a cura di Anselmina Cerella e Ippolita Gallo

Portare l’IA nel mondo reale

Siamo abituati a pensare l’intelligenza artificiale come qualcosa che accade “dentro” uno schermo.
Questo contributo ci invita invece a fare un passo fuori.

Il lavoro di Anselmina Cerella e Ippolita Gallo mostra con grande concretezza come l’IA possa diventare una risorsa per leggere il mondo, esplorare il territorio, costruire conoscenza a partire dall’esperienza. Non più tecnologia che sostituisce, ma tecnologia che accompagna, che rende più profonda l’osservazione e più inclusiva la partecipazione.

In questa prospettiva, l’educazione torna ad essere ciò che dovrebbe sempre essere: un incontro vivo tra persone, luoghi e saperi, in cui il digitale non allontana dalla realtà, ma aiuta a comprenderla meglio.

L’Intelligenza Artificiale (IA) è spesso percepita come un’attività “da scrivania”, legata esclusivamente allo schermo e alla produzione di contenuti in contesti statici. Questo contributo intende ribaltare tale pregiudizio, proponendo l’IA come una “lente aumentata” per l’esplorazione del territorio. Integrando le tecnologie mobili con le pratiche di Outdoor Education e i principi dello Universal Design for Learning (UDL), l’IA si trasforma in uno strumento di indagine scientifica e inclusione radicale. Il passaggio dall’astrazione digitale all’esperienza empirica permette di trasformare parchi e città in laboratori dinamici, dove la tecnologia non isola l’alunno, ma lo riconnette al mondo reale attraverso la Citizen Science.

Il superamento del confine: l’IA come mediatore del territorio

L’educazione all’aperto non è una semplice “lezione fuori porta”, ma un orientamento pedagogico che valorizza l’ambiente come “terzo educatore”. In questo scenario, l’IA agisce come un catalizzatore di attenzione. Se in aula l’IA può tendere a sostituire lo sforzo di ricerca, all’aperto essa amplifica l’osservazione.

Lo studente non interroga la macchina per fuggire dalla realtà, ma per penetrarla. L’IA Mobile permette una validazione istantanea dell’ipotesi sul campo, riducendo il tempo tra l’input sensoriale (la curiosità) e il dato strutturato (la conoscenza). Questo approccio risponde all’Area 5 del DigCompEdu (Valorizzazione degli studenti), portando l’accessibilità digitale direttamente nel mondo fisico.

L’integrazione IA-Outdoor si poggia su due pilastri che ridefiniscono il ruolo dello studente:

Citizen Science o scienza partecipata. L’IA trasforma la classe in una comunità scientifica. Attraverso strumenti di Computer Vision, gli studenti raccolgono dati sulla biodiversità urbana o sullo stato dei monumenti. Questo processo sviluppa la Data Literacy: il dato non è più un’entità astratta trovata su un libro, ma il risultato di un’osservazione situata e validata dalla macchina.

UDL in cammino: l’Inclusione oltre l’aula. Portare l’IA all’aperto è un atto di equità. Seguendo i tre pilastri dell’UDL, l’IA funge da convertitore di formati in tempo reale:

  1. rappresentazione: l’IA descrive vocalmente un paesaggio a uno studente ipovedente o semplifica un’iscrizione storica complessa per un alunno con disabilità intellettiva;
  2. azione ed espressione: studenti con difficoltà motorie possono usare l’IA per analizzare dettagli inaccessibili (tramite zoom assistito o droni), partecipando attivamente alla ricerca del gruppo;
  3. coinvolgimento: la sfida della ricerca sul campo, mediata da strumenti digitali familiari, aggancia l’interesse anche di alunni con ADHD o svantaggio socio-culturale.

L’IA come strumento di Citizen Science

Il cuore dell’innovazione risiede nel trasformare ogni studente in un “piccolo scienziato” che contribuisce alla conoscenza del proprio territorio. Indichiamo alcune possibili attività.

