Di Irena Maksymyshyn

Introduzione editoriale

Non so dirlo in italiano

Sei studenti con background migratorio. Dieci ore. Una tesina di terza media da costruire su cinque materie, in una lingua che nessuno di loro padroneggia ancora.

Questo contributo racconta come è andata,ed è fra i pochi di questo numero che documentano un uso dell’intelligenza artificiale che funziona — qui in un contesto di svantaggio linguistico, con un metodo che si può ripetere.

Il metodo è la prima cosa da guardare. Non erano gli studenti a interrogare il sistema con propri account: era l’insegnante, dal proprio computer, davanti a loro. Vedevano le domande che formulava, leggevano insieme le risposte, decidevano che cosa farne. E nulla veniva preparato prima: il lavoro prendeva forma durante gli incontri. Così ciò che diventa visibile non è il prodotto della macchina, ma il processo — come si formula una richiesta, e soprattutto che cosa accade dopo.

Da qui la distinzione che dà valore all’intero contributo: semplificare la lingua non significa semplificare il pensiero. Un adolescente che sta ancora imparando l’italiano può avere opinioni sulla propria storia, sui diritti, sulla letteratura — e deve confrontarsi con libri pensati per chi quella lingua la possiede già. Se comprende solo una parte di un testo, chiede l’autrice, che cosa stiamo davvero valutando?

E poi l’osservazione che ci ha fermati: quanto, dietro un apparente «non mi interessa», può esserci un «non capisco abbastanza per poter sapere se mi interessa»?

C’è infine un passaggio in cui l’autrice parla della propria condizione di straniera, e che riguarda questo numero più di quanto lei stessa dichiari. Quando non si padroneggia una lingua — scrive — chi la parla usando parole che non comprendiamo può sembrarci estremamente competente, perché non abbiamo ancora gli strumenti per giudicare ciò che dice. Solo quando cominciamo a capire davvero possiamo anche dissentire.

È esattamente il problema che questo fascicolo pone a proposito delle macchine, detto a proposito degli esseri umani.

Carmine Marinucci

—–

Abstract

L’articolo presenta un’esperienza di laboratorio di italiano L2 finalizzato alla preparazione della tesina di terza media con sei studenti con background migratorio. In un percorso di dieci ore, l’intelligenza artificiale è stata utilizzata come strumento di supporto alla ricerca, alla costruzione di collegamenti interdisciplinari e all’adattamento linguistico dei contenuti. L’uso dell’IA è avvenuto attraverso la mediazione dell’insegnante e in presenza degli studenti, che hanno partecipato alla discussione e alla rielaborazione dei materiali. L’esperienza offre lo spunto per riflettere sulle possibilità dell’intelligenza artificiale nell’insegnamento dell’italiano L2, in particolare nel rendere i contenuti linguisticamente più accessibili senza impoverirli, ma anche sui suoi limiti e sulla necessità di mantenere centrali la comprensione, il pensiero critico e la voce dello studente.

Parole chiave: Italiano L2; intelligenza artificiale; mediazione didattica; accessibilità linguistica; pensiero critico

Abstract (English)

This article presents an Italian as a second language (L2) workshop designed to support six students with migrant backgrounds in preparing their final lower-secondary school projects. During the ten-hour workshop, artificial intelligence was used to support research, identify interdisciplinary connections, and adapt content to the students’ language proficiency. AI was used through teacher mediation and in the students’ presence, allowing them to participate in discussing and reworking the generated material. The experience provides an opportunity to reflect on the potential of artificial intelligence in L2 Italian education, particularly as a means of making content linguistically more accessible without reducing its complexity. At the same time, it highlights the limitations of AI and the importance of keeping students’ understanding, critical thinking, and own voice at the centre of the learning process.

Keywords: Italian L2; artificial intelligence; teacher mediation; linguistic accessibility; critical thinking

—–

Sei studenti, dieci ore

Era per me la prima volta che mi veniva proposto di condurre un laboratorio di italiano L2 finalizzato alla preparazione della tesina di terza media. Un’esperienza simile l’avevo vissuta soltanto come madre, accompagnando i miei figli nella preparazione dell’esame. Non era passato poi così tanto tempo, eppure molte cose erano cambiate, soprattutto nel mondo digitale, mentre alcune pratiche scolastiche sembravano essere rimaste quasi le stesse.

