Di cosa parliamo quando parliamo di IA a scuola?

All’interno del libro The Game, Alessandro Baricco sottolinea come gli strumenti tecnologici non servano a confermare le idee che già l’umanità condivide ma, piuttosto, a produrre nuovi modi di agire e pensare.
Sebbene Baricco non citi direttamente gli strumenti di Intelligenza Artificiale, comunemente abbreviata in IA (o AI, dall’inglese Artificial Intelligence), il suo pensiero risulta perfettamente applicabile a tale ambito e alla trasformazione radicale che sta rivoluzionando in breve tempo il modo in cui apprendiamo, lavoriamo e viviamo. L'IA non solo permette di automatizzare processi e semplificare compiti, ma cambia profondamente le modalità di interazione umana con il mondo.
Prima dell'intelligenza artificiale, l'abilità di manipolare il linguaggio e quindi gestire la conoscenza complessa era considerata una prerogativa esclusivamente umana. Ora, con la tecnologia IA, i modelli di linguaggio partecipano attivamente nel processo, generando testi, traducendo, confrontando e persino “comprendendo” il contesto in modi che erano inimmaginabili fino a poco tempo fa.
È quindi chiaro come l'evoluzione dell'IA possa produrre un impatto significativo sul settore dell’educazione che utilizza prevalentemente il linguaggio per supportare trasmissione, rielaborazione e consolidamento del sapere. Numerosi sono gli strumenti a disposizione che sostengono tali processi, offrendo continuamente nuove possibilità di azione da indagare, approfondire e implementare in modo critico.

Partiamo dalle basi: un po' di terminologia

Prima di addentrarci nella questione, può essere utile fornire qualche breve definizione delle parole chiave che maggiormente vengono citate quando si affronta il tema, anche per comprendere come sono strutturati gli strumenti. Cosa si intende per intelligenza artificiale, e come questo termine si lega con quelli più spesso nominati?

• Per intelligenza artificiale si intende una “disciplina”, che costituisce un ramo dell'informatica e si concentra sullo sviluppo di algoritmi, modelli e sistemi che possono svolgere compiti che, se eseguiti da esseri umani, richiederebbero intelligenza, ad esempio l’apprendimento, il ragionamento, problem-solving, percezione e interazione linguistica.
  
  
• Il Machine Learning (ML), in italiano tradotto come Apprendimento Automatico, è una sottocategoria dell’IA e consiste in una tecnica con cui un computer può "imparare" dai dati, senza utilizzare un insieme complesso di regole. Questo approccio si basa principalmente sull'addestramento di un modello a partire da insiemi di dati.
  
  
• Il Deep Learning (DL) o Apprendimento Profondo è una particolare tecnica per eseguire l'apprendimento automatico (ML), ispirata alla rete neurale del nostro cervello. Gli algoritmi di apprendimento profondo coinvolgono nodi interconnessi, o “reti neurali artificiali”. Sono caratterizzati, da differenti livelli o strati neuronali e calcoli che possono apportare modifiche all'output per determinare ogni decisione. Le modalità attraverso le quali vengono prese le decisioni sono spesso molto difficili da interpretare, poiché ci sono molti strati nascosti che eseguono calcoli diversi che non sono facilmente traducibili in regole.
  
  
• L'intelligenza artificiale generativa è quell’area dell’IA che sfrutta le tecniche di Deep Learning per creare (non cercare!) contenuti nuovi e originali, che includono testi, immagini, musica e altro.
  
  
• Il Natural Language Processing è un altro campo dell'intelligenza artificiale, un sottoinsieme della disciplina, che si occupa dell'interazione tra computer e linguaggio umano. Il suo scopo principale è far sì che le macchine comprendano, interpretino e rispondano al linguaggio naturale in modo utile e coerente.
  
  
• I Large Language Models (LLM) sono modelli di Machine Learning addestrati su grandi quantità di testo per comprendere, generare e trasformare il linguaggio naturale. Questi modelli sono addestrati per comprendere il linguaggio naturale e sono in grado di generare nuovi contenuti coerenti e appropriati, basati su prompt o richieste testuali.
  
