Un modello didattico tra Making Thinking Visible, UDL e Metacognitive AI-Log nella scuola secondaria di secondo grado
di Giulia Calogero, Docente di Lingua e Letteratura Italiana — IISS Don Milani Pertini Morante, Grottaglie (TA)
Introduzione editoriale
Negli ultimi anni l’intelligenza artificiale generativa ha posto alla scuola una domanda radicale: cosa significa apprendere e valutare quando una macchina è in grado di produrre, in pochi secondi, testi formalmente corretti, sintesi argomentative e analisi di contenuti complessi?
La questione non riguarda soltanto l’uso degli strumenti digitali, ma tocca il cuore stesso della funzione educativa della scuola: la formazione del pensiero critico, dell’autonomia di giudizio e della responsabilità personale. In questo scenario diventa sempre più urgente distinguere tra il prodotto finale di un lavoro e il processo cognitivo che lo genera.
Il contributo della prof.ssa Giulia Calogero, docente di Lingua e Letteratura Italiana presso l’IISS Don Milani Pertini Morante di Grottaglie, si inserisce con particolare lucidità in questo dibattito. L’autrice propone un modello didattico che integra tre importanti cornici pedagogiche — Making Thinking Visible, Universal Design for Learning e un originale Metacognitive AI-Log — con l’obiettivo di rendere osservabile e documentabile il processo di pensiero degli studenti nell’interazione con l’intelligenza artificiale.
Attraverso esperienze concrete di didattica — dal cineforum AI-Resistant alla scrittura argomentativa con tutor IA — il contributo mostra come l’IA possa essere utilizzata non come sostituto del pensiero umano, ma come occasione per rafforzarne la consapevolezza e l’autonomia.
La riflessione proposta dialoga pienamente con il percorso culturale promosso da #DiCultHer, che da anni sottolinea la necessità di considerare l’intelligenza artificiale non solo come innovazione tecnologica, ma come questione culturale ed educativa, strettamente connessa alla tutela dei diritti cognitivi delle nuove generazioni e alla costruzione di una cittadinanza digitale consapevole nello spazio europeo.
In questa prospettiva, il contributo della prof.ssa Calogero rappresenta un esempio significativo di come la scuola possa diventare laboratorio di una pedagogia capace di coltivare, educare e umanizzare l’uso delle tecnologie emergenti.
Abstract (italiano)
Nell’era dell’IA generativa, la scuola secondaria affronta una crisi profonda del paradigma valutativo tradizionale: quando uno strumento digitale è in grado di produrre in pochi secondi testi espositivi, analisi letterarie e argomentazioni formalmente corrette, continuare a valutare solo il prodotto finale significa misurare la capacità computazionale di una macchina, non la crescita cognitiva dello studente. Questo articolo propone un modello didattico che risponde a questa sfida attraverso l’integrazione di tre framework pedagogici: il Making Learning and Thinking Visible (Project Zero, Harvard), l’Universal Design for Learning e il Metacognitive AI-Log, uno strumento originale di riflessione strutturata che trasforma l’interazione con l’IA in evidenza autentica e documentabile del processo di pensiero. Il Metacognitive AI-Log non è un dispositivo di controllo sul plagio: è una finestra aperta sul pensiero dello studente mentre accade, capace di rendere visibile ciò che il prodotto finale non mostra. Il modello è descritto attraverso tre contesti didattici reali sviluppati presso l’IISS Don Milani Pertini Morante di Grottaglie (TA): un cineforum AI-Resistant per la scrittura espositiva e la recensione critica (classe III, indirizzo Socio-Sanitario); un percorso di analisi letteraria con HyperDoc e IA generativa su autori del canone italiano (Carducci, Manzoni, Verga); l’uso di un tutor IA personalizzato (Gem Tutor) per la preparazione alla Prima Prova dell’Esame di Stato. Nei tre casi, il Metacognitive AI-Log funge da filo rosso: strumento metacognitivo accessibile, dispositivo di valutazione autentica del processo e presidio dei diritti cognitivi degli studenti nell’ecosistema digitale. Il contributo propone infine una revisione operativa della Tassonomia di Bloom per l’era dell’IA e suggerisce che la scuola professionale, in particolare nell’indirizzo Socio-Sanitario, sia un luogo privilegiato per sperimentare questa pedagogia: formare chi si prenderà cura delle persone significa, prima di tutto, formare il pensiero critico sulla cura.
