{"id":9598,"date":"2026-10-31T09:30:40","date_gmt":"2026-10-31T08:30:40","guid":{"rendered":"https:\/\/www.diculther.it\/rivista\/?page_id=9598"},"modified":"2026-10-31T09:30:46","modified_gmt":"2026-10-31T08:30:46","slug":"il-banco-vuoto-dal-cognitive-offloading-alla-regia-umana-cio-che-un-docente-non-puo-delegare-allintelligenza-artificiale","status":"publish","type":"page","link":"https:\/\/www.diculther.it\/rivista\/il-banco-vuoto-dal-cognitive-offloading-alla-regia-umana-cio-che-un-docente-non-puo-delegare-allintelligenza-artificiale\/","title":{"rendered":"Il banco vuoto. Dal Cognitive Offloading alla Regia Umana. Ci\u00f2 che un docente non pu\u00f2 delegare all\u2019intelligenza artificiale."},"content":{"rendered":"\n

Un racconto in prima persona passeggiando tra il DigComp 3.0, l\u2019OECD Digital Education Outlook 2026 e l\u2019Enciclica Magnifica Humanitas<\/em><\/p>\n\n\n\n

Di Angela Galia<\/strong>, Istituto Comprensivo \u00abNunzio Nasi\u00bb Trapani<\/p>\n\n\n\n

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

Abstract<\/strong><\/h1>\n\n\n\n

Questo contributo racconta, in prima persona, il percorso attraverso il quale ho provato a rispondere a una domanda che accompagna, non solo me, da qualche anno: Come evito che l\u2019intelligenza artificiale generativa trasformi i miei studenti in bravi esecutori di compiti che non capiscono pi\u00f9 a fondo?<\/em> E inoltre, Quando correggo un elaborato che \u00e8 stato scritto con l\u2019aiuto di un\u2019intelligenza artificiale generativa, che cosa sto davvero valutando?<\/em> Muovendo dalle evidenze sul cognitive offloading raccolte dall\u2019OECD (2026) e dall\u2019epistemologia della didattica proposta da Marina De Rossi in Costruire l\u2019azione didattica<\/em> (2023), prover\u00f2 a descrivere come sto trasformando l\u2019intelligenza artificiale da oracolo erogativo in interlocutore socratico, gli strumenti che ho costruito per proteggere il tempo del pensiero – grazie a tecniche come il Prethinking, il Cognitive Latency e il Dubbio Aumentato – e la proposta dell\u2019arbitrato epistemico, che sposta la mia valutazione inevitabilmente dal prodotto al processo. Il contributo si chiude interrogando ci\u00f2 che, in questo mestiere, non \u00e8 mai delegabile all\u2019IA: il giudizio che nasce dal conoscere davvero i propri studenti, il coraggio di scegliere da che parte stare, il ruolo che voglio davvero avere, come docente, tra i miei studenti e la macchina.<\/p>\n\n\n\n

Abstract (English)<\/strong><\/h1>\n\n\n\n

This contribution tells the journey I\u2019ve taken to answer a question that has been haunting me, and not only me, for some years: How do I prevent generative AI from turning my students into skilled performers of tasks they no longer fully understand?<\/em> And furthermore, When I correct a paper written with the help of generative AI, what am I really evaluating?<\/em> Drawing on evidence on cognitive offloading collected by the OECD (2026) and Marina De Rossi\u2019s epistemology of teaching in Costruire l\u2019azione didattica<\/em> (2023), I will attempt to describe how I am turning AI from a delivery oracle into a Socratic interlocutor, the tools I\u2019ve built to protect thinking time – Prethinking, Cognitive Latency, Augmented Doubt – and the proposal of epistemic arbitration, which shifts my evaluation from the product to the process. The contribution concludes by questioning what, in this profession, can never be delegated: the judgment that comes from truly knowing one\u2019s students, the courage to choose which side to be on, the role I really want to have, as a teacher, between my students and the machine.<\/p>\n\n\n\n

Parole chiave<\/strong><\/h1>\n\n\n\n

intelligenza artificiale generativa; cognitive offloading; arbitrato epistemico; regia pedagogica umana; Magnifica Humanitas; ecologia digitale<\/p>\n\n\n\n

Keywords<\/strong><\/h1>\n\n\n\n

generative artificial intelligence; cognitive offloading; epistemic arbitration; human pedagogical oversight; Magnifica Humanitas; digital ecology<\/p>\n\n\n\n

\n\n\n\n

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

Premessa<\/strong><\/h1>\n\n\n\n

Insegno in un istituto comprensivo di Trapani e da settembre coordino il team digitale, cercando di convincere il resto del collegio sull\u2019importanza di una formazione ormai obbligatoria sull\u2019AI literacy, impresa non facile dato l\u2019alto numero di dubbi e domande che mi vengono rivolte e che, a dirla tutta, sono anche miei. Ormai si sa che gli alunni usano l\u2019IA per i compiti a casa. E allora, quando correggo un elaborato che un mio studente ha scritto con l\u2019aiuto di un\u2019intelligenza artificiale generativa, non sempre sto valutando la sua competenza, non sempre il suo impegno, ma qualcosa di pi\u00f9 sfuggente, che non aveva ancora un nome. Questo contributo nasce da l\u00ec, dalla domanda rimasta per mesi sulla mia scrivania insieme ai curricoli disciplinari e alle rubriche di valutazione. Non \u00e8 una scrittura distante dal problema, ma la ricostruzione il pi\u00f9 possibile onesta, del percorso fatto insieme ad alcuni colleghi e studenti per provare a rispondere. Lo racconto in prima persona perch\u00e9 credo che la didattica, quando funziona davvero, non sia mai un discorso impersonale: \u00e8 sempre qualcuno che sceglie, in una classe reale, un luned\u00ec mattina, che cosa fare, se lasciare che la macchina risponda al posto dei ragazzi o se fare qualcosa di diverso.
<\/strong><\/p>\n\n\n\n

1. Da dove nasce questa riflessione: la crisi del cognitive offloading<\/strong><\/h1>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Nella sala insegnanti del mio istituto ho visto, negli ultimi due anni, la stessa spaccatura che la call del n. 18 di questa rivista chiedeva di superare: da una parte colleghi che hanno lasciato che l\u2019IA scrivesse al posto degli studenti, dall\u2019altra colleghi che l\u2019hanno bandita per decreto. Nessuna delle due posizioni regge a lungo: bisogna partire dalle evidenze, non dalle ideologie.<\/p>\n\n\n\n

