di Emmanuele Ettore Vercillo
Introduzione editoriale
Che cosa vuol dire verificare.
Questo è il contributo più tecnico del numero, e chiediamo al lettore la pazienza di attraversarlo — perché contiene la domanda che tutti gli altri articoli danno per risolta.
In queste pagine si ripete, da molte direzioni, che davanti a una risposta generata da una macchina bisogna verificare. È giusto. Ma verificare che cosa, esattamente?
L’invito a «controllare ciò che dice l’intelligenza artificiale» resta indeterminato finché non si stabilisce quale relazione vada controllata. Ed è qui che questo saggio interviene.
Quando un sistema generativo risponde, non produce una sola cosa. Nella continuità della stessa conversazione può presentare una conclusione; le ragioni che dovrebbero sostenerla; le evidenze su cui quelle ragioni poggiano; i riferimenti documentali da cui le evidenze provengono; e infine, se glielo si chiede, un giudizio sull’attendibilità di tutto questo.
Sono cinque operazioni diverse, che richiedono criteri di valutazione diversi. Ma l’utente le incontra come un blocco unico, in un’unica bolla di testo.
L’autore chiama questa condizione compressione delle funzioni epistemiche: non la loro compresenza — che è normale e spesso utile — ma la riduzione della distanza percepibile fra loro. E fa una precisazione che vale la pena tenere: cinque funzioni ben segnalate possono risultare meno compresse di tre non differenziate. Non è una questione di quanto c’è dentro una risposta, ma di quanto se ne vedono i confini.
Da questa distinzione discende la parte più utile del saggio: un segnale non coincide con la qualità della funzione a cui rinvia.
La lunghezza di una spiegazione suggerisce che ci sia un ragionamento articolato. La presenza di una citazione suggerisce che la risposta sia documentata. In entrambi i casi il segnale indica qualcosa che merita di essere esaminato — ma non contiene l’esito dell’esame.
Che il confine sia sottile lo mostrano gli studi che l’articolo richiama. In un esperimento su quasi cinquecento partecipanti, la presenza di citazioni aumentava la fiducia anche quando i riferimenti erano casuali; e chi le fonti le controllava davvero dichiarava una fiducia inferiore. In un altro, l’inserimento di sette tecniche persuasive in soluzioni matematiche per il resto identiche portava sistemi impiegati come valutatori ad attribuire punteggi più alti a risposte sbagliate.
L’autore chiama questo trasferimento cross-function proxying: quando un segnale associato a una funzione incide sull’esercizio di un’altra funzione con un peso che il suo valore diagnostico non giustifica.
E — questo è ciò che rende il saggio affidabile — precisa subito il limite: non tutti i trasferimenti sono indebiti. Se la competenza di una fonte è pertinente al claim, è razionale che pesi. Se una spiegazione contiene informazione diagnostica, è giusto che modifichi il giudizio. La diagnosi di proxying richiede un ulteriore passaggio: mostrare perché quell’influenza sia epistemicamente ingiustificata.
Ne segue una definizione di verifica che ci pare la più precisa che abbiamo letto.
Verificare non è aggiungere un verdetto in fondo. È una pratica capace di mantenere distinguibili, abbastanza a lungo, i diversi titoli epistemici attraverso cui una risposta chiede di essere accettata. Una risposta può essere fattualmente corretta in un punto e inferenzialmente debole in un altro; può rinviare a una fonte autentica che non sostiene affatto ciò per cui viene convocata; può essere accompagnata da un giudizio plausibile la cui procedura resta opaca.
E l’autore aggiunge una cosa che chi lavora nella scuola apprezzerà: la proporzionalità del controllo è parte della competenza stessa. Un uso a basso rischio e facilmente reversibile non richiede lo stesso lavoro di verifica di una decisione sanitaria, civica o professionale. Non si tratta di sospettare sempre: si tratta di saper riconoscere quando è il momento di riaprire.
Resta la conclusione, che collega questo saggio ad altri contributi del numero senza che gli autori si siano mai letti.
La capacità di verificare, scrive Polizzi Sasso, non dipende soltanto dalla disposizione individuale a controllare, perché la possibilità del controllo è anche una proprietà delle infrastrutture: una fonte irraggiungibile, una catena documentale opaca, un verdetto privo di criteri osservabili restringono ciò che una persona può effettivamente fare.
