IA generativa a scuola: un compito migliore significa davvero imparare di più?

L’IA è già entrata in classe: la domanda ora è come usarla

Quattro giovani europei su dieci tra 16 e 24 anni hanno usato strumenti di IA generativa per l’istruzione formale nel 2025. Il dato, ripreso dalla Commissione europea, rende poco utile discutere come se la tecnologia fosse ancora fuori dalla scuola. Gli studenti la incontrano nei compiti, nel codice, nelle traduzioni e nelle ricerche; spesso prima che l’istituto abbia definito regole comprensibili.

Il nuovo rapporto europeo Friend or foe? sposta l’attenzione dalla presenza dello strumento alla qualità dell’apprendimento. L’IA può offrire spiegazioni personalizzate, esempi e feedback, ma può anche svolgere al posto dello studente proprio quei passaggi che costruiscono conoscenza. Il punto non è vietare tutto o consentire tutto: bisogna progettare situazioni in cui l’aiuto renda visibile il ragionamento e non lo sostituisca.

Prestazione e apprendimento non sono la stessa cosa

Un elaborato più corretto misura il risultato della coppia studente–strumento, non necessariamente ciò che lo studente saprà rifare da solo. Le evidenze raccolte dalla Commissione mostrano che l’IA è più utile quando amplia conoscenze già attivate e lo studente interagisce criticamente con le risposte. L’uso meccanico, basato sul copiare un risultato plausibile, può invece indebolire l’apprendimento.

Anche il coinvolgimento può ingannare. Un alunno può completare rapidamente un’attività, sentirsi soddisfatto e non aver costruito una procedura riutilizzabile. Per questo una buona attività deve osservare due momenti: ciò che lo studente riesce a produrre con l’IA e ciò che riesce a spiegare, correggere o trasferire senza di essa.

• Prestazione assistita: che cosa produce lo studente usando lo strumento?
• Comprensione: sa motivare scelte, passaggi ed errori presenti nella risposta?
• Trasferimento: sa affrontare un problema simile con dati o vincoli diversi?
• Autonomia: che cosa rimane quando l’accesso all’IA viene temporaneamente rimosso?

Il metodo della doppia prova: prima con l’IA, poi con la propria testa

Una strategia semplice è progettare due prove brevi collegate. Nella prima lo studente può usare l’IA e deve annotare domanda, risposta ricevuta, controllo eseguito e modifica apportata. Nella seconda affronta senza assistenza un caso nuovo che richiede lo stesso principio. Il confronto non serve a punire: mostra quale parte del lavoro è diventata competenza personale.

Il docente può usare la differenza tra le due prestazioni per decidere il recupero. Se l’elaborato assistito è ottimo ma la prova autonoma fallisce, non basta assegnare un voto alla consegna finale. Occorre tornare sui passaggi saltati: prerequisiti, strategia, controllo degli errori e linguaggio disciplinare.

• Fase 1 — Con IA: risolvi, conserva le interazioni e verifica ogni affermazione importante.
• Fase 2 — Spiega: indica che cosa hai accettato, corretto o rifiutato e perché.
• Fase 3 — Senza IA: risolvi una variante breve costruita sullo stesso concetto.
• Fase 4 — Rifletti: confronta i due risultati e individua il passaggio ancora fragile.

Esempio di laboratorio: correggere un programma senza farsi sostituire

In una lezione di programmazione, consegna un piccolo programma C++ con tre errori diversi: uno sintattico, uno logico e uno legato a un caso limite. Nella prima parte gli studenti possono interrogare un assistente generativo, ma devono classificare ogni errore, riprodurlo con un input e dimostrare che la correzione funziona. Chiedere soltanto il codice corretto non è sufficiente.

Nella seconda parte cambia nomi, dati e condizione del problema e disattiva l’IA per quindici minuti. Ogni studente scrive il piano di test e corregge almeno un errore. La verifica valuta diagnosi, scelta dei casi di prova e spiegazione, oltre alla compilazione finale. Così lo strumento diventa un interlocutore da controllare e non un distributore di soluzioni.

