NotebookLM o SchoolAI, quale piattaforma AI scegliere per la didattica

L’intelligenza artificiale è sempre più presente nei contesti educativi, e solleva interrogativi nuovi su efficacia, accessibilità e ruoli dei docenti, degli studenti, della tecnologia stessa. Le scuole si trovano di fronte a una scelta: adottare l’IA come supporto all’automazione di procedure didattiche, oppure integrarla come catalizzatore di nuovi metodi pedagogici, ancora in larga parte da esplorare.

L’IA ha portato lo sviluppo di sistemi informatici innovativi, le piattaforme IA di apprendimento, progettate per migliorare l’efficacia della Didattica. Il dibattito attuale sull’uso educativo dell’IA si propone di andare più a fondo: emerge l’esigenza di capire se, e quali, tra le nuove tecnologie dell’IA suggeriscono elementi di una nuova pedagogia per la società mista persone-macchine.

Come funzionano le piattaforme IA per l’istruzione

Nella Figura 1 riportiamo le caratteristiche di una generica piattaforma IA per l’apprendimento, e indicando i componenti che in linea di principio ne fanno parte.

• Interfaccia utente – Si accede alla piattaforma tramite browser, app mobile, oppure integrazione in un Learning Management System (LMS), come ad esempio in Canvas [3]
• Assistente AI/Chatbot – E’ un front-end intelligente per l’interlocuzione continua e fluida con l’utente in linguaggio naturale (Natural Language Processing, NLP)
• Modulo di Personalizzazione – Analizza i dati comportamentali e prestazionali per personalizzare esperienze di apprendimento
• Modulo di Raccomandazione – Suggerisce contenuti, esercizi o attività in base ai dati raccolti e al profilo utente
• Motore di Adaptive Learning – Adatta dinamicamente sequenza, difficoltà e formato dei contenuti
• Generatore di Contenuti basato su LLM – Crea automaticamente materiali didattici: testi, esercizi, quiz.
• Motore di Valutazione – Automatizza la correzione e la valutazione: domande, codice.
• Learning Record Store (LRS) – Registra gli eventi di apprendimento – ad es., standard per API- per analisi e auditing.
• Data Layer – Archivia i dati grezzi e aggregati: apprendimento, analisi, reportistica
• Gestione dei Modelli AI MLOps (Machine Learning e DevOps) – Gestisce il ciclo di vita dei modelli AI (Model Management): versioning, monitoraggio, riaddestramento (retraining)
• Sicurezza e Autorizzazioni – Effettua autenticazione; gestione privilegi; codifiche; auditing
• API & Integrazione coi Learning Management Systems (LMS) – Realizza connessioni standard per dialogare con sistemi esterni, ad es. SCORM [4]

Caratteristiche tecnologiche di NotebookLM

NotebookLM svolge le funzioni di un assistente AI per la gestione e l’analisi di contenuti complessi, offrendo strumenti per studenti, professionisti e ricercatori.

Motore AI e Architettura

• Modello AI integrato. NotebookLM è basato su Gemini 1.5 Pro, il modello LLM multimodale di Google per l’elaborazione di testi, immagini, grafici

• Elaborazione contestuale. Il motore AI è in grado di comprendere il contesto dei documenti caricati, offrendo risposte pertinenti e citazioni dirette delle fonti.

Gestione dei media e dei formati

• Ampia compatibilità. Supporta vari formati, tra cui PDF, Google Docs, Google Slides, file di testo, URL web, video YouTube (con trascrizioni) e file audio (MP3, M4A).
• Capacità di caricamento. Ogni notebook contiene fino a 50 fonti, ciascuna con un massimo di 500.000 parole, per un totale di 25 milioni di parole.

Ricerca e analisi

• Funzione discover. Ricerca e sintetizza fonti web pertinenti, presentando fino a dieci suggerimenti con riassunti.

• Ricerca contestuale. Risponde a domande complesse grazie all’integrazione con gli algoritmi AI di Google.