Il rapporto OECD Digital Education Outlook 2026 osserva che l\u2019accesso non mediato all\u2019intelligenza artificiale genera con frequenza un fenomeno di cognitive offloading. Nello studio sul campo di Bastani e colleghi (2025), chi usa la GenAI come semplice \u00abrisolutore di compiti\u00bb ottiene risultati immediati alti ma crolla nelle verifiche autonome. La scorciatoia algoritmica elimina lo sforzo desiderabile<\/em> che serve a fissare davvero un concetto; quindi, mi chiedo se non stia misurando pi\u00f9 la bravura di un algoritmo che quella dei miei ragazzi.<\/p>\n\n\n\n

Di fronte a questa dinamica ho capito che la risposta non pu\u00f2 essere la proibizione, n\u00e9 la resa alla tecnologia, ma la riaffermazione di una solida epistemologia della mia stessa professione. Come scrive De Rossi (2023, cap. 1), la didattica richiede il passaggio da un insegnante inteso come puro esecutore tecnico a un insegnante agente di cambiamento; io aggiungerei un divulgatore e creatore di contenuti. Ho iniziato allora a pensarmi meno come depositaria di risposte e pi\u00f9 come qualcuno che deve muoversi, con i suoi studenti, nell\u2019incertezza che l\u2019intelligenza artificiale sembra annullare nelle sue risposte, attivando quel Pedagogical Content Knowledge (Shulman, 1987)<\/em> che integra la conoscenza disciplinare e pedagogica con la lettura reale del contesto classe.<\/p>\n\n\n\n

Mi chiedo, leggendo le domande guida della call<\/em> del n. 18, in che modo il digitale e l\u2019intelligenza artificiale stiano contribuendo alla formazione di una cultura europea condivisa. Nella mia piccola scala, la risposta che sto costruendo \u00e8 questa: non condividendo output per quanto diversi uno dall\u2019altro – cosa che l\u2019IA renderebbe fin troppo facile – ma condividendo lo stesso metodo di dubbio, applicato a patrimoni locali diversissimi tra loro. \u00c8 una cultura europea che nasce dal confronto tra territori, non dall\u2019omologazione dei loro racconti.<\/p>\n\n\n\n

Governare culturalmente l\u2019intelligenza artificiale, per me, significa proprio questo: trasformare il patrimonio culturale del mio territorio in un terreno di indagine, impedendo che la macchina si sostituisca all\u2019atto stesso del comprendere.
<\/strong><\/p>\n\n\n\n

2. Dall\u2019oracolo al tutor socratico<\/strong><\/h1>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Il punto di svolta \u00e8 stato accettare un ribaltamento che sulle prime mi sembrava innaturale. Nell\u2019uso comune dell\u2019intelligenza artificiale l\u2019interazione \u00e8 direttiva: il ragazzo scrive un prompt, la macchina restituisce una risposta gi\u00e0 confezionata. Ho iniziato a chiedere ai miei studenti di rovesciare questo schema: formulare prima un\u2019ipotesi propria, lasciare che sia l\u2019IA a rispondere con una contro-domanda, e tornare a riflettere e a difendere la propria tesi. Ho visto questo ribaltamento agire su tre piani: smantella il cognitive offloading, perch\u00e9 se la macchina risponde subito i ragazzi delegano, mentre se rilancia con una domanda tornano a cercare; trasforma la macchina in uno specchio critico, non in una fonte di verit\u00e0; e lascia la regia interamente nelle loro mani, perch\u00e9 per rispondere alle sollecitazioni devono fare perno su quello che sanno. La macchina guida l\u2019indagine, ma sono loro a produrre il senso e a cercare di comprendere come ha funzionato la macchina (e chi lo sa?), e io resto l\u00ec a osservarlo accadere. E quel docente che sa prendersi cura di questo uso dell\u2019intelligenza artificiale, \u00e8 un docente aumentato<\/em>.<\/p>\n\n\n\n

Ricordo una sessione sulla fiaba in una prima classe di scuola secondaria di I grado, lo scorso autunno, durante la quale ho sperimentato la tecnica del Book Bento Box, un formato che si presta benissimo al ribaltamento maieutico di cui parlo, forse meglio di un compito scritto tradizionale, perch\u00e9 ogni scelta (l\u2019oggetto, il colore, il simbolo, il suono) \u00e8 gi\u00e0 un\u2019affermazione interpretativa che si pu\u00f2 interrogare. Ecco come ho usato l\u2019IA socratica nelle diverse fasi del progetto.<\/p>\n\n\n\n

Nella fase di selezione degli oggetti, dopo il Prethinking, non prima.<\/strong> Lo studente sceglie prima da solo la fiaba tra quelle lette e sul quaderno quali elementi del libro vuole rappresentare (un personaggio, un simbolo, l\u2019ambientazione, un tema) e con quale oggetto pensa di rappresentarli. Solo dopo, quando utilizza l\u2019IA, il sistema non deve mai suggerire \u201cusa una chiave per rappresentare la libert\u00e0\u201d: deve chiedere perch\u00e9 quella chiave, e se un lettore che non ha letto il libro coglierebbe il collegamento o se serve altro contesto.<\/p>\n\n\n\n

Nella giustificazione, che \u00e8 il vero cuore del compito.<\/strong> I progetti Book Bento chiedono quasi sempre una breve spiegazione per ogni oggetto: \u00e8 l\u00ec che l\u2019IA pu\u00f2 aumentare il dubbio. Non rispondere: \u00ab\u00c8 corretto\u00bb, ma con \u00abPuoi indicarmi il passaggio esatto del testo che sostiene questa lettura? Hai scelto questo oggetto per come si comporta il personaggio o per come si sente – e sono la stessa cosa, in questo libro? Se il tuo compagno avesse scelto un oggetto opposto per lo stesso personaggio, chi avrebbe ragione, e perch\u00e9?\u00bb<\/p>\n\n\n\n

Nell\u2019audit dei bias, applicato ai simboli invece che ai dati.<\/strong> Se un libro \u00e8 ambientato fuori dal contesto culturale dello studente, l\u2019IA pu\u00f2 chiedere: \u00abIl simbolo che hai scelto viene dalla tua cultura o da quella del libro – e se sono diverse, la scelta rischia di semplificare o di travisare qualcosa?\u00bb \u00c8 lo stesso lavoro di audit territoriale che in questo saggio descrivo per il patrimonio locale (\u00a7 7), spostato sulla rappresentazione letteraria.<\/p>\n\n\n\n

Nella cognitive latency, prima di finalizzare la scatola.<\/strong> Una pausa imposta tra la prima intuizione simbolica e la scelta definitiva, magari confrontandosi con un compagno, non con la macchina, evita che il primo oggetto plausibile diventi quello definitivo solo perch\u00e9 \u00e8 arrivato per primo.<\/p>\n\n\n\n

Nella valutazione, che segue il modello dell\u2019arbitrato.<\/strong> Non giudico la scatola finita come prodotto isolato, ma la documentazione: perch\u00e9 quell\u2019oggetto e non un altro, quali alternative lo studente ha scartato e perch\u00e9, cosa gli ha fatto cambiare idea durante il lavoro. \u00c8 lo spostamento dal prodotto al processo, anche se pure l\u2019occhio vuole la sua parte. Per non parlare della morale della fiaba.<\/p>\n\n\n\n