Parole chiave: Metacognitive AI-Log, Making Thinking Visible, Universal Design for Learning, pensiero critico, valutazione autentica del processo, diritti cognitivi, scrittura espositiva, HyperDoc, scuola secondaria
Abstract (English)
In the age of generative AI, secondary schools face a profound crisis of traditional assessment: when a digital tool can produce formally correct expository texts, literary analyses, and arguments in seconds, evaluating only the final product means measuring a machine’s computational capacity rather than a student’s cognitive growth. This article proposes a pedagogical model that addresses this challenge by integrating three educational frameworks: Making Learning and Thinking Visible (Project Zero, Harvard), Universal Design for Learning, and the Metacognitive AI-Log — an original structured reflection tool that transforms interaction with AI into authentic, documentable evidence of the thinking process. The Metacognitive AI-Log is not a plagiarism detection device: it is an open window onto the student’s thought as it unfolds, capable of making visible what the final product does not show. The model is described through three real classroom contexts developed at IISS Don Milani Pertini Morante in Grottaglie (Taranto, Italy): an AI-Resistant cine-forum for expository writing and critical review (Year 3, Social and Health Sciences); a literary analysis pathway using HyperDoc and generative AI on canonical Italian authors (Carducci, Manzoni, Verga); and the use of a personalised AI tutor (Gem Tutor) for preparation for the final State Examination (Prima Prova). Across all three cases, the Metacognitive AI-Log acts as a common thread: an accessible metacognitive tool, an authentic process assessment device, and a safeguard of students’ cognitive rights in the digital ecosystem. The article also proposes a practical revision of Bloom’s Taxonomy for the AI era, and suggests that vocational schools — particularly in the Social and Health Sciences track — are privileged spaces for this pedagogy: educating those who will care for others means, first and foremost, cultivating critical thinking about care itself.
Keywords: Metacognitive AI-Log, Making Thinking Visible, Universal Design for Learning, critical thinking, authentic process assessment, cognitive rights, expository writing, HyperDoc, secondary education
1. Il problema: quando valutare il prodotto non basta più
C’è un momento preciso in cui molti insegnanti hanno capito che qualcosa era cambiato: il giorno in cui uno studente ha consegnato un testo espositivo perfettamente strutturato, lessicalmente ricercato, argomentato con coerenza — e non riusciva a spiegare una sola frase di ciò che aveva scritto. Non era uno studente disonesto. Era uno studente che non sapeva ancora dove finisce lo strumento e dove comincia il pensiero. Era, anche, il segnale di una domanda che oggi attraversa le politiche educative di tutta Europa: quale valore culturale conserva il pensiero umano quando una macchina può simularne il prodotto? E chi ha la responsabilità di rispondere?
L’IA generativa ha reso acuta una contraddizione che la scuola portava già dentro di sé: la tendenza a valutare il prodotto finale come proxy del processo cognitivo. Quando il prodotto poteva essere generato solo da chi aveva capito, lavorato, riflettuto, questa approssimazione funzionava. Oggi non funziona più. Un modello linguistico può produrre in trenta secondi l’elaborato che uno studente avrebbe impiegato tre ore a scrivere. Il problema non è morale: è epistemologico. La domanda non è “ha copiato?”. La domanda è: “cosa ha pensato?
Questo articolo nasce da questa domanda, maturata in anni di sperimentazione didattica presso l’IISS Don Milani Pertini Morante di Grottaglie, istituto professionale con indirizzo Servizi Socio-Sanitari. Le classi SSS offrono un contesto particolarmente significativo per questo tipo di riflessione: i ragazzi che studiano qui si preparano a prendersi cura delle persone. Formare il loro pensiero critico non è un obiettivo curriculare tra i tanti: è una responsabilità civile ed etica. Un operatore socio-sanitario che non sa valutare, scegliere, dissentire — che delega il giudizio alla macchina — mette a rischio non un compito scolastico, ma una persona reale. Quattro domande guidano l’intero contributo, mutuate dalla cornice tematica della rivista: in che modo il digitale e l’IA stanno contribuendo alla formazione di una cultura europea condivisa? Quale valore culturale assume oggi l’Intelligenza Artificiale nelle politiche educative? Come garantire che l’innovazione rafforzi diritti, partecipazione e democrazia? Quali pratiche concrete mostrano un’IA al servizio delle comunità educanti? A ciascuna di queste domande il modello proposto cerca di offrire, se non una risposta definitiva, almeno una pratica verificabile.