I ragazzi e le ragazze con cui lavoravo dovevano scegliere un argomento e collegarlo ad almeno cinque materie. “Scegliere”, in realtà, è una parola grossa: alcune discipline, tra cui italiano ed educazione civica, dovevano necessariamente comparire nel percorso. Gli studenti, tutti con background migratorio, avevano scelto temi legati al Paese d’origine, alla propria storia o alla propria cultura.

Mi ritrovai così davanti a una grande ricchezza di temi, esperienze e punti di vista, ma anche di fronte ad alcuni ostacoli importanti che avrei dovuto superare o, quando non era possibile, imparare ad aggirare.

Il primo era di natura linguistica: il livello degli studenti, valutato durante il percorso, oscillava generalmente tra l’A2 e il B1 nell’espressione orale, mentre nello scritto era spesso più vicino all’A2, secondo i livelli di riferimento del Quadro comune europeo (Consiglio d’Europa, 2020). Il secondo ostacolo era il tempo: il laboratorio prevedeva soltanto cinque incontri di due ore, per un totale di dieci ore. Ciascuno studente aveva però un argomento diverso, discipline differenti da collegare e specifiche difficoltà da affrontare.

C’era infine un altro elemento, più difficile da quantificare: diversi ragazzi sembravano avere una scarsa percezione delle proprie capacità scolastiche, accompagnata da risultati non sempre soddisfacenti. A tutto ciò si aggiungeva la necessità di studiare e dimostrare le proprie conoscenze attraverso una lingua non ancora pienamente padroneggiata.

Il carattere molto diverso dei percorsi rendeva il lavoro particolarmente impegnativo. Non si trattava di accompagnare sei studenti nella preparazione dello stesso argomento, ma di entrare ogni volta in un tema differente, capire quali collegamenti fossero sensati e trovare il modo di renderli comprensibili e raccontabili in italiano. In dieci ore, quindi, il problema non era soltanto “trovare informazioni”, ma trasformarle in un percorso che ciascuno studente potesse riconoscere come proprio.

Con il tempo che avevamo a disposizione, sarebbe stato difficile seguire contemporaneamente percorsi così diversi con gli strumenti abituali: effettuare ricerche, trovare materiali adatti, costruire collegamenti interdisciplinari, adattare linguisticamente i testi e prepararsi all’esposizione.

Ho iniziato il laboratorio parlando con loro per capire come erano abituati a lavorare a casa: dove cercavano le informazioni, come affrontavano le ricerche e gli altri compiti scolastici e se potevano contare sull’aiuto di qualcuno. È emerso che, generalmente, lavoravano da soli. Quando ho chiesto quali strumenti utilizzassero per cercare informazioni, la risposta è stata quasi unanime: l’intelligenza artificiale. Non parlavano tanto di ricerche tradizionali su Internet, quanto direttamente dell’uso dell’IA.

È stato a quel punto che ho deciso di partire da uno strumento che loro già conoscevano e utilizzavano, ma di cambiare il modo in cui lo avremmo usato.

Usare l’IA, ma usarla insieme

Per poter lavorare con i computer, avevo chiesto che gli studenti potessero portarli da casa; quando questo non era possibile, utilizzavamo un’aula attrezzata della scuola.

Durante il laboratorio non erano i ragazzi a interrogare autonomamente l’IA attraverso propri account. Ero io a farlo, dal mio computer e attraverso il mio account, davanti a loro. Vedevano le domande che formulavo, leggevamo insieme le risposte e decidevamo che cosa farne. Non preparavo a casa testi già generati: il lavoro prendeva forma durante gli incontri.

Il loro ruolo non era però quello di semplici spettatori. Mentre io utilizzavo l’IA, loro costruivano le proprie presentazioni con Canva, che per alcuni rappresentava uno strumento nuovo da imparare a usare. Sceglievano le immagini, organizzavano le informazioni e costruivano progressivamente le slide. Le immagini non erano un semplice elemento decorativo: dovevano accompagnare il discorso e aiutare lo studente a orientarsi nella propria esposizione. Chi aveva maggiore dimestichezza con Canva aiutava spontaneamente chi incontrava più difficoltà.

