scenari didattici

Soluzioni di IA per l’istruzione: sfide, opportunità e problemi etici

L’introduzione di nuovi metodi e dinamiche educative basate sui sistemi di intelligenza artificiale è destinato a mettere in discussione lo stesso tema dell’apprendimento, alimentando il dibattito sulla relazione tra uomo e IA. Scenari applicativi, vantaggi e aspetti nevralgici su cui riflettere

01 Set 2022
Carlo Adornetto

membro di AIxIA e Studente di Dottorato di Ricerca, Dipartimento di Matematica e Informatica, Università della Calabria

Artificial-Intelligence-Article-201802091559

Entrata ormai prepotentemente nella nostra vita quotidiana attraverso strumenti di uso sempre più comune come Alexa o Siri (e non solo) è facile prevedere come l’intelligenza artificiale (IA) diventerà parte integrante anche della sfera educativa, attraverso una transizione alimentata da un approccio multidisciplinare e da attente riflessioni. Riflessioni che non si limiteranno ad aspetti meramente tecnologici, ma si concentreranno sulla risoluzione di problemi etici, pedagogici, sociali, culturali ed economici.

L’intelligenza artificiale al servizio dell’istruzione: educare tutti e meglio

A preconizzarlo è uno dei massimi esperti nel mondo dell’educazione, nonché storico contemporaneo, Anthony Seldon: nel suo “The Fourth Education Revolution: Will Artificial Intelligence Liberate or Infantilize Humanity”, afferma come quella dell’IA sia paragonabile alle grandi rivoluzioni del settore educativo, quali la nascita delle prime forme di trasferimento orale della conoscenza, l’adozione della scrittura, la diffusione della stampa e l’avvio della scolarizzazione di massa.

L’AI per l’istruzione: scenari applicativi

I modelli educativi attuali, seppur consolidati, presentano diverse criticità, come la scarsa disponibilità di risorse didattiche e la mancanza di personale docente. Tali modelli definiscono quindi un sistema educativo che fatica a scalare e che evolve trascurando la qualità dell’offerta formativa, per favorire la sostenibilità dei servizi. Una sorta di “catena di montaggio” dell’istruzione, che non tiene conto delle individualità, bensì vincola ogni studente agli stessi tempi e a modalità identiche di apprendimento.

WHITEPAPER
8 benefici dell’hybrid work che faranno bene al tuo business
Risorse Umane/Organizzazione
Smart working

Lo scenario descritto mette in evidenza la necessità di sviluppare innovativi processi mirati alla personalizzazione dell’apprendimento, per fornire, inoltre, un maggior livello di inclusività per studenti con necessità speciali e garantire accesso universale ad avanzati strumenti educativi. L’innovazione in questo ambito deve quindi volgere lo sguardo ad un sistema educativo più efficace, dal punto di vista dell’insegnamento come dell’apprendimento, e ad un settore amministrativo più efficiente, che valorizzi il più possibile le informazioni a disposizione per affrontare delicate questioni istituzionali e non solo.

Proprio l’IA offre oggi l’opportunità di realizzare sistemi intelligenti per l’educazione, che incontrino le necessità descritte e che soddisfino i requisiti di una scuola all’avanguardia. L’IA può agire ad ampio raggio nel mondo dell’istruzione, coinvolgendo tutte le fasi e tutti gli attori del percorso educativo, e trovando spazio in molteplici campi d’applicazione. Nello specifico, i nuovi strumenti di IA per l’istruzione possono essere classificati sulla base dell’utente finale che viene supportato e che interagisce con le entità artificiali.

Sistemi di IA per lo studente

Strumenti di supporto all’apprendimento tramite sistemi adattivi e personalizzati. Applicazioni di questa categoria comprendono per esempio i sistemi di tutoraggio intelligenti, i quali possono suggerire o prendere decisioni sul percorso formativo dello studente, fornendo inoltre supporto e assistenza personalizzata. Con l’ormai consueta erogazione di corsi a distanza e su larga scala, ove quindi il tutoraggio personalizzato è irrealizzabile, questi sistemi intelligenti promettono di porre nuovamente lo studente al centro dell’attenzione.