2. La cornice teorica: tre framework che si tengono insieme
Il modello didattico proposto in questo articolo non nasce da un singolo riferimento teorico, ma dall’intersezione di tre framework che, messi insieme, offrono una risposta coerente alla domanda iniziale: come rendere il pensiero degli studenti visibile, accessibile e valutabile, anche — soprattutto — quando l’IA è presente nel processo?
2.1 Making Learning and Thinking Visible
Il framework del Making Learning and Thinking Visible, sviluppato da Ron Ritchhart, Mark Church e Karin Morrison nell’ambito del progetto Project Zero dell’Università di Harvard, parte da una premessa semplice e radicale: il pensiero degli studenti è spesso invisibile. Si svolge dentro le teste, non lascia tracce, non è osservabile né valutabile. Renderlo visibile — attraverso routine di pensiero strutturate, documentazione sistematica del processo, discussioni che portano in superficie ragionamenti e dubbi — non è solo una tecnica didattica: è un atto di cura pedagogica. Significa dire agli studenti che il loro modo di pensare conta, non solo ciò che sanno.
Nell’era dell’IA, questa logica diventa ancora più urgente. Se il prodotto può essere generato dalla macchina, l’unica evidenza autentica di apprendimento che rimane è il processo: le domande poste, le scelte fatte, i dubbi documentati, i rifiuti motivati. Rendere visibile il pensiero significa, oggi, rendere visibile il confine tra lo studente e l’algoritmo.
2.2 Universal Design for Learning
L’Universal Design for Learning (UDL), elaborato dal CAST a partire dagli anni Novanta, propone che l’apprendimento sia progettato fin dall’inizio per essere accessibile a tutti, eliminando le barriere cognitive, linguistiche e motivazionali prima che si presentino. I tre principi fondamentali — molteplici mezzi di rappresentazione, molteplici mezzi di azione ed espressione, molteplici mezzi di coinvolgimento — si traducono, in pratica, nel riconoscimento che non esiste un unico modo di apprendere, e che la progettazione didattica deve anticipare la varietà, non correggerla.
Nel modello proposto, l’IA generativa viene integrata come uno dei molteplici mezzi di supporto all’apprendimento: uno strumento che può abbassare la soglia di accesso a testi complessi, offrire spiegazioni alternative, scaffoldare la struttura argomentativa per chi fatica con la scrittura. Il Metacognitive AI-Log, a sua volta, risponde al principio UDL dell’azione ed espressione: offre a ogni studente un formato accessibile per documentare il proprio processo cognitivo, indipendentemente dalle sue abilità di scrittura formale.
2.3 Metacognizione, voce propria e diritti cognitivi
Il terzo pilastro teorico si articola attorno a tre riferimenti complementari. John Flavell, padre della ricerca sulla metacognizione, ha mostrato che la capacità di monitorare e regolare i propri processi cognitivi è una competenza apprendibile e insegnabile, non un talento innato. Lev Vygotskij ha insegnato che l’apprendimento avviene nella zona di sviluppo prossimale, quello spazio tra ciò che lo studente sa fare da solo e ciò che riesce a fare con l’aiuto di un mediatore: l’IA è il mediatore più potente — e più insidioso — che la scuola abbia mai incontrato. Mikhail Bakhtin, infine, ha mostrato che la parola propria nasce sempre dall’incontro-scontro con le parole altrui: acquisire una voce significa appropriarsi dei discorsi degli altri senza esserne colonizzati.
Questi tre autori convergono su una stessa urgenza pedagogica: nell’ecosistema digitale attuale, il rischio non è solo che gli studenti “copino” dall’IA. Il rischio è più profondo: che imparino a delegare il giudizio, a fidarsi dell’algoritmo più che di se stessi, a perdere la capacità di distinguere la propria voce da quella della macchina. Questo è ciò che la letteratura recente chiama diritto cognitivo: il diritto alla formazione libera del pensiero, all’autonomia del giudizio, alla trasparenza dei processi algoritmici che influenzano le proprie opinioni e scelte.