Da qui la formula con cui il saggio si chiude: l’epistemic agency come capacità individualmente esercitata ma infrastrutturalmente abilitata e vincolata. L’atto di giudicare resta della persona; l’ambiente può ampliare o restringere le condizioni concrete in cui quel giudizio è possibile.
Altri contributi di questo fascicolo arrivano allo stesso punto da strade diversissime — l’attenzione come infrastruttura della cittadinanza, la distanza fra un cittadino e un diritto che pure esiste. Nessuno di questi autori ha letto gli altri.
Il che, forse, è la ragione migliore per pubblicarli insieme.
Carmine Marinucci
—
Abstract:
L’introduzione dell’intelligenza artificiale generativa nei processi educativi viene spesso interpretata attraverso una contrapposizione tra entusiasmo tecnologico e timore di una progressiva perdita delle competenze umane. Questo contributo propone una prospettiva differente, secondo cui l’IA non rappresenta soltanto una nuova tecnologia da integrare nella didattica, ma costituisce una sfida epistemologica al modello tradizionale della trasmissione del sapere.
Il moderno sistema educativo si fonda su una struttura verticale, nella quale il docente e il libro di testo rappresentano fonti autorevoli di conoscenza, mentre allo studente è affidato principalmente il compito di acquisire, memorizzare e restituire un output di verifica. L’intelligenza artificiale generativa modifica radicalmente questo rapporto, offrendo risposte immediate e linguisticamente convincenti, in grado di aggirare la richiesta di verifica ma che, allo stesso tempo, possono produrre conoscenze fallaci.
Proprio questa caratteristica può trasformarsi da problema a opportunità educativa. Se lo studente viene educato a considerare l’IA non come un’autorità ma come un interlocutore da interrogare, verificare e correggere, l’utilizzo della tecnologia può favorire lo sviluppo di competenze fondamentali: capacità critica, valutazione delle fonti, argomentazione e consapevolezza dei processi attraverso cui si costruisce la conoscenza. Tutti elementi fondativi del metodo scientifico e che trovano poco spazio in un modello di educazione verticale, che ha tradizionalmente teso a demandare simili competenze ad esperienze successive.
L’IA, quindi, non dovrebbe condurre a una scuola meno umana, ma potrebbe rappresentare l’occasione per superare una concezione puramente trasmissiva dell’apprendimento e recuperare una dimensione più autenticamente critica e dialogica dell’educazione.
Abstract eng:
The modern educational system is grounded in a vertical structure, in which the teacher and the textbook represent authoritative sources of knowledge, while the student is chiefly entrusted with the task of acquiring, memorizing, and returning an output for verification. Generative artificial intelligence radically alters this relationship, offering immediate and linguistically convincing answers capable of circumventing the demand for verification while, at the same time, potentially producing fallacious knowledge.
This very characteristic can be turned from a problem into an educational opportunity. If students are taught to regard AI not as an authority but as an interlocutor to be questioned, verified, and corrected, the use of this technology can foster the development of fundamental competencies: critical thinking, source evaluation, argumentation, and an awareness of the processes through which knowledge is constructed. These are all foundational elements of the scientific method, elements that find little room in a vertical model of education, which has traditionally tended to defer such competencies to later experience.
AI, therefore, need not lead to a less human school; rather, it could represent the opportunity to move beyond a purely transmissive conception of learning and recover a more authentically critical and dialogic dimension of education.
Secondo l’ultima rilevazione TALIS dell’OECD, condotta nel 2024, poco più di un insegnante su tre, nella scuola secondaria di primo grado, aveva già usato uno strumento di intelligenza artificiale generativa per il proprio lavoro. L’impiego maggiore avviene nella programmazione di lezioni e la preparazione di materiali didattici, con differenze molto ampie da un paese all’altro. È quasi certamente una fotografia già superata, vista la velocità con cui l’adozione procede.
Se l’uso dei docenti è quantomeno misurabile, quello degli studenti no: a differenza delle precedenti ondate di tecnologia scolastica, come LIM, tablet e piattaforme di e-learning, l’intelligenza artificiale generativa risulta facilmente accessibile allo studente senza l’intermediazione scolastica. Non richiede procurement, non richiede formazione obbligatoria, non richiede che un istituto la autorizzi: basta un telefono. Lo stesso rapporto OECD Digital Education Outlook 2026 lo osserva con una certa onestà: gran parte di questi strumenti resta, di fatto, fuori dal controllo delle istituzioni scolastiche. Non perché le scuole li ignorino ma perché la loro stessa immediatezza li rende difficili da contenere.