Funzionalità avanzate

• Sintesi e citazioni. Genera riassunti dei documenti con citazioni in linea che rimandano direttamente alle sezioni pertinenti delle fonti originali
• Guide di studio personalizzate. Trasforma i materiali caricati in guide di studio con domande chiave, commenti e glossari
• Podcast audio (Overviews). Crea sintesi audio in stile podcast, con due voci AI che discutono e spiegano il contenuto
• Modalità interattiva. Permette agli utenti di interagire con I podcast audio, ponendo domande e ottenendo chiarimenti
• Mappa mentale. Consente di generare una mappa che è possibile anche scaricare in formato .png

Sicurezza

• Protezione dei dati. I documenti caricati non vengono utilizzati per addestrare i modelli di Google.
• Condivisione controllata. Possibilità di condividere notebook.

Accessibilità e disponibilità

• Supporto multilingue. Disponibile in oltre 100 lingue.
• Piattaforme disponibili. Web, Android (dalla v.10), iOS (dalla v.17) e ascolto offline dei podcast audio.

Limitazioni di NotebookLM

Interattività con contenuti esterni

• Attività dinamiche. Non supporta link dinamici, né l’esecuzione di codice, fogli di calcolo o grafici interattivi
• Integrazione in tempo reale. L’utente non può inserire dati in tempo reale: ad es., API, RSS, database esterni

• Caricamento manuale. Le fonti devono essere caricate manualmente.

Accesso ai documenti

• Pre-caricamento. L’applicazione può operare solo sui documenti pre-caricati nella memoria del notebook.
• Accesso a file esterni. Non può accedere al Web o a file esterni non indicizzati nella sessione.
• Capacità. Il limite di 50 fonti per notebook – già citato- è elevato ma può essereun limite per progetti con dataset molto ampi, come archivi documentali.

Calcolo matematico

• Motori di calcolo. Non possiede un motore di calcolo numerico o simbolico.
• Operazioni aritmetiche. Non esegue simulazioni, statistiche, generazione di grafici.
• Scarsa capacità di ragionamento matematico. E’ quella di un LLM di base.

Funzionalità audio

• Podcast audio. Generati da modelli Text-To-Speech (TTS) con script precompilati: l’utente non può dettare, modificare o interagire come con un assistente vocale.

• Interattività audio. I podcast non sono ancora bidirezionali nè interattivi.

Strumenti per la collaborazione

• Editing simultaneo. La collaborazione avviene in modalità multi-utente.

Plug-in o API pubbliche

• API per sviluppatori. NotebookLM non offre ancora un’API per sviluppatori o un sistema di estensioni/plugin.

Adattamenti del modello

• Addestramento personalizzato. Gli utenti non possono addestrare o riaddestrare il modello su dati di proprio interesse

• Mantenimento delle preferenze. Non è possibile interrogare (prompting) il modello a lungo termine con preferenze persistenti.

Riservatezza dei dati

• Utilizzo dei dati. Non vengono usati per addestrare I modelli, ma restano comunque caricati nel cloud Google

• Cloud Google. Mancano opzioni di esecuzione locale, rendendo l’applicazione non adatta a informazioni sensibili: ad es. difesa, sanità, ricerca proprietaria.

Caratteristiche tecnologiche di SchoolAI

SchoolAI offre assistenti virtuali come il Co-Teacher, il Curriculum Coach e l’Essay Grading Assistant, che supportano gli Insegnanti nella pianificazione delle lezioni; valutazione degli studenti; allineamento ai programmi scolastici.
La piattaforma crea piani di apprendimento personalizzati basati sulle esigenze e i progressi di ciascuno studente.

Gestione dei contenuti

• Generazione automatica. SchoolAI consente la creazione di piani di lezione, quiz, materiali di studio e risorse didattiche, adattati ai diversi livelli scolastici. Modalità dedicate sono:
  • Quiz Mode: creazione rapida di quiz personalizzati.
  • Brainstorm Mode: generazione di idee su vari argomenti
  • Resource Mode: produzione di materiali didattici supplementari.