2.4 La dimensione europea: Faro, NEB e AI Act come cornice di senso
Il modello didattico proposto non nasce nel vuoto: si inserisce in una cornice di senso europea che, negli ultimi anni, ha prodotto tre documenti fondamentali per chiunque lavori all’intersezione tra IA, cultura e educazione. La Convenzione di Faro del Consiglio d’Europa (2005) afferma che il patrimonio culturale — inteso in senso ampio, come insieme di risorse ereditate dal passato che le comunità riconoscono come proprie — appartiene alle comunità che lo abitano, non agli esperti che lo custodiscono. Tradotto in chiave pedagogica: il pensiero critico, la capacità argomentativa, la voce propria degli studenti sono patrimonio culturale. Proteggerli dall’erosione algoritmica è un atto di politica culturale, non solo di didattica.
La Nuova Bauhaus Europea (NEB, 2021) propone che l’innovazione tecnologica non possa prescindere da valori estetici e di inclusione sociale: bello, sostenibile, inclusivo. Applicato alla scuola, questo trinomio suggerisce che l’IA debba essere adottata non per aumentare la produttività didattica, ma per arricchire la qualità dell’esperienza formativa di tutti gli studenti — a partire da quelli che la scuola tradizionale lasciava più indietro. Il Metacognitive AI-Log risponde esattamente a questo: abbassa le barriere metacognitive, rende accessibile la riflessione sul proprio pensiero, include chi fatica con la scrittura formale senza rinunciare alla profondità cognitiva.
L’AI Act europeo (Regolamento UE 2024/1689), infine, identifica i sistemi di IA utilizzati in contesti educativi come sistemi ad alto rischio, richiedendo trasparenza, supervisione umana e garanzie di equità. Questa classificazione non è burocratica: è il riconoscimento istituzionale che l’IA nelle scuole non è neutrale. Ogni volta che un algoritmo genera un testo che uno studente consegna come proprio, ogni volta che un sistema di raccomandazione seleziona i contenuti che uno studente vedrà, ogni volta che un chatbot risponde a una domanda che uno studente avrebbe potuto imparare a portare da solo — si compie un atto che ha conseguenze cognitive, culturali e democratiche. La scuola è il luogo in cui queste conseguenze si formano. E il docente è il primo garante dei diritti cognitivi degli studenti nell’ecosistema digitale europeo.
3. Il Metacognitive AI-Log: uno strumento di Making Thinking Visible applicato all’IA
Il Metacognitive AI-Log è lo strumento originale al centro del modello didattico proposto. Nella sua forma essenziale, è un documento strutturato — digitale o cartaceo — in cui lo studente, al termine di ogni attività che ha previsto l’uso dell’IA, registra sistematicamente tre tipi di informazione:
- cosa ha accettato dall’IA, integrandolo nel proprio lavoro, e perché
- cosa ha rifiutato o modificato, e le ragioni di quella scelta
- cosa ha pensato, scritto o deciso autonomamente, senza l’intervento della macchina
Questa struttura ternaria non è casuale: rispecchia esattamente la logica del Making Thinking Visible applicata all’interazione uomo-macchina. Il Log non chiede allo studente di descrivere ciò che ha prodotto: chiede di documentare come ha pensato mentre produceva. È il passaggio dal “cosa” al “come”; dal prodotto al processo.
Il Metacognitive AI-Log non è un antidoto al plagio. È uno strumento che rende il plagio irrilevante: perché ciò che si valuta non è più il testo prodotto, ma il pensiero che lo ha attraversato.
Dal punto di vista UDL, il Log risponde al principio dei molteplici mezzi di azione ed espressione: non richiede scrittura formale, può essere compilato con frasi brevi, elenchi, anche note vocali nelle versioni digitali. Abbassa la soglia metacognitiva per gli studenti che faticano con la riflessione astratta, offrendo un formato concreto e guidato. Al tempo stesso, per gli studenti più avanzati, diventa uno spazio di riflessione epistemica genuinamente complessa.
Sul piano della valutazione, il Log trasforma radicalmente il rapporto tra docente e studente: l’insegnante non è più un investigatore che cerca tracce di IA nel testo consegnato, ma un lettore del processo cognitivo dello studente. Le rubriche di valutazione associate al Log misurano la qualità della riflessione metacognitiva, la coerenza tra scelte dichiarate e testo prodotto, la capacità di motivare i rifiuti — non la lunghezza o la correttezza formale del prodotto finale.
