Gli insegnanti del Vermont affrontano i compromessi dell’AI in classe

Gli insegnanti del Vermont hanno iniziato il nuovo anno scolastico con un conflitto che ora si diffonde attraverso Google News: gli studenti possono usare l’intelligenza artificiale per imparare più velocemente o per evitare del tutto di imparare. La distinzione sembra semplice. Applicarla a età, materie, compiti e software diversi non lo è.

Un report sull’AI in classe del 1° settembre di WCAX ha raccontato questo disaccordo attraverso gli educatori che lavorano nel Vermont e nelle aree circostanti. Alcuni insegnano agli studenti a esaminare i lavori generati dall’AI alla ricerca di errori e pregiudizi. Altri vorrebbero un uso minimo o nullo in classe, soprattutto prima delle scuole superiori.

Non si tratta del consueto dibattito tra appassionati di tecnologia e insegnanti tradizionalisti. Entrambe le parti riconoscono che gli studenti incontreranno l’AI al di fuori della scuola. Il loro disaccordo riguarda quando l’esposizione diventa istruzione, quando l’assistenza diventa sostituzione e chi debba decidere.

Il Vermont ha già pubblicato linee guida statali, ma evita deliberatamente di risolvere ogni decisione relativa alla classe. Distretti, dirigenti scolastici e insegnanti devono ancora tradurre principi generali in regole pratiche. Questo li lascia a gestire la tensione tra giudizio educativo e coerenza delle politiche.

La questione immediata non è se l’AI abbia un posto nell’istruzione. È se le scuole possano definire usi che preservino il pensiero che un compito è stato progettato per sviluppare.

Il dibattito del Vermont in classe è andato oltre i divieti

Il nuovo sviluppo è il passaggio dal chiedersi se le scuole debbano bloccare l’AI al decidere quali usi sostengano uno specifico obiettivo di apprendimento.

WCAX ha riferito che Claudine Bedell, docente di educazione allo St. Michael’s College, chiede agli studenti di criticare il materiale prodotto da uno strumento AI. Gli studenti incontrano rapidamente errori e possibili pregiudizi, ha affermato. L’esercizio rende la valutazione, anziché la generazione, il fulcro del compito.

Questa distinzione è importante perché l’AI generativa crea testo, immagini, audio o codice a partire da schemi presenti nei dati di addestramento. Può produrre risposte fluide senza dimostrare che tali risposte siano accurate. Un’attività in classe può mettere in luce questo limite quando gli studenti possiedono conoscenze sufficienti della materia per contestare l’output.

L’approccio di Bedell considera l’alfabetizzazione AI come alfabetizzazione critica. Gli studenti devono identificare affermazioni non supportate, prospettive mancanti e un linguaggio che appare convincente senza essere affidabile. Il modello diventa un oggetto di studio anziché un autore invisibile.

Christina Asquith, cofondatrice dell’organizzazione non profit Hack Club con sede a Burlington, ha descritto una posizione più restrittiva. Hack Club insegna informatica agli adolescenti e i partecipanti usano l’AI per scrivere codice. Tuttavia, Asquith ha detto a WCAX che gli studenti talvolta consegnano progetti che non comprendono.

Hack Club respinge quei progetti. Secondo Asquith, tre quarti di quegli studenti ripresentano il lavoro entro una o due settimane con una migliore comprensione del proprio codice. L’organizzazione consente lo strumento, ma rifiuta di accettarne l’output come prova dell’apprendimento.

Questo esempio coglie il problema centrale. Un programma funzionante dimostra che il software ha prodotto un risultato operativo. Non dimostra che uno studente sappia spiegare il programma, correggerne gli errori o ricostruirne la logica.

Asquith ha affermato che i partecipanti di Hack Club producevano codice circa 100 volte più velocemente rispetto al 2023. Questa cifra è la versione dell’organizzazione, non una misura indipendente dell’apprendimento. Una produzione più rapida può coesistere con una comprensione più debole.