Scuola dell’infanzia e prime classi scuola primaria – Cacciatori di forme e colori. Gli ambiti in primo piano saranno “discorsi e parole” e “conoscenza del mondo”. Inclusione: l’uso della sintesi vocale dell’IA aiuta i bambini con difficoltà linguistiche. L’attività è puramente visiva e tattile, abbattendo barriere cognitive. Obiettivo di citizen science: avvicinare i bambini all’osservazione sistematica e al rispetto della biodiversità locale.

FaseDescrizione dell’attivitàRuolo dell’IA mobile e mediazione docente
1. Preparazione
(in aula)		Il docente introduce l’uscita in giardino/parco vicino. Si mostrano immagini di elementi naturali (foglie, fiori, sassi) e si spiega che useremo un “occhio magico” (il tablet) per imparare i loro nomi.Il docente prepara il tablet con app di riconoscimento visivo semplici e sicure (es. Seek di iNaturalist, impostata in modalità bambini, o Google Lens supervisionato).
2. Esplorazione
(outdoor)		I bambini, a piccoli gruppi, esplorano lo spazio. La sfida è trovare: 1. qualcosa di rosso; 2. qualcosa di rotondo; 3. una foglia “mangiata” da un insetto.Il docente (o l’assistente) gestisce il tablet. Quando un bambino trova un elemento, il docente usa l’IA per identificarlo. L’IA “parla” (sintesi vocale) dicendo il nome dell’elemento.
3. Rielaborazione
(in aula)		Tornati in aula, si crea il “Cartellone delle scoperte”. I bambini disegnano ciò che hanno trovato. Le foto scattate dall’IA vengono stampate e incollate vicino ai disegni.Il docente utilizza un’IA generativa di immagini (es. Bing Image Creator supervisionato) per creare, partendo dai disegni dei bambini, un’immagine “fantastica” che unisca tutti gli elementi trovati in un unico paesaggio magico.

Scuola Primaria (classi IV o V) – Detective della biodiversità urbana. Materie: Scienze; Tecnologia; Educazione Civica.  Inclusione: l’uso dell’IA mobile permette agli studenti con dislessia di accedere alle informazioni senza dover leggere guide complesse sul campo. La geo-localizzazione e la fotografia offrono mezzi alternativi di espressione e azione. Obiettivo di citizen science: creare una mappa reale e condivisibile della qualità dell’aria basata sui bioindicatori, contribuendo alla conoscenza del territorio scolastico.

Esperienza di classe – Per mostrare come l’IA outdoor possa trasformarsi in un’occasione di apprendimento autentico, riportiamo un caso reale tratto da un’attività svolta in una scuola primaria. Durante un’attività di Citizen Science in un parco urbano, la classe stava lavorando alla mappatura dei licheni come bioindicatori della qualità dell’aria. Uno studente, MMM (nome di fantasia), solitamente poco coinvolto nelle attività scientifiche, si era appassionato all’uso del tablet per identificare le specie. A un certo punto, mentre il gruppo osservava il tronco di un tiglio, l’app di Computer Vision restituiva un risultato incerto: “Possibile specie: Xanthoria parietina – affidabilità bassa”. La luce del tardo pomeriggio creava ombre irregolari e il colore del lichene appariva più scuro del normale. MMM, invece di accettare la risposta, commenta a voce alta: «Secondo me non è lei. Guarda, la forma non è uguale alla foto. E poi qui c’è più verde». La docente ha colto l’occasione per applicare il principio Human‑in‑the‑loop: il gruppo ha confrontato l’immagine con una guida cartacea e ha scoperto che si trattava di una specie diversa, Physcia adscendens, più sensibile all’inquinamento. L’errore dell’IA è diventato un momento di apprendimento critico:

  • gli studenti hanno compreso che la tecnologia non è infallibile;
  • hanno riflettuto su come la luce e l’ambiente influenzino la Computer Vision;
  • MMM, grazie all’uso del tablet e alla validazione manuale, ha assunto un ruolo di leadership scientifica nel gruppo.

