{"id":8313,"date":"2026-03-16T06:50:33","date_gmt":"2026-03-16T05:50:33","guid":{"rendered":"https:\/\/www.diculther.it\/rivista\/?page_id=8313"},"modified":"2026-03-16T06:52:10","modified_gmt":"2026-03-16T05:52:10","slug":"rendere-visibile-il-pensiero-nellera-dellia","status":"publish","type":"page","link":"https:\/\/www.diculther.it\/rivista\/rendere-visibile-il-pensiero-nellera-dellia\/","title":{"rendered":"Rendere visibile il pensiero nell\u2019era dell\u2019IA"},"content":{"rendered":"\n

Un modello didattico tra Making Thinking Visible, UDL e Metacognitive AI-Log nella scuola secondaria di secondo grado<\/em><\/p>\n\n\n\n

di Giulia Calogero, <\/strong>Docente di Lingua e Letteratura Italiana \u2014 IISS Don Milani Pertini Morante, Grottaglie (TA)<\/em><\/p>\n\n\n\n

Introduzione editoriale<\/strong><\/p>\n\n\n\n

Negli ultimi anni l\u2019intelligenza artificiale generativa ha posto alla scuola una domanda radicale: cosa significa apprendere e valutare quando una macchina \u00e8 in grado di produrre, in pochi secondi, testi formalmente corretti, sintesi argomentative e analisi di contenuti complessi?<\/p>\n\n\n\n

La questione non riguarda soltanto l\u2019uso degli strumenti digitali, ma tocca il cuore stesso della funzione educativa della scuola: la formazione del pensiero critico, dell\u2019autonomia di giudizio e della responsabilit\u00e0 personale. In questo scenario diventa sempre pi\u00f9 urgente distinguere tra il prodotto finale di un lavoro e il processo cognitivo che lo genera.<\/p>\n\n\n\n

Il contributo della prof.ssa Giulia Calogero, docente di Lingua e Letteratura Italiana presso l\u2019IISS Don Milani Pertini Morante di Grottaglie, si inserisce con particolare lucidit\u00e0 in questo dibattito. L\u2019autrice propone un modello didattico che integra tre importanti cornici pedagogiche \u2014 Making Thinking Visible<\/em>, Universal Design for Learning<\/em> e un originale Metacognitive AI-Log \u2014 con l\u2019obiettivo di rendere osservabile e documentabile il processo di pensiero degli studenti nell\u2019interazione con l\u2019intelligenza artificiale.<\/p>\n\n\n\n

Attraverso esperienze concrete di didattica \u2014 dal cineforum AI-Resistant alla scrittura argomentativa con tutor IA \u2014 il contributo mostra come l\u2019IA possa essere utilizzata non come sostituto del pensiero umano, ma come occasione per rafforzarne la consapevolezza e l\u2019autonomia.<\/p>\n\n\n\n

La riflessione proposta dialoga pienamente con il percorso culturale promosso da #DiCultHer, che da anni sottolinea la necessit\u00e0 di considerare l\u2019intelligenza 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.<\/p>\n\n\n\n

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\u2019uso delle tecnologie emergenti.<\/p>\n\n\n\n

Abstract (italiano)<\/h2>\n\n\n\n

Nell\u2019era dell\u2019IA generativa, la scuola secondaria affronta una crisi profonda del paradigma valutativo tradizionale: quando uno strumento digitale \u00e8 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 capacit\u00e0 computazionale di una macchina, non la crescita cognitiva dello studente. Questo articolo propone un modello didattico che risponde a questa sfida attraverso l\u2019integrazione di tre framework pedagogici: il Making Learning and Thinking Visible (Project Zero, Harvard), l\u2019Universal Design for Learning e il Metacognitive AI-Log, uno strumento originale di riflessione strutturata che trasforma l\u2019interazione con l\u2019IA in evidenza autentica e documentabile del processo di pensiero. Il Metacognitive AI-Log non \u00e8 un dispositivo di controllo sul plagio: \u00e8 una finestra aperta sul pensiero dello studente mentre accade, capace di rendere visibile ci\u00f2 che il prodotto finale non mostra. Il modello \u00e8 descritto attraverso tre contesti didattici reali sviluppati presso l\u2019IISS 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\u2019uso di un tutor IA personalizzato (Gem Tutor) per la preparazione alla Prima Prova dell\u2019Esame 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\u2019ecosistema digitale. Il contributo propone infine una revisione operativa della Tassonomia di Bloom per l\u2019era dell\u2019IA e suggerisce che la scuola professionale, in particolare nell\u2019indirizzo Socio-Sanitario, sia un luogo privilegiato per sperimentare questa pedagogia: formare chi si prender\u00e0 cura delle persone significa, prima di tutto, formare il pensiero critico sulla cura.<\/em><\/p>\n\n\n\n