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

Schermate della bacheca Padlet della classe con i Book Bento Box (i nomi degli studenti sono oscurati).<\/em><\/p>\n\n\n\n

Mi sono chiesta se fosse etico. S\u00ec, un\u2019intelligenza artificiale che fa domande non crea dipendenza e rispetta la dignit\u00e0 dei miei studenti trattandoli come persone capaci di ragionare da sole; svela bias e omologazioni e dall\u2019errore si apprende; l\u2019errore restituisce la responsabilit\u00e0. La macchina deve porre domande non per giudicare o manipolare, ma per sollecitare i miei studenti a riappropriarsi del proprio pensiero. La responsabilit\u00e0 della risposta resta, sempre, dei ragazzi – e la mia, nel disegnare le condizioni perch\u00e9 questo accada davvero. Un alunno che chiede perch\u00e9 non sa svolgere un\u2019attivit\u00e0 \u00e8 gi\u00e0 regista del suo apprendimento. La vera maieutica nasce dallo sguardo di un maestro, non da una sequenza sintattica di domande, e se lascio che sia la macchina a occupare interamente quello spazio rischio di produrre alienazione, non apprendimento.<\/p>\n\n\n\n

Un ragazzo che scrive male, che ripete una parola perch\u00e9 non ne conosce altre, che costruisce una frase sbagliata, sta comunque dicendo qualcosa che intende dire, a partire da quello che ha vissuto, letto, capito fino a quel momento, e per questo il suo errore \u00e8 diagnostico: mi dice dove si trova nel suo percorso, cosa ha frainteso, cosa gli manca. La lingua di ChatGPT non nasce da nessuna esperienza: \u00e8 la sequenza statisticamente pi\u00f9 probabile di parole, calcolata su miliardi di testi altrui. Non ha una posizione nel mondo da cui parlare, non \u00e8 mai stata sola, non ha un corpo che invecchia, non ha mai avuto paura di soffrire o della morte, anche quando produce una poesia sulla solitudine.<\/p>\n\n\n\n

Imitare uno stile \u00e8 riprodurre una superficie, non una postura esistenziale. Se chiedo ai miei alunni di scrivere dei versi \u201calla maniera di Leopardi\u201d \u00e8 quasi scontato che loro si affidino a ChatGPT per comporre la poesia. Il modello riconosce e ricombina i tratti ricorrenti – il lessico (siepe, ermo colle, infinito), certi ritmi, certe inversioni sintattiche, il tono malinconico – perch\u00e9 li ha visti migliaia di volte nel suo addestramento. Ma quei tratti in Leopardi non sono ornamenti stilistici: sono la conseguenza linguistica di una visione del mondo (il pessimismo cosmico, la funzione consolatoria dell\u2019immaginazione contro il \u201cvero\u201d). La macchina pu\u00f2 copiare l\u2019effetto senza aver mai attraversato la causa. \u00c8 didatticamente pericoloso proprio perch\u00e9 il risultato pu\u00f2 essere bellissimo – pi\u00f9 bello, magari, di quanto lo studente saprebbe scrivere da solo – e proprio per questo non dice nulla sulla sua comprensione di Leopardi.<\/p>\n\n\n\n

Il modello non significa<\/em>, simula<\/em> la superficie di ci\u00f2 che significa.<\/p>\n\n\n\n

Non posso pi\u00f9 chiedere \u201cScrivi una poesia in stile Leopardi<\/em>\u201d e valutare solo il risultato. Devo chiedere allo studente di motivare<\/em> ogni scelta stilistica rispetto alla poetica leopardiana reale (perch\u00e9 questa parola e non un\u2019altra, che cosa vuol dire \u201ccosmico\u201d in questo pessimismo), esattamente come con il Book Bento Box: non il prodotto isolato, ma la giustificazione che solo chi ha davvero capito pu\u00f2 dare.
<\/strong><\/p>\n\n\n\n

3. Il Dubbio Aumentato: come ho imparato a farne uno strumento di lavoro con il Prethinking e il Cognitive Latency<\/strong><\/h1>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Se l\u2019uso comune dell\u2019intelligenza artificiale tende a farne un oracolo che dissolve l\u2019incertezza, io ho iniziato a chiedere ai miei studenti l\u2019esatto contrario: usarla per amplificare il dubbio, non per liquidarlo. Non mi interessa che l\u2019IA aumenti le informazioni a loro disposizione, ne hanno gi\u00e0 pi\u00f9 di quante riescano a gestirne, mi interessa che aumenti la complessit\u00e0 e il livello delle domande che si pongono sui contenuti.<\/p>\n\n\n\n

I tre livelli nelle sessioni di lavoro riguardano il dubbio metacognitivo: la macchina-tutor mette in discussione la prima risposta o l\u2019intuizione superficiale di un ragazzo, chiedendogli ad esempio come concili la propria tesi con una fonte che sembra contraddirla. \u00c8 esattamente lo sforzo desiderabile di cui parla l\u2019OECD (2026), quello che serve a fissare le cose imparate<\/em>. Il secondo \u00e8 il dubbio epistemologico ed etico: seguendo l\u2019approccio socio-costruttivista di De Rossi (2023, cap. 2) e il quadro DigComp 3.0, guido i miei studenti a dubitare degli output della macchina, cercando nella ricostruzione di un evento del nostro patrimonio locale eventuali bias o stereotipi di genere. Ma quello che oggi ritengo pi\u00f9 importante di tutti \u00e8 il dubbio ecologico ed esistenziale, di cui parler\u00f2 pi\u00f9 diffusamente pi\u00f9 avanti: chiedersi se dieci query superflue siano davvero necessarie per un compito che la propria mente pu\u00f2 risolvere da sola.<\/p>\n\n\n\n

Nella fase di Prethinking<\/em>, prima di aprire qualsiasi ambiente di intelligenza artificiale, i miei studenti lavorano da soli sui documenti primari del patrimonio locale (archivi, fonti orali, monumenti) costruendo uno schema cognitivo proprio, con letture, annotazioni a mano, mappe concettuali di partenza. Il Cognitive Latency<\/em> \u00e8 il tempo di sospensione che impongo tra la sollecitazione, o la risposta della macchina, e l\u2019azione dei miei studenti. Questa pausa reintroduce lo sforzo desiderabile e impedisce la risposta d\u2019impulso, il copia-incolla riflesso. \u00c8 lo spazio-tempo, spesso silenzioso, in cui vedo i ragazzi effettivamente pensare\u2026 creare. Diamo loro il tempo di farlo, non svolgiamo le nostre interrogazioni come fossero dei quiz a tempo, il tempo \u00e8 di tutti e di ciascuno. E in questa pausa cognitiva e riflessiva abita la sostenibilit\u00e0 ambientale, la green latency<\/em>: nel tempo di attesa tra una domanda e l\u2019altra chiedo ai ragazzi di valutare se quella domanda sia davvero necessaria, trasformando una pausa di pensiero in un piccolo gesto di responsabilit\u00e0 ecologica.<\/p>\n\n\n\n

