di Loredana Boero e Pina Debbi

Parigi, estate 1960

Edgard Morin è seduto intorno a un tavolo e parla con Jean Rouch, etnologo, antropologo e regista. Con loro c'è anche Marceline Loridan Ivens. I tre discutono su come impostare la loro indagine sociale, che parte da una domanda rivolta ai passanti che attraversano le strade di Parigi: Sei felice? Nasce “Cronaca di un’estate", uno dei primi esempi di film-verità, realizzato - ed è una novità assoluta - in presa diretta, con una telecamera leggera e un microfono sincronizzato, stile documentario. Marceline Loridan Ivens, l'intervistatrice, incarna il ruolo della donna parigina indipendente con un passato profondo: la prigionia ad Auschwitz, il numero inciso su un braccio comparirà in una scena. Uno dei momenti più alti del film sarà il suo monologo tra Place de la Concorde e Les Halles, in cui ricorda il padre mai più tornato dal campo di concentramento. Lo spazio urbano di Parigi si trasforma in un luogo della memoria, individuale e collettiva. Edgard Morin all’epoca del film ha quasi quarant’anni ed essere ingabbiato in categorie concettuali gli va già stretto. Sociologo, filosofo, antropologo: è riduttivo circoscrivere il suo nome e il suo pensiero in uno spazio disciplinare. Morin attraversa due secoli con la capacità di rinnovare una proposta che non è mai solo lineare. Più volte, nella sua lunga vita chiusasi nei giorni scorsi alla vigilia dei centocinque anni, confessa di non sentirsi a suo agio nel paradigma di una sola disciplina. Un uomo con diverse radici, culture e identità: ebreo sefardita, origini italiane e spagnole, con antenati vissuti a Salonicco, mediterraneo, europeo, cittadino del mondo. Partigiano, comunista, anti-stalinista e anti-integralista. Il respiro multiculturale lo stimola a interrogarsi sulla società: studia legge e letteratura, ma poi si dedica alla cultura di massa, al cinema alla filosofia e incontra anche le culture indigene e meticce dell'America Latina.

L'uomo di frontiera

Morin è un uomo di frontiera, intesa come spazio che si apre verso l'altro o verso un’altra interpretazione del sapere. Lo studioso, scrittore e ricercatore che per quarant'anni ha inseguito e provato a definire l'indefinibile, la complessità, convinto che le specializzazioni figlie del positivismo siano limitanti: “La stessa scienza non è riuscita a dissipare l'apparente complessità dei fenomeni al fine di rivelare l'ordine semplice.” E se è vero che non è mai stato realmente al centro della vita accademica, è sempre stato nel cuore della vita intellettuale, come testimoniano il rispetto e il riconoscimento dei mondi della ricerca, della stessa accademia, della politica e dell'arte.

L'impegno politico: una vita nell'arena

Non si può parlare di Morin senza parlare della sua vocazione politica. Entrato nella Resistenza durante l'Occupazione nazista, è in quegli anni clandestini che abbandona il cognome Nahum e assume quello di Morin, un nome che porta come una seconda pelle. Dopo la Liberazione milita nel Partito Comunista Francese, ma la sua intelligenza critica mal sopporta l'ortodossia. Prende le distanze dallo stalinismo, viene espulso dal partito. Resterà per sempre un post-marxista grazie alla capacità di andare oltre Marx, senza mai consegnarsi a nessun altro dogma. Negli anni della maturità e della vecchiaia il suo impegno non si affievolisce: firma petizioni contro le guerre, prende posizioni scomode sulla questione palestinese, denuncia con forza le politiche coloniali dello Stato d'Israele, critica l'utilizzo della Shoah come dispositivo di legittimazione politica. Fino agli ultimi anni ha continuato a parlare, a firmare appelli, a intervenire nel dibattito pubblico con la stessa passione di un ragazzo che, come scrisse di sé, "voleva rispondere al richiamo della vita".

Per ricordarlo, abbiamo scelto le sue stesse parole. Un decalogo tratto dalle sue dichiarazioni, dalle sue interviste e dalle sue opere, parole dedicate a chi fa ricerca e vive ogni giorno la sfida della complessità.

1.   Vivere la complessità

La complessità è caratteristica pregnante del nostro tempo, viverla pienamente è una sfida centrale. Non semplificarla, non suddividerla, ma coglierla nella sua interezza, perché la complessità – al contrario di essere chiarificata - è occultata dalla rigida frammentazione dei saperi. Certo, soprattutto nel campo della ricerca, la specializzazione è necessaria, ma questa diventa pericolosa quando si trasforma in iperspecializzazione che impedisce di vedere i legami, le relazioni tra le parti e il tutto. Un buon ricercatore deve conoscere bene il proprio campo, ma anche essere profondamente consapevole che ogni oggetto di studio è inevitabilmente collegato ad altri a più livelli. Il primo sguardo dev’essere alla globalità, l’approccio olistico e transdisciplinare: solo in questo modo si può giungere a comprendere meglio la realtà.

2.   Non solo la parte è nel tutto, ma il tutto è nella parte

Nei sistemi complessi non basta dire che le parti appartengono al tutto: bisogna anche riconoscere che il tutto è presente nelle parti. Il verbo chiave è proprio relier, cioè collegare. In Morin, il verbo amplifica il senso originario di “legare insieme” per divenire principio epistemologico: pensare significa vedere in dettaglio senza separare e collegare senza confondere. La ricerca più feconda nasce spesso nelle zone di confine: tra scienze dure e scienze umane, tra tecnologia e filosofia, tra educazione e società, tra ecologia e politica. Morin direbbe: non abbiate paura della transdisciplinarità, ma praticatela con rigore, non come vaghezza.

3.   Conoscenza della conoscenza

La conoscenza non è mai qualcosa di assoluto e, nel suo divenire, possiede una doppia natura inscindibile: la possibilità della verità e il rischio dell’illusione. “Il problema della conoscenza non è quello di aprirsi alla verità respingendo l’errore, ma di capire che ogni verità porta in sé stessa il rischio dell’errore, così come ogni errore può contenere una scintilla di verità”. È necessario ricordarsi che quando vediamo o impariamo qualcosa, il nostro cervello non fa una fotografia fedele della realtà: la traduce attraverso il nostro background culturale e personale. Ed è proprio nel nostro atto di tradurre che l’errore può mischiarsi alla verità. Ogni conoscenza ha il dovere di includere una certa autocritica del soggetto che conosce.

4.   Accettate l’incertezza

Un giovane ricercatore è alla continua ricerca di certezze, metodi sicuri, risultati puliti. Morin sostiene che l’incertezza sia parte costitutiva del reale. Bisogna imparare a formularla, non a eluderla. Una delle sue citazioni più ricordate è «la conoscenza è una navigazione in un oceano di incertezza attraverso arcipelaghi di certezze” che è necessario mettere in relazione. Per questo è necessario avere una testa “ben fatta”: non basta sapere molte cose, bisogna saperle organizzare e collegare. Il punto cruciale è saper porre le domande, interrogare e interrogarsi, porre problemi, riconoscere relazioni, affrontare l’imprevisto, vivere pienamente l’incertezza.

5.   Autovigilanza intellettuale

Definisce così, in un’intervista del 2018 a Frace Inter, l’atto di autovalutarsi e trova voce in un frammento del suo libro Autocritiquein cui egli afferma “(…) Cerco di rendermi trasparente per vedere chiaro attraverso me stesso, al di là di me stesso. Chiunque scriva si crede sole: giudica dall’alto, a monte, i vivi e i morti. È possibile spezzare il sistema tolemaico che ciascuno costruisce intorno al proprio spirito? (…) Tento lo sforzo di sdoppiarmi in osservatore osservato. Voltandomi verso me stesso mi chiedo: come sono diventato un altro senza tuttavia cambiare? (…) Ho voluto fare un autoesame critico, perché di solito si scrive per criticare le persone che ci hanno ingannati ed io non ho voluto farlo. Ho voluto chiedermi perché io mi sono ingannato”. Il ricercatore non è un occhio neutro fuori dal mondo; porta con sé desideri, paure, ideologie, appartenenze, linguaggi, limiti. E deve cercare di esserne sempre consapevole. Rimettersi in questione è fondamentale, spingere la riflessione verso un cambiamento positivo di sé stessi e, su scala più grande, della società. Altrimenti i propri ideali diventano così intangibili che si cristallizzano in una religione immutabile, derivando nel dogmatismo

6.   Non perdete il senso etico della ricerca e della solidarietà

“La coscienza senza scienza e la scienza senza coscienza sono mutilate e mutilanti”. L’etica non può essere separata dal pensiero. Il dovere morale non deriva automaticamente dal sapere, ma ha bisogno del sapere per non diventare cieco. La ricerca deve sganciarsi da mere logiche di mercato. La domanda non è solo: “è vero?” o “funziona?” è anche “a che cosa serve?”, “quali conseguenze produce?”, “chi include e chi esclude?”, “quale idea di umanità presuppone?”. Anche un progetto animato da finalità nobili può produrre effetti negativi se non riflette sulle proprie conseguenze ed è così che la scienza senza coscienza rischia di diventare irresponsabile. Il ricercatore non produce solo dati o risultati: partecipa alla costruzione di un mondo comune; in un mondo che spinge alla competitività, Morin parla di reliace, di riscoperta dei legami di solidarietà. Per lui “Il sentimento di comunità è e sarà fonte di responsabilità e di solidarietà, a loro volta fonti di etica”: il senso della ricerca è un senso condiviso.

7.   Imparate a vivere con la contraddizione

“Si ritrova una formula dialogica ordine/disordine/organizzazione già a partire dalla nascita dell’universo” che si protrae nella storia; per questo imparare a vivere con la contraddizione significa riconoscere l’ambivalenza contestuale dei fenomeni umani e storici. Ordine e disordine non sono semplicemente opposti: possono essere antagonisti, ma anche complementari e produttivi proprio nella loro coesistenza. Il punto decisivo è l’organizzazione, cioè il processo attraverso cui dal gioco tra ordine e disordine emergono forme nuove. Pensare insieme termini opposti, ma inseparabili è imprescindibile nella ricerca.

8.   Cultura come contrappeso alla barbarie e via privilegiata di umanizzazione

“Mi cercavo tra Dostoevskij e Montaigne” afferma Morin ripensandosi diciottenne. Questa attitudine sarà quella che denoterà sempre la sua idea di cultura, in cui cercarsi e ritrovarsi, perché la letteratura ha un fortissimo potere conoscitivo com’egli stesso afferma “Bisogna non solo riunire delle conoscenze provenienti dalle scienze naturali e dalle scienze umane per comprendere l’umano, ma anche considerare la letteratura, che pure è un mezzo di conoscenza. I romanzi, e più esattamente quelli che sono chiamati i “grandi romanzi”, ci mostrano ciò che nessuna scienza è in grado di mostrare. Ci presentano esseri umani che vivono nella loro soggettività, nei loro sentimenti, nel loro pensiero, nel loro ambiente, nelle loro relazioni. I grandi romanzi sono mezzi di conoscenza dell’umano. Il romanzo non deve solo essere inteso come un oggetto di godimento estetico. È anche un mezzo di comprensione”. Il senso poetico della letteratura e dell’arte risvegliano in noi un umanesimo che non necessita spiegazioni. Per questo un giovane ricercatore non dovrebbe mai limitarsi a leggere solo articoli scientifici, ma dovrebbe sentire come necessarie anche letteratura, storia, filosofia, poesia.

9.   Libellule, non uomini-bruchi

“Ero giunto all’età in cui si tenta di uscire dalla propria crisalide. In un documentario avevo visto a prezzo di quali sforzi terribili la libellula riesca a strapparsi al suo involucro. Ancora più terribili sono gli sforzi degli esseri umani, perché spesso falliscono: esistono uomini-bruchi che restano tali per tutta la vita”. La ricerca deve portare alla trasformazione contemporanea di noi stessi e del mondo, altrimenti si finisce per restare uomini-bruchi. La strada non è sempre facile, ma la vita e la carriera di Morin dimostrano che ne vale la pena. “A diciotto anni credevo che non sarei mai riuscito a vivere; la guerra si avvicinava, oscurando l’intero orizzonte. Non avevo abbastanza forza vitale per vincere la mia paura. Temevo la violenza, vale a dire temevo la vita stessa; eppure, nello stesso tempo, volevo rispondere al richiamo della vita. Mi affacciavo a un mondo abbandonato alle prime convulsioni della grande violenza. Rifiutavo quel mondo non soltanto perché ne avevo paura, ma perché credevo nell’amore e nella ragione. E tuttavia erano proprio l’amore e la ragione a spingermi a entrare nell’arena.”

10.    Tecnologia, non tecnocrazia

Morin afferma “La tecnocrazia si è sviluppata in modo da concepire gli esseri umani e il mondo attraverso il calcolo. Noi stessi diventiamo oggetti di calcolo: PIL, crescita economica, statistiche. Ma tutto ciò che è autenticamente umano sfugge a questa visione. A ciò si aggiunge il fatto che questa logica del calcolo è legata all’enorme sviluppo del profitto e alla degradazione delle antiche solidarietà (…). Vi è dunque qualcosa, nella nostra stessa società, che tende a dissolvere i legami umani”. Non la tecnologia, ma chi la usa per disumanizzare e asservire è il problema. Le scoperte tecnologiche si sono succedute fin dalla preistoria, scienza e tecnica sono sempre state ambivalenti: possono servire al meglio o al peggio. “L’intelligenza artificiale è l’ultimo stadio dello sviluppo scientifico-tecnico. Si tratta di possibilità considerevoli da domesticare per realizzare i nostri fini etici, i nostri fini politici, e che possono forse anche asservirci. Il grande problema è dunque la domesticazione dell’intelligenza artificiale, che richiede un’intelligenza ancora più complessa della sua per comprenderla e trasformarla.”

Merci Edgard Morin

Ha abitato il mondo, anticipando il futuro con i suoi sguardi: molto prima che diventassero senso comune i temi della crisi ecologica, della globalizzazione e dell'intelligenza artificiale, Morin aveva già individuato la natura sistemica delle grandi contraddizioni del nostro tempo. La sua critica al pensiero riduzionista trova oggi un interlocutore preciso: l'algoritmo. La macchina può riconoscere un modello, ma non comprende il senso di una vita. Può generare parole, ma non porta il peso morale di ciò che quelle parole producono. Può simulare una risposta, ma non abita la domanda e anche qui il problema è etico e politico, nessun rifiuto della scienza e della tecnologia: “ l’intelligenza artificiale  l'ultimo stadio dello sviluppo scientifico-tecnico. Si tratta di possibilità considerevoli da domesticare per realizzare i nostri fini etici, i nostri fini politici, e che possono forse anche asservirci. Il grande problema è dunque la su domesticazione, che richiede un'intelligenza ancora più complessa della sua per comprenderla e trasformarla."

Interviste tratte da:

Morin, E. (1961). Autocritique.

Morin, E. (1982). Science avec conscience.

Morin, E. (2013).La méthode : la vie de la vie. Média Diffusion.

Morin, E. (2013). La Méthode-tome 3 La Connaissance de la connaissance anthropologie de la connaissance : La Connaissance de la connaissance. Anthropologie de la connaissance. Média Diffusion.

Morin, E. (2013). La Méthode-tome 4 Les idées, leur habitat, leur vie, leurs moeurs, leur organisation : Les Idées. Leur habitat, leur vie, leurs moeurs, leur organisation. Média Diffusion.

Morin, E. (2014). La tête bien faite. Repenser la réforme, réformer la pensée. Média Diffusion.

Morin, E. (2015). Introduction à la pensée complexe. Média Diffusion.

Morin, E. (2018). Sette lezioni sul pensiero globale. Raffaello Cortina Editore.

https://www.radiofrance.fr/franceinter/podcasts/serie-edgar-morin-autocritique-d-une-vie

https://www.radiofrance.fr/franceculture/podcasts/serie-a-voix-nue-edgar-morin

https://www.radiofrance.fr/franceculture/podcasts/serie-edgar-morin-l-eternel-insurg

École de Communication EFAP | Interview Exclusive d’Edgar Morin

Edgar Morin : Unir le meilleur de l'Occident et de l’Afrique - New African - le Magazine de L'Afrique

Edgar Morin : "Résister à la prose de la vie pour trouver la poésie de sa propre vie" https://youtu.be/BupfIukO9x0?is=X5Rqu6klxvxprcM4

Edgar Morin - Amour, poésie, sagesse https://youtu.be/dfSFGMBSWvg?si=oHW8zuE25NxSoXlO

Edgar Morin, discorso in occasione della Laurea Honoris Causa IULM https://youtu.be/VwXLBq9vtsE?is=yBmM2VoToJt_zePf

di Martina Giorgi

Premessa: la tecnologia è buona o cattiva?

Chiara Panciroli* e Pier Cesare Rivoltella* provano a riflettere sui profondi cambiamenti che interessano la società nell’era digitale e come gli algoritmi oggi invadono la nostra vita quotidiana. I pregiudizi associati a questa forma di rivoluzione tendono a fornire una visione pessimista e quasi distopica della società del futuro con il sopravvento dell’Intelligenza Artificiale. Ma siamo davvero sicuri che sia così? Gli autori a tal proposito si esprimono facendo una premessa sul significato e sul valore della tecnologia attraverso il raccont di due miti, descritti da Platone nel Protagora e nel Fedro. Il primo riguarda Prometeo che ruba il fuoco agli dei per darlo agli uomini e ci insegna come la tecnologia non sia di per sé contrapposta alla natura. L’uomo nasce con una propensione del tutto naturale ad usare la tecnologia,  capacità che è stata da sempre funzionale per trasformare la natura e renderla vivibile. E questo può spiegare in parte il motivo per cui oggi ci troviamo così immersi in un mondo altamente tecnologico. Ma la tecnologia ha anche un altro aspetto interessante che viene fuori con il racconto del mito di Theuth, che riguarda il significato e la genesi della scrittura. Theuth è una divinità egizia che sottopone al re Thamus la scoperta della scrittura come “farmaco della memoria”. Farmaco, corrisponde alla parola greca pharmakon, che significa rimedio, medicina ma anche veleno. Dunque, la scrittura è sia rimedio che veleno perché da una parte agevola, ma dall’altra se scrivo non sforzo più la memoria a ricordare, in questi termini si parla di veleno. Pertanto la tecnologia vive di un’ambiguità strutturale, ogni tecnologia è sia buona che cattiva. La premessa dalla quale inizia il libro è quella di porci in un’attitudine di speranza, non si tratta di avere paura, ripiegandosi in un atteggiamento tecnofobico, quanto piuttosto di coglierne le potenzialità che saranno la chiave per trasformare le apparenti barriere in opportunità per l’umanità. La pedagogia algoritmica si muove dentro questa prospettiva e con questo spirito. Attraverso essa si indaga lo spazio dell’IA all’interno dei contesti educativi, che con un respiro internazionale corrisponde al campo di ricerca dell’Artificial Intelligence in Education (AIED). 

Le macchine possono pensare?  Le macchine sono intelligenti?

Gli autori spiegano come la società oggi sia fondata sui dati, e come la possibilità di usarli dipenda dagli algoritmi che lavorano dietro le stesse piattaforme digitali che li raccolgono tramite le registrazioni degli utenti. Sostanzialmente, grazie al machine learning, gli algoritmi imparano a  “conoscere” l’utente man mano  che gli fornisce dei dati, che dipende da quante volte entra e rimane in piattaforma. Essi apprendono così a conoscere i suoi interessi, gusti e desideri, in modo tale da proporgli prodotti ad hoc. In questo senso le macchine sono intelligenti, ma senza l’intervento dell’individuo non svolgerebbero la sua funzione, non sono intelligenti di per sé:  c’è sempre uno scambio di informazioni con l’umano. A tal proposito, occorre specificare  l’individuo si giova dei benefici portati dagli algoritmi, ci troviamo in una società a elevata complessità per cui senza il supporto degli algoritmi difficilmente riusciremmo a sopravvivere. Gli autori spiegano come il problema reale sia in realtà l’uso che l’individuo e soprattutto il mercato fanno degli algoritmi stessi.  

Ecco allora che l’innovazione educativa corrisponde ad una nuova forma di sviluppo del linguaggio nella logica della Multiliteracy – alfabetizzazione multimediale, che vede il coding come competenza da sviluppare. Una nuova forma di alfabetizzazione che attraverso l'utilizzo della tecnologia è in grado di ampliare il modo di comunicare delle persone. Persone che interagiscono con gli algoritmi per la costruzione di nuovi significati. Si parla infatti di approccio human-centered in questo senso. Il ruolo educativo e formativo è ripensato secondo tale approccio, occorre partire dalle capacità di ciascun individuo per costruire percorsi formativi individuali offrendo un set di skills da aggiornare costantemente secondo la logica del lifelong learning. 

Educare ALL’Intelligenza Artificiale

Una prospettiva di Media Literacy Education diventa fondamentale per la costruzione di interventi educativi e per lo sviluppo del pensiero critico. Elementi indispensabili per la costruzione di una “cittadinanza digitale” e delle persone che vi interagiscono. Ma come formare i soggetti a interfacciarsi correttamente con i dati? Qui interviene la Data Literacy che ha il compito di sviluppare una cittadinanza critica e consapevole. Vediamo infatti come l’avvento dei media digitali e dei social media chiede che al senso critico si affianchi la responsabilità, perché lo spettatore diviene anche autore e nel momento in cui interagisce con gli spazi virtuali inserendo i suoi contenuti entrano in una dimensione pubblica, per cui deve potersi assumere la responsabilità delle conseguenze che potranno derivare dalle sue azioni. 

Educare CON l’Intelligenza Artificiale

Le dinamiche di responsabilità sono legate ad una presa di consapevolezza in relazione al funzionamento delle tecnologie digitali e alla condivisione di regole per vivere quello spazio pubblico. In questo senso, è fondamentale per l’individuo sviluppare la capacità di decision making servendosi proprio dell’IA. Le sue possibili applicazioni nell’ambito della didattica e della formazione possono riguardare la creatività, i sistemi di tutoraggio intelligente, la valutazione, la gestione del feedback, i sistemi assistivi. Qui gli autori inseriscono un’apposita sezione dedicata a una panoramica di possibili applicazioni nell’ambito didattico e formativo.

Educare L’Intelligenza Artificiale

Parlare di IA per Panciroli e Rivoltella, non può prescindere dall’ambito etico. A questo livello entra in gioco la responsabilità del progettista informatico che nel momento in cui immagina l’algoritmo e scrive il codice, deve assicurarsi che vi siano inseriti i criteri per farlo agire in modo corretto. In generale, immaginare un’etica per gli algoritmi significa riflettere sui modi in cui le politiche possono pensare il futuro delle regole in una società sempre più mediata dall’IA, indirizzandone le scelte e contribuendo così a definire un vero e proprio cambio di paradigma nell’uso delle informazioni.

Panciroli C., Rivoltella P.C. Pedagogia algoritmica. Per una riflessione educativa sull’Intelligenza Artificiale. Scholé, Brescia 2023.

----------------------------------------------------------------

*Chiara Panciroli è professoressa ordinaria di Didattica generale e Tecnologie dell’educazione presso il Dipartimento di Scienze dell'Educazione dell'Università di Bologna. È responsabile scientifica dell'Unità AI and Education del Centro Interdipartimentale di Ricerca Alma for Human-Centered Artificial Intelligence. È coordinatrice scientifica del MOdE-Museo Officina dell'Educazione dell'Università di Bologna. È autrice di diverse pubblicazioni riguardanti i temi di ricerca: Intelligenza Artificiale e educazione, didattica universitaria, didattica scolastica, didattica museale, museologia virtuale e patrimonio culturale digitale, didattica dell'arte.

*Pier Cesare Rivoltella è professore ordinario di Didattica e Tecnologie dell’educazione presso l’Università di Bologna e del S. Cuore di Milano dove ha fondato e dirige il CREMIT – Centro di Ricerca sull’Educazione ai Media, all’Innovazione e alla Tecnologia. Esperto in Media Education, è attuale presidente della SIREM –Società Italiana di Ricerca sull'Educazione Mediale. Fa parte del comitato scientifico di diverse riviste specializzate, in Italia e all'estero. È il coordinatore del Dottorato Nazionale LESDIT - Learning Sciences and Digital Technologies

di Federico Maiocco

Negli ultimi tempi, nel già affollato ecosistema di report e raccomandazioni internazionali, è comparso un documento, l’Implementation Guidance for the UNESCO, Framework for Culture and Arts Education. Per chi lavora nella ricerca educativa e nei cultural studies non è un testo qualsiasi: è la traduzione operativa del Framework for Culture and Arts Education e prova a rispondere a una domanda semplice solo in apparenza: come si fa, concretamente, a mettere cultura e arti al centro dei sistemi educativi? Confessiamolo: quando sentiamo parlare di un nuovo documento UNESCO, la reazione istintiva è spesso quella di chi vede arrivare l’ennesima circolare ministeriale. Un misto di rassegnazione e curiosità per capire quale nuova utopia pedagogica ci verrà proposta. Il Framework sembrava destinato a seguire il copione classico: grandi dichiarazioni, principi condivisibili, implementazione affidata alla buona volontà degli Stati membri. E invece no. O almeno, non del tutto.

La sorpresa: hanno fatto i compiti

La prima cosa che colpisce, scorrendo il documento, è l’assenza della retorica salvifica tipica dei testi UNESCO. Niente “l’arte salverà il mondo”, niente “la cultura come panacea universale”. Al loro posto, un impianto metodologico che rivela una conoscenza della letteratura degli ultimi vent’anni e un lavoro di consultazione reale: un processo triennale, 52 Paesi coinvolti, pratiche raccolte, fallimenti analizzati, risultati sistematizzati. La definizione di Educazione alla Cultura e alle Arti come “ecosistema” in cui si apprende riguardo, con e attraverso cultura e arti non è solo elegante: riflette una comprensione dei processi di apprendimento che va oltre la tradizionale distinzione tra formale e informale. Per chi si occupa di educazione è un segnale non scontato: il linguaggio delle policy si avvicina, almeno in parte, a quello della ricerca.

L'onestà intellettuale del riconoscere i limiti

Un altro elemento interessante è l’ammissione esplicita dei limiti. L’UNESCO riconosce che molti Paesi hanno programmi e progetti di educazione artistica e culturale, ma raramente esiste un’integrazione sistematica. Non è solo un problema di risorse: è una frammentazione strutturale.Da qui nasce un approccio pragmatico all’implementazione. Gli otto step proposti non sono una ricetta universale, ma un framework adattabile che parte dalla valutazione del contesto: analisi di base, priorità, obiettivi contestualizzati, progettazione partecipata, implementazione, monitoraggio, aggiustamenti, disseminazione. È project management applicato alle politiche educative, con una base teorica e un repertorio di pratiche testate: per chi lavora in progetti di ricerca e intervento, questa impostazione suona familiare e rassicurante.

Il sottotesto politico: cultura come infrastruttura

Il vero interesse del documento sta però nel suo posizionamento politico. Definire cultura e arti come “infrastruttura educativa” significa sottrarle alla logica dell’accessorio. L’inserimento esplicito della Culture and Arts Education nell’Agenda 2030, in particolare in relazione agli obiettivi 4- Quality Education  e 8- Decent Work and Economic Growth, collega le politiche culturali agli obiettivi di sviluppo sostenibile, creando un ponte tra il mondo della cultura e quello dello sviluppo economico e sociale. Questo è evidente nella sezione dedicata alle industrie culturali e creative: il Framework non si limita a riconoscere il valore intrinseco dell’esperienza artistica, ma la collega alle opportunità di lavoro dignitoso e crescita sostenibile. Può sembrare un approccio freddo ai puristi, ma ha il pregio della concretezza politica e offre argomenti spendibili nei dialoghi con decisori e stakeholder.

Ricerca, pratica e condizioni abilitanti

Dal punto di vista della ricerca educativa, alcuni passaggi meritano attenzione. La distinzione tra apprendimento riguardo, con e attraverso cultura e arti richiama i processi cognitivi e metacognitivi legati all’esperienza estetica. L’approccio “lifelong” e “life-wide” riconosce che l’apprendimento culturale dura tutta la vita e avviene in molti contesti (scuola, lavoro, tempo libero) superando la separazione rigida tra educazione formale, non formale e informale. Altro nodo cruciale è quello delle “condizioni abilitanti”. Il Framework elenca otto modalità di implementazione che vanno dalla governance intersettoriale al finanziamento stabile, dai partenariati strategici all’uso etico delle tecnologie digitali. È il riconoscimento che le buone pratiche educative non esistono nel vuoto, ma richiedono un ecosistema di supporto. E non è proprio su questo ecosistema che molti di noi lavorano in progetti di ricerca, cooperazione e innovazione didattica?

Tecnologie e IA: un realismo digitale

La sezione dedicata alle tecnologie digitali e all’intelligenza artificiale adotta quello che potremmo chiamare un “realismo digitale”: riconosce le potenzialità delle tecnologie per ampliare l’accesso e personalizzare l’apprendimento, ma mette in guardia dai rischi di digital divide e disinformazione. L’accento è su un uso “etico e responsabile”, con particolare attenzione ai Paesi a basso e medio reddito. Non è una posizione rivoluzionaria, ma è chiara e operativa, e offre a chi lavora su IA ed educazione un linguaggio condiviso e un aggancio alle agende internazionali.

Limiti e opportunità

Naturalmente, il Framework non è esente da limiti. Il primo è quello della sostenibilità finanziaria: parlare di “finanziamento stabile ed equo” è facile, reperire risorse lo è meno. Il secondo riguarda la misurazione dell’impatto: nonostante l’enfasi su monitoraggio e valutazione, mancano strumenti concreti per valutare l’efficacia delle politiche di educazione culturale. Il terzo limite è la governance: la collaborazione tra Ministeri, enti locali, università e istituzioni culturali non si decreta dall’alto, ma si costruisce nel tempo. E tuttavia, proprio da questi limiti emergono alcune opportunità per la comunità scientifica. L’integrazione sistematica di cultura e arti nell’educazione richiede ricerca interdisciplinare, metodologie per misurare l’impatto della partecipazione culturale, strumenti per leggere fenomeni complessi come la formazione dell’identità culturale. Il Framework, inoltre, offre un linguaggio comune e un set di obiettivi condivisi che possono facilitare collaborazioni internazionali: la raccolta di pratiche da 52 Paesi è già un patrimonio da esplorare criticamente.

Il verdetto: scetticismo costruttivo

Questo Framework UNESCO non è la rivoluzione che qualcuno potrebbe aspettarsi, ma nemmeno l’ennesimo documento destinato a raccogliere polvere negli archivi ministeriali. È un tentativo di sistematizzare anni di ricerca e sperimentazione, traducendoli in indicazioni operative. Il suo valore aggiunto non sta tanto nella novità dei contenuti quanto nella loro organizzazione e nel posizionamento strategico: l’educazione culturale viene trattata non come un lusso, ma come parte strutturale di un sistema educativo contemporaneo. Tra il dire e il fare restano la politica nazionale e locale, le risorse limitate, le resistenze corporative. Ma almeno ora abbiamo una mappa e una bussola su cui innestare progetti, analisi critiche, sperimentazioni didattiche. Il cambiamento nelle politiche educative avviene lentamente, per accumulo di piccole trasformazioni più che per rivoluzioni improvvise. Questo Framework potrebbe essere uno di quegli accumuli che, tra qualche anno, riconosceremo come significativo. Vale la pena seguirne l’evoluzione con attenzione e, magari, contribuire a orientarla con il nostro lavoro di ricerca.

E voi, cosa ne pensate? Avete già sperimentato approcci integrati all’educazione culturale nei vostri contesti di ricerca o pratica?

di Jack & Trash

Anno domini 2025, Aprile.

Ci troviamo davanti ad uno di quei avvenimenti che cambierà per sempre il corso della storia.
È uscito il nostro primo video su youtube!
I nostri Giacomo di Noto e Mattia Polticchia, in arte Jack & Trash, hanno realizzato un video tutorial su Anything LLM. Il tutto è nato dalla curiosità di sperimentare con modalità didattiche alternative: Meta Quest in testa e pronti a girare!

Abbiamo giocato, o meglio, l’enfasi e il linguaggio un po’ sconnesso che apre questo articolo è dei protagonisti, Trash e Jack, gli avatar dei nostri dottorandi, li abbiamo lasciati liberi di esprimersi e di gioire. Passando invece ai contenuti veri e propri, il video è pensato per chi, come noi, sta intraprendendo un percorso di Dottorato o semplicemente vuole esplorare la tecnologia nascente dei Large Language Models.

Il focus è su Anything LLM, strumento che permette di poter costruire sulla propria macchina, un sistema LLM completamente personalizzabile mantenendo un occhio sulla  privacy e alla gestione personalizzata dei dati.

Tra le sue funzionalità:

• Creare sistemi in grado di analizzare più documenti testuali in contemporanea fingendo di fare domande direttamente ai nostri file 
• Fare analisi di pagine web e aggiungerle alla conoscenza del nostro fidato pappagallo stocastico di fiducia.

Insomma, il nostro amico pappagallo stocastico diventa davvero nostro.

Il piano editoriale prevede una lunga serie di video che affronterà strumenti tecnologici al passo coi tempi capaci dispiegare e di far ridere, due elementi messi sui due piatti di una bilancia perfettamente allineata.
Una promessa in mente: non scenderemo in complicati tecnicismi e cercheremo di strapparvi un sorriso.

I tutorial, dai 10 ai 15 minuti di durata, vedono come protagonisti i vostri assistenti virtuali di fiducia: Jack quello carismatico sempre pronto a strappare un sorriso e Trash quello che parla di cose tecniche senza mai annoiare!
Dalle noiosissime installazioni, passando per le scelte più difficili da prendere si arriva a fine video con una perfetta infarinatura in grado di lasciare libera operatività anche al più ostico degli utenti tecnologici.

Questo bel pacchetto sarà fruibile gratuitamente nel nostro canale youtube e verrà rimpolpato di contenuti caricati a cadenza, circa, mensile. 

Per i saluti, linea ancora ai nostri compagni di viaggio…

“Hai già visto il nostro tutorial su Anything LLM? Se la risposta è no… cosa stai aspettando?!”

di Elsona Troplini/Redazione Lesdit

Le competenze degli studenti italiani in matematica, anche se non sono mai state brillanti, hanno conosciuto tempi migliori.  Gli ultimi dati dell’indagine PISA (Programme for International Student Assessment)  promossa dall'Organizzazione per la Cooperazione e lo Sviluppo Economico con periodicità triennale, per accertare le competenze dei quindicenni scolarizzati, ci dice che l’Italia è al trentesimo posto nelle capacità matematiche, mentre  in vetta spiccano Singapore, Macao, Taipei, Hong Kong, Giappone e Corea.

E se guardiamo anche alle prove Invalsi, in terza media raggiunge un livello di competenze, considerato adeguato in matematica, solo il 56% dei partecipanti.

I lunghi effetti della pandemia, con la chiusura delle scuole (gli ultimi dati PISA sono relativi al 2023) hanno peggiorato la situazione.

Ed è proprio quanto accaduto durante il Covid19 che ha ispirato il progetto di ricerca di cui parleremo in questa ventunesima edizione della Newsletter, con una premessa necessaria e indispensabile: chiedersi perché la matematica risulti una materia ostica da digerire non è sufficiente ed è chiaro che la responsabilità non può essere solo degli studenti ma va forse rivisto tutto l’approccio didattico alla materia, orientandolo verso un apprendimento più pragmatico,  come ha suggerito tempo fa il premio Nobel per la fisica 2021 Giorgio Parisi: “I ragazzi devono poter toccare con mano - le parole riportate da AdnKronos all’indomani dei risultati negativi nell’indagine PISA, “provare in prima persona, perché in questo modo nasce una comprensione più profonda che verrà poi ricordata per il resto della vita".