Parole chiave: <\/strong>Metacognitive AI-Log, Making Thinking Visible, Universal Design for Learning, pensiero critico, valutazione autentica del processo, diritti cognitivi, scrittura espositiva, HyperDoc, scuola secondaria<\/em><\/p>\n\n\n\n

Abstract (English)<\/h2>\n\n\n\n

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\u2019s computational capacity rather than a student\u2019s 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 \u2014 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\u2019s 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\u2019 cognitive rights in the digital ecosystem. The article also proposes a practical revision of Bloom\u2019s Taxonomy for the AI era, and suggests that vocational schools \u2014 particularly in the Social and Health Sciences track \u2014 are privileged spaces for this pedagogy: educating those who will care for others means, first and foremost, cultivating critical thinking about care itself.<\/em><\/p>\n\n\n\n

Keywords: <\/strong>Metacognitive AI-Log, Making Thinking Visible, Universal Design for Learning, critical thinking, authentic process assessment, cognitive rights, expository writing, HyperDoc, secondary education<\/em><\/p>\n\n\n\n

1. Il problema: quando valutare il prodotto non basta pi\u00f9<\/h1>\n\n\n\n

C\u2019\u00e8 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 \u2014 e non riusciva a spiegare una sola frase di ci\u00f2 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 pu\u00f2 simularne il prodotto? E chi ha la responsabilit\u00e0 di rispondere?<\/p>\n\n\n\n

L\u2019IA generativa ha reso acuta una contraddizione che la scuola portava gi\u00e0 dentro di s\u00e9: 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 pi\u00f9. Un modello linguistico pu\u00f2 produrre in trenta secondi l\u2019elaborato che uno studente avrebbe impiegato tre ore a scrivere. Il problema non \u00e8 morale: \u00e8 epistemologico. La domanda non \u00e8 \u201cha copiato?\u201d. La domanda \u00e8: \u201ccosa ha pensato?<\/p>\n\n\n\n

Questo articolo nasce da questa domanda, maturata in anni di sperimentazione didattica presso l\u2019IISS 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 \u00e8 un obiettivo curriculare tra i tanti: \u00e8 una responsabilit\u00e0 civile ed etica. Un operatore socio-sanitario che non sa valutare, scegliere, dissentire \u2014 che delega il giudizio alla macchina \u2014 mette a rischio non un compito scolastico, ma una persona reale. Quattro domande guidano l\u2019intero contributo, mutuate dalla cornice tematica della rivista: in che modo il digitale e l\u2019IA stanno contribuendo alla formazione di una cultura europea condivisa? Quale valore culturale assume oggi l\u2019Intelligenza Artificiale nelle politiche educative? Come garantire che l\u2019innovazione rafforzi diritti, partecipazione e democrazia? Quali pratiche concrete mostrano un\u2019IA al servizio delle comunit\u00e0 educanti? A ciascuna di queste domande il modello proposto cerca di offrire, se non una risposta definitiva, almeno una pratica verificabile.<\/p>\n\n\n\n

2. La cornice teorica: tre framework che si tengono insieme<\/h1>\n\n\n\n

Il modello didattico proposto in questo articolo non nasce da un singolo riferimento teorico, ma dall\u2019intersezione di tre framework che, messi insieme, offrono una risposta coerente alla domanda iniziale: come rendere il pensiero degli studenti visibile, accessibile e valutabile, anche \u2014 soprattutto \u2014 quando l\u2019IA \u00e8 presente nel processo?<\/p>\n\n\n\n

2.1 Making Learning and Thinking Visible<\/h2>\n\n\n\n

Il framework del Making Learning and Thinking Visible, sviluppato da Ron Ritchhart, Mark Church e Karin Morrison nell\u2019ambito del progetto Project Zero dell\u2019Universit\u00e0 di Harvard, parte da una premessa semplice e radicale: il pensiero degli studenti \u00e8 spesso invisibile. Si svolge dentro le teste, non lascia tracce, non \u00e8 osservabile n\u00e9 valutabile. Renderlo visibile \u2014 attraverso routine di pensiero strutturate, documentazione sistematica del processo, discussioni che portano in superficie ragionamenti e dubbi \u2014 non \u00e8 solo una tecnica didattica: \u00e8 un atto di cura pedagogica. Significa dire agli studenti che il loro modo di pensare conta, non solo ci\u00f2 che sanno.<\/p>\n\n\n\n