Ecco il ruolo che sento di dover avere: non sono io a fornire risposte, ma sono io a progettare e a proteggere i tempi di latenza cognitiva, impedendo che la classe si adegui ai ritmi frenetici dell\u2019algoritmo, d\u2019altra parte non potrebbero mai avere la stessa velocit\u00e0 (su questo torner\u00f2 dopo). E quando valuto, ormai, non misuro pi\u00f9 la velocit\u00e0 con cui un compito viene consegnato, ma la qualit\u00e0 del Prethinking<\/em>, la ricchezza delle annotazioni intermedie, la capacit\u00e0 di ciascuno di abitare l\u2019incertezza senza scappare verso la prima risposta disponibile.
<\/strong><\/p>\n\n\n\n

4. Coltivare, Educare, Umanizzare<\/strong><\/h1>\n\n\n\n
\"\"<\/figure>\n\n\n\n

I tre verbi-bussola della call<\/em> del n. 18 (coltivare, educare, umanizzare) li ho letti come tre domande pratiche da farmi ogni volta che progetto un\u2019attivit\u00e0, incrociandoli con le cinque dimensioni dell\u2019apprendimento significativo di Jonassen (2008): attivo, costruttivo, cooperativo, autentico, intenzionale.<\/p>\n\n\n\n

Ho iniziato a trattare gli Oggetti di Intelligenza Culturale come patrimonio della comunit\u00e0 scolastica e territoriale, non come propriet\u00e0 mia o della piattaforma che li ha resi possibili: li condividiamo per permettere a chiunque di riusarli e arricchirli. \u00c8 un piccolo gesto, ma mi sembra l\u2019unico modo coerente di trattare il patrimonio culturale digitale come accesso equo alla conoscenza.<\/p>\n\n\n\n

Prima di accettare qualunque affermazione prodotta dall\u2019intelligenza artificiale sul nostro patrimonio, ho imposto una regola semplice: nessuna informazione entra nell\u2019Oggetto di Intelligenza Culturale senza almeno due fonti primarie indipendenti che la confermino. Non \u00e8 un esercizio astratto di media literacy, ma una pratica quotidiana che i ragazzi applicano, imparando a diffidare tanto della disinformazione online quanto delle sintesi troppo fluide di un modello linguistico che rischiano di sembrare pi\u00f9 autorevoli di una fonte incerta ma onesta.<\/p>\n\n\n\n

Coltivare il passato, educare il presente, umanizzare il futuro significa, per me, anche guardare indietro con onest\u00e0, perch\u00e9 il passato \u00e8 un maestro a cui ogni generazione rischia di disobbedire di nuovo. Lavorando sulle fonti storiche del nostro territorio, non posso separare la memoria del patrimonio da quella delle guerre, delle distruzioni, dell\u2019inquinamento che ancora oggi pesano sul nostro pianeta. Non lo faccio per spaventare i miei studenti, ma perch\u00e9 credo che nessuna intelligenza artificiale possa insegnare da sola questa lezione: la storia si ripete non perch\u00e9 manchino le informazioni sul passato – oggi ne abbiamo pi\u00f9 che mai – ma perch\u00e9 manca il coraggio di scegliere da che parte stare quando quella scelta costa qualcosa. Discernere non significa schierarsi con chi ha pi\u00f9 potere, n\u00e9 seguire semplicemente la maggioranza, ma imparare a riconoscere, spesso in minoranza, spesso senza alcun vantaggio, dove sta il \u201ccuore\u201d delle cose. \u00c8 un esercizio di umilt\u00e0 prima ancora che di intelligenza, ed \u00e8 forse l\u2019unica competenza che davvero non si pu\u00f2 delegare: nessun algoritmo rischia nulla di proprio nello scegliere, e la scelta, quella vera, si misura proprio dal \u201crischio\u201d che comporta per chi la fa.<\/p>\n\n\n\n

Umanizzare riafferma il mio irrinunciabile primato della mediazione docente: \u00abdisarmare l\u2019intelligenza artificiale\u00bb, toglierle il ruolo di giudice o di oracolo, riducendola a un terzo pedagogico sotto la regia umana.<\/p>\n\n\n\n

Guardando il lavoro che faccio con i miei studenti sul nostro patrimonio mi convinco che un luogo non muore quando viene distrutto, ma quando smette di generare immaginazione in chi lo abita. Una citt\u00e0 colpita da un terremoto, un mestiere scomparso, un paesaggio trasformato possono sopravvivere benissimo negli archivi, nelle fotografie, nei registri e restare comunque morti, se quella memoria si limita a fotografare ci\u00f2 che \u00e8 stato senza pi\u00f9 inventare nulla. Per questo, quando lavoriamo su una fonte del nostro territorio, chiedo loro di reinventarla, di scriverci sopra qualcosa che prima non c\u2019era. Credo, in fondo, che l\u2019immaginazione sia la forma di resistenza pi\u00f9 forte che abbiamo, personale, prima ancora che collettiva, contro qualunque cosa minacci di farci sparire: una guerra, una distruzione, o semplicemente la pigrizia di lasciare che sia una macchina a pensare al posto nostro.<\/p>\n\n\n\n

Ma desiderare un mondo migliore non basta, non ci si pu\u00f2 fermare al sogno – e non mi dispiace che i miei studenti sognino, anzi lo custodisco come una delle poche cose che ancora ci appartengono senza mediazione. Un desiderio che non si dota degli strumenti per realizzarsi, per\u00f2, resta un esercizio consolatorio, non un atto educativo. Per questo, ogni volta che i miei ragazzi immaginano, con o senza l\u2019aiuto della macchina, un futuro migliore per il nostro territorio, chiedo loro il passo che quasi sempre manca: quali sono, concretamente, i primi gesti che lo renderebbero possibile? Chi dovrebbero convincere, che cosa manca davvero, a che cosa sono disposti a rinunciare per ottenerlo? \u00c8 lo stesso principio che ha guidato tutto questo mio percorso: non basta desiderare che l\u2019intelligenza artificiale non sostituisca il pensiero dei miei studenti, bisogna costruire, giorno per giorno, gli strumenti concreti perch\u00e9 questo non accada davvero. Il sogno apre la strada; il metodo, paziente e quotidiano, la percorre.<\/p>\n\n\n\n

