edutech

IA nella didattica: strumenti e metodologie per studenti e docenti



Indirizzo copiato

Lo sviluppo dell’IA richiede iniziative culturali e normative per un uso responsabile. L’IA favorisce l’integrazione tra scienze umanistiche e scientifiche, migliorando l’educazione. Tuttavia, emergono sfide come protezione dei dati, trasparenza e responsabilità. Proposte formative sono essenziali

Pubblicato il 5 ago 2024

Vito Roberto

Docente Senior, Dipartimento di Informatica, Università di Udine



scuola

Lo sviluppo rapidissimo dell’intelligenza artificiale investe ormai tutti gli aspetti della vita associata, e propone innovazioni che sono oggetto di dibattiti frequenti. Nella pubblica opinione è diffusa la consapevolezza di dover governare tale sviluppo con iniziative culturali e normative: in particolare le scuole, le università, gli enti di formazione, le aziende devono avviare progetti per orientare le nuove generazioni verso la conoscenza dell’IA e il suo uso responsabile.

In tale prospettiva intervengono motivazioni più profonde. Per la sua origine intrinsecamente multidisciplinare l’IA accelera l’integrazione in atto da tempo tra cultura umanistica e scientifica; tra scienze esatte, scienze applicate, scienze umane. Si propone come insieme trasversale di strumenti per l’educazione delle nuove generazioni, le quali già vivono, studiano e lavorano nella società mista di persone e sistemi informatici [4].

Proviamo allora a presentare aspetti dell’Intelligenza Artificiale rilevanti per progettare iniziative di innovazione educativa (edu-tech). .

L’IA per le innovazioni didattiche

Per “Intelligenza Artificiale” s’intende la capacità dei computer di svolgere compiti simili a quelli degli esseri umani [1,3]: apprendere da stimoli esterni; percepire attraverso sensori; ragionare secondo regole logiche; dialogare in una lingua naturale come l’Italiano; attuare movimenti e svolgere azioni complesse in modo autonomo. L’IA trae ispirazione dalle abilità degli esseri umani e ne emula le prestazioni operando su supporti artificiali. Negli ultimi anni le tecnologie dell’IA hanno compiuto grandi progressi secondo tre direzioni: l’Apprendimento Automatico (Machine Learning); l’Intelligenza Artificiale Generativa (Generative AI); l’Elaborazione del Linguaggio Naturale (Natural Language Processing).

L’Apprendimento automatico è basato sulla Matematica, la Statistica e i Sistemi informatici. Risultati recenti sono programmi che sottopongono a un computer grandi quantità di dati digitali: testi, immagini, audio, audio-video. Il computer li elabora; ne ricava caratteristiche (pattern) rilevanti e frequenti; usa queste per affrontare i compiti cui si è accennato. Possiamo sostenere che i computer svolgono compiti intelligenti in quanto preliminarmente possono imparare a farlo.

Come ulteriore avanzamento, un programma IA è in grado di produrre nuovi contenuti nella forma di media digitali (Generative AI) [2]. A loro volta si tratta di risultati di un dialogo tra persona e computer (dialogo uomo-macchina, man-machine dialogue), a cui accenneremo.

Riassumeremo qui di seguito le tecnologie dell’IA che sono di più diretto interesse per l’innovazione educativa.

L’IA e il dialogo uomo-macchina

Che le persone possano comunicare coi computer in una lingua naturale – in forma vocale o scritta – è uno degli obiettivi storici dell’IA. Di recente sono stati ottenuti risultati di grande interesse: la tecnologia dei Large Language Models (LLM) permette di scambiare messaggi tra persona e computer in tempo reale per mezzo dei chatbot (chatter robot), di cui sono disponibili in rete prodotti ormai noti[5,8].

Un/una docente può ricavare suggerimenti per organizzare i contenuti delle lezioni; ottenere bibliografie; tracce di esercizi da proporre agli studenti; impostare confronti fra autori e fra testi. Gli stessi programmi di dialogo effettuano traduzioni automatiche da una lingua a un’altra, ivi comprese il Latino e il Greco classico.

In definitiva, le tecnologie dell’IA forniscono nuovi strumenti di ausilio alla didattica [1,2,6,7] che investono i contenuti dell’insegnamento, e promettono di migliorarne l’efficacia.