Funzionalità avanzate

• Feedback in tempo reale. Gli studenti ricevono valutazioni dei loro lavori
• Tracciamento del progresso. Dashboard intuitive permettono agli insegnanti di monitorare l’impegno e il progresso degli studenti.
• Supporto multilingue. Generazione di contenuti in più lingue.

Analisi e monitoraggio

• Mission control. Centro di controllo in tempo reale delle attività degli studenti.
• Analisi predittiva. Identificazione degli studenti a rischio con interventi preventivi.

Sicurezza

• Conformità normativa: rispetta normative standard, ad es. FERPA, COPPA
• Accesso controllato: accesso senza accounting, con codici forniti dagli Insegnanti.

Accessibilità e disponibilità

• Integrabilità con strumenti esterni: Canvas, PowerSchool, Google Classroom.
• Compatibilità multi-piattaforma: disponibile.

Limitazioni di SchoolAI

Architettura AI chiusa

• Modello AI. Non pubblicato.
• Riaddestramento. Non disponibile.

• Assenza di API pubbliche.

• Sviluppabilità. Non disponibile.

Caricamento di contenuti limitato

• Caricamento diretto di materiali esterni. Non consentito.
• Sincronizzazione. Non disponibile, ad es., con depositi didattici.
• Generazione solo automatica. Senza editing avanzato.
• Nessun accesso al Web o ad altre fonti esterne aggiornate dinamicamente.

Analisi dei dati

• Dashboard. Predefinite e non personalizzabili.
• Esportazione dati in formato interoperabile. Nessuna.
• Analisi predittiva. Assente o generica.

Collaborazione didattica

• Collaborazione simultanea tra docenti. E’ supportata la condivisione di spazi tra collaboratori.

Interfaccia mobile e accessibilità

• Funzionalità limitata per sistemi mobili
• Mancanza di modalità offline
• Supporto multilingue. Ancora basilare.

Riservatezza, sicurezza e trasparenza

• Architettura Cloud. Nessuna possibilità di sviluppo locale.

Integrazione con ecosistemi didattici

• Integrazione limitata con LMS.
• Mancanza di standard aperti per l’interoperabilità.
• Esportazione di oggetti didattici riusabili. Non abilitata.

Considerazioni pedagogiche sulle piattaforme IA per la didattica

Le funzionalità illustrate per ciascuna piattaforma costituiscono un aggregato coerente di strumenti didattici che permettono di proporre semplici metodologie. Sono rivolte a Insegnanti di scuola primaria e secondaria di primo e secondo grado e si propongono di favorire l’apprendimento attivo, riflessivo e collaborativo. Ognuna è strutturata in fasi collegate tra loro in modo inizialmente sequenziale; a ogni fase è assegnato un tempo di realizzazione a titolo orientativo, anche per indicare il peso relativo di ciascun argomento.

Al di fuori della sequenza, una fase finale cui non è assegnato un tempo orientativo, può servire a curare le revisioni e la documentazione finali.

Metodologia basata su NotebookLM

Fase 1 – Recupero e analisi critica delle fonti

• Obiettivo. Fornire allo Studente una breve bibliografia ragionata.

• Azioni. Caricamento su NotebookLM di testi, articoli, slide o manuali. Etichettatura e suddivisione per temi. Esplorazione iniziale tramite domande generali.
• Vantaggi. Caricamento personalizzato, riconoscimento della struttura dei documenti, supporto multilingue.

Fase 2 – Comprensione dei contenuti

• Obiettivo- Facilitare l’analisi e la comprensione profonda dei contenuti.
• Azioni. Utilizzo delle domande automatiche, generazione di riassunti, chiarimento di concetti complessi.
• Vantaggi. Risposte contestualizzate, navigazione semantica, conversazione in linguaggio naturale.

Fase 3 – Elaborazione autonoma

• Obiettivo. Passare dalla ricezione passiva alla produzione attiva.
• Azioni. Creazione di saggi, presentazioni, domande originali; feedback dell’IA
• Vantaggi. Revisione assistita, personalizzazione, confronto di punti di vista.