Per questo traccia un confine molto più ristretto per la classe. Asquith ha detto a WCAX che l’AI non ha alcun ruolo dalla scuola dell’infanzia all’ottavo anno e dovrebbe avere un ruolo molto limitato alle scuole superiori.

Il disaccordo è reale, ma esiste un terreno comune. Bedell e Asquith rifiutano entrambe l’accettazione passiva dell’output delle macchine. Ciascuna vuole che gli studenti comprendano il lavoro che hanno davanti.

Un approccio sviluppa questa comprensione attraverso una critica strutturata. L’altro limita l’accesso finché gli studenti non dispongono di basi più solide. Google News presenta il disaccordo come una storia locale attuale, ma le scuole del Vermont devono trasformarlo in regole operative durature.

Google News evidenzia una lacuna nelle linee guida statali

Il Vermont dispone di un quadro normativo statale, ma le decisioni più rilevanti restano nelle mani dei distretti, dei dirigenti scolastici e dei singoli insegnanti.

L’Agenzia dell’Istruzione del Vermont ha pubblicato il 23 gennaio 2026 una guida educativa sull’AI di 50 pagine. Affronta il lavoro amministrativo, l’apprendimento personalizzato, l’alfabetizzazione AI, l’uso responsabile, la valutazione degli strumenti e un accesso adeguato allo sviluppo.

Il documento fornisce indicazioni senza stabilire un’unica politica universale per la classe. Invita gli educatori a consultare gli elenchi di software approvati, i team tecnologici dei distretti, la dirigenza scolastica e i requisiti applicabili in materia di privacy.

Questa flessibilità rispetta il giudizio educativo locale. Può anche produrre risposte diverse per studenti che seguono corsi simili in distretti vicini.

La guida statale distingue le aspettative per fascia scolastica. Gli educatori della scuola primaria dovrebbero concentrarsi principalmente sull’uso dell’AI per snellire il proprio lavoro. La scuola media viene descritta come un punto di transizione in cui gli studenti necessitano di una guida strutturata. Gli studenti delle scuole superiori possono affrontare compiti più impegnativi supportati dall’AI dopo aver sviluppato competenze di alfabetizzazione AI.

Queste distinzioni rendono centrale la maturità evolutiva. Uno strumento adatto a un esercizio di programmazione nelle scuole superiori può essere inappropriato per una lezione di scrittura nella scuola primaria. Anche all’interno di una stessa classe, la preparazione varia a seconda dello studente, della materia e del compito.

Il quadro distingue inoltre l’accesso dalla supervisione. Un distretto può approvare un chatbot orientato all’istruzione, ma l’approvazione non definisce come un insegnante debba utilizzarlo. La questione didattica resta se lo strumento rafforzi la competenza mirata.

Si consideri un compito di scrittura. L’AI può suggerire una scaletta, fornire feedback o produrre una risposta completa. Queste azioni avvengono attraverso la stessa interfaccia, ma hanno conseguenze educative diverse.

Un insegnante potrebbe consentire il brainstorming ma vietare la prosa generata. Un altro potrebbe chiedere agli studenti di confrontare una bozza dell’AI con la propria. Un terzo potrebbe vietare lo strumento perché il compito misura il ragionamento autonomo.

Queste differenze diventano fonte di confusione quando le scuole comunicano soltanto se l’AI sia “consentita”. Gli studenti hanno bisogno di aspettative a livello di compito: cosa possono fare, cosa devono dichiarare e quali parti del lavoro devono rimanere proprie.

I resoconti nazionali mostrano che questa ambiguità si estende oltre il Vermont. Un’analisi sull’onestà accademica dell’Associated Press ha descritto studenti che incontrano regole diverse sull’AI da una classe all’altra. Correzione grammaticale, scalette, riscrittura e generazione di idee si trovano spesso in un territorio incerto.