• Prova dell’errore: quale input produce il comportamento sbagliato?
• Ipotesi: quale istruzione o condizione lo causa?
• Controllo dell’IA: la spiegazione proposta è coerente con l’esecuzione reale?
• Correzione: quali test dimostrano che il problema è risolto senza crearne altri?

Una regola chiara per ogni attività, non un divieto generico

Le regole funzionano quando specificano che cosa è consentito e quale evidenza deve essere consegnata. Una sola formula valida per tutto — IA vietata oppure IA libera — non distingue tra brainstorming, esercizio dei fondamentali, revisione e valutazione. Prima di ogni compito conviene dichiarare il livello di assistenza ammesso.

Un semaforo può rendere la regola immediata. Rosso significa lavoro individuale senza IA perché si osserva una competenza di base. Giallo consente suggerimenti e revisione, imponendo traccia delle interazioni. Verde permette un uso ampio per produrre un progetto complesso, mantenendo responsabilità, fonti e discussione orale. La stessa disciplina può usare tutti e tre i livelli in momenti diversi.

• ROSSO — nessun assistente: esercizio dei prerequisiti o prova di autonomia.
• GIALLO — assistenza limitata: domande, feedback e revisione documentati.
• VERDE — uso esteso: progetto autentico, fonti verificate e difesa delle scelte.
• In ogni livello: niente dati personali degli studenti e nessuna fonte inventata accettata senza controllo.

Valutare il processo senza trasformare la classe in un tribunale

Rilevare automaticamente se un testo sia stato generato non offre una base didattica solida. È più utile progettare consegne che rendano osservabile il processo: versione iniziale, modifiche, fonti, test, breve colloquio e applicazione a un caso nuovo. Queste evidenze aiutano anche gli studenti corretti, perché permettono di mostrare il lavoro realmente svolto.

La rubrica può separare prodotto e competenza: accuratezza del risultato, qualità delle verifiche, spiegazione delle decisioni, trasferimento e autonomia. L’uso dell’IA diventa così dichiarabile e valutabile. Il docente non deve indovinare chi ha usato lo strumento; deve verificare chi comprende ciò che consegna.

• 30% risultato: correttezza e completezza dell’elaborato.
• 25% verifica: test, fonti e controllo delle risposte generate.
• 25% spiegazione: motivazione delle scelte e riconoscimento degli errori.
• 20% trasferimento: soluzione autonoma di una variante breve.

Prima dello strumento vengono persone, dati e responsabilità

Le linee guida europee aggiornate ricordano che IA e dati in educazione vanno valutati insieme a privacy, equità, trasparenza e adeguatezza all’età. Nomi, profili, elaborati, diagnosi, immagini e informazioni familiari non devono diventare materiale per un servizio esterno senza una base e procedure definite. Anche una risposta tecnicamente corretta può contenere stereotipi o proporre un livello inadatto allo studente.

La scuola dovrebbe quindi scegliere pochi strumenti controllati, definire casi d’uso, indicare dati esclusi, preparare alternative accessibili e formare i docenti. La necessità è concreta: secondo i dati richiamati dalla Commissione, solo il 29,7% degli insegnanti europei intervistati in TALIS 2024 aveva partecipato a formazione sull’IA per insegnamento e apprendimento.

L’obiettivo non è consegnare prima, ma diventare più capaci

L’IA generativa può essere un buon tutor, un revisore e un acceleratore, ma il suo valore dipende dal compito che le affidiamo. Se elimina il ragionamento, migliora il prodotto e impoverisce l’apprendimento. Se costringe a verificare, confrontare e spiegare, può invece rendere il pensiero più visibile.

Se vuoi costruire regole d’istituto, rubriche di valutazione o laboratori disciplinari che integrino l’IA senza perdere le competenze fondamentali, contattami. Possiamo partire da un’attività reale e trasformarla in un percorso con assistenza dichiarata, controllo delle fonti e prova di autonomia.