L’integrazione delle tecnologie digitali nei percorsi educativi è stata a lungo caratterizzata da dinamiche lente e da aspettative spesso disattese dalle istituzioni. La recente affermazione dell’intelligenza artificiale generativa sta tuttavia imponendo un ritmo differente, trasformando radicalmente il rapporto delle nuove generazioni con la conoscenza. In un confronto focalizzato sulle trasformazioni del settore formativo, Leah Belsky, responsabile dell’istruzione presso OpenAI ed ex dirigente di Coursera, ha analizzato con la conduttrice Molly Graham le reali potenzialità e i rischi applicativi di queste tecnologie nei contesti scolastici e universitari. L’indagine offre una panoramica documentata su come l’apprendimento stia evolvendo tra l’esigenza di preservare lo sforzo cognitivo e la nascita di una nuova autonomia progettuale tra gli studenti.
Indice degli argomenti
L’evoluzione dell’apprendimento tra promesse tecnologiche e adozione spontanea
Le barriere storiche dell’EdTech e il modello dei corsi online
Per oltre vent’anni, il settore dell’EdTech ha promesso di rivoluzionare la didattica attraverso piattaforme digitali, corsi aperti su larga scala (MOOC) e strumenti mobili. Come evidenziato nell’analisi condotta da Graham, la convinzione diffusa era che l’accesso digitale potesse abbattere ogni ostacolo culturale ed economico. Tuttavia, il cambiamento strutturale delle università si è rivelato storicamente complesso a causa dei molteplici obiettivi e incentivi delle istituzioni tradizionali.
Belsky, con un’esperienza iniziata nell’attivismo universitario alla Brown University, proseguita nello sviluppo internazionale presso la World Bank e culminata nella dirigenza di Coursera, rileva come le prime piattaforme abbiano avuto il merito di liberalizzare l’accesso ai migliori docenti mondiali. Prima di quella fase, accedere alle lezioni di atenei prestigiosi richiedeva selezioni rigide e rette onerose.
Nonostante la democratizzazione dei contenuti, il modello dell’istruzione online tradizionale ha registrato due limiti evidenti: basse percentuali di completamento dei corsi e il persistere di filtri rigidi nelle assunzioni aziendali, dove il titolo di laurea è rimasto il requisito primario. Il contributo principale di quella stagione è stato l’impatto sulla fiducia personale degli studenti. Commentando i risultati dei sondaggi condotti sugli utenti, Belsky osserva: “Anche se non apprendevano competenze in modo approfondito, si accendeva in loro la convinzione di poter imparare qualsiasi cosa, e questo di per sé era potentissimo”.
Il salto generazionale: un’adozione spinta direttamente dai giovani
L’attuale fase legata all’intelligenza artificiale si distingue per la modalità con cui la tecnologia si diffonde nelle scuole. In passato, l’introduzione di nuovi strumenti avveniva tramite decisioni verticistiche (top-down) intraprese dai responsabili informatici degli istituti. L’adozione dell’intelligenza artificiale generativa è invece un fenomeno guidato dal basso (grassroots), sostenuto dall’iniziativa diretta delle classi e degli studenti.
I dati della diffusione di ChatGPT e la centralità dello studio
L’analisi quantitativa dell’uso di intelligenza artificiale
I dati operativi forniti da OpenAI confermano la rilevanza del settore educativo nell’utilizzo quotidiano degli strumenti generativi. La piattaforma ChatGPT registra circa 950 milioni di utenti attivi settimanali su scala globale. La composizione demografica e funzionale dell’utenza mostra una forte presenza giovanile:
- Il 40% degli utenti ha meno di 24 anni.
- Il 20% dei messaggi complessivi sulla piattaforma è direttamente legato all’istruzione e all’apprendimento.
Tale volume di interazioni colloca la piattaforma tra le principali sedi di studio e ricerca informale al mondo, affiancandosi a servizi consolidati come YouTube e Google Search. Belsky descrive la portata di questa rilevazione con una precisa annotazione: “Ho visto rapidamente che oltre il 20% di tutti i messaggi su ChatGPT riguardava l’apprendimento”.
Personalizzazione e accessibilità: il caso dell’apprendimento vocale
La capacità di adattare i contenuti agli interessi del singolo utente rappresenta una svolta fondamentale per chi affronta difficoltà di studio o disturbi specifici. Belsky illustra questo potenziale attraverso l’esperienza vissuta con la figlia dislessica, la quale ha utilizzato la modalità vocale (Voice Mode) della piattaforma per approfondire la storia del programma spaziale e dei rover marziani attraverso una conversazione adattata alle sue curiosità.
Spiega Belsky rievocando quel passaggio: “Ho realizzato che non dovevo più preoccuparmi della sua capacità di accedere alle informazioni del mondo in un modo personalizzato sui suoi interessi e passioni”.
Attrito cognitivo e tutoraggio: la differenza tra informazione e vero apprendimento
Il paradosso di Bloom e i limiti del tutoraggio algoritmico
La ricerca pedagogica dello psicologo Benjamin Bloom, nota come Bloom’s 2 Sigma Problem, ha stabilito che l’insegnamento individuale uno-a-uno garantisce risultati nettamente superiori rispetto alla didattica d’aula tradizionale. Garantire un tutor umano per ciascun allievo è tuttavia irrealizzabile per i sistemi scolastici di massa.
L’intelligenza artificiale offre un accesso personalizzato alle informazioni, ma la comprensione duratura richiede dinamiche che vanno oltre la semplice risposta rapida. La formazione della memoria e la capacità di rielaborazione richiedono l’esercizio del cosiddetto attrito cognitivo (cognitive friction).