Questa decisione aveva anche una ragione pragmatica: avevo bisogno di essere più efficiente. L’IA mi permetteva di trovare rapidamente piste di ricerca, possibili collegamenti e formulazioni linguisticamente più accessibili per sei percorsi diversi. Ma accelerare il processo non significava delegare all’IA la creazione delle tesine.

Prima dell’IA veniva sempre lo studente: perché hai scelto questo tema? Che cosa ne sai? Perché ti interessa? Quali materie vuoi collegare e perché?

Questo modo di lavorare rendeva visibile anche il processo che precede una risposta. I ragazzi non vedevano soltanto ciò che l’intelligenza artificiale produceva, ma anche il modo in cui formulavo una richiesta e, soprattutto, ciò che accadeva dopo. Una risposta poteva sembrare utile a una prima lettura e poi rivelarsi troppo difficile, poco pertinente o lontana da ciò che lo studente voleva realmente dire. In quel caso tornavamo indietro. Per me era importante che la rapidità dello strumento non cancellasse questo passaggio.

Solo dopo interpellavamo l’intelligenza artificiale. La risposta non rappresentava il prodotto finale, ma un materiale da verificare, discutere e rielaborare. Se una frase era troppo complessa, la modificavamo; se un collegamento sembrava forzato, lo discutevamo; se la risposta non serviva, la scartavamo.

Quando una risposta non era utile, provavamo a formulare diversamente la domanda. A volte bastava chiedere una spiegazione più semplice; altre volte bisognava cambiare il collegamento che stavamo cercando. Quando trovavamo invece un contenuto adatto, non lo trasferivamo automaticamente nella tesina. Lo leggevamo insieme e cercavamo di capire se fosse davvero pertinente rispetto a ciò che lo studente voleva raccontare.

Da lì il materiale cominciava a trasformarsi. Alcune parti venivano eliminate, altre riformulate; quando necessario utilizzavamo la traduzione per chiarire un passaggio e poi tornavamo all’italiano. Solo ciò che poteva essere compreso e inserito con senso nel percorso entrava progressivamente nella presentazione. Nel frattempo lo studente costruiva le slide, sceglieva le immagini e organizzava il percorso che avrebbe poi dovuto esporre oralmente.

Il processo, quindi, non seguiva una linea diretta dalla domanda alla risposta dell’intelligenza artificiale e dalla risposta alla tesina. Era piuttosto un continuo andare avanti e indietro tra lo studente, ciò che già sapeva, ciò che proponeva l’IA, le mie domande e gli altri materiali che avevamo a disposizione.

Rendere accessibile senza impoverire

Questo lavoro di scelta, riformulazione e confronto mi ha portato a riflettere su quanto la comprensione linguistica possa incidere sul rapporto dello studente con ciò che sta studiando. Quando uno studente ci sembra poco partecipe davanti a un argomento, possiamo essere certi che si tratti davvero di disinteresse? Naturalmente può essere così: non tutto suscita la stessa attenzione. Ma può esistere anche un’altra possibilità: che non comprenda abbastanza per sapere se quell’argomento gli interessa davvero.

Il problema non nasce con l’intelligenza artificiale e non riguarda soltanto gli studenti di italiano L2. In Lettera a una professoressa, la Scuola di Barbiana mostrava già come la padronanza della lingua della scuola potesse diventare un fattore di disuguaglianza: chi possedeva quella lingua anche fuori dalla scuola partiva avvantaggiato rispetto a chi doveva ancora acquisirla (Scuola di Barbiana, 1967).

Nel lavoro con studenti di italiano L2 questa distanza diventa particolarmente evidente, perché alla difficoltà del contenuto si aggiunge quella di doverlo comprendere attraverso una lingua che stanno ancora imparando. Ma credo che la questione sia più ampia. Essere madrelingua italiano non significa automaticamente possedere la lingua dello studio.