Una politica utile deve quindi descrivere le azioni, non i marchi. Bloccare un chatbot non risponde alla domanda se gli studenti possano usare funzionalità AI integrate nei motori di ricerca, nei software di scrittura, negli editor di documenti o nelle piattaforme di apprendimento.

Lo stesso principio vale per l’uso da parte degli insegnanti. Una scuola può consentire assistenza nella pianificazione delle lezioni senza permettere valutazioni o feedback automatizzati. La politica deve identificare quali responsabilità richiedano un giudizio professionale diretto.

Le linee guida del Vermont offrono alle scuole un vocabolario per queste decisioni. Non eliminano il difficile lavoro necessario per prenderle.

La vera divisione è tra apprendimento e sostituzione

Il conflitto principale non è tra insegnanti e tecnologia. È tra apprendimento assistito dall’AI e sostituzione assistita dall’AI.

La sostituzione si verifica quando uno strumento svolge il lavoro cognitivo che un compito intende misurare. Se gli studenti devono costruire un’argomentazione, generare l’intera argomentazione si sostituisce a quel processo. Se devono imparare la sintassi, accettare codice generato può nascondere se comprendano il linguaggio.

L’assistenza sostiene il processo senza sostituirne lo scopo. Uno studente potrebbe chiedere a un chatbot di creare domande per esercitarsi, spiegare un errore o mettere in discussione una conclusione. Lo studente deve comunque valutare la risposta e dimostrare una comprensione indipendente.

Il confine cambia in base al compito. Una calcolatrice può sostenere la matematica avanzata compromettendo al contempo un esercizio progettato per sviluppare la padronanza aritmetica. Il rapporto statale sull’AI del Vermont del 2024 ha usato questo confronto nel discutere dell’AI generativa.

L’analogia è utile ma incompleta. Una calcolatrice esegue operazioni definite con risultati prevedibili. Un modello linguistico genera risposte probabilistiche che possono contenere errori fattuali, pregiudizi o dettagli inventati.

Questa differenza aumenta l’importanza della verifica. Gli studenti necessitano di conoscenze sufficienti per riconoscere quando una risposta ben formulata è sbagliata. Senza questa base, “controllare l’AI” può ridursi a poco più che accettarne la sicurezza.

L’esercizio in classe di Bedell affronta direttamente questa debolezza. Gli studenti prima esaminano il materiale generato e poi ne identificano i difetti. Il valore dell’apprendimento deriva dalla critica, non dall’ottenere testo più rapidamente.

Hack Club usa un meccanismo diverso. Verifica la comprensione dopo che gli studenti hanno sviluppato progetti con l’AI. Rifiutare progetti non spiegati costringe gli studenti a tornare al codice, dove devono elaborare una spiegazione di ciò che il sistema ha prodotto.

Entrambi i casi cambiano la valutazione. Gli insegnanti non possono considerare un documento finito o un programma funzionante come prova sufficiente. Devono esaminare il processo che vi sta dietro.

Questo può includere bozze, appunti sulle fonti, spiegazioni orali, cronologie delle versioni, lavori svolti in classe o brevi riflessioni che descrivano come è stato usato uno strumento. Questi metodi sono più informativi di un punteggio di rilevamento dell’AI.

Il software di rilevamento tenta di stimare se un modello abbia generato un passaggio. Tali stime non rivelano cosa abbia imparato uno studente, e i falsi positivi possono danneggiare la fiducia. Le prove relative al processo offrono agli insegnanti una base più solida per valutare paternità e comprensione.

Anche una dichiarazione chiara è importante. Gli studenti dovrebbero sapere quando devono identificare un passaggio assistito dall’AI e quanto dettagliata debba essere tale dichiarazione. Gli insegnanti che utilizzano materiali generati dall’AI dovrebbero seguire aspettative comparabili.