L’IA e il filtraggio dei big data

La rete Internet e i suoi servizi – siti web; reti sociali; archivi digitali e basi di dati; sistemi mobili e applicazioni – hanno negli anni accumulato dati disponibili a basso costo, ovunque e in ogni momento. Costituiscono ormai un patrimonio immenso (big data) che è della massima importanza per le attività educative. I big data sono poco accessibili a causa del loro volume, che è in continuo aumento [4]; e della forma che è frammentaria, ambigua, variabile. A chi voglia farne uso pongono il problema di un efficace reperimento (filtraggio) di informazioni. I motori di ricerca tradizionali affrontano il problema tramite i linguaggi d’interrogazione (query languages) basati su parole-chiave (keyword): in risposta producono spesso lunghe sequenze di dati poco fruibili dall’utente. Le tecnologie dell’IA operano in linguaggio naturale e non più tramite parole-chiave; risolvono ambiguità di significato e quindi forniscono risposte mirate.

Combinare il patrimonio di risorse di Internet con le capacità di dialogo dell’IA fornisce strumenti validissimi per la didattica di qualsiasi disciplina, in quanto si compiono sintesi dei dati. Queste a loro volta costituiscono forme preliminari di conoscenza da approfondire, contestualizzare, personalizzare da parte di Docenti e Allievi.

L’IA e la generazione di oggetti mediali

L’IA generativa si è affermata non soltanto nel campo del dialogo uomo-macchina. Sulla base di brevi frasi che fanno da stimolo (prompt) si ottengonotesti completi come un tema; un documento o una lettera; una presentazione con diapositive e testo; un programma software; un brano musicale; si ottengono immagini in risposta a frasi o altre immagini usate come stimolo [9, 10].

Con tutto ciò si possono emulare meccanismi di memoria associativa e funzioni immaginative (mental imagery) tipici della mente umana.

È possibile ottenere elaborati grafici più complessi, quali schemi di progetto (design) o cataloghi di prodotti commerciali, sulla base di semplici profili grafici usati come stimoli.

Sono notevoli le prospettive che si aprono per il supporto alle discipline dell’Educazione artistica: la Storia dell’arte; l’Elaborazione grafica; le molteplici forme di attività creative. Si tratta di strumenti di aiuto alla fantasia, che stimolano nuove sensibilità e aprono il lavoro umano a nuove professioni con prospettive impensate.

Cenni a metodi e ruoli educativi

Oltre le innovazioni tecnologiche, l’IA investe in modo profondo metodi e ruoli.

Metodi

In generale è naturale adottare per le innovazioni dell’IA un approccio sperimentale ed esplorativo.

Il laboratorio informatico è la sede in cui svolgere le attività, senza trascurare i fondamenti di Matematica, Statistica, Informatica su cui si basano le innovazioni. È opportuno che il laboratorio sia concepito come un ecosistema educativo per le nuove generazioni, in cui investire sulla formazione delle risorse umane; l’inclusione di categorie fragili; la sicurezza degli accessi e la protezione dei dati.

Il dialogo tra persone e macchine diviene parte rilevante del metodo educativo, in aggiunta e sostegno alle modalità tradizionali di comunicazione tra persone.

Il dialogo assume una duplice forma: dell’individuo/-a che conversa con il computer – ciò che si è implicitamente assunto nel par.2 – e delle persone che dialogano tra loro per mezzo del computer.

Anche il secondo tipo di dialogo, indiretto, apre prospettive interessanti in quanto rende possibile personalizzare i contenuti per una didattica più attenta alle sensibilità individuali: il rapporto docente-studente può divenire più stretto, e lo studente/-essa stimolata/-o ad essere attivo e autonomo nel soddisfare alle proprie esigenze culturali. Inoltre, il dialogo mediato da computer crea opportunità di lavoro di gruppo, anche tramite le reti sociali con cui i giovani sono familiari: si prospettano ulteriori opportunità di collaborazione anche a distanza, e condivisione di contenuti.

Ancora con riguardo al dialogo uomo-macchina una nuova disciplina, il prompt engineering, ha l’obiettivo di proporre criteri e buone pratiche per dialogare in modo efficace.

Ruoli

Le tecnologie dell’IA danno nuove motivazioni ai ruoli educativi tradizionali di docenti, tecnici e studenti. Aumenta d’importanza il ruolo-guida che l’insegnante è chiamato a svolgere per condurre il lavoro sperimentale ed esplorativo cui si è accennato in precedenza. Un lavoro per il quale si usa il termine anglosassone coaching: accompagnare un percorso di apprendimento, e al contempo motivare, allenare un gruppo a una disciplina sportiva. Il compito più rilevante del coaching è offrire agli studenti occasioni per affrontare assieme l’uso profondo, critico e responsabile delle tecnologie dell’IA.