C\u2019\u00e8 un\u2019ultima connessione che ho iniziato a fare, pensando al futuro professionale dei miei studenti pi\u00f9 che al voto di domani. Le competenze che alleno con l\u2019arbitrato epistemico – validare fonti, riconoscere bias, documentare un processo, discernere un giudizio da un\u2019opinione – non sono soltanto competenze scolastiche: sono esattamente ci\u00f2 che il mondo del lavoro comincia a chiamare intelligenza culturale, la capacit\u00e0 di orientarsi tra strumenti generativi senza esserne governati. Non voglio ridurre l\u2019educazione a un addestramento tecnico in vista di una professione, ma non posso nemmeno ignorare che i miei studenti entreranno in un mercato del lavoro culturale radicalmente diverso da quello che conosco io. Se riescono, fin dalla scuola secondaria, a distinguere un lavoro generativo da un giudizio che porta conseguenze per una persona, avranno una bussola che nessun corso di aggiornamento professionale potr\u00e0 mai dare loro dall\u2019oggi al domani. Umanizzare significa anche fondare la mia valutazione su un modello sostenibile, capace di andare oltre la sola logica certificativa, per sostenere l\u2019autonomia e il giudizio critico dei miei studenti lungo tutto l\u2019arco della loro vita, non solo fino all\u2019esame di stato. Guardate, riporto un esempio: un alunno valutato con 9\/10 e non con dieci all\u2019esame di scuola secondaria di primo grado e con il massimo dei voti alla maturit\u00e0 e la lode alla laurea, mi sta dicendo che la valutazione deve essere visione. Una macchina non sa farlo.<\/p>\n\n\n\n

Umanizzare il futuro significa, per me, rifiutare l\u2019idea che la tecnologia segua un destino gi\u00e0 scritto. Se l\u2019intelligenza artificiale tende a generare \u00abfuturi probabilistici\u00bb, semplicemente ricombinando i dati con cui \u00e8 stata addestrata, il compito pi\u00f9 importante che ho \u00e8 restituire ai miei studenti il potere dell\u2019immaginazione, del giudizio etico, della discontinuit\u00e0. Cercher\u00f2 allora di guidarli a pensare a un semplice codice etico condiviso che stabilisce che cosa pu\u00f2 essere automatizzato e che cosa deve restare, per noi, rigorosamente umano: l\u2019empatia, il giudizio morale, la tutela della dignit\u00e0, l\u2019attribuzione di significato al patrimonio, l\u2019accoglienza del limite.
<\/strong><\/p>\n\n\n\n

5. Il terzo pedagogico: proteggere la relazione<\/strong><\/h1>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Il rischio che la macchina prosciughi lo spazio della relazione \u00e8 reale. So che una macchina pu\u00f2 simulare una sequenza sintattica di empatia, ma resta una finzione basata su calcoli probabilistici (De Rossi, 2023, capp. 1-2): per questo ogni sessione con l\u2019IA si chiude sempre con un momento di confronto guidato da me, in cui non chiedo che cosa ha detto la macchina, ma come si sono sentiti nel difendere la propria tesi, quale sfumatura umana la macchina non ha colto.<\/p>\n\n\n\n

Ho imparato a proteggere questo momento: osservo le esitazioni, la frustrazione, l\u2019entusiasmo dei ragazzi durante il lavoro, segnali che nessuna interfaccia digitale potr\u00e0 mai cogliere al posto mio.<\/p>\n\n\n\n

Nella letteratura recente compare il modello dello Human-AI Teaming (OECD, 2026): una squadra a ruoli distinti, in cui la macchina si distingue per velocit\u00e0 e capacit\u00e0 di calcolo, e l\u2019essere umano per giudizio, contesto, responsabilit\u00e0 finale. A dire il vero, nel termine teaming<\/em> ci vedo una vera e propria squadra che superi la prospettiva dell\u2019AI mentor<\/em> (o mentored<\/em>) e sia in grado di governare l\u2019idea di un\u2019intelligenza artificiale sempre disponibile, capace di dare feedback personalizzato e di accompagnare lo studente quasi come farebbe un mentore umano. Non perch\u00e9 la tecnologia non ne sia capace, ma perch\u00e9 un mentore, per definizione, conosce la persona che accompagna: ne ricorda la storia, calibra l\u2019intervento su quello che sa di lei. \u00c8 esattamente il territorio delle sfumature<\/em> (la nonna in ospedale, il silenzio che \u00e8 timidezza e non disimpegno \u2013 su questo torner\u00f2 a parlare). L\u2019IA, nella mia classe, pu\u00f2 fare squadra con me; non pu\u00f2 fare il mentore al posto mio.
<\/strong><\/p>\n\n\n\n

6. La sostenibilit\u00e0 ecologica in classe<\/strong><\/h1>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Vivo in una regione dove la parola siccit\u00e0 non \u00e8 un\u2019astrazione. Ogni interrogazione a un modello linguistico di grande scala consuma acqua reale – secondo una stima riferita a GPT-3, circa mezzo litro ogni dieci-cinquanta risposte di media lunghezza (Li et al., 2025) – ed energia elettrica. Scrivere un prompt vago \u00e8 l\u2019equivalente digitale di lasciare un rubinetto aperto. Coltivare, in questa chiave, significa educare al \u00abpensiero denso\u00bb: meno domande, di valore pi\u00f9 alto, una sorta di monitoraggio dell\u2019impronta idrica e di carbonio dei nostri progetti digitali, uno Slow AI & Green Prompting, un\u2019unica domanda densa al posto del chattare frammentato, in linea con l\u2019Agenda 2030 e l\u2019enciclica Laudato si\u2019<\/em>.<\/p>\n\n\n\n

In quest\u2019agosto in cui scrivo, ai World Humanoid Robot Games di Pechino un robot ha corso i cento metri in 9,32 secondi, secondo quanto comunicato dal produttore dopo una prova che ha preceduto i Giochi, abbattendo di ventisei centesimi il record mondiale che apparteneva a Usain Bolt dal 2009. La notizia \u00e8 stata accolta, comprensibilmente, come un trionfo tecnologico: una macchina progettata per fare esattamente quella cosa, e nient\u2019altro, ha battuto il corpo umano pi\u00f9 veloce mai cronometrato. E agli stessi Giochi una squadra italiana, il team SPQR della Sapienza, ha vinto la medaglia d\u2019argento nel torneo di calcio per robot umanoidi: proprio il calcio, quello dei Mondiali che la nostra nazionale in carne e ossa quest\u2019estate non ha disputato…<\/p>\n\n\n\n

