Cosa ci raccontano i cento e più elaborati del MOOC «Laboratorio di Intelligenza Culturale», della DiCultHer Academy

Di Silvia Mazzeo, responsabile della DiCultHer Academy

VIDEO

Introduzione editoriale

Centonove volte

Introduzione a «Ora, lege et labora: quando la scuola italiana mette alla prova l’Intelligenza Culturale» di Silvia Mazzeo

In questo numero si sostiene, da più parti e per strade indipendenti, che esista qualcosa che non si può delegare a una macchina. Un contributo lo argomenta a partire dall’aula, uno dalla filosofia, uno dalla ricerca accademica, uno dalla comunità educante.

Questo articolo fa un’altra cosa: misura.

Silvia Mazzeo presenta gli esiti del MOOC «Laboratorio di Intelligenza Culturale» della DiCultHer Academy — circa trecento corsisti, centonove elaborati valutati da una commissione su tre livelli progressivi. Non un’indagine campionaria né un’inchiesta: la lettura sistematica di ciò che è accaduto quando alcune centinaia di docenti italiani hanno provato davvero a lavorare con l’intelligenza artificiale su un patrimonio culturale, con dei bambini di cinque, sei, nove anni davanti.

Il risultato che vale la pena isolare non è il tasso di superamento delle prove, che pure è alto. È un altro, e l’autrice lo mette giustamente al centro: ogni progetto del livello avanzato documenta almeno un errore della macchina e la propria correzione.

Sono correzioni concrete, e vale la pena elencarne qualcuna perché è lì che l’articolo diventa memorabile. Un’allucinazione sulla funzione biologica del miele — che le api producono per sé, non per noi. Un errore sulle abitudini delle balene. Un anacronismo tecnologico, un tornio a pedale al posto di un tornio lento, individuato solo perché il docente conosceva il proprio dominio. La rettifica del nome di un Sultano, di una data storica. E il caso di «Vestire il Sacro», dove il sistema aveva generato costumi e carri completamente estranei alla tradizione materana, poi ricostruiti attraverso vincoli filologici e fotografie d’archivio.

Ciascuna di queste correzioni è, presa da sola, un dettaglio minuscolo. Tutte insieme sono la prova empirica di ciò che gli altri contributi di questo numero argomentano in teoria: che la macchina calcola e l’essere umano dà senso, e che dare senso significa, in concreto, accorgersi di un errore che nessuno segnala.

C’è poi un secondo esito che merita attenzione, e riguarda il lessico. Negli elaborati del primo livello ricorrono, con una coerenza terminologica che l’autrice definisce sorprendente, espressioni come «regia umana», «l’IA calcola ma non comprende», «semilavorato cognitivo», «non delega del senso». Sono formule nate nei documenti dell’Associazione — e ritrovarle nella scrittura spontanea di quaranta docenti diversi significa che hanno smesso di essere il linguaggio di un manifesto per diventare un vocabolario professionale condiviso. È il segno più concreto che una formazione abbia lasciato qualcosa.

L’articolo non nasconde le criticità. Prompt di sistema confusi con le domande destinate agli studenti, formulazioni troppo generiche, elaborati che sfiorano appena i nodi della trasparenza: la competenza di prompting emerge come un’alfabetizzazione a sé stante, ancora da costruire. E il quadro complessivo resta quello di una comunità in apprendimento, non di un modello compiuto.

Ma è proprio questo a rendere il contributo prezioso in un dibattito che oscilla fra entusiasmi e allarmi senza quasi mai passare dai dati. Qui i dati ci sono, e dicono una cosa precisa: che quando si costruisce un percorso serio, con criteri dichiarati e una commissione che valuta, la titolarità culturale smette di essere uno slogan e diventa — parole dell’autrice — un riflesso professionale diffuso.

Resta la formula con cui l’articolo si chiude, e che dà al motto di quest’anno la sua verifica sul campo. Fermarsi a riflettere, Ora, è il primo livello: la consapevolezza. Leggere criticamente le fonti e gli errori della macchina, Lege, è il secondo: il discernimento progettuale. Produrre cultura tracciabile e responsabile, Labora, è il terzo: la co-creazione.

Non un ciclo che si chiude con una certificazione, ma l’infrastruttura minima perché ogni docente, ogni classe, ogni territorio possa continuare a esercitare con l’intelligenza artificiale — mai delegandola — la propria titolarità culturale.

