Progettare esperienze di apprendimento con l’AI

Prima che inizi una lezione, un laboratorio o un’attività educativa, c’è sempre un momento che non si vede. È quello in cui si scelgono materiali, si costruiscono domande, si immaginano attività e si prova ad anticipare cosa potrà funzionare con quel gruppo e cosa, invece, avrà bisogno di essere ripensato. È qui che oggi può entrare anche l’intelligenza artificiale.

Nel precedente articolo ci siamo chiesti come cambia l’apprendimento quando una risposta è disponibile in pochi secondi.

Qui cambiamo prospettiva: non guardiamo a chi apprende, ma a chi progetta.

L’AI può aiutare a preparare materiali, formulare domande, adattare un’attività a bisogni diversi o esplorare possibili modi di affrontare uno stesso contenuto. La questione, però, non è trovare lo strumento migliore. È capire in quale momento del lavoro può essere utile e per quale obiettivo.

La progettazione viene prima dello strumento

Una buona attività non nasce da una richiesta generica a un chatbot. Parte dalle scelte di chi conosce il gruppo con cui lavorerà.

Se chiediamo all’AI di generare una traccia senza darle un contesto, possiamo ottenere un materiale corretto sulla carta ma poco adatto alle persone che abbiamo davanti. Il punto non è quindi farle inventare l’attività al nostro posto, ma usarla dopo aver chiarito che cosa vogliamo far accadere.

Immaginiamo un laboratorio sulla Rivoluzione francese. L’obiettivo non è soltanto ricordare date ed eventi, ma riuscire a collegare cause, interpretazioni e conseguenze. Nella stessa classe, però, possono esserci studenti che costruiscono questi collegamenti con facilità, altri che conoscono i contenuti ma li hanno memorizzati senza metterli in relazione, altri ancora che hanno bisogno di passaggi più guidati per orientarsi tra concetti e informazioni. È qui che la progettazione diventa decisiva.

Prima di usare l’AI, l’insegnante può chiedersi: che cosa è già stato affrontato? Dove sono emerse le difficoltà? Quali collegamenti voglio far costruire? Chi ha bisogno di una domanda più guidata e chi, invece, può essere spinto verso un’interpretazione più complessa?

A quel punto l’AI può aiutare a lavorare sullo stesso contenuto in modi diversi: costruire una sequenza di domande progressive, preparare un glossario per chi ha bisogno di consolidare il lessico, proporre fonti da mettere a confronto o formulare una domanda più aperta per chi è pronto ad andare oltre. Non significa preparare una lezione diversa per ogni studente. Significa avere più possibilità per intervenire sullo stesso obiettivo, senza ridurre tutto a un’unica attività uguale per tutti.

Lo stesso principio vale in un percorso di orientamento, in un laboratorio STEAM o in un’attività di educazione civica. Fornire all’AI informazioni sul gruppo, sugli obiettivi e sul livello di complessità desiderato non serve soltanto a ottenere una risposta più pertinente. Costringe prima di tutto chi progetta a chiarire che cosa sta cercando.

Dichiarare l’uso, non nasconderlo

Prima di chiedere a studenti e studentesse di raccontare come hanno utilizzato l’AI, può farlo chi progetta l’attività. Se un materiale, una traccia o una prima bozza sono stati costruiti con il supporto di uno strumento generativo, renderlo esplicito può diventare parte del metodo di lavoro. Prima di portare quel materiale al gruppo, può bastare chiedersi: per quale fase è stata utilizzata l’AI? Quali informazioni le sono state fornite? Come è stato verificato il risultato? Che cosa è stato modificato prima di utilizzarlo?

Lo stesso criterio può essere condiviso con chi apprende, concordando quali utilizzi sono coerenti con gli obiettivi del percorso e quali, invece, rischiano di sostituire proprio il lavoro che si vuole allenare.

Usare l’AI per discutere, non per confermare

Una risposta generata può essere corretta, incompleta, imprecisa o semplicemente troppo generica. Anche questi limiti possono diventare materiale di lavoro.

Progettare un’attività con l’AI significa allora prevedere anche il momento del dubbio: non fermarsi alla risposta, ma analizzarla, verificarne i passaggi e capire dove il ragionamento regge e dove invece si interrompe.

Durante un laboratorio di storia, per esempio, si può usare uno strumento generativo per simulare un dialogo con Galileo Galilei. A un certo punto emerge un’affermazione e qualcuno chiede: «Ma Galileo questa cosa l’ha detta davvero?»

Da lì parte una ricerca tra libri, archivi digitali e fonti attendibili. La risposta dell’AI non è diventata la conclusione dell’attività: ha fatto nascere una domanda da verificare.

In matematica può accadere qualcosa di simile. L’AI può proporre una soluzione che sembra convincente, ma il compito non è accettarla: è ricostruirne i passaggi e metterli alla prova. Perché viene applicata proprio quella formula? Il passaggio successivo è giustificato? Esiste un’altra strada per arrivare allo stesso risultato?

La risposta generata diventa così un oggetto da discutere. Anche quando il risultato è corretto, il confronto permette di spostare l’attenzione dal risultato al ragionamento che lo sostiene.

Lo stesso metodo può essere usato nelle scienze, confrontando una sintesi generata con dati e fonti, o nella scrittura, mettendo a confronto una prima bozza con la sua revisione.

Cambiano le discipline, ma il principio resta lo stesso: guardare i diversi passaggi del processo, capire che cosa manca e intervenire lì, invece di limitarsi a valutare soltanto il risultato finale.

Il tempo che si libera

C’è poi un effetto meno visibile.

Preparare materiali, adattare una consegna o costruire una prima traccia richiede tempo.

Se alcuni di questi passaggi diventano più rapidi, quel tempo può essere spostato dove serve di più: osservare il gruppo, seguire chi è rimasto indietro, costruire una sfida ulteriore per chi può andare avanti, ripensare un’attività che non ha funzionato o ascoltare una domanda che, nella fretta, sarebbe passata inosservata.

Anche l’errore merita spazio.

Se un software corregge automaticamente una bozza, rischiamo di vedere soltanto il risultato corretto e di perdere il punto in cui è nato il ragionamento sbagliato. Fermarsi lì e ricostruire quel passaggio resta una parte importante dell’apprendimento.

Ogni esperienza educativa inizia molto prima del momento in cui prende forma. È lì che si decide quale percorso costruire e quale tipo di ragionamento provare ad attivare.

Chi apprende può trovare una risposta pronta in pochi secondi. Chi progetta continua a doversi chiedere quale domanda valga la pena porre, a chi e in quale momento.

L’intelligenza artificiale può rendere alcuni passaggi più rapidi e ampliare le possibilità a disposizione. Capire quali scegliere e come usarle con quel gruppo resta, però, un lavoro di progettazione.