Fase 4 – Verifica e valutazione

• Obiettivo. Verificare comprensione e riflettere sull’apprendimento.
• Azioni. Generazione di quiz, simulazione di risposte, revisione dell’elaborato.
• Vantaggi. Domande contestuali, analisi coerenza, confronto versioni.

Fase 5 – Documentazione e condivisione

• Obiettivo. Trasferire le conoscenze in nuovi contesti.
• Azioni. Esportazione contenuti, creazione di guide o mappe, uso interdisciplinare.
• Vantaggi. Esportazione versatile, diario interattivo, riutilizzo creativo.

Fuori fase: presentazioni, documentazioni finali

• Obiettivo. Migliorare la documentazione sulla base dei dati raccolti.
• Azioni. Revisione dei testi; redazione grafica;…..
• Punti di forza. Suggerimenti da parte di strumenti IA.

Case study – Il test di Turing con NotebookLM

Tratteremo un caso di studio riguardante il test di Turing condotto secondo la metodologia proposta, per valutarne l’adeguatezza rispetto agli scopi. Le fasi corrispondono a quelle elencate nel paragrafo precedente.

Premesse

Classe: Ultimo anno di scuola superiore (triennio secondaria di secondo grado)

Durata: 3 ore

Piattaforma AI: NotebookLM

Obiettivo: Comprendere il Test di Turing e stimolare la riflessione critica sulla Intelligenza Artificiale.

Fase 1

Il Docente carica in NotebookLM:
– Un estratto del saggio originale di Turing (tradotto e commentato)
– Un video introduttivo
– Due articoli brevi pro e contro il Test di Turing
NotebookLM consente agli studenti di esplorare questi materiali in modo interattivo. Tempo: 30 minuti

Fase 2

Gli Studenti aprono il proprio spazio di lavoro su NotebookLM. Usano la chat integrata per fare domande del tipo: “Cosa intende Turing con ‘imitazione del comportamento umano’?”, oppure: “Quali critiche moderne esistono?” NotebookLM risponde sintetizzando e collegando le fonti caricate. Tempo: 30 minuti

Fase 3

Gli Studenti creano mappe concettuali direttamente su NotebookLM. Il sistema suggerisce parole chiave, connessioni, e genera riassunti automatici. Le mappe vengono salvate per il lavoro finale. Tempo: 30 minuti

Fase 4

Compito: redigere un testo argomentativo su ‘Il Test di Turing è ancora valido oggi?’. NotebookLM aiuta con struttura del testo, citazioni dalle fonti, riscrittura dei passaggi poco chiari. Tempo: 60 minuti

Fase 5

NotebookLM confronta il testo dello studente con le fonti e offre suggerimenti di miglioramento: aggiunta di esempi, maggiore coerenza logica, uso di lessico preciso. Lo studente rivede il proprio elaborato in autonomia

NotebookLM viene usato per mostrare mappe, estratti e grafici concettuali. Tempo: 30 minuti

Risultati attesi

Gli studenti avranno:
– Compreso le basi teoriche del Test di Turing
– Lavorato con fonti autentiche e diversificate
– Scritto un testo argomentativo coerente
– Sperimentato l’uso di NotebookLM come strumento di elaborazione concettuale

Una metodologia basata su SchoolAI

Anche questa è articolata in cinque fasi, più una fase extra. La piattaforma SchoolAI offre supporto all’intero ciclo pedagogico, dalla progettazione sino alla documentazione.

Fase 1 – Progettazione didattica

• Obiettivo. Pianificare attività didattiche coerenti con il curriculum.
• Azioni. Utilizzo del Lesson Plan Generator; definizione obiettivi e competenze.
• Punti di forza. Co-creazione con IA.

Fase 2 – Preparazione dei materiali

• Obiettivo. Creare contenuti didattici adatti alla classe.
• Azioni. Generazione di slide, esercizi, rubriche, differenziazione.
• Punti di forza. Contenuti pronti, adattabili, esportabili, accessibilità.

