendimenti significa formulare un giudizio su ciò che uno studente sa, comprende e sa fare, a partire da evidenze necessariamente parziali. Quando l’IA può produrre elaborati, suggerire risposte, correggere compiti e formulare feedback, cambia il rapporto fra ciò che osserviamo e ciò che possiamo ragionevolmente attribuire allo studente.

Nei Casi la valutazione compare in forme diverse: un lavoro presentato come personale, un’accusa di utilizzo improprio dell’IA, un insegnante che affida parte del giudizio a un sistema, una scuola che ridefinisce compiti e prove. La questione non si esaurisce nell’individuare chi ha usato l’IA: riguarda la validità delle inferenze, la trasparenza dei criteri e la possibilità di discutere e correggere un giudizio.

La tematica attraversa quindi due domande distinte ma connesse: che cosa dimostra davvero un prodotto realizzato in presenza dell’IA? E quali responsabilità restano umane quando l’IA interviene nella valutazione?

Come si manifesta nei Casi e nei punti di vista

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

Una qualifica dovrebbe attestare ciò che una persona è in grado di fare. Quando una prestazione decisiva viene ottenuta ricorrendo all’IA in modo non consentito, il risultato non permette più di attribuire con sicurezza quella capacità al candidato. Il Caso rende evidente la distanza possibile tra prova superata e competenza dimostrata.

Caso: Quando è lo studente a dover dimostrare di non aver usato l’IA: il caso di Sophie

La studentessa si trova a dover dimostrare di non aver utilizzato l’IA. La valutazione non riguarda più soltanto la qualità del lavoro, ma anche l’attendibilità degli strumenti e degli indizi con cui si pretende di ricostruirne l’origine. Chi deve fornire la prova, e quanto può essere solida?

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

Il programma estone introduce l’IA su scala nazionale, facendo emergere una questione che va oltre la singola classe: come cambiano compiti, verifiche e criteri di valutazione quando l’assistenza dell’IA diventa parte dell’ambiente ordinario di apprendimento? La disponibilità dello strumento impone di distinguere prestazioni assistite e capacità personali.

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

Jen Roberts sperimenta l’impiego dell’IA nel lavoro di valutazione degli studenti. La possibilità di ottenere rapidamente giudizi e feedback solleva una domanda diversa da quella sull’uso dell’IA da parte degli allievi: quanto del giudizio può essere affidato allo strumento e quale controllo deve esercitare l’insegnante su criteri, errori e interpretazioni?

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

Nelle scuole olandesi, la possibilità che ChatGPT svolga i compiti porta a interrogarsi sul valore degli elaborati assegnati per casa. Un prodotto formalmente corretto non basta a stabilire se lo studente abbia compreso, ragionato e imparato. Il Caso sposta l’attenzione dal risultato consegnato alle evidenze che consentono di valutarne l’apprendimento.

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

La sperimentazione ministeriale promette di migliorare e personalizzare l’apprendimento, ma verificarne gli effetti è più difficile che registrarne le aspettative. Chi valuta la sperimentazione mette in evidenza un problema metodologico: anche nelle classi di confronto gli studenti possono usare chatbot, rendendo meno netta la distinzione tra i gruppi. I risultati preliminari non equivalgono quindi a una valutazione conclusiva degli apprendimenti.

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

Uno studente viene sanzionato per un progetto realizzato anche con l’IA, mentre la famiglia contesta la chiarezza delle regole. Il giudice Paul G. Levenson esamina se lo studente fosse stato sufficientemente informato delle condotte considerate scorrette e se la scuola avesse agito nei limiti della propria discrezionalità. Il Caso mostra come valutazione, regole e sanzioni possano intrecciarsi senza coincidere.

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

La scuola stabilisce che alcune attività debbano essere svolte senza IA. Questa scelta rende esplicita una distinzione essenziale per valutare: quali capacità vogliamo osservare nell’esecuzione autonoma e quali, invece, nell’uso consapevole degli strumenti? Non tutte le prove devono misurare la stessa cosa.

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

Il docente nasconde nella consegna un’istruzione destinata ai chatbot e considera la sua comparsa nelle risposte un indizio di uso improprio dell’IA. Ma gli studenti che contestano la prova fanno emergere un limite dell’indizio: una studentessa aveva visto l’istruzione sullo schermo e l’aveva interpretata come parte della consegna. Il docente accoglie la contestazione. La stessa traccia nel prodotto può dunque derivare da processi differenti.

Questioni e implicazioni per la scuola

Il problema centrale non è soltanto riconoscere se uno studente abbia utilizzato l’IA, ma stabilire quali conclusioni sull’apprendimento siano giustificate dalle evidenze disponibili. La stessa prestazione può assumere significati diversi a seconda del compito, delle regole, dell’assistenza ricevuta e del processo svolto.

Nella progettazione delle prove quali capacità si intendono accertare? Una prova deve verificare ciò che lo studente sa fare autonomamente oppure anche ciò che sa realizzare utilizzando strumenti? La risposta può cambiare secondo gli obiettivi, ma va resa esplicita prima di interpretare i risultati.

Nell’osservazione del lavoro degli studenti un elaborato finale può non bastare a documentare ragionamento, comprensione e decisioni personali. Quali altre evidenze — discussione, spiegazione, revisioni, attività in presenza — aiutano a formulare un giudizio senza trasformare ogni verifica in sorveglianza permanente?

Quando l’IA contribuisce alla correzione o al feedback chi controlla l’adeguatezza dei criteri, riconosce gli errori e risponde delle conseguenze? La disponibilità di un giudizio automatico non coincide con la sua validità pedagogica.

Quando sorge il sospetto di un uso non consentito quali prove sono sufficienti, come si gestisce l’incertezza e quale possibilità ha lo studente di spiegare o contestare la valutazione? I Casi mostrano quanto sia rischioso trasformare un indizio tecnico in una conclusione certa.

La tematica non conduce a un unico modello di verifica. Invita a rendere coerenti finalità dell’apprendimento, condizioni di svolgimento, evidenze raccolte e giudizi formulati, conservando la possibilità di rivedere le decisioni quando le evidenze non bastano.