4. Tre contesti didattici: il Log come filo rosso
Il modello è stato sviluppato e sperimentato in tre contesti didattici diversi per contenuto, classe e obiettivo. In ciascuno, il Metacognitive AI-Log funge da filo rosso: strumento comune che si adatta al contenuto senza perdere la propria logica.
4.1 Il Cineforum AI-Resistant: vedere, pensare, scrivere (Classe III SSS)
Il primo contesto è un cineforum strutturato con una classe terza dell’indirizzo Servizi Socio-Sanitari. La scelta del cinema come punto di partenza non è casuale: il film è un testo che l’IA non ha visto. Può descriverlo, riassumerlo, citare recensioni — ma non ha vissuto l’esperienza emotiva e sensoriale della visione. Questo crea una asimmetria epistemica fondamentale a favore dello studente: per una volta, lui sa qualcosa che la macchina non può sapere allo stesso modo.
Il cineforum prevede la visione in classe di film scelti per la loro capacità di generare discussione su temi vicini all’identità professionale SSS: la cura dell’altro, la diversità, l’inclusione, il confine tra reale e virtuale, il valore dell’esperienza diretta. La scelta di titoli diversi per registro — dal fantasy al film di realtà sociale — risponde al principio UDL dei molteplici mezzi di coinvolgimento: ogni studente trova un punto di ingresso emotivo diverso, ma l’obiettivo cognitivo è comune.
Dopo la visione, ogni studente riceve una scheda AI-Resistant: una traccia strutturata per la scrittura della recensione che è progettata esplicitamente per rendere difficile la delega all’algoritmo. Le domande non chiedono di descrivere la trama — che l’IA conosce — ma di ancorare la risposta all’esperienza personale della visione: “Qual è il momento del film in cui hai provato qualcosa di inaspettato? Descrivilo e spiega perché.” Oppure: “C’è un personaggio che ti ha fatto cambiare idea su qualcosa? Su cosa?”
Gli studenti possono usare l’IA nella fase di revisione del testo — per migliorare la struttura, cercare sinonimi, verificare la coerenza argomentativa — ma non nella fase di ideazione e prima stesura. Il Metacognitive AI-Log documenta esattamente questo confine: dove ha smesso di scrivere da solo e dove ha chiesto aiuto alla macchina, e perché.
I momenti più significativi dal punto di vista del Making Thinking Visible emergono nella discussione collettiva successiva alla scrittura: quando le posizioni espresse nelle recensioni vengono confrontate in classe, appaiono differenze genuine, motivate, difendibili. È il segnale che il pensiero è stato davvero individuale.
4.2 HyperDoc e letteratura italiana: l’IA come assistente cognitivo (V anno)
Il secondo contesto riguarda una classe quinta nell’insegnamento della letteratura italiana, con un percorso progettato attorno al modello HyperDoc. L’HyperDoc è un documento digitale strutturato in fasi progressive — Engage, Explore, Explain, Apply, Share — che guida lo studente attraverso un percorso di apprendimento autonomo ma non abbandonato a se stesso. Nel modello proposto, l’IA generativa viene integrata come strumento di supporto alla comprensione e alla scrittura, con un ruolo esplicitamente dialogico: non risponde, ma stimola domande.
Il percorso si sviluppa attorno ad autori del canone italiano ottocentesco e di primo Novecento. Gli studenti interrogano l’IA per orientarsi nel contesto storico-culturale, per ottenere una prima parafrasi di testi complessi, per esplorare interpretazioni critiche diverse. L’IA non sostituisce la lettura: la prepara, la scaffolda, la rende accessibile a chi avrebbe altrimenti abbandonato il testo dopo le prime righe di difficoltà.
La fase cruciale è la revisione iterativa. Dopo aver prodotto una prima bozza di testo espositivo con il supporto dell’IA, ogni studente riceve un prompt di critica: “Ora analizza il testo che hai scritto. Quali parti sono autenticamente tue? Dove senti che stai riportando la voce dell’IA senza averla davvero fatta tua? Riscrivi almeno un paragrafo partendo da questa consapevolezza.” Questo momento — la critica del proprio testo con gli occhi di chi sa distinguere le voci — è il cuore metacognitivo del percorso.