La Direzione

La sfida antropologica

Ogni volta che un docente apre una chat con un modello generativo per preparare una lezione, sta compiendo, spesso senza saperlo, un atto antropologico prima ancora che tecnico. Sta decidendo, in quel preciso istante, che cosa della propria funzione educativa è disponibile a condividere con una macchina e che cosa, invece, resta indelegabile. È questa la posta in gioco che il documento «Custodire il futuro» e il Manifesto AI EDU pongono al centro del percorso DiCultHer, e che il MOOC «Laboratorio di Intelligenza Culturale» ha trasformato in un banco di prova reale, con circa trecento corsisti e, nel campione qui analizzato, oltre cento elaborati valutati da una commissione su tre livelli progressivi di maturità.

La sfida antropologica, per DiCultHer, non è mai stata «usare o non usare l’IA». È un’altra: impedire che la disponibilità tecnica di un output immediato eroda la fatica — necessaria, costitutiva, umana — del pensare. Come ricordava Dino Buzzetti, il punto non è la rapidità del clic ma la costruzione di conoscenza, che richiede impegno e riflessione [1]. L’intelligenza artificiale generativa, con la sua capacità di produrre testi, immagini, sintesi e narrazioni in pochi secondi, mette sotto pressione esattamente questo: la disponibilità a fare fatica per dare senso alle cose.

Il quadro valoriale entro cui si muove questa sfida non nasce da un’intuizione isolata, ma da un impianto documentale coerente. «Custodire il futuro» [2] chiede di non delegare alla tecnologia ciò che è costitutivamente umano (il pensiero critico, la decisione, la relazione educativa, la cura, la memoria) mentre il Manifesto AI EDU [3] la traduce in un principio operativo preciso: il primo dei suoi 10+1 principi, «Ri-creazione, non plagio», ricorda che con l’IA «non si delega, si rigenera». La Convenzione di Faro, richiamata sistematicamente nei materiali del Modulo 4 [8], offre la chiave che tiene insieme i due testi: il patrimonio, culturale come cognitivo, non è un deposito da conservare passivamente, ma un processo che «le persone identificano come riflessi della loro identità» e di cui sono chiamate a farsi carico attivamente. È proprio questa presa in carico attiva, la titolarità culturale, che il MOOC ha misurato negli elaborati: non la competenza a usare uno strumento, ma la responsabilità nell’esercitarlo.

I materiali del Modulo 1 e del Modulo 4 del MOOC chiariscono la posta filosofica: l’IA introduce una nuova condizione cognitiva e un nuovo contesto epistemologico, non una semplice innovazione strumentale [9]. Non si tratta di calcolare più in fretta, ma di ripensare che cosa significhi conoscere, ricordare, interpretare quando una parte del lavoro cognitivo può essere delegata a un sistema statistico che, per sua natura, calcola ma non comprende. È la linea rossa che attraversa l’intero impianto valutativo dei tre livelli: la macchina elabora, l’essere umano dà senso. E dare senso, lo si è colto negli elaborati, significa correggere, integrare, dubitare, riportare l’algoritmo dentro i confini della verità storica, scientifica, culturale del territorio.

La sfida, dunque, si è misurata concretamente su un terreno delicatissimo: quello della scuola, dove l’interlocutore non è un adulto consapevole ma, nella maggioranza dei progetti analizzati, un bambino o una bambina di 5, 6, 9, 11 anni, un ragazzo o una ragazza di 14, 17 anni. È lì che la «non delega del senso» smette di essere una formula teorica e diventa una responsabilità pedagogica quotidiana.

Le aspettative

Il protocollo valutativo del MOOC ha tradotto questa sfida in tre prove progressive, ciascuna con aspettative dichiarate e misurabili. Il disegno non è un impianto burocratico calato dall’alto: riprende, livello per livello, la distinzione metodologica che il Modulo “Metodologie operative per l’integrazione dell’IA nei percorsi patrimoniali” pone alla base di ogni integrazione dell’IA nei percorsi patrimoniali [9] — Educare all’IA (AI Literacy), l’intelligenza artificiale come oggetto di apprendimento critico, ed Educare con l’IA (AI-enhanced education), l’intelligenza artificiale come strumento che supporta l’insegnamento senza sostituirsi al docente. Nello stesso modulo trovano corrispondenza le quattro fasi in cui l’IA può intervenire in un percorso patrimoniale — esplorazione, interpretazione, creazione, restituzione [9] —: il Livello 1 verifica la consapevolezza di queste fasi, il Livello 2 ne mette alla prova la progettazione, il Livello 3 ne certifica l’esito in un prodotto compiuto.