Fase 3 – Coinvolgimento in aula

• Obiettivo. Svolgere la lezione in modo dinamico.
• Azioni. Uso di prompt, brainstorming.
• Punti di forza. IA in tempo reale, stimolo al pensiero critico.

Fase 4 – Assegnazione di compiti personalizzati

• Obiettivo. Consolidare gli apprendimenti.
• Azioni. Generazione automatica di compiti, rubriche, personalizzazione
• Punti di forza. Compiti mirati, gestione semplificata, inclusività.

Fase 5 – Valutazione formativa

• Obiettivo. Valutare il progresso con oggettività.
• Azioni. Analisi automatica, feedback testuali, uso di rubriche.
• Punti di forza. Mission Control, tracciamento completo, coerenza.

Fuori fasi: documentazione e portfolio

SchoolAI genera per ogni studente un portfolio con: testo prodotto, feedback ricevuto, confronto tra versioni.

Case Study – Il Test di Turing con SchoolAI

Premesse

• Classe – Ultimo anno di Scuola Superiore (triennio secondaria di secondo grado)
• Durata: 3 ore
• Piattaforma AI: SchoolAI
• Obiettivo – Capire il significato del Test di Turing e riflettere sull’intelligenza delle macchine.

Fase 1

Il/la Docente definisce l’obiettivo: ‘Introdurre il Test di Turing e far sviluppare il pensiero critico sull’Intelligenza Artificiale’. Avvia la preparazione della lezione, non conteggiata nelle 3 ore di lezione programmate.

La piattaforma SchoolAI propone contenuti, attività, strumenti e modalità di valutazione già opportunamente selezionati dal/-la Docente per questo contesto.

-Competenze coinvolte. Comprensione del testo; argomentazione; riflessione etica.

Fase 2

Gli studenti accedono al modulo assegnato e rispondono a domande guida: “Hai mai parlato con un chatbot?”, “Chi era Alan Turing?”. SchoolAI analizza le risposte; adatta i materiali; suggerisce la formazione di piccoli gruppi di lavoro. Tempo: 20 minuti

Fase 3

SchoolAI fornisce materiali già semplificati:

– Un estratto adattato dell’articolo di Turing

– Un video animato esplicativo

– Una scheda del Test di Turing con pro e contro

Durante la lettura, SchoolAI propone in automatico definizioni di termini difficili, spunti di riflessione e quiz di comprensione. Tempo: 40 minuti

Fase 4

Obiettivo: scrivere un breve testo argomentativo (150–200 parole): “Il Test di Turing è ancora valido oggi?” SchoolAI guida la scrittura con un assistente passo-passo, suggerendo collegamenti tra le fonti ed esempi concreti. Tempo: 50 minuti

Fase 5

Ogni testo viene valutato da SchoolAI secondo criteri di: chiarezza, coerenza argomentativa, uso delle fonti. Gli studenti ricevono feedback immediato e visivo. La/Il Docente può aggiungere un parere personale. Tempo: 30 minuti

Fuori fase

Discussione finale: “Cosa hai scoperto sull’IA?”, “Pensi che una macchina potrà mai davvero pensare?”

Risultati attesi

Gli studenti avranno:

– Compreso cos’è il Test di Turing

– Scritto un testo argomentativo supportato da fonti

– Ricevuto una valutazione formativa

– Riflettuto in modo personale sull’argomento

– Utilizzato SchoolAI in tutte le fasi del ciclo didattico.

Le piattaforme IA per i Bisogni Educativi Speciali (BES)

L’utilizzo dell’Intelligenza Artificiale nella Scuola non è solo una questione tecnologica, ma solleva interrogativi soprattutto in relazione ai principi di equità, accessibilità e personalizzazione.

In Italia, normative quali la Legge 170/2010, GU n.244 del 18/10/2010; le Linee Guida per l’Inclusione Scolastica, DL n.66 del 13/04/2017; e il concetto di Didattica Universale (UDL – Universal Design for Learning) promuovono una Scuola capace di adattarsi ai bisogni di ciascuno, senza rinunciare alla sfida culturale della complessità, progettando percorsi didattici accessibili a tutti e riducendo le barriere all’apprendimento. In questo contesto le piattaforme IA sono risorse potenti, a condizione che siano utilizzate in modo consapevole e pianificato.