Nell\u2019era dell\u2019IA, questa logica diventa ancora pi\u00f9 urgente. Se il prodotto pu\u00f2 essere generato dalla macchina, l\u2019unica evidenza autentica di apprendimento che rimane \u00e8 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\u2019algoritmo.<\/p>\n\n\n\n

2.2 Universal Design for Learning<\/h2>\n\n\n\n

L\u2019Universal Design for Learning (UDL), elaborato dal CAST a partire dagli anni Novanta, propone che l\u2019apprendimento sia progettato fin dall\u2019inizio per essere accessibile a tutti, eliminando le barriere cognitive, linguistiche e motivazionali prima che si presentino. I tre principi fondamentali \u2014 molteplici mezzi di rappresentazione, molteplici mezzi di azione ed espressione, molteplici mezzi di coinvolgimento \u2014 si traducono, in pratica, nel riconoscimento che non esiste un unico modo di apprendere, e che la progettazione didattica deve anticipare la variet\u00e0, non correggerla.<\/p>\n\n\n\n

Nel modello proposto, l\u2019IA generativa viene integrata come uno dei molteplici mezzi di supporto all\u2019apprendimento: uno strumento che pu\u00f2 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\u2019azione ed espressione: offre a ogni studente un formato accessibile per documentare il proprio processo cognitivo, indipendentemente dalle sue abilit\u00e0 di scrittura formale.<\/p>\n\n\n\n

2.3 Metacognizione, voce propria e diritti cognitivi<\/h2>\n\n\n\n

Il terzo pilastro teorico si articola attorno a tre riferimenti complementari. John Flavell, padre della ricerca sulla metacognizione, ha mostrato che la capacit\u00e0 di monitorare e regolare i propri processi cognitivi \u00e8 una competenza apprendibile e insegnabile, non un talento innato. Lev Vygotskij ha insegnato che l\u2019apprendimento avviene nella zona di sviluppo prossimale, quello spazio tra ci\u00f2 che lo studente sa fare da solo e ci\u00f2 che riesce a fare con l\u2019aiuto di un mediatore: l\u2019IA \u00e8 il mediatore pi\u00f9 potente \u2014 e pi\u00f9 insidioso \u2014 che la scuola abbia mai incontrato. Mikhail Bakhtin, infine, ha mostrato che la parola propria nasce sempre dall\u2019incontro-scontro con le parole altrui: acquisire una voce significa appropriarsi dei discorsi degli altri senza esserne colonizzati.<\/p>\n\n\n\n

Questi tre autori convergono su una stessa urgenza pedagogica: nell\u2019ecosistema digitale attuale, il rischio non \u00e8 solo che gli studenti \u201ccopino\u201d dall\u2019IA. Il rischio \u00e8 pi\u00f9 profondo: che imparino a delegare il giudizio, a fidarsi dell\u2019algoritmo pi\u00f9 che di se stessi, a perdere la capacit\u00e0 di distinguere la propria voce da quella della macchina. Questo \u00e8 ci\u00f2 che la letteratura recente chiama diritto cognitivo: il diritto alla formazione libera del pensiero, all\u2019autonomia del giudizio, alla trasparenza dei processi algoritmici che influenzano le proprie opinioni e scelte.<\/p>\n\n\n\n

2.4 La dimensione europea: Faro, NEB e AI Act come cornice di senso<\/p>\n\n\n\n

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\u2019intersezione tra IA, cultura e educazione. La Convenzione di Faro del Consiglio d\u2019Europa (2005) afferma che il patrimonio culturale \u2014 inteso in senso ampio, come insieme di risorse ereditate dal passato che le comunit\u00e0 riconoscono come proprie \u2014 appartiene alle comunit\u00e0 che lo abitano, non agli esperti che lo custodiscono. Tradotto in chiave pedagogica: il pensiero critico, la capacit\u00e0 argomentativa, la voce propria degli studenti sono patrimonio culturale. Proteggerli dall\u2019erosione algoritmica \u00e8 un atto di politica culturale, non solo di didattica.<\/p>\n\n\n\n

