assistenti cognitivi

Chat GPT a scuola, ecco come potrebbe cambiare la didattica

Una prima mappa “euristica” del possibile uso didattico dei Large Language Model ci indica che il campo che più potrebbe giovarne è quello della “personalizzazione”. Risulta poi chiaro che lato insegnante questo influirebbe anche sulla qualità della relazione educativa. Ma si tratta di fenomeni ancora tutti da sperimentare

Pubblicato il 21 Apr 2023

Paolo Ferri

Professore Ordinario di Tecnologie della formazione, Università degli Studi Milano-Bicocca

scuola libri digitale

Nel campo dell’apprendimento e dell’educazione è ancora molto presto per valutare in maniera ponderata quali potenzialità e quali implicazioni siano correlate all’avvento dei “modelli conversazionali” di intelligenza artificiale, tipo ChatGPT.

L’affermarsi di questi “assistenti cognitivi”, mette sicuramente maestri, insegnati e docenti, e più in generale le istituzioni educative di fronte a nuove opportunità ma anche a nuove sfide. Proviamo ad analizzarle a partire da uno studio realizzato di IIkka Tuomi, (2018) che ha redatto per la Commissione Europea un report dal significativo tiolo The Impact of Artificial Intelligence on Learning, Teaching, and Education. 

Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo

Che cosa sono gli “assistenti cognitivi” per l’apprendimento

Più in dettaglio il gruppo di lavoro del Joint Research Center UE ha analizzato, a titolo di esempio, l’impatto potenziale dell’intelligenza artificiale sui compiti che normalmente svolge un insegnante di una scuola secondaria di prima grado[1]. Come risulta chiaro dalla tabella qui sotto l’effetto dell’applicazione di strumenti come gli “agenti conversazionali” sono molto rilevanti e riguardano quasi tutti gli ambiti della professione docente, in particolare ne segnaliamo alcuni che in seguito approfondiremo:

Immagine che contiene tavolo Descrizione generata automaticamente
  1. la possibilità di adattare le metodologie e i materiali didattici alle differenti esigenze ed interessi degli studenti;
  2. la gestione amministrative delle carriere degli studenti e la loro analisi;
  3. le metodologie di valutazione dei progressi scolastici degli studenti;
  4. l’allestimento delle aule e del materiale per le attività di classe;
  5. lo svolgimento delle lezioni, delle spiegazioni e delle discussioni in una o più materie, in particolare in inglese, matematica o nelle discipline sociali;
  6. la possibilità di assistere gli studenti che necessitano di un aiuto supplementare, ad esempio attraverso il tutoraggio, la preparazione e l’implementazione di programmi di recupero;
  7. le modalità di assegnare i compiti e di correggerli;
  8. l’applicazione delle politiche e delle norme dell’amministrazione che regolano vita dei discenti;
  9. la comunicazione con i genitori sui progressi degli studenti.

Ora proviamo ad ipotizzare più in concreto a quali trasformazioni andrebbe incontro una scuola italiana, che nell’ambito dell’applicazione del Piano Scuola 4.0 nel 2023, volesse sperimentare gli “agenti conversazionali” come Chat GPT-4 o le applicazioni per la produttività individuale e collettiva, come Office 365, potenziate dall’intelligenza artificiale che Microsoft ha annunciato presentando 365Copilot e il suo prossimo rilascio. Proviamo, perciò, a svolgere questo esercizio analizzando più nel dettaglio alcuni item “al alto impatto” che sono stati enumerati dal report del Joint Research Center del Unione Europea.

Adattare i metodi di insegnamento e i materiali didattici per soddisfare i diversi bisogni e interessi degli alunni (item a. Tuomi, 2018)

È sorprendente la capacità degli “agenti conversazionali”, come Chat GPT, di generare esercizi delle più svariate tipologie e sui temi disciplinari più disparati. Attraverso prompt opportunamente congegnati, l’intelligenza artificiale permette di ottenere gli esercizi e la loro risoluzioni in tempi molto rapidi. In questo modo l’insegnante può personalizzare (Dabbagh, Kitsantas, 2012). l’apprendimento in maniera semplice ed efficacie e può generare set di esercizi per il recupero (punto f del report JRC) oppure per gli studenti che voglio approfondire un determinato argomento.