Il Metacognitive AI-Log in questo contesto diventa particolarmente ricco: gli studenti documentano la progressione dei loro prompt, le correzioni apportate alle bozze generate, le scelte stilistiche che hanno rivendicato come proprie. I risultati mostrano un miglioramento misurabile nella qualità dei testi prodotti e, soprattutto, una maggiore consapevolezza linguistica: gli studenti imparano a riconoscere il registro dell’IA — formale, generico, privo di voce — e a distinguerlo dal proprio.
4.3 Il Gem Tutor per la Prima Prova: l’IA come allenatore del pensiero argomentativo
Il terzo contesto affronta un’esigenza concreta e urgente per le classi quinte: la preparazione alla Prima Prova dell’Esame di Stato. La Prima Prova richiede competenze di scrittura argomentativa ed espositiva che molti studenti faticano a sviluppare con i metodi tradizionali: le consegne sono spesso percepite come astratte, il feedback arriva troppo tardi, e la pratica individuale è limitata dal tempo disponibile in classe.
Il Gem Tutor è un agente IA personalizzato, costruito su Gemini, progettato specificamente per accompagnare gli studenti nella preparazione alla Prima Prova. A differenza dell’uso generico di un chatbot, il Gem Tutor è configurato con un sistema di istruzioni preciso: non scrive per lo studente, ma gli fa domande. Non fornisce la struttura dell’elaborato: chiede allo studente di articolarla e poi la discute. Non corregge il testo: segnala le incoerenze e invita a riscrivere.
Il modello di interazione segue una logica socratica digitale: ogni risposta dell’IA è una domanda che rimanda la palla allo studente. “Hai detto che la tua tesi è X. Quale argomento porteresti per supportarla? E quale obiezione potrebbe muoverle un lettore critico?” Questo tipo di dialogo allena esattamente le competenze richieste dalla Prima Prova: la capacità di sostenere una posizione, anticipare le controargomentazioni, costruire un testo coerente e informato.
Il Metacognitive AI-Log in questo contesto documenta il percorso di costruzione della tesi: quali domande del tutor hanno cambiato la direzione del ragionamento, quali argomenti lo studente ha rifiutato e perché, quale formulazione finale ha scelto come autenticamente propria. Il Log diventa, in questo caso, anche uno strumento di preparazione all’orale: il colloquio d’esame chiede agli studenti di spiegare il proprio percorso di scrittura, e il Log offre una traccia precisa di quel percorso.
La domanda guida del modello rimane la stessa nei tre contesti: non “l’IA ha scritto questo testo?”, ma “come ha pensato lo studente mentre questo testo prendeva forma?
5. Un framework operativo: la Tassonomia di Bloom per l’era dell’IA
I tre contesti descritti mostrano che l’IA non si posiziona allo stesso modo rispetto a tutti i livelli cognitivi. Il framework proposto ridistribuisce i ruoli tra studente e IA lungo la Tassonomia di Bloom (Anderson & Krathwohl, 2001), offrendo ai docenti uno strumento pratico di progettazione didattica:
| Livello cognitivo | Ruolo dell’IA | Dominio irrinunciabile dello studente |
| Ricordare | Recupero rapido di informazioni, date, definizioni, trame | Selezione critica; verifica dell’accuratezza; valutazione della fonte |
| Comprendere | Parafrasi, sintesi, spiegazioni di testi complessi | Verifica rispetto all’esperienza diretta; riconoscimento di semplificazioni |
| Applicare | Generazione di bozze, strutture argomentative, esempi standard | Adattamento al contesto e all’obiettivo specifico; coerenza con la propria voce |
| Analizzare | Identificazione di schemi, confronto strutturato tra testi e posizioni | Interpretazione situata; individuazione dei limiti dell’analisi algoritmica |
| Valutare | Supporto argomentativo, pro e contro schematici, fact-checking | Giudizio fondato su valori, esperienza e responsabilità personale |
| Creare | Generazione di bozze, variazioni formali, strutture combinatorie | Intenzione autentica, voce propria, responsabilità del significato prodotto |
Tabella 1 – Ridistribuzione dei ruoli tra IA e studente lungo la Tassonomia di Bloom revisionata
Nei tre contesti descritti, questo schema è implicitamente all’opera: il Cineforum AI-Resistant presidia i livelli Valutare e Creare nell’esperienza diretta della visione; il percorso HyperDoc lavora su Analizzare e Valutare nella scrittura letteraria; il Gem Tutor accompagna il livello Creare nella costruzione argomentativa della Prima Prova. In tutti e tre i casi, il Metacognitive AI-Log è lo strumento che rende visibile e documentabile la distribuzione del pensiero tra studente e macchina.