Livello 1 — AI Literacy

Al corsista si chiedeva una micro-riflessione di massimo 1000 battute su tre nodi: perché l’output dell’IA è un «semilavorato» e non un prodotto finito da copiare; come si applica, nella pratica quotidiana, il principio della «non delega del senso»; come la distinzione tra «estrazione automatica» e «ri-creazione consapevole» cambia il modo di presentare l’IA a studenti e colleghi. L’aspettativa, qui, non era la produzione di un artefatto, ma la dimostrazione di una postura: un allineamento interiorizzato, non recitato, con la Bussola Etica del Manifesto AI EDU.

Livello 2 — AI Didattica (Progettuale)

Il compito saliva di complessità: progettare una «lezione aumentata» di 30-60 minuti in cui l’IA non fosse il fine dell’attività, ma il mezzo per potenziare l’apprendimento. Qui la commissione attendeva evidenze molto più operative: un prompt di sistema costruito con criterio, una strategia esplicita anti-bias/anti-allucinazione, un ruolo chiaro per lo studente come validatore critico degli output, coerenza fra sfida territoriale, disciplina e strumento scelto.

Livello 3 — Intelligenza Culturale (Avanzato)

Il livello più esigente richiedeva un prodotto digitale reale, esito di un processo di co-creazione uomo-macchina, accompagnato da un Documento di Trasparenza di massimo 1500 caratteri capace di dichiarare gli strumenti e i prompt principali usati, il contributo umano e la supervisione critica, i rischi individuati (bias, allucinazioni), il collegamento esplicito ai quattro livelli del modello HUS (Heritage Understanding System) che prevede un processo di lavoro preciso: Dati, Semantica, Cognizione, Narrazione [5]. L’aspettativa non era la perfezione tecnologica del manufatto, ma la tracciabilità piena della «Responsabilità Narrativa»: la capacità documentata di aver intercettato un errore della macchina e di averlo corretto in nome della verità storica o scientifica.

In sintesi, le tre prove non misuravano competenze informatiche crescenti, ma gradi crescenti di titolarità: dal riconoscere la differenza fra plagio e ri-creazione, al saperla progettare, fino al saperla certificare e raccontare.

Le metodologie all’opera: dalla cura aumentata alla governance algoretica

Al di là del protocollo valutativo, la lettura trasversale degli elaborati restituisce con chiarezza le metodologie che il progetto DiCultHer Academy aveva messo a disposizione dei corsisti e che negli elaborati risultano non semplicemente citate, ma effettivamente agite.

La pedagogia della cura aumentata. Il Modulo “Metodologie operative per l’integrazione dell’IA nei percorsi patrimoniali” la definisce come una visione educativa in cui attenzione, responsabilità e prossimità si intrecciano con le potenzialità delle tecnologie generative, orientandole verso finalità profondamente umane [9]; il termine «aumentata» vale in senso tecnologico (arricchimento dell’esperienza didattica tramite dispositivi e ambienti digitali immersivi) e in senso educativo (potenziamento della capacità di agire con consapevolezza, sensibilità e progettualità). Negli elaborati questa cura si manifesta lungo le tre direzioni indicate dal modulo (co-costruzione narrativa, valorizzazione del territorio, sviluppo socio-emotivo [9]) e trova conferma puntuale nei progetti per la scuola dell’infanzia che personalizzano le narrazioni con i nomi reali dei bambini, o nei laboratori che trasformano la raccolta di dati territoriali in un gesto di cittadinanza.

La strategia anti-bias come esercizio di governance. Ciò che nei report della commissione compare come «Strategia Anti-Bias» non è un accorgimento tecnico isolato, ma l’applicazione in miniatura di alcune delle dimensioni che il Modulo “Reti di scuole patrimoniali – Verso una Governance educativa del digitale” attribuisce alla governance educativa del digitale [10] trasparenza dei meccanismi di funzionamento (rendere visibili prompt, passaggi intermedi, fonti), affidabilità degli output (verificare coerenza delle informazioni e delle citazioni), gestione dei dati personali, equità dei processi elaborativi, impatti ambientali, forme di delega cognitiva. Negli elaborati di Livello 2 e 3 si osservano tracce esplicite di più di una di queste dimensioni contemporaneamente: l’uso di strumenti a dominio chiuso come NotebookLM per ridurre le allucinazioni, ancorando l’IA a documenti d’archivio, risponde insieme all’affidabilità degli output e alla gestione dei dati; il confronto fra output generato e tabelle di criticità validate dagli studenti è un piccolo esercizio di audit algoritmico, lo stesso che il Modulo chiede alla scuola di sviluppare come competenza permanente [10].