Altre possibili applicazioni riguardano l’apprendimento collaborativo a supporto dell’idea di apprendimento come processo sociale. Tale processo può avvalersi del contributo dell’IA per la formazione adattiva di gruppi di studenti e per la facilitazione delle interazioni al loro interno.

Vi sono inoltre i sistemi di realtà virtuale intelligente, attraverso i quali gli studenti diventano protagonisti di un ambiente interattivo per lezioni frontali e laboratori, popolato da agenti virtuali quali insegnanti, tutor e studenti stessi.

Per l’insegnante

Strumenti di supporto all’insegnante per ridurre il carico di lavoro. Con tale obiettivo, applicazioni di IA possono automatizzare attività amministrative, di valutazione, rilevamento del plagio ed estrazione di informazioni sui progressi di apprendimento degli studenti, permettendo l’intervento tempestivo dell’insegnante quando necessario.

Per il sistema

Applicazioni per l’estrazione e l’analisi di informazioni utili ad amministratori e manager a livello istituzionale per facilitare i loro processi decisionali. Sebbene complessi, problemi di natura istituzionale possono essere affrontati con l’IA, tenendo in considerazione il comportamento degli studenti, l’andamento dei corsi e al contempo l’efficacia dei programmi proposti.

Sistemi per la profilazione dello studente: i vantaggi

Più in generale, tecniche di IA possono essere utilizzate per realizzare sistemi per la profilazione dello studente, che offrano, a educatori e settori amministrativi, la possibilità di intervenire prontamente laddove necessario. Tali sistemi possono contribuire nel contesto della didattica come in quello istituzionale, suggerendo strategie per affrontare anche i più complessi problemi socio-economici. Per esempio, nei paesi che prediligono l’istruzione privata, sistemi di IA potrebbero suggerire agevolazioni economiche mirate per studenti in difficoltà, così da ridurre il numero di abbandoni.

La profilazione e il monitoraggio continuo sul percorso dello studente favoriscono la raccolta di grandi volumi di dati, utili all’addestramento di algoritmi di IA. Questi ultimi saranno capaci di fornire non solo informazioni puntuali sul profitto, ma in ottica proattiva, anche predizioni sull’andamento futuro dello studente stesso. È importante evidenziare come l’obiettivo di questi algoritmi non sia il controllo sugli studenti, bensì la facilitazione e il miglioramento del percorso educativo, il quale grazie all’IA potrà implementare paradigmi didattici innovativi. Un’attività cruciale della didattica come quella della valutazione, per esempio, segue oggi criteri e metodi tradizionali dispendiosi in termini di tempo e risorse. Il risultato è che la verifica sull’apprendimento degli studenti avviene in modo sporadico, con il solo obiettivo di giudicare le conoscenze acquisite, trascurando la qualità del processo educativo. A dispetto di ciò e attraverso il monitoraggio continuo, l’IA pone le basi per la transizione alla valutazione formativa, paradigma didattico che predilige la valutazione “per” l’apprendimento, particolarmente focalizzato all’analisi dei metodi e dei processi con i quali lo studente apprende.

Applicazioni sul mercato

Diverse sono, ad oggi, le aziende e le startup che hanno investito risorse ed energie nello sviluppo di applicazioni di IA per l’istruzione.

MATHia di Carnegie Learning

Tra queste, Carnegie Learning, azienda statunitense che si occupa della realizzazione di soluzioni per l’apprendimento personalizzato, propone un insieme di piattaforme digitali di supporto ai percorsi di apprendimento per tutti i livelli di istruzione. Tali piattaforme, tra cui la più famosa MATHia per la matematica, utilizzano strumenti di IA per rilevare le lacune di conoscenza, scegliere i test più opportuni e produrre suggerimenti mirati e personali per ogni studente.

Presentation Translator di Micrrosoft

In prima linea sul tema troviamo anche Microsoft con il suo Presentation Translator, plugin sviluppato per la traduzione di presentazioni in tempo reale. Quest’ultimo, sfruttando tecniche di IA per il processamento di linguaggio naturale, offre all’oratore la possibilità di esprimersi in lingua madre e al pubblico la possibilità di ottenere la traduzione simultanea in una delle 60 lingue disponibili, sotto forma di audio o sottotitoli. Questa applicazione ha l’obiettivo di abbattere le barriere di accesso ai contenuti per studenti con disabilità uditiva, riducendo al contempo il divario creato dalle conoscenze linguistiche, il quale spesso vincola l’apprendimento.