La Nuova Bauhaus Europea (NEB, 2021) propone che l\u2019innovazione tecnologica non possa prescindere da valori estetici e di inclusione sociale: bello, sostenibile, inclusivo. Applicato alla scuola, questo trinomio suggerisce che l\u2019IA debba essere adottata non per aumentare la produttivit\u00e0 didattica, ma per arricchire la qualit\u00e0 dell\u2019esperienza formativa di tutti gli studenti \u2014 a partire da quelli che la scuola tradizionale lasciava pi\u00f9 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 profondit\u00e0 cognitiva.<\/p>\n\n\n\n

L\u2019AI 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 equit\u00e0. Questa classificazione non \u00e8 burocratica: \u00e8 il riconoscimento istituzionale che l\u2019IA nelle scuole non \u00e8 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 vedr\u00e0, ogni volta che un chatbot risponde a una domanda che uno studente avrebbe potuto imparare a portare da solo \u2014 si compie un atto che ha conseguenze cognitive, culturali e democratiche. La scuola \u00e8 il luogo in cui queste conseguenze si formano. E il docente \u00e8 il primo garante dei diritti cognitivi degli studenti nell\u2019ecosistema digitale europeo.<\/p>\n\n\n\n

3. Il Metacognitive AI-Log: uno strumento di Making Thinking Visible applicato all\u2019IA<\/h1>\n\n\n\n

Il Metacognitive AI-Log \u00e8 lo strumento originale al centro del modello didattico proposto. Nella sua forma essenziale, \u00e8 un documento strutturato \u2014 digitale o cartaceo \u2014 in cui lo studente, al termine di ogni attivit\u00e0 che ha previsto l\u2019uso dell\u2019IA, registra sistematicamente tre tipi di informazione:<\/p>\n\n\n\n

    \n
  • cosa ha accettato dall\u2019IA, integrandolo nel proprio lavoro, e perch\u00e9<\/li>\n\n\n\n
  • cosa ha rifiutato o modificato, e le ragioni di quella scelta<\/li>\n\n\n\n
  • cosa ha pensato, scritto o deciso autonomamente, senza l\u2019intervento della macchina<\/li>\n<\/ul>\n\n\n\n

    Questa struttura ternaria non \u00e8 casuale: rispecchia esattamente la logica del Making Thinking Visible applicata all\u2019interazione uomo-macchina. Il Log non chiede allo studente di descrivere ci\u00f2 che ha prodotto: chiede di documentare come ha pensato mentre produceva. \u00c8 il passaggio dal \u201ccosa\u201d al \u201ccome\u201d; dal prodotto al processo.<\/p>\n\n\n\n

    Il Metacognitive AI-Log non \u00e8 un antidoto al plagio. \u00c8 uno strumento che rende il plagio irrilevante: perch\u00e9 ci\u00f2 che si valuta non \u00e8 pi\u00f9 il testo prodotto, ma il pensiero che lo ha attraversato.<\/em><\/p>\n\n\n\n

    Dal punto di vista UDL, il Log risponde al principio dei molteplici mezzi di azione ed espressione: non richiede scrittura formale, pu\u00f2 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 pi\u00f9 avanzati, diventa uno spazio di riflessione epistemica genuinamente complessa.<\/p>\n\n\n\n

    Sul piano della valutazione, il Log trasforma radicalmente il rapporto tra docente e studente: l\u2019insegnante non \u00e8 pi\u00f9 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 qualit\u00e0 della riflessione metacognitiva, la coerenza tra scelte dichiarate e testo prodotto, la capacit\u00e0 di motivare i rifiuti \u2014 non la lunghezza o la correttezza formale del prodotto finale.<\/p>\n\n\n\n

    4. Tre contesti didattici: il Log come filo rosso<\/h1>\n\n\n\n

    Il modello \u00e8 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.<\/p>\n\n\n\n

    4.1 Il Cineforum AI-Resistant: vedere, pensare, scrivere (Classe III SSS)<\/h2>\n\n\n\n

    Il primo contesto \u00e8 un cineforum strutturato con una classe terza dell\u2019indirizzo Servizi Socio-Sanitari. La scelta del cinema come punto di partenza non \u00e8 casuale: il film \u00e8 un testo che l\u2019IA non ha visto. Pu\u00f2 descriverlo, riassumerlo, citare recensioni \u2014 ma non ha vissuto l\u2019esperienza 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 pu\u00f2 sapere allo stesso modo.<\/p>\n\n\n\n