NotebookLM consente una fruizione individuale e multisensoriale dei contenuti (testo, audio, mappe), utile per studenti con dislessia, disturbi della comprensione del testo o difficoltà nell’organizzazione concettuale. Grazie alla sua interfaccia semplice, alla possibilità di interazione in linguaggio naturale e alla generazione automatica di mappe concettuali, facilita l’accesso ai contenuti per Studenti con disturbi specifici dell’apprendimento (DSA): in particolare dislessia e disortografia. La funzione di riassunto automatico, le citazioni guidate e la sintesi audio in formato podcast possono essere adottate per proporre materiali semplificati, fruibili anche in modalità uditiva. Tuttavia, la piattaforma presuppone un certo livello di autonomia e padronanza digitale, che ne limita l’uso diretto in presenza di disabilità cognitive più complesse, se non con il supporto di un mediatore/-ice.

SchoolAI, grazie alla possibilità di creare contenuti differenziati, guidati e adattativi, è per situazioni in cui è necessario semplificare, frammentare e riorganizzare il percorso di apprendimento, come nel caso di alunni con ADHD o disabilità cognitive leggere. SchoolAI si distingue per un approccio strutturato alla differenziazione didattica, progettato per rispondere alle esigenze eterogenee di una classe. Le modalità di utilizzo consentono di generare attività calibrate su diversi livelli di competenza, mentre il monitoraggio continuo permette all’Insegnante di intervenire con proposte mirate. La piattaforma può quindi rivelarsi utile in contesti di disabilità intellettive lievi; disturbi dell’attenzione o difficoltà emotivo-relazionali, perché fornisce un quadro chiaro del percorso di ciascuno studente e promuove un’organizzazione flessibile del lavoro.

Entrambe le piattaforme, infine, offrono strumenti di supporto multilingue, e un’interazione accessibile anche a chi subisce barriere linguistiche o culturali, ampliando ulteriormente le opportunità di inclusione. Tuttavia, resta ancora aperta la sfida dell’accessibilità nativa: non tutte le funzioni sono ottimizzate per tecnologie assistive – quali i lettori di schermo (screen reader); i comandi vocali; la navigazione semplificata L’assenza di modalità offline può rappresentare un ostacolo in contesti con limitata connettività o dispositivi datati.

Supporto per studenti con DSA: un esempio con NotebookLM

Contesto. Lo studente presenta dislessia e difficoltà nella comprensione di testi lunghi e densi.

Obiettivo didattico. Sviluppare la capacità di analisi critica su un tema di attualità, attraverso l’uso di fonti reali e la rielaborazione personale dei contenuti.

Attività proposta

• Il/la Docente carica su NotebookLM tre documenti: un articolo giuridico (semplificato); una guida per ragazzi sui diritti digitali e un breve estratto dal Regolamento Europeo sull’Intelligenza Artificiale [11].
• Lo studente accede al proprio spazio di lavoro (workspace) e interagisce con la chat per chiedere chiarimenti come: “Che cosa significa ‘diritto all’oblio’?”

oppure: “Cosa succede se uno strumento IA prende decisioni sbagliate?”

• Il sistema genera riassunti automatici, mappe concettuali visuali, e anche un podcast audio che riprende i concetti principali
• Lo Studente redige un testo argomentativo breve con l’aiuto dell’IA, che propone sinonimi, correzioni ortografiche e citazioni dalle fonti.

Risultato atteso: Lo studente riesce a leggere in autonomia; rielaborare e sintetizzare i contenuti complessi, superando le difficoltà linguistiche grazie al supporto semantico, visivo e uditivo.

Supporto per studenti con ADHD: un esempio con SchoolAI

Contesto. Lo Studente presenta Disturbo dell’Attenzione (ADHD, Attention Deficit Hyperactivity Disorder) e difficoltà a seguire attività complesse per tempi prolungati.