Riid e Liulishuo

Ancora una volta sfruttando tecniche per il riconoscimento e l’interpretazione del linguaggio naturale, Riid e Liulishuo (attualmente disponibile solo in Cina), startup di fama mondiale i cui servizi contano diversi milioni di utenti, sviluppano percorsi personalizzati all’apprendimento della lingua inglese. Tali servizi possono contare su algoritmi di IA capaci di cogliere con impressionante sensibilità i difetti di pronuncia e le imprecisioni del parlato.

Le sfide

Benché sia facile riscontrare un interesse crescente sul tema, sia da parte del settore scientifico che da quello industriale, sistemi di IA nel contesto dell’istruzione trovano, ad oggi, poco spazio nei processi educativi attuali. Tra le principali cause della scarsa adozione di questi sistemi nella pratica didattica, ve ne sono sicuramente alcune che vale la pena esaminare: le divergenze di interesse tra settore educativo e ricerca scientifica, la complessità dei problemi che i produttori di applicazioni devono affrontare e le relative questioni di natura etica da tenere in considerazione durante sviluppo di queste tecnologie.

La ricerca

Come spesso accade nel più generale campo della ricerca sulle tecnologie educative, i quesiti più interessanti per i ricercatori non sono direttamente correlati alle esigenze degli insegnanti. Sebbene ormai si abbia contezza di quanto tali tecnologie possano contribuire al miglioramento dei processi educativi, in molti casi si riscontra la mancanza di evidenze scientifiche che quantifichino i loro effetti. In particolare, vi sono pochi studi che si occupano della valutazione degli strumenti più efficaci e dei miglioramenti effettivi che essi apportano. Basti pensare alla recente emergenza sanitaria dovuta al Covid-19, durante la quale la tecnologia ha dato uno straordinario contributo al mondo dell’istruzione, permettendo la continuità delle attività educative. Tuttavia risultano essere pochi gli studi scientifici che si occupano di analizzare l’impatto che l’utilizzo capillare degli strumenti digitali ha avuto sull’apprendimento. Sarà quindi essenziale, nei prossimi anni, uno sforzo della comunità scientifica sul tema, con l’obiettivo di facilitare e rendere più efficace l’introduzione, ad ampio raggio, di tecnologie basate su IA nel mondo dell’istruzione. I risultati scientifici non potranno prescindere da un approccio multidisciplinare che va ben oltre le conoscenze nei singoli ambiti dell’IA e dell’educazione, e che prenderà in considerazione i contributi di esperti di comunicazione, psicologi, umanisti e designer per la più profonda comprensione di un settore così complesso come quello educativo.

I problemi etici

Proprio la complessità dei processi educativi e le interazioni che avvengono nel loro contesto tra i vari agenti coinvolti danno vita a delicate questioni etiche legate all’utilizzo e alla progettazione di soluzioni di IA per l’istruzione.

La logica implementata da diversi modelli di IA —in particolare quelli di deep learning— risulta spesso incomprensibile all’uomo, il quale non è in grado di interpretare i processi decisionali che stanno alla base delle decisioni prese dall’entità artificiale. La natura black-box di questi modelli è in contrasto con uno dei requisiti etici fondali nel contesto dell’istruzione, ovvero la trasparenza. Nel caso specifico di sistemi automatici per la valutazione e la verifica di idoneità per l’accesso a corsi di studio o a corsi di alta formazione, allo studente deve essere garantita la possibilità di capire le ragioni per le quali è stato ammesso o rifiutato. Per quanto dirompente, l’Explainable Artificial Intelligence (XAI), insieme di metodi per l’interpretazione dei meccanismi decisionali dell’IA, non ha ancora raggiunto un livello di maturità tale da soddisfare pienamente i requisiti di trasparenza richiesti.