    Il cineforum prevede la visione in classe di film scelti per la loro capacit\u00e0 di generare discussione su temi vicini all\u2019identit\u00e0 professionale SSS: la cura dell\u2019altro, la diversit\u00e0, l\u2019inclusione, il confine tra reale e virtuale, il valore dell\u2019esperienza diretta. La scelta di titoli diversi per registro \u2014 dal fantasy al film di realt\u00e0 sociale \u2014 risponde al principio UDL dei molteplici mezzi di coinvolgimento: ogni studente trova un punto di ingresso emotivo diverso, ma l\u2019obiettivo cognitivo \u00e8 comune.<\/p>\n\n\n\n

    Dopo la visione, ogni studente riceve una scheda AI-Resistant: una traccia strutturata per la scrittura della recensione che \u00e8 progettata esplicitamente per rendere difficile la delega all\u2019algoritmo. Le domande non chiedono di descrivere la trama \u2014 che l\u2019IA conosce \u2014 ma di ancorare la risposta all\u2019esperienza personale della visione: \u201cQual \u00e8 il momento del film in cui hai provato qualcosa di inaspettato? Descrivilo e spiega perch\u00e9.\u201d Oppure: \u201cC\u2019\u00e8 un personaggio che ti ha fatto cambiare idea su qualcosa? Su cosa?\u201d<\/p>\n\n\n\n

    Gli studenti possono usare l\u2019IA nella fase di revisione del testo \u2014 per migliorare la struttura, cercare sinonimi, verificare la coerenza argomentativa \u2014 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 perch\u00e9.<\/p>\n\n\n\n

    I momenti pi\u00f9 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. \u00c8 il segnale che il pensiero \u00e8 stato davvero individuale.<\/p>\n\n\n\n

    4.2 HyperDoc e letteratura italiana: l\u2019IA come assistente cognitivo (V anno)<\/h2>\n\n\n\n

    Il secondo contesto riguarda una classe quinta nell\u2019insegnamento della letteratura italiana, con un percorso progettato attorno al modello HyperDoc. L\u2019HyperDoc \u00e8 un documento digitale strutturato in fasi progressive \u2014 Engage, Explore, Explain, Apply, Share \u2014 che guida lo studente attraverso un percorso di apprendimento autonomo ma non abbandonato a se stesso. Nel modello proposto, l\u2019IA generativa viene integrata come strumento di supporto alla comprensione e alla scrittura, con un ruolo esplicitamente dialogico: non risponde, ma stimola domande.<\/p>\n\n\n\n

    Il percorso si sviluppa attorno ad autori del canone italiano ottocentesco e di primo Novecento. Gli studenti interrogano l\u2019IA per orientarsi nel contesto storico-culturale, per ottenere una prima parafrasi di testi complessi, per esplorare interpretazioni critiche diverse. L\u2019IA non sostituisce la lettura: la prepara, la scaffolda, la rende accessibile a chi avrebbe altrimenti abbandonato il testo dopo le prime righe di difficolt\u00e0.<\/p>\n\n\n\n

    La fase cruciale \u00e8 la revisione iterativa. Dopo aver prodotto una prima bozza di testo espositivo con il supporto dell\u2019IA, ogni studente riceve un prompt di critica: \u201cOra analizza il testo che hai scritto. Quali parti sono autenticamente tue? Dove senti che stai riportando la voce dell\u2019IA senza averla davvero fatta tua? Riscrivi almeno un paragrafo partendo da questa consapevolezza.\u201d Questo momento \u2014 la critica del proprio testo con gli occhi di chi sa distinguere le voci \u2014 \u00e8 il cuore metacognitivo del percorso.<\/p>\n\n\n\n

    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 qualit\u00e0 dei testi prodotti e, soprattutto, una maggiore consapevolezza linguistica: gli studenti imparano a riconoscere il registro dell\u2019IA \u2014 formale, generico, privo di voce \u2014 e a distinguerlo dal proprio.<\/p>\n\n\n\n

    4.3 Il Gem Tutor per la Prima Prova: l\u2019IA come allenatore del pensiero argomentativo<\/h2>\n\n\n\n

    Il terzo contesto affronta un\u2019esigenza concreta e urgente per le classi quinte: la preparazione alla Prima Prova dell\u2019Esame 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 \u00e8 limitata dal tempo disponibile in classe.<\/p>\n\n\n\n