Si è già accennato ad alcuni strumenti utili ai docenti per il lavoro di preparazione dei materiali didattici e l’approfondimento tramite ricerche in rete. Una/un Docente può servirsi dell’IA anche per il lavoro di valutazione dell’apprendimento (grading) degli studenti, e ottenere ad esempio la correzione automatica di elaborati ed esercizi. In questi casi è giustificata l’idea di non delegare a una macchina un compito così delicato, che solo il/la Docente può svolgere con la propria cultura, esperienza e sensibilità: una macchina al momento ne è ben lontana.

Anche gli studenti possono beneficiare del nuovo interlocutore a sostegno del proprio lavoro. Ad esempio, a un programma di dialogo si sottopone un elaborato – un tema, una ricerca – richiedendo di effettuare una lettura critica del testo: con questa si intende un’analisi automatica dei contenuti, che procede secondo criteri molteplici scelti dall’utente. Ad esempio: identificare e riassumere le idee principali contenute nel testo;identificare eventuali inesattezze; riportare le argomentazioni secondo prospettive diverse, e metterle a confronto; trovare in rete e rivedere altri articoli con punti di vista diversi. Pertanto gli studenti ricevono riscontri motivati (feedback) e possono ragionare sul proprio lavoro. Ne consegue la possibilità di ottenere per via automatica varie forme di autovalutazione. Il monitoraggio del proprio livello di apprendimento aiuta gli studenti ad acquisire diretta coscienza delle proprie capacità logiche ed espressive; è una forma di introspezione che giova alla maturazione culturale e personale.

In definitiva, una classe di scuola nella società mista persone-macchine può divenire un ecosistema in cui il dialogo conversazionale arricchisce di nuovi strumenti la comunicazione tradizionale; in cui Docenti e studenti con l’aiuto delle tecnologie riflettono in modo profondo su ciò che sanno, e scoprono con stupore ciò che vogliono conoscere.

Nuove insidie per la formazione culturale

Dalle aspettative originate dall’IA è nato un dibattito sui pericoli che l’IA riserva per la formazione culturale. Si è riconosciuta la necessità di governare lo sviluppo dell’IA, cioè, monitorarlo e regolamentarlo verso un uso responsabile. L’argomento, di per sé molto ampio [3, 12, 13], esula dagli obiettivi di questo documento, ma alcuni aspetti sono strettamente associati alle innovazioni educative.