6. La scuola professionale come laboratorio: implicazioni e prospettive
Le esperienze descritte suggeriscono alcune implicazioni più ampie, che vanno oltre il contesto specifico di Grottaglie.
La prima riguarda il profilo professionale SSS come spazio privilegiato per questa pedagogia. Formare chi si prenderà cura delle persone significa formare la capacità di giudizio in situazioni ad alta complessità emotiva e relazionale: situazioni in cui nessun algoritmo può sostituire la presenza, la sensibilità, la responsabilità di un essere umano. Il Dibattito AI-Resistant, il Cineforum, il Metacognitive AI-Log non sono strumenti per insegnare a usare l’IA: sono strumenti per insegnare a sapere quando non usarla, e perché.
La seconda implicazione riguarda la formazione dei docenti. Il modello proposto richiede un cambiamento di postura più che di competenza tecnica: non serve saper usare tutti gli strumenti IA disponibili, ma saper progettare il confine tra ciò che la macchina può fare e ciò che deve restare allo studente. Questo è un atto di progettazione intenzionale — nel senso UDL del termine — che richiede riflessione pedagogica profonda, non aggiornamento tecnologico superficiale.
La terza implicazione riguarda la valutazione. I sistemi di valutazione scolastica sono ancora in larga parte calibrati sul prodotto finale. Il Metacognitive AI-Log propone un’alternativa concreta e praticabile: valutare il processo, documentato dallo studente stesso, verificabile dal docente, coerente con i principi dell’assessment for learning. Non è una soluzione tecnica al problema del plagio: è un cambio di paradigma sulla natura stessa della valutazione.
La quarta implicazione è la più ampia, e forse la più urgente: il rapporto tra innovazione tecnologica, diritti e democrazia. Un cittadino che non sa valutare criticamente le informazioni prodotte o selezionate da algoritmi è un cittadino più esposto alla manipolazione, più vulnerabile alla polarizzazione, meno capace di partecipazione democratica autentica. Questa non è un’iperbole: è il nodo che l’AI Act europeo ha riconosciuto classificando i sistemi IA in ambito educativo come ad alto rischio. La scuola che forma il pensiero critico sull’IA non sta insegnando una competenza digitale tra le tante: sta esercitando una funzione democratica fondamentale. In questo senso, il Metacognitive AI-Log è anche uno strumento di educazione civica: insegna agli studenti che hanno il diritto — e la responsabilità — di non delegare il proprio giudizio a nessuna macchina. E che questo diritto va esercitato, allenato, difeso ogni giorno, a partire da un testo espositivo su un film visto in classe.
7. Conclusioni: Coltivare, Educare, Umanizzare
COLTIVARE, EDUCARE, UMANIZZARE: i tre verbi che orientano la call di Culture Digitali trovano, nel modello proposto, una traduzione didattica concreta. Ma prima di declinare ciascuno, vale la pena tornare alle quattro domande guida che hanno attraversato questo contributo, per verificare se — e come — il modello proposto le abbia davvero abitate.
In che modo il digitale e l’IA stanno contribuendo alla formazione di una cultura europea condivisa? Il modello proposto risponde che questa cultura si costruisce nelle aule, un pensiero critico alla volta. Ogni studente che impara a distinguere la propria voce da quella dell’algoritmo, ogni classe in cui emergono posizioni diverse e motivate su un film o su un testo letterario, ogni AI-Log che documenta un rifiuto ragionato di una risposta generata dalla macchina: sono mattoni di una cittadinanza digitale europea che non si decreta con un regolamento, ma si forma con la pratica quotidiana della scuola.
Quale valore culturale assume oggi l’IA nelle politiche educative? Il valore non è tecnico: è epistemico. L’IA nelle scuole interroga il significato stesso dell’apprendimento, del sapere, della valutazione. Risponde alle politiche educative che la trattano come un problema di aggiornamento strumentale, dicendo che il problema è più profondo: riguarda chi siamo come comunità educante, cosa vogliamo formare, e perché.