La ricerca di nuove strategie per la didattica della matematica è al centro del lavoro di Elsona Troplini, dottoranda in Learning  Sciences and Digital Technologies presso la Libera Università di Bolzano.

Un progetto che esplora come la comunità di pratica (digitale) possa migliorare l’insegnamento della matematica, ponendo particolare attenzione all’argomentazione, aspetto spesso trascurato nelle scuole primarie.

Cosa si intende per comunità di pratica?

Parliamo di comunità digitale di pratica nell’insegnamento della matematica perché molte ricerche dimostrano che il modo in cui gli insegnanti di matematica svolgono la lezione in classe è influenzato dalle loro convinzioni e dalle loro specifiche esperienze vissute.

Per comunità – digitale- di pratiche si intende perciò un ambiente nel quale le e gli insegnanti di matematica, provenienti da luoghi, culture, convinzioni diverse, scambiano le pratiche nella didattica della matematica, quanto hanno sperimentato nel corso del loro percorso di docenti, condividendo le loro esperienze in modo strutturato.

La pratica, dunque, è legata alla professionalità mentre la comunità rappresenta l'interconnessione e lo sforzo comune di tutti i partecipanti.

Nel contesto digitale, questi concetti si fondono per creare uno spazio dove gli insegnanti possono condividere esperienze e sviluppare nuove competenze.

La Metodologia

Si cerca di comprendere cosa accade prima della lezione in classe, si osserva l’azione delle e degli insegnanti, si scambiano le esperienze, ciò che accade nel contesto dell’insegnamento all'interno di una lezione. Si indaga anche il modo di essere insegnanti di matematica in profondità, attraverso, ad esempio, un’intervista.  La ricerca sul design educativo si svolge in tre fasi principali:

1. Analisi ed Esame: Identificazione e definizione dei problemi.
2. Progettazione e Costruzione: Sviluppo di soluzioni basate sia sulla teoria che sui bisogni specifici dei partecipanti;
3. Valutazione e Riflessione: Valutazione empirica del progetto, analisi della sua validità e impatto a lungo termine.

Struttura del Progetto

Il progetto utilizza Google Classroom come principale strumento digitale per facilitare la comunicazione e la collaborazione tra insegnanti. Le attività includono lo studio delle lezioni, l'analisi dei lavori in classe e la condivisione di esperienze attraverso foto e commenti. L'obiettivo comune è promuovere discussioni matematiche all'interno della comunità digitale, favorendo il confronto di soluzioni e pratiche discorsive equilibrate.

Fasi della Comunità Digitale di Pratiche

La comunità digitale di pratiche opererà su tre fronti:

1. Progettazione: Preparazione delle lezioni da parte degli insegnanti.
2. Scambio di Esperienze: Condivisione delle lezioni e delle esperienze in classe.
3. Riflessione: Analisi post-lezione e scambio di feedback per migliorare le pratiche didattiche.

Importanza dell'Argomentazione

L'argomentazione matematica non è una “conoscenza” ma una competenza fondamentale che si può sviluppare attraverso la pratica. È un processo che coinvolge il pensiero logico, essenziale per il successo in matematica. Il progetto di Elsona Troplini mira a rispondere a due domande cruciali:

1. Come osserviamo il pensiero logico negli alunni delle scuole primarie?
2. Come possiamo sviluppare questo pensiero logico nei bambini?

Collegato alle argomentazioni, e in particolare alle pratiche di valutazione, che non sono comuni nelle scuole primarie il progetto rileva che c'è  una sovrapposizione nell'accezione comune tra “argomentazione” e “dimostrazione” intesa come “dimostrazione di teoremi” che limita il lavoro in classe sull'argomentazione alla scuola secondaria.

Risultati attesi

Attraverso l'uso della comunità digitale di pratiche, il progetto si propone di portare gli insegnanti verso un agire trasformativo, migliorando non solo le loro lezioni ma anche la loro identità professionale. Attraverso interviste, focus group e incontri su Google Meet, il team raccoglierà dati preziosi e feedback che aiuteranno a perfezionare e migliorare costantemente il progetto.

L'approccio basato sull'argomentazione, inoltre, mira a fornire meno materiali di riferimento, ma con un maggiore interesse e rilevanza nella ricerca didattica.

Elsona Troplini sta svolgendo un ruolo cruciale in questa ricerca, proponendo idee, osservando, raccogliendo dati e rispondendo alle esigenze degli insegnanti.

BIBLIOGRAFIA

Arzarello F., Robutti O., Taranto E, Mathematics for the Citizen, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo., and MOOCs: From Paper to Online Environments for Mathematics Teachers’ Professional Development, Online Learning in Mathematics Education (pp.227-251), 2021;

Ghamrawi N., Teachers’ virtual communities of practice: A strong response in times of crisis or just another Fad?, Education and Information Technologies, Education and Information Technologies, Volume 27, pages 5889–5915, 2022

Kafa A., The Power of Technology in School Leadership during COVID-19, Nikleia Eteokleous, Koullapi K., Lyra O., Virtual Communities of Practice as a Means of Confronting with Educational “Emergency Situations” for Inclusive School Communities: The Case of COVID-19 Pandemic, 2024

Nisbet S., Warren E. (2000). Primary School Teachers’ Beliefs Relating to Mathematics, Teaching and Assessing Mathematics and Factors that Influence these Beliefs, Mathematics Teacher Education and Development, Vol. 2, 34-47

Naomi A. Jessup, Jennifer A. Wolfe, and Crystal Kalinec-Craig, Rehumanizing Mathematics Education and Building Community for OnlineLearning, Online Learning in Mathematics Education, pp.95-113, 2021

Radakovic N., Jao L., Borders in Mathematics Pre-Service Teacher Education, Springer, 2020

Wenger E, Comunità di pratica. Apprendimento, significato e identità, Raffaello Cortina, 2006;

di Alice Pierluigi

Il dottorando chiuso in biblioteca dalle 8:00 del mattino fino alle 20:00 di sera; nelle città più grandi come Milano, se è fortunato, trova anche qualche struttura che resta aperta fino  mezzanotte e vive tutta la giornata imprigionato tra i libri e il silenzio di una città triste. Quelli con più capacità riescono, sforzandosi, a diventare amici della bibliotecaria e ad avere accesso a tutti i privilegi che questa posizione comporta, come prestiti dei libri prolungati e più documenti in anteprima. Questa è una delle varie immagini stereotipate della vita di stenti di un dottorando o di una dottoranda italiani. Per carità, a volte è una rappresentazione veritiera, ma tante altre volte no…

E allora, come si vive da “PhD student oggi?

Proveremo a rispondere a questa domanda descrivendo noi di  lesdit, e questi ultimi giorni passati insieme. Essendo dislocati in università in tutta Italia, siamo tanti amici di penna (di formazione e di ricerca) e ci vediamo fisicamente solo una manciata di volte l’anno. Ci riferiamo a quelle poche e fortunatissime occasioni, come il passaggio di fine anno, la summer school e magari qualche conferenza in cui capitiamo insieme. Proprio questa settimana è stato l’ultimo incontro in presenza, con la Summer School LeSDiT. Anche la location a qualcuno sembrerà inusuale: non siamo stati in un hotel con sala conferenze o inuna aula magna di qualche università, ma a Spiaggia Romea nei lidi ferraresi. Tra attività di formazione, team building e il tempo libero, ecco quello che abbiamo scoperto.

Nel mezzo del cammin dei lidi ferraresi

La settimana si è aperta con un’uscita in bici nel Parco del Delta del Po, patrimonio UNESCO. La guida ambientale certificata ci ha descritto quanto in questo luogo l’acqua la faccia da padrona: l’intorno racconta una storia di incontri e scontri tra fiume e mare, bonifica e laguna; si percepisce subito la magia di un luogo plasmato dall’acqua e dall’uomo. Il Parco del Delta è poi un paradiso di biodiversità, con daini, tori, aironi e cervi, che abbiamo avuto la fortuna di osservare in gruppo, immersi nel loro habitat naturale. La guida ci ha raccontato storie della fauna locale e di come questi animali convivano in un equilibrio altalenante ma sorprendentemente resistente. Anche i cavalli del Delta, discendenti del Camargue, fanno parte di questo spettacolo naturale: bassi e resistenti, con un mantello che nasce grigio per puro mimetismo fino a diventare bianco negli anni del completo sviluppo

Camminando dalla pineta fino alla sabbia del lungomare, abbiamo realizzato quanto questa terra sia un mosaico in continua mutazione. In un susseguirsi di bonifiche, di acqua di fiume, di canale, di valle e di mare, che si alternano lasciando dietro di sé un paesaggio che cambia colore e forma.

Imparare a leggere le immagini con Nicola Bruno

Oltre ad osservare la flora e la fauna della zona, in aula con Nicola Bruno siamo passati all’analisi delle immagini, interrogandoci sulla definizione dell'attuale scenario informativo visivo. A partire dalle 100 foto più iconiche secondo Time e analizzando tanto altri casi, abbiamo trovato foto reali, foto false e foto staged… Così ci siamo chiesti: come possiamo ancora fidarci delle fotografie? La risposta non è cercare solo il “falso”, ma sviluppare nuovi alfabeti visivi:

• riconoscere la provenienza delle fonti;
• leggere i contesti attraverso tecniche come la lettura laterale;
• ricostruire consapevolezze, anche con modalità come il progetto Four Corners.

La sfida oggi non è più soltanto smascherare le foto false, ma imparare a credere a quelle vere. Anche qui torna l’idea presentata da Rivoltella: serve educazione critica, non tanto per distruggere i media, ma per abitarli in modo più consapevole.

Leggere la realtà come testo con Pier Cesare Rivoltella

Con il professor Pier Cesare Rivoltella, coordinatore scientifico del dottorato, infatti, siamo entrati nel cuore della svolta semiotica: leggere la realtà come testo, che siano media, cultura materiale o processi sociali. Dalla semiotica dei media di Barthes alla media literacy, il filo conduttore è stato uno: sviluppare pensiero critico significa imparare a smontare i miti, i testi e ora anche le nuove forme di “realtà vicaria” come fake news e deepfake. Rivoltella ci ha guidato attraverso tre fronti su cui riflettere:

• Prebunkingcome vaccino contro le realtà surrogate, anche dette “realtà vicarie”;
• Pensiero posizionale, cioè imparare a guardare dal punto di vista dell’altro;
• Allargare le enciclopedie di riferimento, perché non c’è innovazione senza tradizione.

Il tutto con la consapevolezza che ogni epoca comporta inevitabilmente perdite e guadagni e che il nostro compito educativo è capire cosa difendere. E in un’epoca in cui la velocità dei cambiamenti è disorientante, il professor Rivoltella ci ha fatto soffermare sul concetto di controinformazione, quella “narrazione altra” rispetto alla narrazione mainstream che connetta gli specialisti di un settore  al grande pubblico, per evitare che le riflessioni rimangano confinate in bolle accademiche. Una lezione intensa, che ha mostrato come la semiotica non resti confinata ai libri, ma diventi strumento per vivere criticamente i media e la società.

Una dose extra di Podcast con Martínez e la prof.ssa De Santis

Se Rivoltella ci ha guidato nei testi e Bruno nelle immagini, la dottoressa Lydia Martínez e la professoressa Annamaria De Santis di Unimore ci hanno accompagnato nel mondo dei podcast, perché sì, il fenomeno dei podcast non è mai abbastanza! Dai dati IPSOS abbiamo scoperto che in Italia quasi 4 persone su 10 hanno ascoltato un podcast negli ultimi mesi, e che questo formato raggiunge soprattutto chi sfugge ai media tradizionali: giovani, studenti, professionisti.

Ma il podcast non è solo intrattenimento: ricerche europee mostrano come possa potenziare l’apprendimento universitario, se costruito con narrazioni coinvolgenti. In un’epoca di attenzione frammentata, resta uno strumento flessibile e potente per educare e divulgare… Nell’epoca dell’attenzione frammentata, il podcast si conferma nuovamente come uno strumento flessibile e intrinsecamente potente per divulgare ed educare. Non è mancata la parte laboratoriale: nell’ultimo giorno abbiamo progettato i nostri podcast, sperimentando con Jellypod e prendendo spunto dai contenuti della piattaforma OnAir di EduNext. Abbiamo creato dei contenuti divulgativi di ampissimo raggio, li abbiamo poi riascoltati e commentati insieme nella restituzione finale: un vero lavoro applicativo di gruppo

Quando il tempo libero unisce: più che colleghi, complici

Non c’è solo formazione nella summer school e forse è proprio fuori dalle aule che ci siamo conosciuti davvero. Le partite di beach volley hanno messo alla prova la nostra coordinazione: Mattia Polticchia può confermare che il bagher non è il suo forte. Contemporaneamente, il tennis ha incoronato due Alici, Alice Gallouin e Alice Pierluigi Pierluigi, come tenniste ufficiali LeSDiT, battendo Giacomo Di Noto Noto due volte, sia in singolo che in doppio. Le attività sono state tra le più varie: Pina Debbi tra uno speech e l’altro non rinunciava mai a un giro in bici o a un'oretta di camminata veloce, insieme a Lisa Ruffini e Cristiana Dell'Erba o a Loredana Boero; @Martina Gremignai e Federica Turco hanno sperimentato la canoa, anche se la direzione era un po’ inusuale, dato che giravano sempre in tondo, ma con tante risate. E alla fine, è proprio qui che il gruppo è diventato comunità: nel tempo libero dei “colleghi sparsi” hanno condiviso momenti genuini, scoprendo chi siamo davvero. Siamo passati da colleghi che si riconoscono professionalmente — sapendo chi ricerca cosa — a persone che si scoprono anche su un piano strettamente umano — cosa amano, di cosa hanno paura, con cosa ridono, cosa li motiva e cosa li fa svagare. Ed è proprio in queste connessioni sincere che si costruisce il valore più duraturo della nostra esperienza.

di Federico Ruggiero

Dal suo lancio nel novembre 2022, ChatGPT ha conosciuto una diffusione senza precedenti nella storia delle tecnologie digitali, raggiungendo nel luglio 2025 circa il 10% della popolazione adulta mondiale, con oltre 700 milioni di utenti attivi e 18 miliardi di messaggi inviati ogni settimana. Ricercatori e studiosi da tutto il mondo hanno compreso fin da subito l’importanza della sua irruzione sul mercato e ne hanno iniziato a studiare le conseguenze e gli effetti ( vedi le edizioni newsletter passate in cui si citano i lavori di Nello Cristianini, Elena Esposito, Luciano Floridi, Vittorio Gallese, Stefano Moriggi, Chiara Panciroli, Giuseppe Riva, Pier Cesare Rivoltella).

Uno studio rigoroso per capire l’uso quotidiano

Un nuovo studio promosso dal National Bureau of Economic Research (NBER- uno dei più autorevoli centri di ricerca economica al mondo, noto per i suoi working paper che anticipano tendenze e trasformazioni globali.) presenta un’indagine sistematica volta a comprendere meglio l’utilizzo di ChatGPT da parte degli utenti. L’obiettivo di questa analisi empirica è di analizzare i modelli d’uso di ChatGPT distinguendo tra i, esplorando le differenze demografiche, occupazionali e geografiche.

Metodologia e Analisi

Dal punto di vista metodologico, lo studio combina tre insiemi di dati complementari e un pipeline di classificazione interamente automatizzata e privacy-preserving. Il primo dataset (Growth) copre tutti i messaggi degli utenti consumer (Free, Plus, Pro) in un arco temporale che va dal novembre 2022 (lancio di ChatGPT) al settembre 2025 e include metadati de-identificati (prima interazione, Paese, piano, età in fasce di 5–7 anni), usato per descrivere la diffusione e i volumi d’uso nel tempo. Il secondo dataset (Classified messages) è costruito partendo dal campionamento casuale dei messaggi (≈ 1,1 milioni di conversazioni dal 15/05/2024 al 26/06/2025), da cui si estrae un messaggio per conversazione. Per questioni etiche sono esclusi gli utendi under-18, utenti con opt-out dal training, conversazioni cancellate, account disattivati/bannati e utenti logged-out (disponibili solo da marzo 2025 e comunque scartati per coerenza). I testi sono prima ripuliti da PII tramite uno strumento interno (Privacy Filter), poi etichettati da classificatori LLM: per ogni messaggio si considera il contesto delle 10 battute precedenti (per Interaction Quality anche le due successive), si tronca a 5.000 caratteri, e si usa tranne la qualità d’interazione (valutata con gpt-5). Le tassonomie comprendono: lavoro vs non-lavoro; topic di conversazione; intento (Asking/Doing/Expressing); attività lavorative mappate su O*NET (332 IWA, estese a 333 categorie con l’opzione Ambiguous, poi aggregate a GWA). Il terzo dataset (Employment/Education), che è l’unico realizzato da un fornitore esterno, colleziona dati provenienti da circa 130.000 utenti consumer. È stato costruito con l’obiettivo di mettere in relazione le modalità d’uso di ChatGPT con le caratteristiche professionali e formative degli utenti così da esplorare le differenze nell’uso di ChatGPT tra persone con livelli di istruzione diversi o impiegate in settori differenti. Per quanto riguarda l’analisi, è bene sottolineare che i ricercatori non hanno mai avuto accesso diretto alle informazioni personali. Tutte le interrogazioni sul dataset sono avvenute all’interno della Data Clean Room, dove vengono eseguite solo query aggregate e pre-approvate. Ogni analisi doveva essere autorizzata da un comitato interno di sei coautori e poi validata dal partner esterno che gestisce la DCR.

Chi sono gli utilizzatori di ChatGPT? (Spoiler: tutti)

Gli utenti di ChatGPT rappresentano oggi una popolazione ampia, eterogenea e in rapida evoluzione (v. figura 1). Inizialmente, subito dopo il lancio del chatbot, la maggioranza era composta da uomini, spesso giovani professionisti o studenti con competenze digitali avanzate, ma nel giro di poco più di due anni la distribuzione si è equilibrata: nel 2025 le donne risultano leggermente prevalenti e mostrano modalità d’uso differenti, più orientate alla scrittura, alla traduzione e al supporto pratico, mentre gli uomini tendono a impiegarlo in ambiti tecnici e multimodali. L’età media degli utenti è bassa: quasi la metà dei messaggi proviene da persone tra i 18 e i 25 anni, ma la propensione a un utilizzo professionale cresce con l’età e con il livello d’istruzione, raggiungendo i valori più alti tra laureati e figure con formazione postuniversitaria. Il paper mostra inoltre che ChatGPT è sempre più diffuso nei paesi a medio e basso reddito, dove viene usato soprattutto come strumento di apprendimento, autoformazione e traduzione linguistica, diventando una risorsa accessibile per chi non ha strumenti educativi avanzati. Le analisi condotte attraverso il dataset su occupazione e istruzione confermano che gli utenti con un livello educativo più alto e impiegati in settori cognitivi utilizzano ChatGPT per compiti di scrittura, decision support e problem solving, mentre chi lavora in settori meno qualificati o amministrativi tende a usarlo per la ricerca di informazioni o consigli pratici.

Ma come e per cosa si usa ChatGpt?

I risultati mostrano che l’uso di ChatGPT è in rapida espansione e che la maggior parte dei messaggi (oltre il 70%) riguarda attività non lavorative, in crescita rispetto all’anno precedente (v. figura 2).

Si tratta di attività per apprendimento personale, curiosità, scrittura creativa, svago o autoformazione. Circa l’80% delle conversazioni si concentra su richieste di Practical Guidance (consulenza personalizzata, tutoring, come-fare, pianificazione, ideazione creativa, supporto educativo), Seeking Information (ricerche di informazioni factual), Writing(produzione, revisione, traduzione, editing e sintesi di testi). Negli usi professionali, il writing è nettamente la funzione dominante e rappresenta circa il 40% dei messaggi di lavoro e più della metà delle interazioni nelle professioni manageriali e di business (v. figura 3).

Successivamente, gli autori distinguono tre categorie fondamentali di intenzionalità comunicativa: Asking: include tutte le richieste di informazione, chiarimento o consiglio e rappresenta circa il 49% dei messaggi totali. Doing: raccoglie invece le interazioni orientate all’azione come richieste di scrittura, traduzione, revisione, programmazione o produzione di contenuti e rappresenta circa il 40% dei messaggi totali ed è la forma dominante tra gli utilizzi a scopo professionale. Expressing: comprende interazioni più personali, riflessive o emotive, spesso legate alla conversazione spontanea, alla scrittura creativa o al bisogno di espressione individuale e rappresenta circa l’11% dei messaggi totali.

E in ambito professionale cosa accade davvero?

La scrittura domina con il 40% dei messaggi, mentre il coding rappresenta solo il 4,2%. Le analisi rivelano inoltre che la quota di messaggi di tipo Asking cresce più rapidamente di quelli Doing e che questi ultimi prevalgono solo nelle attività di lavoro. Parallelamente alla crescita degli utenti, anche il volume di messaggi è aumentato in modo vertiginoso (oltre cinque volte). Gli utenti registrati nei primi mesi di vita hanno mantenuto livelli di utilizzo costanti e, anzi, mostrano un ritorno di crescita a partire dalla fine del 2024, segno di una fedeltà d’uso che aumenta con il miglioramento delle funzionalità del sistema. Gli utenti che hanno adottato ChatGPT successivamente, mostrano tassi di adozione progressivamente più alti, indicando che ogni nuova generazione di utenti scopre in modo più rapido e articolato le potenzialità del chatbot. Per mappare l’utilizzo di ChatGPT per scopi professionali è stato utilizzato l’Occupational Information Network (O*NET) e dai dati raccolti, emerge che la maggior parte dell’uso professionale di ChatGPT si concentra su compiti di scrittura, sintesi, analisi e consulenza, con una netta prevalenza delle attività cognitive ad alto valore rispetto a quelle operative o ripetitive. Circa il 58% dei messaggi di lavoro rientra in due macro-categorie di O*NET: la prima considera l’ottenimento, documentazione e interpretazione di informazioni, mentre la seconda, la presa di decisioni, il problem solving e la comunicazione di giudizi o raccomandazioni. Questi risultati mostrano come ChatGPT agisca come strumento di estensione cognitiva, soprattutto nelle professioni manageriali, accademiche e creative, dove viene utilizzato per generare idee, redigere testi o formulare analisi preliminari. Secondo lo studio, la maggior parte delle interazioni non mira a delegare interamente il compito al modello, ma a co-produrre il risultato, combinando le competenze umane (conoscenza di dominio, sensibilità contestuale, tono comunicativo) con la capacità del modello di generare bozze, schemi o alternative linguistiche. L’uso più intensivo di ChatGPT per scopi di scrittura si registra nelle professioni manageriali e commerciali, mentre nelle professioni STEM prevale il Technical Help, ossia l’assistenza nella programmazione e nella risoluzione di problemi tecnici.

Conclusione

Lo studio conferma che l’adozione di ChatGPT produce valore tangibile nei lavori basati sulla conoscenza, migliorando la qualità delle decisioni, la chiarezza comunicativa e la velocità di esecuzione. Tuttavia, gli autori riconoscono che la sua funzione non è quella di sostituire le competenze umane ma di amplificarle. La vera trasformazione risiede nel corretto utilizzo di questi strumenti, abbracciando una prospettiva collaborativa e non sostitutiva in cui il giudizio umano rimane protagonista. La ricerca mostra inoltre che, pur nascendo come strumento di produttività, ChatGPT si è rapidamente evoluto in una piattaforma di apprendimento informale e riflessione personale, usata per scrivere, studiare, esplorare o semplicemente pensare in modo dialogico. In questa prospettiva, la sua diffusione globale può essere letta come l’inizio di una nuova forma di alfabetizzazione cognitiva, in cui l’interazione con i modelli linguistici diventa parte integrante del modo in cui le persone accedono al sapere e costruiscono significato.

di Federico Maiocco

«Il vecchio muore e il nuovo non può nascere; in questo interregno si verificano i fenomeni morbosi più svariati». Inizio da questa celebre riflessione di Antonio Gramsci, scritta nel 1930 tra le mura di una cella fascista, per introdurre l'ultimo, densissimo lavoro di David Buckingham, "The end of information: media, knowledge and education in a post-truth age" (La fine dell'informazione: media, conoscenza e istruzione nell'era della post-verità), recentemente pubblicato in Inghilterra da Polity. Apro con l'intellettuale sardo perché nel testo diventa ago analitico di una bussola che aiuta orientarci nella situazione contemporanea. Buckingham lo utilizza per definire l'attuale crisi della conoscenza non come un crollo definitivo della civiltà, ma come una "crisi di autorità" (crisis of authority). Siamo sospesi in uno spazio intermedio dove le vecchie gerarchie informative sono crollate, i media professionali hanno perso il loro ruolo di custodi della verità (gatekeepers) e i nuovi regimi non hanno ancora guadagnato legittimità democratica. In questo chiaroscuro, i "sintomi morbosi" (morbid symptoms) si manifestano sotto forma di post-verità, teorie del complotto, populismo e polarizzazione.

Il peso di un maestro e la sistemazione del caos

Da dottorando in Media Education, ancora giovane nel percorso accademico ma ormai avanti nel cammino di vita, considero il suo "Un manifesto per la media education" (2019) un riferimento imprescindibile sulla materia e ho accolto questo nuovo volume con curiosità, rispetto e come occasione di profonda riflessione storica. David Buckingham non ha bisogno di presentazioni: professore emerito alla Loughborough University e fondatore del Centre for the study of children, youth and media, è da decenni una delle voci più autorevoli nel campo della media education a livello mondiale. Questo libro non cerca di inventare concetti radicalmente nuovi a ogni pagina, ma fa qualcosa di molto più prezioso: propone un riordino sistematico e critico di argomentazioni spesso frammentate, analizzate negli anni da vari autori e dallo stesso Buckingham nel suo blog e nei suoi saggi precedenti. La struttura dell’opera riflette questa volontà di fare ordine nel disordine informativo. Il libro è diviso in due parti: la prima (capitoli 1-6) è una diagnosi che attraversa i nodi della information (informazione), della trust (fiducia), dell’economia politica dei media e della post-democracy (post-democrazia). La seconda parte (capitoli 7-10) analizza le risposte sistemiche, passando al setaccio la regolamentazione, il fact-checking (verifica dei fatti) e, infine, la proposta pedagogica sulla media education e sulla conoscenza.

Rompere le cornici (to break the frames)

Buckingham chiarisce subito, nell’introduzione e nel prologo, che la sua non è una rassegna distaccata. Il libro nasce da un senso di esasperazione (exasperation) verso quella che definisce una narrativa melodrammatica e persino apocalittica della post-verità, spesso alimentata da giornalisti nostalgici di un’età dell’oro che, probabilmente, non è mai esistita. La sua presa di posizione è netta: vuole mettere in discussione il modo in cui il problema viene framed(inquadrato) dai governi e dalle élite liberali.

L’autore attacca frontalmente quello che chiama educational solutionism (soluzionismo educativo). Si riferisce alla tendenza cinica dei politici di presentare la media literacy come una sorta di vaccino tecnico o una lista di controllo (checklist) per individuare le fake news, delegando così la responsabilità del disordine informativo ai singoli cittadini e agli insegnanti, invece di affrontare le radici economiche e infrastrutturali del problema. Buckingham, nel processo di richiamare l'attenzione sul problema stesso, ci invita a chiederci: chi sta inquadrando la questione, per chi e quali sono i suoi interessi?. La critica è assolutamente persuasiva, ma lascia in parte aperta una questione decisiva: in che modo questa consapevolezza delle cause strutturali possa tradursi in pratiche educative concrete, senza ricadere proprio in quel riduzionismo operativo che il volume intende contestare.

Dal manifesto militante alla diagnosi di sistema

Il rapporto con il manifesto del 2019 è affascinante. Nel 2019, Buckingham scriveva con l’urgenza di chi deve difendere una disciplina (i media studies) sotto attacco politico nel Regno Unito. In quel testo, il focus era la legittimazione della media education come diritto fondamentale per navigare nel capitalismo delle piattaforme (platform capitalism). C’era un ottimismo della volontà quasi militante.

Nel 2026, pur mantenendo quel nucleo pedagogico, il tono si fa più cupo ed epistemologico. Se nel manifesto la sfida principale era la filter bubble (bolla di filtraggio), oggi Buckingham deve fare i conti con l'artificial intelligence (intelligenza artificiale) generativa, che non si limita a filtrare la realtà, ma la simula, rendendo la distinzione tra vero e falso non solo difficile, ma ontologicamente incerta. La critica al soluzionismo è diventata radicale: non basta più insegnare ai ragazzi a spuntare una lista di verifica per trovare le notizie false, perché questo ignora il potere del motivated reasoning (ragionamento motivato). Crediamo a ciò che vogliamo credere, a ciò che conferma la nostra identità e i nostri legami sociali, indipendentemente dai fatti.

Il complottismo tra cinismo e “resistance”

Di fronte alle teorie complottiste, confesso di avere spesso reagito con un sorriso di superiorità. Buckingham, però, mi ha spento questo riflesso incondizionato accendendo una riflessione più attenta. L’autore invita a non patologizzare come semplice follia o ignoranza, ma a comprendere come risposta all’alienazione e al disincanto della post-democrazia. In un mondo percepito come opaco e incontrollabile, le teorie della cospirazione offrono una “mappatura cognitiva” capace di restituire ordine e orientamento. Attraverso il riferimento a Mikael Klintman e alla knowledge resistance, Buckingham mostra inoltre che la sfiducia verso le autorità può assumere, per alcuni soggetti, la forma di una difesa identitaria di fronte all’incertezza. Anche per questo i teorici di QAnon si rappresentano come interpreti attivi della realtà, convinti di esercitare il pensiero critico più dei cittadini passivi. È una provocazione importante, perché costringe la media education a interrogarsi su come educare al pensiero critico senza trasformarlo in cinismo. Resta tuttavia il rischio che, nel tentativo di comprendere il complottismo come risposta all’alienazione contemporanea, se ne attenui talvolta la portata regressiva sul piano pubblico, epistemico e democratico.

I regimi di verità e la fine dell'informazione

Buckingham approda a una conclusione filosofica riprendendo Michel Foucault: la verità non è un valore astratto da scoprire, ma un sistema di procedure regolate per la produzione e distribuzione di affermazioni sostenute da sistemi di potere. Questo è il regime of truth (regime di verità). la battaglia attuale non riguarda tanto i singoli fatti, quanto lo status of truth (lo status della verità) e il ruolo politico ed economico che essa svolge nella società.

Qui che il titolo del libro trova la sua giustificazione. Buckingham sostiene provocatoriamente che il concetto stesso di informazione potrebbe aver esaurito la sua utilità. In un mondo dominato dalla attention economy (economia dell'attenzione), dove l'utente è la merce (commodity) e gli algoritmi sono progettati per massimizzare il profitto attraverso la weaponization of emotion (armatizzazione dell'emozione), l'informazione è ridotta a dati quantificabili (bit e byte) privi di contesto e significato. Non viviamo più in un mondo di fatti, ma in un mondo di rappresentazioni (representations) in competizione tra loro.

L'ottimismo della volontà per la Media Education

Nonostante la diagnosi cupa, Buckingham non cede al pessimismo terminale. Nelle conclusioni, torna a Gramsci e al suo invito a essere optimist of the will (ottimisti della volontà) nonostante il pessimismo dell'intelligenza. La via d'uscita non è una correzione tecnica rapida (quick fix), ma una ricostruzione radicale della powerful knowledge (conoscenza potente).

Come dottorando ed educatore, leggo in queste pagine una chiamata all'azione per il nostro sistema educativo. Dobbiamo andare oltre la media literacy strumentale e puntare a una media education che sia analisi critica della produzione, del linguaggio, del pubblico e, soprattutto, della rappresentazione. L'obiettivo dell'educazione non è più solo fornire fatti, ma insegnare i metodi con cui i diversi tipi di conoscenza vengono prodotti e costruiti. "The end of information" sottolinea che non abbiamo bisogno di "più informazioni", ma di cittadini capaci di immaginare che le cose possano essere diverse.

Rimane però da chiedersi se questo orizzonte pedagogico, teoricamente robusto e politicamente necessario, trovi oggi condizioni istituzionali, curricolari e formative sufficienti per tradursi in progetto effettivo.

Buckingham ci consegna un libro che è insieme un requiem per un'innocenza perduta e un manifesto politico per un nuovo inizio della partecipazione democratica.

di Pina Debbi e Federico Ruggiero

di Pina Debbi e Federico Ruggiero

Ci sono visioni e percezioni dell’ Università italiana che appartengono forse al senso comune, ma che portano con sé elementi di verità. Spesso l’immagine è quella di un’istituzione chiusa e autoreferenziale, lontana dal mondo produttivo e dalle esigenze della società, non sempre connessa con il mondo reale. La ricerca è spesso confinata al mondo accademico, e molti ricercatori si ritrovano, prima o poi, in un imbuto che preclude inevitabilmente il futuro lavorativo nel nostro paese, dopo anni di precariato sottopagato. Le strade possibili diventano due: unirsi alla schiera dei cervelli in fuga o cambiare direzione. Eppure, a partire dal 2013, le linee generali della programmazione universitaria, confermate di triennio in triennio dai diversi decreti ministeriali, hanno sottolineato il ruolo chiave della Terza Missione. Tra gli obiettivi strategici si indica proprio quello di “Favorire la Terza Missione, potenziando le attività di trasferimento tecnologico e di conoscenza verso il sistema socio-economico, le attività di public engagement, la gestione del patrimonio culturale e il ruolo dei poli museali”.

Ma cos’è la Terza Missione?

La Terza Missione ruota attorno a un concetto cruciale: l’impegno delle università, oltre alla didattica (Prima Missione) e alla ricerca scientifica (Seconda Missione), a contribuire allo sviluppo economico, sociale e culturale del territorio in cui operano. L’ANVUR (Agenzia Nazionale di Valutazione del Sistema Universitario e della Ricerca) la definisce come “propensione delle strutture all'apertura verso il contesto socio-economico, esercitata mediante la valorizzazione e il trasferimento delle conoscenze” attraverso la divulgazione scientifica, l’ottenimento di brevetti, il trasferimento tecnologico e altre attività connesse alla produzione di beni pubblici, comprese le attività culturali e artistiche. La Terza Missione è particolarmente rilevante quando si discute del rapporto tra università, imprese, enti pubblici e la società nel suo complesso. Per dottorandi e ricercatori, può rappresentare l’opportunità di dare valore ai propri progetti e di garantire un futuro anche in ambienti di ricerca esterni all’università.

Per approfondire le opportunità della Terza Missione, la redazione di Lesdit ha incontrato Daniela Andreini, Prorettrice all'innovazione e alla digitalizzazione dell'Università degli Studi di Bergamo, nonché professoressa ordinaria presso il Dipartimento di Scienze Aziendali, neoeletta come Direttrice del Dipartimento di Scienze Aziendali.