Il caso ha mostrato come l’IA, usata all’aperto, possa trasformare un errore in un’occasione di crescita, rafforzando osservazione, autonomia e inclusione. Come ricordato nel tuo testo, “l’errore diventa risorsa didattica per analizzare i bias della macchina”, e in questo episodio la classe lo ha sperimentato in modo autentico.

FaseDescrizione dell’attivitàRuolo dell’IA mobile e metodologia
1. Lancio e scaffolding
(in aula)		EAS (Episodi di Apprendimento Situato) – Fase preparatoria. Il docente introduce il concetto di “bioindicatore” e mostra foto di licheni. Spiega che la loro presenza indica la qualità dell’aria.Il docente istruisce gli studenti sull’uso critico dell’IA Mobile. Non devono solo accettare il nome dato dall’app, ma verificare le caratteristiche morfologiche (colore, forma) descritte dall’IA.
2. Investigazione (outdoor)EAS – Fase operatoria. La classe si reca in un’area definita (parco urbano, cortile della scuola). A gruppi, devono mappare i licheni presenti su alberi o muri, fotografandoli e annotando la posizione geo-localizzata.Computer Vision: Gli studenti usano app (es. Google Lens, iNaturalist) per identificare le specie di licheni.
Prompt Engineering Situato: “Agisci come un ecologo. Analizzando questa foto di lichene, identifica la specie e spiega, in base alla sua forma (crostoso, foglioso, fruticoso), cosa ci dice sulla qualità dell’aria in questo specifico punto della città.”
3. Condivisione e valutazione
(in aula)		EAS – Fase ristrutturativa. I gruppi caricano i dati raccolti (foto, specie, posizione) su una mappa digitale condivisa (es. Google My Maps o padlet) creata dalla classe. Si confrontano i dati per discutere la qualità dell’aria nella zona.Gli studenti confrontano i risultati ottenuti dall’IA con guide cartacee o siti web validati (Validazione umana – Human-in-the-loop). Creano una presentazione digitale dei risultati.

Scuola secondaria di I e II grado – Riconoscimento bio-organico e biodiversità. Utilizzando modelli di Computer Vision (visione artificiale) in mobilità, gli studenti possono identificare specie viventi e analizzarne lo stato di salute nel loro ecosistema naturale. Azione pratica: scatto di una foto a un lichene o a una specie vegetale rara. Prompt di approfondimento situato: “Agisci come un ecologo esperto. Analizzando questa immagine, identifica la specie e spiega quali indicatori di inquinamento atmosferico può fornirci in base alla sua presenza in questo specifico contesto urbano”.

Scuola secondaria di I e II grado – Storytelling geo-localizzato e storia aumentata. L’IA può essere utilizzata per “far parlare” i monumenti o le pietre di un borgo storico, generando narrazioni basate su dati storici reali ma rielaborate in chiave creativa. Esempio: creazione di una guida interattiva dove l’IA simula un’intervista a un personaggio storico vissuto in quel luogo, basandosi esclusivamente sui documenti caricati dal docente.

Per facilitare la progettazione, proponiamo una tabella che correla gli strumenti IA alle attività sul campo

Obiettivo didattico
(Secondaria)		Prompt SI
(Corretto)		Prompt NO
(Da evitare)		Rischio
Semplificazione sul campo“Riformula questa spiegazione del monumento per un livello A2, mantenendo i termini storici chiave.”“Spiega questo a un bambino piccolo o a un disabile.”Effetto Pigmalione / Stigma.
Accessibilità Sensoriale“Descrivi in modo dettagliato i colori e le forme di questa pianta per un output audio.”“Dimmi cos’è questa pianta.”Mancanza di supporto per ipovedenti.
Autonomia Scientifica“Genera 3 domande guida che mi aiutino a capire se questa roccia è sedimentaria o ignea.”“Dimmi che roccia è questa.”Dipendenza / Mancanza di riflessione.

