Il rapporto OECD sull'IA nell'istruzione rileva che gli studenti che usano l'IA di solito ottengono risultati peggiori

Il rapporto OECD sull'IA nell'istruzione ha evidenziato un difficile conflitto: la maggior parte degli studenti che utilizzavano chatbot per i compiti scolastici ha ottenuto risultati inferiori rispetto a quelli che li evitavano. Il modello è emerso in una valutazione del 2025 che ha coinvolto 760.000 quindicenni in 91 Paesi ed economie.

Questo dato non significa che ogni studente debba chiudere ChatGPT o Gemini. Gli utenti moderati talvolta hanno ottenuto risultati migliori rispetto agli utenti occasionali o intensivi. Gli utenti frequenti hanno inoltre guadagnato un lieve vantaggio quando le scuole insegnavano loro a valutare le informazioni generate dall'IA.

La vera divisione, quindi, non è tra utenti dell'IA e non utenti. È tra delega cognitiva ed esercizio guidato. Un chatbot può produrre una risposta rifinita senza garantire che chi lo usa comprenda la domanda, le prove o il ragionamento che la sostiene.

Questa distinzione spinge scuole, famiglie e sviluppatori di IA a riconsiderare cosa dovrebbe misurare l'adozione nell'istruzione. Compiti svolti più rapidamente e consegne dall'aspetto migliore non equivalgono automaticamente ad apprendimento. La prestazione autonoma resta il test più difficile e più importante.

Cosa ha realmente rilevato il rapporto OECD sull'IA nell'istruzione

Gli studenti che evitavano l'IA per i compiti scolastici in generale superavano gli utenti, ma il risultato descrive un'associazione e non un danno dimostrato.

L'OECD ha pubblicato i suoi risultati PISA 2025 l'8 settembre 2026. PISA, il Programme for International Student Assessment, misura come i quindicenni applichino le conoscenze a problemi non familiari.

La valutazione del 2025 è stata l'edizione più ampia del programma. Ha coinvolto 760.000 studenti in 91 Paesi ed economie partecipanti. Le scienze erano la materia principale, mentre lettura e matematica fornivano misure aggiuntive delle conoscenze fondamentali.

Per la prima volta, PISA ha raccolto informazioni dettagliate sulla frequenza con cui gli studenti utilizzavano chatbot di IA per i compiti scolastici. Le domande coprivano quattro attività comuni.

Gli studenti hanno riferito se usavano chatbot per aiutarli a imparare, fare ricerche su un nuovo argomento, riassumere letture assegnate o redigere elaborati scritti. L'indagine distingueva inoltre tra uso occasionale, moderato, settimanale e quasi quotidiano.

L'IA era già diventata normale per la maggior parte degli studenti. Nei Paesi OECD, solo il 14 per cento ha dichiarato di non usare mai, o quasi mai, chatbot per tutte le attività scolastiche esaminate.

Tuttavia, i non utenti in generale hanno ottenuto punteggi più alti nelle scienze rispetto agli utenti. Anche gli studenti che non usavano l'IA per redigere elaborati superavano quelli che dichiaravano di usarla a tale scopo.

Il modello variava in base all'attività e alla frequenza. Gli studenti che utilizzavano l'IA settimanalmente per aiutarli a imparare hanno ottenuto punteggi corretti nelle scienze simili a quelli dei non utenti. Chi la usava quasi ogni giorno, o solo occasionalmente, tendeva a ottenere punteggi inferiori.

Per la sintesi e la ricerca preliminare, gli utenti moderati hanno ottenuto risultati migliori sia degli utenti limitati sia di quelli intensivi. L'OECD ha definito l'uso moderato per questi compiti come una frequenza compresa tra una volta al mese e due volte alla settimana.

La redazione mostrava una versione più debole di questo vantaggio dell'uso intermedio. Gli studenti che evitavano di usare chatbot per redigere testi conservavano comunque il vantaggio generale più netto.