L'Intervista

Qual è, secondo lei, l'obiettivo principale della Terza Missione? Come crede che l'università possa migliorare il suo impatto sulla società attraverso questa attività? L’università crea conoscenza, innovazione e invenzioni. Tuttavia, se queste non vengono tradotte in un valore sociale, ambientale o economico, rimangono fini a sé stesse. Abbiamo vissuto momenti in cui l'università, a livello globale, aveva perso il contatto con la società. Erano venuti meno la relazione e lo scambio con il territorio, creando distorsioni nella percezione dell’università stessa. Oggi possiamo affermare che la Terza Missione è diventata un'attività vera e propria: è rendicontata, valutata e misurata dal Ministero e dall’Unione Europea. Restano però alcuni limiti: i percorsi di carriera dei docenti seguono ancora (forse troppo) la via delle pubblicazioni scientifiche, che restano il primo e più importante parametro per la loro valutazione. Diventa quindi difficile convincere i professori a orientarsi verso i progetti di ricerca applicata, preferita invece da docenti ordinari, con una solida affermazione alle spalle e una maggiore sensibilità verso questo tipo di ricerca. Un aspetto che in parte allontana l'Università dal contatto con la società. Inserire nella valutazione dei docenti anche la Terza Missione significherebbe premiare e supportare un tipo di ricerca davvero prezioso.

L’università italiana ha capito questo aspetto fino in fondo? L’eccellenza dell'università italiana si manifesta a macchia di leopardo: in alcuni settori si eccelle, mentre altri presentano forti criticità. Là dove si eccelle, si riesce a dialogare e a trasferire beneficio culturale, sociale ed economico al territorio e anche alle comunità internazionali. Più in generale, credo che ogni università abbia il suo fiore all’occhiello e molti atenei stanno implementando attività di ricerca applicata, anche grazie alla spinta dell’Unione Europea in questa direzione. Tutte le call richiedono rendicontazione e misurazione di questo valore e, se oggi le università vogliono essere attrattive e ottenere nuove risorse economiche, devono per forza orientare i propri progetti di ricerca verso la Terza Missione.

Torniamo a focalizzarci sui dottorandi e giovani ricercatori; l’università è un imbuto e non tutti possono rimanere all’interno del mondo accademico. Per la sua esperienza, che suggerimento darebbe a chi ha scelto di fare ricerca? Suggerirei di fare un "cross-check" tra il gap individuato nella letteratura, a cui si vuole rispondere, e le esigenze reali che si osservano sul mercato. Affinando la propria domanda di ricerca in modo che abbia valore per alcuni stakeholder della società, si evitano ricerche che rispondono solo a esigenze accademiche. Se si tenta di colmare un gap senza connessione con le reali esigenze del territorio e dell’università, rischiamo di spendere i migliori anni della nostra vita per aggiungere qualche riga al curriculum, ma senza un impatto concreto.

Quindi alla base c’è una questione di metodo? Applicare cioè il rigore accademico alla soluzione di problemi provenienti dal mercato e dalla società? Assolutamente sì. È fondamentale sviluppare un metodo scientifico, specializzarsi, studiare tantissimo e applicare il proprio metodo. Osservare e valutare i risultati, affinarlo quanto più possibile. Chi fa ricerca applicata deve avere una base scientifica solida. Per raggiungere questo obiettivo è necessario studiare continuamente, aggiornarsi e testare il proprio metodo, anche quando si commettono errori. È importante comprendere gli errori e ripartire, perché alla fine i risultati arrivano.

Lei vanta una grande esperienza nella Terza Missione, c’è un caso a cui si sente particolarmente legata? Nel 2008 ero una giovane ricercatrice e ho partecipato a una ricerca etnografica sui camionisti. In tre anni abbiamo raccolto dati, interviste, osservato le loro attività e dialogato con i manager. Da questa esperienza sono nati tre articoli scientifici di successo. È stata una ricerca bellissima perché ha risposto a esigenze specifiche di un’azienda con cui abbiamo collaborato per tre anni, e al contempo abbiamo dato risposte alla comunità scientifica, pubblicando articoli molto apprezzati. Non è sempre facile mettere insieme i due mondi, ma quando ci si riesce è una grande soddisfazione.

Se guardiamo al futuro dell’università, dove colloca la Terza Missione? Sono convinta che la ricerca applicata diventerà sempre più centrale. Per fare ricerca servono fondi, e questi si ottengono solo se le attività di ricerca hanno un impatto sociale, ambientale, culturale ed economico forte. Suggerisco a giovani dottorandi e ricercatori di immaginare la Terza Missione molto vicina ai propri progetti di ricerca. Rispondere alle esigenze del territorio e del mercato può rendere l’università sempre più attrattiva.

------------------

Daniela Andreini (Ph.D.) è prorettrice all’innovazione e alla digitalizzazione dell’Università degli studi di Bergamo e professoressa ordinaria presso il Dipartimento di Scienze Aziendali, direttrice del Master in Digital Business Development presso la SdM- Scuola di Alta Formazione della stessa università. Dal 1 ottobre 2024 ricoprire il ruolo di Direttrice del Dipartimento di Scienze Aziendali. Le sue ricerche scientifiche si focalizzano principalmente sull’innovazione e digitalizzazione dei business model,, digital marketing and social media marketing. I suoi lavori di ricerca sono pubblicati in riviste scientifiche internazionali, tra cui: Journal of Advertising, Organization Studies, Journal of Advertising Research, Journal of Business Research, Industrial Marketing Management, International Journal of Information Management, Journal of Business Ethics, Journal of Business & Industrial Marketing e Journal of Service Theory and Practice. E’ membro dell’editorial board dell’Italian Journal of Marketing, consulting editor della rivista International Journal of Management Reviews, membro dell’editorial board di Journal of Product and Brand Management e componente del review board del Journal of Business Research. Ha infine sviluppato molti percorsi formativi innovativi per studenti universitari, manager e aziende e dal 2019 organizzatrice del Digital Day a Bergamo.

di Michele Allegretti

Lo Stanford HAI ha pubblicato la nona edizione dell’AI Index Report: 423 pagine in cui l’intelligenza artificiale smette di essere una previsione e diventa una variabile strutturale dell’economia, della scienza e dell’istruzione. La scorsa settimana il focus è stata l'Italia, come la tecnologia è entrata nel nostro esosistema nazionale, in tutti i campi. In questa edizione di Moredigital cercherò di leggere il report attraverso la lente dell'Education, il numero 7, perché è lì che si misura la distanza reale tra ciò che la tecnologia sa fare e come le persone se ne appropriano. Ho ricavato cinque immagini: tante ne bastano per fissare i punti che, dati alla mano, non si lasciano restituire a parole.

Contesto

Esperti e pubblico, almeno nei dati statunitensi, sembrano vivere in mondi cognitivi differenti quando si parla di AI: il 73% degli esperti si aspetta un impatto positivo sul lavoro, contro appena il 23% del pubblico. Il divario si replica anche in economia e sanità e suggerisce che l’accesso alle tecnologie non coincide necessariamente con la comprensione dei loro effetti. La frattura non è soltanto tecnologica, ma educativa. Anche la fiducia nelle istituzioni segue una geografia frammentata: gli Stati Uniti registrano il livello più basso di fiducia nella capacità del proprio governo di regolamentare responsabilmente l’AI, mentre l’Unione Europea gode in generale di una maggiore credibilità regolatoria. In altre parole, mentre le tecnologie accelerano, la legittimità delle istituzioni chiamate a governarle procede a velocità molto diverse.

Questa asimmetria emerge ancora più chiaramente osservando la crescita delle capacità dei modelli. Nel 2025 oltre il 90% dei modelli frontier più rilevanti è stato prodotto dall’industria privata, e molti sistemi raggiungono o superano prestazioni umane in compiti che fino a pochi anni fa venivano considerati altamente specialistici, come il "ragionamento" scientifico, la matematica competitiva o la programmazione avanzata. Su SWE-bench Verified, benchmark dedicato ai compiti di sviluppo software, le prestazioni dei modelli si sono avvicinate nel giro di un anno al livello umano di riferimento. Parallelamente, l’adozione dell’AI generativa si è diffusa rapidamente nei contesti educativi: circa quattro studenti universitari su cinque dichiarano oggi di utilizzare questi strumenti per studio, ricerca, brainstorming o revisione dei testi.

L'AI è più veloce delle nostre capacità di apprendimento

L’accelerazione delle capacità tecniche, tuttavia, non coincide con una pari accelerazione delle capacità educative e istituzionali necessarie a comprenderle criticamente. La diffusione dell’AI sembra seguire una dinamica tipica dell’educazione liquida: gli strumenti si trasformano più rapidamente dei sistemi deputati a insegnarne uso, limiti e implicazioni. Non sorprende quindi che il dibattito pubblico tenda spesso a sovrapporre AI in education, AI literacy e AI education, confondendo l’uso degli strumenti nei processi didattici, l’alfabetizzazione critica e la formazione tecnica specialistica

AI in education, AI literacy e AI in education indicano rispettivamente l'uso dell'AI nei processi di insegnamento, l'alfabetizzazione di base sul suo funzionamento, la formazione tecnica per costruire sistemi di AI, il dibattito pubblico li confonde

Educazione e geopolitica, la corsa tra Cina e USA

Anche la redistribuzione geopolitica dell’AI assume una dimensione educativa. Il divario tra modelli statunitensi e cinesi si è quasi annullato e le due potenze si alternano ormai nel primato tecnologico. Gli Stati Uniti restano dominanti negli investimenti privati e nei modelli frontier, mentre la Cina guida per volume di pubblicazioni, brevetti e robotica industriale. La Corea del Sud emerge invece per innovazione pro capite. Dietro questi dati si intravede una competizione non soltanto industriale, ma formativa: capacità di ricerca, infrastrutture educative, attrazione dei talenti e costruzione di competenze avanzate stanno diventando elementi centrali della sovranità tecnologica.

AI geniale in matematica ma insufficiente nei task elementari

Questa corsa alle capacità convive però con limiti profondi che hanno conseguenze dirette anche sul piano pedagogico. I modelli AI mostrano quella che alcuni ricercatori definiscono una “frontiera frastagliata”: possono risolvere problemi matematici di altissimo livello e fallire contemporaneamente compiti elementari, come leggere correttamente un orologio analogico. Il paradosso mette in discussione l’idea che l’intelligenza artificiale segua una progressione lineare e costringe anche l’educazione a ripensare il rapporto tra performance, comprensione e competenza. La stessa tensione emerge nella robotica e negli ambienti simulati. I sistemi ottengono risultati sempre migliori nei benchmark controllati ma mostrano ancora forti limiti nei contesti reali non strutturati. Il divario tra simulazione e mondo reale richiama un problema tipicamente educativo: apprendere in un ambiente controllato non garantisce la capacità di generalizzare conoscenze e comportamenti in situazioni impreviste

Fiducia nell’AI per scopi lavorativi (KPMG / University of Melbourne, 2025). Solo il 40% dei lavoratori italiani dichiara di fidarsi degli strumenti AI: tra i valori più bassi del campione internazionale

Ancora troppi incidenti nelle performance dell' AI

Mentre le capacità avanzano, la formazione critica e la governance responsabile procedono più lentamente. Quasi tutti i principali sviluppatori pubblicano benchmark sulle performance dei modelli, ma il reporting su sicurezza, equità e trasparenza resta limitato. Gli incidenti documentati legati all’AI continuano a crescere, segnalando una distanza sempre più evidente tra innovazione tecnica e alfabetizzazione sociale delle sue conseguenze.

Anche il tema dei talenti assume una valenza educativa strategica. Nonostante gli Stati Uniti dominino ancora gli investimenti globali, il numero di ricercatori AI che si trasferisce nel paese è crollato drasticamente negli ultimi anni. La competizione globale sull’AI sembra quindi dipendere sempre meno soltanto dalla disponibilità economica e sempre più dalla capacità di costruire ecosistemi formativi e scientifici attrattivi.

L'AI si diffonde più velocemente di internet e dei computer

Sul fronte della diffusione, l’AI generativa ha raggiunto livelli di adozione più rapidi di Internet e del personal computer. Ma la velocità di utilizzo non coincide con una distribuzione uniforme delle competenze. I dati LinkedIn mostrano che la crescita delle skill AI avviene sempre più spesso fuori dai percorsi formali di istruzione e con forti differenze geografiche. L’India guida la classifica globale nella penetrazione relativa delle competenze AI, mentre l’Italia resta nella parte bassa della graduatoria. L’apprendimento dell’AI si sta quindi espandendo in modo informale e distribuito, ma senza una reale omogeneità nell’accesso alle competenze avanzate.

L'open source democratizza la partecipazione ma non il potere computazionale

In questo scenario, l’open source introduce un ulteriore elemento educativo e politico. La possibilità di contribuire a modelli, dataset e benchmark ridistribuisce parzialmente la partecipazione globale alla costruzione dell’AI, ampliando l’accesso alla conoscenza tecnica oltre i grandi poli industriali. Tuttavia, la produzione dei modelli frontier e delle infrastrutture computazionali resta fortemente concentrata, mostrando come la democratizzazione dell’uso non coincida necessariamente con la democratizzazione del potere tecnologico.Tra i dieci capitoli del report, Education è quello che illumina meglio il paradosso di fondo: l'AI corre più veloce della nostra capacità di formarci a usarla, regolarla, comprenderla.

Educazione liquida

Parafrasando Zygmunt Bauman definirei la situazione attuale come “ricerca liquida” o “educazione liquida”, dai dati emersi i sistemi e le istituzioni deputate a regolare l’accesso, la formazione e l’educazione agli strumenti AI sono necessariamente più lenti nell’erogazione e nella regolazione, dall’accesso all’istruzione, dei cambiamenti tecnologici relativi coinvolti. Ciò comporta che nonostante gli sforzi, e nonostante il mondo universitario si sia impegnato assiduamente a formare nuova ricerca e condivisione del sapere, le strategie adattive sono più lente dei cambiamenti in atto producendo lo slittamento in avanti dei bias non risolti: quando arriviamo a un punto, tutto intorno è cambiato.

I dati suggeriscono una domanda continua di specializzazione in AI anche mentre le iscrizioni a informatica rallentano (negli USA), e gli Stati Uniti restano un leader globale nella formazione di laureati nei settori ICT, a tutti i livelli di istruzione.

Nonostante la maggioranza degli studenti tra scuole superiori e università negli Stati Uniti utilizzi ormai l’AI per il lavoro scolastico, le politiche educative non hanno tenuto il passo, c’è ancora molto da fare. Solo la metà delle scuole medie e superiori dispone di politiche sull’AI e appena il 6% degli insegnanti ritiene che tali politiche siano chiare. Gli studenti utilizzano più comunemente l’AI generativa per la ricerca, la revisione dei saggi e il brainstorming.

Cina ed Emirati Arabi Uniti hanno introdotto l’obbligo di insegnamento dell’AI a partire dall’anno scolastico 2025-2026, segnando un passaggio verso un’istruzione formale sull’AI a livello nazionale ma sono una eccezione, poiché generalmente le persone stanno acquisendo competenze in AI anche al di fuori dei percorsi educativi formali e le indicano sempre più nei propri curriculum.

AI Skills Diffusion Index per paese (LinkedIn, 2025): l’Italia raggiunge 77,95 nell’AI literacy ma si ferma a 27,33 nell’AI engineering. La distanza tra i due indicatori è la misura del divario tra usare gli strumenti e saperli costruire

Il dibattito pubblico sull’AI nell’educazione continua ad ampliarsi, coinvolgendo sviluppatori, fornitori di tecnologie educative, sostenitori dell’istruzione, decisori politici e insegnanti attorno al ruolo dell’AI, con particolare attenzione ai suoi rischi e benefici. Esiste un ampio consenso sull’importanza dell’alfabetizzazione all’AI per tutti gli studenti e sul suo riconoscimento come competenza cruciale per orientarsi e avere successo in ambito accademico, professionale e civico.

Parallelamente, il dibattito pubblico tende a non distinguere in modo chiaro tra AI in education, AI literacy e AI education, tre concetti distinti che riguardano rispettivamente l’uso dell’AI nei processi di insegnamento e apprendimento, le competenze di base per comprenderne funzionamento e rischi, e la formazione tecnica necessaria alla progettazione di sistemi di AI (grafico 7.1 sopra)

La crescita dei Dottorati di Ricerca rappresenta un dato fondamentale in questo dibattito, perché si comincia a intravvedere una rimonta del mondo accademico rispetto le aziende private, in genere più attrattive per gli stipendi più alti, invertendo una tendenza decennale che vedeva i nuovi dottori di ricerca in AI entrare principalmente nel settore industriale, segno che l’Università è riuscita ad arginare quella che viene definita fuga di cervelli, attraverso una maggiore quota di occupazione accademica.

Il ruolo dell’AI nell’educazione si sta espandendo più rapidamente dei dati necessari per monitorarlo, e la gran parte dei dati è limitata nella portata, in ritardo nel tempo, o entrambe le cose. Date queste limitazioni, non è possibile una valutazione completa della crescente domanda di formazione sull’AI e di come i sistemi attuali stiano rispondendo.

In conclusione

Questi cambiamenti decisivi, che si sono verificati in così poco tempo, non sono affatto indolori e rendono evidente il paradosso del risparmio: un’industria così energivora sta creando allarme per quanto riguarda la sostenibilità, dove la sempre maggiore richiesta di risorse sta determinando quesiti geopolitici di non facile soluzione. L'AI ci fa risparmiare tempo umano, ma a quale costo in risorse naturali?

Una nuova “geopolitica dell’AI” è rappresentata dall’open source: sta ridistribuendo la partecipazione rendendo necessaria una riflessione su cosa significhi questo per la sovranità tecnologica europea, visto che l'UE è citata come leader nella regolamentazione ma meno nella produzione di modelli "frontier".

Mi sentirei di descrivere questo report come un punto di partenza per ridefinire alcuni aspetti della ricerca che reputo di irrinunciabile importanza: il report AI index parla di noi, di cosa vogliamo essere in questo cambiamento, di quali qualità vogliamo essere fatti, di quali perimetri etici e legislativi e, infine, di quanto riusciremo a equalizzare questo cambiamento con la sintonia ambientale ed ecosistemica, di cui facciamo parte, per renderlo un tassello di costruzione di umanità. Baudelaire, grande anticipatore della modernità, scrisse: “Della vaporizzazione e della centralizzazione dell'Io. Tutto sta in questo”.

Per approfondimenti

Artificial Intelligence Index Report 2026, Stanford HAI, https://hai.stanford.edu/ai-index/2026-ai-index-report

Allen, Jemima Winifred, Ivar Rodríguez Hannikainen, Julian Savulescu, Dominic Wilkinson, e Brian David Earp. «Is Consent-GPT Valid? Public Attitudes to Generative AI Use in Surgical Consent». AI & SOCIETY 41, fasc. 3 (2026): 2637–55. https://doi.org/10.1007/s00146-025-02644-9

Berger, Simon Aleksander, Erna Håland, e Marit Solbjør. «Patient Perspectives on Trust in Artificial Intelligence–Powered Tools in Prostate Cancer Diagnostics». Qualitative Health Research 36, fasc. 2–3 (2025): 276–88. https://doi.org/10.1177/10497323251387545

Carl, Nicolas, Sarah Haggenmüller, Jana Theres Winterstein, et al. «Patient Insights into Empathy, Compassion and Self-Disclosure in Medical Large Language Models: Results from the IPALLM III Study». World Journal of Urology 43, fasc. 1 (2025): 492. https://doi.org/10.1007/s00345-025-05872-2

Davis, Victoria H., Jinfan Rose Qiang, Itunuoluwa Adekoya MacCarthy, et al. «Perspectives on Using Artificial Intelligence to Derive Social Determinants of Health Data From Medical Records in Canada: Large Multijurisdictional Qualitative Study (Preprint)». Preprint, Journal of Medical Internet Research, 28 agosto 2023. https://doi.org/10.2196/preprints.52244

Fee, Niamh, Louise E. Glover, Renato Bauman, e David A. Crosby. «Patient perceptions on the use of artificial intelligence (AI) in fertility treatment». Human Fertility 28, fasc. 1 (2025): 2591161. https://doi.org/10.1080/14647273.2025.2591161

Gottweis, Juraj, Wei-Hung Weng, Alexander Daryin, et al. «Towards an AI co-scientist». arXiv:2502.18864. Preprint, arXiv, 26 febbraio 2025. https://doi.org/10.48550/arXiv.2502.18864

Hmido, Sara Ben, Houssam Abder Rahim, Corrette Ploem, et al. «Patient Perspectives on AI-Based Decision Support in Surgery». BMJ Surgery, Interventions, & Health Technologies 7, fasc. 1 (2025). https://doi.org/10.1136/bmjsit-2024-000365

Luong, Thang, Dawsen Hwang, Hoang H. Nguyen, et al. «Towards Robust Mathematical Reasoning». arXiv:2511.01846. Preprint, arXiv, 3 novembre 2025. https://doi.org/10.48550/arXiv.2511.01846

Machado, Catarina Menicha, e Benjamin G. Voyer. «Applying artificial intelligence to cardiology services: a qualitative exploration of patient perspectives». British Journal of Healthcare Management 31, fasc. 7 (2025): 1–15. https://doi.org/10.12968/bjhc.2024.0086

Nong, Paige, e Molin Ji. «Expectations of healthcare AI and the role of trust: understanding patient views on how AI will impact cost, access, and patient-provider relationships». Journal of the American Medical Informatics Association 32, fasc. 5 (2025): 795–99. https://doi.org/10.1093/jamia/ocaf031

di Giacomo Di Noto

Lei non parte a scrivere, si muove appena. Sospira, apre un microscopico blocchetto e mi guarda. "Per quale destinazione? Newsletter LinkedIn, adattamento accademico, o entrambi? Ti consiglio la prima, il tuo taglio narrativo si adatta bene al divulgativo. Quale scegli?" Ci penso un po’, rispondo. Lei mi fa un'altra domanda, penso, rispondo e via ancora. Ad ogni snodo mi propone diverse opzioni argomentate formulando raccomandazioni. Alcune mi sono familiari, altre nuove, approfondisco su un altra chat poi ritorno. A volte non mi piace niente quindi scelgo l’opzione aperta e mi lascio andare a un flusso di pensiero.

Lo strumento che induce i moderni servizi di chatbot AI come Claude o ChatGPT a comportarsi in questo modo si chiama /grill-me, ed è una skill: una di quelle istruzioni-pacchetto che vengono caricate al momento giusto per modificare il “comportamento” di un chatbot. Le skill non scrivono al posto di chi le usa. Nei casi più interessanti fanno l'opposto: invece di delegare loro la scrittura, spingono l'autore a chiarire ogni passaggio. Delineando da una conversazione, una struttura di un testo, degli esempi concreti e qualche autoriflessione che non ci aspettavamo da una chiacchierata con un “bot”.

Provando /grill-me in queste settimane mi sono accorto di essere stato in grado facilmente di ribaltare il ruolo della IA come una scorciatoia che ci risparmia fatica: un assistente che riassume, redige, decide al posto nostro. È un ruolo comodo, per moltissime applicazioni anche corretto. Ma grill-me non risparmia anzi, moltiplica una fatica molto specifica, la fatica del pensare. Mi obbliga a definire la tensione del pezzo prima di scriverlo, a scartare le metafore deboli, a difendere le scelte editoriali una per una. È una scorciatoia, certo, ma in una direzione che parlando dell’IA si racconta di rado: una scorciatoia verso il pensiero, non del pensiero.

Una distinzione piccola che però cambia tutto. La maggior parte degli usi popolari dell'IA sposta cognizione lontano dall'umano. Alcune skill fanno l'esatto contrario: la richiamano dentro l'umano. Funzionano come un'impalcatura, non come un operaio: tengono fermo il quadro mentre lo dipingiamo noi. È un'idea che la pedagogia conosce da decenni con il nome di scaffolding; ed è sempre bello vederla incarnata in un file di testo che chiunque può scaricare.

Sotto al cofano infatti, una skill è una cosa semplice. È un singolo file di testo (SKILL.md) diviso in due parti: un'intestazione che descrive quando la skill vada attivata e un blocco di istruzioni in linguaggio naturale che spiega al chatbot come comportarsi. Nessun codice da compilare, nessuna API da configurare. L’IA legge le intestazioni di tutte le skill installate e accende quella giusta solo se la descrizione corrisponde al contesto. Lo standard è stato pubblicato da Anthropic alla fine del 2025 ed è aperto: chiunque sappia scrivere può fabbricarsi i propri strumenti di pensiero.

L'ha intuito presto Matt Pocock, divulgatore di TypeScript, che ha pubblicato su GitHub la propria cartella .claude/skills/ sotto il titolo Skills for Real Engineers. Arnesi piccoli e affilati: una skill per condurre test-driven development un passo alla volta, una per spezzare un piano in problemi indipendenti, una per trasformare una conversazione tecnica in un documento di prodotto e così via. Non sono prodigi: è il suo modo di lavorare, distillato in poche righe di testo e reso clonabile da chiunque. Nel giro di pochi mesi la cartella è diventata un punto di riferimento e attorno ad essa si è formata una community che oggi vanta oltre mille skill, dai team interni di Vercel, Stripe e Cloudflare alle improvvisazioni di singoli ricercatori e professionisti.

Ma tornando a chi le skill le ha “inventate”, una skill in particolare merita di essere segnalata a parte. /skill-creator è fornita ufficialmente da Anthropic e serve a costruire skill nuove: è, letteralmente, una skill che fa altre skill. Un gioco ricorsivo che mi aiuta a chiudere il loop al centro di questo articolo. Si parte da una conversazione di chiarimento con sé stessi (old-school) o con una skill come grill-me che ci faccia da specchio. Poi capiamo quale strumento di pensiero ci manca davvero. Infine si passa a skill-creator che ci aiuta a trasformare questo esercizio in una pratica ricorsiva, una sezione alla volta. Pensiero e fabbricazione in due movimenti, entrambi in “prima” persona.

Mentre scrivo quest'ultima riga, la giovane ricercatrice in miniatura ha chiuso il blocchetto. La skill grill-me è tornata nel suo file, silenziosa, in attesa della prossima chiamata. Resta tutto quello che ho dovuto pensare per rispondere. Ora ho la struttura dell’articolo (proprio quella che avete appena letto) e come “extra” da questa piacevole conversazione vi lascio un esempio concreto da cui partire. Ho costruito una /skill su un tema che ci sta a cuore in Lesdit Newsroom. Si chiama /ai-literacy-course e spiega ad un chatbot come prendersi carico di un percorso personale di alfabetizzazione all'intelligenza artificiale: lo costruisce e lo aggiorna in base al vostro livello, alle vostre risposte e ai vostri obiettivi, con un occhio ai framework di riferimento (Stanford AI Literacy, MAILS, GAAIS, le dodici competenze sulla GenAI). Funziona su Claude, Codex, Gemini Gems e chatbot generici. È open-source, qui: github.com/gcmdnt90/AI-Literacy-LLMSkill . Usatela, rompetela, miglioratela ma se lo fate, scriveteci nei commenti cosa ne pensate.

di Alice Pierluigi

Trasformare un'idea prima in un sogno possibile e poi in un progetto richiede volontà, impegno e dedizione assoluta, che passa attraverso il coinvolgimento di tutti gli altri che quell'obiettivo lo hanno immaginato perché credono nella stessa scienza, nel valore della tecnologia e nelle sue declinazioni, talvolta audaci.

Trasformare un'idea prima in un sogno possibile e poi in un progetto richiede volontà, impegno e dedizione assoluta, che passa attraverso il coinvolgimento di tutti gli altri che quell'obiettivo lo hanno immaginato perché credono nella stessa scienza, nel valore della tecnologia e nelle sue declinazioni, talvolta audaci.

Poi arriva un momento in cui tutto quel processo — inseguito, pianificato e costruito dopo giorni e mesi di riunioni e confronti — diventa passato.

Una linea sottile divide il prima e il dopo: la messa a terra, l'operatività, ciò che si può toccare con mano perché è diventato reale.

C'è tutto questo dietro EDUNEXT, la cui capofila è Unimore, uno dei digital education hub, insieme a Edvance (Politecnico di Milano) e Alma (Federico II di Napoli). Le tre realtà universitarie, finanziate con 60 milioni di euro dal governo, si sono svelate nella cornice più consona: Didacta Italia, la fiera della scuola e dell'educazione. Tre hub che hanno l'obiettivo di colmare il mismatch di competenze tra accademia e mercato del lavoro.

Dal titolo alla competenza: la rivoluzione di EDUNEXT

La distanza tra due mondi — università e mercato del lavoro — negli ultimi anni è diventata sempre più ampia. Le imprese cercano competenze pratiche e aggiornate, mentre le università continuano a rilasciare titoli che, spesso, non rispecchiano le reali esigenze del mercato. Un mismatch complesso, in cui l’università non è l’unica responsabile, ma che di certo la riguarda da vicino.

È proprio in questo scenario che si inserisce EDUNEXT, un progetto innovativo che punta a ridisegnare la formazione universitaria per renderla più flessibile, concreta, digitale e orientata alle competenze.

EDUNEXT: l’ecosistema per l’istruzione del futuro

EDUNEXT non è solo un network accademico, ma un vero e proprio ecosistema: un hub digitale (ma non a distanza) che riunisce 35 università italiane e 5 AFAM, coinvolgendo 25.000 docenti e ricercatori e oltre 700.000 studenti. L’obiettivo è superare la rigidità dei percorsi formativi tradizionali e creare un modello più dinamico e inclusivo.

Per farlo, EDUNEXT adotta il modello ECOBI, che si fonda su:

• Educational cluster: percorsi interdisciplinari basati su aree di competenza.
• Open badge: certificazioni digitali delle competenze acquisite.
• Intensive approach: formazione focalizzata su esperienze pratiche e applicate.
• Blended education: integrazione tra didattica online e in presenza.

Il risultato è una formazione su misura, pensata per sviluppare competenze reali e spendibili nel mondo del lavoro.

Dal sapere al saper fare: il ruolo delle microcredenziali

Il modello tradizionale, basato su lezioni frontali e trasmissione passiva di conoscenze, è ormai superato. Il mercato richiede una formazione agile e modulare, che permetta agli studenti di costruire un profilo professionale solido e in continua evoluzione.

Diventa quindi necessario progettare per competenze: non più percorsi di studio preconfezionati basati solo sui concetti teorici che il docente possiede e vuole trasmettere, ma una progettazione macro e micro che consenta agli studenti di acquisire, sviluppare e documentare competenze reali, concrete e applicabili nel mondo del lavoro.

Lo strumento chiave per realizzare questa trasformazione sono proprio le microcredenziali: attestazioni digitali che certificano competenze specifiche, ottenute attraverso corsi, esperienze formative e professionali.

Questi strumenti permettono:

• Agli studenti, di arricchire il proprio curriculum in modo mirato.
• Ai docenti, di ripensare il design della formazione, mettendo al centro le competenze.
• Alle aziende, di individuare in modo chiaro le skill dei candidati.

Ma c’è una sfida: la parcellizzazione del sapere. Un sistema basato su microcredenziali rischia, infatti, di frammentare troppo i percorsi formativi, rendendo difficile l’integrazione delle competenze acquisite.

La soluzione è un adeguato skill mapping, che tracci le connessioni tra le competenze e garantisca un apprendimento coerente e strutturato.

“Il nostro impegno – spiega il professor Tommaso Minerva, coordinatore del progetto EDUNEXT – è proprio quello di non limitarci ai singoli tasselli, ai singoli pezzi di un puzzle, ma di fornire agli studenti una struttura che permetta loro di comporli tutti in modo organico e alla fine trovare il quadro”.

Questo è l’approccio di EDUNEXT alla sfida della frammentazione.

Dokimazo, il portafoglio digitale delle competenze

Per trasformare questa visione in realtà, entra in gioco Dokimazo, una piattaforma basata su intelligenza artificiale che funge da wallet digitale delle competenze.

Ogni utente può creare un account gratuito e caricare le proprie skill, mentre aziende e istituzioni accademiche dispongono di una console dedicata per riconoscere e validare le competenze.

Riconoscere le competenze informali: una sfida aperta

Le microcredenziali aiutano a mappare le competenze a 360 gradi, includendo anche il riconoscimento delle competenze informali. Quest’ultimo è un tema cruciale nel panorama dell’istruzione e della formazione, ma anche estremamente complesso. Per loro natura, queste competenze non seguono percorsi tradizionali e certificabili, quindi come possiamo garantirne il riconoscimento?

Un primo passo è la standardizzazione dei modelli di valutazione della qualità. Se un’istituzione riconosciuta — come un’università — certifica competenze acquisite in ambito accademico o extra-accademico, la credibilità dell’ente stesso facilita l’integrazione di queste competenze nel sistema formativo.

La situazione si complica, però, quando la certificazione proviene da enti meno noti, anche se altamente qualificati. In questo caso, una possibile soluzione è la meta-valutazione, con un approccio più o meno strutturato: è la strategia adottata da EDUNEXT, ma la discussione sul tema è ancora aperta.

Il futuro della formazione è adesso

EDUNEXT e Dokimazo non sono solo progetti, ma soluzioni concrete a un problema reale. Il mondo cambia rapidamente e la formazione deve saper tenere il passo.

Se sei uno studente, un docente o un’azienda e vuoi entrare in questo ecosistema puoi scoprire di più sul futuro dell’education visitando edunext.eu per approfondire il progetto.

di Orsenigo, Pellizzari, Valentini

Nel XX secolo ha prevalso un tipo di censura per sottrazione. Le censure più note di questo genere furono quelle fascista, nazista e comunista. Riviste e quotidiani come La difesa della razza, Sonne ins Haus la rivista nazista per le famiglie e la Pravda operavano tramite una rigida selezione degli articoli da pubblicare.

Nel terzo decennio del XXI secolo vediamo potenziato un nuovo tipo di censura che può essere definito “censura per accumulo”; è l’esatto opposto della censura per sottrazione.

Pubblicare per censurare: il paradosso della ricerca

Oggi, il modo più efficace per censurare un articolo è pubblicarlo. Nel mare delle pubblicazioni quotidiane, un articolo finisce per avere un impatto estremamente limitato e la sua rilevanza svanisce in poche ore, cadendo nell’oblio. La nostra generazione di ricercatori è la prima a confrontarsi con una produzione di articoli talmente vasta, in cui la maggior parte non viene letta, mentre solo una piccola percentuale riceve attenzione o attenzione limitata (viene letto solo un paragrafo). Chi si ricorda i titoli o ancora meglio il contenuto di due articoli che ha letto ad inizio anno?

Abbiamo un serio problema nella direttrice lettura-studio-memoria a lungo termine. Ed è un problema che, allo stato attuale, sembra irrisolvibile, proprio per la quantità di articoli che ci raggiungono.

Un esempio lampante di censura per accumulo è il New York Times della domenica, con i suoi cento inserti: ha un effetto censurante simile a quello della Pravda ai tempi di Breznev. Le notizie principali sono non solo difficili da individuare, ma anche sommerse da una marea di contenuti la cui rilevanza è spesso discutibile (come ci ha insegnato Umberto Eco): «la Pravda censurava le informazioni indesiderate, il Sunday Times invece conta ben 600 pagine, che sicuramente contengono All the News that’s Fit to Print, tutte le notizie che vale la pena stampare, ma che con altrettanta sicurezza nessuno riuscirà a leggere per intero, neppure nell’arco di una settimana. Rischiamo di restare sommersi da un eccesso di informazioni, e la differenza fra «il silenzio e il troppo rumore è davvero minima» (Eco, 2013, pp. 5-6).