Questa reciprocità sta emergendo come una questione importante nel Vermont. Un’indagine tra gli educatori del Vermont pubblicata da Seven Days ha riferito che alcuni studenti si sentivano meno motivati quando gli insegnanti assegnavano materiale generato dall’AI. Gli studenti si chiedevano perché il loro lavoro fosse soggetto a regole più rigide rispetto a quello dei loro insegnanti.

La preoccupazione non è soltanto simbolica. Una scheda di lavoro inaccurata può diffondere errori in un’intera classe. Una lezione generica può inoltre non riflettere gli studenti, il programma di studi o la discussione che un insegnante conosce direttamente.

La supervisione degli insegnanti deve quindi significare più che premere un pulsante e leggere l’output una sola volta. Gli educatori restano responsabili dell’accuratezza, dell’accessibilità, dell’adeguatezza didattica e del trattamento delle informazioni degli studenti.

Una classe trasparente può rendere visibile questa responsabilità. Gli insegnanti possono spiegare quando l’AI ha contribuito a preparare una risorsa, quali parti hanno modificato e perché il materiale finale è utile alla lezione. Gli studenti possono documentare i propri usi consentiti secondo lo stesso principio.

Questo modello non attribuisce a studenti e insegnanti responsabilità identiche. Gli insegnanti progettano l’istruzione e valutano l’apprendimento. Stabilisce però uno standard condiviso: nessuna delle due parti dovrebbe presentare risultati prodotti dalla macchina e non esaminati come lavoro originale e verificato.

Privacy e limiti di età complicano l’IA in classe

Anche un’attività didattica valida può diventare inaccettabile quando uno strumento di IA raccoglie dati sensibili o supera il livello di maturità di uno studente.

I sistemi di IA generativa spesso conservano i prompt, generano registri di utilizzo o collegano le interazioni agli account degli utenti. Durante una normale conversazione, uno studente potrebbe rivelare dettagli personali, difficoltà scolastiche, informazioni sulla disabilità o lavori non pubblicati.

Questo rende l’approvazione degli strumenti una decisione di governance dei dati. Le scuole devono comprendere quali informazioni raccoglie un fornitore, per quanto tempo le conserva e se utilizza gli input per migliorare i propri modelli.

Le linee guida del Vermont indirizzano gli educatori verso strumenti approvati dal distretto e team tecnologici. Fanno riferimento ai requisiti federali in materia di privacy, tra cui il Family Educational Rights and Privacy Act e il Children’s Online Privacy Protection Act.

Gli insegnanti non possono risolvere in autonomia ogni questione contrattuale o tecnica. I distretti hanno bisogno di un processo di revisione che copra la gestione dei dati, la sicurezza, l’accessibilità, i controlli sugli account e le restrizioni di età prima dell’avvio dell’uso in classe.

Il design del prodotto introduce un’ulteriore complicazione. Un chatbot generico può incoraggiare conversazioni aperte, mentre un’applicazione specifica per l’istruzione può limitare il modello a una materia o attività definita. Un sistema più circoscritto riduce alcuni rischi, ma non li elimina.

La guida statale cita esempi quali lo screening dell’alfabetizzazione e il tutoraggio incentrato sul curriculum. Avverte inoltre che i dirigenti scolastici devono esaminare l’applicazione concreta, anziché presumere che un’etichetta educativa garantisca la sicurezza.

La supervisione resta limitata. La guida del Vermont discute le lacune nella capacità degli amministratori di esaminare le conversazioni degli studenti all’interno di alcune piattaforme molto utilizzate. Una scuola non può promettere una supervisione significativa se il suo personale non può vedere come gli studenti interagiscono con uno strumento.

L’età rende tali limiti più rilevanti. Gli studenti più giovani hanno meno esperienza nel valutare la persuasione, l’incertezza fattuale e il linguaggio emotivo simulato. Possono attribuire comprensione o autorità a un sistema che produce risposte conversazionali senza consapevolezza umana.