Questi confronti hanno corretto i punteggi previsti nelle scienze in base allo status socioeconomico degli studenti. Questa correzione conta perché l'adozione dell'IA non era distribuita in modo uniforme.

Gli utenti frequenti tendevano a provenire da contesti più privilegiati. I non utenti avevano maggiori probabilità di affrontare svantaggi socioeconomici, incluso un accesso limitato a dispositivi, connessioni internet affidabili o servizi di IA a pagamento.

Anche considerando il contesto socioeconomico, il comportamento degli utenti e le loro predisposizioni all'apprendimento restavano difficili da separare. Uno studente in difficoltà potrebbe rivolgersi all'IA perché il lavoro è già complesso. Un uso intenso dell'IA potrebbe anche ridurre lo sforzo necessario per sviluppare competenze autonome.

Il rapporto non può determinare quale direzione prevalga. Offre evidenze trasversali, ossia l'indagine ha rilevato utilizzo e rendimento nello stesso periodo di valutazione.

L'OECD non afferma quindi che aprire un chatbot riduca direttamente il punteggio di uno studente. La sua conclusione più solida è più pratica: il solo accesso non predice un apprendimento migliore.

Questa conclusione mette in discussione un'ipotesi comune alla base dell'adozione dell'IA in classe. La disponibilità è facile da contare, mentre la comprensione è molto più difficile da misurare.

Compiti migliori possono nascondere un apprendimento più debole

L'IA generativa può migliorare la qualità del lavoro completato indebolendo però l'esercizio che prepara gli studenti a lavorare in autonomia.

I risultati dell'OECD si inseriscono in un più ampio corpus di ricerca sperimentale. I chatbot per uso generale spesso migliorano il risultato immediato prodotto durante un compito assistito. Questi guadagni possono svanire quando l'assistenza viene rimossa.

Il rapporto sull'istruzione digitale dell'organizzazione descrive questo problema come un divario tra prestazione e apprendimento. La prestazione misura se uno studente ha completato con successo il compito di oggi. L'apprendimento misura se lo studente riesce ad applicare quella conoscenza in seguito.

Uno studente può chiedere a un chatbot di riassumere un capitolo e ricevere una risposta accurata e leggibile. Questo risultato dice poco sul fatto che lo studente abbia riconosciuto l'argomento principale, valutato le prove o ricordato il materiale.

La redazione crea un conflitto ancora più netto. Un chatbot può trasformare una breve richiesta in un saggio strutturato in pochi secondi. La consegna risultante potrebbe mostrare vocabolario e organizzazione che lo studente non riesce a riprodurre autonomamente.

Il prodotto visibile migliora, ma il processo di apprendimento nascosto si riduce. Lo studente dedica meno tempo a richiamare informazioni, risolvere incertezze, scegliere prove e rivedere ragionamenti deboli.

Questi passaggi possono sembrare inefficienti. Sono anche il luogo in cui avviene gran parte dell'apprendimento.

Questo meccanismo aiuta a spiegare l'insolita curva di frequenza nei dati PISA. Un uso moderato può integrare un processo di apprendimento attivo. Un uso intensivo crea più opportunità di sostituire quel processo.

Anche gli utenti occasionali possono ottenere punteggi inferiori per diverse ragioni. Alcuni potrebbero aprire un chatbot solo quando sono confusi o in ritardo. La loro frequenza d'uso riflette quindi una difficoltà già esistente anziché causarla.

L'OECD Digital Education Outlook ha esaminato uno studio controllato di matematica condotto tra studenti delle scuole superiori in Türkiye. Durante le esercitazioni, gli studenti hanno ricevuto un'interfaccia GPT-4 generica oppure una versione appositamente progettata per il tutoraggio.

Il sistema di tutoraggio ha migliorato la prestazione nelle esercitazioni del 127 per cento rispetto agli studenti senza accesso all'IA. Il chatbot generico l'ha migliorata del 48 per cento.