    Il Gem Tutor \u00e8 un agente IA personalizzato, costruito su Gemini, progettato specificamente per accompagnare gli studenti nella preparazione alla Prima Prova. A differenza dell\u2019uso generico di un chatbot, il Gem Tutor \u00e8 configurato con un sistema di istruzioni preciso: non scrive per lo studente, ma gli fa domande. Non fornisce la struttura dell\u2019elaborato: chiede allo studente di articolarla e poi la discute. Non corregge il testo: segnala le incoerenze e invita a riscrivere.<\/p>\n\n\n\n

    Il modello di interazione segue una logica socratica digitale: ogni risposta dell\u2019IA \u00e8 una domanda che rimanda la palla allo studente. \u201cHai detto che la tua tesi \u00e8 X. Quale argomento porteresti per supportarla? E quale obiezione potrebbe muoverle un lettore critico?\u201d Questo tipo di dialogo allena esattamente le competenze richieste dalla Prima Prova: la capacit\u00e0 di sostenere una posizione, anticipare le controargomentazioni, costruire un testo coerente e informato.<\/p>\n\n\n\n

    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 perch\u00e9, quale formulazione finale ha scelto come autenticamente propria. Il Log diventa, in questo caso, anche uno strumento di preparazione all\u2019orale: il colloquio d\u2019esame chiede agli studenti di spiegare il proprio percorso di scrittura, e il Log offre una traccia precisa di quel percorso.<\/p>\n\n\n\n

    La domanda guida del modello rimane la stessa nei tre contesti: non \u201cl\u2019IA ha scritto questo testo?\u201d, ma \u201ccome ha pensato lo studente mentre questo testo prendeva forma?<\/em><\/p>\n\n\n\n

    5. Un framework operativo: la Tassonomia di Bloom per l\u2019era dell\u2019IA<\/h1>\n\n\n\n

    I tre contesti descritti mostrano che l\u2019IA 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:<\/p>\n\n\n\n

    Livello cognitivo<\/strong><\/td>Ruolo dell\u2019IA<\/strong><\/td>Dominio irrinunciabile dello studente<\/strong><\/td><\/tr><\/thead>
    Ricordare<\/strong><\/td>Recupero rapido di informazioni, date, definizioni, trame<\/td>Selezione critica; verifica dell\u2019accuratezza; valutazione della fonte<\/td><\/tr>
    Comprendere<\/strong><\/td>Parafrasi, sintesi, spiegazioni di testi complessi<\/td>Verifica rispetto all\u2019esperienza diretta; riconoscimento di semplificazioni<\/td><\/tr>
    Applicare<\/strong><\/td>Generazione di bozze, strutture argomentative, esempi standard<\/td>Adattamento al contesto e all\u2019obiettivo specifico; coerenza con la propria voce<\/td><\/tr>
    Analizzare<\/strong><\/td>Identificazione di schemi, confronto strutturato tra testi e posizioni<\/td>Interpretazione situata; individuazione dei limiti dell\u2019analisi algoritmica<\/td><\/tr>
    Valutare<\/strong><\/td>Supporto argomentativo, pro e contro schematici, fact-checking<\/td>Giudizio fondato su valori, esperienza e responsabilit\u00e0 personale<\/td><\/tr>
    Creare<\/strong><\/td>Generazione di bozze, variazioni formali, strutture combinatorie<\/td>Intenzione autentica, voce propria, responsabilit\u00e0 del significato prodotto<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    Tabella 1 \u2013 Ridistribuzione dei ruoli tra IA e studente lungo la Tassonomia di Bloom revisionata<\/em><\/p>\n\n\n\n

    Nei tre contesti descritti, questo schema \u00e8 implicitamente all\u2019opera: il Cineforum AI-Resistant presidia i livelli Valutare e Creare nell\u2019esperienza 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 \u00e8 lo strumento che rende visibile e documentabile la distribuzione del pensiero tra studente e macchina.<\/p>\n\n\n\n

    6. La scuola professionale come laboratorio: implicazioni e prospettive<\/h1>\n\n\n\n

    Le esperienze descritte suggeriscono alcune implicazioni pi\u00f9 ampie, che vanno oltre il contesto specifico di Grottaglie.<\/p>\n\n\n\n

    La prima riguarda il profilo professionale SSS come spazio privilegiato per questa pedagogia. Formare chi si prender\u00e0 cura delle persone significa formare la capacit\u00e0 di giudizio in situazioni ad alta complessit\u00e0 emotiva e relazionale: situazioni in cui nessun algoritmo pu\u00f2 sostituire la presenza, la sensibilit\u00e0, la responsabilit\u00e0 di un essere umano. Il Dibattito AI-Resistant, il Cineforum, il Metacognitive AI-Log non sono strumenti per insegnare a usare l\u2019IA: sono strumenti per insegnare a sapere quando non usarla, e perch\u00e9.<\/p>\n\n\n\n