Questo aiuta a spiegare l’appello di Asquith a escludere l’IA dalle classi dalla scuola dell’infanzia fino all’ottavo anno. La sua posizione sottolinea la protezione dell’apprendimento e dello sviluppo fondamentali prima che gli studenti incontrino strumenti in grado di svolgere il lavoro al loro posto.

Le linee guida statali del Vermont adottano un approccio più graduale. Concentrano l’uso nella scuola primaria sulle attività degli educatori, introducono un’alfabetizzazione strutturata sull’IA nella scuola media e consentono un uso più ampio nella scuola superiore dopo che gli studenti hanno dimostrato di essere pronti.

Nessuna delle due posizioni è stata definita da evidenze di lungo periodo in classe. Gli strumenti di IA generativa sono diventati ampiamente disponibili solo alla fine del 2022, lasciando alle scuole una ricerca longitudinale limitata su apprendimento, dipendenza e sviluppo.

Questa incertezza dovrebbe limitare le affermazioni da entrambe le parti. Le scuole non possono presumere che l’esposizione precoce crei automaticamente alfabetizzazione. Non possono nemmeno presumere che evitare gli strumenti in classe impedisca agli studenti di usarli altrove.

L’equità aggiunge un’ulteriore pressione. Gli studenti con account a pagamento, dispositivi personali o un sostegno più forte a casa possono ottenere accesso indipendentemente dalle regole scolastiche. Un semplice divieto può quindi spingere l’uso dell’IA fuori dagli ambienti supervisionati senza farlo sparire.

Al contrario, l’uso obbligatorio può gravare sulle famiglie preoccupate per privacy, pregiudizi, esposizione agli schermi o accessibilità. Può anche svantaggiare gli studenti che imparano meglio attraverso l’istruzione umana e la pratica diretta.

Una politica difendibile richiede alternative. Se un compito consente o richiede l’IA, gli studenti dovrebbero avere un modo per raggiungere lo stesso obiettivo di apprendimento senza cedere dati personali a un servizio non approvato.

Le scuole dovrebbero inoltre evitare di presentare ogni accomodamento come un’autorizzazione alla generazione senza restrizioni. Il supporto all’accessibilità può essere definito con precisione in base al bisogno documentato di uno studente, preservando al contempo lo scopo del compito.

La difficile verità è che l’“IA sicura” non è una categoria di prodotto permanente. I fornitori modificano funzioni, politiche, modelli e controlli degli account. L’approvazione del distretto deve essere riesaminata quando queste condizioni cambiano.

Gli insegnanti sono ora il punto di pressione

L’approccio flessibile del Vermont pone il giudizio professionale al centro, ma chiede anche agli insegnanti di gestire responsabilità che nessuna singola classe può risolvere da sola.

Gli insegnanti devono decidere se un uso sostiene l’apprendimento, spiegare tale decisione agli studenti, applicare le regole di integrità accademica, verificare gli errori negli output e proteggere le informazioni degli studenti. Devono farlo mentre le funzioni di IA si diffondono nei software familiari.

Un divieto totale sembra più facile da amministrare. Eppure gli studenti possono ancora accedere agli strumenti tramite account personali, interfacce di ricerca, assistenti di scrittura e telefoni. L’applicazione delle regole diventa quindi un compito di sorveglianza in espansione.

L’accesso senza restrizioni evita tale onere di controllo, ma crea un altro problema. Gli studenti possono esternalizzare proprio il ragionamento che le scuole dovrebbero sviluppare.

La via di mezzo praticabile richiede più progettazione, non meno. I compiti necessitano di confini espliciti sull’IA, prove significative del processo e metodi di valutazione che rivelino la comprensione. Ciò aumenta le richieste di preparazione prima di ridurre qualsiasi carico di lavoro.