  
• Un chatbot è un programma software basato su un Large Language Model e progettato per simulare una conversazione con gli utenti, generalmente attraverso l'uso di linguaggio naturale. I chatbot possono essere integrati in siti web, applicazioni di messaggistica… e possono interagire con gli utenti in modo testuale o vocale ChatGPT e Gemini, sono esempi di chatbot. Sono stati addestrati su enormi quantità di testo e sono in grado di comprendere e generare linguaggio naturale in modo sofisticato e “contestuale”, cioè adeguato al contesto che si delinea all’interno della richiesta fornita attraverso una chat.
  
  
• Il prompt è, appunto, la richiesta che viene inserita dall’utente all’interno di una chat, a cui segue la risposta del chatbot. Numerosi sono i corsi di prompt engineering, che guidano i partecipanti nell’ideazione di prompt efficaci da utilizzare e legati anche a settori specifici (per esempio in un contesto educativo, per creare una lezione). In generale, un prompt efficace deve essere chiaro, specifico e conciso. È utile fornire contesto sufficiente per ottenere una risposta pertinente (contenuto di una lezione, metodologia pedagogica da utilizzare), includendo dettagli rilevanti (il livello di studio degli studenti), ponendo domande dirette e limitando il numero di richieste multiple in un solo prompt. 

L’evoluzione dell’intelligenza artificiale: scenario attuale e prospettive

Dopo aver messo in chiaro alcuni termini, proviamo a capire a che punto siamo e quali sono le più vicine prospettive. In che mondo ci stiamo muovendo?
In un primo momento, l'IA era focalizzata sul riconoscimento di schemi come la classificazione di immagini o il riconoscimento di testi. come la classificazione di immagini o il riconoscimento di testi. Tecniche di Machine Learning hanno consentito ai computer di imparare dai dati per creare categorie e classificazioni, proporre raccomandazioni, fare previsioni o prendere decisioni. In ambito educativo, sono stati creati strumenti per la valutazione automatizzata di compiti e test, permettendo ai docenti di risparmiare tempo nel correggere un gran numero di prove di valutazione. Inoltre, sono stati realizzati sistemi di raccomandazione utili a proporre risorse didattiche personalizzate in base alle azioni e alle preferenze degli studenti e sono stati sviluppati strumenti in grado di analizzare vasti set di dati relativi agli studenti, identificare tendenze, fare previsioni su risultati e studenti a rischio.

IA generativa

Attualmente l'IA è generativa, ovvero supera il semplice riconoscimento di schemi per concentrarsi sulla creazione di nuovi contenuti o idee. Questa tecnologia è in grado di generare testi, immagini, musica o codice, producendo risultati difficilmente distinguibili da quelli creati da esseri umani. L'IA generativa può quindi produrre materiali didattici personalizzati, adattandosi alle esigenze, ai livelli di competenza e alle caratteristiche specifiche degli studenti. Può, inoltre, creare scenari di simulazione realistici o casi studio a supporto delle attività didattiche e dell'apprendimento pratico e offrire feedback e assistenza in tempo reale, con chatbot e assistenti virtuali che forniscono spiegazioni e risposte immediate.

IA interattiva

La prossima frontiera è l'IA interattiva, caratterizzata da sistemi che, non solo riconoscono schemi o generano contenuti, ma sono in grado di interagire in modo significativo con le persone o con altri sistemi di IA, a una velocità che è pari a quella degli esseri umani. Ciò potrebbe portare alla collaborazione su compiti complessi, o all'interazione autonoma in ambienti virtuali e all'integrazione fluida tra mondo reale e digitale (pensiamo, ad esempio, a sistemi di IA generativa integrati in visori per la realtà aumentata o virtuale). In questo contesto, l'IA interattiva potrà agire come un partner attivo, non solo eseguendo istruzioni ma partecipando a conversazioni e decisioni, apprendendo dal contesto e adattandosi in tempo reale, anche grazie all'integrazione con differenti strumenti e tecnologie.

Quali possibilità in ambito educativo?