Tuttavia, gli studenti che si sono esercitati con il chatbot generico hanno ottenuto punteggi del 17 per cento inferiori in un esame a libro chiuso rispetto agli studenti che non hanno mai avuto accesso all'IA. Il gruppo seguito dal tutor ha evitato gran parte di questa penalizzazione.

Lo studio controllato di matematica sottostante offre un confronto importante. Entrambi i sistemi utilizzavano la stessa famiglia di modelli di base, ma il loro comportamento incoraggiava azioni diverse da parte degli studenti.

L'interfaccia generica forniva facilmente le risposte. Il tutor includeva misure di protezione pensate per guidare gli studenti attraverso i problemi senza completare immediatamente il lavoro al loro posto.

Questa differenza sposta il dibattito oltre l'accuratezza del modello. Anche una risposta corretta può compromettere l'apprendimento se arriva prima che lo studente elabori e metta alla prova un approccio autonomo.

L'IA educativa richiede quindi un'altra misura della qualità. Gli sviluppatori di solito valutano se un modello risponde correttamente, segue le istruzioni e soddisfa gli utenti. Un sistema di apprendimento deve anche preservare lo sforzo produttivo.

Lo sforzo produttivo non richiede di negare ogni risposta. Significa sollecitare il richiamo, chiedere una spiegazione, individuare un fraintendimento e ritardare l'assistenza finché chi apprende non tenta di risolvere il problema.

Un chatbot convenzionale ottimizza per l'utilità immediata. Un tutor educativo deve talvolta resistere a questo impulso.

Questo crea un scomodo conflitto di prodotto. Gli studenti spesso preferiscono strumenti che riducono il lavoro, mentre le scuole hanno bisogno di strumenti che migliorino la capacità autonoma.

Utilizzo, velocità di completamento e soddisfazione possono premiare la progettazione sbagliata. Un sistema che rende i compiti privi di sforzo potrebbe apparire efficace in una dashboard, pur indebolendo la prestazione negli esami.

I punteggi degli studenti PISA sull'IA rendono visibile questo problema di misurazione su scala globale. Le scuole non possono valutare la tecnologia educativa solo attraverso l'adozione o la qualità dei compiti.

Hanno bisogno di evidenze che le competenze si trasferiscano in situazioni in cui il chatbot è assente, limitato o incapace di fornire una risposta pronta.

L'alfabetizzazione sull'IA cambia il risultato

Gli studenti hanno beneficiato maggiormente quando le scuole combinavano un uso frequente dell'IA con esercizi espliciti per mettere in discussione le informazioni che produceva.

Circa sei studenti su dieci nei Paesi OECD hanno riferito di aver ricevuto compiti in classe che prevedevano la valutazione di informazioni generate dall'IA. Le percentuali nazionali andavano dal 31 per cento a oltre l'80 per cento.

Tra questi studenti, il 46 per cento ha dichiarato di svolgere talvolta tali attività. Circa il 33 per cento lo faceva spesso, mentre il 22 per cento ha riferito di farlo molto spesso.

Gli studenti ricevevano più esercizio nella valutazione delle normali informazioni online. Circa otto su dieci hanno affermato che le lezioni chiedevano loro di valutare la qualità delle informazioni trovate su internet.

Questa distinzione conta perché l'output dell'IA crea sfide specifiche. Un chatbot produce un linguaggio fluente anche quando il suo ragionamento o le sue prove sono incompleti.

Valutarlo richiede comuni capacità di lettura e una certa comprensione di come i sistemi generativi costruiscano le risposte. Gli studenti devono esaminare le affermazioni, risalire alle fonti, riconoscere l'incertezza e confrontare le risposte con materiale affidabile.

PISA ha rilevato una modesta ma significativa inversione tra gli studenti che ricevevano queste opportunità. Gli utenti frequenti che avevano imparato a valutare le informazioni dell'IA superavano di poco i non utenti e gli studenti che usavano l'IA due volte al mese o meno.

Il risultato non dimostra che le lezioni di valutazione abbiano causato il miglioramento. Le scuole che offrono un'istruzione sull'IA più solida potrebbero anche disporre di insegnanti, risorse o sostegno accademico generale migliori.