Per questo la formazione professionale è importante. Gli insegnanti hanno bisogno di tempo per testare gli strumenti nelle materie che conoscono a fondo. Questo permette loro di individuare errori tipici, citazioni deboli, presupposti distorti e modelli di linguaggio generico.

La formazione deve coprire anche quando non usare l’IA. Una sessione incentrata solo sui prompt rischia di trattare l’adozione come un obiettivo già stabilito. Gli educatori devono avere l’autorità di rifiutare uno strumento quando non serve i loro studenti.

Le cronache locali mostrano distretti del Vermont in fasi diverse. Il Champlain Valley School District ha sviluppato principi incentrati sull’apprendimento equo, il supporto agli educatori e l’uso etico. Gli educatori di Harwood hanno lavorato verso una filosofia condivisa pensata per ridurre le regole incoerenti.

Questi sforzi mostrano perché un documento statale non può essere il livello finale. I distretti hanno bisogno di linee guida per i compiti, elenchi di strumenti approvati, pratiche di dichiarazione, comunicazione con le famiglie e procedure per esaminare lavori contestati.

Anche i dirigenti scolastici devono definire la responsabilità. Un insegnante dovrebbe sapere chi approva un nuovo strumento e chi interviene se i dati degli studenti vengono esposti. Gli studenti dovrebbero sapere come contestare un’accusa legata all’IA o chiedere chiarimenti prima di consegnare un lavoro.

Le famiglie hanno bisogno di spiegazioni semplici su ciò che fa uno strumento. I nomi dei prodotti e le affermazioni generiche sull’apprendimento personalizzato non rispondono alla domanda se uno studente converserà con un modello, caricherà lavori o riceverà feedback automatizzati.

Il dibattito ha conseguenze anche per i fornitori. Le aziende del settore educativo subiscono pressioni affinché offrano visibilità amministrativa, controlli adeguati all’età, accessibilità e pratiche chiare sui dati. Un chatbot progettato per adulti non può diventare adatto alla classe solo attraverso il branding.

Google, Microsoft, OpenAI e fornitori incentrati sull’istruzione competono tutti per un posto nei flussi di lavoro scolastici. I loro prodotti differiscono, ma la questione istituzionale è la stessa: un distretto può controllarne l’uso senza trasferire l’autorità educativa al software?

Le scuole dovrebbero valutare questi sistemi in base agli obiettivi di apprendimento locali. Una funzione che fa risparmiare tempo nella pianificazione non è automaticamente adatta agli studenti. Un’interfaccia di tutoraggio non è automaticamente abbastanza affidabile per un uso indipendente.

Gli insegnanti restano responsabili della relazione che il software non può offrire. Notano la frustrazione, le conoscenze pregresse, il contesto sociale e i cambiamenti nel lavoro di uno studente nel tempo. L’IA può elaborare input, ma non assume quel dovere professionale.

Ecco perché l’attuale pressione non può essere risolta solo attraverso gli acquisti. L’esperimento del Vermont dipende dal fatto che le istituzioni offrano agli insegnanti politiche, formazione e tempo sufficienti per esercitare il giudizio che viene loro richiesto.

Cosa dovrebbero osservare ora le scuole del Vermont

La prossima fase sarà misurata attraverso le politiche dei distretti, le evidenze in classe e la fiducia degli studenti, non dal numero di strumenti di IA adottati.

Il primo segnale è se i distretti trasformano linee guida generali in regole a livello di singolo compito. Gli studenti dovrebbero vedere categorie chiare per l’uso vietato, limitato, dichiarato e richiesto. Se queste categorie compariranno nelle diverse materie, il Vermont si muoverà verso la coerenza senza imporre una regola unica per ogni lezione.

Il secondo segnale è se cambia la valutazione. Le scuole che continuano a valutare solo i prodotti finali faticheranno a distinguere l’apprendimento dalla sostituzione. Più spiegazioni orali, bozze documentate e dimostrazioni in classe mostrerebbero che la politica sta influenzando la pratica didattica.