È in questo spazio scoperto che si è mossa l’UNESCO che, nella sua Guidance for Generative AI in Education and Research, parte da una constatazione semplice quanto scomoda: gli strumenti si moltiplicano più in fretta di quanto i governi riescano a scrivere le regole. Nella maggior parte dei paesi non esiste ancora una normativa dedicata e i dati degli studenti restano di fatto senza protezione specifica. Inoltre, le scuole non hanno gli strumenti per valutare, prima che i ragazzi le adottino per conto proprio, i modelli di IA. Da qui le proposte concrete della guida: una soglia d’età di 13 anni sotto la quale l’uso autonomo non dovrebbe essere consentito, standard comuni di protezione dei dati e un principio che l’UNESCO chiama human agency, cioè la capacità dello studente di restare soggetto attivo e non semplice destinatario del processo educativo. Persino l’OECD, pur guardando alla tecnologia con un favore relativamente maggiore, ammette che la governance resta il punto più debole del sistema: dati, piattaforme e responsabilità continuano a essere gestiti in ordine sparso. Ma ridurre la partita alle regole rischia di far perdere di vista la domanda più scomoda, quella che nessuno dei due rapporti pone esplicitamente ma che entrambi, in fondo, sfiorano di continuo. Cosa succede all’idea stessa di sapere, quando la fonte dell’autorità in classe smette di essere un docente o un libro di testo e diventa un algoritmo capace di rispondere a tutto, subito, con un’affidabilità solo apparente. È da qui che vale la pena ripartire.
Le istituzioni dedicate all’istruzione nascono in un contesto di scarsità nell’accesso al sapere. In altre parole, in un mondo che vive un analfabetismo diffuso e in cui la conoscenza è custodita da pochi soggetti, quei soggetti acquisiscono un automatico potere informativo. Sta a loro decidere chi potrà accedere a un determinato bagaglio di conoscenze, in che misura potrà farlo e, soprattutto, a quali conoscenze potrà accedere. Nel tempo, l’istruzione ha teso a democratizzarsi, in prima istanza grazie all’avvento delle scuole pubbliche e laiche e in seguito sempre di più, grazie anche agli obblighi scolastici e passando per un accesso più semplice ed economico ai libri. Questa crescente democratizzazione, però, non ha coinciso con un cambio delle istituzioni scolastiche, che hanno mantenuto il loro posizionamento di unici custodi del sapere e, di conseguenza, autorità con il compito di amministrarne la diffusione. L’avvento di internet ha reso questo scollamento ancora più evidente: nel momento in cui migliaia di informazioni vengono riversate su strumenti immediatamente accessibili a tutti, l’autorità del gatekeeper informativo viene subito messa in discussione. Certo, gli albori di internet richiedevano ancora una ricerca attiva da parte dell’utenza, ma è altrettanto vero che la prima reazione delle istituzioni scolastiche a strumenti come Wikipedia è stata quella di un divieto tout court, bollando queste piattaforme come non attendibili. Al massimo, come nel noto caso del Middlebury College risalente al 2007, si vietava l’utilizzo di Wikipedia come fonte bibliografica pur ammettendone l’utilizzo. Si diceva, in sostanza, che tutti sapevano benissimo che Wikipedia sarebbe stata impiegata con finalità di ricerca, ma comunque non le si concedeva quel principio di autorità.
Ovviamente la scuola mantiene spazi di confronto, ma questi sono demandati alle sensibilità dei singoli docenti in virtù dell’autonomia didattica. Sarebbe anacronistico e pericoloso pensare a una scuola in grado di imporre un metodo di lavoro ai suoi docenti, però le sensibilità personali possono, per definizione, variare in modo anche importante. Il punto essenziale resta che, se un tempo la scuola era unica custode del sapere, oggi si è adattata, trasformandosi nell’unica istituzione in grado di certificare l’acquisizione della conoscenza attraverso una complessa struttura burocratica. Di conseguenza, le istituzioni scolastiche mantengono centralità nella vita dello studente per la necessità di ottenere un certificato valido. Questo aspetto è evidenziato dal crescente interesse verso la certificazione di obiettivi raggiunti, prima da indicare in voti e crediti formativi e che culminano, oggi, nelle competenze in uscita, standardizzate in tutta Europa per dare alla scuola una traiettoria univoca e sempre più legata al riconoscimento di capacità da parte di un’autorità.