Un ulteriore aspetto etico al quale prestare particolare attenzione riguarda l’affidabilità delle decisioni. I modelli di IA vengono tipicamente addestrati su dataset limitati e sono quindi capaci di apprendere nei limiti delle informazioni che i dataset stessi contengono. Nello specifico, un’IA addestrata su una determinata collezione di dati, contenente, per esempio, informazioni su soli studenti europei, potrebbe risultare inaccurata se utilizzata per studenti provenienti da altre parti del mondo. La scelta dei dati per lo sviluppo di IA per l’istruzione è quindi cruciale, oltre ad essere specifica per il gruppo di interesse, deve rispettare le politiche di privacy e sicurezza previste dal contesto legislativo di applicazione. È inoltre importante sottolineare quanto, su scala globale, il contesto dell’educazione sia per sua natura molto vario, basti pensare alle sole differenze socio-economiche tra i vari paesi. Risulta quindi estremamente difficile definire modelli generali accurati per contesti educativi differenti. Una strategia più efficace potrebbe prevedere lo sviluppo di soluzioni con dimensione locale, su misura per le singole realtà, ove studenti e insegnanti diventano parte del processo di addestramento dell’IA più che utenti di un sistema preconfezionato.

Tuttavia, sebbene l’obiettivo sia quello di sviluppare sistemi di IA sempre più precisi e affidabili, va sempre presa in considerazione l’eventualità di errore. In uno scenario simile, nel quale gli algoritmi effettuano scelte critiche, sono necessarie quindi attente riflessioni in materia di responsabilità. Nel contesto dei processi educativi, l’errore commesso da un’IA può influenzare in maniera significativa diversi aspetti del percorso di studio di uno studente. Occorre quindi definire formalmente il processo di attribuzione delle responsabilità, che, in caso di inaccuratezza, possa identificare le entità responsabili dell’errore tra tutti gli agenti coinvolti (l’algoritmo, il gestore del sistema, l’insegnante, il settore amministrativo, ecc.).

Per la realizzazione di un innovativo sistema educativo, è essenziale che queste riflessioni accompagnino il processo di realizzazione di soluzioni di IA per l’istruzione in tutte le sue fasi: dalla progettazione, allo sviluppo sino al rilascio e all’analisi del suo impatto.

Conclusioni

Abbiamo fin qui descritto, in estrema sintesi, una nuova visione di mondo dell’istruzione, che sfrutta il potenziale dell’IA su vari fronti del sistema educativo. Malgrado le grandi aspettative, l’adozione di questa tecnologia è, ad oggi, limitata a pochi esempi reali attraverso applicazioni che agiscono in contesti circoscritti.

Le nuove frontiere dell’istruzione volgono tuttavia lo sguardo all’integrazione di entità di IA nei processi educativi, non solo come strumento di supporto alle attività, ma come veri e propri agenti in grado di apprendere dalle interazioni con studenti, docenti e diversi attori del sistema educativo. L’introduzione di nuovi metodi e nuove dinamiche educative metterà quindi in discussione lo stesso tema dell’apprendimento, nella sua forma più tradizionale, alimentando, inoltre, il dibattito e lo studio nel campo della relazione tra uomo e IA.

Bibliografia

BAKER, T., SMITH, L., & ANISSA, N. (2019). Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges. https://www.nesta.org.uk/report/education-rebooted/

LUCKIN, R., HOLMES, W., GRIFFITHS, M., & FORCIER, L. B. (2016). Intelligence unleashed: An

argument for AI in education. Pearson.

JONASSEN, D., DAVIDSON, M., COLLINS, M., CAMPBELL, J., & HAAG, B. B. (1995). Constructivism

and computer‐mediated communication in distance education. American journal of distance education, 9(2), 7–26.

PEREZ, S., MASSEY-ALLARD, J., BUTLER, D., IVES, J., BONN, D., YEE, N., & ROLL, I. (2017).

Identifying productive inquiry in virtual labs using sequence mining. In International Conference on Artificial Intelligence in Education (pp. 287–298). Springer, Cham.

https://opentalk.iit.it/lintelligenza-artificiale-e-il-futuro-delleducazione/

https://iulresearch.iuline.it/index.php/IUL-RES/article/view/43

WHITEPAPER
Coinvolgi i tuoi dipendenti con una formazione che guardi alle loro esigenze, ecco come!
Risorse Umane/Organizzazione
Competenze Digitali
@RIPRODUZIONE RISERVATA

Speciale PNRR

Tutti
Incentivi
PA
Sostemibilità
Analisi
Formazione
Salute digitale
Sicurezza
Sostenibilità
Digital Economy
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
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

Articolo 1 di 4