Tuttavia, indebolisce l'idea che l'uso dell'IA sia uniformemente dannoso. Il contesto educativo e il comportamento dello studente sembrano plasmare il risultato.

Le conclusioni dell'OECD sull'alfabetizzazione sull'IA sottolineano l'interpretazione anziché il consumo passivo. Questo orientamento pone la capacità di lettura al centro di un uso efficace dei chatbot.

Un utile esercizio in classe potrebbe fornire agli studenti una spiegazione generata dall'IA contenente affermazioni accurate, presupposti non supportati e una citazione falsa. Gli studenti dovrebbero quindi annotare e verificare ciascuna affermazione.

Un altro compito potrebbe richiedere agli studenti di scrivere una prima risposta senza IA. In seguito potrebbero chiedere a un chatbot una critica, per poi spiegare quali suggerimenti hanno accettato o rifiutato.

Queste attività mantengono la titolarità dello studente. Il modello diventa un oggetto di analisi o una fonte di feedback, anziché una macchina automatica per le risposte.

Creano anche evidenze che gli insegnanti possono esaminare. Un saggio finale da solo può nascondere quanto ragionamento provenga dallo studente. Bozze, prompt, note sulle fonti e valutazioni scritte rendono visibile il processo.

È qui che le pratiche di conoscenza personale possono sostenere un uso responsabile. Gli studenti che conservano fonti e appunti personali possono confrontare le risposte dell'IA con una traccia di evidenze.

Uno spazio di lavoro per studenti strutturato può aiutare a mantenere collegate letture, appunti e domande. Il valore per l’apprendimento dipende comunque da come lo studente utilizza quel materiale.

La valutazione critica non può ridursi a una lezione una tantum sulla sicurezza dell’AI. Deve essere presente nelle normali attività di scienze, storia, scrittura e ricerca.

Gli studenti devono anche sentirsi autorizzati a mettere in discussione una risposta fluida. I chatbot comunicano con sicurezza e gli utenti più giovani possono scambiare un linguaggio ben rifinito per autorevolezza.

Gli insegnanti possono contrastare questo effetto premiando la verifica e la correzione. Uno studente che individua un’affermazione non supportata di un modello dovrebbe ricevere credito per il ragionamento, non solo per aver raggiunto la risposta attesa.

L’obiettivo non è la diffidenza fine a sé stessa. È una fiducia calibrata, basata su prove, tipo di compito e incertezza.

Questo approccio rispecchia meglio il reale impatto dell’AI sull’apprendimento. Lo stesso modello può abbreviare il pensiero oppure fornire feedback che lo amplia.

Il divario nei punteggi non dimostra che l’AI abbia causato il calo

I dati dell’OCSE individuano un segnale d’allarme, ma non possono separare l’effetto dei chatbot dalle molte forze che influenzano il rendimento degli studenti.

I titoli sui punteggi peggiori degli utenti AI possono facilmente andare oltre le prove disponibili. PISA non ha assegnato casualmente centinaia di migliaia di studenti all’uso o al non uso dei chatbot.

Gli studenti hanno descritto il proprio comportamento. La frequenza auto-riferita può essere imprecisa e gli intervistati possono interpretare in modo diverso l’espressione “aiutarmi a imparare”.

Uno studente potrebbe usare l’AI per generare risposte complete. Un altro potrebbe richiedere domande di esercitazione, feedback o una spiegazione alternativa. Entrambi possono rientrare nella stessa ampia categoria d’uso.

I punteggi in scienze rappresentano inoltre conoscenze accumulate, non solo attività svolte nel 2025. Gli studenti sono arrivati alla valutazione con scuole, insegnanti, sostegno familiare, motivazione e risultati precedenti diversi.

La causalità inversa rimane plausibile. Gli studenti con risultati inferiori potrebbero affidarsi più spesso ai chatbot perché necessitano di ulteriore aiuto. Questo schema produrrebbe punteggi più bassi tra gli utenti senza dimostrare che l’AI abbia creato il divario.