  • La protezione dei dati. È prioritario salvaguardare i diritti delle nuove generazioni alla privatezza; la partecipazione; l’inclusione sociale. Tuttavia, attualmente non è chiaro in che modo le applicazioni di edu-tech raccolgono e registrano i dati personali degli utenti; dove sono depositati; chi ne ha accesso; per quali scopi si possono usare o non usare. Specialmente per i dati personali archiviati in rete con tecnologie cloud, sussistono ben fondate preoccupazioni per la loro protezione.
  • La trasparenza (explainability). L’argomento può essere declinato in forme molteplici. Tra le più rilevanti è l’esigenza che un utente sia in grado di approfondire il funzionamento di un programma IA, per quanto complesso. È il tema delle licenze d’uso del software: se cioè l’utente abbia o meno accesso al codice sorgente (licenze open source oppure proprietarie). Evidentemente una licenza di tipo open source risponde meglio a criteri di trasparenza così intesi.
  • L’attendibilità delle risposte. Occorre verificare le risposte che si ricevono dal computer, in quanto possono contenere informazioni sbagliate; non aggiornate; non pertinenti; … Il problema è chiamato allucinazione (hallucination). Ciò accade quando la fase preliminare di apprendimento non va a buon fine, poiché le fonti sono insufficienti; oppure i dati sono influenzati da pregiudizi, come si farà cenno al punto successivo. Il lavoro di verifica delle risposte – da svolgere anche con richieste ripetute intensificando il dialogo – è parte integrante del dialogo stesso inteso come metodo di lavoro (par.3.1).
  • I pregiudizi (bias). Le fonti a cui un sistema IA fa riferimento durante le fasi di apprendimento inevitabilmente riflettono le scelte culturali, ideologiche, religiose che sono più largamente diffuse in rete…… Al momento le fonti dei programmi IA non rispecchiano la varietà delle culture, essendo influenzate dalle culture dell’Occidente del mondo, che beneficiano di una più ampia copertura dei media: si pensi, ad esempio, alla diffusione maggioritaria in rete della lingua Inglese. Pertanto le tecnologie dell’IA possono avere l’effetto di amplificare le diseguaglianze (digital divide) tra persone, specialmente giovani; tra etnie; condizioni socio-economiche; generi; aree geografiche.
  • Gli usi impropri del dialogo. Dalla parte dell’utente sorgono i rischi di un uso non autorizzato delle informazioni ricavate dal dialogo. Ad esempio, uno studente può servirsi di un tema o una traduzione svolta da un computer senza indicarlo in modo esplicito; un utente potrebbe usare elaborati, disegni, immagini… ottenuti da programmi IA senza indicarne la fonte.Bisogna prendere coscienza che non esistono al momento criteri umani o automatici per distinguere in modo affidabile se un documento è originato (authoring) da una persona o da una macchina.
  • Le responsabilità (accountability). Per le ragioni sopra accennate,anche in ambito educativo ogni persona è chiamata a nuove responsabilità. In linea di principio i contenuti generati da un programma IA ricadono sotto la responsabilità della persona/-e che li richiede e li usa. Ma vi sono situazioni in cui un’informazione dal contenuto improprio è prodotta da un programma dotato di particolare autonomia (agente artificiale). In tali casi le responsabilità sono controverse [3], e possono ricadere ad esempio sull’azienda che ha prodotto il software. Per questo motivo molti programmi chatbot riportano all’utente in modo esplicito limitazioni e raccomandazioni d’uso.

Proposte per progetti di formazione

La discussione nei paragrafi precedenti suggerisce iniziative di formazione che siano pianificate lungo l’intero anno scolastico 2024-25. Potranno essere inizialmente rivolte a Docenti, Tecnici, studenti di Scuole medie superiori.

Una possibile impostazione

Senza entrare in dettagli si danno generici suggerimenti per l’organizzazione delle iniziative.

Si propone un’articolazione in brevi moduli da svolgere interamente in laboratorio; si fa distinzione tra quelli rivolti ai Docenti e agli studenti. Moduli del primo tipo si ispirano a seminari universitari monotematici, per contenuti e per metodi di lavoro. I moduli per gli studenti consistono in ore di introduzione ai temi dell’IA anche come orientamento alle scelte degli studi successivi.

Ore da dedicare ad aspetti organizzativi del laboratorio assieme al personale tecnico sono una premessa necessaria. In particolare: per allestimento e verifiche di sicurezza delle postazioni di lavoro; configurazione del software e licenze d’uso; collaudo dei servizi di trasmissione in videoconferenza e relative autorizzazioni.

Moduli rivolti ai docenti

Presentiamo un elenco di moduli a titolo di esempio; hanno una durata consigliata di tre ore.

INS1 – Fondamenti. Intelligenza Artificiale. Machine Learning. Esercitazioni;

INS2 – Fondamenti. Algoritmi di apprendimento automatico. Reti neurali. Esercitazioni;

INS3 – Fondamenti. Linguistica e Dialogo Uomo-macchina;

INS4 – Applicazioni. I Chatbot. Esercitazioni didattiche;

INS5 – Applicazioni. I Chatbot per specifiche discipline. Esercitazioni;

INS6 – Discussioni collegiali su esperienze didattiche; condivisione di espe-rienze e materiali didattici;

INS7- Le traduzioni. Analisi critiche sulla qualità di una traduzione;

INS8- Preparazione di lezioni e materiali didattici col supporto dell’IA. Con-divisione dei materiali;

INS9- Dialogo e ricerca con il computer su argomenti di Storia dell’arte;

INS10- Etica dell’Intelligenza Artificiale: introduzione.

Moduli rivolti agli studenti

I moduli hanno una durata consigliata di due ore.