Se però la scuola si pone come principio cardine quello di verificare il raggiungimento di un obiettivo, la logica conseguenza è che impieghi gran parte del suo tempo a sottoporre i suoi studenti a verifica. L’Italia, in questo, vanta un discutibile primato proprio per l’impatto crescente che le verifiche dell’apprendimento hanno sulla vita scolastica. Un dato di fatto che ha spinto, nel 2025, il Ministero dell’Istruzione a pubblicare la nota 2443, che invitava proprio a contenere e programmare meglio il numero di verifiche previste. Il problema resta però intatto, con scuole che richiedono ai docenti di arrivare a fine percorso con un numero minimo di voti a registro e una continua corsa all’inseguimento del risultato prestabilito. Questo impianto, non può che produrre un pesante carico da sopportare per gli studenti: secondo un’indagine CENSIS del 2024, gli studenti italiani trascorrono 11-12 ore settimanali di studio domestico, la media più alta in Europa, mentre devono svolgere fra le quattro e le sei verifiche per periodo didattico in ogni materia. Anche nel suo impianto organizzativo la scuola si concentra sempre di più sul verificare e sempre meno sul trasmettere. È in questo contesto che l’IA può diventare pericolosa: se uno studente è soggetto a un carico di lavoro eccessivo, cercherà di alleggerirlo. I modelli LLM offrono proprio questo: risposte veloci, efficaci e che richiedono un terzo del tempo rispetto alla lettura di un libro di testo scolastico. Il problema sorge nel momento in cui l’IA potrebbe sbagliare, essere soggetta ad allucinazione e quindi, nei fatti, inquinare l’apprendimento dello studente con informazioni poco precise o addirittura false.
Proprio questo aspetto, tuttavia, apre una nuova prospettiva per l’apprendimento scolastico. Abbiamo discusso, infatti, di come l’accesso più libero all’informazione abbia costretto la scuola a riorganizzarsi e concentrarsi sulla certificazione. Però, in un contesto in cui l’accesso alla nozione è reso molto più aperto e semplice, l’istruzione ha la possibilità di dedicarsi a quello che è il lavoro più delicato relativo alla conoscenza, e cioè la verifica della validità delle informazioni. Questo aspetto difficilmente entra nelle scuole, impegnate perlopiù a fornire nozioni e a mantenere un principio di autorità secondo il quale non c’è bisogno di mettere in discussione ciò che il docente e il libro di testo insegnano. Tuttavia, come ben ricordava Karl Popper nella sua teoria del falsificazionismo, la scienza (e, per esteso, la conoscenza più in generale) non va avanti accumulando fatti conclamati da tramandare, ma mettendo in continua discussione, cercando di smentirle, le teorie esistenti. Questa visione si orienta proprio verso il lavoro reso necessario dalle IA, che non godono di quello stesso principio di autorità: verificare, controllare e mettere in discussione. Se, da un lato, possiamo intendere i sistemi di insegnamento classici come qualcosa di verticale, che tende a trasformarsi in conoscenza dogmatica, nell’IA possiamo vedere la possibilità di insegnare a sollevare il dubbio. Questo tipo di formazione è quello che forse più manca nell’istruzione scolastica contemporanea. Questa necessità era stata percepita già con il proliferare delle fake news, che subito hanno causato un’alzata di scudi necessaria per educare i giovani alla gestione dell’informazione.