La sicurezza algor-etica come contenuto, non come adempimento. Il Modulo “Reti di scuole patrimoniali – Verso una Governance educativa del digitale” distingue esplicitamente la sicurezza informatica dalla sicurezza «cognitiva, culturale ed etica» delle comunità scolastiche [10]. Negli elaborati più maturi questa distinzione si traduce in pratica didattica: correggere un’allucinazione sulla funzione biologica del miele o su un’abitudine delle balene non è un incidente da correggere in silenzio, ma diventa, come chiede il modulo, un contenuto di cittadinanza digitale attiva, documentato e condiviso con la classe.

Le dimensioni trasversali. Inclusione, equità e sostenibilità, che il Modulo “Metodologie operative per l’integrazione dell’IA nei percorsi patrimoniali” chiede di far attraversare a ogni metodologia IA-patrimonio [9], emergono negli elaborati non come dichiarazioni di principio ma come scelte progettuali concrete: la sintesi vocale per rendere accessibili i percorsi di ascolto, l’attenzione alla rappresentazione delle diversità nei progetti su genere e cittadinanza, coerenti con la Macro Area 2 di #HackCultura2026 [12], la scelta di licenze aperte (Creative Commons CC BY o CC BY-SA) per i materiali prodotti dagli studenti.

I risultati

Il campione esaminato conta 40 elaborati al Livello 1, 35 al Livello 2 e 34 al Livello 3 [13, 14, 15]: una piramide che si restringe man mano che cresce l’impegno richiesto, ma che non perde in qualità, anzi.

Livello 1 — AI Literacy

La quasi totalità delle schede supera la prova, spesso con giudizi che parlano di «pienezza» e «lodevole profondità». Ricorrono, con sorprendente coerenza terminologica, espressioni come «regia umana», «l’IA calcola ma non comprende», «semilavorato cognitivo», «non delega del senso»: segno che il lessico del Manifesto AI EDU non è rimasto sulla carta, ma è diventato un vocabolario condiviso di pratica professionale. Rarissimi i casi in cui l’elaborato non ha centrato pienamente il prompt etico, concentrandosi più sull’esperienza laboratoriale fisica e sfiorando appena i nodi della trasparenza.

Livello 2 — AI Didattica

Qui la fotografia si fa più operativa e più interessante: negli elaborati concreti si ritrova, punto per punto, la strategia anti-bias descritta al paragrafo precedente. La commissione la valorizza sistematicamente: il confronto fra output generato e tabelle di criticità validate dagli studenti, l’uso di strumenti a dominio chiuso come NotebookLM per ancorare l’IA a documenti d’archivio, il debriefing finale come «correzione culturale».

Sono emersi progetti calati nelle realtà sociali, storiche e culturali dei contesti geografici dove insistono le scuole dei corsisti. Parliamo di dossier territoriali costruiti su fonti locali, di mappe di cittadinanza che emergono dalle Alpi alla Sicilia, con validazione scientifica del dato IA attraverso la memoria vissuta, di attività per la scuola dell’infanzia che usano l’IA come «co-pilota» per personalizzare narrazioni con i nomi reali dei bambini.

Attraverso le micro progettazioni è andata prendendo forma la chiave teorica proposta nel MOOC: “La scuola come nodo dell’ecosistema patrimoniale” consentendo ai corsisti di entrare per piccoli passi in una dimensione innovativa e dinamica del rapporto con l’apprendimento-insegnamento.

Livello 3 — Intelligenza Culturale

Al livello più esigente, il dato più significativo non è l’alto tasso di successo (che pure è presente) ma la qualità delle «correzioni» documentate. È qui che il modello HUS (Heritage Understanding System) e la Responsabilità Narrativa smettono di essere concetti astratti e diventano casi di studio concreti: la correzione di un’allucinazione sulla funzione biologica del miele, la riscrittura di un testo dopo un errore sulle abitudini delle balene, la rettifica di una data storica sulla Festa della Bandiera, la correzione del nome di un Sultano, la sostituzione di un anacronismo tecnologico (un tornio a pedale al posto di un tornio lento) individuato grazie alla competenza di dominio del docente, fino al progetto «Vestire il Sacro», dove l’IA aveva generato costumi e carri completamente decontestualizzati rispetto alla tradizione materana, poi corretti attraverso vincoli filologici rigidi e foto d’archivio.