Paiono realizzarsi così le previsioni di David Clark nel suo Artificial intelligence for learning: How to build intelligent systems that learn with you (2021). Se si inseriscono prompt adeguati, e cioè si descrivere in modo chiaro e preciso il compito che l’intelligenza artificiale conversazionale deve svolgere, si potranno ottenere esercizi personalizzati in tempi rapidissimi. Facciamo alcuni esempi:

  • “genera a partire dai concetti di spazio e di tempo che Kant delinea nella Critica della ragion pura quattro domande di verifica delle conoscenze”;
  • “genera tre esercizi sui polinomi per la scuola superiore di primo grado”;
  • “formula quattro domande sulla storia della Roma Repubblicana adatte a studenti del. biennio della scuola superiore”;
  • “genera tre esercizi a completamento sul past continuos per la classe terza della scuola superiore di primo grado”;
  • “compila un programma in Basic che permetta l’accensione successiva di tre lampadine e formula quattro domande che permettano di esercitarsi sul programma”
  • “compila un programma in C ++ che permetta di disegnare una parabola e proponi tre esercizi che permettano di esercitarsi su questo programma”;

Si potrebbe continuare a lungo costruendo “prompt” specifici per le differenti discipline che compongono i programmi di ogni ordine di scuola presente in Italia. Basta inserire i “prompt” esemplificativi che abbiamo appena elencato nella finestra di Dialogo di ChatGPT 3 o 4, per rendersi conto di quanto si possa migliorare la personalizzazione dei materiali e delle attività di apprendimento per adeguarle agli interessi, alle inclinazioni e alle difficoltà dei singoli studenti.

Tutto questo ovviamente al netto di una adeguata formazione degli insegnanti sulle competenze digitali per l’educazione e sull’utilizzo dei sistemi di intelligenze artificiale di supporto all’apprendimento.

Progettare, somministrare e valutare i test e le esercitazioni per valutare i progressi degli studenti 

Quello della progettazione, somministrazione e valutazione di test ed esercitazioni (item c. Tuomi, 2018) è uno degli ambiti in cui l’intelligenza artificiale è più facilmente spendibile, già da subito, nell’ambito della pratica didattica. Abbiamo visto più sopra alcuni esempi di esercizi per la personalizzazione dell’apprendimento. Allo stesso modo gli “agenti conversazionali” possono generare esercizi e test di verifica con estrema facilità. Non occorre, infatti, una piena digitalizzazione dell’ambiente di apprendimento della scuola, ma basta un notebook per utilizzare le AI, ad oggi disponibili gratuitamente, per generare con molta facilità test delle più svariate tipologie: a scelta multipla, a domanda aperta, di completamento, di ordinamento, vero o falso ecc.

Si possono, ovviamente, ottenere dal sistema anche le soluzioni dei test, che permettono una correzione molto più rapida ed efficacie delle verifiche proposte ad allievi e studenti. Si potranno in questo modo preparare più velocemente le verifiche ma, e questo è un aspetto più interessante, si potrà proporle agli studenti più facilmente e frequentemente, anche alla fine di ogni attività in classe. Un maggior numero di valutazioni di processo, permetterà di mantenere più allineate le competenze degli allievi e degli studenti di una classe e in prospettiva di diminuire gli “abbandoni”.

E’ evidente anche, ad là del lavoro dei singoli insegnati e ad un livello più di sistema – ci riferiamo a livello di plesso o di scuola – come in presenza di un LMS o di VLE che raccolga buona parte delle interazioni e delle attività e i compiti assegnati ad un allievo durante la sua carriera scolastica, l’intelligenza artificiale, debitamente programmata, potrà analizzare i data set degli alunni (in altre parole i Learning Analytics, Ferri, 2019) anche in funzione pro-attiva e cioè aiutare gli insegnanti a comprendere meglio sulla base dei dati (approccio data driven) le necessità e i bisogni dei singoli studenti, permettendo al corpo docente di modulare meglio la progettazione didattica.

Infine, l’intelligenza artificiale potrebbe automatizzare e velocizzando gli adempimenti necessari per gli scrutini finali oltre all’archiviazione annuale delle carriere degli studenti (item. b., Tuomi, 2018).

Preparare materiali da utilizzare in classe 

Gli “agenti conversazionali” basati sull’intelligenza artificiale, oltre alla semplice ricerca on-line, nella quale non sono all’altezza o non si differenziano molto da Google, possono fornire idee su come strutturare la progettazione didattica di unità di apprendimento o di singole attività (item d., Tuomi, 2018), sulla base ad esempio di metodologie consolidate quali il Conversational framework (Laurillard, 2012) o la “tassonomia di Bloom” (Anderson, Krathwohl, Bloom, 2001.

Allo stesso modo possono fornire spunti creativi agli insegnanti per la progettazione di una didattica più laboratoriale, come vuole il PNRR, e di attività cooperative come Webquest, Fieldtrip e giochi didattici da condurre in classe. Esempi di prompt potrebbero essere in questo caso; “crea una Webquest, individuando i siti da cui partire, sul movimento dei Macchiaioli” oppure “genera un gioco didattico attraverso il quale gli allievi suddivisi per gruppi possano apprendere il ciclo dell’acqua”. Se si inseriscono nella finestra di dialogo di Chat GPT questi prompt l’intelligenza artificiale fornisce istruzioni dettagliate, siti da consultare e modalità di svolgimento e valutazione dell’attività.