L’OCSE riconosce apertamente questo limite. Afferma che queste relazioni non indicano necessariamente che l’AI influenzi negativamente il rendimento in scienze.

Le tendenze più ampie nei risultati scolastici sono iniziate anche prima dell’adozione diffusa dell’AI generativa. Nei Paesi OCSE, i punteggi di lettura sono diminuiti di 28 punti tra il 2015 e il 2025. I punteggi di matematica sono calati di 22 punti.

L’OCSE equipara questi cambiamenti a circa un anno e mezzo di apprendimento nella lettura e a poco più di un anno nella matematica.

ChatGPT è diventato disponibile al pubblico solo alla fine del 2022. Non può spiegare da solo un calo durato un decennio.

Nell’analisi rientrano anche le interruzioni dovute alla pandemia, la frequenza scolastica, il coinvolgimento delle famiglie, la distrazione digitale, i cambiamenti nei programmi e le condizioni di apprendimento. I risultati PISA non attribuiscono una quota precisa del calo a ciascun fattore.

Il rendimento in scienze è rimasto stabile tra il 2022 e il 2025 nella media OCSE. Questa stabilità complica ulteriormente le affermazioni secondo cui l’adozione dei chatbot abbia prodotto un crollo complessivo immediato.

Allo stesso tempo, l’assenza di una prova causale non dovrebbe cancellare l’allarme. Il modello osservato favorisce ripetutamente il non uso, l’uso moderato o l’uso guidato rispetto a un’assistenza intensiva e non guidata.

Anche gli studi controllati forniscono meccanismi che rendono credibile una penalizzazione dell’apprendimento. Quando gli studenti ricevono le risposte prima di tentare il recupero delle informazioni e il ragionamento, esercitano meno le competenze che vengono poi misurate senza assistenza.

La posizione più solida si colloca quindi tra il panico e la compiacenza. PISA non dimostra che l’AI renda gli studenti meno intelligenti. Mostra che l’adozione ordinaria non ha prodotto un vantaggio accademico generale.

Questa conclusione dovrebbe modificare l’onere della prova. Le scuole non dovrebbero presumere che un chatbot sia educativo solo perché gli studenti lo usano per i compiti scolastici.

Anche gli sviluppatori di AI hanno bisogno di prove che vadano oltre il coinvolgimento. Se un’azienda commercializza un prodotto per l’apprendimento, dovrebbe dimostrare miglioramenti duraturi attraverso valutazioni ritardate e indipendenti.

Questi test dovrebbero confrontare chatbot generici, strumenti di tutoraggio con vincoli, uso guidato dall’insegnante e pratica senza AI. Dovrebbero inoltre verificare se i benefici persistono tra discipline e gruppi di studenti.

L’equità aggiunge un’altra incertezza. Gli studenti svantaggiati avevano meno probabilità di ricevere attività in classe che prevedessero la valutazione di informazioni generate dall’AI.

Avevano inoltre maggiori probabilità di non usare questi strumenti, potenzialmente a causa di un accesso limitato. Ampliare l’accesso senza ampliare la guida potrebbe sostituire una disuguaglianza con un’altra.

Il rischio centrale non è semplicemente che alcuni studenti dispongano di modelli migliori. È che alcuni imparino a interrogare i modelli, mentre altri ricevano soltanto risposte immediate.

Le scuole devono riprogettare i compiti, non limitarsi a sorvegliare i chatbot

I risultati spostano la pressione dalle decisioni sull’accesso generalizzato verso la progettazione di compiti, valutazioni e prodotti AI.

Inizialmente le scuole hanno trattato l’AI generativa soprattutto come un problema di integrità accademica. Questa preoccupazione resta rilevante.

In un’indagine separata dell’OCSE sugli insegnanti, il 72 percento dei docenti della scuola secondaria di primo grado ha dichiarato che l’AI può danneggiare l’integrità consentendo agli studenti di presentare lavori generati come se fossero propri.