Accanto a queste eccellenze, emergono progetti di grande respiro culturale: «Coketown 2030», che trasforma Hard Times di Dickens in una riflessione ambientale su Cosenza; «L’oro bianco di Calabria», che usa NotebookLM per ancorare a fonti caricate una narrazione per l’infanzia; «Un motore, una scuola, una storia», dedicato alla memoria storica scolastica; il «Trekking Urbano tra Cosenza, Rende e la Sila», un ebook territoriale tracciato e documentato.

Il quadro complessivo, letto nei tre livelli insieme, racconta una comunità di pratica che non si limita a «usare» l’IA, ma la sottopone sistematicamente a verifica: ogni progetto avanzato documenta almeno un errore della macchina e la propria correzione. È il segno più tangibile che la «titolarità culturale» più che uno slogan è diventata un riflesso professionale diffuso.

La trasposizione pedagogica

Il valore di questi elaborati non sta soltanto nel superamento delle prove, ma in ciò che rivelano sulla trasposizione pedagogica del modello DiCultHer: come principi elaborati a livello teorico (la Convenzione di Faro, l’AI Act, il New European Bauhaus, il Manifesto AI EDU) trovino incarnazione in pratiche di aula con bambini di tre anni come con adolescenti.

Questo valore si comprende meglio se letto insieme alla cornice del Modulo 4.4 “Reti di scuole patrimoniali – Per un Umanesimo Digitale”, che non auspica «un ritorno al passato», ma che guarda all’Umanesimo Digitale come ad «un modo nuovo di affrontare la complessità» [11]. Il modulo individua tre dimensioni (la centralità della relazione, il patrimonio come spazio di identificazione vissuto, l’immaginazione come competenza da coltivare) che nei progetti analizzati trovano applicazione quasi manualistica: un sistema di IA, «può descrivere un affresco, ma non può coglierne il valore emotivo per la comunità che lo ha custodito» [11]; è precisamente questo valore emotivo che i docenti hanno reintrodotto ogni volta che hanno corretto un’ambientazione decontestualizzata, come nel caso di «Vestire il Sacro».

Tre movimenti, in particolare, emergono con nitidezza.

Dal dato alla narrazione, senza saltare la verifica. Il modello HUS si conferma non un artificio teorico ma una sequenza realmente osservabile nei progetti migliori e ricalca, punto per punto, le quattro fasi operative indicate dal Modulo 4.2 (esplorazione, interpretazione, creazione, restituzione [9]): l’IA aiuta a raccogliere e sintetizzare dati, ma il passaggio alla narrazione culturale avviene sempre attraverso un filtro umano che controlla la semantica prodotta e ne verifica la coerenza cognitiva con le fonti locali. Quando questo filtro manca, come nei rari casi di prompt troppo generici, la commissione lo rileva con precisione chirurgica, a riprova che la valutazione non premia l’entusiasmo tecnologico fine a sé stesso.

L’errore come materiale didattico, non come incidente da nascondere. La ricorrenza, in decine di elaborati, della correzione esplicita di un’allucinazione (il miele fatto dalle api per le api e non per il consumo umano, le balene che filtrano l’acqua del mare a loro danno non certo per fare un servizio all’uomo, i costumi materani le cui fattezze sono state confuse per tempi storici e geografie, anacronismi tecnologici) segnala che la scuola sta imparando a fare del limite strutturale dell’IA generativa un contenuto di cittadinanza digitale attiva, esattamente come indicato dal M4.3 “Reti di scuole patrimoniali – Verso una Governance educativa del digitale”: l’affidabilità degli output si insegna mostrando dal vivo come si verifica, non enunciandola in astratto [10].

