IA a scuola: non confondiamo un bel compito con un vero apprendimento

Un compito può migliorare senza che migliori l’apprendimento: è una distinzione che tendiamo a dimenticare, ma che dovrebbe accompagnarci ogni volta che decidiamo di introdurre uno strumento nuovo in classe. Prima di adottare l’intelligenza artificiale a scuola, vale la pena fermarsi su tre domande: quale obiettivo educativo vogliamo raggiungere, quali attività possiamo affidare allo strumento senza compromettere quell’obiettivo e quale lavoro cognitivo continuerà a svolgere lo studente mentre lo utilizza.

Il punto non è decidere se essere favorevoli o contrari all’IA, ma stabilire prima che cosa vogliamo che faccia la tecnologia e, soprattutto, che cosa vogliamo che continui a fare il ragazzo.

Per anni abbiamo discusso degli effetti dei social network su bambini e adolescenti quando quelle piattaforme erano ormai diventate parte della loro vita quotidiana.

La lezione che dovremmo ricavarne non è che ogni nuova tecnologia sia pericolosa… è qualcosa di più utile: gli obiettivi incorporati nel design di una tecnologia ne influenzano gli effetti, e interrogarsi su quegli obiettivi solo dopo averla adottata su larga scala può essere molto costoso. Con l’intelligenza artificiale abbiamo la possibilità di comportarci diversamente.

L’IA può offrire spiegazioni personalizzate, feedback immediati, strumenti compensativi, esercizi adattivi e un livello di supporto individuale che difficilmente una scuola potrebbe garantire a ogni studente in ogni momento.

Ma un sistema capace di rispondere, suggerire e risolvere problemi può anche svolgere proprio quelle attività cognitive che lo studente dovrebbe imparare a padroneggiare. Prima di introdurlo in classe, partirei quindi da tre domande.

Quale obiettivo educativo vogliamo raggiungere?

“Introdurre l’intelligenza artificiale”, “innovare la scuola” o “preparare gli studenti al futuro” non sono ancora obiettivi educativi.

Un obiettivo concreto può essere migliorare la comprensione dei testi, allenare la formulazione di ipotesi, sostenere uno studente con DSA, sviluppare la capacità argomentativa, recuperare una lacuna in matematica oppure fornire feedback più tempestivi.

Questi obiettivi richiedono strumenti differenti: un chatbot generalista, un correttore linguistico, uno strumento compensativo e un tutor progettato per guidare il ragionamento non sono equivalenti solo perché tutti usano l’IA. La scelta del prodotto, insomma, non può precedere la chiarificazione dell’obiettivo. Prima di aprire un catalogo, dovrebbe essere possibile formulare una frase verificabile: adottiamo questo sistema per ottenere questo risultato, con questi studenti, in questo periodo.

Senza una premessa del genere, a fine sperimentazione sarà molto facile indicare come successo il numero degli accessi, l’entusiasmo degli studenti o qualche elaborato particolarmente riuscito. Avremo però misurato l’adozione della tecnologia, non necessariamente il suo valore educativo.

L’IA assiste una capacità oppure la sostituisce?

La stessa funzione può essere utile in un contesto e dannosa in un altro. Se sto valutando la conoscenza della storia, un correttore ortografico può permettere a uno studente con difficoltà nella scrittura di esprimere ciò che sa senza essere penalizzato da una capacità che, in quel momento, non è oggetto della valutazione.

Se invece sto insegnando a costruire un’argomentazione, un sistema che genera autonomamente tesi, prove e conclusioni elimina esattamente l’attività che lo studente dovrebbe esercitare.

Non esiste quindi una lista universale di usi “buoni” o “cattivi” dell’intelligenza artificiale: dobbiamo chiederci quale capacità sia oggetto dell’apprendimento e quale parte del compito possa essere delegata senza svuotarlo.

C’è un equivoco che ricorre spesso nel dibattito sull’IA a scuola: considerare automaticamente inclusivo qualsiasi aiuto offerto dalla tecnologia… non funziona così.