Inoltre, gli “agenti conversazionali” possono essere utilizzati per coinvolgere gli studenti e supportare l’insegnante ad esempio nella gestione di una lezione partecipata o di un debate (prompt: “Crea lo schema di un debate da condurre in classe sul tema della procreazione assistita”) in questo caso, come nei precedenti, l’intelligenza artificiale sulla base del prompt fornito serve ad avviare la discussione sviluppando una serie di argomenti “a favore” e “un serie di argomenti contrari” ed offre spunti per gestire la discussione. L’IA nella migliore delle ipotesi potrebbe, perciò, configurarsi come assistente – “omnisciente” ma non pensate . per fornire un supporto alla creatività del docente.

Permettere un tutoraggio specifico mediante materiali, discussioni e dimostrazioni in una o più materie 

Anche quello del tutoraggio specifico mediante materiali, discussioni e dimostrazioni in una o più materie (item 7, Tuomi, 2018) è un campo di applicazione molti interessante anche se non è possibile ancora parlare di “tutor disciplinari specifici”, se non pionieristici. L’insegnante può predisporre utilizzando ad esempio le potenzialità di Microsoft Graph e dell’annunciato Microsoft Copilot un base dati di testi e attività ed esercitazioni (nelle lingue, in matematica e fisica, o nella programmazione, ma anche nelle discipline umanistici) che potrebbero essere rese disponili agli studenti tramite l’account della scuola e della classe e sui quali gli studenti possano esercitarsi ed avere in tempo reale o differito, a seconda delle scelte dell’insegnante, una correzione “autorevole”, basata cioè sul data sets proposti dall’insegnante o dalla scuola, e non semplicemente sui dati presenti o ricavati dal Web dall’intelligenza artificiale.

“Modelli conversazionali” di questo tipo erano stati già realizzati prima del comparire degli attuali ChatBot basati sulla tecnologia dei Large Language Model. Possiamo citare ad esempio, Deep-speare, un modello di machine learning addestrato su 2700 sonetti del bardo che genera componimenti poetici che molti lettori non sanno distinguere dalle composizioni del poeta (Lau, 2018). Oppure ancora la “base dati conversazionale” dedicata a La poetessa Saffo realizzata da Alessandro Iannella (Iannella, Labruna, Santercole., Viti, 2021 pp. 120-151; Trentin, 2021). L’analisi del funzionamento di questi Chat Bot, che avevano un Data Set molto più limitato degli attuali, può essere utile per progettare quelli futuri. Nel caso delle lingue straniere, poi, alcune imprese private già rendono disponibili tool on-line di tutoring basati sull’ intelligenza artificiale per fare pratica di conversazione, integrando anche tool di correzione automatica.

Definire obiettivi di apprendimento chiari per tutte le lezioni, le unità e i progetti e comunicare questi obiettivi agli studenti (item h, Tuomi, 2018).

I “modelli conversazionali” ad oggi disponibili permettono sulla base della descrizione dei contenuti di un Corso universitario o del programma Ministeriale di una materia di definire gli outcome dei Risultati di Apprendimento Attesi (RAA) sulla base di modelli consolidati di definizioni di questi out come quali ad esempi i “descrittori di Dublino”[2] o ad esempi di modelli progettazione didattica quali, la giù citata, tassonomia di Bloom (Anderson, Krathwohl, Bloom, 2001), agevolando in questo modo il lavoro di progettazione e programmazione degli insegnanti e dei maestri e una più concreta ed efficiente stesura del PTOF.

Conclusioni

In questo contributo abbiamo provato tracciare una prima mappa “euristica” del possibile uso didattico dei Large Language Model, in realtà solo dei primi che abbiamo a disposizione cioè Chat GPT 3 e 4. Si tratta ovviamente di un contributo parziale e sicuramente incompleto che proponiamo all’ampio dibattito in atto su questo tema. Siamo consapevoli che l’hype e il clamore che si è generato sui media rispetto a questo tipo di tecnologie, insieme all’oggettiva mancanza di sperimentazioni validate sul campo – a scuola e nei contesti formativi – impedisce la giusta distanza critica ed una valutazione obiettiva dell’efficacia di questi strumenti. Il nostro intento è quello avviare una ricerca che abbia come obiettivo quello di comprendere se e come di “agenti conversazionali” di nuova generazione possano migliorare le strategie di apprendimento/insegnamento nelle nostre scuole e università. Ad una prima analisi possiamo ipotizzare due possibili conclusioni provvisorie:

a. i campi più promettenti paiono quelli della personalizzazione, della valutazione, della didattica adattiva, del tutoraggio e del feedback personalizzato e in prospettiva quello della progettazione didattica evidence based.