Mi è capitato di osservarlo anche lavorando con una bambina italiana. In un semplice problema di matematica compariva l’espressione «scartare due funghi». La bambina non riusciva a capire quale operazione dovesse fare: conosceva il verbo scartare nel senso di togliere la carta, aprire un pacchetto, ma non nel senso di eliminare, mettere da parte. Solo quando le ho dato dei pennarelli e le ho chiesto concretamente di scartarne due, è diventato chiaro che la difficoltà non era matematica, ma linguistica.

Quello che nasce come un intervento mirato per studenti con background migratorio finisce così per mettere in luce una questione che può riguardare qualunque studente: l’accesso alla lingua dello studio può rappresentare, in forme diverse, una difficoltà anche per chi è madrelingua italiano.

Episodi come questo mi fanno chiedere: se uno studente comprende soltanto una parte del testo che ha davanti, che cosa stiamo realmente valutando? La sua capacità di ragionare sul contenuto oppure, almeno in parte, la sua capacità di comprendere la lingua attraverso cui quel contenuto gli viene presentato?

È da qui che nasce una distinzione per me fondamentale: semplificare la lingua non significa semplificare il pensiero. Rendere un contenuto linguisticamente più accessibile non significa abbassarne il livello, eliminare i concetti complessi o evitare ogni parola nuova. Significa permettere allo studente di entrare nel contenuto. Una volta entrato, potrà incontrare gradualmente parole nuove, concetti più complessi e forme linguistiche che prima non conosceva.

Nel laboratorio l’intelligenza artificiale mi è stata utile proprio in questo passaggio. Potevo chiederle di riformulare una spiegazione utilizzando un italiano più accessibile. Non cercavo necessariamente il testo più facile possibile: le parole nuove dovevano trovare posto nel testo e diventare un’occasione di apprendimento, purché non ne compromettessero la comprensione complessiva. Cercavo quindi un equilibrio: un testo troppo difficile rischiava di rimanere incomprensibile, mentre uno troppo semplice offriva poche possibilità di ampliare le competenze linguistiche dello studente.

In questo senso, l’intelligenza artificiale offre una possibilità interessante: davanti a qualcosa che non si comprende, si può chiedere immediatamente una nuova spiegazione. C’è una differenza importante tra chiedere «scrivimi un testo su questo argomento» e chiedere «spiegami questo argomento con parole più semplici». Nel primo caso lo strumento può sostituire una parte del lavoro dello studente; nel secondo può aiutarlo ad accedere a un contenuto che, nella sua formulazione iniziale, gli risultava troppo difficile.

Il rischio di utilizzare parole senza comprenderle, del resto, non nasce con l’intelligenza artificiale. Anche da un libro di testo si può copiare una frase senza averne realmente compreso il significato. L’IA rende certamente questa operazione molto più facile e veloce, ma può essere utilizzata anche nella direzione opposta: non per evitare la comprensione, ma per cercarla.

Qui, però, emerge un altro limite importante: una risposta chiara non è necessariamente una risposta corretta. L’intelligenza artificiale può spiegare qualcosa in modo semplice e convincente e, nello stesso tempo, fornire un’informazione imprecisa, una data sbagliata, una citazione inesatta o attribuire una frase alla persona sbagliata. Proprio la sicurezza con cui la risposta viene formulata può renderla ancora più credibile.

Qui ritrovo qualcosa che ho sperimentato personalmente imparando l’italiano. Quando ancora non padroneggiavo bene la lingua, una persona che utilizzava parole complesse e parlava con sicurezza poteva sembrarmi estremamente competente. Non avevo ancora tutti gli strumenti linguistici necessari per distinguere il modo in cui qualcosa veniva detto dal valore di ciò che veniva effettivamente detto. Con il tempo, studiando e comprendendo sempre meglio la lingua, è cambiata anche la mia possibilità di giudicare. Potevo capire, confrontare quello che ascoltavo con ciò che già sapevo e anche arrivare alla conclusione: questo non mi convince, qui non sono d’accordo.