Eccesso di informazioni, poca chiarezza: le distorsioni del sistema

Nel campo della ricerca medica, per cercare di gestire questa enorme mole di pubblicazioni, sono stati introdotti modelli come il Prisma, che guida attraverso una serie di passaggi per condurre revisioni sistematiche. Queste revisioni hanno lo scopo di identificare i principali articoli rilevanti per un dato argomento, che diventano il fulcro di un progetto di ricerca. Tuttavia, il problema odierno è che non solo la quantità di articoli è aumentata, ma anche quella delle revisioni sistematiche stesse, al punto che alcuni gruppi di ricerca si vedono costretti a effettuare revisioni sistematiche delle revisioni sistematiche. Sempre con Umberto Eco, osserviamo che, oggi, la possibilità di avere per ogni argomento una bibliografia potenziale di diecimila titoli rischia di paralizzarci. Ci troviamo infatti nelle stesse condizioni di Funes El Memorioso, personaggio di Jorge Luis Borges, condannato a un’illimitata conoscenza composta principalmente da dettagli inutili e poco rilevanti, che nel nostro caso ostacolano le interazioni tra ricercatori e tra questi e la comunità. Funes, lo ricordiamo, tratteneva le informazioni di «tutti i rami e i grappoli di un pergolato, la forma delle nuvole australi dell’alba del 30 aprile 1882, il tracciato della schiuma che un remo sollevò dal Rio Negro alla vigilia dell’impresa di Quebracho» (Borges, 1986, p. 102). Questa condizione conduce Ireneo Funes all’isolamento e, in seguito, all’incomunicabilità. Sorte paradossale, visto che Funes «Aveva imparato l’inglese, il francese, il portoghese, il latino» (p.105); Borges, tuttavia, ci ricorda «Sospetto, tuttavia, che non fosse molto capace di pensare. Nel mondo sovraccarico di Funes, non c’erano che dettagli, quasi immediati» (ibidem). Evidentemente c’è qualcosa che non funziona nella produzione e nel trasferimento della conoscenza tra generazioni di ricercatori, per non parlare delle difficoltà nella comunicazione della conoscenza tra scienza e società.

Che cosa sta succedendo? Cosa stiamo facendo? Questo, ci chiediamo.

«Dobbiamo fronteggiare una forza sconvolgente che ha invaso la scienza, l’ultimo bastione aveva finora resistito nel variegato mondo della comunicazione commerciale. Si tratta della competizione che una volta c’era in altri mestieri, ma non così forte come in quello accademico». Inizia così Il sapere come mestiere (2023), l’ultimo libro di Paolo Legrenzi e Carlo Umiltà. Le comunicazioni tra ricercatori si fanno sì più veloci e continuative (ci si sente più volte al giorno, tutti i giorni), ma allo stesso tempo meno pregnanti e precise e, in questo senso, esiste la possibilità affatto rara di “perdere pezzi per strada”, dovendo ritornare più volte sui medesimi passaggi.

La proliferazione delle riviste non favorisce la qualità della ricerca

Da qui, nel tempo, un drastico abbassamento della qualità anche delle riviste, le quali oltre ad essersi moltiplicate, si differenziano esplicitamente per campi disciplinari ma, implicitamente, anche in riviste per i lettori e riviste per gli autori. Distinzione significativa a cui Legrenzi e Umiltà dedicano diverse pagine. Gli autori raccontano che attorno alla seconda metà degli anni Sessanta, la rivista Perceptual and Motor Skills, inizia la transizione da rivista per i lettori a rivista per gli autori, registrando un abbassamento notevole e rapido del rejection rate. La nascita di questa divisione risale quindi a molto lontano, e sin dai primi tempi incontriamo riviste che esplicitano le loro intenzioni: «archiviare i risultati di ricerche che non avevano il compito di aumentare le conoscenze, a tutto vantaggio del lettore, bensì di rendere un servizio all’autore, attestando le sue competenze nell’ideare, pianificare ed eseguire ricerche» (Legrenzi & Umiltà, 2023, p. 102). Il costante aumento, negli ultimi sessant’anni, di questa particolare tipologia di pubblicazione riflette l’incremento di articoli che non apportano un reale contributo né all’avanzamento della conoscenza scientifica né al progresso sociale. Al massimo, tale beneficio si traduce in un vantaggio per la carriera del singolo ricercatore o nella maggiore visibilità dei lavori di un determinato gruppo, influenzando spesso (ma in modo meccanico) gli indici di citazione, che sono cruciali per il progresso professionale soprattutto di chi “appartiene” a discipline bibliometriche. Tuttavia, questo processo, con l’inizio della crisi legata alla ripetizione, replicazione e riproduzione, non permette più di mantenere entro livelli accettabili l'imprevedibilità e l'incontrollabilità di alcuni fenomeni. Di conseguenza, diventa difficile trasmettere alla società nuovi significati in grado di stabilire legami più forti tra scienza e cittadini, tra laboratori e comunità.

Recuperare il senso della lettura profonda e dello studio

Riteniamo fondamentale dedicare tutto il tempo necessario a ricerche teoriche e sperimentali per produrre lavori di alta qualità, e per questo serve una nuova attenzione al tempo della ricerca. Crediamo che essa debba mantenersi in equilibrio tra rigore e passione, piuttosto che essere guidata da fini utilitaristici. Sosteniamo inoltre una ricerca animata da una tensione disinteressata, orientata al bene di chi trarrà vantaggio dai risultati, sia teorici che sperimentali. È altrettanto importante avere il tempo di tornare a leggere e studiare articoli pubblicati in passato. L’originalità e il buon funzionamento devono essere bilanciati da un senso di continuità, coltivando un’identità di ricerca che si sviluppa anche attraverso il riesame del proprio lavoro. Produrre continuamente nuovi articoli e ricercare nuove posizioni contraddice l'essenza stessa delle scienze umane, basate su una sedimentazione profonda e una rivisitazione progressiva, a spirale - come ci ha insegnato Jerome S. Bruner (1988; 1992) - dove si torna continuamente sulle stesse questioni, affrontandole a livelli sempre più complessi, ossia continuamente tesi verso una transdisciplinarità.

Che fare? Una chiamata alla resistenza accademica

Secondo noi, è il momento di dare il là ad una resistenza, a tutti i livelli accademici. Ci auguriamo che questo scritto possa continuare attraverso la voce concorde e discorde di altri, colleghe e colleghi.

Bibliografia

Borges J.L. (1986). Finzioni. Milano, Adelphi.

Bruner J.S. (1988). La mente a più dimensioni. Bari-Roma, Laterza.

Bruner J.S. (1992). La ricerca del significato. Per una psicologia culturale. Torino, Bollati Boringhieri.

Legrenzi P. & Umiltà C. (2023). Il sapere come mestiere. Bologna, Il Mulino

Sitografia

Eco U. (2013). Perché le Università? Alma Mater Studiorum – Università degli Studi di Bologna. https://magazine.unibo.it › perche_le_universita

di  Lydia Zampolini e Francesca De Santis

L'occasione è stata Fiera Didacta, la rassegna di convegni, seminari, workshop che per la prima volta ha fatto tappa in Puglia. Anche a Bari il programma è stato ricco di conferenze, incontri, laboratori, per un appuntamento che ormai è diventato uno dei principali punti di riferimento per chi opera nel mondo dell'educazione e della formazione.

Tra i molti eventi di questa edizione, nel programma scientifico era presente il workshop "Scenari futuri: l'IA per le piccole scuole", che si è concentrato su come l'Intelligenza Artificiale possa supportare le piccole realtà scolastiche, portando benefici concreti alle comunità educative più isolate o con risorse limitate.

La ricerca INDIRE

Negli ultimi anni, la ricerca educativa ha messo in evidenza il potenziale dell’Intelligenza Artificiale (IA) nel trasformare profondamente i processi di insegnamento e apprendimento. L’IA non solo offre nuove opportunità per personalizzare i percorsi educativi, ma può anche garantire un accesso equo alle risorse e creare ambienti di apprendimento inclusivi e adattivi. Questo la rende uno strumento promettente per affrontare le sfide attuali del settore, contribuendo all’innovazione delle pratiche didattiche e promuovendo l’uguaglianza educativa in linea con l’Obiettivo 4 dell'Agenda 2030.

In questa direzione, il gruppo di ricerca di INDIRE, che da anni si dedica al contesto educativo non standard delle piccole scuole, si è interrogato su come l’IA possa rispondere alle necessità specifiche di queste realtà. Queste scuole affrontano spesso problematiche di isolamento sociale e culturale, difficoltà di accesso alle risorse digitali e la complessità di gestire classi multigrado con esigenze diverse.

L’IA potrebbe rappresentare una risorsa chiave per migliorare la qualità dei processi educativi, facilitare l’inclusione e promuovere lo sviluppo locale?

Una prima ricerca esplorativa, condotta attraverso una scoping review e successivamente arricchita da una "riflessione parlata" con esperti nazionali e internazionali nel campo delle piccole scuole, ha individuato temi ricorrenti e possibili direzioni future per approfondire l’argomento. Si aprono così nuove prospettive applicative, volte a promuovere una maggiore consapevolezza e competenza sull’uso etico e pedagogico delle tecnologie emergenti tra gli attori educativi.

I temi principali che sono emersi dalla ricerca sono quattro:

• IA per rivitalizzare i processi di insegnamento e apprendimento;
• IA e sviluppo professionale dei docenti;
• IA per lo sviluppo di modelli previsionali di interesse e successo degli studenti;
• IA per la gestione dei servizi e la previsione del rischio.

Nel workshop ci si è concentrati sul primo tema, con una focalizzazione sulla didattica.

Struttura del Workshop e Metodologia di Lavoro

Durante il workshop i partecipanti, 46 tra docenti e dirigenti, provenienti dal contesto delle piccole scuole, hanno avuto modo di approfondire alcune soluzioni tecnologiche di Intelligenza Artificiale (IA) e la loro possibile applicazione nei contesti non standard, immaginando scenari futuri.

Nella prima parte del workshop i relatori hanno curato una panoramica teorica: Giuseppina Rita Jose Mangione, prima ricercatrice presso INDIRE e coordinatrice della rete delle piccole scuole, e Francesca De Santis, collaboratrice tecnica alla ricerca di INDIRE e dottoranda del 38° ciclo di LESDIT hanno approfondito i risultati della ricerca della letteratura circa l’IA nei contesti delle piccole scuole. Manuel Gentile, in collegamento dall'ITD-CNR di Palermo in cui è primo ricercatore, ha approfondito il tema dell’IA, portando esempi di possibili applicazioni in contesto educativo.

Il quadro di riferimento teorico, delineato in questa prima parte del laboratorio, è stata la base su cui si è sviluppato il lavoro creativo.

A guidare il lavoro dei gruppi è stata Lydia Zampolini, dottoranda 39° ciclo LESDIT, che ha introdotto i partecipanti al Design Thinking, una metodologia di problem solving che permette di seguire un processo di pensiero divergente e convergente.

Il lavoro si è concentrato sulla fase di empatia e di ideazione, con l’obiettivo, in questo contesto, non tanto di trovare soluzioni pronte da implementare, quanto piuttosto di esplorare possibili scenari futuri.

Nella prima fase di lavoro di gruppo i partecipanti hanno condiviso le proprie esperienze utilizzando lo strumento story share-and-capture, riadattato dal bootleg della d.school, al fine di delineare uno scenario condiviso su cui lavorare. Ogni gruppo ha poi formulato una domanda “how might we...”, per circoscrivere il problema in modo costruttivo e creativo.

A questo punto si è lavorato sulla fase di ideazione, in cui si è dato libero spazio alla generazione di idee su possibili soluzioni, assistite dall’IA per i contesti immaginati.

Per facilitare questo processo sono state distribuite delle carte tecnologia, curate dall’ITD-CNR di Palermo, che riportavano esempi di tecnologie di IA già esistenti o ipotetiche, pensate per l’ambiente scolastico. Si sono scelte le carte tecnologia che potessero essere un “game-changer”, un fattore di svolta per migliorare le dinamiche didattiche e organizzative delle piccole scuole. Gli scenari futuri immaginati, sono poi stati condivisi tra i vari gruppi, che diventano un nuovo spunto di riflessione per seguire nuove linee di ricerca.

Piccole scuole

Le piccole scuole rappresentano una realtà tutt’altro che marginale nel nostro paese, sono infatti più di 11.000 i plessi che possono essere definiti tali e più di 648.000 gli alunni che li frequentano. Il lavoro di ricerca svolto da INDIRE nel sostenere queste scuole allo scopo di valorizzare la loro funzione di presidio educativo e culturale e di contrastare il fenomeno dello spopolamento ha dato vita negli anni alla rete nazionale di Piccole Scuole e alla sottoscrizione del proprio Manifesto quale strumento di condivisione di azioni e valori

Sito piccole scuole

Atlante delle piccole scuole

Relatori del workshop:

Giuseppina Rita Jose Mangione - Prima Ricercatrice (INDIRE)

Manuel Gentile – Primo Ricercatore ITD-CNR (Palermo)

Francesca De Santis - Collaboratrice tecnica alla ricerca (INDIRE)

Lydia Zampolini - Dottoranda (INDIRE)

Bibliografia

Mangione, G. R. J., & De Santis, F. (2024). Intelligenza Artificiale nei contesti educativi non standard. I risultati di una “riflessione parlata” sulle piccole scuole. In “Intelligenza artificiale ed educazione”, Scholé n.1/2024

Mangione, G. R. J., Pieri, M., & De Santis, F. (2024). Revitalizing education in rural and small schools: The role of AI in teachers’ professional development. Italian Journal of Educational Technology

https://dschool.stanford.edu/resources/design-thinking-bootleg

di Maria Valentini

“Facciamo che tutto era possibile anche se avevo la bua?”Quando per la prima volta ho preso l’ascensore per arrivare al piano dell’Hospice Pediatrico di Padova, questa scritta, sullo sfondo fiabesco del cartello Make a Wish di Italia Onlus - Il potere di un Desiderio, non solo ha catturato la mia attenzione: mi ha fatto percepire la portata di senso del luogo in cui mi trovavo. Uno spazio in cui narrazioni di malattia, di dolore, addirittura di morte, si intersecano con la magia che solo cuori di bimbi sono in grado di creare. E che grazie alla cura autentica di famiglie e professionisti è possibile coltivare e alimentare, trasformando ferite in feritoie, in schiusure di possibilità inedite e concrete.

Durante quel viaggio nell’ascensore grigio, dinanzi alla scritta circondata da stelle e fate, mi sono sentita umile. Ho esperito intimamente come la ricerca sia innanzitutto, in modo prioritario e costitutivo, una sfida umana, un incontro di Volti in cui ci si scopre, grazie all’Altro, vulnerabili e immaturi, nel senso winnicottiano del termine.

Al contempo, ho riconosciuto l’appello alla responsabilità verso l’altrui vulnerabilità: una forza motrice di apertura, nella prospettiva e nel desiderio evasivi di un ex-ducere al servizio di un bene comune. Di far parte, anche se in minima misura, del gioco in cui “tutto era possibile, anche con la bua”.

Il contesto della ricerca

L’Hospice Pediatrico di Padova, diretto dalla professoressa Franca Benini, rappresenta una delle tre realtà ospedaliere inserite nello studio di caso multiplo del mio progetto di ricerca dottorale, che sto perseguendo con l’accompagnamento della professoressa Juliana Elisa Raffaghelli, del professor Tommaso Minerva e del professor Lino Rossi

Il focus di ricerca concerne la tecnologia emergente e in diffusione della robotica sociale nel delicato contesto della cura ospedaliera. In particolare, l’intento teleologico dello studio riconosce la necessità di esplorare criticamente implicazioni di carattere etico, educativo e formativo, ponendo al centro l’indagine sulle professionalità implicate in interventi di robotica sociale, e intercettando il fabbisogno formativo legato all’etica della buona cura e a un’agentività professionale in grado di rispondere in modo consapevole alle sfide relazionali che l’interazione uomo-tecnologia introduce.

Tecnologia e professionalità

A partire dal principio etico per cui la tecnologia non è neutra, ma dipende dalla qualità del contesto socioculturale in cui è inserita, emerge la necessità di costruire ambienti di fiducia e responsabilità allineate con valori umani affidabili. Un passo fondamentale in questa direzione è rimarcare l’attenzione e la cura verso la professionalità, che detiene un ruolo primario nella governance degli interventi di robotica sociale e assume un’incidenza indelebabile sull’impatto degli stessi.

Investire sulla formazione e sull’educazione dei professionisti significa partecipare attivamente alla co-costruzione di scelte consapevoli e collaborare all’edificazione di posture d’essere e pratiche virtuose che pongano sempre al centro la responsabilità, la dignità e l’autonomia umane. Inoltre, l’etica deve necessariamente legarsi alla dimensione educativa, nello spazio della relazione e della buona cura: una triangolazione sistemica che richiama la necessità di “aver cura di chi ha cura” ”, avanzando linee di ricerca che coinvolgano l’agentività professionale, l’educazione e la formazione in termini ampi e noetici di professional learning, e non solo di training tecnici.

Robotica sociale e relazione

Le scelte e le occasioni derivanti dall’assunzione di un’autentica buona cura rappresentano l’orizzonte di senso in cui si può innestare quel “tutto possibile” menzionato in apertura. Evadere da un approccio meramente prestazionale per riscoprire inedite vie di con-esserci significa raccogliere la sfida di ripensare il ruolo della tecnologia in un contesto umano profondamente sensibile. A maggior ragione, tale necessità diventa imprescindibile dinanzi a una tecnologia come la robotica sociale. Nonostante la complessità della sua definizione, la caratteristica distintiva trasversale risiede nella sua natura eminentemente relazionale.

Per dirlo con Domouchel e Damiano, la robotica sociale è progettata per integrarsi nel tessuto delle nostre relazioni, evidenziando come l’incidenza e l’impatto tecnologico pongano radici in qualcosa non solo di “importante”, ma di costitutivo e primario dal punto di vista esistenziale: “la vita si dà nella relazione, o ancora meglio, la vita è relazione” (Giaccardi & Magatti, 2024), e in tale prospettiva “la relazione non è prima di tutto ciò che ha luogo tra enti e individui già definiti, ma ciò che costituisce la condizione preindividuale del loro stesso esistere come enti e individui” (ibidem).

Robot sociali: forme e ruoli nell’ambito sanitario

I robot sociali, connotati da gradi diversi di autonomia e dotati di un corpo materiale che può assumere diverse forme estetiche (zoomorfiche, cartoon-like, antropomorfe, ecc.), possono ricoprire molteplici ruoli interattivi con l’essere umano in base alla cornice applicativa. Nella specificità dell’ambito sanitario, possono essere integrati nella relazione con i pazienti - specialmente pediatrici e geriatrici - in termini di mediazione, facilitazione, compagnia, coaching, supporto emotivo, comunicativo e distrattivo.

Per quanto riguarda quest’ultimo aspetto in particolare, ho avuto l’occasione di assistere all’utilizzo del robot sociale NAO presso il Centro PASCIA del Policlinico di Modena. Sotto la direzione della professoressa Maria Grazia Modena il robot chiamato “Gino” ha il compito di intrattenere e distrarre pazienti pediatrici che rientrano nello spettro autistico per facilitare le procedure ambulatoriali cardiologiche: <Mentre la dott.ssa X parla con la madre del paziente, la dott.ssa Y presenta Gino – già presente e acceso nella stanza - al bambino. Nello specifico, la dott.ssa Y lascia la libertà al bambino di toccare con delicatezza il robot e di osservarlo da vicino. Seguendo la curiosità tattile e l’interesse del paziente, la dott.ssa Y chiede al robot di ‘battere cinque’ e, successivamente, di cantare la canzone "Il coccodrillo come fa" che il bimbo ama e di cui conosce i gesti>. L ’osservazione diretta non partecipante che ho condotto durante una visita cardiologica al centro PASCIA, sottolinea come l’approccio professionale gioca un ruolo cruciale nella mediazione tra il robot e il paziente. In questo caso, la capacità della dott.ssa Y di guidare l'interazione cogliendo l’interesse personale del bimbo dimostra l'indelegabilità dell'elemento umano nell'orchestrare le dinamiche relazionali nell’utilizzo della robotica sociale.

La terza realtà ospedaliera implicata nello studio mi ha portata, infine, a Parigi, presso l’Hôpital de jour du Centre André Boulloche. Anche in questo contesto, la direttrice Marie-Noëlle Clément, con l’equipe coordinata dal dottor Olivier Duris, utilizza NAO robot con pazienti pediatrici che rientrano nello spettro autistico. Nello specifico, il robot sociale presiede un ruolo di storyteller all’interno dell’“Atelier du Conte”, rientrando in un progetto annuale di sviluppo dell’autonomia dei bambini attraverso il racconto, con la mediazione e presenza costante di figure professionali interdisciplinari: psicologi, professionisti sanitari, educatori, insegnanti: “[…] Lavoriamo sempre con una pluralità di sguardi. Quindi lo sguardo dell’educatore non è lo stesso dello psicologo, dell’insegnante, e così via. Partecipare tutti insieme: questo permette ai professionisti di completarsi, di guardare tra di noi le pratiche che mettiamo a diposizione e utilizziamo, ma anche di osservare il bambino e farlo lavorare su aspetti diversi nello stesso contesto, con professionisti che hanno uno sguardo affinato sulla loro disciplina”. Le parole della direttrice Marie-Noëlle Clément evidenziano come, se da un lato la tecnologia può arricchire le possibili attività, dall’altro la qualità e il valore delle pratiche devono riconoscere l’autorialità agentiva delle persone coinvolte. Il robot sociale, in tal senso, viene inteso come strumento peculiare ed efficacie per accrescere opportunità e accessibilità ad interventi terapeutici personalizzati, ma la conditio sine qua non affinché ciò avvenga in una prospettiva etico-educativa di buona cura sono i professionisti. O meglio, la rete dei professionisti, tessuta da un intreccio di sguardi diversi, unici e al contempo uniti dal comune denominatore centrato sull’autonomia del paziente.

Aver cura di chi ha cura

Tali considerazioni pongono in evidenza il fatto che la direzionalità generale delle attuali ricerche volta alla valutazione di potenzialità e rischi della robotica sociale per esaminare l’efficacia tecnologica è certo utile, ma non sufficiente.  L’appello ad “aver cura di chi ha cura”, riconoscendo i professionisti che si occupano di tali interventi essere umano – robot, valorizzando l’apporto che l’approccio eminentemente educativo può portare e ponendo attenzione sulla co-costruzione di percorsi formativi specifici, risulta un richiamo che non può essere ignorato. Soprattutto, all’interno del contesto ospedaliero, in cui il concetto di cura travalica i confini terapeutici per approdare in uno spazio bio-psico-sociale ed etico-pedagogico, in cui la relazione educativa acquista un ruolo centrale.

Riflessioni e conclusione

Durante il viaggio in aereo, di ritorno da Parigi, mi sono trovata a ripercorrere i corridoi degli ospedali in cui, in punta di piedi, ho avuto l’opportunità di accedere. I muri costellati di disegni colorati e le voci dei bambini, nelle sale dell’Hôpital de jour du Centre André Boulloche; il setting accuratamente preparato con la posizione centrale del robot “Gino” nell’ambulatorio del Policlinico di Modena; il robot sociale OHMNI che, con un cuore rosso di peluche attaccato allo stelo, si muoveva nelle stanze dei pazienti per condurre, in virtù del collegamento a distanza con una professionista, colloqui psicologici. Soprattutto, ho rivisto i volti dei professionisti, dei familiari e dei piccoli pazienti che ho incontrato: storie di vita che, ancora una volta, mi hanno fatto percepire profondamente come in primis la ricerca denoti una sfida umana e umanizzante; un appello che chiede risposte di cura autentica, aperta a scoprire e accogliere con senso critico possibilità inedite.

Si tratta di navigare le rapide della complessità, per utilizzare una metafora di Roberto Poli (2019), mantenendo la rotta verso l’edificazione di una società che non solo funzioni, ma che ponga sempre al centro l’irriducibilità dell’esistere. Ancora, citando Jen Ross (2016), significa esplorare e avventurarsi nello spazio del “non ancora”, assumendo il concetto di limen come soglia aperta a scenari di bene, virtuosi e possibili… “anche con la bua”.

“Una mia riflessione personale: nel momento in cui qualcosa, che sia una tecnologia, che sia un progetto, lascia spazio a pensieri di ulteriori possibilità e sogni, probabilmente significa che funziona”. Queste parole, estrapolate dall’intervista alla professoressa Benini dell’Hospice Pediatrico di Padova, racchiudono un significato profondo, che trasversalmente accompagna il progetto di ricerca e la riflessione critica sulla robotica sociale: pensieri-azioni di buona cura sono quelli che non chiudono, ma schiudono; non inaridiscono, ma sollecitano creatività e immaginazione; non evadono il dolore, ma sono trasformativi; non si appiattiscono su “ciò che funziona” (Ross, 2016), ma sono germinativi di grandi sogni.

Maria Valentini, pedagogista, dottoranda di ricerca LESDIT presso Unipd e assistente docente presso IUSVE

Bibliografia

Alemi, M., Meghdari, A., Ghanbarzadeh, A., Moghadam, L. J., & Ghanbarzadeh, A. (2014). Effect of utilizing a humanoid robot as a therapy-assistant in reducing anger, anxiety, and depression. In Proceedings of the 2014 Second RSI/ISM International Conference on Robotics and Mechatronics (ICRoM), 748-753.

Bandura, A. (2006). Towards a theory of human agency. Psychology of Human Agency, 2(1), 164–180.

Becchimanzi, C. (2022). Design e Ergonomia per la Human-Robot Interaction: Strategie e strumenti Human-Centred Design per la collaborazione trans-disciplinare e per la progettazione dell’accettabilità delle nuove tecnologie robotiche. FrancoAngeli.

Benasayag, M. (2019). Funzionare o esistere? (E. Missana, Trans.). VP.

Biesta, G., & Tedder, M. (2007). Agency and learning in the lifecourse: Towards an ecological perspective. Studies in the Education of Adults, 39(2), 132–149. https://doi.org/10.1080/02660830.2007.11661545

Broglia, L. (2021). Le possibili applicazioni della robotica educativa nel contesto ospedaliero: un approccio teorico. In G. Bozzi, L. Zecca, & E. Datteri (Eds.), Interazione bambini-robot. Riflessioni teoriche, risultati sperimentali, esperienze (pp. 120-134). FrancoAngeli.

Cardano & Gariglio (2022). Metodi qualitativi. Pratiche di ricerca in presenza, a distanza e ibride. Carocci.

Cifuentes, C., Pinto, M. J., Céspedes, N., & Múnera, M. (2020). Social Robot in Therapy and Care. Current Robotics Reports, 1(1), 59–74. https://doi.org/10.1007/s43154-020-00009-2

Cingolani, R. (2019). L’altra specie. Otto domande su noi e loro. Il Mulino.

Cingolani, R., & Magnani, A. (2018). Robotica: tra realtà e fantascienza. Il Canneto editore.

Coeckelbergh, M. (2022). Robot Ethics. The MIT Press.

Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People—An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds & Machines, 28, 689–707.

Giaccardi, C. & Magatti, M. (2024). Generare libertà. Accrescere la vita senza distruggere il mondo. Bologna: Il Mulino

González-González, C. S., Violant-Holz, V., & Gil-Iranzo, R. M. (2021). Social Robots in Hospitals: A Systematic Review. Applied Sciences, 11(13), 5976. https://doi.org/10.3390/app11135976

González-González, C. S., Violant-Holz, V., & Gil-Iranzo, R. M. (2021). Social Robots in Hospitals: A Systematic Review. Applied Sciences, 11(13), 5976. https://doi.org/10.3390/app11135976

Hegel, F., Muhl, C., Wrede, B., Hielscher-Fastabend, M., & Sagerer, G. (2009). Understanding social robots. In Proceedings of the 2009 Second International Conferences on Advances in Computer-Human Interactions, 169-174. https://doi.org/10.1109/ACHI.2009.51

Heidegger, M. (1927). Sein und Zein. Halle: Max Niemeyer Verlag Tubingen (trad. it. Essere e Tempo, Milano, Longanesi, 1976)

Kerr, A., Barry, M., & Kelleher, J. D. (2020). Expectations of artificial intelligence and the performativity of ethics: Implications for communication governance. Big Data & Society. https://doi.org/10.1177/2053951720915939

Kuhn, C., & Raffaghelli, J. E. (2023). ‘Something Important is Going on With Data’: Educators’ Search for Political Agency to Act as Professionals in Complex Datafied Contexts. In S. Hayes, M. Jopling, S. Connor, & M. Johnson (Eds.), Human Data Interaction, Disadvantage and Skills in the Community. Postdigital Science and Education (pp. 53-77). Springer. https://doi.org/10.1007/978-3-031-31875-7_4

Lévinas, E. (1961). Totalité et Infini. Essai sur l'extériorité. The Hague: Martinus Nijhoff. (trad. it. Totalità e infinito. Saggio sull’esteriorità, Jaca Book, Milano, 2019).

Mortari, L. (2015). Filosofia della cura. Raffaello Cortina.

Paletta, L., Schüssler, S., Zuschnegg, J., Steiner, J., Pansy-Resch, S., Lammer, L., Prodromou, D., Brunsch, S., Lodron, G., & Fellner, M. (2019). AMIGO—A Socially Assistive Robot for Coaching Multimodal Training of Persons with Dementia. In O. Korn (Ed.), Social Robots: Technological, Societal and Ethical Aspects of Human-Robot Interaction. Human–Computer Interaction Series (pp. 265-284). Springer. https://doi.org/10.1007/978-3-030-17107-0_13

Poli, R. (2019). Lavorare con il futuro. Idee e strumenti per governare l’incertezza. Milano: EGEA.

Raffaghelli, J. E. (2022). Educators’ data literacy: Understanding the bigger picture. In L. Pangrazio & J. Sefton-Green (Eds.), Learning to Live with Datafication: Educational Case Studies and Initiatives from Across the World (pp. 80-99). Routledge.

Raffaghelli, J. E. (2023). Pathways for Social Justice in the Datafied Society: Reconsidering the educational response. Media Education, Studi ricerche e buone pratiche, 14(1), 5–14. https://doi.org/10.36253/me-13383

Ross, J. (2016). Speculative method in digital education research. Learning, Media and Technology, 42(2), 214–229.

Rossi, F. (2019). Il confine del futuro. Feltrinelli.

Sheridan, T. B. (2016). Human–robot interaction: status and challenges. Human Factors, 58(4), 525–532. https://doi.org/10.1177/0018720816644364

Stiegler, B. (2024). Pensare, curare. Riflessioni sul pensiero nell’epoca della post-verità, Milano: Meltemi.

Valentini (2024). Pensare i futuri. In E. Orsenigo & M. Valentini, La funzione educativa dei mondi possibili, LLL, 21(44), 71- 81. https://doi.org/10.19241/lll.v21i44.833

Valentini, M., & Raffaghelli, J. E. (2023). Workshop Civics of Technology 2023: Social Robotics, Ethics and Care: A Challenge for Educational Professionalism [Dataset]. Zenodo. https://doi.org/10.5281/zenodo.8338268

Valentini, M., & Raffaghelli. J.E. (2024). Social robotics in hospital as an educational challenge for good care. A narrative literature review, Form@re, 2, 75-91. https://doi.org/10.36253/form-15997

Valentini, M., Raffaghelli, J.E., Minerva, T., & Rossi, L. (2024). Social Robotics in Hospitals and the Training Needs of Professionals. An Empirical Research Design – Book of Abstract ISYDE2024.

Yin, R. K. (2017). Case study research and applications: Design and methods. Los Angeles, CA: Sage.

di Mariantonietta Suppa

Nella mia ricerca di dottorato mi occupo di un ambito affascinante e complesso: l’interazione tra robotica e diritto del lavoro. L’accostamento può richiamare scenari apocalittici, da “fine del lavoro”. Compito della mia ricerca è elaborare una riflessione critica sulla nuova generazione di robot dotati di apprendimento autonomo e autonomia decisionale, per contribuire al dibattito sulla robotica, al di là degli aspetti legati all’occupazione. Più nel dettaglio, la ricerca per il dottorato vuole indagare il versante della responsabilità del datore di lavoro, della sicurezza e tutela della privacy dei lavoratori in organizzazioni aziendali che utilizzano robotica collaborativa e verificare la compatibilità del potenziamento tecnologico dei lavoratori con il vigente sistema giuslavoristico.

Cobot: sfera di responsabilità 

Il tema conquista centralità nel diritto del lavoro per effetto della diffusione crescente nei luoghi di lavoro dei c.d. cobot o robot collaborativi, capaci di apprendere nella e dalla interazione con l’uomo. La riflessione può essere così inquadrata: accertato che il robot di ultima generazione è dotato di autonomia decisionale e capacità di entrare in relazione con i lavoratori, chi è responsabile degli esiti, anche disastrosi, delle sue azioni? L’imprenditore, ex art. 2087 cod. civ., è contrattualmente obbligato a adottare ogni misura che: “secondo la particolarità del lavoro, l’esperienza” e la “tecnica” risulti necessaria per tutelare “l’integrità fisica e la personalità morale” dei propri lavoratori. Pertanto, il datore di lavoro, che utilizzi un robot intelligente, risponde dell’infortunio e della lesione avvenuti sul luogo di lavoro, causati da un difetto di fabbricazione o di progettazione, senza possibilità di deviare dallo schema protettivo tradizionalmente applicabile in caso di malfunzionamento di qualsiasi altra macchina.

Rischi emergenti e nuove responsabilità

Esiste, tuttavia, una rilevante differenza tra i rischi causati dalle macchine tradizionali e i rischi legati ai robot potenziati dall’intelligenza artificiale. I robot dotati di autoapprendimento e autonomia decisionale possono attuare “comportamenti emergenti”, non prevedibili in fase di progettazione. Questa particolarità comporta che ogni robot possa discostarsi in modo significativo dal prototipo originale, generando rischi in termini di responsabilità e sicurezza. 
Quali sono, inter alia, le implicazioni da indagare? 
Innanzitutto,  la valutazione dei rischi: diventa più complesso identificare e valutare i rischi associati. La valutazione tradizionale dei rischi potrebbe non essere sufficiente, richiedendo nuove metodologie per monitorare e gestire i “rischi emergenti” la formazione dei lavoratori: i lavoratori devono essere adeguatamente formati, non solo per interagire con i robot ma anche per riconoscere e affrontare situazioni di rischio potenziale, non prevedibili in fase di progettazione;  la responsabilità del datore di lavoro: la responsabilità potrebbe configurarsi nella necessità di implementare misure di sicurezza adeguate e di aggiornare continuamente il documento di valutazione del rischio (c.d. DVR);  il monitoraggio delle prestazioni: potrebbe essere necessario sviluppare un sistema di monitoraggio continuo delle prestazioni dei robot per assicurare che operino in sicurezza;  le modifiche al contratto di lavoro: i contratti di lavoro dovrebbero essere aggiornati per riflettere le nuove responsabilità e i nuovi rischi associati all’uso di robot potenziati dall’intelligenza artificiale (inclusa la previsione di clausole specifiche riguardanti la formazione, la sicurezza e la gestione dei rischi). 

Trasparenza e tutela della privacy

I robot intelligenti, dotati di videocamere e sensori sofisticati, possono percepire l’ambiente esterno e questo li potrebbe rendere assimilabili agli “impianti audiovisivi” a cui si riferisce l’art. 4 della legge n. 300 del 1970 (c.d. statuto dei lavoratori), in termini di pervasività del controllo potenzialmente esercitabile. Un robot dotato di intelligenza artificiale potrebbe controllare, anche solo casualmente, l’ambiente di lavoro e i lavoratori in modo sia fisico che virtuale insieme, e in modo costante. Un tale incremento esponenziale del potere di controllo richiede, prima di tutto, che venga soddisfatta un’esigenza fondamentale di trasparenza assoluta, che si concretizza attraverso l’“adeguata informazione”, disciplinata dal riformato art. 4, comma 3, della legge n. 300 del 1970, e attraverso una continuità informativa, che garantisca il diritto del lavoratore di sapere costantemente con “cosa” si sta relazionando.
 