Ma quello che mi ha colpito profondamente, guardando quelle immagini, non \u00e8 stato il numero di robot, \u00e8 stato accorgermi di quanto la cultura che festeggia quel record sia l\u2019esatto opposto di quella che provo a costruire. Oggi si misura il valore nella velocit\u00e0: quanto in fretta un algoritmo genera un testo, quanto in fretta una macchina attraversa un traguardo, quanto in fretta uno studente consegna un compito. Io chiedo, ai miei ragazzi, esattamente il contrario: un pensiero denso invece di dieci interrogazioni superficiali. Non \u00e8 nostalgia per un mondo pi\u00f9 lento che non esiste pi\u00f9: \u00e8 la scommessa che il tempo speso a dubitare, a tornare indietro, a lasciar decantare un\u2019idea prima di scriverla, sia esattamente il tempo che nessun velocissimo robot potr\u00e0 mai correre al posto nostro. Un corpo meccanico pu\u00f2 abbattere un record cronometrico; non pu\u00f2 abbattere la fatica, che \u00e8 tutt\u2019altra cosa, di capire.<\/p>\n\n\n\n

Mi \u00e8 tornata in mente, guardando le notizie da Pechino, una canzone dei miei tempi, Giulio Cesare<\/em> di Venditti: \u00abEravamo trentaquattro e adesso non ci siamo pi\u00f9, e seduto in questo banco ci sei tu. Era l\u2019anno dei mondiali, quelli dell\u201986, Paolo Rossi era un ragazzo come noi.<\/em>\u00bb Non parla proprio di calcio: parla di una classe, di compagni che diventano ricordi, di un Paolo Rossi che molti hanno scambiato per il campione del 1982 e che invece, come ha spiegato lo stesso Venditti, \u00e8 lo studente morto nel 1966 negli scontri all\u2019Universit\u00e0 di Roma: un\u2019omonimia che la canzone lascia volutamente aperta, perch\u00e9 il calcio, l\u00ec, \u00e8 solo la cornice di qualcos\u2019altro: il tempo che passa sui corpi, i banchi che si svuotano uno dopo l\u2019altro, un paese che cambia pelle. Non credo che qualcuno, tra quarant\u2019anni, scriver\u00e0 una canzone sulla finale di Pechino. Non perch\u00e9 la tecnologia non la meriterebbe, ma perch\u00e9 manca tutto quello che rende un mondiale degno di essere ricordato. Una generazione che si riconosce in una maglia. Un nome che pu\u00f2 essere scambiato per un altro perch\u00e9 entrambi, in fondo, \u00aberano un ragazzo come noi<\/em>\u00bb. Un robot non ha compagni di classe o di banco che spariscono. Non ha un\u2019estate della maturit\u00e0 da festeggiare guardando una partita in televisione. Non ha conosciuto il 1982. Vince, o perde, senza che quel risultato diventi mai il segno di un\u2019epoca per chi lo guarda. Ecco cosa manca oggi, quando misuriamo un trionfo solo in centesimi di secondo o in una medaglia: manca la vita che ci scorre attorno mentre succede, quella che nessun algoritmo, per quanto bravo a vincere, potr\u00e0 mai raccontare al posto nostro.
<\/strong><\/p>\n\n\n\n

7. Lo Slow AI Workflow: cosa pu\u00f2 fare la scuola<\/strong><\/h1>\n\n\n\n
\"\"<\/figure>\n\n\n\n

La sequenza di lavoro che i miei studenti possono ripetere, settimana dopo settimana, si articola in quattro fasi. Ricapitolando: nella prima, l\u2019attivazione autonoma, prima di toccare qualsiasi risorsa di intelligenza artificiale i miei studenti lavorano sui documenti primari del nostro patrimonio locale con schede d\u2019analisi analogiche senza le quali non avrebbero i criteri per valutare o confutare quello che la macchina restituir\u00e0 loro. Nella seconda, l\u2019interazione socratica, l\u2019IA che ho configurato assume il ruolo di partner euristico, senza mai fornire soluzioni finite, ma ponendo quesiti e offrendo indizi graduali. Nella terza, l\u2019audit dei bias algoritmici, i ragazzi analizzano criticamente i testi e le immagini prodotti dall\u2019IA sul nostro patrimonio, cercando distorsioni, omissioni storiche o l\u2019invisibilizzazione delle figure femminili; \u00e8 il momento in cui l\u2019aula si trasforma in un piccolo laboratorio di cittadinanza digitale. Nella quarta, la co-creazione dell\u2019oggetto culturale, i ragazzi rielaborano le loro sintesi critiche per costruire insieme un \u00abOggetto di Intelligenza Culturale\u00bb (un dataset curato, un archivio digitale arricchito, una mappa o gioco interattivo) e il percorso si chiude sempre con una restituzione pubblica alla comunit\u00e0. Ma soprattutto, tutti hanno contribuito.<\/p>\n\n\n\n

Arrivata a questo punto mi sono resa conto che tutto il lavoro fatto fin qui lascia scoperta l\u2019ultima questione: come valuto un elaborato quando non posso pi\u00f9 fidarmi del prodotto finale? Per anni ho corretto dando per scontato che il prodotto fosse un indicatore affidabile di quello che uno studente aveva capito. La GenAI ha fatto crollare questa certezza: continuare a valutare solo l\u2019esecuzione rischia di configurarsi come una forma di negligenza verso il mio stesso ruolo. La tabella seguente sintetizza questa distinzione.<\/p>\n\n\n\n

Caratteristica<\/strong><\/td>Produzione umana (cognizione)<\/strong><\/td>Produzione GenAI (paralessia)<\/strong><\/td><\/tr><\/thead>
Relazione con il mondo<\/td>Relazione incarnata, contestuale e intenzionale<\/td>Indifferenza ontologica; isolamento in un sistema simbolico chiuso<\/td><\/tr>
Natura del processo<\/td>Elaborazione critica basata su modelli mentali<\/td>Calcolo statistico e predizione probabilistica di segni<\/td><\/tr>
Fondamento epistemico<\/td>Vincolato alla verit\u00e0 e all\u2019esperienza del reale<\/td>Simulazione di strutture linguistiche, con rischio di allucinazione<\/td><\/tr>
Scopo della produzione<\/td>Comunicazione di significato e di senso<\/td>Ottimizzazione della coerenza testuale superficiale<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Ho iniziato allora a riscrivere le consegne, sostituendo i verbi di produzione con verbi di analisi: invece di \u00abscrivi un saggio\u00bb, chiedo di valutare tre analisi generate dall\u2019IA, individuare quale bozza \u00e8 parziale, correggere le inesattezze e documentare ogni intervento. E ho spostato la mia valutazione sulla documentazione del processo, in cui ogni studente motiva per iscritto ogni modifica.<\/p>\n\n\n\n

Questo mi ha portata a rovesciare, nella pratica, la gerarchia delle competenze che insegno per prime. Le competenze che una volta chiamavo \u00abdi base\u00bb – l\u2019arbitrato della conoscenza, la validazione delle fonti, la valutazione della coerenza logica, l\u2019interrogazione critica – sono ormai, per me, le priorit\u00e0 assolute. L\u2019esecuzione tecnica e la produzione testuale in senso stretto restano importanti, ma sono diventate strumentali, in buona parte delegabili o supportabili dall\u2019intelligenza artificiale.<\/p>\n\n\n\n