Come garantire che l’innovazione rafforzi diritti, partecipazione e democrazia? Garantendola nell’unico luogo in cui la democrazia si impara davvero: la scuola. Il Metacognitive AI-Log è uno strumento piccolo, praticabile, non costoso. Ma il gesto che chiede agli studenti — documentare come hanno pensato, difendere ciò che hanno scelto, motivare ciò che hanno rifiutato — è esattamente il gesto democratico: la responsabilità pubblica del proprio giudizio.
Quali pratiche concrete mostrano un’IA al servizio delle comunità educanti? Il cineforum AI-Resistant, il percorso HyperDoc sulla letteratura italiana, il Gem Tutor per la Prima Prova: tre pratiche reali, nate in una scuola professionale del Sud Italia, con studenti che si preparano a prendersi cura delle persone. Non sono progetti speciali né sperimentazioni d’eccellenza: sono la risposta ordinaria di una docente che ha deciso di non delegare il proprio giudizio pedagogico alla macchina, e di insegnare ai propri studenti a fare lo stesso.
COLTIVARE significa prendersi cura del pensiero degli studenti come di un patrimonio fragile e prezioso: scaffoldarlo, renderlo visibile, documentarlo, proteggerlo dall’erosione algoritmica. Il Metacognitive AI-Log è uno strumento di cura cognitiva prima ancora che un dispositivo valutativo.
EDUCARE significa riconoscere che l’IA non è solo una questione tecnica ma profondamente educativa: richiede la formazione del giudizio, della responsabilità, della capacità di dissentire. Un cineforum in cui emergono posizioni diverse e motivate, una revisione iterativa in cui lo studente impara a riconoscere la propria voce, un dialogo con un tutor IA che non dà risposte ma pone domande: sono tutti atti educativi nel senso più profondo del termine.
UMANIZZARE significa orientare l’innovazione al servizio della dignità. In una scuola dove i ragazzi si preparano a diventare operatori della cura, questa parola ha un peso specifico: l’IA può essere uno strumento potente di apprendimento, ma la cura — quella vera, quella che fa la differenza nella vita di una persona anziana, di un bambino in difficoltà, di una famiglia in crisi — richiede un essere umano presente, pensante, responsabile. Formare questo essere umano è il compito più urgente e più bello che la scuola abbia oggi davanti a sé.
Il modello proposto non è una soluzione definitiva, né pretende di esserlo. È una proposta nata dalla pratica, verificata nell’esperienza quotidiana, aperta alla revisione e al confronto. È un invito, rivolto alla comunità scientifica e ai colleghi docenti, a pensare insieme a come rendere il pensiero degli studenti visibile, accessibile e irriducibilmente loro.
Riferimenti bibliografici
Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s educational objectives. Longman.
Bakhtin, M. M. (1981). The dialogic imagination: Four essays. University of Texas Press.
CAST. (2018). Universal Design for Learning guidelines version 2.2. CAST. https://udlguidelines.cast.org
Consiglio d’Europa. (2005). Convenzione quadro sul valore del patrimonio culturale per la società (Convenzione di Faro). Council of Europe Treaty Series, 199.
Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry. American Psychologist, 34(10), 906–911.
Mishra, P., & Koehler, M. J. (2006). Technological Pedagogical Content Knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054.
OECD. (2023). Artificial intelligence and the future of teaching and learning. OECD Publishing.
Parlamento Europeo e Consiglio UE. (2024). Regolamento (UE) 2024/1689 sull’intelligenza artificiale (AI Act). Gazzetta Ufficiale dell’Unione Europea.
Commissione Europea. (2021). New European Bauhaus: Beautiful, sustainable, together. European Commission.
Resnick, M. (2017). Lifelong kindergarten: Cultivating creativity through projects, passion, peers, and play. MIT Press.
Ritchhart, R., Church, M., & Morrison, K. (2011). Making thinking visible: How to promote engagement, understanding, and independence for all learners. Jossey-Bass.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Giulia Calogero
Insegnante di Lingua e letteratura italiana e Storia nella scuola secondaria di secondo grado, esperta in metodologie didattiche innovative e tecnologie digitali. Google certified Trainer, Thinglink trainer, Edpuzzle trainer e Canvassador, si occupa di formazione docenti su temi come Flipped Classroom, Storytelling, Udl, MLTV e intelligenza artificiale applicata alla didattica.