Limiti, rischi e protocolli

L’uso dell’IA all’aperto richiede una postura critica specifica. Prima di ogni attività, è fondamentale che il docente e la classe riflettano su:

1.      Rispetto dell’ambiente: l’uso del digitale non deve disturbare la fauna o danneggiare la flora.

2.      Validazione umana (Human-in-the-loop): se l’IA identifica una pianta, lo studente deve verificare la risposta tramite l’osservazione dei dettagli (foglie, fusto, habitat).

3.      Privacy in spazi pubblici: evitare di includere passanti o dati sensibili nelle acquisizioni fotografiche destinate all’analisi IA.

L’IA deve restare una tecnologia, capace di adattarsi all’imprevedibilità del “fuori”:

  1. validazione (Human-in-the-loop): se l’IA sbaglia un’identificazione botanica, l’errore diventa risorsa didattica per analizzare i bias della macchina;
  2. privacy in mobilità: non acquisire volti o dati sensibili durante le sessioni di Citizen Science.
  3. digital detox selettivo: prevedere momenti di “osservazione pura” senza mediazione digitale per allenare i sensi.

L’uso dell’IA all’aperto apre scenari didattici innovativi, ma richiede una consapevolezza tecnica e pedagogica specifica. Come ricordato nel testo, “l’IA deve restare una tecnologia, capace di adattarsi all’imprevedibilità del ‘fuori’”, e proprio questa imprevedibilità rende necessario un quadro di attenzione più ampio. Di seguito vengono approfonditi tre ambiti critici: limiti tecnici, rischi educativi e protocolli di sicurezza.

Limiti tecnici – La Computer Vision è uno strumento potente, ma non infallibile. All’aperto, le condizioni ambientali possono influenzare in modo significativo la qualità delle identificazioni. Ne citiamo alcuni:

  • variabilità della luce: luce troppo intensa: sovraesposizione, perdita di dettagli, colori alterati; ombre marcate: distorsione delle forme, difficoltà nel riconoscimento di pattern; controluce: silhouette non interpretabili; luce al tramonto: tonalità calde che modificano la percezione cromatica delle foglie o dei licheni.
  • condizioni atmosferiche: umidità o pioggia: superfici lucide che riflettono la luce e confondono l’algoritmo; vento: movimento degli elementi naturali che impedisce una cattura stabile.
  • complessità biologica: specie simili tra loro (es. licheni crostosi quasi indistinguibili); organismi in stato di degrado o crescita intermedia; presenza di più elementi sovrapposti nella stessa immagine.
  • implicazione didattica: questi limiti diventano opportunità educative. Lo studente impara che il dato non è mai neutro e che la tecnologia non sostituisce l’osservazione, ma la affianca. L’errore dell’IA diventa un’occasione per sviluppare spirito critico e competenze di validazione.

Rischio di sovra-dipendenza dagli strumenti digitali – L’IA mobile può accelerare l’apprendimento, ma può anche generare una dipendenza cognitiva se non mediata correttamente.
Elenchiamo possibili rischi:

  • delegare alla macchina ogni forma di osservazione, riducendo la capacità di analisi autonoma;
  • perdita di attenzione al contesto reale, con studenti concentrati sullo schermo più che sull’ambiente;
  • riduzione della memoria visiva e tassonomica, perché l’identificazione è immediata e non richiede sforzo;
  • eccesso di fiducia nell’output dell’IA, percepito come verità assoluta.

E le possibili strategie di prevenzione:

  • alternare momenti di osservazione pura (senza dispositivi) a momenti di analisi assistita;
  • usare prompt che stimolino la riflessione (“Quali caratteristiche osservi tu?”);
  • introdurre attività di confronto tra identificazioni umane e identificazioni dell’IA;
  • valorizzare il dubbio come competenza scientifica.

Protocolli di sicurezza per l’uso di dispositivi mobili all’aperto – L’uso di tablet e smartphone fuori dall’aula richiede una gestione attenta, sia per la sicurezza fisica sia per la tutela dei dati. In riferimento alla sicurezza fisica: custodie antiurto e laccetti da polso per evitare cadute; regole di movimento: non correre con il dispositivo in mano, non avvicinarsi a corsi d’acqua o strade trafficate; turnazione dei dispositivi per evitare affollamenti e distrazioni.