L’ancoraggio territoriale come antidoto alla genericità. I progetti più solidi, dalla Sicilia al Trentino passando dalla Calabria e dall’Abruzzo, condividono un tratto: rifiutano il patrimonio come sfondo decorativo e lo trattano come fonte primaria di verifica. Il territorio diventa il criterio con cui si giudica se un output dell’IA è plausibile o falsato, coerentemente con la visione della scuola come «nodo dell’ecosistema patrimoniale» proposta dal Modulo 4.1 [8]: una visione che passa anche per il ripensamento del curricolo verticale d’istituto e per il dialogo strutturato con reti territoriali come AICI, i Servizi Educativi del Ministero della Cultura, la Fondazione Napoli99 e la stessa DiCultHer [8].

Questa trasposizione conferma, dati alla mano, l’intuizione di fondo del Manifesto AI EDU: educare all’IA significa educare all’umano. Non è un’affermazione retorica, è un metodo che si osserva riga per riga nei documenti di trasparenza: il docente non delega, guida; non subisce l’output, lo interroga; non nasconde l’errore, lo trasforma in lezione.

Orizzonti futuri

Se questi elaborati sono un campione rappresentativo del cammino avviato dalla DiCultHer Academy, almeno quattro orizzonti si delineano con chiarezza per il prossimo ciclo formativo.

Il primo riguarda il rafforzamento della competenza di prompting come alfabetizzazione a sé stante. Le poche criticità rilevate ai Livelli 2 e 3 (prompt di sistema confusi con le domande destinate agli studenti, formulazioni troppo generiche per validare pienamente il modello HUS) indicano che la distinzione fra «istruire la macchina» e «dialogare con gli studenti» merita ulteriore lavoro didattico, specialmente per le fasce d’età più giovani, dove l’interazione vocale con l’IA apre possibilità enormi ma richiede una scrittura del prompt ancora più rigorosa.

Il secondo riguarda l’estensione della Responsabilità Narrativa da pratica individuale a pratica di rete: i casi più maturi già collegano il singolo progetto a reti come AICI, SED, Napoli99, DiCultHer. Il passo successivo (come indicato dall’intero Modulo 4 “Reti di scuole patrimoniali – Ecosistema Educativo per il Patrimonio nell’Era dell’IA” e dal contest #HackCultura2026 [12]) è che questi micro-laboratori di titolarità culturale dialoghino tra loro, costruendo un archivio condiviso di «correzioni di allucinazioni» che diventi esso stesso patrimonio culturale digitale della comunità educante.

Il terzo orizzonte riguarda l’ecosistema AI-HUB / AI-BOOK descritto dal Modulo 2 [4]: ogni AI HUB non è «un luogo da cercare su una mappa», ma un compagno di viaggio che cresce mentre lo si attraversa, capace di aprire porte verso altri «mondi» educativi (dal HUB Gender al HUB Orienta). Il passo naturale, per i corsisti che hanno già superato il Livello 3, è trasformare i propri prodotti in AI-Book esperienziali pubblicati nella rete DiCultHer Academy, accessibili a docenti di tutta Italia.

Il quarto orizzonte è quello indicato dal calendario dell’Associazione: dal Convegno di L’Aquila su Consulte Studentesche e governance dell’IA, al Primo Congresso Nazionale DiCultHer, fino alla Giornata dei Diritti Cognitivi e alla prossima Settimana delle Culture Digitali «Antonio Ruberti», l’Associazione offre più occasioni per portare questi risultati fuori dal MOOC, dentro il dibattito pubblico su AI Act, Convenzione di Faro e New European Bauhaus, mostrando con dati reali, non con enunciati di principio, che la scuola italiana può essere un laboratorio nazionale di governance educativa del digitale.

In definitiva, il motto “Ora, lege et labora” trova qui la sua verifica empirica, e la scansione dei tre livelli del MOOC ne è quasi una traduzione operativa: fermarsi a riflettere, Ora, è il Livello 1, la consapevolezza; leggere criticamente le fonti e gli errori della macchina; Lege, è il Livello 2, il discernimento progettuale; produrre cultura tracciabile e responsabile; Labora, è il Livello 3, la co-creazione. Non è un ciclo che si chiude con la certificazione: è, semmai, l’infrastruttura minima perché ogni docente, ogni classe, ogni territorio possa continuare a esercitare con l’IA, mai delegandola, la propria titolarità culturale.