Il solo rilevamento offre una risposta debole. I rilevatori di AI stimano se un testo assomigli a una scrittura assistita da macchine, ma non ricostruiscono in modo affidabile come uno studente abbia prodotto un compito.

Uno studente potrebbe usare l’AI per il brainstorming, il feedback grammaticale, una bozza non supportata o una sostituzione completa. Il testo finale raramente rivela con chiarezza queste differenze.

La progettazione delle valutazioni può raccogliere prove più utili. Gli insegnanti possono richiedere scalette, annotazioni delle fonti, bozze intermedie, spiegazioni orali o brevi verifiche supervisionate.

Questi metodi rendono visibile il ragionamento. Rimangono utili anche quando una scuola consente alcune forme di assistenza AI.

Gli esami a libro chiuso offrono una misura delle capacità indipendenti. Non dovrebbero diventare l’unica risposta, perché l’apprendimento comprende anche ricerca, collaborazione, revisione e uso di strumenti.

Un sistema equilibrato può valutare entrambe le modalità. Gli studenti dovrebbero dimostrare conoscenze fondamentali senza AI e un’applicazione responsabile con l’AI.

Il comunicato globale dell’OCSE sostiene un uso intenzionale e moderato della tecnologia. Avverte inoltre dal sostituire attenzione, impegno e comprensione.

Questo principio offre alle scuole uno standard praticabile. Un compito dovrebbe specificare quale lavoro cognitivo spetta allo studente e dove l’AI può contribuire.

Per esempio, un insegnante potrebbe vietare l’AI durante la risoluzione iniziale di un problema, ma consentirla nella fase di revisione. Gli studenti potrebbero quindi confrontare il proprio approccio con la risposta del modello.

Un compito di storia potrebbe consentire l’esplorazione dell’argomento, richiedendo però che ogni affermazione fattuale sia collegata a una fonte approvata. Gli studenti presenterebbero una breve spiegazione di eventuali suggerimenti dell’AI respinti.

Un corso di scrittura potrebbe usare i chatbot come critici anziché come autori. Il modello potrebbe segnalare passaggi poco chiari, ma sarebbe lo studente a decidere come rivederli.

Queste progettazioni rendono l’uso dell’AI più lento che copiare una risposta. Questa frizione è preziosa quando costringe chi apprende a esaminare il proprio pensiero.

Gli sviluppatori affrontano una sfida di progettazione parallela. Le modalità educative richiedono più di un tono amichevole, spiegazioni semplificate o controlli dell’interfaccia specifici per età.

Un tutor credibile dovrebbe diagnosticare le misconcezioni, chiedere agli studenti di impegnarsi su una risposta e adattare gradualmente i suggerimenti. Dovrebbe evitare di completare troppo presto il compito intellettuale centrale.

Anche gli insegnanti hanno bisogno di visibilità sull’interazione. Un sistema utile per la classe potrebbe riassumere i concetti affrontati, i suggerimenti richiesti e gli errori corretti senza esporre dati personali non necessari.

Privacy e sicurezza restano importanti, soprattutto per i minori. Le scuole necessitano di regole chiare sulla conservazione dei dati, l’addestramento dei modelli, l’adeguatezza all’età e l’accesso alle conversazioni degli studenti.

La preparazione degli insegnanti è un altro punto critico. L’OCSE riferisce che il 37 percento dei docenti della scuola secondaria di primo grado ha utilizzato l’AI nel proprio lavoro nel 2024.

Gli insegnanti non possono guidare il comportamento degli studenti soltanto attraverso documenti di policy. Hanno bisogno di esempi specifici per disciplina che mostrino quando l’AI sostiene l’apprendimento e quando elimina una pratica essenziale.

L’approccio corretto varierà a seconda della materia. Un’assistenza simile a quella di una calcolatrice potrebbe essere appropriata dopo che un concetto matematico è stato padroneggiato, ma dannosa durante la sua introduzione.