Uno strumento è realmente assistivo quando rimuove una barriera e consente allo studente di esercitare meglio la capacità che ci interessa; diventa sostitutivo quando svolge al suo posto proprio l’attività cognitiva che dovrebbe sviluppare. La differenza, quindi, non sta nella funzione dell’IA in sé, ma nell’interazione tra studente, obiettivo e compito.

Che cosa farà cognitivamente lo studente mentre usa l’IA?

Un elaborato può diventare migliore mentre l’apprendimento dello studente peggiora, perché il risultato osservabile non permette di stabilire quale parte del lavoro cognitivo sia stata svolta dallo studente.

L’OECD Digital Education Outlook 2026 richiama, tra gli altri, un esperimento nel quale studenti che utilizzavano GPT-4 nella versione generalista ottenevano risultati migliori durante gli esercizi di matematica, ma successivamente, quando l’IA veniva rimossa, ottenevano risultati inferiori rispetto agli studenti che non l’avevano utilizzata.

Questo risultato non dimostra che l’intelligenza artificiale faccia necessariamente imparare meno: la stessa letteratura mostra esiti più promettenti quando i sistemi vengono progettati e utilizzati con un preciso intento pedagogico. Dimostra però che la qualità del prodotto realizzato con l’IA non può essere assunta come prova dell’apprendimento di chi lo ha prodotto. Durante l’interazione, lo studente dovrebbe continuare a recuperare conoscenze, formulare ipotesi, scegliere strategie, spiegare il proprio ragionamento, riconoscere gli errori e applicare ciò che ha capito a situazioni nuove.

Un tutor progettato con intento pedagogico può aiutare senza fare queste cose al posto dello studente, per esempio fornendo un indizio progressivo invece della soluzione, chiedendo perché una risposta dovrebbe essere corretta, evidenziando una contraddizione oppure invitando lo studente a scegliere tra due strategie e a spiegare la propria scelta. È un modo di stare accanto al ragionamento, non di sostituirlo.

È questa la distinzione fondamentale fra ridurre una difficoltà inutile e rimuovere una difficoltà produttiva. Non abbiamo bisogno che uno studente perda tempo in attività meccaniche che una tecnologia può svolgere meglio.

Ma alcune forme di fatica cognitiva sono precisamente il luogo nel quale avviene l’apprendimento.

Prima la pedagogia, poi il prodotto

Gli studenti utilizzano già l’intelligenza artificiale e ignorarla significherebbe lasciare al mercato e agli usi individuali il compito di stabilire come entrerà nei loro processi di apprendimento. La scuola può invece partire dall’obiettivo educativo, decidere quali capacità debbano restare allo studente e progettare l’interazione affinché l’IA ne sostenga il ragionamento.

Queste prime tre domande riguardano ciò che vogliamo ottenere e il lavoro cognitivo che deve rimanere allo studente. Nella seconda parte affronteremo le altre quattro: come verificare che il sistema sia appropriato per l’età degli studenti, quali rischi considerare, come misurarne gli effetti e in quali condizioni modificarne o interromperne l’uso.

Riferimenti bibliografici

Le fondazioni empiriche dell’articolo si fondano su un corpus di ricerche che negli ultimi anni ha indagato il rapporto tra intelligenza artificiale generativa e apprendimento. I riferimenti che seguono non vogliono trasformare l’articolo in un saggio accademico, ma offrire a chi legge la possibilità di verificare i dati citati e di approfondire i temi toccati. Li segnalo perché ritengo che gli insegnanti meritino di sapere su quali evidenze si fondano le affermazioni che riguardano il loro lavoro.