Note bibliografiche

Fonti e documenti citati nell’articolo, tutti parte del corpus formativo della DiCultHer Academy — MOOC «Laboratorio di Intelligenza Culturale»:

D. Buzzetti, dichiarazione programmatica DiCultHer (2022): «Il punto a cui tengo, a proposito del digitale, è combattere l’idea del “basta un click”… Creare nuova conoscenza richiede impegno e riflessione.»
DiCultHer, Custodire il futuro. Intelligenza Artificiale, educazione, cultura e responsabilità, gennaio 2026 — testo di riferimento del Modulo 1.1, «Principi e Visioni».
Manifesto AI EDU, DiCultHer, sviluppo del Manifesto AI HUB & Academy «Per un umanesimo digitale e inclusivo» e del Manifesto AI CULTURA — testo di riferimento del Modulo 1.2, con i 10+1 principi (fra cui «Ri-creazione, non plagio»).
Modulo 2, Ecosistema digitale — AI-Book Esperienziali e AI-HUB, DiCultHer Academy.
Modulo 3, Heritage Understanding System (HUS) — Presentazione, DiCultHer Academy.
Modulo 4, Reti di scuole patrimoniali — Ecosistema Educativo per il Patrimonio nell’Era dell’IA (introduzione al modulo), DiCultHer Academy.
Modulo 4.0, Reti di scuole patrimoniali — Ecosistema Educativo per il Patrimonio nell’Era dell’IA, Autori: Carmine Marinucci, Silvia Mazzeo, Giovanni Piscolla.
Modulo 4.1, La scuola come nodo dell’ecosistema patrimoniale, Autori: Carmine Marinucci, Silvia Mazzeo, Giovanni Piscolla.
Modulo 4.2, Metodologie operative per l’integrazione dell’IA nei percorsi patrimoniali, DiCultHer Academy; Moodle-Book «Cornici metodologiche per una pedagogia IA-Patrimonio».
Modulo 4.3, Verso una Governance educativa del digitale, Autori: Carmine Marinucci, Silvia Mazzeo, Giovanni Piscolla.
Modulo 4.4, Per un Umanesimo Digitale, Autori: Carmine Marinucci, Silvia Mazzeo, Giovanni Piscolla.
Modulo 5, #HackCultura2026 — Contest progettuale, DiCultHer Academy — Protocollo di certificazione a tre livelli (Base, Intermedio, Avanzato) e schema delle competenze.
Report della Commissione d’esame, Protocollo d’Esame Livello 1 (AI Literacy), 40 elaborati valutati, DiCultHer Academy, 2026.
Report della Commissione d’esame, Protocollo d’Esame Livello 2 (Progettuale), 35 elaborati valutati, DiCultHer Academy, 2026.
Report della Commissione d’esame, Protocollo d’Esame Livello 3 (Intelligenza Culturale — Documento di Trasparenza), 34 elaborati valutati, DiCultHer Academy, 2026.
Convenzione di Faro (Consiglio d’Europa, 2005).
Regolamento (UE) 2024/1689 — AI Act.
New European Bauhaus, Commissione Europea.
Linee Guida MIM per l’intelligenza artificiale nella scuola (2025).
Framework europeo per l’AI Literacy.
Carta dei Diritti nell’era Digitale e dell’AI «Stefano Rodotà».

Note esplicative — Glossario dei termini specifici

Per la piena comprensione dell’articolo, si riportano di seguito le definizioni dei principali termini tecnici e metodologici ricorrenti nel modello DiCultHer.