Ogni fase di questa evoluzione apre nuove possibilità e sfide per il settore educativo, in particolare a supporto di attività di apprendimento e dell’insegnamento.
Una delle espressioni chiave legate all’utilizzo degli strumenti basati su IA in ambito educativo è quella di “apprendimento personalizzato” che indica tutte le possibilità fornite dagli strumenti di IA di supportare gli studenti nelle fasi di apprendimento adattando i contenuti, il ritmo e le attività di apprendimento alle esigenze individuali di ciascun studente.
Gli strumenti che per primi hanno seguito tale logica sono gli Intelligent Tutoring Systems (ITS, Sistemi di Tutoraggio Intelligente); tali strumenti raccolgono e analizzano i dati degli studenti legati a preferenze e progressi per offrire un'esperienza su misura, pianificando l’apprendimento, fornendo contenuti del livello e formato adeguato, feedback immediati e suggerimenti personalizzati. Ma gli ITS, in molti casi accessibili solo nella versione a pagamento, sono spesso legati a materie e insegnamenti specifici e, in molte occasioni, presentano contenuti e scale di valutazione adattati prevalentemente al contesto anglosassone.
Una validissima alternativa è costituita dai chatbot generici (come i già citati ChatGPT, Gemini), accessibili sia in versione gratuita sia a pagamento: non sono ITS, quindi non possono essere utilizzati per il tracciamento fine e l’analisi continua delle performance degli studenti, ma permettono comunque a studenti e docenti di svolgere una vasta gamma di attività a supporto dei processi di insegnamento e apprendimento, con un sempre maggiore livello di personalizzazione.

Ad esempio, gli studenti possono utilizzare tali strumenti per creare un piano di studio, o per produrre contenuti come sintesi, mappe, timeline, glossari… Possono inoltre chiedere agli strumenti di proporre domande e argomenti di discussione attraverso i quali autovalutare il proprio livello di apprendimento, domande a risposta chiusa con feedback: e così via. Attenzione: tali strumenti, anche nella versione gratuita, possono rispondere anche attraverso il canale audio, permettendo quindi all’utente di ricevere risposte nel formato che gli è più congeniale.

E i docenti? L’utilizzo che ne possono fare può essere duplice.
Da una parte, possono interrogare tali strumenti per progettare la didattica, quindi per pianificare le lezioni, produrre nuovi contenuti, farsi supportare nella preparazione di rubriche e attività di valutazione... Dall’altra possono usare tali strumenti in aula durante le attività didattiche con la classe, per esempio mostrando loro il risultato di un’interazione con lo strumento e guidando la discussione in merito. L’insegnante deve sempre prestare attenzione ai contenuti generati dall’IA, poiché possono contenere bias e stereotipi di genere.

AI competency framework for students and teachers

Ormai i docenti hanno la piena consapevolezza del fatto che molti studenti utilizzano questi strumenti durante le attività di ricerca e studio, non sempre in modo critico e consapevole. Come sottolineato dall’AI competency framework for students rilasciato dall’UNESCO a settembre 2024, i nostri studenti vivranno e lavoreranno in un modo permeato, e in parte plasmato, da strumenti IA. I docenti sono quindi chiamati ad aiutarli e supportarli nello sviluppare valori, conoscenze e competenze utili a interagire in modo sicuro, consapevole e significativo con l'IA nella vita quotidiana, non solo per l’interesse personale dei singoli studenti, ma anche per equipaggiarli nell’affrontare le sfide complesse che il futuro proporrà loro.
Inoltre, alcuni degli attuali studenti devono essere preparati a diventare co-creatori e futuri leader nello sviluppo e nell'evoluzione della tecnologia IA, definendone attentamente il rapporto con la società che questi strumenti contribuiranno a plasmare (se siamo d’accordo con Baricco e Brand).

Da qui la necessità come docenti di sperimentare, formarsi e formare, sviluppando l’AI literacy sia dei docenti stessi che degli studenti. Al momento non ci sono ricette pronte. Qualche linea guida può arrivare anche dall’AI competency framework for teachers, sempre rilasciato dall’UNESCO a settembre 2024, ma il consiglio è di cominciare a sperimentare.

Referenze iconografiche: vectorfusionart/Shutterstock