Non si tratta nemmeno, a ben guardare, di una visione nuova. Il noto pedagogista Paulo Freire, sul finire degli anni Sessanta, pubblicava il suo lavoro più importante intitolato “La pedagogia degli oppressi”. L’intento del testo di Freire era proprio quello di criticare i sistemi scolastici tradizionali, cercando di pensare a un modo diverso di fare educazione e promuovere conoscenza. Il cuore del problema che segnalava il pedagogista, stava proprio in un modello educativo che si prefiggeva come obiettivo quello di depositare conoscenze nella mente degli studenti, considerati come contenitori vuoti da riempire. Freire chiamava questo modello pedagogia bancaria, in riferimento al fatto che gli strumenti adottati dalla scuola richiamano quelli del mondo della finanza, almeno per nomeclatura: crediti, debiti, valutazioni e recuperi sono ciò che compone l’amministrazione ordinaria dell’istituzione scolastica. Si tratta delle stesse criticità evidenziate sin qui e che, come abbiamo visto, con l’invenzione di una serie di strumenti che possono rendere l’ottenimento di valutazioni migliori più semplice, rischiano di perdere il loro significato.
La parte ancora più interessante del lavoro di Freire, tuttavia, riguarda la capacità di analisi critica. Secondo il pedagogista, infatti, questo modello educativo non è in grado di stimolare il pensiero critico negli studenti. Questo può spiegarci perché, davanti a uno strumento come l’IA, lo studente possa tendere a prendere per buone quelle risposte che gli procurano un risultato positivo, invece di metterle in discussione criticamente. Per questa ragione, Freire proponeva un’educazione problematizzante. Cioè un modello educativo che si ponesse come obiettivo non l’acquisizione di un bagaglio di conoscenze predeterminato ma che si basasse invece su un dialogo paritario fra studenti e docenti, per arrivare a una co-creazione della conoscenza. In quest’ottica, parole chiave diventerebbero il rapporto paritario fra studenti e docente, che permette di avviare un rapporto dialogico, e l’alfabetizzazione, qui vista non solo come apprendimento di lettura e scrittura, ma anche come sviluppo di una capacità critica che permetta di posare uno sguardo differente sul mondo.
Ovviamente, alla fine degli anni Sessanta, Paulo Freire non poteva immaginare quale sarebbe stato lo sviluppo di internet e, ancora meno, quello dell’IA. Tuttavia, è interessante notare come le sue tesi sembrino sposarsi così bene con le sfide che la scuola contemporanea si trova ad affrontare. La ragione è che non è vero che l’IA stia rendendo obsoleta l’istruzione, quanto piuttosto che sta mettendo in crisi uno specifico modello di istruzione. Se il contesto scolastico continua a restare ostinatamente su quella traiettoria già criticata da Freire, rischia di essere fagocitato dall’IA, e questo rischio diventa sempre più reale ogni anno che passa, con le evoluzioni sorprendenti della tecnologia. Riprendendo adesso i dati esposti in apertura e riguardanti l’utilizzo delle IA nella scuola, possiamo fare alcune osservazioni.
In primo luogo, abbiamo detto che circa un terzo degli insegnanti dice di utilizzare le IA, soprattutto per programmare lezioni e verifiche. Questo significa che il modello scolastico non è cambiato: semplicemente è stato arricchito di un nuovo strumento, che permette ai docenti di essere più efficienti nel produrre il crescente numero di lezioni e verifiche che viene loro richiesto, ma che comunque non modifica in alcun modo il modello di apprendimento. Quello che accade, è che il docente velocizza quella parte di lavoro che avrebbe richiesto più tempo, ma poi propone alla classe lo stesso tipo di lezione, magari organizzata grazie a un’IA, e richiede loro di assolvere allo stesso carico di studio. E, da parte loro, gli studenti assolveranno a quel carico di studio, magari sfruttando IA che potrebbero alleggerirgli o persino evitargli il rapporto con libri di testo e dispense, così come permettergli di superare verifiche. Il software innovativo appare all’inizio e alla fine del percorso di apprendimento, restando completamente escluso da quella che dovrebbe essere la parte più importante, cioè quella che sta nel mezzo. E mentre noi ci concentriamo su normative adeguate per gestire la privacy degli utenti e le soglie d’età, perdiamo la possibilità di gestire l’adozione di uno strumento potente che, di per sé, viene già adottato nella prassi reale, in modalità impossibili da monitorare dall’istituzione scolastica. Creare delle regole che si pongano l’obiettivo di limitare l’adozione dell’IA, però, non può essere considerata una soluzione funzionale. In primo luogo, perché non si può, in coscienza, pensare di impedire l’accesso a strumenti che, fuori dalla scuola, sono accessibili a chiunque e gratuitamente. In secondo luogo, perché significa ancorarsi con ostinazione a un modello educativo che sta progressivamente vedendo erosa la sua capacità di produrre risultati.