AI Literacy — Competenza trasversale che comprende conoscenze concettuali sul funzionamento e sui limiti dell’IA, abilità pratiche (pensiero computazionale, collaborazione uomo-macchina) e dimensione etica (responsabilità, curiosità critica). Corrisponde al Livello 1 del percorso di certificazione DiCultHer.
AI-enhanced education (Educare con l’IA) — Approccio in cui l’intelligenza artificiale è utilizzata come strumento di supporto ai processi di insegnamento e apprendimento — ad esempio per personalizzare i percorsi didattici o fornire feedback immediati — senza sostituirsi al ruolo del docente.
AI-HUB / AI-BOOK — Coppia di dispositivi digitali dell’ecosistema DiCultHer: l’AI-HUB è uno spazio intelligente di strumenti, metodi e orientamenti; l’AI-BOOK è l’ambiente narrativo dinamico e co-creato in cui quei metodi prendono forma come percorso educativo.
Bussola Etica — Metafora utilizzata nel Manifesto AI EDU e nei materiali DiCultHer per indicare l’insieme di criteri valoriali (trasparenza, responsabilità, non delega del senso) che orientano l’uso educativo dell’intelligenza artificiale.
Convenzione di Faro — Convenzione quadro del Consiglio d’Europa sul valore del patrimonio culturale per la società (2005), che definisce il patrimonio non come insieme statico di oggetti ma come processo dinamico costruito dalle comunità che lo vivono e lo interpretano. È il riferimento concettuale principale per la nozione di «titolarità culturale».
Documento di Trasparenza — Elaborato scritto (massimo 1500 caratteri) richiesto al Livello 3 del MOOC, in cui il corsista dichiara gli strumenti IA e i prompt utilizzati, il proprio contributo di supervisione critica, i rischi individuati (bias, allucinazioni) e il collegamento ai quattro livelli del modello HUS.
Governance educativa del digitale — Cultura istituzionale condivisa, e non semplice apparato di regole tecniche, capace di orientare in modo consapevole, etico e sostenibile l’uso del digitale e dell’IA a scuola, lungo le dimensioni di trasparenza, affidabilità, gestione dei dati, equità algoritmica, impatto ambientale e delega cognitiva.
HUS (Heritage Understanding System) — Modello metodologico DiCultHer che descrive il processo di mediazione culturale dell’IA applicata al patrimonio attraverso quattro livelli progressivi: Dati (raccolta e reperimento delle informazioni), Semantica (attribuzione di significato), Cognizione (elaborazione critica e collegamento con le fonti), Narrazione (restituzione culturale accessibile e coinvolgente).
Human-in-the-loop — Principio metodologico secondo cui l’essere umano resta costantemente parte attiva del processo generativo, verificando, correggendo e validando gli output dell’IA invece di accettarli passivamente. È il criterio guida trasversale a tutti e tre i livelli di certificazione.
Intelligenza Culturale — Livello più avanzato (Livello 3) del percorso di certificazione DiCultHer: capacità di produrre un contenuto culturale tangibile che integri il modello HUS, la dimensione territoriale e una piena responsabilità narrativa nella co-creazione uomo-macchina.
Pedagogia della Cura Aumentata — Visione educativa, proposta dal Modulo 4.2, in cui attenzione, responsabilità e prossimità si intrecciano con le tecnologie generative orientandole verso finalità umane, lungo tre direzioni: co-costruzione narrativa, valorizzazione del territorio, sviluppo socio-emotivo.
Ri-creazione consapevole — Concetto cardine del Manifesto AI EDU (Principio 1, «Ri-creazione, non plagio»): distingue l’atto di copiare passivamente un output dell’IA dall’atto di rielaborarlo con responsabilità, dando nuova vita alle idee attraverso l’intervento critico umano.
Responsabilità Narrativa — Competenza, richiesta in particolare al Livello 3, di mantenere il controllo epistemologico e pedagogico sulla narrazione generata dall’IA, intervenendo attivamente per correggere errori fattuali, allucinazioni o imprecisioni storiche e culturali.
Semilavorato cognitivo — Espressione utilizzata dai corsisti e validata dalla commissione per descrivere l’output dell’intelligenza artificiale generativa: un materiale grezzo che richiede necessariamente l’intervento della responsabilità editoriale umana prima di poter essere considerato un prodotto culturale compiuto.
Sicurezza algor-etica — Concetto che estende la sicurezza informatica alla sicurezza cognitiva, culturale ed etica delle comunità scolastiche: protegge dagli usi distorsivi dell’IA e trasforma i suoi limiti strutturali in contenuti di educazione alla cittadinanza digitale.
Strategia Anti-Bias — Insieme di accorgimenti metodologici (uso di sistemi a dominio chiuso come NotebookLM, confronto con fonti validate, tabelle di criticità) adottati nei progetti di Livello 2 per prevenire e correggere bias e allucinazioni degli output generativi.
Titolarità Culturale — Diritto/dovere di ogni cittadino — e in particolare dello studente — di riconoscersi come attore responsabile del patrimonio condiviso, superando la dicotomia tra esperti e fruitori della cultura. È il traguardo educativo complessivo del percorso DiCultHer, certificato al termine del MOOC.
Umanesimo Digitale — Visione, proposta dal Modulo 4.4, capace di coniugare rigore, cura e innovazione: non un ritorno al passato, ma un modo nuovo di affrontare la complessità, in cui l’IA amplifica — senza sostituire — la relazione educativa, l’interpretazione del patrimonio e l’immaginazione civica.