1. OECD (2026), OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, OECD Publishing, Paris. Il rapporto documenta l’esperimento condotto in Turchia con circa mille studenti delle scuole superiori, di cui si parla nella parte centrale dell’articolo: il gruppo che ha usato GPT-4 nella versione generalista ha ottenuto prestazioni migliori del 48% durante gli esercizi, ma una performance inferiore del 17% rispetto al gruppo di controllo quando l’IA è stata rimossa; il gruppo che ha lavorato con una versione configurata come tutor pedagogico ha mostrato risultati più stabili. Il rapporto analizza inoltre le condizioni alle quali l’IA generativa può supportare l’apprendimento, insistendo sulla necessità di obiettivi pedagogici chiari e di un ripensamento delle strategie didattiche. Il testo integrale è disponibile gratuitamente sul sito dell’OCSE: https://doi.org/10.1787/062a7394-en.
2. McDaniel, M. A., & Butler, A. C. (2011), “A Contextual Framework for Understanding When Difficulties Are Desirable”, in A. S. Benjamin (a cura di), Successful Remembering and Successful Forgetting: A Festschrift in Honor of Robert A. Bjork, Taylor & Francis, pp. 175–198. Il capitolo esamina le condizioni nelle quali alcune difficoltà introdotte durante l’apprendimento possono favorire la ritenzione e il trasferimento delle conoscenze. Costituisce il riferimento teorico per la distinzione proposta nell’articolo tra difficoltà inutili e difficoltà produttive.https://doi.org/10.4324/9780203842539
3. Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025), “Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance”, British Journal of Educational Technology, 56(2), pp. 489–530. Lo studio randomizzato, condotto con 117 studenti universitari, ha confrontato quattro forme di supporto durante un compito di scrittura. Il gruppo che utilizzava ChatGPT ha migliorato maggiormente la qualità dell’elaborato, senza mostrare vantaggi significativi nell’acquisizione e nel trasferimento delle conoscenze. Gli autori indicano inoltre la dipendenza tecnologica e la “pigrizia metacognitiva” come possibili rischi. https://bera-journals.onlinelibrary.wiley.com/doi/abs/10.1111/bjet.13544
4. European Parliament, CULT Committee (2026), Artificial Intelligence in Classrooms: Cognitive Dimensions. Il briefing, commissionato dalla Commissione Cultura e Istruzione del Parlamento europeo, esamina i rischi cognitivi dell’adozione di sistemi di IA nelle scuole dell’Unione, con particolare attenzione ai minori e all’istruzione obbligatoria. Il documento sottolinea che i maggiori rischi cognitivi derivano dall’uso di strumenti di IA generica che forniscono risposte pronte, e raccomanda che l’adozione di sistemi di IA sia accompagnata da una forte guida docente e da una preliminare alfabetizzazione mediatica e critica. Il briefing è scaricabile gratuitamente dal sito del Parlamento Europeo: https://www.europarl.europa.eu/thinktank/en/document/IPOL_IDA(2026)784575
5. Cohn, C., Rayala, S., Srivastava, N., Fonteles, J. H., Jain, S., Luo, X., Mereddy, D., Mohammed, N., & Biswas, G. (2026), “A Theory of Adaptive Scaffolding for LLM-Based Pedagogical Agents”, Proceedings of the AAAI Conference on Artificial Intelligence, 40(3), pp. 1757–1765. Il contributo propone un modello per progettare agenti pedagogici basati su LLM capaci di fornire uno scaffolding adattivo, integrando l’Evidence-Centered Design con la teoria cognitiva sociale. È il riferimento che sostiene la descrizione di un tutor capace di accompagnare il ragionamento attraverso feedback e indizi progressivi.https://doi.org/10.1609/aaai.v40i3.37154
6. Chounta, I.-A. (2026), Artificial Intelligence in Classrooms: Pedagogical Dimensions, European Parliament, CULT Committee. Questo secondo briefing CULT, complementare a quello sulle dimensioni cognitive, affronta le implicazioni pedagogiche dell’uso dell’IA in classe e insiste sulla necessità di un approccio centrato sullo studente, che preservi l’autonomia e il coinvolgimento critico del discente. È il documento che meglio esplicita il principio, richiamato nell’articolo, secondo cui la pedagogia deve precedere la tecnologia. Il briefing è disponibile qui: https://www.europarl.europa.eu/thinktank/en/document/IPOL_IDA(2026)784574