Lorenzo Redaelli
Una sola classe, seguita per quattro anni, scrive all’esame senza l’Intelligenza Artificiale che aveva sempre usato. I temi reggono. Ma che tipo di prova è l’osservazione di un docente, e chi ha titolo a produrla?
Questo giugno (2026) ho corretto la prima prova d’esame dei miei studenti di una quarta, un quadriennale ITE AFM. È la prima classe che ho accompagnato dall’inizio alla fine del percorso lasciando usare l’Intelligenza Artificiale in modo legittimo e costante, non di nascosto a casa, ma in aula, per scrivere, rivedere, cercare alternative, correggere lo stile. In prima avevano costruito insieme un racconto, facendosi restituire dalla macchina ripetizioni e debolezze senza che riscrivesse al posto loro; negli anni successivi ognuno ha scritto il proprio testo. La domanda che mi sono portato dietro per quattro anni era semplice e un po’ inquietante: cosa succede quando a studenti abituati a quel supporto lo togli? Ovviamente non era la prima volta che lo facevo, ma l’esame resta un banco di prova importante, anche per la presenza di commissari esterni a valutare i temi insieme a me e all’esame, senza la macchina, i temi hanno tenuto. Erano ordinati, ricchi di richiami letterari e filosofici, con riflessioni critiche personali sulle tracce. Non sto dicendo che sia merito dell’Intelligenza Artificiale se hanno imparato a scrivere, sarebbe troppo ed immotivato tecno-entusiasmo e la scuola resta un sistema complesso in cui l’apprendimento dipende da molte variabili, alcune fuori dal mio controllo. Dico però che quello che alcune ricerche e in generale i docenti si aspettino che crolli con l’uso dell’IA, non è crollato, anzi.
Devo subito una precisazione, e la devo a me stesso prima che al lettore. In un precedente intervento su questo blog ho dato conto di una revisione sistematica della Stanford SCALE Initiative, secondo cui l’Intelligenza Artificiale migliora le prestazioni degli studenti finché è accesa, ma quei miglioramenti si indeboliscono o svaniscono quando lo strumento viene rimosso. La mia tesi, allora, non era che la tecnologia atrofizzi il pensiero, ma che la variabile decisiva fosse un’altra, il disegno didattico, e che senza una visione pedagogica qualunque strumento potente finisce per diventare una protesi. Ora mi trovo davanti a un caso che quella tesi sembra confermare dall’interno: una classe in cui, spento lo strumento, qualcosa è rimasto. La tentazione sarebbe cantare vittoria. L’onestà intellettuale impone invece di chiedersi che cosa, esattamente, questo caso dimostri. Perché la mia classe non è un esperimento.
Conviene allora prendere sul serio le prove migliori che la ricerca offre, senza addomesticarle. Lo studio del MIT di Kosmyna e colleghi (2025), molto citato in questi mesi, ha misurato con l’elettroencefalografo l’attività cerebrale di chi scrive un testo: chi delega a ChatGPT mostra la connettività neurale più bassa e fatica persino a ricordare ciò che ha appena prodotto. È un dato serio, ma va letto per quello che è, un preprint non ancora sottoposto a revisione, condotto su adulti, in laboratorio, su poche sessioni, e gli stessi autori avvertono di non generalizzare e invocano studi longitudinali che ancora mancano. Più decisivo, per noi, è l’esperimento di Bastani e colleghi pubblicato nel 2025 sui Proceedings of the National Academy of Sciences, il cui titolo è quasi una tesi: l’Intelligenza Artificiale senza guardrail può danneggiare l’apprendimento. È uno studio controllato e randomizzato su quasi mille studenti di scuola superiore, in matematica, con tre gruppi, ChatGPT nella sua forma ordinaria, un tutor progettato con vincoli che guida invece di rispondere, e un gruppo di controllo. Con la macchina accesa migliorano tutti. Ma quando si spegne tutto e si fa la prova da soli, il gruppo che aveva usato ChatGPT come stampella va peggio del controllo, mentre il gruppo col tutor progettato bene è indistinguibile da chi non aveva avuto alcun aiuto. La differenza, e questo è il punto, non è tecnologica ma di disegno. Lo stesso strumento, configurato come esonero o come sostegno calibrato, produce esiti opposti.