C\u2019\u00e8 un momento che continuo a vivere in classe, e che nessuna macchina pu\u00f2 sostituire al posto mio: quello in cui uno studente, dopo un pomeriggio passato a interrogare curiosamente l\u2019IA su Dante (la vita, l\u2019esilio, la struttura della Divina Commedia) arriva il giorno dopo in classe con una domanda: perch\u00e9 Virgilio e non un santo, se l\u2019Inferno sia anche vendetta politica, ecc. In quella domanda non manca un\u2019informazione, che il ragazzo ha gi\u00e0; manca qualcuno che sappia chi \u00e8 lui, non solo che cosa sta chiedendo. Una macchina pu\u00f2 descrivermi l\u2019esilio di Dante con precisione perfetta; non pu\u00f2 sapere che quello studente, in quel momento della sua vita, sta chiedendo qualcosa anche su di s\u00e9: \u00abchi \u00e8 per lui Dante\u00bb, \u00abcome entra nella sua vita\u00bb, ogni alunno avr\u00e0 una risposta diversa.<\/p>\n\n\n\n

Sono sfumature<\/em> che riconosco solo perch\u00e9 sto in quella classe ogni giorno. So che un alunno con BES ha impiegato il triplo del tempo per arrivare ad analizzare una frase che a un compagno viene naturale, ma c\u2019\u00e8 arrivato. So che un\u2019alunna, la settimana della verifica, aveva la nonna in ospedale. So che un silenzio, durante una discussione, \u00e8 timidezza anche dopo tre anni, non un vuoto da segnalare. Riconosco gli stessi segnali anche fuori da un compito: quando un alunno mi chiede di sedersi vicino a me per studiare, raramente \u00e8 solo una questione di banco. A volte cerca nella mia vicinanza un argine contro la propria distrazione; altre volte \u00e8 una richiesta di rassicurazione silenziosa; altre volte, semplicemente, \u00e8 affetto. Non lo interpreto mai allo stesso modo due volte, perch\u00e9 dipende da chi me lo chiede e da quello che so gi\u00e0 di lui o di lei in quel momento della sua storia. \u00c8 esattamente il tipo di giudizio che nessuna macchina pu\u00f2 esercitare al posto mio, perch\u00e9 non basta leggere un segnale: bisogna conoscere la persona che lo manda.
<\/strong><\/p>\n\n\n\n

8. Dalla Sindrome di Babele alla Via di Neemia<\/strong><\/h1>\n\n\n\n

Ho trovato un fondamento ulteriore a tutto questo percorso nell\u2019Enciclica Magnifica Humanitas<\/em> (Leone XIV, 2026), che contrappone la \u00abSindrome di Babele\u00bb, l\u2019omologazione tecnocratica del pensiero, alla \u00abVia di Neemia\u00bb, la ricostruzione comunitaria e paziente del cantiere digitale. La tabella seguente prova a confrontare questa corrispondenza tra i principi che mi hanno guidata, i concetti pedagogici in cui li ho tradotti, e i gesti concreti che faccio ogni settimana in classe.<\/p>\n\n\n\n

Principio etico-filosofico<\/strong><\/td>Concetto pedagogico<\/strong><\/td>Azione didattica in classe<\/strong><\/td><\/tr><\/thead>
Ascesi digitale e fatica della verit\u00e0<\/td>Prethinking e Cognitive Latency<\/td>Fase Brain-Only su carta; pausa di tre minuti prima di rispondere all’IA<\/td><\/tr>
Disarmare l\u2019IA e regia dell’umano<\/td>Ribaltamento maieutico e Dubbio Aumentato<\/td>L\u2019IA da oracolo a tutor socratico che pone contro-domande<\/td><\/tr>
Dalla Sindrome di Babele alla Via di Neemia<\/td>Apprendimento collaborativo e sostenibile<\/td>Cooperative learning, audit dei bias, restituzione pubblica al territorio<\/td><\/tr>
I dati come nuove terre rare<\/td>Green AI Literacy e water\/energy audit<\/td>Protocollo Slow AI: query dense, calcolo dell’impronta idrica e di carbonio<\/td><\/tr>
Igiene dell\u2019attenzione e cura del limite<\/td>Valutazione sostenibile (assessment as learning)<\/td>Peer feedback, rubriche di autovalutazione, valore al processo<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

\u00abDisarmare l\u2019intelligenza artificiale\u00bb, in questa cornice, non \u00e8 un\u2019immagine di rottura ma un compito pedagogico quotidiano: imparare, insieme ai miei studenti, a riconoscere e trasformare le logiche di dominio presenti nei sistemi tecnici e comunicativi, a partire dai bias che scoviamo nei nostri Oggetti di Intelligenza Culturale, fino al modo in cui scegliamo, con parsimonia, quando e come interrogare la macchina.
<\/strong><\/p>\n\n\n\n

Conclusioni<\/strong><\/h1>\n\n\n\n

Se dovessi rispondere direttamente ad alcune delle domande guida della call<\/em> del n. 18, direi questo. Quali pratiche concrete mostrano un\u2019intelligenza artificiale al servizio delle comunit\u00e0 educanti? Quelle in cui la macchina resta subordinata a un tempo umano – il Prethinking, la Cognitive Latency, la restituzione pubblica – e non lo sostituisce mai. Come rispondere, nelle scuole, alla sfida antropologica posta da Magnifica Humanitas? Non solo con un corso in pi\u00f9 nel piano dell\u2019offerta formativa, ma con una postura quotidiana: chiedersi, prima di ogni attivit\u00e0, se il compito che sto delegando alla macchina \u00e8 generativo, formativo, o riguarda un giudizio sulla persona che ho davanti, e trattarlo di conseguenza.<\/p>\n\n\n\n

Se dovessi riassumere in una frase quello che questo percorso mi ha insegnato, direi questo: la risposta alle sfide dell\u2019intelligenza artificiale generativa non sta n\u00e9 nel divieto n\u00e9 nell\u2019entusiasmo acritico (a volte il mio), ma nel presidio quotidiano della regia pedagogica umana, la mia, ogni giorno, in una classe reale. Intrecciando prospettive metodologiche, indicazioni dell\u2019OECD (2026) con i quadri europei DigCompEdu e DigComp 3.0 e con la cornice antropologica di Magnifica Humanitas, ho provato a costruire una via concreta per trasformare la minaccia del cognitive offloading in un\u2019occasione di crescita per i miei studenti. L\u2019arbitrato epistemico mi ha dato uno strumento valutativo che posso usare da luned\u00ec mattina: spostare il mio sguardo dal prodotto al processo.<\/p>\n\n\n\n