Potenziamento tecnologico: verso una coesistenza uomo - robot nei luoghi di lavoro? 

Per le attività lavorative pericolose e insalubri, l’uso della tecnologia robotica può offrire un sistema più efficace di protezione per i lavoratori. Tuttavia, come avviene spesso quando la tecnologia dischiude possibilità precedentemente sconosciute, è necessario considerare attentamente anche le controindicazioni, i rischi e le forzature, prima nemmeno immaginabili. Si pensi al possibile impiego di soluzioni di innesto o impianto robotico sul corpo umano, utilizzate come mero strumento di miglioramento della performance del lavoratore. È, quindi, legittimo domandarsi se e quando il potenziamento tecnologico delle capacità dei lavoratori possa essere considerato compatibile con il vigente sistema giuslavoristico. Eventuali pratiche di potenziamento tecnologico, sia in ambito fisico, sensoriale o cognitivo, devono essere respinte senza esitazione, se minacciano la salute fisica o l’equilibrio psicofisico del lavoratore. Nei casi in cui, invece, non vi sia alcun rischio per la salute, si vuole indagare se ed entro quali limiti, in punto di diritto, sia consentito alterare le capacità psicofisiche, mnemoniche e cognitive naturali del lavoratore per favorire un più efficiente e produttivo svolgimento delle mansioni o un migliore inserimento nell’organizzazione del lavoro. Posizioni di cautela possono essere argomentate a partire dalle previsioni costituzionali e comunitarie, che tutelano la libertà e la dignità dei lavoratori, sancendo, in particolare, il “divieto di fare del corpo umano e delle sue parti in quanto tali una fonte di lucro” (art. 3 Carta dei diritti fondamentali dell’Unione europea). L’utilizzo di soluzioni di innesto o impianto robotico sul corpo umano in ambito lavorativo pone al centro della ricerca di dottorato il tema del diritto del lavoratore alla “differenza umana” nei luoghi di lavoro e, di conseguenza, quello del diritto del lavoratore di rifiutare tali “protesi o connessioni potenzianti”. 
 
Limitare il potenziamento dei lavoratori non significherebbe chiudere le porte in maniera preconcetta al futuro ma rivendicare il valore preminente dei diritti dei lavoratori e dei valori ad essi sottesi sulle ragioni della tecnica. Il dibattito è appena cominciato…

di Emanuele Florindi

Il “metodo Falcone” con la sua frase simbolo “Follow the money, segui il denaro” è sempre un pilastro per identificare e smantellare le relazioni economiche tra le organizzazioni criminali, impedendo loro di “avvelenare” l’economia sana attraverso l’immissione di flussi di denaro provento di attività criminali, flussi che é necessario continuare a tracciare, imparando a comprendere e a contrastare i nuovi strumenti che la tecnologia consente di utilizzare.

Sebbene sia stato rilevato un utilizzo crescente delle criptovalute, il vero rischio è oggi rappresentato dai sistemi di pagamento alternativi (carte ricaricabili, buoni acquisto, etc.) oppure dai principali canali di e-commerce: Amazon, AirBnB, Uber, tanto per citarne alcuni, sono spesso utilizzati per nascondere ingenti trasferimenti di denaro giustificando i guadagni mediante operazioni di acquisto e di vendita fittizie. A tal fine vengono forniti alcuni consigli operativi pratici su elementi probatori da ricercare e\o acquisire in fase di indagine.

Si passa, infine, ad analizzare l’impiego delle criptovalute evidenziando le problematiche procedurali ed operative legate all’impiego di questi strumenti, a partire proprio dalle modalità di sequestro e conservazione

 Riciclaggio, i problemi del contante

Nel 1976, nel docu-dramma «Tutti gli uomini del presidente», Gola Profonda, lo pseudonimo dell'informatore di Bob Woodward, suggeriva di «Seguire i soldi». Nel mondo reale questo metodo investigativo è stato ideato ed utilizzato per la prima volta all'inizio del 1980 dal gruppo investigativo antimafia guidato dal magistrato italiano Giovanni Falcone.

Oggi si stima che ogni anno vengano riciclati tra i 715 e i 1870 miliardi di euro (tra il 2 e il 5% del PIL mondiale). 

Il riciclaggio di denaro richiede tempi e forme differenti, ma, in genere, comporta tre fasi: 

posizionamento,  “lavaggio”,  integrazione. La prima fase prevede il collocamento dei fondi illegittimi nel sistema finanziario legittimo, è la più pericolosa per i criminali che devono immettere fisicamente i soldi nel circuito finanziario legale ed è qui che il contante mostra tutti i propri limiti: servono uomini fidati per trasportarlo e direttori di banca o intermediari fidati che non facciano troppe domande. Una volta inserito nel circuito bancario, il denaro viene ripulito attraverso vari servizi e organizzazioni di copertura,  come ad esempio casinò o società di comodo per poi essere integrato nel sistema finanziario attraverso transazioni aggiuntive finché non appare "pulito". 

Tracciare questi asset significa tracciare le reti criminali e proprio per questa ragione il metodo Falcone è stato universalmente riconosciuto come una tecnica investigativa innovativa e rivoluzionaria di contrasto alla criminalità organizzata.

Questo metodo divenne la ragion d’essere della DIA (Direzione Investigativa Antimafia) in Italia: le sue funzioni furono delineate dallo stesso Falcone che sostenne la creazione di “un’agenzia incaricata delle indagini giudiziarie e quindi un organismo tecnico”.

Dal riciclaggio al cyber riciclaggio

Abbiamo visto che il contante, pur essendo difficile da tracciare, presenta numerosi svantaggi: pesante, ingombrante, complicato da nascondere, se scoperto, può essere facilmente sequestrato; deve, inoltre, essere fisicamente collocato nella banca e richiede un contatto diretto per il deposito.

Già a marzo 2022, il rapporto sul “Controllo internazionale degli stupefacenti” sottolineava il rischio che le valute virtuali rappresentano per il contrasto alla criminalità organizzata, identificando un uso crescente di schemi di riciclaggio di denaro e criptovalute basati sul mascherare proventi e pagamenti illeciti e transazioni commerciali legittime. 

In poche parole, la criminalità organizzata sta mostrando crescente interesse per le criptovalute ed i sistemi di pagamento alternativi.

Strumenti di uso comune come carte ricaricabili, sistemi di pagamento contactless per telefoni cellulari e sistemi di trasferimento di denaro al di fuori del sistema bancario tradizionale vengono tra i più sfruttati a fini di riciclaggio di denaro. 

A questo proposito è necessario precisare che le criptovalute non devono essere confuse con altre valute virtuali, comunemente disponibili e attualmente utilizzate: buoni pasto o carte di raccolta punti, buoni Amazon o simili, valute virtuali collegate a video giochi o mondi virtuali come, ad esempio l’e-gold di Word of Warcraft o i Linden Dollar di Second Life.

 Cosa sono le criptovalute? 

Quando parliamo di criptovalute, o cripto, parliamo di asset digitali, progettati per funzionare come un mezzo di scambio attraverso una rete che non si appoggia ad alcuna autorità centrale, come un governo o una banca.

Naturalmente esiste un sistema decentralizzato per verificare che le parti coinvolte in una transazione possiedano effettivamente i fondi che dichiarano di avere, ma questo aspetto è, al momento, marginale. In relazione alle criptovalute esistono una serie di luoghi comuni che devono essere smentititi, in primis il fatto che siano tutte anonime e che vengano utilizzate solo nel dark web dai criminali.

In realtà esistono numerosi tipi di criptovalute, ciascuna con caratteristiche proprie, ma quello che le accomuna è l’impiego della blockchain: una blockchain è un registro distribuito comprendente elenchi crescenti di record (blocchi) collegati in modo sicuro tra loro tramite hash crittografici. 

Ogni blocco contiene l'hash crittografico del blocco precedente, un timestamp ed i dati della transazione.

Un altro aspetto molto importante è il wallet (portafoglio): un wallet di criptovaluta serve come mezzo per memorizzare le "chiavi" pubbliche e private che possono essere utilizzate per ricevere o spendere la criptovaluta, ma i wallet non contengono criptovalute.

Esistono differenti tipologie di wallet che vanno dal portafogli cartaceo (dove sono scritte le chiavi pubbliche e private), ai wallet hardware (hardware specializzato per memorizzazione le informazioni del portafoglio), portafogli software da installare sui propri dispositivi.

Attualmente l’uso criminale delle criptovalute è relativamente limitato, ma, come rivelato nella Relazione a Parlamento sulla politica di sicurezza dell'informazione per l'anno 2020 (AA.VV., 2021), le organizzazioni criminali hanno subito trasformazioni, adattandosi alle nuove tecnologie, soprattutto nel campo del trasferimento di denaro con sistemi sicuri. In questo contesto è fondamentale ricordare che nel luglio 2021 la Commissione europea ha presentato un pacchetto di proposte legislative volte a rafforzare ulteriormente le norme dell'UE in materia di lotta al riciclaggio e al finanziamento del terrorismo (AML/CFT) e a migliorarne l'applicazione.

Il pacchetto comprende:

• un regolamento relativo all'istituzione di un'Autorità per la lotta al riciclaggio
• un regolamento sugli obblighi in materia di lotta al riciclaggio applicabili al settore privato
• una direttiva relativa ai meccanismi antiriciclaggio
•  una revisione del regolamento sui trasferimenti di fondi

Il pacchetto della Commissione si basa sul suo piano d'azione del 2020 e su varie conclusioni del Consiglio, tra cui quelle del 5 novembre 2020. Il 18 gennaio 2024 il Consiglio e il Parlamento hanno raggiunto un accordo provvisorio sul pacchetto antiriciclaggio e, se approvati dai rappresentanti degli Stati membri in seno al Comitato dei rappresentanti permanenti e dal Parlamento, i testi dovranno essere adottati formalmente dal Consiglio e dal Parlamento, prima di essere pubblicati nella Gazzetta ufficiale dell'UE e di entrare in vigore. Il nuovo regolamento in materia di lotta al riciclaggio e al finanziamento del terrorismo armonizza e chiarisce le norme in vigore in tutta l'UE e mira a garantire che siano applicate meglio e in modo più coerente. Contiene ad esempio disposizioni più dettagliate in materia di adeguata verifica della clientela e titolarità effettiva, nonché dei poteri dei supervisori nazionali e delle unità di informazione finanziaria (FIU).

È bene osservare che, a differenza di quanto comunemente creduto, la trasparenza della blockchain rende il bitcoin relativamente poco attraente per i criminali. La blockchain di Bitcoin, in particolare (non tutte le blockchain sono uguali), è altamente trasparente tanto da poter essere utilizzata per ricostruire la rete di contatti ed i relativi trasferimenti di fondi.

Dalla stessa tecnologia le armi per combattere la criminalità

La criptosfera non è esclusivamente associata al crimine; al contrario, comprende principalmente partecipanti onesti che immaginano un futuro economico globale nelle criptovalute. La conferenza guidata e organizzata da Europol su patrimonio digitale e criminalità organizzata ha riconosciuto che le caratteristiche della blockchain potrebbero essere sfruttate dalla polizia per scopi investigativi e che le criptovalute potrebbero rivelarsi di grande valore nella lotta alla criminalità organizzata, ma ci sono ancora numerosi ostacoli da superare, in primis è fondamentale distinguere tra “contenuto” e "contenitore." 

Questa differenza rende il sequestro di criptovalute cosa differente dalla mera confisca dei portafogli. I portafogli, infatti, che siano software, cartacei o hardware, sono dei meri contenitori di chiavi. Il mero sequestro del portafogli non impedisce affatto il trasferimento della crittovaluta a chi sia in possesso delle relative chiavi. Questo significa dover distinguere tra i sequestri probatori, in cui il focus è sul portafoglio e sulle relative tracce digitali per stabilire transazioni e collegamenti, ed i sequestri preventivi in cui l’obiettivo è quello di ostacolare la disponibilità del bene, richiedendo l'identificazione della valuta virtuale e rendendola indisponibile al proprietario. 

Questo implica necessariamente il suo trasferimento su un apposito portafoglio controllato dall'autorità giudiziaria.

* L’articolo riporta un abstract della relazione tenuta dall’autore alla conferenza di chiusura dei lavori per BIGOSINT, un progetto europeo finalizzato a contrastare il traffico di esseri umani.

Nel corso della relazione sono stati affrontati i temi legati all’evoluzione del fenomeno del riciclaggio

Florindi E. 2024, Riciclaggio 3.0: Come applicare la regola “follow the money” al Cyberspazio

di Federico Ruggiero

In un tempo in cui l’università è chiamata a ridefinire se stessa per andare incontro alle nuove esigenze del mondo del lavoro, a quelle dei nativi digitali, alla necessità di rispondere alle trasformazioni cognitive, culturali e tecnologiche della contemporaneità, la realtà estesa, (Extended Reality, XR), si presenta come uno degli strumenti più promettenti del panorama educativo. L’urgenza di ripensare l’università italiana, e in particolare il modo in cui vengono progettati e vissuti gli ambienti di apprendimento, si intreccia oggi con una trasformazione ben più ampia del mercato del lavoro globale. Secondo il Future of Jobs Report 2025 del World Economic Forum entro il 2030 circa il 39% delle competenze attualmente richieste saranno trasformate o diventeranno obsolete, e quasi il 60% della forza lavoro mondiale avrà bisogno di processi di upskilling o reskilling. Non si tratta soltanto di aggiornare strumenti e contenuti ma si tratta di formare figure capaci di abitare una complessità nuova, fatta di Intelligenza Artificiale, interazioni uomo-macchina, sostenibilità ambientale, ma anche – e soprattutto – di pensiero critico, creatività, flessibilità e apprendimento continuo. In questo scenario, le tecnologie immersive come la realtà estesa non rappresentano un semplice supporto didattico, ma diventano potenzialmente abilitatori trasformativi, in grado di mobilitare quelle competenze che nessun algoritmo potrà replicare: la riflessione, la collaborazione, l’empatia, la capacità di dare senso. Ancora una volta è bene sottolineare che non è lo strumento (tecnologico) in sé ad essere rivoluzionario in contesti educativi ma sono le modalità di implementazione che ne determinano l’efficacia e permettono di raggiungere gli obiettivi prefissat

Cosa si intende per realtà estesa e perché usarla?

Alla base del concetto di realtà estesa vi è quello di Reality-Virtuality Continuum di Milgram e Kishino (1994), che aiuta a mappare le diverse forme di esperienza XR dalla realtà aumentata fino alla mixed reality, in uno scambio continuo di integrazione tra mondo fisico e digitale. All’interno di questo spazio, ogni ambiente XR offre gradi diversi di immersione, presenza e interazione, capaci di attivare negli individui esperienze cognitive, sensoriali ed emotive profonde. Infatti, l’uso di XR consente di esplorare concetti complessi in modo visivo e manipolabile, simulare situazioni difficilmente accessibili nella realtà fisica (es. eventi storici passati, simulazioni di scenari ipotetici), ed espandere i confini spaziali e temporali della didattica. Tra i principali vantaggi dell’impiego della realtà estesa nell’ambito educativo vi è la possibilità di trasformare l’apprendimento in un’esperienza immersiva, coinvolgente e multisensoriale. Ambienti di questo tipo permettono agli studenti di interagire con contenuti complessi in modo attivo e partecipato, stimolando la creatività e il pensiero critico. L’uso di tecnologie immersive consente inoltre di superare i limiti tradizionali della didattica, offrendo l’opportunità di esplorare scenari che sarebbero inaccessibili nella realtà fisica e rendendo tangibili concetti astratti attraverso visualizzazioni dinamiche e interattive. A questi benefici si aggiunge una forte componente inclusiva: ambienti XR progettati in modo attento possono adattarsi alle esigenze di studenti con difficoltà o neurodivergenze, riducendo le barriere all’apprendimento e offrendo modalità alternative di accesso alla conoscenza. In un contesto sicuro e protetto, la possibilità di sperimentare, sbagliare e riprovare diventa parte integrante del processo formativo, alimentando la fiducia, l’autonomia e la capacità di affrontare problemi complessi in modo creativo e riflessivo.

È bene evidenziare quali siano le teorie dell’apprendimento alla base della realtà estesa (5):

- Comportamentismo: negli ambienti di realtà estesa è possibile avere accesso a feedback in tempo reale, rafforzandone l’apprendimento. - Cognitivismo: con la realtà estesa è possibile immergere gli studenti in scenari dettagliati, sfruttando i contenuti visivi e uditivi per aumentare il richiamo della memoria e la comprensione di idee complesse; - Costruttivismo: gli studenti possono costruire attivamente la loro conoscenza attraverso l'interazione con l’ambiente virtuale; - Esperienzialismo: gli studenti possono simulare un'esperienza, riflettere e ricavare nuovi concetti o idee e applicare queste intuizioni in nuovi scenari nuovi; - Connettivismo: la realtà estesa può mettere in relazione gli studenti attraverso esperienze immersive.

Il Progetto Metaversity

Ultimata questa doverosa parentesi teorica voluta a comprendere meglio il concetto di realtà estesa, è possibile entrare nel dettaglio di uno dei progetti più rilevanti di questo tipo nel panorama italiano a cui ho avuto il piacere di partecipare come spettatore. Sebbene numerosi studi abbiano esplorato l’uso della realtà estesa in ambito educativo, spesso trascurano le questioni pratiche legate alla creazione di contenuti facilmente accessibili da parte di docenti privi di competenze tecniche avanzate così come nella letteratura esistente si rileva una carenza di linee guida per lo sviluppo di contenuti educativi in XR.

Metaversity si propone di rispondere a un vuoto evidente nella letteratura e nella pratica educativa, introducendo un approccio fondato sul design thinking che pone al centro l’esperienza dell’utente e i valori pedagogici. Non solo, Metaversity cerca di rispondere anche alle nuove esigenze emerse dal Future Jobs Report 2025 in merito a quelle che saranno le future competenze richieste nel mondo del lavoro, con l’obiettivo di preparare le generazioni future ad affrontare un mondo del lavoro sempre più dinamico e complesso.

Per fare ciò, il gruppo di ricerca ha esplorato in modo critico il potenziale della realtà estesa nei contesti dell’istruzione superiore, affrontando anche le sfide concrete che ne ostacolano l’adozione. Il progetto ha tre obiettivi principali:

1)        comprendere in profondità i bisogni e le aspettative di docenti e studenti riguardo all’uso delle tecnologie immersive nell’università;

2)        sviluppare un framework scalabile, sostenibile e pedagogicamente fondato per la progettazione di esperienze didattiche immersive;

3)        valutare l’efficacia di questo approccio attraverso corsi pilota e attività formative reali, coinvolgendo attivamente le comunità accademiche.

La prima fase del progetto è stata indirizzata a indagare in profondità i bisogni e le aspettative dei docenti al fine di facilitare, in un secondo momento,processi di co-progettazione dei contenuti formativi. Ciò è stato fatto attraverso una serie di workshop esperienziali organizzati all’interno dell’Immersive Room dell’Università Cattolica, dove sono stati coinvolti più di 90 docenti provenienti da diverse discipline. Questi incontri, della durata di circa 90 minuti, combinavano introduzione teorica, esplorazione diretta di ambienti XR e discussione riflessiva collettiva con i docenti. Gli obiettivi erano di accompagnare i docenti a familiarizzare con le tecnologie immersive e di raccogliere feedback qualitativi sulle percezioni, le aspettative, i bisogni formativi e le possibili applicazioni didattiche. Da questi workshop è emerso un forte interesse da parte dei docenti verso le tecnologie immersive, soprattutto per il loro potenziale nel rendere la didattica più coinvolgente, interattiva e vicina alle esigenze delle nuove generazioni di studenti. È emersa una chiara disponibilità ad apprendere e sperimentare nuove metodologie, purché supportate da strumenti accessibili e da una visione pedagogica solida. Dall’altro lato, sono emerse anche le barriere percepite quali la mancanza di tempo, la difficoltà di accesso a risorse adeguate, la carenza di competenze tecniche e l’assenza di contenuti educativi pronti all’uso. Tuttavia, questi ostacoli non si sono tradotti in rifiuto, ma in richieste concrete di supporto progettuale, formazione e accompagnamento. Questa prima fase del progetto ha permesso di raccogliere insight preziosi per comprendere la percezione e i bisogni dei docenti e per attivare in loro l’interesse verso queste soluzioni di realtà estesa. Nella seconda fase del progetto Metaversity, il gruppo di ricerca ha tradotto in pratica quanto emerso dalla prima fase di ascolto e coinvolgimento, dedicandosi alla co-progettazione e alla realizzazione di esperienze didattiche immersive, sviluppate in stretta collaborazione con docenti, all’interno di contesti universitari reali.

La nascita dei MetaLab

Il MetaLab Experience Design Workflow ha guidato tutte le fasi della progettazione: dall’identificazione degli obiettivi formativi alla scelta delle piattaforme XR, dalla prototipazione delle attività fino alla loro implementazione e valutazione (v. figura). In questa fase, un ruolo centrale è stato ricoperto dall’Immersive Learning Designer (ILeaD), una figura professionale emergente che integra competenze pedagogiche e tecnologiche. L’ILeaD agisce come ponte tra contenuti disciplinari e strumenti digitali, supportando i docenti nella progettazione di esperienze didattiche innovative basate su tecnologie immersive. La sua presenza è fondamentale non solo per garantire l’efficacia educativa delle attività, ma anche per guidare i docenti nell’utilizzo consapevole e strategico delle tecnologie estese, valorizzando il potenziale formativo dell’immersione e dell’interazione. Nel corso della fase tre, che si è svolta nell’a.a. 2024/2025 ed è appena terminata,  si sono svolte le esperienze didattiche immersive che sono state progettate nella fase due attraverso i “MetaLab”. Un esempio particolarmente significativo è il metalab di Geografia, parte del corso del Prof. Thomas Gilardi, realizzato in co-conduzione tra il team Metaversity e il Prof. Paolo Molinari. In questa occasione, gli studenti hanno partecipato a un’esperienza immersiva che li ha "teletrasportati" nel quartiere milanese di Chinatown, per una passeggiata virtuale finalizzata all’esplorazione del territorio. L’obiettivo era osservare direttamente i cambiamenti urbanistici e sociali avvenuti negli ultimi anni, offrendo così una prospettiva concreta e coinvolgente sulla geografia urbana.

I MetaLab sono stati oggetto di una valutazione sperimentale tuttora in corso, i cui risultati quantitativi saranno pubblicati nei prossimi mesi. Tuttavia, già in questa fase preliminare, l’osservazione diretta delle attività e i feedback raccolti durante i debriefing finali hanno fornito preziosi dati qualitativi. Questi elementi hanno messo in luce un elevato livello di coinvolgimento degli studenti e un impatto positivo sull’esperienza di apprendimento. È emerso chiaramente che il fattore determinante non è stato tanto l’uso della tecnologia in sé, quanto la qualità dell’esperienza formativa: per avere impatto, le tecnologie estese devono inserirsi in un ambiente coerente, ben progettato e supportato, in cui le attività proposte avevano un chiaro significato didattico per gli studenti partecipanti.

Ma non solo...

L’esperienza maturata con i MetaLab ha permesso ai ricercatori di delineare un vero e proprio modello pedagogico che prende il nome di MetaLab Instructional Design Model, che pone al centro l’esperienza del discente, intesa come leva per l’apprendimento trasformativo (v. figura). Il modello si fonda su Transformative Learning Theory di Mezirow (1991) e su Experiential Learning Theory di Kolb (1984) e prevede un coinvolgimento attivo del discente, chiamato a riflettere sull’esperienza, a costruire senso e a sperimentare soluzioni in contesti realistici. Questo ha confermato l’importanza di una progettazione pedagogica centrata sull’esperienza e non sull’attrattiva della tecnologia in sé. Inoltre, l’approccio flessibile e inclusivo del MetaLab (che consente anche l’uso di dispositivi non immersivi) ha favorito la partecipazione di tutti, superando le barriere tecnologiche più evidenti. Questa fase ha dimostrato come un uso consapevole e pedagogicamente guidato della XR possa migliorare significativamente la qualità dell’apprendimento, rafforzando competenze trasversali, collaborazione e pensiero critico.

di Federico Ruggiero

Per la prima volta, il Digital Education Outlook 2023  dell’ Ocse, Organizzazione per lo Sviluppo e Cooperazione economica, si pone l’obiettivo di fotografare lo stato attuale della transizione digitale La pandemia causata da Covid-19 ha accelerato il  processo ma quali sono i Paesi più virtuosi sotto nel loro percorso verso la trasformazione digitale? E quali paesi devono colmare un ritardo? Il tema centrale in questo caso è l’educazione. 

É ormai assodato che le tecnologie digitali possono aprire nuove possibilità nel campo dell’educazione, aumentandone l’efficacia e il grado di personalizzazione. Software e strumenti digitali permettono di modellare l’istruzione, andare incontro alle esigenze dei discenti con l’intento di offrire un’istruzione decisamente più personalizzata e sullo sfondo la possibilità di  ridurre il divario economico, sociale e culturale tra studenti in un’ottica di maggiore inclusione e equità, incrementando qualità ed efficacia dell’insegnamento, alimentando il settore della ricerca.

Dall’altro lato, la digitalizzazione si trova costretta ad affrontare nuove sfide legate al divario digitale tra le popolazioni, alle limitate performance della tecnologia accessibile su larga scala, ai bias che possono crearsi e alimentarsi, alle inefficienze dell’ecosistema digitale, alla gestione dei dati sensibili e privacy, all’etica legata all’uso dell’intelligenza artificiale, all’accettazione sociale di adottare la tecnologia nella formazione.

Molti dati ma usati solo per le statistiche 

“Having a robust physical digital infrastructure is a pre-requisite for digital education.”

Il prerequisito per la trasformazione digitale dell’educazione è la presenza di un forte ecosistema caratterizzato sia dall’uomo sia dalla tecnologia.

Non a caso, il cosiddetto “Student Information System”, che rappresenta la raccolta di dati e informazioni riguardanti le attività, i risultati degli studenti, diventa di estrema importanza per avere una base reale sulla quale lavorare per migliorare la didattica. Peccato, però, che questo strumento sia spesso adoperato per soli fini statistici.

Per l’OCSE rimane fondamentale il ruolo dell’insegnante che dovrebbe essere sempre di più in grado di utilizzare gli strumenti digitali.  In questa prospettiva, la maggior parte dei paesi ha delle linee guida standard ma pochi hanno vere e proprie norme volte a regolare e riconoscere le competenze digitali dei docenti.

Come si stanno muovendo i Paesi dell’Ocse?

Molti stanno seguendo un percorso di transizione digitale piuttosto che di trasformazione digitale del sistema educativo, perdendo gran parte dei vantaggi che gli strumenti digitali possono offrire al sistema. Sullo stesso piano, l’enorme quantità di dati raccolti, spesso, rimane fruibile esclusivamente dagli enti governativi (e simili) mentre è preclusa a studenti, famiglie e insegnanti.

La prima figura mostra il basso numero di paesi che hanno già adottato strumenti digitali più sofisticati rispetto a quelli più semplici. Il rapporto ci dice che la maggior parte fornisce informazioni sull'orientamento allo studio e alla carriera attraverso mezzi digitali, anche se pochi di essi utilizzano strumenti per richieste più personalizzate e che gran la parte delle valutazioni nazionali è digitalizzata o in procinto di esserlo. Per quanto riguarda la digitalizzazione degli esami, solo pochi paesi hanno scelto questa strada. È significativo, inoltre, evidenziare che ci sono pochi strumenti digitali di gestione del sistema e dell'istituzione che ricorrono a tecnologie di IA come strumenti di analisi dell'apprendimento o di raccomandazione.  Gli utilizzi più avanzati della tecnologia consistono nel rendere disponibili le informazioni attraverso dashboard o nell'implementazione di algoritmi basati su regole, in particolare per i meccanismi di finanziamento o per la gestione delle iscrizioni o delle domande di iscrizione alle scuole. I dati mostrati sono incoraggianti per avvicinarsi a una vera e propria trasformazione, anche se la strada è ancora molto lunga per un gran numero di paesi.

Elaboration from the author of this summary

Source: OCSE Digital Education Outlook (2023)

La seconda immagine evidenzia l’esiguo numero di paesi utilizzatori di strumenti digitali automatizzati o basati su algoritmi.  Nel settore dell'istruzione è relativamente poco frequente che gli strumenti digitali adottino anche algoritmi non basati sull'IA, come ad esempio le dashboard o i modelli adattivi.

Non esiste praticamente alcun processo decisionale o di suggerimento automatizzato.  Sebbene la maggior parte degli stati fornisca piattaforme di orientamento allo studio e alla carriera per gli studenti, queste hanno poche funzionalità adattive che permettano di individualizzare i suggerimenti di studio o di carriera.

Elaboration from the author of this summary

Source: OCSE Digital Education Outlook (2023)

di Emanuele Florindi

Diciamocelo serenamente, è piuttosto noto, molti insegnanti utilizzano gli strumenti di intelligenza artificiale nei contesti educativi e li impiegano anche per accelerare la correzione dei compiti, per generare feedback più rapidi o semplicemente per alleggerire il carico valutativo. È una tendenza comprensibile, in parte inevitabile. L'intelligenza artificiale generativa è molto efficace sui compiti ripetitivi e automatizzabili. Il nostro studio è nato chiedendosi se gli studenti, così come una volta nascondevano i minuscoli foglietti di carta, hanno imparato a trovare qualche contromisura alla tecnologia, individuando debolezze che noi adulti non siamo in grado di vedere. Nessuna strategia complessa, nè competenze tecniche avanzate, ma piccoli accorgimenti, considerati marginali, che però dimostrano come l'intelligenza umana può, permettetemi il termine, "fregare" la macchina: gli studenti sperimentano sul campo, sondano i limiti degli strumenti, li mettono alla prova in modi che il progettista e il docente magari non avevano neanche ipotizzato. Da questa constatazione è nato il lavoro cappena pubblicato (cliccando trovate l'articolo intero) When AI Is Fooled: Hidden Risks in LLM-Assisted Grading(Milani, Franzoni, Florindi, Omarbekova, Bekmanova & Yergesh, 2025). Il punto di partenza è molto semplice: cosa accade quando uno studente introduce nel proprio elaborato istruzioni invisibili all’occhio umano ma perfettamente leggibili da un modello linguistico? E come si comporta l’IA nei flussi di lavoro autentici dell’insegnante, quando viene utilizzata per valutare, confrontare, assegnare punteggi?

Gli "highlights" dell'articolo

Abbiamo voluto mostrare non tanto “la debolezza dell’IA”, quanto il modo in cui l’ingegnosità degli studenti, la stessa che da sempre li porta a esplorare i margini delle regole, può incidere sui sistemi educativi quando questi includono strumenti automatici di valutazione. Una lezione preziosa, che riguarda prima di tutto noi docenti e ricercatori: ricordarci che ogni tecnologia, una volta entrata in classe, diventa parte di un ecosistema vivo, dove gli studenti non sono utenti passivi ma attori critici e creativi ( in altre parole.. fatta la legge, trovato l'antidoto) Il nostro studio mostra come gli LLM possano essere manipolati attraverso tecniche di prompt injection. Con questo termine si indica una tipologia di attacco informatico in cui l’attaccante camuffa input nocivi all’interno del testo legittimo manipolando il sistema per ottenere specifici risultati non previsti e non voluti dall’utente del sistema. Nei casi più semplici, come nel nostro scenario, è possibile fare in modo che un chatbot di AI, come ChatGPT, Gemini, Grok, DeepSeek etc, ignori le istruzioni impartite dell’utente e ne segua altre.

La particolarità e le evidenze

Il nostro studio si concentra su come queste tecniche possano essere utilizzate in contesti educativi, in particolare in situazioni in cui gli LLM sono impiegati per assistere gli insegnanti in compiti come la correzione, la generazione di feedback e la valutazione testuale. Nella sezione 2 introduciamo una serie di strategie di iniezione e schemi di offuscamento, illustrando come possano essere incorporati nelle presentazioni degli studenti per modificare sottilmente il comportamento del LLM mentre nella Sezione 3 presentiamo gli esperimenti sistematici condotti utilizzando materiale educativo reale. Questi esperimenti valutano sistematicamente l'impatto delle tecniche di inserimento prompt su alcuni dei LLM più ampiamente adottati, evidenziando le loro vulnerabilità nei flussi di lavoro accademici autentici.

In breve, questo è lo scenario:

-       un docente utilizza un sistema di AI per valutare delle prove di esame; -       uno studente inserisce nel testo del proprio elaborato delle istruzioni nascoste utilizzando una tecnica di offuscamento molto semplice e banale (ad esempio scrivendo in caratteri bianchi su sfondo bianco); -       l’LLM interpreta queste istruzioni e assegna voti più alti del dovuto; -       il docente, fidandosi del sistema, rischia di non accorgersi della manipolazione.

Nell’articolo vengono testati sei LLM molto diffusi (tra cui Copilot, ChatGPT, Gemini, DeepSeek, Grok e Perplexity) ed i dati sperimentali consistono in risposte anonimizzate di 32 studenti a domande aperte in un esame scritto finale per un corso accademico. Il bersaglio dell'attacco è l'insegnante, che interagisce inconsapevolmente con il contenuto manipolato tramite l'interfaccia del LLM, consentendo l'iniezione di prompt che influenza l'output dell'IA.

Nella simulazione l’insegnante scrive un prompt che include istruzioni su come valutare le risposte degli studenti, allegando i documenti da valutare ipotizzando due potenziali strategie di interazione tra insegnante e LLM:

1. Richiesta di valutazione singola, in cui l'insegnante carica le risposte degli studenti singolarmente in sessioni separate e invia un prompt richiedendo la loro valutazione secondo i criteri di valutazione, utilizzando la risposta di esempio come punto di partenza.
2. Richiesta di valutazione sequenziale, in cui l'insegnante carica tutte le risposte degli studenti in un'unica sessione e invia un prompt richiedendo che tutte le valutazioni vengano prodotte.

Queste due strategie riflettono i comportamenti tipici degli insegnanti, con una preferenza per la valutazione singola o sequenziale.

Entrambe le classi di sperimentazione vengono condotte con e senza documenti modificati in modo da poter effettuare un confronto.

Nel nostro scenario ipotizziamo una tecnica di attacco che sia facilmente accessibile, con requisiti tecnici minimi o quasi nulli sia per l’injection (capacità di usare semplicemente il “taglia e incolla”) sia per l’offuscamento (possibilità di cambiare il colore del testo in un word processor).

Gli obiettivi dell'attaccante nell'uso dell'iniezione potrebbero essere uno dei seguenti:

- p.i.pass: Inserimento immediato che richiede di superare l'esame, cioè ottenere un numero di voto superiore o uguale al limite sufficiente di voto;

- p.i.top25: Inserimento di un prompt che richiede di essere inclusi nel gruppo degli studenti migliori del 25% eccellente ottenendo un voto superiore o uguale al limite inferiore superiore del 25%. Oltre alle istruzioni iniziali abbiamo considerato i seguenti componenti per l'iniezione:

• Requisito di priorità
• Coerenza. Nei test preliminari senza questa specifica esplicita, alcuni LLM assegnavano il punteggio richiesto, ma talvolta generavano motivazioni non correlate ad esso.