Come già anticipato, il problema della capacità critica andrebbe affrontato, secondo Freire, attraverso il dialogo. Evitando, cioè, quella che lui chiamava pedagogia bancaria e che noi abbiamo definito come un modello educativo verticale, ma permettendo al docente di trovarsi sullo stesso piano dei suoi studenti e costruire insieme a loro un bagaglio di conoscenze. Questo non significa che docenti e studenti abbiano lo stesso bagaglio di conoscenze, ma soltanto che possono condividere un livello dialogico comune, e non uno che presupponga un solo oratore e tanti ascoltatori. In questo contesto, l’IA può mostrare il suo effettivo valore: una fonte di conoscenze virtualmente illimitate ma con limiti tecnici che ne rendono discutibile l’attendibilità. Due caratteristiche che la rendono opposta ai libri di testo e che danno, agli output che produce, le facoltà di un testo che possa essere messo in discussione da studenti e docenti che lavorano di concerto. In altre parole, se il libro è contenuto perfetto per un modello didattico verticale, essendo un prodotto finito e pensato per trasmettere un contenuto già selezionato e organizzato, l’IA è perfetta per un apprendimento orizzontale, condividendo conoscenze che a volte possono essere messe in discussione, stimolando così una riflessione più profonda della semplice memorizzazione. Mentre il libro risponde all’ipotetica domanda cosa dovrei apprendere? L’IA ci permette di spingere l’utente a chiedersi come faccio a capire se questa conoscenza è fondata? Questo, nella visione della falsificazione Popperiana, non è altro che la messa in discussione di una nozione.
Sarebbe a questo punto lecito domandarsi come, nella pratica quotidiana, questo modello di istruzione potrebbe concretizzarsi. In primo luogo, bisogna chiarire un dato essenziale: adottare l’IA nella prassi scolastica non vuol dire fare in modo che sostituisca il docente ma che ne sia affiancato. Il timore maggiormente diffuso riguardo alle IA è che queste possano prendere il posto del corpo docente, rendendo la loro professione obsoleta. La verità, però, è che questo scenario diventa reale soltanto se il docente resta caratterizzato dall’essere titolare del sapere che ha il compito di condividere. È evidente come nessun docente possa mai avere accesso alla quantità di informazioni disponibili a una macchina, peraltro connessa in rete, e che quindi non possa competere sul piano delle nozioni possedute. Ciò che il docente aggiunge, però, è il suo essere un esperto della materia. Conosce il campo disciplinare, sa come individuare un errore sui temi di suo interesse accademico e può costruire un percorso problematizzante e critico che porti a una riflessione critica sulle nozioni a nostra disposizione. In altre parole, il docente è il soggetto che può guidare lo sviluppo di quell’occhio critico che secondo Freire era assente, ma può farlo soltanto se sveste i panni del custode del sapere e indossa quelli di un soggetto che entra in classe con l’intenzione di instaurare una conversazione produttiva.