Il terzo segnale è se insegnanti e studenti riferiscono maggiore chiarezza. Una politica può sembrare completa pur lasciando senza risposta le domande quotidiane. I distretti dovrebbero chiedere se gli studenti comprendono gli usi consentiti e se gli insegnanti sanno come rispondere in modo coerente.

Questi segnali contano più dei dati di adozione. Un alto tasso di utilizzo non dimostra un beneficio educativo. Un tasso basso non prova che gli studenti stiano imparando senza IA al di fuori della scuola.

Anche i legislatori del Vermont restano parte del quadro. Il senatore statale Seth Bongartz ha dichiarato a Seven Days di volere una politica modello, esprimendo al contempo riluttanza verso un divieto generalizzato. Le future azioni legislative riveleranno se lo Stato manterrà le linee guida volontarie o stabilirà requisiti più rigorosi.

I cambiamenti dei fornitori meritano una revisione continua. Un distretto può approvare uno strumento in base a una determinata politica sulla privacy e incontrare nuove funzioni in seguito. La condivisione delle conversazioni, gli agenti automatizzati, le funzioni di memoria o le funzionalità social possono modificare la valutazione del rischio.

Le scuole dovrebbero documentare le date e i fattori che attivano la revisione. L’approvazione dovrebbe scadere o tornare in valutazione quando un fornitore modifica sostanzialmente le funzioni rivolte agli studenti, le pratiche sui dati o i controlli amministrativi.

Gli educatori dovrebbero inoltre raccogliere evidenze concrete dalla classe. Gli studenti hanno mantenuto i concetti dopo una pratica supportata dall’IA? Sono riusciti a spiegare il codice generato? Il feedback ha migliorato la revisione, oppure ha sostituito la conversazione con un insegnante?

Queste domande sono più difficili che contare gli accessi, ma affrontano lo scopo dell’istruzione. Proteggono inoltre le scuole dal confondere l’attività con l’apprendimento.

Gli studenti devono far parte del processo di valutazione. Possono descrivere quando le regole sembrano incoerenti, quando l’IA rende un compito meno significativo e quando un uso strutturato li aiuta a esercitarsi. Il loro feedback non dovrebbe decidere ogni politica, ma escluderlo nasconderebbe una parte essenziale della realtà in classe.

Il dibattito pubblico del Vermont è prezioso perché resiste a una semplice narrazione di adozione. Gli educatori messi in evidenza tramite Google News non stanno decidendo se l’IA sia impressionante. Stanno decidendo quando sia educativa.

Questo standard lascia spazio a risposte diverse in classe. Un club di programmazione può consentire codice generato dall’IA e richiedere una difesa tecnica. Un corso di scrittura può vietare la prosa generata consentendo al contempo il confronto delle fonti. Una classe della scuola primaria può mantenere l’IA rivolta agli studenti completamente fuori dalla lezione.

La coerenza dovrebbe riguardare il processo decisionale, non risultati identici. Ogni uso consentito dovrebbe avere uno scopo di apprendimento, una motivazione legata all’età, una revisione della privacy e un metodo per verificare la comprensione.

Per gli studenti che gestiscono ricerche, appunti e materiale di fonte, uno spazio di lavoro per studenti privato può favorire l’organizzazione senza sostituire il ragionamento richiesto da un compito. Qualunque strumento utilizzino, gli studenti dovrebbero restare in grado di spiegare il lavoro finale.

La domanda più utile per gli insegnanti è quindi specifica: quale tipo di pensiero gli studenti devono esercitare qui e quali parti devono svolgere personalmente?

Se le scuole del Vermont sapranno rispondere a questa domanda prima di scegliere uno strumento, le loro politiche resteranno utili anche con l’evolversi dei prodotti. In caso contrario, le regole su cosa fare e cosa non fare continueranno a cambiare da una classe all’altra, mentre gli studenti imparano a orientarsi tra queste lacune.