STU1 – Fondamenti matematici dell’IA. Nozioni di Machine Learning;

STU2 – Fondamenti informatici dell’IA. Reti neurali;

STU3 – Istruzioni e buone pratiche di dialogo uomo-macchina;

STU4 – Ricerche in rete: uso dei chatbot per realizzare sintesi. Casi di studio da discipline diverse;

STU5 – Ricerche bibliografiche coi chatbot;

STU6 – Un tema da svolgere individualmente. Lo stesso tema con un chatbot. Confronti e analisi critiche;

STU7- Traduzioni di brevi testi, individuali e con chatbot. Confronti e analisi critiche;

STU8- Uso di tecnologie IA per elaborazioni grafiche;

STU9- Esperienze individuali con chatbot. Una relazione individuale da parte dei gruppi di studenti, corredata da una breve bibliografia;

STU10- Verifiche di attendibilità; analisi critiche di casi svolti.

Ulteriori argomenti possono essere proposti con modalità analoghe. Corsi strutturati possono essere realizzati combinando i singoli moduli in sequenze in modo flessibile: ciò consentirà a Docenti, Tecnici e studenti di programmare la propria formazione in modo personale e autonomo.

Infine, è auspicabile la creazione di un’infrastruttura in rete di persone interessate alle tecnologie dell’IA in ambito educativo, allo scopo di beneficiare dei servizi: reti sociali, liste di posta elettronica, aree dati comuni, videoconferenze, messaggistica… Anche con tali soluzioni si potrà approfondire la comunicazione delle esperienze e la condivisione dei contenuti: e creare una piccola vera comunità di persone.

Conclusioni

L’uso responsabile e profondo delle tecnologie dell’Intelligenza Artificiale è una delle sfide culturali per le nuove generazioni. In questo documento si è accennato ad alcune innovazioni educative dell’IA dai punti di vista tecnologico e metodologico. I nuovi strumenti dell’Apprendimento automatico, l’IA Generativa e il dialogo uomo-macchina offrono prospettive interessanti ma ancora inespresse. Per sperimentarle è richiesto un investimento nelle risorse umane da parte delle Istituzioni e del mondo produttivo. In particolare, agli Insegnanti è richiesto uno sforzo di appropriazione culturale delle tecnologie dell’IA – secondo le proprie sensibilità ed esperienze – per essere al passo con le innovazioni, e soprattutto per guidare (coaching) le nuove generazioni nelle direzioni di un uso critico e responsabile delle tecnologie stesse: con ciò dando vita a forme nuove di confronto generazionale.

Le tecnologie dell’IA promettono una più rapida convergenza tra ciò che in passato erano le Culture umanistica e scientifica tra loro distinte. Potrà beneficiarne l’insegnamento delle Materie classiche [11], che deve recuperare spazio nella formazione delle nuove generazioni, e contribuire a rispondere alle esigenze culturali della società mista.

In una visione positiva del futuro è lecito augurarsi che l’innovazione educativa dell’IA contribuisca a una nuova cultura generale, che abbia a fondamento i nostri valori umani più profondi.

Bibliografia

[1] UNESCO: “Artificial Intelligence in Education” ; consultato 12/6/2024;

[2] Miao F., Holmes W.: “Guidance for Generative AI in Education and Research”, UNESCO 2023; consultato 12/6/2024;

[3] Floridi L.: “Etica dell’Intelligenza Artificiale”, Cortina ed., Milano, 2022;

[4] Floridi L.: “La Quarta Rivoluzione”, Cortina ed., Milano, 2017;

[5] ChatGPT: https://openai.com ; consultato 12/6/2024;

[6] Scholar GPT: https://chatgpt.com/g/g-kZ0eYXlJe-scholar-gpt ;

consultato 22/6/2024

[7] OpenAI: “Teaching with AI“ ; consultato 12/6/2024;

[8] Google Gemini: https://gemini.google.com/?hl=it; consult. 12/6/2024;

[9] DALL-E: https://openai.com/index/dall-e-2/ ; consultato 19/6/2024;

[10] Midjourney: https://www.midjourney.com/home; consult. 19/6/2024;

[11] Russo L.: “Perché la Cultura Classica”, Mondadori, Milano, 2018;

[12] Harvard Library – Digital Access to Scholarship (DASH): ”Youth and Artificial Intelligence – Were We Stand”, 2019; consultato 15/06/2024;

[13] Joint Master’s Degree: ‘Human-Centered Artificial Intelligence’,

Università di Milano, Milano-Bicocca, Pavia; consultato il 19/6/2024.

EU Stories - La coesione innova l'Italia

Tutti
Social
Iniziative
Video
Analisi
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia

Articoli correlati

Articolo 1 di 3