Chiarito questo concetto, possiamo accettare, di conseguenza, che il docente dovrà per primo iniziare a rivedere gli scopi del suo operato. Non deve più occuparsi di riempire dei contenitori vuoti, ma affiancarsi ai suoi studenti per guidarli nel discutere un tema, che sarà l’argomento della sua lezione. Questo argomento sarà fondato ovviamente su dati e conoscenze che lui ha studiato e che, grazie all’IA, diventano di facile e immediato accesso per la classe. Qui diventa centrale il ruolo della macchina: invece di spendere un’ora di tempo a spiegare perché ha avuto luogo la Rivoluzione Francese, bastano pochi secondi per chiedere all’IA quali siano le cause che hanno condotto a quell’importante sviluppo storico. Il prompt di partenza può persino essere costruito di concerto fra docente e studenti e, una volta ottenuta la risposta, i punti elencati possono essere discussi in classe. Qualche studente potrebbe essere in disaccordo con alcuni elementi sottolineati dall’IA, qualcun altro potrebbe essere curioso di approfondire un punto specifico e il docente stesso potrebbe spingere la classe a riflettere su qualcuno dei punti evidenziati, o scoprire qualcosa che magari non ricordava dai suoi studi universitari e che vuole indagare insieme alla sua classe. Altro aspetto fondamentale sarebbe la possibilità di chiedere all’IA quali siano le fonti che le permettono di fare determinate affermazioni e, dunque, quali prove esistono riguardo a un determinato dato specifico. In pochi secondi, gli studenti hanno iniziato a svolgere un’indagine dal carattere scientifico e abbandonato il terreno della semplice acquisizione di informazioni verificate da altri. Il pregio, sarebbe che i ragazzi, svolgendo la ricerca informativa per conto loro, potranno far sì che questa rimanga maggiormente impressa nelle loro conoscenze di quanto non lo sarebbe nel caso di una ricezione passiva. Più di tutto, una lezione svolta con questo metodo, affronta davvero il problema discusso sin qui: non stiamo più trasmettendo delle nozioni da memorizzare ma stiamo allenando un metodo di riflessione. Quel metodo, che oggi ci spinge a mettere in discussione l’output di un’IA e a indagarlo con maggior curiosità, domani funzionerà benissimo per essere critici verso l’affermazione di un politico o verso i risultati di una ricerca scientifica controversa. L’occhio critico, che secondo Freire doveva essere il centro della didattica, diventa qui essenziale. E il mettere in discussione una nozione per verificarne la validità, come auspicato da Popper, diventa la prassi ordinaria della lezione scolastica.
Altro elemento della didattica che non può permettersi di restare invariato è il momento della verifica. Come abbiamo discusso, infatti, se la verifica continua a essere lo strumento per attestare il possesso di determinate nozioni, otteniamo l’effetto di deteriorare la validità della scuola in quanto quelle nozioni sono immediatamente disponibili grazie alle nuove tecnologie. Una didattica incentrata sull’analisi critica dell’informazione, invece, non può essere verificata chiedendo quali sono le cause della Rivoluzione Francese, ma deve essere testata con domande come discuti il ruolo della crisi finanziaria nella Rivoluzione Francese. In questo modo, non stiamo chiedendo allo studente se ha memorizzato delle nozioni che sarebbero comunque disponibili altrove, ma gli stiamo chiedendo se è in grado di riflettere su quelle nozioni per comprendere un meccanismo più grande ed esprimere anche una sua opinione sull’argomento.
Possiamo allora immaginare una normale unità didattica costruita secondo questo principio. Restiamo con l’esempio della Rivoluzione Francese: il docente prepara il tema, individua le conoscenze fondamentali e costruisce con la classe il prompt dal quale partire. Come detto, questo prompt può essere anche preparato in precedenza dal docente, ma la situazione ideale sarebbe quella di costruirlo insieme alla classe. In questa fase, l’obiettivo è di sondare le domande che gli studenti vorrebbero porre sull’argomento e condensarle in un unico prompt iniziale. L’IA produrrà, a quel punto, una prima risposta che non costituisce il punto di arrivo della lezione ma il suo materiale di partenza. Da quel momento, il lavoro consiste nel sottoporre quelle informazioni a domande, confrontarle con altre fonti a disposizione o anche con nozioni acquisite da altre persone in modo da individuare eventuali lacune e costruire interpretazioni alternative. Queste interpretazioni verranno sottoposte al docente e, al tempo stesso, anche all’IA, generando così un dialogo costruttivo intorno al tema della lezione che permetterà agli studenti di dialogare con l’argomento invece di ascoltarlo per assimilare.
A seguito della lezione, lo studente potrà arricchire quanto discusso in classe con sue considerazioni più personali. La fase di studio domestico resta essenziale sia per aggiungere approfondimenti che sono rimasti fuori dalla lezione principali per ragioni di tempo sia per consentire a studenti che non vogliono discutere i propri dubbi pubblicamente di farlo in privato. La parte fondamentale, però, è che grazie al processo affrontato a scuola lo studente abbia acquisito un metodo di interrogazione dello strumento IA e che questo metodo non sia più una ricezione passiva e verticale d’informazioni. Resta comunque essenziale che anche questa fase di studio da casa passi da un’interazione successiva con il docente, in modo tale che il dialogo didattico non sia limitato alla sola lezione ma diventi un rapporto che si mantiene nel tempo.