Qualcosa di simile può accadere oggi nel rapporto con l’intelligenza artificiale. Una risposta fluida, ordinata e formulata con sicurezza può apparire autorevole, soprattutto a chi non possiede ancora conoscenze sufficienti per valutarla. Per questo credo che non basti dire agli studenti che devono sviluppare il pensiero critico o che non devono fidarsi ciecamente dell’IA. Per poter mettere in discussione una risposta dobbiamo avere qualcosa con cui confrontarla. Servono conoscenze, lingua, esperienza e, quando necessario, altre fonti. Da questo punto di vista, l’intelligenza artificiale mi appare soprattutto come uno strumento: può ampliare le possibilità di ricerca e di comprensione, ma per utilizzarla in modo consapevole occorre possedere conoscenze proprie. Più lo strumento sembra capace di fornire risposte, più diventa importante sapere come valutarle.

L’arrivo dell’intelligenza artificiale, quindi, non rende meno importante lo studio. Al contrario, rende ancora più evidente quanto sia necessario possedere conoscenze proprie. Comprendere una risposta è il primo passo; avere gli strumenti per giudicarla è quello successivo.

Tra possibilità e limiti: lavorare con l’intelligenza artificiale

Un episodio mi è rimasto particolarmente impresso.

Cercando un collegamento con la letteratura italiana per la tesina di uno studente ucraino, l’intelligenza artificiale propose Giuseppe Ungaretti. Il ragazzo, però, non sembrava ricordarlo.

Abbiamo allora preso il suo libro di italiano e lì abbiamo ritrovato Ungaretti e la poesia Soldati (Ungaretti, 1969). Era dunque un autore che lo studente aveva già incontrato nel proprio percorso scolastico, ma del quale sembrava non essere rimasta una memoria significativa.

Soldati è una poesia brevissima, costruita intorno a un’unica immagine, eppure il ragazzo, anche rileggendola, inizialmente non riusciva a comprenderne il significato. Ci siamo soffermati sulle parole, sull’immagine delle foglie d’autunno e sul paragone con la precarietà della vita dei soldati. Abbiamo anche tradotto la poesia in ucraino.

È stato allora che ho visto cambiare il suo modo di leggerla. Sembrava molto colpito e si è fermato a riflettere sul significato di quei pochi versi. Il collegamento con la sua tesina sulla guerra in Ucraina non era più soltanto una proposta dell’intelligenza artificiale o un collegamento tra due materie: quella poesia aveva cominciato ad avere un significato per lui.

Questo episodio evidenzia bene la differenza tra incontrare un testo e farlo proprio. Lo studente aveva già incontrato Ungaretti a scuola, ma solo in quel momento sembrava aver conosciuto davvero Soldati.

Non sempre, però, i suggerimenti dello strumento si rivelavano altrettanto utili.

Quando cercavamo un collegamento con tecnologia per la tesina dello stesso studente, lo strumento propose di parlare dei droni. Il tema interessava anche al ragazzo, ma non era coerente con ciò che aveva affrontato durante l’anno scolastico. Abbiamo quindi continuato a cercare e siamo arrivati al tema delle energie alternative, che permetteva un collegamento più pertinente al suo percorso.

In un’altra occasione avevamo bisogno di una carta storica che rappresentasse una fase precedente del conflitto israelo-palestinese. L’intelligenza artificiale non riusciva a fornirci la mappa precisa che cercavamo. Dopo diversi tentativi abbiamo smesso di insistere e l’abbiamo trovata attraverso una ricerca autonoma su Internet.

Anche il lavoro con le immagini ha reso molto visibili alcune criticità. Una studentessa cubana, per esempio, voleva inserire nella propria presentazione un’immagine di Fidel Castro accompagnata da una frase. Abbiamo provato a generarla con l’intelligenza artificiale, ma il volto ottenuto era visibilmente diverso da quello reale: Castro non sembrava più Castro. Gli studenti potevano così vedere direttamente quanto un’immagine generata dall’IA possa alterare e deformare la realtà, pur mantenendo un aspetto apparentemente credibile. A questo si aggiungeva un’altra questione: un docente non aveva accettato l’uso di immagini generate perché non le considerava adatte come documentazione. Abbiamo quindi preferito utilizzare immagini reali provenienti da altre fonti.