    La seconda implicazione riguarda la formazione dei docenti. Il modello proposto richiede un cambiamento di postura pi\u00f9 che di competenza tecnica: non serve saper usare tutti gli strumenti IA disponibili, ma saper progettare il confine tra ci\u00f2 che la macchina pu\u00f2 fare e ci\u00f2 che deve restare allo studente. Questo \u00e8 un atto di progettazione intenzionale \u2014 nel senso UDL del termine \u2014 che richiede riflessione pedagogica profonda, non aggiornamento tecnologico superficiale.<\/p>\n\n\n\n

    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\u2019alternativa concreta e praticabile: valutare il processo, documentato dallo studente stesso, verificabile dal docente, coerente con i principi dell\u2019assessment for learning. Non \u00e8 una soluzione tecnica al problema del plagio: \u00e8 un cambio di paradigma sulla natura stessa della valutazione.<\/p>\n\n\n\n

    La quarta implicazione \u00e8 la pi\u00f9 ampia, e forse la pi\u00f9 urgente: il rapporto tra innovazione tecnologica, diritti e democrazia. Un cittadino che non sa valutare criticamente le informazioni prodotte o selezionate da algoritmi \u00e8 un cittadino pi\u00f9 esposto alla manipolazione, pi\u00f9 vulnerabile alla polarizzazione, meno capace di partecipazione democratica autentica. Questa non \u00e8 un\u2019iperbole: \u00e8 il nodo che l\u2019AI Act europeo ha riconosciuto classificando i sistemi IA in ambito educativo come ad alto rischio. La scuola che forma il pensiero critico sull\u2019IA non sta insegnando una competenza digitale tra le tante: sta esercitando una funzione democratica fondamentale. In questo senso, il Metacognitive AI-Log \u00e8 anche uno strumento di educazione civica: insegna agli studenti che hanno il diritto \u2014 e la responsabilit\u00e0 \u2014 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.<\/p>\n\n\n\n

    7. Conclusioni: Coltivare, Educare, Umanizzare<\/h1>\n\n\n\n

    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 \u2014 e come \u2014 il modello proposto le abbia davvero abitate.<\/p>\n\n\n\n

    In che modo il digitale e l\u2019IA 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\u2019algoritmo, 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.<\/p>\n\n\n\n

    Quale valore culturale assume oggi l\u2019IA nelle politiche educative? Il valore non \u00e8 tecnico: \u00e8 epistemico. L\u2019IA nelle scuole interroga il significato stesso dell\u2019apprendimento, del sapere, della valutazione. Risponde alle politiche educative che la trattano come un problema di aggiornamento strumentale, dicendo che il problema \u00e8 pi\u00f9 profondo: riguarda chi siamo come comunit\u00e0 educante, cosa vogliamo formare, e perch\u00e9.<\/p>\n\n\n\n

    Come garantire che l\u2019innovazione rafforzi diritti, partecipazione e democrazia? Garantendola nell\u2019unico luogo in cui la democrazia si impara davvero: la scuola. Il Metacognitive AI-Log \u00e8 uno strumento piccolo, praticabile, non costoso. Ma il gesto che chiede agli studenti \u2014 documentare come hanno pensato, difendere ci\u00f2 che hanno scelto, motivare ci\u00f2 che hanno rifiutato \u2014 \u00e8 esattamente il gesto democratico: la responsabilit\u00e0 pubblica del proprio giudizio.<\/p>\n\n\n\n

    Quali pratiche concrete mostrano un\u2019IA al servizio delle comunit\u00e0 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 n\u00e9 sperimentazioni d\u2019eccellenza: 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.<\/p>\n\n\n\n

    COLTIVARE significa prendersi cura del pensiero degli studenti come di un patrimonio fragile e prezioso: scaffoldarlo, renderlo visibile, documentarlo, proteggerlo dall\u2019erosione algoritmica. Il Metacognitive AI-Log \u00e8 uno strumento di cura cognitiva prima ancora che un dispositivo valutativo.<\/p>\n\n\n\n

    EDUCARE significa riconoscere che l\u2019IA non \u00e8 solo una questione tecnica ma profondamente educativa: richiede la formazione del giudizio, della responsabilit\u00e0, della capacit\u00e0 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 d\u00e0 risposte ma pone domande: sono tutti atti educativi nel senso pi\u00f9 profondo del termine.<\/p>\n\n\n\n