Anche la verifica, a quel punto, deve necessariamente cambiare insieme alla didattica. Se durante la lezione abbiamo allenato gli studenti a interrogare una conoscenza, e lo studio a casa è servito a consolidare questa competenza, non possiamo poi chiedere loro semplicemente di ripeterla. La prova dovrà riprodurre, almeno in parte, lo stesso processo di analisi e discussione che ha caratterizzato l’apprendimento. Dunque, le domande poste allo studente non potranno essere di natura nozionistica. Nel caso della Rivoluzione Francese, non chiederemo nomi, date o eventi specifici. Ci interesserà, piuttosto, sapere fare domande che spingano lo studente a riflettere sui processi che hanno prodotto quel fenomeno e a dimostrare la propria capacità di analisi critica dello stesso.
L’intelligenza artificiale, quindi, non pone alla scuola soltanto un problema tecnologico. Siamo davanti, piuttosto, a una sfida istituzionale e, prima ancora, pedagogica. Per la prima volta, infatti, l’istituzione scolastica si trova davanti a uno strumento capace di rendere immediatamente accessibile una quantità di conoscenze che nessun docente, nessun libro e nessuna biblioteca potrebbero contenere nello stesso modo. Tentare di arginare questo cambiamento attraverso divieti, soglie di età o limitazioni all’utilizzo può essere necessario per affrontare singoli problemi, soprattutto quelli legati alla tutela dei dati, ma non può rappresentare una strategia educativa. L’IA è ormai parte dell’ambiente nel quale gli studenti vivono e continuerà a esserlo indipendentemente da quanto la scuola deciderà di utilizzarla.
La vera scelta riguarda quindi ciò che la scuola vuole fare di fronte a questa trasformazione. Può continuare a considerare la trasmissione e la verifica delle nozioni come il centro del proprio funzionamento, utilizzando l’IA come un nuovo strumento per produrre più rapidamente lezioni, esercizi e verifiche e cercando contemporaneamente di impedire agli studenti di utilizzarla. Oppure può riconoscere che la propria funzione storica è cambiata insieme all’accesso alla conoscenza e utilizzare proprio questa tecnologia per spostare il centro dell’apprendimento dalla disponibilità dell’informazione alla capacità di interrogarla.
In questo secondo scenario, la scuola non perde il proprio valore: diventa finalmente coerente con il mondo nel quale opera. Il docente continua a essere indispensabile perché possiede le conoscenze necessarie per orientare il percorso, riconoscere gli errori, individuare i problemi e costruire domande significative. Lo studente continua ad avere bisogno di acquisire conoscenze, perché non è possibile esercitare un pensiero critico su ciò che non si conosce. Ma il rapporto fra questi elementi cambia: le conoscenze non sono più necessariamente il punto di arrivo della lezione, bensì il materiale attraverso il quale costruire una capacità di analisi.
È forse questa la sfida più importante che l’IA pone all’istruzione. Non imparare a produrre risposte migliori di una macchina, ma imparare a porre domande migliori alle risposte che una macchina produce. Non difendere la scuola dal fatto che gli studenti possono accedere alle informazioni senza di essa, ma insegnare loro perché quell’accesso non è sufficiente. Non conservare artificialmente un’autorità che la tecnologia ha già reso più fragile, ma costruirne una nuova fondata sulla capacità di guidare l’indagine.
In fondo, è proprio qui che l’intuizione di Freire e quella di Popper possono incontrare la tecnologia contemporanea. La prima ci ricorda che l’educazione non può ridursi al deposito di conoscenze nella mente di chi apprende; la seconda che nessuna conoscenza dovrebbe essere sottratta alla possibilità di essere messa alla prova. L’IA può rendere questa seconda possibilità quotidiana e concreta dentro la classe. Se la scuola saprà utilizzarla in questo modo, il problema non sarà più stabilire come impedire a una macchina di fare ciò che oggi fanno docenti e studenti, ma capire cosa possiamo finalmente chiedere alla scuola di fare proprio perché una macchina è in grado di occuparsi del resto.
Bio:
Emmanuele Ettore Vercillo è docente di Italiano, Storia e Geografia e giornalista. Si occupa di scuola, cultura e trasformazioni sociali legate alla tecnologia, con particolare interesse per il rapporto tra intelligenza artificiale, istruzione e produzione della conoscenza. Ha esperienza nell’insegnamento in diversi contesti scolastici e nella scrittura giornalistica e saggistica.