Attraverso la creazione degli Oggetti di Intelligenza Culturale ho ritrovato il motivo per cui ho scelto di insegnare: coltivare il capitale umano dei miei studenti, educare la nostra comunit\u00e0 alla tutela umana e critica del patrimonio, umanizzare la tecnologia mettendola al servizio della libert\u00e0 di pensiero e della dignit\u00e0 di ciascuno. Non so se questo contributo risponder\u00e0 pienamente alle domande di quella call<\/em>, ma so che mi ha aiutata a rispondere a quella con cui l\u2019ho aperto e che mi permetter\u00e0 di entrare in classe pensando di sapere che cosa sto facendo, e perch\u00e9. Lo studente \u00e8 un mosaico cognitivo ed emotivo: a me, e non a un algoritmo, il compito di comporre le singole tessere.<\/p>\n\n\n\n

A mia madre, insegnante, e mio padre, che ho perso insieme a luglio, dedico questo saggio. Nessuna macchina, per quanto capace di simulare pensiero e linguaggio, avrebbe potuto prevedere la piega che la vita, senza chiedere permesso, ha deciso di prendere; e nessun algoritmo potr\u00e0 mai restituire il peso di un\u2019assenza cos\u00ec improvvisa. \u00c8 proprio in questi momenti che si misura la distanza tra una macchina semantica e un essere umano: l\u2019una calcola, ottimizza, predice; l\u2019altro ama, perde, ricorda, e continua comunque a cercare un senso, a tenere dentro di s\u00e9 quei momenti che scaldano il cuore. Se in queste pagine ho difeso il primato del giudizio umano sulla delega automatica, \u00e8 anche perch\u00e9 ho imparato, nel modo pi\u00f9 duro, che il lutto, l\u2019amore e la memoria di chi ci ha reso quello che siamo restano territori che nessuna intelligenza artificiale potr\u00e0 mai arbitrare al posto nostro. Ai miei genitori, che mi hanno insegnato a pensare con la mia testa molto prima che lo facesse qualunque strumento informatico o digitale, \u00e8 dedicato questo lavoro.<\/em>
<\/strong><\/p>\n\n\n\n

Riferimenti bibliografici e normativi<\/strong><\/h1>\n\n\n\n

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakc\u0131, \u00d6., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences<\/em>, 122(26), e2422633122. https:\/\/doi.org\/10.1073\/pnas.2422633122<\/p>\n\n\n\n

Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European Digital Competence Framework. Fifth edition<\/em>. Luxembourg: Publications Office of the European Union. https:\/\/data.europa.eu\/doi\/10.2760\/0001149<\/p>\n\n\n\n

De Rossi, M. (2023). Costruire l\u2019azione didattica<\/em>. Lecce: Pensa MultiMedia (collana \u00abDidattiche, tecnologie e media education. Frontiere per la sostenibilit\u00e0\u00bb).<\/p>\n\n\n\n

Jonassen, D. H., et al. (2008). Meaningful Learning with Technology<\/em>. Upper Saddle River, NJ: Pearson.<\/p>\n\n\n\n

Leone XIV (2026). Lettera enciclica Magnifica humanitas<\/em> sulla custodia della persona umana nel tempo dell\u2019intelligenza artificiale, 15 maggio 2026. Citt\u00e0 del Vaticano. https:\/\/www.vatican.va\/content\/leo-xiv\/it\/encyclicals\/documents\/20260515-magnifica-humanitas.html<\/p>\n\n\n\n

Li, P., Yang, J., Islam, M. A., & Ren, S. (2025). Making AI Less \u201cThirsty\u201d. Communications of the ACM<\/em>. https:\/\/doi.org\/10.1145\/3724499<\/p>\n\n\n\n

Lichtner, M. (2013). Educazione e valutazione<\/em>. Modelli, metodi, strumenti. Milano: FrancoAngeli.<\/p>\n\n\n\n

Ministero dell\u2019Istruzione e del Merito (2025). Linee guida per l\u2019introduzione dell\u2019Intelligenza Artificiale nelle Istituzioni scolastiche<\/em>, versione 1.0, allegate al DM n. 166 del 9 agosto 2025. Roma.<\/p>\n\n\n\n

Mishra, P., & Koehler, M. J. (2006). Technological Pedagogical Content Knowledge: A framework for teacher knowledge. Teachers College Record<\/em>, 108(6), 1017-1054.<\/p>\n\n\n\n

OECD (2026). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education<\/em>. Paris: OECD Publishing.<\/p>\n\n\n\n

Perrenoud, P. (2003). Dieci nuove competenze per insegnare<\/em>. Roma: Anicia.<\/p>\n\n\n\n

Redazione DiCultHer (2026). Call for Papers 2026: N. 18 Rivista \u00abCulture Digitali\u00bb, ISSN 2785-308X. Pubblicato il 17 febbraio 2026.<\/p>\n\n\n\n

Redecker, C. (2017). European Framework for the Digital Competence of Educators: DigCompEdu<\/em>. Luxembourg: Publications Office of the European Union.<\/p>\n\n\n\n

Shulman, L. S. (1987). Knowledge and teaching: Foundations of the new reform. Harvard Educational Review<\/em>, 57(1), 1-22.<\/p>\n\n\n\n

Nota biografica<\/strong><\/h1>\n\n\n
\n
\"\"<\/figure>\n<\/div>\n\n\n

Mi chiamo Angela Galia e insegno Lettere da 25 anni, gli ultimi 15 presso l\u2019Istituto Comprensivo \u00abNunzio Nasi\u00bb di Trapani. Da poco sono Referente IA per la mia scuola dopo aver ricoperto vari incarichi nell\u2019ambito del PTOF e del RAV.<\/p>\n","protected":false},"excerpt":{"rendered":"

Un racconto in prima persona passeggiando tra il DigComp 3.0, l\u2019OECD Digital Education Outlook 2026 e l\u2019Enciclica Magnifica Humanitas Di Angela Galia, Istituto Comprensivo \u00abNunzio Nasi\u00bb Trapani Abstract Questo contributo racconta, in prima persona, il percorso attraverso il quale ho provato a rispondere a una domanda che accompagna, non solo me, da qualche anno: Come evito che l\u2019intelligenza artificiale generativa trasformi i miei studenti in bravi esecutori di compiti che non capiscono pi\u00f9 a fondo? E inoltre, Quando correggo un elaborato che \u00e8 stato scritto con l\u2019aiuto di un\u2019intelligenza artificiale generativa, che cosa sto davvero valutando? Muovendo dalle evidenze sul cognitive offloading raccolte dall\u2019OECD (2026)Leggi 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-9598","page","type-page","status-publish"],"acf":[],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/9598","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=9598"}],"version-history":[{"count":1,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/9598\/revisions"}],"predecessor-version":[{"id":9612,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/9598\/revisions\/9612"}],"wp:attachment":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/media?parent=9598"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}