b. In secondo luogo ma è forse il tema più importante, risulta chiaro che le attività che si prestano maggiormente ad essere “assistite” se non “automatizzate” dall’intelligenza artificiale sono quelle più ripetitive e procedurali, se questo fosse vero, si potrebbe liberare una porzione, tutta da quantificare, del lavoro degli insegnanti che potrebbe in questo modo essere dedicata alla relazione educativa, alla motivazione e al supporto agli studenti, oltre che alla progettazione didattica e questo potrebbe davvero migliorare i sistemi di istruzione contemporanei.

Per il futuro si tratta di sviluppare come voleva Galileo “sensate esperienze e certe dimostrazioni” che per mettano di comprendere meglio i fenomeni e le ipotesi di lavoro che abbiamo presentato in questo contributo.

Bibliografia

Anderson, L. W., Krathwohl, D. R., & Bloom, B. S. (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. London, Longman.

Castells, M., (2001), The Internet Galaxy. Reflections on the Internet, Business, and Society, New York, Oxford University Press, 2001., trad. it., Galassia Internet, Feltrinelli, 2002.

Clark, D. (2020). Artificial intelligence for learning: How to build intelligent systems that learn with you. London: Kogan Page Publishers.

Dabbagh N., Kitsantas A. (2012). “Personal learning environments, social media, and self-regulated learning: A natural formula for connecting formal and informal learning”. The Internet and Higher Education, 15(1), 3-8.

Goodman, N., (1965) Ways of Worldmaking, Indianapolis, Hackett Pub. Co., trad. it. Vedere

e costruire il mondo, Laterza, Roma-Bari, 1988.

Eu, (2021a), Coordinated Plan on Artificial Intelligence 2021 Review, disponibile al sito https://digital-strategy.ec.europa.eu/en/library/coordinated-plan-artificial-intelligence-2021-review

EU (2021b), EU Artificial Intelligence ACT, disponibile al sito https://artificialintelligenceact.eu/the-act/

Ferri, P. (2019). “MOOC, didattica universitaria digitale e Learning analytics. Opportunità e prospettive”. Giornale italiano della ricerca educativa, Numero Speciale settembre 2019, 13-26.

Iannella A., Labruna T., Santercole T., Viti, B., (2021), “Reclaiming Conversation: introducing a novel approach to using conversational AI at school”, pp. 120-151, in Trentin G., (2021), eds, Conversational Agents as Online Learning Tutors, New York, Nova Science Pub Inc

Laurillard, D., Teaching as a Design Science. Building Pedagogical Patterns

for Learning and Technology, New York-London, Routledge; tr. it. Insegnamento

come scienza della progettazione. Costruire modelli pedagogici per

apprendere con le tecnologie, Milano, Franco Angeli, 2015.

Lau H. Y., Cohn T., Baldwin T., Brooke J., Hammond A., (2018). “Deep-speare: A joint neural model of poetic language, meter and rhyme”. Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pp. 1948–1958, Melbourne, Association for Computational Linguistics.

McLuhan, M., (1964), Understanding Media: the Extensions of Man, London, Sphere Books trad.it. Gli strumenti del comunicare, Milano, Il Saggiatore, 1997.

Trentin G., eds (2021), Conversational Agents as Online Learning Tutors”, Hauppauge NY, Nova Science Pub Inc.

Tuomi, I. (0218), The Impact of Artificial Intelligence on Learning, Teaching, and Education. Policies for the future, (eds) Cabrera, M., Vuorikari, R & Punie, Y., EUR 29442 EN, Luxembourg Publications Office of the European Union.

  1. Occorre ricordare che molti degli studi econometrici più autorevoli utilizzano come punto di partenza la banca dati statunitense O*NET contiene attualmente circa mille definizioni di attività professionali dei task di lavoro che debbono eseguire. Anche l’elenco di attività didattiche presente nella tabella è tratto da questa fonte.
  2. I Descrittori di Dublino sono un sistema di classificazione utilizzato per descrivere le competenze acquisite dagli studenti di terzo livello in Europa. Sono stati sviluppati nel 2004 dall’Università di Dublino, in Irlanda, e sono stati adottati come standard europeo per la descrizione delle competenze degli studenti di terzo livello (università, scuole di alta formazione ecc.).

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Speciale PNRR

Tutti
Incentivi
Salute digitale
Formazione
Analisi
Sostenibilità
PA
Sostemibilità
Sicurezza
Digital Economy
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr

Articoli correlati