Ecco il punto in cui devo essere spietato con me stesso. La mia classe non è l’esperimento di Bastani. Non ho un gruppo di controllo, non ho randomizzato nulla, e sarei il primo a elencare le variabili confondenti, la motivazione, il contesto di provenienza, l’attitudine, e sì, anche il professore. Non spaccerò quattro anni di osservazione per un esperimento. E tuttavia non si tratta di niente di significativo. Donald Schön, nel suo The Reflective Practitioner (1983), ha contestato quella che chiamava technical rationality, l’idea che sia conoscenza legittima solo ciò che viene prodotto in condizioni controllate e poi calato dall’alto sulla pratica, e ha rivendicato il sapere situato del professionista che riflette mentre agisce. Nella stessa direzione, la tradizione dei design-based research, inaugurata da Ann Brown (1992), riconosce lo studio di un intervento dentro una classe reale, ripetuto e affinato nel tempo, come un paradigma di ricerca a sé, non come un esperimento mal riuscito. Quello che ho in mano è una prova di tipo diverso, con una sua validità e con limiti precisi, e non è in concorrenza con quella di laboratorio: la completa. Gli studi controllati isolano l’effetto dello strumento, ma durano poche settimane e si fermano sulla soglia dell’aula vera. La mia osservazione non isola nulla, però segue gli stessi studenti per quattro anni, nelle condizioni reali in cui si impara. Gli autori del MIT, del resto, riconoscono che proprio gli effetti di lungo periodo restano da studiare, ed è esattamente ciò che un docente, e forse soltanto un docente, può osservare. Messe insieme, le due prospettive dicono più di quanto ciascuna dica da sola.
Quando leggo quei temi, del resto, non assegno semplicemente un numero, e non li ho letti da solo, perché all’esame li hanno valutati anche i commissari esterni, restituendomi un giudizio che non nasceva dal mio stesso ottimismo. Conta anche come ho impostato la valutazione in questi quattro anni: ho tolto i voti in itinere, che sono il vero incentivo a barare, e ho lavorato con riscontri trasparenti e formativi. Disinnescato il voto come posta in gioco quotidiana, è venuta meno la ragione per usare la macchina come scorciatoia, e l’Intelligenza Artificiale ha potuto funzionare per quello che doveva essere, uno specchio cognitivo: restituire allo studente il suo stesso testo perché ne vedesse gli errori e ne ripensasse il processo, senza scrivere al posto suo. Le era infatti vietato riscrivere, e allo studente restava il compito di accettare o respingere ogni suggerimento.
A chi scrive dell’Intelligenza Artificiale a scuola annunciandone i danni senza averla mai messa alla prova in un’aula, viene da chiedere semplicemente se l’abbia provata. Non è culto ingenuo del metodo sperimentale: è la rivendicazione che il docente non è soltanto un consumatore della ricerca altrui, ma il produttore di una prova complementare, l’unica capace di osservare lo stesso gruppo lungo il tempo.
Resta una tensione che non voglio sciogliere, perché è la più onesta. Non so dire se ho dimostrato che i miei studenti non hanno bisogno dello scaffold, o se ho soltanto verificato che ne hanno interiorizzato il fondamento, quello che un domani autorizzerà un uso adulto e progettuale della macchina. Le due cose, in fondo, potrebbero coincidere. Confesso, per inciso, che all’esame i miei studenti hanno avuto una difficoltà imprevista, alcuni non sapevano piegare in quattro un foglio protocollo per scrivere in colonna. In quattro anni di digitale abbiamo imparato a redigere e formattare un documento elettronico e a usare la macchina come tutor di scrittura, e quella umile abilità l’abbiamo trascurata, mea culpa. Sospetto però che, tra il piegare il foglio e l’usare il digitale con cognizione di causa, la seconda competenza gli sarà leggermente più utile. La domanda vera, allora, non è per loro ma per chi governa, insegna o legifera: con quale prova, e di chi, decidiamo il posto dell’Intelligenza Artificiale a scuola? Se ascoltiamo solo il laboratorio e la revisione sistematica, e mai il docente che ha osservato gli stessi ragazzi per quattro anni, finiremo per regolamentare un fenomeno la cui variabile più importante, il disegno didattico, continuiamo a misurare con lo strumento sbagliato.
Riferimenti bibliografici
Bastani, Hamsa, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı, e Rei Mariman. 2025. “Generative AI Without Guardrails Can Harm Learning: Evidence from High School Mathematics.” Proceedings of the National Academy of Sciences 122(26): e2422633122. https://doi.org/10.1073/pnas.2422633122
Brown, Ann L. 1992. “Design Experiments: Theoretical and Methodological Challenges in Creating Complex Interventions in Classroom Settings.” Journal of the Learning Sciences 2(2): 141–178. https://scispace.com/pdf/design-experiments-theoretical-and-methodological-challenges-1aoqdo4gxg.pdf
Corsini, Cristiano. 2023. La valutazione che educa. Liberare insegnamento e apprendimento dalla tirannia del voto. Milano: FrancoAngeli.
Kosmyna, Nataliya, et al. 2025. “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task.” Preprint arXiv:2506.08872. https://arxiv.org/abs/2506.08872
Redaelli, Lorenzo. 2025. La classe potenzIAta. Mondadori Education. https://www.mondadorieducation.it/catalogo/la-classe-potenziata-0077955/
Redaelli, Lorenzo. 2026. “Il pensiero critico non si delega: cosa ci dicono (davvero) i dati sull’IA in classe.” SEPAI International. https://www.sepai-international.org/il-pensiero-critico-non-si-delega-cosa-ci-dicono-davvero-i-dati-sullia-in-classe/
Schön, Donald A. 1983. The Reflective Practitioner: How Professionals Think in Action. New York: Basic Books.