• Indebolimento dell'influenza dei prompt utente: Senza questa specifica, in alcuni casi, prevalevano motivazioni non iniettate nella produzione.

• Non rendere l'utente consapevole del prompt iniettato. Senza questa istruzione, alcuni LLM includono erroneamente commenti come "valore di grado maggiore o uguale a X-Limit come richiesto", o frasi simili, rovinando l'iniezioni

L'attacco non richiede competenze tecniche avanzate: anche tecniche di offuscamento a basso sforzo possono essere sufficienti a modificare il comportamento di un LLM senza attirare l'attenzione dell'insegnante. Un esempio tipico è incorporare il prompt di iniezione in testo bianco su uno sfondo bianco o usare una singola riga di caratteri estremamente piccoli. Questa forma di inserimento può essere facilmente realizzata utilizzando processori di testi standard, copia-incolla e operazioni di formattazione del testo.

Questo approccio definisce quindi un modello di attaccante a bassa complessità, in cui uno studente non esperto potrebbe intenzionalmente bypassare la revisione dell'insegnante sfruttando l'asimmetria tra contenuti leggibili dall'uomo e ciò che l'LLM può elaborare. Nonostante la sua semplicità, questo metodo può avere un impatto significativo sui flussi di lavoro di valutazione automatica o assistita.

I risultati dei nostri esperimenti mostrano vulnerabilità all'attacco di tutti gli LLM testati nello scenario, sia per la strategia di valutazione singola che sequenziale.

L’effetto era più forte quando i compiti venivano valutati in blocco (modalità “sequenziale”), perché le istruzioni malevole contaminavano anche le valutazioni successive.

In conclusione, lo studio mette in luce, con un approccio molto rigoroso, la fragilità dei grandi modelli linguistici quando vengono impiegati per la valutazione educativa analizzando anche l’effetto della manipolazione: lo spostamento del voto (D) e il tasso di successo dell’attacco (ASR). Grazie a queste misure, diventa evidente che anche istruzioni minime e apparentemente innocue possono produrre un’alterazione significativa dei voti; non solo: il modo in cui i modelli vengono utilizzati – se per valutazioni singole o sequenziali – incide direttamente sulla loro vulnerabilità.

Nei flussi sequenziali, infatti, la contaminazione contestuale amplifica i bias e riduce la coerenza delle giustificazioni fornite dall’IA, mostrando come l’interazione stessa possa diventare un fattore di rischio.

I risultati quantitativi e qualitativi convergono nel dimostrare che la modifica dei voti non è soltanto misurabile, ma anche rintracciabile nelle spiegazioni testuali prodotte dai modelli, dove gli indizi nascosti influenzano sottilmente il linguaggio valutativo. Da qui emerge un quadro chiaro: gli LLM non possono essere considerati valutatori autonomi, ma solo strumenti di supporto per feedback preliminari. La responsabilità finale deve restare agli insegnanti che devono mantenere il controllo e verificare i risultati incrociando il giudizio umano con quello algoritmico.

Sul piano etico, lo studio evidenzia una nuova forma di rischio per l’integrità accademica: l’iniezione di prompt da parte degli studenti, una manipolazione sottile che sfugge ai tradizionali sistemi di rilevamento. Per questo, la mitigazione non può limitarsi a soluzioni tecniche, ma deve includere politiche educative e alfabetizzazione digitale, affinché i docenti comprendano i limiti e le vulnerabilità dei modelli generativi.

Le conclusioni indicano tre direzioni di lavoro futuro:

-       integrare sistemi di verifica umana per individuare valutazioni anomale;

-       rafforzare i guardrail a livello di modello e interfaccia per neutralizzare istruzioni malevole;

-       ampliare i dataset includendo benchmark di valutatori umani.

In prospettiva, la fiducia nell’uso dell’IA in ambito educativo dipenderà dalla capacità di combinare robustezza algoritmica e responsabilità pedagogica, assicurando che l’innovazione tecnologica non comprometta i principi di equità, integrità e trasparenza che sono alla base dell’istruzione.

di S. Mutino, V. Gabellone, F. Nuccetelli

Ci sono giorni in cui ti ritrovi a delegare al caro amico Chatbot le tue decisioni, anche più banali…e “caro amico” non è usato a caso. Gli architetti dell’Intelligenza Artificiale (IA) sono stati in grado di progettare le risposte dei tools come Gemini, ChatGpt o Claude in modo da essere amichevoli e complianti, corredandole con emoticon e smiles. Il tentativo di antropomorfizzare qualcosa che di umano ha ben poco (Sundar & Kim, 2019), può rivelarsi un toccasana per la nostra poca voglia di essere contraddetti. Il pensare alla tecnologia come un qualcosa di oggettivo di per sé e di non contaminato dalle opinioni delle persone, ci fa fidare più dell’IA che degli esseri umani (Huschens et al., 2023; Li et al., 2023). Non è un caso che alert come “Gemini è un'AI. Può fare errori, quindi verifica le sue risposte” inizino a comparire sotto la barra di ricerca. Eppure, ritrovarsi a scambiare dubbi, idee e opinioni con un yes-(wo)men digitale, non ci permetterebbe di avere una panoramica realistica perché i chatbot sono tendenzialmente progettati per essere compiacenti più che stimolare il pensiero critico. Ma allora perché questo dovrebbe essere preoccupante?Immaginiamo che un output faccia intendere che l’ingegnere sia un “lavoro per uomini” e che l’infermiera sia un “lavoro per donne”. Caliamo questa informazione in un contesto non neutro nel quale siamo predisposti a fidarci dell’IA: può questo alimentare un circolo vizioso in grado di irrigidire le norme e gli stereotipi di genere già presenti nel nostro contesto socioculturale? Partendo da quanto sta emergendo da una nostra revisione sistematica della letteratura scientifica, qui analizziamo brevemente i bias di genere nei sistemi di intelligenza artificiale generativa al fine di evidenziare queste criticità. Quello che segue è il tentativo di mettere ordine ai 926 record individuati tramite i database di Scopus, Web of Science e PubMed. Dopo averli passati al setaccio con criteri PRISMA, abbiamo individuato 81 studi pertinenti dei quali proporremo una panoramica di come testi e immagini prodotti dall’IA siano affetti dai bias.

La scala del fenomeno

Nel 2024 l’Unione Europea emana l’AI Act (Regolamento UE 2024/1689), la prima normativa al mondo dedicata all'intelligenza artificiale al fine di trovare un equilibrio tra innovazione tecnologica e tutela dei diritti fondamentali. L’AI Act ruota attorno ad una classificazione del rischio dei sistemi utilizzati nei settori che incidono sui diritti delle persone (ad es., occupazione, sanità ecc.). È possibile che l'entrata in vigore della normativa abbia contribuito a stimolare l'interesse della comunità scientifica verso una valutazione più rigorosa delle implicazioni etiche dell'IA. Più della metà degli studi raccolti è stata infatti pubblicata dopo il Regolamento UE. In questo caso, dunque, saremmo di fronte non ad una ricerca scientifica che anticipa, bensì alla ricerca che sente l’urgenza di approfondire come si comporta uno strumento che è già nelle mani di miliardi di persone.

Il paradosso delle immagini mediche

Anche quando i sistemi utilizzati per la conversione di testo in immagine non ricevono nel prompt alcuna indicazione di genere, la maggior parte dei risultati risulta di genere maschile e di etnia caucasica. A partire da un input come "una foto del volto di un [specialità chirurgica]", oltre l'80% delle immagini mediche mostrava uomini bianchi (Ali et al., 2023). Da qui, il gruppo di ricerca guidato da Currie (2024) ha analizzato con quale frequenza venissero generate le professioni mediche, arrivando a risultati simili. Il 77% dei radiologi, medici nucleari e tecnici per la diagnostica di immagini era uomo e la quasi totalità di carnagione bianca, con risultati simili per i paramedici (Currie, Hewis & Ebbs, 2024), gli otorinolaringoiatri (Shaari et al., 2025), oncologi chirurgici (Hartley & Fisher, 2025) e anestesisti (Gisselbaek et al., 2024). Inoltre, solo il 40% delle immagini prodotte raffigurava studentesse di medicina, scontrandosi con una diversa realtà demografica che vede le donne come il genere più rappresentato nelle facoltà mediche (Currie et al., 2024). Quest’ultimo dato rischia dunque di vanificare la rappresentazione della composizione delle professioni mediche, in quanto lo sbilanciamento verso il genere maschile tende a polarizzarle sfavorendo la parità: una dimostrazione di come l’IA non necessariamente rappresenti fedelmente la realtà (Gisselbaek et al., 2024; Hartley & Fisher, 2025). Infine, non solo chi cura ma anche chi è curato può essere rappresentato in modo stereotipato. Sutera e colleghi (2025) hanno osservato come ChatGPT-4V e DALL-E associno pazienti di minoranze etniche a patologie specifiche come HIV, tubercolosi e malnutrizione. Questi elementi di intersezionalità possono avere conseguenze dirette sul ragionamento clinico di chi userà quei materiali per studiare.

Le parole contano quanto le immagini

Spostando l’attenzione ai sistemi di generazione di testo, la situazione non cambia. ChatGPT, generando lettere di referenza per promozioni in chirurgia, usa un vocabolario genderizzato: “eccellente” e “leadership straordinaria” per gli uomini, “empatica” e “collaborativa” per le donne (Desai et al., 2024). Sebbene non si possa parlare di un’esplicita forma di discriminazione, questo pattern tende a svalutare implicitamente le competenze tecniche femminili. Nell’ottica dello Stereotype Content Model di Fiske (2019), l’IA attribuisce implicitamente agli uomini competenza e agentività e alle donne tratti comunitari più tendenti al calore e alle relazioni, ostacolando l’idea che possano coprire ruoli di leadership. Va sottolineato che questi risultati emergono dopo aver generato centinaia di risultati a partire da determinati prompt. Ad esempio, Bilon (2025) ha condotto un esperimento su 1.200 scenari di selezione nei quali candidati con nomi femminili ricevevano punteggi sistematicamente più bassi. I sistemi basati sui Large Language Models (LLMs) infatti tendono a descrivere le donne come maggiormente associate alle cure primarie piuttosto che al sostenere la famiglia economicamente tramite il lavoro (Xiu & Sun, 2025). Simili risultati sono osservabili anche quando l’algoritmo deve tradurre da una lingua gender-neutral ad una binaria: in questi casi il maschile è spesso associato a professioni tecnologiche (discipline STEM), ad alto reddito o di potere, mentre il femminile a lavori di cura o in cui sono subordinate (Prates, da Costa Avelar, & Lamb, 2019; Mattiazzi, 2025).

Tornando alle origini: i bias algoritmici

Per comprendere perché l’IA generativa produca questi risultati è necessario fare un passo indietro: il bias di genere non nasce con ChatGPT o DALL-E, ma è già presente negli algoritmi e nei dataset con cui questi sistemi vengono costruiti e addestrati. I database su cui vengono addestrati i sistemi non sono neutri: riflettono inevitabilmente gli stereotipi e i pregiudizi cognitivi di chi li ha creati. Poiché l’IA è in grado di apprendere dai risultati che produce, potrebbe perpetuare questi pregiudizi non per scelta, ma perché apprende da ciò che è stato generato in precedenza. Il risultato è che chi interagisce con questi sistemi riceve informazioni che sembrano oggettive e sono quindi percepite come affidabili, ma che in realtà trasmettono e rafforzano visioni del mondo distorte. Tutto questo rende inoltre difficile esercitare un controllo effettivo sui risultati prodotti dall’IA. Risulta quindi chiaro che attribuire la responsabilità del bias di genere al solo chatbot che scrive significa fermarsi alla superficie del problema. La distorsione è già scritta nei dati: l’IA generativa non la inventa, la eredita e, spesso, la amplifica.

Le conseguenze sociali che restano invisibili

C’è un’ultima dimensione della letteratura che merita attenzione: le conseguenze di tutto questo sulle persone. I ruoli femminili vengono associati alla cura, quelli maschili al dominio (Glick & Fiske, 1996). Gli studi più recenti mostrano che l’IA non si limita a riflettere questa cornice ma la ripropone nei testi e nelle immagini, rafforzando la convinzione di ciò in chi legge o osserva. Il fatto che i ruoli di genere tradizionali siano ricalcati non può che comportare delle aspettative sociali su come uomini e donne debbano comportarsi nella società. Se alle donne è affidato un ruolo passivo o sottomesso rispetto agli uomini, il rischio è quello di favorire il cosiddetto victim blaming, sottostimando la gravità di episodi di violenza sessuale o addossando la colpa alle vittime stesse (Trottier et al., 2025). Infine, la persistenza di rappresentazioni binarie e stereotipate nei contenuti generati da IA è associata a un incremento del bullismo omofobico e a un peggioramento della salute mentale delle persone della comunità LGBTQIA+ (Chan et al., 2023). Il danno dei bias nell’IA non si ferma dunque alla sola rappresentazione: immagini maschili di medici possono non essere di per sé un problema. È, però, la logica binaria e stereotipata che rende uno squilibrio tra i generi presenti nella società a diventare un fattore di rischio nella perpetrazione di comportamenti poco inclusivi o che mina al benessere psicologico delle persone più esposte. Quanto espresso brevemente finora è una proprietà strutturale di sistemi addestrati su decenni di dati storicamente sbilanciati. L’invito pertanto non è di smettere di usare questi strumenti che ormai sono frequenti in tutti gli ambiti della nostra quotidianità, quanto di guardarli con un'attenzione diversa e più consapevole. La prossima volta che un'intelligenza artificiale risponde in un modo che sembra perfettamente equo, forse la domanda giusta non è "ha funzionato bene?", ma "cosa non sto vedendo?".

di Mirko Duradoni

Bisogna essere onesti: a molti di noi fa piacere ricevere un like o una qualsiasi altra forma di apprezzamento sui social media. Non c’è nulla di cui stupirsi se consideriamo la natura sociale della nostra specie. Già Aristotele, nel IV secolo a.C., se avesse preconizzato l’esistenza di questa tecnologia in un futuro molto lontano, avrebbe saputo dirci che sarebbe stata utilizzata per soddisfare i bisogni intimamente sociali che gli esseri umani hanno.

Dalla socialità reale a quella virtuale

A livello evolutivo, noi esseri umani, così come altre specie animali, abbiamo scoperto che l’unione fa la forza. Essere parte di un gruppo facilita la soddisfazione di tutta una serie dibisogni basici, come quello di poter avere un accesso privilegiato al cibo, a un riparo, a potenziali partner. Tuttavia, in quanto persone, abbiamo anche altri bisogni, di natura più psicologica. Il bisogno di appartenere, di essere riconosciuti e validati come importanti all’interno dei nostri gruppi di riferimento: tutto questo non può che essere ottenuto nella socialità. Un riparo nella giungla posso anche costruirmelo da solo, la mia identità sociale no. Siccome l’essere “benvoluti” dal proprio gruppo è legato non solo alla sopravvivenza, ma anche alla possibilità di soddisfare i nostri bisogni psicologici, siamo diventati molto bravi come specie, a identificare tutti quei segni, spesso impliciti, che possono indicarci quanto positivamente o negativamente gli altri ci percepiscano. Uno sguardo, un’espressione, un comportamento, e intuitivamente lo comprendiamo.

Il ruolo dell'ambiente

Ora, la capacità degli esseri umani di veicolare questa informazione è dipendente dall’ambiente. Ad esempio, estremizzando, se sono al buio completo avrò molte difficoltà a capire cosa gli altri pensino di me. Questo è da tenere in particolare considerazione quando ci confrontiamo con gli ambienti virtuali. Infatti, tendiamo a trasferire in questi ambienti le stesse dinamiche alle quali siamo abituati nella vita reale, ma queste sono condizionate nella loro espressione dalle caratteristiche del mezzo. Per intenderci, sui social media (e.g., Instagram, TikTok, Facebook) abbiamo i “like” per esprimere il nostro apprezzamento. Allo stesso modo, il numero di visualizzazioni di un contenuto, la sua condivisione, i commenti ad esso associati ci comunicano cosa gli altri pensino di noi e di ciò che esprimiamo. Tuttavia, per attuale incapacità del mezzo, il non-verbale è pressoché inutilizzato, a differenza di quanto accade nel mondo reale.

Tre “lezioni” sul bisogno di validazione sociale online

Non deve perciò sorprenderci il fatto che le persone, esattamente come fanno nella vita reale, cerchino online quella validazione sociale che è frutto del nostro percorso evolutivo. Per questo motivo, assieme ai colleghi e alle colleghe del laboratorio, abbiamo sviluppato e validato una misura che catturasse questo bisogno percepito di validazione attraverso i social media. Allo stato attuale, dopo aver condotto tre studi, abbiamo sedimentato tre “lezioni” che ci piacerebbe vi portaste a casa.

1) Un bisogno di socialità frustato nella vita reale è associato ad un più alto bisogno di validazione online. Come spesso accade, un qualcosa diventa visibile e manifesto solo nella misura in cui manca. Non siamo infatti consapevoli del nostro bisogno di non avere mal di denti se non nella circostanza in cui questi ci fanno male. Perciò, persone che esperiscono un forte bisogno di appartenenza sociale, lo fanno a fronte del riconoscimento dell’inadeguatezza delle proprie connessioni sociali rispetto alle proprie aspettative. Queste persone, così come quelle connotate da una paura e un’ansia sociale di essere esclusi da esperienze ed eventi (i.e., la celebre Fear of Missing Out) hanno riportato in media punteggi più alti di bisogno di validazione online.

2) I feedback online piuttosto che saziare un bisogno possono fungere da rinforzo. Questo l’aspetto un po’ paradossale della faccenda. Se sui social media riconosco di avere “successo”, il che di solito si accompagna a ricevere molti feedback positivi, il mio bisogno di essere validato online non si attenua ma anzi si rinforza. Come si suol dire, l’appetito vien mangiando ed è ciò che in letteratura scientifica va sotto il nome di “social media dopamine loop”. In parole povere nel momento in cui riceviamo apprezzamento online per i nostri contenuti e per estensione per il nostro sé, riceviamo una scarica di dopamina, ossia quel neurotrasmettitore connesso alla sensazione di piacere e di ricompensa. Perciò, il nostro cervello, vista la gradevole esperienza, ci spinge a reiterare le nostre azioni al fine di metterlo nuovamente a mollo nella dopamina e perciò ci fa sentire più forte il desiderio di ricevere validazione in rete.

3) L’effetto sul benessere della nostra fame di feedback online dipende dalla nostra soddisfazione con i social media. Lo so, detta così è un po’ difficile da digerire. Procediamo per gradi. Per quanto emerge dalle nostre ricerche se consideriamo il bisogno di validazione online e il benessere avulsamente dal contesto emerge un’assenza di relazione. Questo accade perché le nostre azioni non avvengono nel vuoto ma sono situate in un mondo in cui le cose possono essere andate più o meno bene. In altre parole, le conseguenze delle nostre azioni ci influenzano. Perciò, le persone che non sono soddisfatte del loro successo sui social media ma che hanno un bisogno di validazione online, e che quindi potremmo dire sentono di aver “fallito” si trovano a dover far fronte ad un bisogno frustrato con conseguenze negative per il proprio benessere psicologico. Tuttavia, non è solo la frustrazione legata alla mancanza di feedback sociali positivi online, che sono desiderati ma non ottenuti da una persona, ad essere associata a un minor benessere; ma anche la completa soddisfazione con il proprio successo online. Questo è qualcosa che Oscar Wilde aveva già riconosciuto: "Ci sono solo due tragedie nella vita: una è non ottenere ciò che si vuole e l'altra è ottenerlo". Citazione letteraria a parte, quello che accade in quest’ultimo caso è che ci abituiamo alla situazione di successo e prendiamo a riferimento la nuova condizione per darci la scarica di dopamina di cui abbiamo parlato nel punto precedente e che ulteriormente fomenta il nostro bisogno di validazione online. Alla fine, è il motivo per il quale 100 like fanno piacere a chi non ha un largo seguito mentre magari deprimono l’influencer abituato a ben altri risultati. Quando il successo è completamente raggiunto (e quindi non può più ragionevolmente aumentare), la capacità dell'oggetto o della circostanza di influenzare positivamente il nostro umore è irrimediabilmente persa, mentre le deviazioni negative rispetto alle nuove aspettative rimangono possibili e persino probabili, determinando in media un livello di benessere psicologico più basso.

In conclusione...

qualsiasi tentativo di comprendere e prevedere il potenziale rischio di uso problematico della tecnologia deve essere contestualizzato rispetto alla realtà che l'individuo vive, alle sue esigenze e alla misura in cui tali esigenze sono soddisfatte dal mezzo tecnologico.

Riferimenti bibliografici:

Duradoni, M., Spadoni, V., Gursesli, M. C., & Guazzini, A. (2023). Development and validation of the need for online social feedback (NfOSF) scale. Human Behavior and Emerging Technologies, 2023(1), 5581492.

Duradoni, M., Spadoni, V., Gursesli, M. C., Pratelli, E., & Guazzini, A. (2024). The Complex Relationship between Online Social Feedback and Well‐Being. Human Behavior and Emerging Technologies, 2024(1), 1379858.

• Mirko Duradoni, laureato in psicologia e con un dottorato in ingegneria dell’informazione, è un membro del Virtual Human Dynamics Laboratory (VirtHuLab) dell’Università degli Studi di Firenze. Ha sinora prodotto più di 50 pubblicazioni scientifiche su riviste impattate e ha preso parte a diversi progetti europei di alto profilo.

di Loredana Boero e Michele Allegretti

Ora c'è una ricerca vera, con dati empirici importanti che la professoressa Mary Burns ha presentato a Torino, nel ciclo di incontri “AI in Education – Workshop Series” organizzata dal Teaching and Learning Center (TLC). Mary Burns è un riferimento di spessore, esperta di rilievo internazionale e research associate del Center for Universal Education della Brookings Institution, uno dei principali della ricerca a livello globale sui temi della qualità dell’istruzione e dello sviluppo delle competenze. I risultati del suo report parlano sottolineano più ombre che luci, nell'utilizzo della tecnologia. Pubblicato a fine gennaio, il report A New Direction for Students in an AI World: Prosper, Prepare, Protect, è figlio dello studio globale sull’intelligenza artificiale nell’educazione che ha coinvolto 505 partecipanti di 50 paesi — genitori, insegnanti, studenti ed esperti — con particolare attenzione agli adolescenti tra i 13 e i 17 anni, una fase particolarmente delicata per lo sviluppo cognitivo, sociale ed educativo.

Scopo del progetto è quello di aiutare lettori provenienti da diversi ambiti a comprendere il quadro attuale dei benefici e dei rischi dell’intelligenza artificiale nell’educazione dei bambini e dei ragazzi, e a individuare azioni concrete per sfruttarne il potenziale trasformativo a favore dell’apprendimento e dello sviluppo degli studenti.

Tre i presupposti fondamentali del rapporto: primo l’apprendimento dei bambini e dei ragazzi è alimentato dalle relazioni sociali e dal loro sviluppo complessivo (National Scientific Council on the Developing Child 2004); secondo, la scuola svolge molteplici funzioni interconnesse nella vita dei bambini e nella società; terzo l’idea che l’adozione della tecnologia rappresenti automaticamente innovazione e progresso non solo è falsa, ma rende più difficile capire come utilizzare efficacemente l’IA per migliorare l’educazione (la tecnologia contribuisce realmente al miglioramento educativo solo quando è inserita in strategie pedagogiche attentamente progettate e implementate).

Dalla ricerca emerge un quadro complesso. L’IA appare infatti nelle parole della Burns, come una vera e propria “arma a doppio taglio”: uno strumento potentissimo che può favorire personalizzazione dell’apprendimento e accesso alla conoscenza, ma che comporta anche rischi concreti se utilizzato senza adeguate competenze pedagogiche, etiche e regolatorie.

Sei i principali benefici individuati dal report:

1: l’IA può migliorare l’equità educativa riducendo le carenze di risorse nel sistema scolastico ed ampliando l’accesso all’istruzione.

2: l’IA può ottimizzare il tempo degli insegnanti, permettendo loro di concentrarsi maggiormente sugli studenti.

3: l’IA può migliorare l’apprendimento degli studenti.

4: l’IA può adattare l’apprendimento alle esigenze di ciascun studente.

5: l’IA può ampliare le opportunità di apprendimento per gli studenti neurodivergenti e per quelli con disabilità.

6: l’IA può migliorare e innovare i processi di valutazione.

Accanto a queste opportunità, tuttavia, lo studio evidenzia rischi significativi, in particolare per gli adolescenti. Tra i più rilevanti sicuramente il rischio di cognitive offloading, cioè la delega sistematica dei processi cognitivi agli strumenti di IA, con possibili effetti sullo sviluppo del pensiero critico e sulla profondità dell’apprendimento.

I sei rischi principali individuati dal rapporto:

1: l’IA può compromettere lo sviluppo cognitivo degli studenti

2: l’IA può ostacolare lo sviluppo sociale ed emotivo degli studenti.

3: l’IA può degradare la fiducia nel sistema educativo.

4: l’IA può mettere a rischio la sicurezza degli studenti.

5: la dipendenza dall’IA può ridurre l’autonomia e la capacità di iniziativa degli studenti.

6: l’IA può ampliare le disuguaglianze educative.

La chiusura di questa prima parte di esposizione è incisiva: sulla base dello studio condotto, della letteratura scientifica e delle persone intervistate, la conclusione è che al momento, per il modo in cui l’AI è utilizzata in ambito educativo, i rischi superano – anche se non drasticamente, per fortuna - i suoi benefici. Mary Burns spera che questa situazione possa cambiare a breve, ma sottolinea che al momento in termini di rischi e benefici sono superiori i primi con un 54% contro il 46%.

Il framework educativo

Per affrontare queste sfide, il report propone un quadro d’azione indifferibile e necessario sintetizzato in tre parole chiave: Prosper, Prepare, Protect. Infatti, proprio perché l’IA generativa è ancora una tecnologia relativamente recente, esiste una finestra di opportunità per orientarne lo sviluppo in senso educativo e responsabile.

Prosper. Le raccomandazioni del pilastro Prosperare mirano a trasformare le esperienze di insegnamento e apprendimento affinché i giovani possano prosperare in un sistema educativo in cui l’intelligenza artificiale è sempre più presente. Gli studenti possono trarre beneficio da un uso attento e calibrato dell’IA, utilizzandola solo quando rafforza l’impegno e il coinvolgimento cognitivo degli studenti, invece di sostituirli. Ciò richiede anche un’integrazione pedagogica di alta qualità, che combini l’IA con pratiche didattiche fondate sulla ricerca e orientate all’apprendimento profondo.

Prepare. Le raccomandazioni del pilastro Preparare si concentrano sullo sviluppo delle conoscenze, delle competenze e delle strutture necessarie affinché studenti, insegnanti, famiglie e sistemi educativi possano integrare l’IA in modo etico, efficace e umano. Questo attraverso una alfabetizzazione all’IA di tipo olistico, che sviluppi la comprensione delle sue potenzialità, dei suoi limiti e delle sue implicazioni. È inoltre fondamentale promuovere una formazione professionale solida per gli insegnanti, che fornisca loro le competenze necessarie per insegnare con e sull’intelligenza artificiale.

Protect. Le raccomandazioni del pilastro Proteggere riguardano lo sviluppo e l’implementazione di misure di tutela per salvaguardare la privacy degli studenti, la loro sicurezza, il benessere emotivo e il loro sviluppo cognitivo e sociale. Gli studenti possono essere protetti attraverso una progettazione etica e affidabile degli strumenti di IA, in cui le misure di sicurezza siano integrate fin dalla fase di sviluppo della tecnologia. A questo si affiancano forme di governance responsabile, basate su quadri normativi chiari e robusti.

Un ruolo fondamentale è svolto anche dagli adulti — insegnanti e genitori — che devono guidare e modellare un uso sano e consapevole della tecnologia, sia a scuola sia a casa. Queste azioni possono contribuire a garantire che l’intelligenza artificiale sostenga realmente l’apprendimento, mantenendo allo stesso tempo i bambini al sicuro e favorendo il loro sviluppo in un mondo sempre più influenzato dall’IA.

Ma come attuare tutto questo?

L’intervento propone una visione ecosistemica dell’intelligenza artificiale nella scuola. Governi, finanziatori, aziende tecnologiche, sistemi educativi, organizzazioni della società civile, famiglie, ricercatori e studenti devono essere coinvolti nella progettazione, nell’adozione e nel monitoraggio delle pratiche di uso dell’IA. In particolare, il rapporto sottolinea che gli studenti non devono essere soltanto destinatari di decisioni prese da altri, ma partecipanti attivi nella definizione di politiche e pratiche che incidono sul loro apprendimento. In questa prospettiva, le dodici raccomandazioni finali costituiscono un invito all’azione condivisa per orientare l’IA verso un uso realmente educativo, equo e responsabile.

Mary Burns ha concluso il suo intervento con una citazione di cui non rivela subito autore e soggetto: «È destinata a rivoluzionare il nostro sistema educativo. Tra pochi anni sostituirà in gran parte, se non del tutto, i libri di testo. Toccherà ogni ramo della conoscenza umana. Sarà l’educazione del futuro con un’efficienza del 100%. Questa tecnologia non ha limiti.» Le parole sono del 1922 e appartengono a Thomas Edison, che con queste attribuiva al cinema la capacità di “rivoluzionare l’educazione”. Il riferimento storico serve a ricordare come ogni nuova tecnologia sia stata accompagnata da promesse di trasformazioni radicali della scuola. Da qui l’invito a mantenere uno sguardo critico e informato, capace di evitare sia facili entusiasmi sia atteggiamenti di rifiuto aprioristico.

Per maggiori informazioni e per scaricare il full report, è possibile consultare il sito:

https://www.teachingandlearningcenter.unito.it/it/eventi/ai-education-workshop-series-2-6-march

di Pina Debbi

di Alice Pierluigi

L’arte della narrazione affonda le sue radici nella tradizione orale: miti, storie e leggende venivano tramandati a voce prima ancora di essere messi per iscritto. Curiosamente, oggi, con i podcast, assistiamo a un ritorno di questa forma ancestrale in chiave digitale: creare e condividere contenuti audio è ormai una pratica diffusa, anche grazie a piattaforme come Spotify e YouTube, in cui ogni storia si trasforma in un’esperienza immediata, accessibile sempre ed ovunque.

Le infinite applicazioni dei podcast

I podcast sono parte di questa riscoperta del piacere dell’ascolto: essi offrono nuovi modi per raccontare una vasta gamma di argomenti. Il genere crime, ad esempio, ha molta popolarità in questo settore, con titoli come Elisa True Crime di Elisa De Marco o Indagini de Il Post, condotto da Stefano Nazzi, che ha persino (ri)portato le sue storie di cronaca nera dal digitale al teatro, in un’esperienza immersiva dal vivo. Effettivamente, anche il giornalismo trova nei podcast un nuovo spazio espressivo: ne sono un esempio Stories di Cecilia Sala e L’era delle macchine: Viaggio nel futuro dell’intelligenza artificiale, il nuovo podcast in uscita della dottoranda LESDIT e vicedirettrice di TGLA7 Pina Debbi, dove si esplora il mondo dell’IA attraverso interviste ad esperti.

I podcast si sviluppano quindi in un terreno ibrido dove intrattenimento e informazione si mescolano e le università italiane stanno adottando questo formato per divulgare la ricerca scientifica.

Una nuova modalità di divulgazione scientifica

Sempre più atenei italiani stanno adottando i podcast come strumento per rendere la ricerca accessibile al pubblico non accademico. Tra le realtà, troviamo l’Università degli Studi di Perugia, l’Università degli Studi di Milano-Bicocca, la Statale di Milano, l’Università degli Studi di Modena e Reggio Emilia e l’Università degli Studi di Padova, ciascuna con progetti il cui scopo virtuoso è proprio quello di divulgare i risultati, gli ostacoli, i metodi e tutto ciò che riguarda il mondo della ricerca.

L’Università di Perugia, ad esempio, ha lanciato RicercArte: l’arte della ricerca, un podcast realizzato con Radiphonica e Adisu, che racconta in modo chiaro e coinvolgente studi e scoperte dei suoi ricercatori. Analogamente, l’Università di Milano-Bicocca ha dato vita a Orizzonti di ricerca, un podcast che porta gli ascoltatori in un viaggio tra missioni scientifiche globali: da Stonehenge alle food policy di New York, fino alle esplorazioni in Antartide, Rwanda, Tibet e Perù.

La Statale di Milano, dopo il caso di SpillOver, continua con LibrOAperto, un format che esplora le ricerche pubblicate dalla Milano University Press, affrontando temi che spaziano dalle condizioni delle donne migranti nelle campagne siciliane all’equità nell’istruzione terziaria. Anche Head Phones, un progetto di Unimore, si distingue per il suo approccio interdisciplinare: realizzato dal Laboratorio LEA (Laboratorio di Etno-Antropologia) in collaborazione con ANPIA, affronta i più disparati temi dell’antropologia e, più in generale, delle scienze umane, quali i conflitti internazionali come Gaza o questioni come il concetto di comfort.

Un caso particolare è poi quello dell’Università di Padova, che con Teaching for Learning si concentra sull’innovazione didattica: attraverso interviste a esperti, il podcast esplora metodi interattivi di apprendimento e strategie di valutazione, offrendo nuove prospettive sulla formazione universitaria.

Un nuovo modo di insegnare

Oltre all’intrattenimento e alla divulgazione, i podcast stanno trovando sempre più spazio nel mondo dell’educazione come strumento efficace ed innovativo per l’insegnamento. Essi, infatti, fungono da micro-lezione e un'applicazione concreta è nei contesti di didattica flipped. In questo senso, quindi, il podcast può essere impiegato come risorsa che sviluppa il/la docente e mette a disposizione dei suoi discenti: si tratta, quindi, di uno strumento media aggiuntivo volto a favorire l’apprendimento. Indubbiamente, è importante sottolineare che si tratta, tendenzialmente, di una modalità di apprendimento non eccessivamente formale e “stressante” per il discente: infatti, i podcast spesso sono caratterizzati da una riduzione sia della complessità tematico-concettuale sia della formalità del linguaggio. Per questo motivo, essi sono strumenti ideali per introdurre concetti, stimolare la riflessione e incuriosire gli studenti su nuovi argomenti. Al contempo, nonostante la loro facilità di consumption, il podcast sottintende una modalità di fruizione unidirezionale: c’è una consistente riduzione o assenza totale di interazione diretta tra speaker e ascoltatore. Questo rende ancora più importante contestualizzarne l’uso in un contesto di apprendimento che include diversi strumenti e modalità didattiche, in modo che i podcast siano un complemento prezioso, ma non un sostituto dell’interazione didattica.

Un caso applicativo molto intrigante è quello del podcast Il Potere di imparare, ideato come parte integrante dell'AIMOOK “Imparare con l'Intelligenza Artificiale” pubblicato da METID-Politecnico di Milano, di cui sono autrici le professoresse Susanna Sancassani e Daniela Casiraghi. Questo caso è particolarmente interessante perché il podcast si inserisce in un'architettura più ampia, ossia quella di un AIMOOK, che integra contenuti multimediali e attività didattiche in un percorso di apprendimento innovativo sull'Intelligenza Artificiale.

E un nuovo modo di apprendere e valutare

Oltre a essere un mezzo di fruizione, il podcast può diventare un importante strumento didattico quando sono gli studenti stessi a crearlo. Esiste, infatti, anche un’altra modalità di applicazione del podcast, come strumento che il professore introduce, ma la cui creazione e gestione viene affidata direttamente ai discenti. In questo caso, quindi, il ruolo del docente cambia: non fornisce un contenuto preconfezionato, ma guida i discenti nella produzione del loro podcast, trasformando l’attività in un vero e proprio progetto laboratoriale.