Gli studenti di lingue possono trarre beneficio dalla pratica conversazionale. Hanno comunque bisogno di occasioni per recuperare il vocabolario e costruire frasi senza completamento automatico.

La domanda, dunque, non è se ogni classe debba adottare o vietare l’AI. È se ogni utilizzo preservi l’azione mentale che la lezione intende sviluppare.

Tre segnali mostreranno se l’AI educativa sta migliorando

La prossima fase dovrebbe essere valutata attraverso l’apprendimento indipendente, l’accesso all’uso guidato e il comportamento dei prodotti, non attraverso la mera adozione dei chatbot.

Il primo segnale è il rendimento senza assistenza. Scuole e ricercatori necessitano di valutazioni ritardate che verifichino se gli studenti mantengono e trasferiscono le competenze dopo aver usato l’AI.

La qualità immediata di un compito non è sufficiente. Un sistema utile dovrebbe migliorare i risultati quando lo strumento non è disponibile e quando la domanda differisce dall’esempio pratico.

Se futuri studi randomizzati mostreranno miglioramenti duraturi nelle varie discipline, l’allarme dell’OCSE si attenuerà. Se compiti a casa ben rifiniti continueranno a precedere esami più deboli, si rafforzerà.

Il secondo segnale è l’accesso a un’istruzione esplicita sulla valutazione dell’AI. PISA ha rilevato che circa sei studenti su dieci hanno ricevuto qualche pratica in classe nella valutazione di informazioni generate dall’AI.

Questa quota dovrebbe crescere, ma la sola partecipazione non basta. I ricercatori dovrebbero misurare qualità, frequenza e integrazione disciplinare di queste lezioni.

Dovrebbero inoltre monitorare il divario socioeconomico. Gli studenti svantaggiati riferiscono attualmente minori opportunità di valutare gli output dell’AI durante le lezioni scolastiche.

Se questo divario si ridurrà mentre gli utenti guidati miglioreranno, l’alfabetizzazione all’AI apparirà come un intervento significativo. Se l’accesso si espanderà senza guadagni indipendenti, le scuole avranno bisogno di cambiamenti didattici più profondi.

Il terzo segnale è se i prodotti educativi resistono alla sostituzione delle risposte. Gli sviluppatori dovrebbero spiegare come le modalità di tutoraggio preservino il ragionamento degli studenti e come misurino l’apprendimento dopo la fine dell’assistenza.

Prove utili includerebbero valutazioni indipendenti, disegni di studio trasparenti e confronti con chatbot ordinari. I dati sul coinvolgimento non possono rispondere alla questione educativa.

Anche il comportamento del prodotto durante l’uso quotidiano conta. Il tutor chiede un tentativo prima di fornire una soluzione? Richiede prove e rende esplicita l’incertezza?

Gli insegnanti possono configurare il tipo di aiuto disponibile per ciascun compito? Gli studenti possono rivedere come è cambiato il loro ragionamento invece di ricevere soltanto una risposta conclusa?

Queste scelte determineranno se l’AI diventerà una scorciatoia, un tutor o una combinazione diseguale di entrambi.

Il rapporto dell’OCSE sull’educazione e l’AI non giustifica la finzione che i chatbot scompariranno dalla scuola. La maggior parte degli studenti intervistati li aveva già usati e l’applicazione delle regole non può invertire questa realtà.

Giustifica però uno standard più elevato. Gli studenti dovrebbero uscire da un compito assistito dall’AI sapendo più di prima, non semplicemente con un testo migliore.

Genitori e studenti possono applicare subito lo stesso test. Dopo aver usato un chatbot, chiudetelo e spiegate l’idea, risolvete un problema correlato o difendete la risposta con delle fonti.

Se la comprensione svanisce insieme alla finestra della chat, lo strumento ha completato il lavoro ma non ha sostenuto l’apprendimento. La domanda successiva è se scuole e sviluppatori progetteranno tenendo conto di questa distinzione.