    UMANIZZARE significa orientare l\u2019innovazione al servizio della dignit\u00e0. In una scuola dove i ragazzi si preparano a diventare operatori della cura, questa parola ha un peso specifico: l\u2019IA pu\u00f2 essere uno strumento potente di apprendimento, ma la cura \u2014 quella vera, quella che fa la differenza nella vita di una persona anziana, di un bambino in difficolt\u00e0, di una famiglia in crisi \u2014 richiede un essere umano presente, pensante, responsabile. Formare questo essere umano \u00e8 il compito pi\u00f9 urgente e pi\u00f9 bello che la scuola abbia oggi davanti a s\u00e9.<\/p>\n\n\n\n

    Il modello proposto non \u00e8 una soluzione definitiva, n\u00e9 pretende di esserlo. \u00c8 una proposta nata dalla pratica, verificata nell\u2019esperienza quotidiana, aperta alla revisione e al confronto. \u00c8 un invito, rivolto alla comunit\u00e0 scientifica e ai colleghi docenti, a pensare insieme a come rendere il pensiero degli studenti visibile, accessibile e irriducibilmente loro.<\/p>\n\n\n\n

    <\/a>Riferimenti bibliografici<\/h1>\n\n\n\n

    Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom\u2019s educational objectives. Longman.<\/p>\n\n\n\n

    Bakhtin, M. M. (1981). The dialogic imagination: Four essays. University of Texas Press.<\/p>\n\n\n\n

    CAST. (2018). Universal Design for Learning guidelines version 2.2. CAST. https:\/\/udlguidelines.cast.org<\/p>\n\n\n\n

    Consiglio d\u2019Europa. (2005). Convenzione quadro sul valore del patrimonio culturale per la societ\u00e0 (Convenzione di Faro). Council of Europe Treaty Series, 199.<\/p>\n\n\n\n

    Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry. American Psychologist, 34(10), 906\u2013911.<\/p>\n\n\n\n

    Mishra, P., & Koehler, M. J. (2006). Technological Pedagogical Content Knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017\u20131054.<\/p>\n\n\n\n

    OECD. (2023). Artificial intelligence and the future of teaching and learning. OECD Publishing.<\/p>\n\n\n\n

    Parlamento Europeo e Consiglio UE. (2024). Regolamento (UE) 2024\/1689 sull\u2019intelligenza artificiale (AI Act). Gazzetta Ufficiale dell\u2019Unione Europea.<\/p>\n\n\n\n

    Commissione Europea. (2021). New European Bauhaus: Beautiful, sustainable, together. European Commission.<\/p>\n\n\n\n

    Resnick, M. (2017). Lifelong kindergarten: Cultivating creativity through projects, passion, peers, and play. MIT Press.<\/p>\n\n\n\n

    Ritchhart, R., Church, M., & Morrison, K. (2011). Making thinking visible: How to promote engagement, understanding, and independence for all learners. Jossey-Bass.<\/p>\n\n\n\n

    Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.<\/p>\n\n\n\n

    <\/p>\n\n\n

    \n
    \"\"<\/figure>\n<\/div>\n\n\n

    Giulia Calogero<\/strong><\/p>\n\n\n\n

    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.<\/p>\n\n\n\n

    giuliacalogero65@gmail.com<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

    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 \u2014 IISS Don Milani Pertini Morante, Grottaglie (TA) Introduzione editoriale Negli ultimi anni l\u2019intelligenza artificiale generativa ha posto alla scuola una domanda radicale: cosa significa apprendere e valutare quando una macchina \u00e8 in grado di produrre, in pochi secondi, testi formalmente corretti, sintesi argomentative e analisi di contenuti complessi? La questione non riguarda soltanto l\u2019uso degli strumenti digitali, ma tocca il cuore stesso della funzione educativa della scuola: la formazione del pensiero critico, dell\u2019autonomia di giudizio e della responsabilit\u00e0Leggi altro →<\/a><\/p>\n","protected":false},"author":8,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"class_list":["entry","author-c-marinucci","post-8313","page","type-page","status-publish"],"acf":[],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/8313","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/comments?post=8313"}],"version-history":[{"count":2,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/8313\/revisions"}],"predecessor-version":[{"id":8317,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/8313\/revisions\/8317"}],"wp:attachment":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/media?parent=8313"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}