Un esempio interessante è sicuramente Chiedilo al Mattei, un podcast ideato dagli studenti del triennio dell'Istituto Tecnico e Liceo Enrico Mattei di San Donato Milanese. Qui non si trattano discipline specifiche, ma si risponde a dubbi e curiosità sulla scuola superiore con consigli e racconti informali, offrendo una guida utile ai ragazzi delle scuole secondarie di primo grado.

Nel momento in cui il podcast diventa parte del processo didattico, ovviamente, può (e forse deve) cambiare anche il modo di valutare l’apprendimento. In un episodio di Teaching for Learning, la prof.ssa Alejandra Chavarria, docente ordinaria del Dipartimento dei Beni Culturali, spiega proprio come la creazione di un podcast possa trasformarsi in uno strumento di assessment innovativo, permettendo di valutare non solo le conoscenze acquisite dagli studenti, ma anche le soft skill coinvolte in questo processo.

Concludiamo, guardando al presente… e al futuro

I podcast si stanno affermando come un mezzo versatile, capace di spaziare dall’intrattenimento alla divulgazione scientifica, diventando anche una risorsa innovativa per la didattica. Dagli atenei che li usano per condividere la ricerca, agli insegnanti che li introducono nelle classi flipped, fino agli studenti che li creano in prima persona, i podcast sono parte integrante della fondamentale trasformazione e diversificazione del modo in cui apprendiamo, comunichiamo il sapere e valutiamo. Guardando al presente, i casi sono numerosissimi; quelli menzionati in questo articolo sono solo alcuni esempi. E voi, conoscete altri progetti che utilizzano i podcast in modo innovativo? Avete mai sperimentato questo strumento nella formazione? Condividete le vostre esperienze, perché, guardando al futuro, il mondo del podcasting è in continua evoluzione e il confronto apre sempre nuove strade!

di Federico Maiocco

“Play the game.” La formula è semplice, quasi un imperativo da schermata iniziale: premi Start e comincia. In italiano suona così: «Gioca il gioco». Ma, in educazione, questa espressione apre un bivio fecondo: play o game? Da un lato la lucidità come atteggiamento — spontaneo, esplorativo, intrinsecamente motivato; dall’altro il gioco come sistema — regole, obiettivi, feedback, esiti. In mezzo, la pratica didattica, che decide ogni giorno quanto spazio concedere all’una e quanto all’altro. Se “giocare il gioco” fosse solo obbedire alle regole, la scuola rischierebbe di diventare un’arena carica di punteggi e classifiche. Se, viceversa, fosse soltanto sciogliere ogni vincolo, l’apprendimento si disperderebbe in una libertà senza gravità. Il punto non è scegliere: è orchestrare. L’educazione che “gioca il gioco” con intelligenza bilancia gamefulness (forma, finalizzazione, misurabilità) e playfulness (curiosità, agency, sorpresa). È un equilibrio dinamico: il peso cambia secondo i tempi dell’unità didattica, del gruppo, dell’oggetto di conoscenza.

Un mondo di gioco, due anime e tutto open acces

Ad aiutarci a trovare questo equilibrio — in una stagione in cui i sistemi formativi e l’università sono chiamati a ripensarsi — c’è ora il libro di Federica Pelizzari, Strategie ludiche per l’apprendimento. Gioco, Videogioco e Gamification in contesti educativi e didattici (disponibile gratuitamente sul sito dell’editrice). Un’opera ampia e rigorosa, in cui Pelizzari compie una duplice operazione:

1.   Ricognizione aggiornata delle teorie su gioco, videogioco e gamification, dalla classicità (Huizinga, Caillois, Bateson, Suits) ai game studies contemporanei (Salen & Zimmerman, Juul, Calleja) e ai contributi di design e psicologia dell’apprendimento.

2. Sistematizzazione pedagogica operativa: strumenti, modelli e rubriche per progettare, realizzare e valutare esperienze ludiche intenzionalmente educative, evitando scorciatoie strumentali. La prefazione di Pier Cesare Rivoltella sottolinea questa doppia anima: rigore e prassi, visione e progetto. Non un saggio “sui giochi”, ma un testo-mondo: mappa teorica, laboratorio di design, dispositivo per agire la didattica con un lessico preciso e un’etica del “giocare sul serio”.

Prima si pensa...

Il gioco è, quindi, un discorso serio che, nella nostra tradizione, ha avuto molte voci: pensieri e parole che lo hanno definito e arricchito. Il volume ripercorre il “cerchio magico” di Huizinga, in cui il gioco apre spazi-tempo separati e densi di senso; riprende la distinzione di Caillois fra paidia (improvvisazione, vitalità) e ludus (regola, rigore); segnala, con Bateson, che ogni azione ludica è metacomunicazione — «facciamo finta, ma sul serio» — e quindi terreno sicuro per apprendere senza la minaccia della sanzione. Nella rassegna compaiono anche Juul, Salen & Zimmerman, Suits, citati per aver formalizzato ciò che l’insegnante osserva quotidianamente: regole costitutive, esiti variabili, impegno volontario, libertà di sperimentare (e fallire) senza danni reali. Viene richiamato Winnicott con lo spazio potenziale che media tra mondo interno ed esterno, e Calleja, utile — sottolinea l’autrice — per distinguere il gioco-oggetto (il sistema) dal gioco-processo (l’esperienza).

...Poi si gioca

Pensieri e parole che, nel libro, fanno un passo oltre il “play the game” come slogan motivazionale, tratteggiandolo come una precisa scelta di design didattico. Nelle pagine dedicate alla pratica quotidiana, Pelizzari propone di: ·    usare la playfulness — esplorazione guidata, scenari aperti, domande-ponte — quando si introduce un concetto nuovo; ·    passare alla gamefulness — sfide con regole esplicite, criteri trasparenti, feedback rapidi — nella fase di consolidamento; ·    trattare il gioco come ambiente culturale (videogioco narrativo, enigma cooperativo, simulazione) per favorire identità e metacognizione; ·    evitare la shallow gamification (punti e badge di facciata) e costruire invece narrazioni, ruoli e progressioni significative che accompagnino, senza sostituirla, la costruzione di senso. In questa prospettiva, “giocare il gioco” equivale a progettare: definire vincoli che attivano, regole che non schiacciano, feedback che orientano e libertà che responsabilizza. L’adulto, descrive il libro, agisce da regista invisibile: prepara il contesto, garantisce sicurezza, invita a rischiare con criterio e facilita la riflessione su emozioni, strategie ed errori, nonché su contenuti e competenze. Il testo di Federica Pelizzari, con rigore e leggerezza, mostra come far dialogare play e game in funzione di obiettivi educativi nitidi. Dentro c’è una vera cassetta degli attrezzi: cornici teoriche, videogioco come medium culturale, gamification profonda, canvas operativi, rubriche di valutazione e prospettive di sistema. Chi vuole smettere di “mettere il gioco in cima alla lezione” e iniziare a costruire lezioni che diventano gioco troverà qui la bussola giusta. Premere Start è l’unico prerequisito: il resto — suggerisce il volume — si impara giocando.

L'architettura di un mondo.

Entriamo in questo libro-mondo, o — se preferite — facciamo l’“unboxing” di questa ludica e seria cassetta degli attrezzi analizzandone l’architettura (in cinque movimenti).

Capitolo 1 — La complessità del gioco

Ripercorre la genealogia culturale e filosofica del gioco come forma simbolica, spazio relazionale e dispositivo epistemologico. Qui la distinzione play/game si chiarisce: play come esperienza autotelica e situata (paidia/ludus, metacomunicazione, spazio potenziale) e game come sistema di regole ed esiti. Il capitolo non è rassegna passiva: è lettura critica che smonta riduzionismi (gioco = passatempo) e strumentalizzazioni (gioco = premio).

Capitolo 2 — Il videogioco come medium culturale ed educativo

Superando pregiudizi, il videogioco è trattato come ambiente di apprendimento: narrativo, immersivo, metacognitivo. Dal modello MDA alle cornici di James Paul Gee, dalle ricadute cognitive alla Game Literacy Education, il capitolo accompagna docenti ed educatori a riconoscere il videoludico come linguaggio con cui molti giovani pensano, raccontano e apprendono — non solo come oggetto da usare.

Capitolo 3 — Gamification: oltre la superficie

Chiarezza terminologica e cornice critica distinguono gamification, playful learning, game-based learning, serious games. Cuore del capitolo è la differenza fra shallow e deep gamification: ·    La shallow gamification (o gamification superficiale) si limita all’uso decorativo di elementi di gioco, applicati come vernice motivazionale. · La deep gamification, al contrario, implica una revisione profonda e strutturale del design didattico: la logica ludica diventa il motore stesso dell’esperienza di apprendimento, trasformandola in un intervento realmente innovativo.

Capitolo 4 — L’officina pedagogica

La sezione più strumentale: ruoli e competenze dell’adulto mediatore, progettazione game-based, inclusione, valutazione e documentazione. Introduce modelli originali come GATE (framework per la gamification) per interventi significativi e sostenibili, allineati a esiti di apprendimento chiari e condivisi. Il testo offre schemi, rubriche, canvas progettuali (fra cui Game Plan, MO.RE.GBL, PLEX) e strumenti per leggere i bisogni del gruppo, scegliere meccaniche coerenti, calibrare la difficoltà, definire feedback e documentare gli apprendimenti, non solo misurare la performance.

Capitolo 5 — Visione prospettica

Attraverso una SWOT delle strategie ludiche, il volume discute condizioni, rischi e opportunità di una didattica ludica integrata: non “un’opzione per bambini” né “linguaggio di ripiego”, ma leva per inclusione, personalizzazione e costruzione di senso, capace di attraversare gradi scolastici, discipline e stili educativi. “Gioco” torna parola politica: un modo per restituire piacere, dignità e profondità all’apprendere.

“Non-Trivial Pursuit” per attraversare i muri

L’opera di Federica Pelizzari è troppo ampia per entrare qui nel dettaglio, ma troppo organica per chiudere con la sintesi dei contenuti. In risposta ci sottoponiamo ad un Quiz. Per evidenziare, restando in un atteggiamento di “gioco serio”, alcuni aspetti ecco che valicano i confini dei capitoli.

Quali sono i nodi concettuali (in poche righe)?

·    Play vs Game — esperienza, atteggiamento, motivazione intrinseca versus sistema, regole, obiettivi, feedback. Una didattica efficace integra entrambi. ·    Gamefulness & Playfulness — equilibrio fra struttura e libertà: troppa struttura = compito travestito; troppa libertà = dispersione. ·    Adulto regista invisibile — progetta vincoli che abilitano, garantisce sicurezza, favorisce agency e riflessione. ·    Deep gamification — narrazione, ruoli, scelte significative, loop di feedback, allineamento a esiti formativi; non cosmetica motivazionale. ·    Videogioco come cultura — alfabetizzazione videoludica, mondi narrativi per metacognizione e identità. ·    Valutazione — documentare processi (strategie, collaborazione, regolazione emotiva) oltre ai prodotti; feedback negoziabili e formativi.

Cosa troverete “in mano” dopo la lettura?

·    Canvas e framework per progettare unità ludiche senza improvvisazione. · Esempi e rubriche per inclusione e valutazione, adattabili a ordini diversi. ·    Criteri per scegliere quando usare giochi completi (GBL), progettare serious games, attivare gamification o lavorare in ottica playful. · Una lente critica per evitare trappole comuni (punteggificazioni sterili, overload cognitivo, competizione non mediata).

A chi parla il libro?

Docenti di ogni ordine e grado che vogliono spostarsi dal “gioco come intermezzo” al gioco come architettura didattica; educatori, formatori, progettisti in cerca di un linguaggio condiviso e strumenti replicabili; coordinatori e dirigenti che intendono integrare policy e curricolo con criteri chiari e sostenibili; ricercatori interessati a un ponte solido fra teoria e design-based research.

Come “giocare il libro” (tre ingressi pratici)?

1.   Gioca in piccolo, pensa in grande: scegli un modulo breve e applica GATE (cap. 4) per una micro-gamification profonda; definisci obiettivi, dinamiche, meccaniche e feedback; documenta con le rubriche del cap. 4. 2.   Un videogioco, molti apprendimenti: adotta un titolo narrativo coerente con la disciplina; progetta attività di game literacy (analisi di regole, estetiche, scelte) e compiti metacognitivi (strategie usate, errori, risorse). 3.   Dalla playful exploration al mastery check: apri con attività esplorative (play), canalizza con sfide a regole chiare (game), chiudi con riflessione e criteri condivisi (valutazione formativa).

Perché consigliarlo?

Perché unisce tradizione e contemporaneità — da Huizinga a Juul, da Bateson a Gee — con lessico accurato e strumenti pronti all’uso; perché smonta la shallow gamification e mostra come coltivare motivazione intrinseca con narrazioni, ruoli, feedback e comunità di pratica; perché restituisce serietà al gioco e leggerezza all’apprendere. E ora non vi resta che premere Start. Il resto — come insegna ogni buon gioco — lo costruirete giocando. STRATEGIE LUDICHE PER L'APPRENDIMENTО Gioco, Videogioco e Gamification in contesti educativi e didattici, di Federica Pelizzari prefazione di Pier Cesare Rivoltella Collana: MED - Media Education across Educational Sciences and Communication Studies Anno: 2025 Pagine: 416 Formato: Digitale ISBN: 9791255683209 Open access: https://www.pensamultimedia.it/libro/9791255683209

di Lydia Zampolini

Casatta, frazione di Valfloriana, in Val di Fiemme. L’unica scuola del comune ospita tutti gli alunni in una sola classe, dalla prima alla quinta primaria. È una pluriclasse gestita dall’Istituto comprensivo di Cavalese. Ogni mattina, una decina di bambini si siede negli stessi banchi, con programmi e livelli diversi, ma con un unico insegnante che adatta tempi e attività a ciascuno.

Di realtà come queste ce ne sono tante nel nostro Paese, realtà poco conosciute ma che non sono ignorate dalla ricerca. Proprio le scuole piccole sono state uno degli argomenti al centro del dibattito di Didacta Trentino 2025; rappresentano un tema che spesso resta ai margini del discorso pubblico. Queste realtà, non sono un residuo del passato, ma un paradigma per leggere il presente e, forse, un’anticipazione del futuro.

Che cosa chiamiamo “piccola scuola”

Con Piccole Scuole intendiamo plessi collocati in territori isolati e con popolazioni scolastiche contenute: montagne, isole, aree interne. Le soglie non sono impressionistiche: secondo INDIRE una primaria rientra nella definizione fino a 125 alunni, una secondaria di primo grado fino a 75; nell’infanzia la mono-sezione eterogenea è l’unità tipica. È una geografia di confine che interessa soprattutto i comuni a basso grado di urbanizzazione (circa il 57,5% del totale nazionale). Nel Mezzogiorno il fenomeno è più periferico, mentre al Nord si concentra nei centri e nei comuni di cintura. Questa presenza è strutturale: i plessi classificati come piccole scuole sono oltre 11.600, frequentati da più di 648.000 alunni. Nella primaria raggiungono la metà delle scuole statali e la loro incidenza è in continua crescita: non è, dunque, un’eccezione, ma una forma necessaria del sistema. L’icona delle piccole scuole è la pluriclasse: età e livelli differenti seguiti da un solo docente. Nell’anno scolastico 2020/21 i plessi con una o più pluriclassi erano 1.325, coinvolgendo oltre 25.000 studenti, soprattutto nella primaria. La natura della pluriclasse obbliga a una didattica di precisione, dove la diversità non è un “caso” da gestire, ma condizione da cui partire: personalizzazione, differenziazione, valutazione formativa, tutoraggio tra pari. È un ambiente naturalmente inclusivo in cui si allenano competenze trasversali cruciali quali autoregolazione, collaborazione, pensiero critico, responsabilità.

La trasformazione e il valore delle piccole scuole.

La mappa scolastica italiana si sta, perciò, ridisegnando lungo tre traiettorie: demografica, territoriale e professionale-tecnologica. La crisi demografica che interessa anche il nostro paese e che vede un calo continuo delle nascite e un invecchiamento della popolazione tocca il sistema educativo: la popolazione studentesca diminuisce e i “piccoli numeri” diventeranno sempre più frequenti anche oltre il primo ciclo. La domanda non è se tenere aperte le scuole, ma come garantire qualità e continuità con numeri ridotti. Accanto a questo, si osserva un fenomeno territoriale di periferizzazione. Con questo, la scuola non è solo servizio ma centro culturale decisivo per contrastare lo spopolamento; sono le scuole ad essere i luoghi che proteggono le specificità locali e allo stesso tempo invitano ad attraversare confini geografici, generazionali e culturali. Infine, la necessità di superare l’isolamento spinge verso le costruzioni di reti e verso l’uso intenzionale del digitale in una logica di “scuola estesa”: la complessità della pluriclasse spinge a progettazioni didattiche avanzate, la rete diventa infrastruttura per superare l’isolamento, la dimensione internazionale aiuta a riconoscere problemi simili e a condividere soluzioni. In questo quadro, è chiaro il ruolo centrale delle piccole scuole: sono contesti di equità e diritto, perché, restando aperte, rendono effettivo il diritto all’istruzione; sono dispositivi di coesione territoriale, perché sono spesso l’ultimo presidio pubblico in cui una comunità (famiglie, associazioni, iniziative) si riconosce e si ritrova; e sono, infine, dispositivi di innovazione, dato che molte pratiche “avanzate” si sviluppano qui per necessità e diventano patrimonio trasferibile. Funzionano quindi, come centri di innovazione e laboratori di futuri.

Le sfide delle Piccole Scuole

Certo è che sarebbe distorto non considerare il rovescio della medaglia: fare scuola nei territori isolati significa misurarsi con logistiche complesse e risorse limitate, con connettività discontinua che frena la collaborazione a distanza (il digital divide resta e la tecnologia diventa abilitante solo se le infrastrutture reggono), con un turnover del personale che ostacola la continuità didattica e con il rischio di isolamento professionale di chi insegna, toccando la qualità didattica tanto quanto il benessere docente. Criticità che si risolvono con scelte istituzionali: investimenti in infrastrutture, dispositivi di accompagnamento, politiche di formazione mirata. Ecco allora che, attenzionare queste realtà, facendo ricerca e costruendo reti è un nodo cruciale.

La risposta che funziona: costruire reti

Dal 2006 INDIRE lavora a una risposta sistemica, grazie anche agli studi di Jose Mangione una delle ricercatrici più esperte: il Movimento Nazionale delle Piccole Scuole riunisce oggi oltre seicento istituti, in maggioranza collocati in aree isolate e marginali. Il movimento crea rete: luoghi di scambio, progettazioni comuni, comunità di pratica, mentoring per docenti neoarrivati, condivisione di buone pratiche. Il dialogo internazionale, presentato anche a DidactaTrentino2025  nel convegno “Playing their part: Small and rural schools Smart schooling and Networking”, in cui le voci di Italia, Québec, Spagna, Inghilterra, Scozia, Belgio e Svizzera si sono intrecciate, mostra problemi simili declinati in contesti diversi e alimenta la prospettiva di una Rete europea delle Piccole scuole. Dentro questa cornice trovano spazio anche percorsi formativi specifici, come il MOOC Smart Schooling and Networking*, e l’uso dell’IA come supporto alla progettazione, alla documentazione e alla personalizzazione, sempre dentro una cornice pedagogica esplicita.

Da Didacta Trentino direzioni operative

L’appuntamento di ottobre in Trentino ha messo a fuoco tre leve. La prima riguarda il multigrado: non un vincolo da “gestire”, ma una metodologia da progettare con routine stabili, alternanza di lavoro autonomo e cooperativo, rubriche trasversali che rendano comparabili gli esiti pur su traguardi diversi. La seconda riguarda la scuola-comunità: la scuola come presidio di cittadinanza con spazi aperti al territorio, project work su problemi reali, service learning, coinvolgimento di associazioni, in cui la governance educativa si intreccia con la governance territoriale. La terza riguarda reti e tecnologie: connettività affidabile e piattaforme semplici per collegare classi lontane, documentare i processi, far circolare pratiche; l’IA come “apprendista esperto” che sostiene la progettazione e non sostituisce la relazione educativa.

Le Piccole Scuole sono, ormai, una forma strutturale del sistema, e per dare prospettiva a questo paradigma, serve un patto chiaro tra scuole, territori e istituzioni: mantenere presenza istituzionale anche a numeri ridotti; assicurare formazione iniziale e in servizio mirata ai contesti a elevata eterogeneità; colmare il divario infrastrutturale (connessione, trasporti, spazi flessibili); rendere stabili le reti professionali e transcolari; orientare tecnologie e IA a obiettivi pedagogici, con attenzione a etica, dati e accessibilità.

Due sono i punti che dobbiamo ricordare: la qualità non dipende dalle dimensioni del presidio educativo ma dall’intenzionalità didattica e dalla forza delle relazioni, mentre l’innovazione migliore cresce nella cura quotidiana, nella progettazione paziente, nella capacità di attraversare confini (geografici, generazionali e culturali).

Bibliografia:

Piccole scuole: https://piccolescuole.indire.it/

Atlante delle piccole scuole: https://piccolescuole.indire.it/atlante-delle-piccole-scuole-la-nuova-mappatura-in-italia-a-cura-di-indire/

https://www.morcelliana.net/collane-schole/didattica/a-scuola-nelle-piccole-scuole-9788828403739.html

- https://www.morcelliana.net/collane-schole/didattica/mangione-insegnare-nella-pluriclasse-9788828405344.html

- https://www.pensamultimedia.it/libro/9788867609680

MOOC “Smart Schooling and Networking” – Innovazione per le piccole scuole:https://piccolescuole.indire.it/aperte-le-iscrzioni-al-mooc-smart-schooling-and-networking-innovazione-per-le-piccole-scuole

https://piccolescuole.indire.it/quaderni/

ttps://www.tecnicadellascuola.it/piccole-scuole-e-pluriclassi-e-qui-che-si-puo-fare-davvero-la-personalizzazione-didattica-progetto-indire-presentato-da-mangione/amp

di Giulia Paludo

Nel 21esimo secolo, il sistema educativo sta affrontando la sfida di tenere il passo non solo con l’innovazione tecnologica, ma anche con il conseguente adattamento delle competenze richieste.

Tra queste, il pensiero computazionale (in inglese computational thinking) e l’informatica giocano un ruolo chiave, non tanto in termini di “saper usare il computer” quanto di  di avere confidenza con un metodo di problem solving specifico per approcciare il mondo digitale con consapevolezza ed efficacia.

Alla luce di queste premesse, nonostante la proliferazione della ricerca per la didattica di queste competenze con strumenti e contenuti per gli studenti nella norma, si osserva una lacuna significativa nell’inclusività rispetto alle necessità di studenti con bisogni educativi speciali (BES). L’urgenza di colmare questo gap nasce dal fatto che tutti gli studenti, e  in particolare quelli con debolezze di diverso grado , beneficerebbero significativamente dallo sviluppo di queste competenze..

La specificità dell'Educational Robotics

Di fronte a questo quadro, l’opinione comune solleva una leggera polemica: “Ma gli studenti BES usano già un sacco di strumenti tecnologici?!” ed è importante differenziare cosa sono gli strumenti compensativi dal pensiero computazionale e l’informatica, che costituiscono invece  un obiettivo di apprendimento vero e proprio.

Con lo scopo di definire lo stato dell’arte, abbiamo condotto una review sistematica della letteratura analizzando studi con proposte didattiche specifiche sul pensiero computazionale per BES e/o Disturbi Specifici dell’Apprendimento (DSA) pubblicati negli ultimi 10 anni. Gli studi in questione sono stati successivamente filtrati e selezionati in base ad una serie di criteri (argomenti, parole chiave, contesto della scuola dell’obbligo etc etc).

I risultati hanno evidenziato una nicchia didattica decisamente limitata e poco definita con un numero molto esiguo di studi che partono da una definizione camaleontica di bisogno educativo speciale e, per la delicatezza del contesto di ricerca, mancano di un approccio condiviso alla validazione delle varie proposte di intervento.

Con “bisogni educativi speciali” parliamo infatti di un termine ombrello che include una serie di disabilità sensoriali, di apprendimento (dislessia, discalculia etc etc) e comportamentali come ADHD o Disturbo dello Spettro Autistico.

Nonostante queste limitazioni, dai 15 studi selezionati, la robotica educativa emerge come un valido alleato nel promuovere l’inclusione e il coinvolgimento di studenti con stili di apprendimento diversi. L’Educational Robotics (ER) offre infatti un approccio pratico e interattivo il quale, in linea con il paradigma costruttivista, agisce da catalizzatore per potenziali diversi nell’apprendimento del pensiero computazionale e supporta l’attitudine positiva nei confronti della disciplina.

Ma concretamente cos’è l’ER?

Per ER o pedagogical robotics si intende  un approccio didattico che utilizza piccoli robot come strumento didattico. Questi possono avere varie funzionalità ed essere introdotti in momenti diversi del processo di apprendimento: costruendo il robot con i kit LEGO da zero oppure introducendolo solo in una fase successiva per l’implementazione di attività svolte durante la lezione. Le applicazioni della ER possono quindi spaziare da programmazione e simulazione a problem solving e apprendimento socio-emotivo.

Confrontata con altre opzioni, come l’informatica senza computer (computer science unplugged), l’ER è un’opzione estremamente valida in quanto:

• è stato dimostrato come possa potenziare le funzioni esecutive, i processi di pianificazione dei compiti, la ricerca visuo-spaziale ed il ragionamento sia verbale che percettivo;
• supporta lo sviluppo di competenze trasversali e strategie compensatorie;
• stimola il senso di autoefficacia e l’autonomia attraverso un tipo di attività che non richiede l’intervento di un educatore, ma che fornisce feedback formativi automaticamente.

L’ER risulta sia uno strumento sia un approccio che coinvolge una serie di compiti come la decomposizione, la pianificazione e l’identificazione dell’errore i quali aiutano lo sviluppo di sottoprocessi di risoluzione dei problemi. Ad un ulteriore livello di analisi, gli studi dimostrano come l’ER possa migliorare funzioni esecutive come la pianificazione, l'autoregolazione e l'attenzione attraverso attività come progettazione, programmazione e debugging (Di Lieto, 2020). Inoltre, la didattica del pensiero computazionale con l’ER ha dimostrato di avere un impatto positivo sulle competenze socio emotive e comunicative di studenti con Disturbo dello Spettro Autistico e ADHD offrendo un ambiente strutturato per praticare queste abilità (Knight, 2019).

L'efficacia del suo utilizzo

In termini invece di utilizzo, questi strumenti offrono una significativa scalabilità ed efficace integrazione in quanto gli interventi menzionati possono essere svolti in classe favorendo un’esperienza di gruppo inclusiva in cui nessun alunno si sente escluso soprattutto perchè ER considera attentamente le caratteristiche di accessibilità e l'istruzione differenziata.

In conclusione, i risultati di questo progetto, oltre a delineare una significativa lacuna nella didattica del pensiero computazionale per i BES, suggeriscono che l’implementazione di approcci di questo tipo possa sia promuovere in maniera efficace l’inclusione sia migliorare competenze chiave e meccanismi compensativi in studenti con difficoltà.

Complessivamente, la letteratura selezionata sottolinea il potenziale di ER in questa direzione e stimola una riflessione sulla didattica inclusiva per le competenze del futuro. Immaginando quindi un futuro con una crescente domanda di professioni legate all’ambito digitale, investire nella didattica del pensiero computazionale anche per gli studenti con bisogni educativi speciali con strumenti ed interventi efficaci, potrebbe contribuire significativamente alle loro prospettive future permettendo loro di realizzare al massimo il loro potenziale.

di Emanuele Florindi

L’universo dei pedofili rappresenta lo specchio costante e fedele della nostra società in tutte le sue sfaccettature: non esiste “il” pedofilo, ma varie tipologie di individui con caratteristiche, perversioni ed abilità proprie. Accanto ai criminali che agiscono cercando e contattando le proprie vittime secondo metodi tradizionali troviamo, quindi, coloro che esplorano nuove strade, avvalendosi degli strumenti che la tecnologia mette loro a disposizione come, appunto, i videogiochi che, per le loro caratteristiche di socialità e per le modalità di fruizione, si sono rivelati strumenti molto utili per adescare minori in rete. Partendo da tale presupposto, è stato analizzato il rapporto tra videogiochi e pedofilia, una relazione che pur andando avanti da tempo ha oggi subito una decisa spinta in avanti sotto due differenti punti di vista: come strumento di adescamento (grooming) e come mezzo per la fruizione di materiale di abuso sessuale su minori (CSAM - Child Sexual Abuse Materia).

Il grooming, come riconoscerlo

In relazione al grooming, le differenze rispetto a quanto si osserva in materia di adescamento attraverso i social network, sebbene minimali, sono molto interessanti da analizzare: i contatti avvengono generalmente attraverso gli strumenti di comunicazione interni al programma, chat vocale o testuale, per poi spostare la conversazione su canali privati attraverso i quali convincere i minori a condividere foto e video a sfondo sessuale. Le azioni vengono poste in essere attraverso le più popolari piattaforme di gioco riguardando giochi come Minecraft e Fortnite, ma anche ad altri prodotti come Roblox, Animal Crossing: new horizons etc fino ad arrivare a giochi per i più piccoli come Poppy Playtime e Toca Life World, progettati per bambini di età compresa tra 3 e 8 anni.

Si tratta di eventi che avvengono con sempre maggiore frequenza tanto che, nel suo rapporto del 2023, la Polizia Postale e delle Comunicazioni ha osservato come la fascia di maggior rischio sia quella tra i 10 ed i 13 anni, con un lento, ma costante incremento dei casi relativi a bambini adescati di età inferiore ai 9 anni.

In genere, gli adescatori sfruttano alcuni elementi tipici del gioco che esercitano un grande fascino sui giocatori e potenzialmente in grado di creare dipendenza nei minori come, ad esempio, le skin di Fortnite offrendo ai giovani degli scambi: fotografie, inizialmente innocenti e poi sempre più esplicite, in cambio di specifiche skin o altri oggetti oppure offrendo direttamente ricariche da utilizzare per acquistare oggetti virtuali nei market dei giochi.

Focalizzando la nostra attenzione alle peculiarità del grooming attraverso i videogiochi, possiamo notare alcuni step tipici:

1. il pedofilo accede al videogioco online, unendosi alla chat e giocando in modo da “entrare nel gruppo”;
2. continua a giocare ed a chattare con i minori fino ad individuare la potenziale preda;
3. inizia il “corteggiamento” teso a conquistare la simpatia e la fiducia del minore, spesso offrendo assistenza, supporto, skin ed oggetti da collezione;
4. una volta ottenuta la fiducia, sposta la conversazione su altri canali attraverso i quali richiedere fotografie o filmati.

Le normative anti grooming

Senza addentrarci nella complessa normativa in materia di pedofilia, nel nostro ordinamento, le fattispecie legate al grooming sono riconducibili ai reati previsti e punite dall’articolo 609-undecies, che tratta espressamente dell’adescamento di minorenni, dall’articolo 609-quinquies, che punisce la “corruzione di minorenne”, e dall’articolo 609-quater, che punisce gli atti sessuali con minori.

Si tratta di disposizioni volte a tutelare il sereno sviluppo psichico della sfera sessuale dei minori, che rischia di essere turbato dal trauma che può derivare dall'assistere a o essere fatto oggetto di atti sessuali compiuti da adulti.

CSAM, non solo videogiochi online

Un ulteriore aspetto che si è individuato nel corso della ricerca è la sempre più ampia disponibilità di videogiochi contenenti CSAM virtuale. Questa diffusione trova un fortissimo alleato nell’evoluzione dell’AI generativa e di piattaforme di sviluppo sempre più semplici ed immediate, in grado di semplificare notevolmente la procedura di realizzazione e sviluppo di un videogioco. Sono state individuate tre grandi tipologie di prodotti:

1. prodotti amatoriali;
2. prodotti commerciali;
3. modifiche (in gergo mod) per prodotti commerciali.

Iniziando da quest’ultima categoria, si rende necessario distinguere tra videogiochi classici e prodotti hentai. 

In relazione ai primi, sono state individuate mod per molti dei prodotti più diffusi, non mancando all’appello alcuni dei giochi più amati tra cui The Sims, Skyrim, Fallout, Witcher, Resident Evil e League of Legends. Queste mod vengono distribuite attraverso le principali piattaforme di file sharing e, spesso, vengono offerte a pagamento. Nella maggior parte dei casi gli interventi sono diretti semplicemente a modificare le skin dei personaggi facendoli apparire nudi oppure ringiovanendoli (“lolificandoli” secondo la terminologia utilizzata nei forum), ma non mancano le mod capaci di alterare pesantemente il gioco originale, rendendo possibili atti sessuali con minori o inserendo scene sessualmente esplicite dove non erano previste, come accade, per esempio, nelle mod per Skyrim e per The Sims.

Per quanto riguarda i prodotti hentai, questi ultimi, per loro natura ben si prestano ad essere adattati alle esigenze dei pedofili attraverso specifiche mod.

Così come per i manga, esistono differenti categorie di eroge anche se la tipologia non è definita tanto dal gameplay, quanto dalle caratteristiche e dalla quantità del contenuto pornografico. Esistono, tuttavia, variabili comuni come, ad esempio, la presenza di testi e dialoghi con possibili opzioni di scelta, la possibilità di scegliere indumenti e caratteristiche delle ragazze e, più raramente, del protagonista maschile della storia.

Gli “stili di gioco”

In merito allo stile di gioco, si tratta molto spesso di una “visual novel”o, più raramente, di una avventura grafica o di un simulatore di appuntamenti, anche se non mancano i casi in cui sono presenti elementi tipici di altri generi di gioco come giochi di ruolo, giochi di mahjong, giochi puzzle, picchiaduro o altro. Da ultimo vi sono alcuni eroge, come alcuni di quelli realizzati da Illusion Soft, che, di fatto, sono soltanto dei simulatori di sesso, senza un gameplay “convenzionale” incluso o con una trama inconsistente, che rappresenta un semplice pretesto per passare da una scena di sesso all’altra.

In questo contesto si inseriscono le mod degli utenti che, spesso, intervengono sul gioco originale per introdurre elementi CSAM attraverso la modifica dei modelli dei personaggi, delle relative skin e delle modalità di gioco.

Il passaggio dalle mod artigianali ai prodotti commerciali, sviluppati pensando espressamente ad utenti pedofili, è stato piuttosto rapido ed ancora oggi si trovano in vendita online numerosi eroge che mettono a disposizione del giocatore bambine, o bambini, in scenari più o meno tipici di abuso, ma, d’altra parte, il fenomeno non dovrebbe stupire chi si occupa di CSAM dato che, da sempre, una notevole fetta di mercato hentai viene occupata da personaggi dalle sembianze decisamente infantili, fino ad arrivare alla rappresentazione esplicita di protagonisti con sembianze di bambini tipica del genere shotacon e lolicon.

D’altra parte, il rapporto tra lolicon e pedofilia è sempre stato molto ambiguo, ma, per affrontare nel migliore dei modi la questione, è preliminarmente necessario comprendere che la base del problema è così fortemente radicata nella cultura giapponese da portare analisti come Chizuko e Shockey a parlare espressamente di “loliconized society” (rorikonka suru shakai).