Obiettivo didattico. Favorire la comprensione del concetto di “Intelligenza Artificiale Responsabile” e sviluppare una produzione scritta guidata, con tempi adeguati e immediato ritorno (feedback).

Attività proposta

• Il/la Docente crea un modulo lezione con SchoolAI utilizzando la funzione Lesson Plan Generator, adattata allo Studente, o uno Spazio creato ad hoc. Lo Studente riceve materiali semplificati: video + mappa concettuale + mini-glossario
• SchoolAI propone domande intermedie con risposte a scelta, per mantenere alta l’attenzione. In caso di errori, fornisce spiegazioni in tempo reale
• Lo Studente viene guidato nella scrittura di un breve paragrafo (100 parole) con supporto passo-passo: idee chiave, frasi guida, controllo finale
• Il/la Docente monitora in tempo reale i progressi grazie alla dashboard e può intervenire con suggerimenti o correzioni personalizzate.

Risultato atteso– Lo studente riesce a completare un compito strutturato, con un flusso di lavoro flessibile, guidato e motivante, senza sentirsi sopraffatto.

Confronto tra piattaforme di AI per la didattica

Le tabelle che seguono offrono una sintesi comparativa dei punti di forza di ciascuna piattaforma, per fornire un orientamento rapido a Docenti e Progettisti didattici.

In ultima analisi, l’opzione più adatta dipende dalla natura dell’attività formativa. NotebookLM risulta particolarmente efficace per attività di analisi individuale e approfondimento critico dei contenuti e personalizzazione. SchoolAI si presta meglio alla gestione dell’intero ciclo didattico, grazie alle funzionalità di pianificazione delle lezioni, personalizzazione e valutazione dei percorsi di apprendimento

I vantaggi di NotebookLM

I vantaggi di SchoolAI

Verso metodi educativi nuovi

Dalla nostra discussione concludiamo che si possono individuare elementi di metodologie educative nuove, non difficili da integrare nelle modalità tradizionali.

Il dialogo persona-macchina in linguaggio naturale ha di molto avvicinato Docenti, Studenti e contenuti didattici. E se le molteplici forme di dialogo sono da sempre la struttura portante delle attività educative, allora possiamo affermare che con l’Intelligenza Artificiale si sono guadagnati spazi ampi anche in ambito pedagogico.

Al di sopra delle nuove, straordinarie capacità di comunicazione portate dall’IA si sono sviluppati strumenti specializzati: raccolta di fonti bibliografiche; integrazione e sintesi delle stesse fonti con un lavoro di semplificazione e astrazione al contempo; costruzione di schemi e mappe mentali a sostegno di fasi di attività cognitive; la possibilità di accompagnare (coaching) il lavoro di apprendimento di uno Studente e seguirne lo svolgersi; la possibilità di modulare i contenuti adattandoli al singolo, in uno sforzo che personalizza la Didattica pur rispettando i limiti di riservatezza. Importanti innovazioni accompagnano Studenti con BES lungo il loro cammino verso una sempre più completa inclusione nell’ecosistema educativo.

Dalla nostra analisi delle piattaforme NotebookLM e SchoolAI abbiamo verificato che esse hanno le potenzialità per rispondere a bisogni molteplici nel panorama dell’IA per l’educazione. NotebookLM appare efficace per lo studio autonomo e l’analisi documentale anche approfondita da parte di insegnanti e studenti. SchoolAI può adattarsi meglio alle esigenze di Insegnanti di Scuole Superiori, perché offre anche supporti per la gestione di una classe. Inoltre, le due piattaforme rappresentano approcci complementari all’integrazione dell’IA nella Scuola: la prima favorisce la riflessione, la profondità individuale, la scrittura ragionata; la seconda il dialogo diretto con gli Studenti e la classe, con pianificazione e personalizzazione dei contenuti. Insieme, contribuiranno a costruire un futuro in cui l’IA, usata in modo responsabile, potrà davvero essere alleata della scuola per un confronto generazionale profondo.