Per la sicurezza digitale e la privacy: evitare di fotografare volti di passanti, targhe, cartelli con dati sensibili; utilizzare app che non richiedano la creazione di account personali; attivare modalità offline quando possibile; conservare le foto solo sul dispositivo scolastico, non su cloud personali. Pensando alla sicurezza organizzativa, suggeriamo di predisporre un protocollo di uscita che includa: check delle batterie; verifica delle impostazioni privacy; definizione dei ruoli (chi fotografa, chi osserva, chi annota); piano di rientro in caso di maltempo.

Checklist per il docent

Prima dell’uscitaDurante l’attivitàDopo l’attività
Verifica dispositivi, custodie, batteria. Imposta app in modalità sicura (privacy, offline, supervisione). Spiega agli studenti le regole di movimento e di fotografia.Alterna osservazione naturale e osservazione assistita. Ricorda di non fotografare persone o dati sensibili. Controlla che ogni identificazione sia verificata con l’occhio umano.Cancella eventuali foto non necessarie. Rielabora i dati raccolti con mappe, tabelle, discussioni. Riflettete insieme sugli errori dell’IA e su cosa hanno insegnato.

Conclusioni
Scardinare il pregiudizio dell’IA come attività sedentaria significa promuovere una tecnologia umano centrica che non allontana dal mondo, ma vi immerge con maggiore consapevolezza. L’IA, se portata fuori dalle mura scolastiche, smette di essere un fine e diventa un mezzo: una bussola intelligente per orientarsi nella complessità del reale. In questa nuova “ecologia dell’apprendimento”, l’inclusione avviene attraverso la partecipazione attiva alla vita del territorio. L’obiettivo finale è una scuola capace di integrare l’alta tecnologia con l’esperienza ancestrale del contatto con la natura, preparando studenti capaci di leggere il mondo con gli occhi della scienza e il cuore della cittadinanza.

La sfida per la scuola non è più “se” usare l’IA, ma “dove” e “come”. Portarla all’aperto significa educare a una cittadinanza aumentata, capace di usare la massima astrazione tecnologica per prendersi cura della massima concretezza biologica e storica. In questo modo, l’inclusione cessa di essere un adempimento burocratico per diventare una possibilità progettuale fluida, dove ogni studente, indipendentemente dal suo punto di partenza, può diventare protagonista della scoperta del mondo.

Riferimenti

CAST (2018) Universal Design for Learning Guidelines version 2.2

European Commission (2022). Ethical guidelines on the use of AI for educators

Ministero dell’Istruzione e del Merito (2024). Linee guida sull’uso dell’IA nelle scuole.

Rivoltella, P. C. (2020). Nuovi alfabeti. Educazione e culture digitali. Brescia, Morcelliana.

Anselmina Cerella

cerella.anselmina@gmail.com

Docente di scuola primaria, laureata in Scienze della Comunicazione, affianca alla carriera di docente quella di giornalista pubblicista, collaborando con diverse testate, occupandosi sia di articoli tecnici e informatici, sia di cronaca e cultura. Esperta e formatrice nell’Equipe Formativa Territoriale della Lombardia, dove si occupa, in particolare,di temi legati alla didattica digitale, come il digital storytelling e il pensiero computazionale

Ippolita Gallo

ippolitagalloeft@gmail.com

Media Educator, Sociologa e Pedagogista in Comunicazione e New Media. Esperta e formatore di didattica digitale integrata, educazione ai media e cittadinanza digitale, supporta scuole e docenti nella transizione digitale con metodologie innovative. È stata Tutor Coordinatore nell’ambito del Corso di Laurea Magistrale a ciclo unico in Scienze della Formazione Primaria presso l’Università della Calabria nell’anno accademico 2018/2019. Ha collaborato con l’USR Calabria e il MIM PNRR Istruzione dal 2019 al 2025 come componente Equipe Formativa Territoriale Polo Calabria.