PariPasso con Rizzoli Education. Si è concluso il primo percorso sulla didattica aumentata
Non un’IA che fa i compiti al posto degli studenti, ma un alleato didattico capace di guidarli, sostenerli e aiutarli a capire gli errori. Si è concluso ieri il primo ciclo di appuntamenti del percorso sulla didattica aumentata, all’interno del programma PariPasso di Rizzoli Education.
Il terzo webinar, intitolato Progettare con l’IA. Strategie e strumenti per un apprendimento personalizzato, ha accompagnato i docenti dentro un laboratorio concreto di sperimentazione, mostrando come l’intelligenza artificiale possa diventare un supporto alla personalizzazione dell’apprendimento, senza mai sostituire il ruolo dell’insegnante né il lavoro attivo dello studente.
Con Gaetano Manzulli e Daniela Pieraccini, l’incontro ha tenuto insieme due dimensioni complementari: da una parte la progettazione di tutor disciplinari costruiti sui materiali del docente, dall’altra la comprensione critica dei meccanismi che guidano i sistemi di IA e dei bias che possono comprometterne i risultati.
L’IA come ponte per l’inclusione
In apertura, Gaetano Manzulli ha richiamato un presupposto decisivo: l’inclusione non riguarda solo alcune categorie di studenti, ma l’intero gruppo classe. L’intelligenza artificiale, ha spiegato, può sostenere una didattica realmente personalizzata perché consente di modulare attività, spiegazioni e feedback in base ai ritmi di apprendimento, ai bisogni specifici e anche alla valorizzazione dei talenti. Non solo DSA o BES, dunque, ma una più ampia attenzione alle differenze che attraversano ogni classe. Il cuore della proposta è stata la tecnologia RAG, che consente al docente di caricare materiali selezionati (Pdf, appunti, dispense) e di vincolare il chatbot a rispondere a partire da quelle fonti. Un passaggio tutt’altro che secondario: in questo modo l’IA non si limita a generare risposte probabili, ma lavora su una base di conoscenza definita e verificata dall’insegnante.
Dal prompt al tutor didattico
La parte più pratica del webinar ha mostrato passo dopo passo la costruzione di uno spazio didattico in School AI. Dalla definizione del prompt fino alla condivisione con gli studenti, Manzulli ha illustrato come creare un tutor capace di guidare lo studio, suggerire piccoli passaggi, aiutare a individuare un errore o a strutturare un elaborato. La logica, però, è rimasta chiara per tutto il tempo: non delegare la fatica cognitiva alla macchina, ma usare l’IA per sostenere l’autonomia. Quando, nella dimostrazione, allo strumento viene chiesto di scrivere una relazione al posto dello studente, la risposta è coerente con il set di istruzioni dato dal docente: niente compiti svolti, ma aiuto nell’organizzazione del lavoro, nella comprensione e nella revisione.
Quando l’IA sbaglia: il problema dei bias
Nella seconda parte, Daniela Pieraccini ha accompagnato i partecipanti dentro il “dietro le quinte” dell’intelligenza artificiale, spiegando in modo accessibile il funzionamento del machine learning. Attraverso esperimenti realizzati con Teachable Machine, ha mostrato che un sistema non apprende regole astratte, ma pattern ricorrenti nei dati che riceve. Ed è proprio qui che nasce il problema. Se i dati sono pochi, poco vari o riflettono stereotipi sociali, anche l’output sarà distorto. L’esempio più efficace è arrivato dal riconoscimento di immagini: il sistema classificava Alan Turing come scienziato, ma Marie Curie come infermiera. Non per un semplice errore casuale, ma per un set di addestramento incapace di rappresentare in modo adeguato la pluralità del mondo scientifico.
Quando un algoritmo fatica a riconoscere una scienziata come tale, il problema non riguarda solo la macchina: ci parla degli stereotipi che continuano a influenzare dati, linguaggi e rappresentazioni sociali. Per questo il webinar si collega anche a Coding Girls & Women, il programma con cui la Fondazione Mondo Digitale lavora per rendere i percorsi Stem più accessibili, equi e inclusivi.
Un secondo caso ha mostrato come, talvolta, il pregiudizio non riguardi direttamente il genere ma alcuni elementi ricorrenti nelle immagini, come il caschetto associato alla figura dell’ingegnere. Una dimostrazione preziosa per i docenti, perché rende visibile quanto i sistemi di IA siano influenzati dalle scelte fatte a monte.
Il primo ciclo di webinar "Didattica aumentata. Dalla parola al dato, dal dato alla conoscenza"
- Dalla pagina al dato. Esplorare i testi con l’intelligenza artificiale
con Francesca Sabatini e Felicia Bitetti - Il metodo Inquiry. Progettare un percorso di ricerca con l’IA
con Annamaria Bove - Progettare con l’IA. Strategie e strumenti per un apprendimento personalizzato
con Gaetano Manzulli e Daniela Pieraccini