Analizzando i limiti dei modelli attuali, Belsky precisa: “I modelli attuali sanno rispondere come un tutor e in modo personalizzato, ma non abbiamo ancora capito come l’AI possa sbloccare appieno la capacità di migliorare la cognizione, la memoria e la riflessione profonda degli studenti”.
L’analogia della calcolatrice e il rischio della scorciatoia
L’impatto dello strumento dipende dalla fase del percorso educativo in cui viene inserito. L’impiego della calcolatrice mentre si apprende la logica delle divisioni impedisce di comprendere i principi del calcolo; tuttavia, una volta acquisite le basi, lo stesso strumento consente di eseguire operazioni matematiche complesse.
Nel caso delle tecnologie generative, la delega automatica dei compiti elimina lo sforzo indispensabile per lo sviluppo mentale. Belsky sottolinea le conseguenze dell’evitamento della fatica didattica: “Se un ragazzo scatta una foto ai compiti e dice “Ehi ChatGPT, risolvilo per me” e poi ricopia la risposta, a lui potrebbe sembrare di imparare, ma in realtà sta eliminando l’attrito, la fatica e la fatica cognitiva che sono essenziali per l’apprendimento”.
Dalla ricerca di risposte all’agentività: come gli studenti creano soluzioni
Progetti reali guidati dall’autonomia giovanile
L’evoluzione dell’uso della tecnologia sta spostando il focus dall’assistenza nello studio alla promozione dell’agentività (agency), definita come la consapevolezza di poter progettare e realizzare interventi concreti nella realtà.
Un riscontro diretto viene dal percorso del figlio tredicenne di Belsky, che ha impiegato strumenti di programmazione assistita per sviluppare in autonomia un sito di e-commerce per la vendita di accessori anti-stress in 3D. Belsky descrive il valore formativo dell’esperienza: “Quell’esperienza gli ha dato un senso di agentività, la consapevolezza di poter creare e costruire cose nel mondo reale da solo”.
Diversi progetti evidenziano questa tendenza tra gli studenti negli Stati Uniti:
- Analisi farmacologica: uno studente utilizza i modelli linguistici per studiare il riposizionamento di farmaci già commercializzati da impiegare nelle terapie per il disturbo bipolare.
- Tecnologie inclusive: una studentessa ha progettato una versione accessibile del gioco Wordle per compagni non vedenti, avviando successivamente un’impresa specializzata in giochi educativi per disabili.
- Recupero alimentare: all’Università della Pennsylvania, un gruppo di studenti ha strutturato una rete per raccogliere l’eccedenza di cibo dalle mense e distribuirla alle strutture di assistenza.
L’elemento comune a queste esperienze è l’indipendenza dai percorsi burocratici tradizionali. Belsky sintetizza così l’atteggiamento dei giovani creatori: “Quando gli studenti imparano a usare questa tecnologia per risolvere problemi reali, non aspettano il permesso di nessuno, non cercano ingegneri o fondi di Venture Capital: costruiscono e basta”.
Il ruolo insostituibile delle relazioni umane e della scuola
L’efficacia dell’istruzione rimane legata alla presenza fisica della scuola e alla mediazione dei docenti. Gli algoritmi non possiedono le qualità umane necessarie per motivare le classi, stabilire vincoli di responsabilità (accountability) o comprendere lo stato emotivo degli allievi.
In merito alla sinergia tra tecnologia e insegnamento, Belsky dichiara: “Arriveremo a un mondo in cui l’AI farà tutoraggio in modo molto più efficace di oggi, ma non credo che sostituirà mai la presenza di un essere umano che unisce un gruppo di studenti e li motiva ad imparare”.
Un beneficio rilevante per il corpo docente riguarda la gestione dei carichi amministrativi. Gli insegnanti che impiegano strumenti di intelligenza artificiale per la preparazione delle lezioni e la correzione degli elaborati riescono a risparmiare tra le 6 e le 7 ore a settimana, guadagnando tempo da dedicare al supporto diretto degli studenti in aula.
Strategie pedagogiche: la Modalità Studio e i processi cognitivi superiori
Metodo socratico e strumenti dedicati all’istruzione
Per evitare l’erogazione di soluzioni immediate e stimolare il ragionamento, OpenAI ha realizzato la Modalità Studio (Study Mode), sviluppata in collaborazione con docenti ed esperti di scienze dell’apprendimento. Questa funzione adotta un approccio socratico, ponendo domande guida e sollecitando l’allievo a formulare autonomamente i passaggi concettuali.
I livelli della Tassonomia di Bloom per il futuro dell’educazione
Il quadro di riferimento pedagogico richiamato durante la trasmissione rimanda alle valutazioni della Ministra dell’Istruzione dell’Estonia, incentrate sulla distinzione tra diversi livelli di elaborazione mentale:
- Processi cognitivi di ordine inferiore: rievocazione mnemonica e ripetizione di fatti, attività facilmente automatizzabili.
- Processi cognitivi di ordine superiore: analisi critica, sintesi, capacità di giudizio, leadership e attitudine a trasformare un problema teorico in un prototipo operativo.
Nell’organizzazione domestica, Belsky applica regole rigide per salvaguardare lo sforzo concettuale durante la stesura dei testi scolastici, vietando l’uso dei modelli generativi quando si tratta di scrivere. Spiega Belsky a proposito della formazione della scrittura: “La scrittura richiede fatica cognitiva e quello sforzo è dove avviene l’apprendimento”.
La trasformazione in atto richiede quindi alle istituzioni scolastiche di valorizzare le facoltà analitiche e relazionali degli studenti. Come evidenziato nelle considerazioni di Graham, l’assimilazione reale dei concetti rimane legata all’impegno individuale: “Chiunque abbia vissuto un’esperienza di apprendimento profondo conosce la sensazione di incontrare una difficoltà e superarla dall’altra parte”.
Partecipa alla community