Dalla tesina alla propria voce

Quando le presentazioni e i testi erano pronti — un risultato che eravamo riusciti a raggiungere in tempi relativamente brevi anche grazie al supporto dell’intelligenza artificiale — dedicavamo una parte del laboratorio alle prove dell’esposizione orale. A turno, i ragazzi presentavano la propria tesina mentre gli altri ascoltavano. Erano quasi delle piccole prove teatrali: seguivano le slide e, quando necessario, leggevano il testo che avevano preparato.

L’esame sarebbe arrivato circa un mese dopo e naturalmente non mi aspettavo che ricordassero già tutto. Per me era già un risultato importante vederli leggere e capire ciò che stavano dicendo. I contenuti che avevano costruito non erano per loro un insieme di parole estranee da portare all’esame: sapevano di che cosa stavano parlando.

Non ho potuto assistere a tutti gli esami e non dispongo quindi di elementi sufficienti per fare una valutazione complessiva di ciò che è accaduto successivamente. Ho però avuto la possibilità di seguire la presentazione dello studente di cui ho parlato prima, che aveva inserito Ungaretti nella propria tesina. Era un ragazzo molto timido e durante il laboratorio faceva fatica a parlare anche con me. All’esame ha seguito il percorso che avevamo preparato, ma a un certo punto, nel collegamento dedicato allo sport e al pugile Oleksandr Usyk, ha aggiunto spontaneamente alcune considerazioni che non erano previste nel testo della tesina. È stato un momento piccolo, ma per me significativo: non si è limitato a ripetere ciò che avevamo preparato, ha aggiunto qualcosa di proprio.

Ha preso sei e, da come l’ho visto reagire, per lui è stata una vittoria.

Di un’altra studentessa ho avuto notizie direttamente dopo l’esame. Mi ha scritto per dirmi che la tesina era andata bene e per ringraziarmi dell’aiuto ricevuto. Degli altri studenti non ho invece informazioni abbastanza precise per dire come siano andati i loro esami.

Il mio laboratorio, però, si concludeva prima dell’esame e ciò che posso valutare riguarda soprattutto quello che ho osservato durante il percorso. I ragazzi hanno partecipato con entusiasmo, hanno lavorato alle proprie presentazioni e, nelle prove finali, mostravano di comprendere ciò che avevano preparato. Credo abbia contribuito anche il fatto che non nascondevo l’uso dell’intelligenza artificiale: la utilizzavo apertamente davanti a loro, mostrando anche quando una risposta non funzionava o quando io stessa decidevo di non utilizzarla. Questa trasparenza mi è sembrata favorire un clima di fiducia e di collaborazione. Considerando il poco tempo a disposizione, i diversi livelli linguistici e la complessità del lavoro richiesto, mi sono sembrati risultati più che buoni.

Le esperienze che ho potuto conoscere successivamente rappresentano quindi soltanto un ulteriore riscontro. Quello che per me contava davvero era arrivare alla fine del laboratorio vedendo che i ragazzi non stavano semplicemente leggendo un testo costruito per loro, ma riuscivano a riconoscersi in ciò che avevano preparato e a comprenderne il significato.

Una realtà da affrontare

«Paradossalmente, lo stesso strumento che permetterà alle persone di imparare più che mai potrebbe anche portare molte persone a imparare di meno» (Gates, 2026, traduzione mia).

Se la scuola ha una responsabilità rispetto a ciò che gli studenti imparano, credo che abbia anche una responsabilità rispetto al modo in cui imparano. E l’intelligenza artificiale è già entrata nelle scuole, che lo vogliamo o no: a volte apertamente, altre volte quasi clandestinamente. Lo dimostra anche quello che mi hanno raccontato i ragazzi all’inizio del laboratorio: quando dovevano cercare informazioni o svolgere un compito, molti di loro si rivolgevano già direttamente all’IA.

La scuola può scegliere di non occuparsene, ma in questo modo rinuncia anche alla possibilità di accompagnarne l’uso. Affrontarlo significa invece creare uno spazio nel quale sia possibile fare domande, osservare ciò che lo strumento produce, riconoscerne i limiti e provare diversamente quando una risposta non funziona. Significa anche imparare che la prima risposta ottenuta non deve necessariamente diventare quella definitiva.

Ma questo richiede anche una preparazione da parte di chi lavora con gli studenti. Nel mio caso avevo seguito, per iniziativa personale, un corso di base sull’intelligenza artificiale, che mi aveva permesso di conoscerne meglio le possibilità e alcuni limiti. Non credo, però, che questa preparazione debba essere lasciata soltanto all’iniziativa individuale. Soprattutto nei laboratori di italiano L2, un insegnante o un facilitatore che sappia utilizzare consapevolmente questi strumenti può trovare rapidamente una spiegazione più accessibile, una riformulazione o una traduzione utile a superare un ostacolo linguistico.

Anche le Linee guida pubblicate nel 2025 dal Ministero dell’Istruzione e del Merito insistono sulla necessità di un uso consapevole, responsabile e sicuro dell’intelligenza artificiale nella scuola, con particolare attenzione al ruolo dell’insegnante (Ministero dell’Istruzione e del Merito, 2025). Interessante, da questo punto di vista, è anche l’esperienza dell’Estonia. Nel programma nazionale AI Leap la formazione degli insegnanti precede e accompagna l’introduzione degli strumenti di IA nelle scuole. Nel 2026 la ministra dell’Istruzione Kristina Kallas ha sintetizzato questa impostazione con un principio molto chiaro: «empower teachers first, technology second», prima gli insegnanti, poi la tecnologia (Estonian Ministry of Education and Research, 2026). La scelta di partire dalla preparazione dei docenti mi sembra significativa. Il programma è ancora in corso e non permette quindi di parlare di risultati conclusivi. E forse, in un ambito che cambia così rapidamente, anche quando questi risultati arriveranno dovranno essere letti alla luce di una tecnologia che nel frattempo sarà già cambiata. Non sappiamo che cosa ci aspetterà fra uno o due anni.

Forse, come molte cose nella vita, anche l’intelligenza artificiale non può essere vista soltanto in bianco o in nero. Ha molte sfumature e credo che, insieme alle conoscenze e alle competenze necessarie per utilizzarla, serva qualcosa di molto antico e ancora indispensabile: il buon senso.

Riferimenti bibliografici e sitografici

Consiglio d’Europa. (2020). Quadro comune europeo di riferimento per le lingue: apprendimento, insegnamento, valutazione. Volume complementare. Strasburgo: Council of Europe Publishing. https://www.coe.int/en/web/common-european-framework-reference-languages/cefr-companion-volume-and-its-language-versions

Estonian Ministry of Education and Research. (2025). AI Leap: Key activities in the academic year 2025/2026. https://www.hm.ee/sites/default/files/documents/2025-09/Kooliaasta%20alguse%20pakett%202025_2026_ENG_EN.pdf

Estonian Ministry of Education and Research. (2026, 8 marzo). Europe’s Top PISA Performer Showcases AI Leap Programme as Global Summit Opens in Tallinn. https://www.hm.ee/en/news/europes-top-pisa-performer-showcases-ai-leap-programme-global-summit-opens-tallinn

Gates, B. (2026, 26 agosto). The turbulent AI era is here. The choices we make now are critical. Gates Notes. https://www.gatesnotes.com/a-turbulent-ai-era-and-critical-choices-to-make

Ministero dell’Istruzione e del Merito. (2025). Linee guida per l’introduzione dell’Intelligenza Artificiale nelle Istituzioni scolastiche. Versione 1.0, allegate al D.M. n. 166 del 9 agosto 2025. https://scuolafutura.pubblica.istruzione.it/-ai_xyw

Scuola di Barbiana. (1967). Lettera a una professoressa. Firenze: Libreria Editrice Fiorentina.

Ungaretti, G. (1969). Vita d’un uomo. Tutte le poesie (a cura di L. Piccioni). Milano: Mondadori.

Nota biografica

Irena Maksymyshyn è insegnante di italiano L2/LS e mediatrice linguistico-culturale. Lavora con studenti stranieri in contesti scolastici e online, con particolare attenzione alla facilitazione linguistica e al passaggio dalla lingua della comunicazione alla lingua dello studio. Possiede la certificazione CILS C2 e la certificazione DITALS di I livello, profilo immigrati. È attualmente impegnata in un percorso di Master in Didattica dell’italiano L2.