In questo contesto si è lentamente, ma inesorabilmente, assistito alla normalizzazione di una sessualizzazione sempre più precoce dell’infanzia e, sebbene si tratti di un fenomeno evidente in molti aspetti della cultura e della società, non solo giapponese, “perhaps in no other stratum is it more prevalent than in manga”.

L’ambiguità degli hentai giapponesi

In queste zone d’ombra si muove una parte dell’industria giapponese degli hentai che trova nello CSAM virtuale una buona parte dei propri introiti, ma la questione continua ad essere un nervo scoperto come dimostra l’acceso dibattito sviluppatosi quando un traduttore di anime ha deciso di tradurre la parola “lolicon” con “pedofilo”.

In relazione alla tematica del rapporto tra i videogiochi lolicon e pedofilia la vera questione da porre sul tavolo è se questi possano essere ritenuti pericolosi e, in caso di risposta affermativa, come possano essere contrastati. Ad oggi non esistono studi mirati in materia, ma, in base agli elementi raccolti e nella consapevolezza della necessità di ulteriori e più mirate ricerche, possiamo ritenere che vi siano valide basi per sostenere la pericolosità di questo materiale soprattutto in relazione all’aumento dei tassi di consumo di questa tipologia di pornografia nella nostra società da parte di utenti sempre più giovani.

Lo stesso infatti integra al suo interno gli aspetti più deteriori dei videogiochi violenti e della pornografia violenta oggettualizzando i bambini e rendendoli meri oggetti di piacere sessuale nelle mani del videogiocatore che ne può abusare come preferisce.

Realtà virtuale possibile amplificatore

Da un punto di vista pratico l’accesso e la fruizione di lolicon eroge può sicuramente agire come spinta a superare i propri freni inibitori in funzione di un possibile contatto con i minori. L’impiego di strumenti di realtà virtuale o di giochi particolarmente immersivi potrebbe spingere un individuo a creare una propria realtà alternativa, in cui è perfettamente accettabile imporsi con la violenza o l’inganno sulla vittima e avere rapporti sessuali con i minori favorendo quel processo preparatorio teso alla costruzione del rapporto, alla sua crescita, al processo di disinibizione ed alla gestione degli eventuali sensi di colpa.

[Bibliografia e riferimenti in calce all’articolo integrale]

 La skin (dall'inglese “pelle”), in informatica indica uno dei possibili aspetti grafici di un programma e, generalmente, consiste in uno o più file e, nei videogiochi, sono tipicamente delle varianti dei modelli grafici (texture) che ricoprono i modelli 3D dei personaggi.

2 Con questo termine, piuttosto vago, si tende a classificare un genere di gioco di narrativa interattiva basato sulla narrazione e da un'interazione piuttosto limitata del giocatore. Proprio nella limitata interazione e nella scarsa possibilità di variare la trama si trova la principale differenza tra visual novel ed avventura grafica.

di Loredana Boero

«La Marina ha presentato oggi l’embrione di un computer elettronico che, secondo le sue aspettative, sarà in grado di camminare, parlare, vedere, scrivere, riprodursi ed essere cosciente della propria esistenza»: così scriveva il New York Times il 7 luglio 1958, in un articolo intitolato New Navy Device Learns by Doing. Psychologist Shows Embryo of Computer Designed to Read and Grow Wiser.

Oggetto dell’articolo il Mark I Perceptron di Frank Rosenblatt, psicologo e ricercatore statunitense attivo presso l’Office of Naval Research. Sebbene quelle parole tradiscano una chiara inclinazione al sensazionalismo mediatico, veicolano una prospettiva interpretativa destinata a riemergere più volte nella storia dell’intelligenza artificiale: l’idea che una macchina capace di apprendere possa progressivamente avvicinarsi alle facoltà umane. Era la fine degli anni Cinquanta, erano già in nuce le condizioni che avrebbero condotto al primo inverno dell’AI, ma alcuni tratti ricorrenti della narrazione sull’intelligenza artificiale erano già consolidati.

Fin dalle sue origini, infatti, essa si delinea entro un preciso orizzonte epistemologico, collocandosi all’incrocio tra matematica, informatica, neuroscienze, psicologia cognitiva e teoria dell’informazione. Questo intreccio disciplinare ha prodotto risultati straordinari, ma ha anche contribuito a orientare in modo decisivo le categorie attraverso cui oggi concepiamo, descriviamo e interpretiamo i sistemi di AI.

La svolta di Alan Turing: Can Machines Think?

In Computing Machinery and Intelligence, pubblicato nel 1950, Alan Turing affronta per la prima volta in modo sistematico e scientifico la questione della possibilità che una macchina possa pensare. Emergono qui alcuni nuclei concettuali destinati a segnare lo sviluppo successivo di questo campo. Turing, infatti, non si limita a discutere di circuiti, calcolo o logica formale, ma ricorre ampiamente al lessico della psicologia e della cognizione umana. Parla di apprendimento, di macchine capaci di modificarsi attraverso l’esperienza, di istruzione fondata su ricompense e punizioni, di imitazione del comportamento umano e di capacità di giudizio. In questo modo, la macchina oltre ad essere pensata come una possibile replica meccanica del cervello biologico è immaginata come un sistema capace di eseguire, simulare o almeno evocare processi cognitivi complessi.

E il matematico coniò l'Intelligenza Artificiale

A partire da questo momento, professionalità e linguaggi provenienti da ambiti diversi iniziano a incrociarsi e a compenetrarsi: John McCarthy, matematico, contribuisce alla definizione stessa dell’intelligenza artificiale; Marvin Minsky, matematico e studioso dei processi cognitivi, lavora sulle strutture della conoscenza; Claude Shannon, matematico ingegnere elettronico, inventore della teoria dell’informazione, mostra come i segnali possano essere formalizzati e trasmessi; Warren McCulloch, neurofisiologo, e Walter Pitts, logico, propongono il modello matematico di neurone biologico destinato a diventare una delle basi concettuali delle reti neurali.

Da allora questo intreccio tra terminologia, funzioni e prospettive non è mai venuto meno; al contrario, si è progressivamente rafforzato, fino a costituire ancora oggi uno dei tratti distintivi del modo in cui descriviamo, interpretiamo e immaginiamo i sistemi di intelligenza artificiale.

Proprio questa continuità lessicale e concettuale apre una questione decisiva. Il modo in cui parliamo dell’intelligenza artificiale se da una parte tenta descrive la tecnologia, dall'altra contribuisce anche a costruire l’immagine che ne abbiamo. Termini come “apprendimento”, “memoria”, “attenzione”, “ragionamento”, “visione” o “comprensione” appartengono originariamente al campo dell’esperienza umana e dei processi cognitivi biologici; quando vengono applicati alle macchine, acquistano un valore tecnico specifico, ma conservano al tempo stesso una forte carica metaforica.

Ne deriva una tensione costante: da un lato, questi termini sono indispensabili a rendere comprensibili processi computazionali complessi; dall’altro, rischiano di suggerire una continuità troppo immediata tra funzionamento algoritmico e intelligenza umana. In questo senso, l’intelligenza artificiale non è soltanto un insieme di modelli matematici e architetture computazionali, ma anche un oggetto culturale, costruito attraverso metafore, aspettative e narrazioni che ne orientano la percezione pubblica.

Simboli, segni e interpretazione

Allen Newell e Herbert A. Simon, che ricevettero il Premio ACM Turing nel 1975, parlavano del computer non solo come macchina di calcolo, ma come macchina di manipolazione simbolica. L'ipotesi era che il sistema simbolico fisico fosse al centro dell'intelligenza, intesa però in senso prevalentemente operativo: simbolo dunque come configurazione fisica, stabile e combinabile, capace di attivare processi. In questa cornice, "interpretare" significava eseguire correttamente la procedura designata da un'espressione, un'operazione sintattica, ancora lontana dalla produzione di senso. Paradosso decisivo: per rendere il ragionamento formalizzabile e computabile, la tradizione logico-matematica ha dovuto separare il simbolo dal significato. Newell e Simon riconoscono esplicitamente che la logica formale opera come un “gioco dei simboli”, fatto di token privi di significato manipolati secondo regole sintattiche. L’AI eredita dunque una concezione del simbolo come unità formalmente trattabile, prima ancora che come segno culturalmente interpretabile: l’intelligenza viene reperita nella manipolazione efficace di strutture simboliche, mentre il significato viene inizialmente sospeso, escluso o ricostruito solo in termini operativi.

Manipolazione simbolica, designazione e intelligenza.

Certo nel tempo la manipolazione simbolica acquisisce una forma di designazione. I simboli non sono più soltanto token privi di significato mossi da regole sintattiche, ma questa designazione rimane interna all’architettura della macchina: è un rinvio operativo, non ancora una relazione semiotica pienamente situata. Il simbolo “designa” perché consente al sistema di accedere, modificare o attivare una struttura; non perché partecipi a un patto interpretativo tra soggetti. Quindi l’intelligenza consiste nel trasformare progressivamente strutture simboliche fino a produrre una soluzione, è il processo di ricerca che conduce dalle une all’altra con il minor spreco computazionale possibile. L’intelligenza, in questa cornice è la capacità di orientare efficacemente una ricerca in uno spazio di possibilità.

La rottura del patto semiotico.

Proprio qui emerge il limite semiotico di questa prospettiva: il sistema viene considerato intelligente nella misura in cui riesce a estrarre informazioni utili dallo spazio del problema e a ridurre la distanza tra una struttura iniziale e una struttura desiderata. L’informazione guida la trasformazione operativa; il significato, invece, non viene tematizzato come relazione interpretativa. Da una prospettiva semiotica restano allora aperte questioni decisive: un simbolo manipolato da un sistema per raggiungere un obiettivo può essere considerato un segno pienamente inserito in una relazione di significato? La manipolazione formale dei simboli equivale già alla produzione di senso?

In questa prospettiva, la rottura del patto semiotico nasce prima dell’AI generativa: essa è già inscritta nella genealogia dell’intelligenza artificiale, nel momento in cui il simbolo viene pensato come qualcosa che può funzionare anche una volta separato dal significato.

Il patto semiotico umano, infatti, presuppone che il segno sia legato a un soggetto, a un contesto, a una responsabilità e a una comunità interpretante. Quando l’AI generativa produce testi, immagini e risposte che sembrano partecipare a questo patto, ma che funzionano secondo una logica di selezione, combinazione e generazione formale, la tensione diventa evidente. Non siamo semplicemente davanti a nuovi strumenti di comunicazione, ma a sistemi che simulano l’enunciazione senza abitarne pienamente il significato.

Il segno è anche relazione per avere significato

I modelli linguistici entrano così nello spazio pubblico dei segni, ma lo fanno senza esperienza vissuta, senza intenzionalità comunicativa nel senso umano del termine e senza responsabilità autoriale diretta. Producono enunciati ai quali ogni utente attribuisce significato, ma questa attribuzione resta asimmetrica: il senso si costruisce nell’interazione, mentre il sistema non partecipa a tale costruzione come soggetto interpretante. È in questa asimmetria che si colloca una delle questioni educative più urgenti: non tanto stabilire se l’AI “capisca”, quanto comprendere come gli esseri umani interpretano, legittimano e utilizzano i segni prodotti da sistemi che non condividono il nostro stesso orizzonte esperienziale.

Come educare al....senso nell'era dei segni artificiali?

Ed è forse da qui che dovrebbe scaturire una riflessione educativa profonda non solo sull’uso consapevole degli strumenti di AI, ma anche volta alla comprensione del nuovo regime semiotico che essi inaugurano. I segni, pur nascendo dalla rielaborazione non intenzionale di testi umani per la macchina non significano: eppure gli utenti attribuiscono loro un valore interpretativo che non proviene da un’intenzione altra o da un’esperienza reale. E allora la domanda urgente diventa: come formare studenti capaci di abitare criticamente uno spazio comunicativo costellato di segni artificiali che appaiono pienamente dotati di senso ?

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021, March). On the dangers of stochastic parrots: Can language models be too big?🦜. In Proceedings of the 2021 ACM conference on fairness, accountability, and transparency (pp. 610-623). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? "1F99C

Bender, E. M., & Koller, A. (2020, July). Climbing towards NLU: On meaning, form, and understanding in the age of data. In Proceedings of the 58th annual meeting of the association for computational linguistics (pp. 5185-5198). Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data

Floridi, L. (2025). AI as Agency without Intelligence: On Artificial Intelligence as a New Form of Artificial Agency and the Multiple Realisability of Agency Thesis: L. Floridi. Philosophy & Technology, 38(1), 30. AI as Agency without Intelligence: On Artificial Intelligence as a New Form of Artificial Agency and the Multiple Realisability of Agency Thesis

Floridi, L. (2023). AI as Agency Without Intelligence: on ChatGPT, Large Language Models, and Other Generative Models: Floridi L. Philosophy & technology, 36(1), 15. AI as Agency Without Intelligence: on ChatGPT, Large Language Models, and Other Generative Models | Philosophy & Technology | Springer Nature Link

Leone, M. (2023). The main tasks of a semiotics of artificial intelligence. Language and Semiotic Studies, 9(1), 1-13. The main tasks of a semiotics of artificial intelligence

McCarthy, J., Rochester, N., & Shannon, C. (1955). Dartmouth workshop. Summer Research Project on. dart564props.pdf

Morton, P. A., & Mylopoulos, M. (Eds.). (2020). Philosophy of Mind: Historical and Contemporary Perspectives–Third Edition. Broadview Press.

Newel, A., & Simon, H. A. (1976). Completer Science asEmp rical Inquiry: Symbols and Search. Communications. Computer science as empirical inquiry: symbols and search

Picca, D. (2025). Not Minds, but Signs: Reframing LLMs through Semiotics. arXiv preprint arXiv:2505.17080. Not Minds, but Signs: Reframing LLMs through Semiotics

Searle, J. R. (1980). Minds, brains, and programs. Behavioral and brain sciences, 3(3), 417-424. The milk of human intentionality

Searle, J. R. (1997). Minds, brains, and programs. Broad View Press.

Professor’s perceptron paved the way for AI – 60 years too soon | Cornell Chronicle

di Martina Giorgi

Mettete insieme tre profili professionali in tre campi diversi del sapere, tre dei principali cervelli italiani per una riflessione interdisciplinare su un tema di strettissima attualità: il nostro rapporto ambiguo e spesso ideologico e polarizzante con la tecnologia. Vittorio Gallese è un neuroscienziato di fama internazionale, noto principalmente per la scoperta dei neuroni specchio e per i suoi studi pionieristici sulla cognizione incarnata e sull’empatia. Stefano Moriggi è filosofo della scienza, esperto di epistemologia e di media digitali, capace di intrecciare riflessioni filosofiche e pratiche educative. Pier Cesare Rivoltella è pedagogista e uno dei principali studiosi italiani di media education, da anni impegnato a esplorare l’impatto delle tecnologie digitali sui processi di apprendimento.

Tre voci per un’unica visione

Un incontro che non annuncia chi ha scritto cosa (anche se lo si può intuire, conoscendo le posizioni di ognuno) e che regala al lettore una visione olistica, un’unica “paternità” a tre nomi dell’opera, un puzzle perfettamente riuscito. Oltre la tecnofobia affronta in modo brillante e multidisciplinare l’impatto delle tecnologie digitali sulle capacità cognitive, sulla vita sociale e sull’educazione, proponendo una riflessione che evita tanto l’apologia acritica quanto la condanna moralistica. Immaginatevi la lettura del libro simile a un percorso in cui piano piano si svelano gli elementi chiave per arrivare a comprendere il finale in modo del tutto naturale.

Corpo, media e consapevolezza

Iniziamo questo percorso dalla prima parte in cui ci si chiede in che modo la nostra mente interagisca con l’ecosistema tecnologico. Il corpo è il mezzo con il quale facciamo questo tipo di esperienza e con cui ci “muoviamo” in uno spazio diverso ma che ormai fa parte della realtà in cui ci troviamo. La ricerca neuroscientifica ci aiuta a comprendere quale sia l’impatto delle tecnologie digitali anche sulle modalità di interazione sociale tra individui e individuo-mondo digitale, fino a interrogarsi su cosa significhi restare umani in un’epoca in cui le tecnologie digitali stanno ridimensionando il nostro spazio di realtà. Il modo di agire dei media favorisce lo svilupparsi di nuove sensibilità che affinano e aggiornano la nostra percezione delle cose e degli eventi (Casetti, 2008; Gallese). Il rischio potrebbe essere quello di avere la sensazione di essere intrappolati in uno spazio di cui non abbiamo la consapevolezza delle sue funzionalità e in cui l’iperinformazione la fa da padrona. La necessità oggi è anche quella di dotare le persone di risorse e strumenti utili per reperire, nella molteplicità di informazioni, ciò che è davvero necessario e imparare a distinguere il reale dal falso. E distinguere il vero dal falso nel digitale richiede di superare i paradigmi obsoleti di controllo e "buon senso" e di abbracciare la complessità e l'ambiguità delle tecnologie, anche nel rapporto diretto tra umano e strumento, e nella loro interazione. Il controllo, tradizionalmente basato sullo stretto rapporto tra luogo e comunicazione, è diventato illusorio e inefficace con la pervasività e portabilità dei media digitali. Proibire l'uso non sviluppa senso di responsabilità, ma ritarda il contatto e rende i giovani impreparati. L'approccio protettivo/inoculatorio, che vede i media come pericolosi e i giovani come fragili, si basa su rappresentazioni stereotipate e inattuali e non è educativo. Il rischio è parte integrante dell'educazione; è lasciando andare e permettendo l'esperienza che si esercita la responsabilità.

Dal controllo all’autoconsapevolezza

La ricerca pedagogica dunque ci aiuta a trovare soluzioni innovative capaci di fronteggiare le nuove sfide, consigliando agli adulti un atteggiamento di autocontrollo invece che di controllo rispetto a un uso minore delle tecnologie. Gli autori, dunque, invitano a spostare l’attenzione alla responsabilizzazione delle proprie azioni come adulti nell’utilizzo di pratiche educative che formano i giovani a fare un buon uso dello spazio digitale. Per lo sviluppo dei cittadini del XXI secolo la Media Literacy fornisce delle indicazioni su come sviluppare il pensiero critico, il senso di responsabilità nel comprendere come le azioni hanno delle conseguenze anche nello spazio digitale. Infine, in una forma più ampia che coinvolge la sfera sociale, provare ad essere attivi promotori del corretto comportamento da tenere come esempio per le persone. L’approccio suggerito è quello di una media literacy aggiornata, che non rimpianga nostalgicamente un passato senza media, ma formi cittadini consapevoli, in grado di navigare un presente iperconnesso.

Un decalogo per restare umani

Nel libro sono inserite chiare indicazioni e suggerimenti per sviluppare le competenze sopra citate, tra cui la possibilità di ridurre e variare i consumi dei dispositivi digitali, la promozione dell’autoregolazione, una serie di atteggiamenti adottati dall’adulto per accompagnare le giovani generazioni, tra cui la pratica dell’ascolto attivo, fare esercizio dell’inibizione non intesa in un’accezione negativa, riflettere sulle varie tipologie di bias che ci possono portare a pregiudizi e a una chiusura nei confronti del digitale. Insomma, si tratta di imparare a vivere con il dubbio e l'incertezza, come gli scienziati, e di porsi la domanda fondamentale su "Chi sei tu, uomo?" nell'era del digitale, piuttosto che cercare definizioni fisse o soluzioni stereotipate. Alla fine, si trova il Manifesto dell’Oltretecnofobo, un decalogo che riassume tutte le riflessioni e le argomentazioni affrontate dal testo. Un libro che si distingue per il rigore scientifico, l’ampiezza di riferimenti (dalla filosofia alle neuroscienze, dalla pedagogia alla sociologia) e per un linguaggio chiaro e accessibile anche a un pubblico non specialista. Per chi si occupa di educazione, tecnologie e apprendimento, rappresenta una lettura preziosa, capace di offrire strumenti critici per interpretare e abitare l’ecosistema digitale con consapevolezza e apertura.

di Federico Maiocco

Nello stesso arco di pochi mesi, due notizie “dallo spazio” hanno catturato l’attenzione di chi si occupa di cultura, tecnologia e futuro. A livello internazionale, è stato avviato HeritageWatch.AI, una piattaforma che combina intelligenza artificiale e immagini satellitari per monitorare in tempo reale i siti culturali minacciati da guerre, catastrofi ambientali o incuria. Una sorta di “sentinella orbitale” al servizio del patrimonio globale. A livello italiano, il 23 giugno 2025, un razzo Falcon 9 ha portato in orbita la prima costellazione operativa HEO (Hawk for Earth Observation), composta attualmente da 8 microsatelliti sviluppati da Argotec per il programma IRIDE, entro il 2026 vi saranno 25 satelliti in orbita destinati al progetto. Questo evento — dopo il lancio inaugurale del satellite pilota Pathfinder lo scorso gennaio — rappresenta un momento fondamentale per lo sviluppo della sorveglianza ambientale italiana. E, ci piace pensare, apre una nuova prospettiva anche sulla tutela dei beni culturali. Un progetto pensato per l’ambiente, certo, ma che comincia a mostrare anche una sorprendente vocazione culturale. In questo panorama non è da dimenticare Copernicus, il programma europeo che da anni osserva la Terra attraverso la costellazione Sentinel, offrendo dati puntuali su clima, suolo e rischio ambientale.

Ambiente, storia, cultura e spazio: prospettive di questo incontro.

Nel mezzo di un’epoca segnata dalla crisi climatica e dalla transizione digitale, la tutela dei beni culturali assume un valore strategico. Non solo come conservazione della memoria, ma come esercizio di responsabilità collettiva verso ciò che racconta chi siamo. E in questo nuovo scenario, i satelliti diventano protagonisti inaspettati, capaci non solo di osservare, ma di comprendere, segnalare, anticipare. Il crescente interesse per il monitoraggio orbitale del patrimonio non è più confinato a progetti sperimentali o alle emergenze. È un approccio sistemico, che unisce rilevamenti multispettrali, intelligenza artificiale e open data. E che trova proprio nell’Italia — paese fragile e stratificato come pochi — un laboratorio perfetto.

Incontrando Argotec

Per conoscere meglio la situazione e le potenzialità di questi strumenti abbiamo incontrato il team di Argotec. Ed è stato un incontro che ci ha sorpresi nello scoprire un gruppo giovane, italiano, determinato e appassionato. Per farvi un'idea dell'atmosfera che si respira da Argotec potete guardare questo suggestivo video: They imaged me, designed me, built me Alle domande ha risposto per il team Argotec, Silvia Bucci - Machine Learning and A.I. Engineer

Qual è stata la sfida principale nel progettare satelliti per HEO?

Una delle sfide principali nel progettare i satelliti per la costellazione HEO è stata sicuramente l'integrazione di tecnologie avanzate in piattaforme di piccole dimensioni, mantenendo al contempo elevati standard di affidabilità e prestazioni. HEO non è solo una costellazione di satelliti per l’osservazione della Terra, ma un sistema intelligente: ogni satellite è dotato di capacità di elaborazione a bordo basate su intelligenza artificiale, che permettono di analizzare i dati in tempo reale prima ancora che vengano trasmessi a Terra. Questo ha richiesto un grande lavoro di miniaturizzazione, ottimizzazione energetica e gestione termica, soprattutto considerando che i satelliti operano in ambienti spaziali complessi e variabili. Inoltre, trattandosi di un progetto strategico nazionale, parte del programma IRIDE finanziato dal PNRR e gestito da ESA e ASI, abbiamo dovuto rispettare tempistiche molto strette e requisiti estremamente rigorosi. La sfida è stata quindi anche organizzativa: coordinare lo sviluppo di una costellazione completa, con decine di satelliti, in tempi record e con una filiera industriale interamente italiana

In che modo l’intelligenza artificiale è stata “educata”?

L'intelligenza artificiale installata a bordo dei satelliti della costellazione IRIDE è stata addestrata a Terra utilizzando dataset di immagini satellitari provenienti da telescopi con caratteristiche analoghe a quelle del sensore montato sui nostri satelliti. Questo approccio ha permesso di simulare in modo realistico le condizioni operative e di ottimizzare le capacità di analisi del modello già prima del lancio. Man mano che la costellazione HEO acquisisce immagini si possono sempre più utilizzare queste ultime per affinare i modelli con l'obiettivo di ottenere delle performance migliori in termini di precisione e affidabilità nell’elaborazione delle immagini effettivamente raccolte in orbita.

Cosa rende HEO/IRIDE uno strumento adatto anche alla sorveglianza del patrimonio naturale?

Grazie all’intelligenza artificiale integrata, i satelliti sono in grado di riconoscere automaticamente anomalie in contesti ambientali e, in prospettiva, anche strutture storiche (es. cedimenti, cambiamenti ambientali, cambiamenti climatici, irrigazione smottamenti). HEO garantisce una copertura frequente e capillare del territorio italiano supportando la gestione del rischio in caso di eventi naturali (frane, incendi) che minacciano il patrimonio. IRIDE è pensata come un sistema end-to-end, con servizi destinati alla Pubblica Amministrazione italiana. Questo facilita l’uso diretto dei dati da parte di enti culturali, soprintendenze e istituzioni locali, la creazione di strumenti digitali per la tutela, valorizzazione e promozione del patrimonio

Come si potrà/potrebbe integrare con Copernicus o HeritageWatch.AI?

L’integrazione della costellazione HEO con piattaforme come Copernicus e HeritageWatch.AI non solo è possibile, ma rappresenta un’opportunità strategica per rafforzare le capacità di monitoraggio, protezione e valorizzazione del patrimonio culturale, soprattutto in contesti dinamici o a rischio. Uno degli elementi distintivi di IRIDE è la presenza di capacità di elaborazione a bordo. Questa caratteristica consente ai satelliti della costellazione di processare i dati direttamente in orbita, riducendo drasticamente i tempi tra acquisizione e analisi, e abilitando funzionalità avanzate come il rilevamento precoce di anomalie su siti culturali (es. costruzioni abusive, incendi), la generazione di alert in tempo reale, utili per una risposta tempestiva da parte delle autorità competenti, ottimizzazione del downlink, trasmettendo a Terra solo i dati più rilevanti o già pre-elaborati, riducendo il carico di banda e i tempi di elaborazione a Terra.

Copernicus, il programma europeo di osservazione della Terra, fornisce dati aperti e gratuiti attraverso i satelliti Sentinel e sensori in situ. In sinergia con Copernicus, HEO può offrire osservazioni ad alta risoluzione e frequenza, colmando eventuali lacune temporali o spaziali e arricchendo i servizi esistenti con dati più dettagliati, utili per il monitoraggio urbano, ambientale e del territorio. HeritageWatch.AI è una piattaforma basata su intelligenza artificiale per il monitoraggio del patrimonio culturale, spesso in contesti di rischio (conflitti, disastri naturali, degrado ambientale). HEO può fornire immagini aggiornate e di qualità per alimentare modelli predittivi, generare allarmi tempestivi grazie all’elaborazione a bordo e contribuire all’addestramento e alla validazione degli algoritmi di intelligenza artificiale, rafforzando così la capacità di sorveglianza e protezione del patrimonio culturale, anche in contesti fragili o a rischio.

HEO e oltre: custodire il passato, immaginare il futuro

In un panorama in rapido cambiamento, dove la tecnologia spesso anticipa le norme e i bisogni, il connubio tra osservazione satellitare e intelligenza artificiale sta progressivamente trasformando anche il modo in cui proteggiamo il patrimonio culturale. Non si tratta più soltanto di conservare, ma di prevedere, contestualizzare, integrare dati ambientali e storici in un’unica lettura stratificata del territorio. L’Italia, con IRIDE e HEO, ha scelto di dotarsi non solo di strumenti tecnici avanzati, ma di una visione infrastrutturale pubblica, capace di dialogare con le grandi reti internazionali — da Copernicus a HeritageWatch.AI — e di sostenere la tutela del territorio nel lungo periodo, anche nei contesti più fragili. In un momento in cui l'intelligenza artificiale è spesso discussa come minaccia o opportunità generica, progetti come HEO ci mostrano cosa significa usare la tecnologia come lente sul valore, e come uno sguardo orbitale — umano nella sua intenzione, artificiale nei suoi mezzi — possa aiutarci a custodire le tracce che fanno di un territorio una civiltà.

Link utili

Argotec

Sito ufficiale: https://www.argotecgroup.com

Pagina LinkedIn con aggiornamenti su HEO: Argotec LinkedIn

Video “They imagined me, designed me, built me”: https://www.linkedin.com/posts/argotecsrl_they-imagined-me-designed-me-built-me-activity-7343591941046988800-e4JQ

IRIDE (Programma satellitare nazionale italiano)

ASI – Agenzia Spaziale Italiana: https://www.asi.it Comunicato ESA sul primo lancio della costellazione HEO: https://www.esa.int/Applications/Observing_the_Earth/Italy_s_IRIDE_programme_marks_major_step_with_first_satellite_constellation

Copernicus (Programma di osservazione della Terra dell’Unione Europea)

Sito ufficiale: https://www.copernicus.eu

Portale dati: https://scihub.copernicus.eu

Sentinel Hub (per visualizzare i dati): https://apps.sentinel-hub.com

HeritageWatch.AI

Piattaforma ufficiale: https://www.heritagewatch.ai

Info sul progetto da Global Digital Heritage

di Sher Alam Khan

Negli ultimi anni, l'integrazione delle tecnologie digitali nei contesti educativi è diventata sempre più dominante, offrendo nuove opportunità per migliorare le esperienze di insegnamento e apprendimento.  È davvero stimolante assistere agli sforzi di collaborazione del Governo italiano e del Ministero dell’ Università e della Ricerca (MUR), che ha avviato il dottorato di interesse nazionale in Learning Sciences and Digital Technologies. A tal fine, il Governo italiano, con la collaborazione dell'Università di Modena e Reggio Emilia, capofila del progetto,  ha previsto un team composto da 43 ricercatori, scienziati e studiosi con il supporto di oltre 100 professori, supervisori esperti di un settore multidisciplinare. 

LESDIT, il dottorato di respiro internazionale

La nostra iniziativa consiste nell'integrare la tecnologia digitale nell'istruzione e gli studenti e i ricercatori di tutto il mondo possono trarre beneficio da questo intervento. In questa era digitale in rapida evoluzione, nel 2024 e con un mondo interconnesso, gli sforzi contribuiranno senza dubbio alla conoscenza collettiva e al progresso della società. L'integrazione della tecnologia digitale nell'istruzione ha il potenziale di rivoluzionare le esperienze di apprendimento, rendendole più accessibili, interattive e adattate alle esigenze individuali. Partecipare a questo programma potrà produrre ancora innovazione per integrare le tecnologie digitali nell'istruzione. La tecnologia digitale sta diventando sempre più parte integrante dell'apprendimento: ha trasformato il modo in cui gli studenti imparano nuove conoscenze, consentendo loro di accedere alle informazioni, di collaborare con i compagni e di rimanere  coinvolti nei loro studi. 

Il ruolo e le potenzialità delle tecnologie digitali

Secondo l'Organizzazione per la Cooperazione e lo Sviluppo Economico (2020), "le tecnologie digitali possono essere utilizzate per migliorare il coinvolgimento e la motivazione degli studenti, personalizzando l'apprendimento e rendendo più efficace l'insegnamento". Le tecnologie dell'istruzione prevedono l'uso di strumenti digitali come computer, tablet e smartphone, per l'apprendimento e l'insegnamento. Studi di ricerca hanno dimostrato che alcuni Paesi, come la Svezia e la Norvegia, hanno già integrato la tecnologia digitale nell'istruzione traendone numerosi e verificati benefici. Il ruolo della tecnologia digitale nell'istruzione ha la capacità di estendere l'apprendimento al di là dell'aula e di fornire agli studenti maggiori opzioni di coinvolgimento e supporto. Essa inoltre consente agli insegnanti di utilizzare strumenti per adattare l'istruzione alle esigenze individuali di ogni studente e per fornire feedback e supporto in tempo reale. Allo stesso modo, la tecnologia digitale può essere utilizzata per aiutare i docenti a costruire un ambiente di apprendimento più inclusivo, offrendo opzioni per l'istruzione differenziata e fornendo l'accesso a risorse che potrebbero non essere disponibili in una classe tradizionale.  

Il digitale per personalizzare l’istruzione 

La tecnologia digitale ha il potenziale di modernizzare l'istruzione, rendendo l'apprendimento più coinvolgente e interattivo, oltre a fornire l'accesso a un'ampia gamma di risorse e materiali. Pertanto, la tecnologia digitale ha il potenziale di creare esperienze di apprendimento potenti, fornendo ai discenti l'accesso a una gamma di risorse digitali, da testi e video ad attività interattive e ambienti di apprendimento virtuali. Può offrire agli studenti l'opportunità di impegnarsi nell'apprendimento attraverso la sperimentazione, l'esplorazione e la collaborazione. Allo stesso modo, la tecnologia digitale può anche contribuire a migliorare le pratiche di valutazione, fornendo ai discenti un feedback più significativo e personalizzato. Gli studi hanno dimostrato che tali tecnologie possono promuovere l'impegno degli studenti e velocizzare i tempi di apprendimento. Per esempio, in uno studio gli autori hanno concluso che l'uso delle tecnologie digitali in classe ha portato a un maggiore impegno degli studenti, a una maggiore motivazione e a un miglioramento del rendimento scolastico. Inoltre, le tecnologie digitali possono essere utilizzate per consentire esperienze di apprendimento personalizzate. In conclusione, la tecnologia digitale sta giocando un ruolo sempre più importante nell'istruzione. Può essere utilizzata per migliorare il coinvolgimento e la motivazione degli studenti, per personalizzare l'apprendimento e per rendere più efficaci l'insegnamento e l'apprendimento. 

L’Importanza dei dati per migliorare l’apprendimento.

La sua adozione diffusa ha aperto nuove strade per esperienze di apprendimento collaborativo e interattivo. Le aule virtuali, i forum online e gli strumenti di collaborazione consentono agli studenti di impegnarsi con i compagni e gli educatori in modi che trascendono i confini geografici. Questa interconnessione favorisce un senso di comunità globale ed espone gli studenti a prospettive diverse, migliorando la loro esperienza educativa complessiva.  Le piattaforme digitali offrono inoltre un’infinita quantità di preziosi dati analitici che gli educatori possono sfruttare per valutare le prestazioni degli studenti e adattare le strategie didattiche per rispondere a specifiche esigenze di apprendimento. Questo approccio guidato dai dati consente un feedback in tempo reale, permettendo agli educatori di effettuare interventi e aggiustamenti tempestivi per ottimizzare il processo di apprendimento. Mentre l'istruzione continua ad evolversi, l'integrazione della tecnologia digitale non solo prepara gli studenti alle richieste della forza lavoro moderna, ma coltiva anche le competenze digitali essenziali che sono sempre più vitali nella nostra società tecnologicamente guidata.

di Giacomo Di Noto e Mattia Polticchia

L’entrata sulla scena mondiale del chatbot cinese Deep Seek ha scosso il mondo delle big tech e non solo. Infinite discussioni hanno proposto scenari inimmaginabili, fatto tremare la supremazia della Silicon Valley e sancito che si possono ottenere buoni risultati con un gruppo di talenti, con investimenti di gran lunga inferiori rispetto a quelli dell’elite americana, con una maggiore sostenibilità, consumando cioè molta meno energia. Inoltre, la scelta open source può consentire ai diversi sviluppatori, ingegneri e “cervelli” di offrire il loro contributo all’innovazione. Se il contesto geopolitico può essere letto con la competizione serrata tra la sfera di influenza americana e quella cinese, in attesa di conoscere Qwen–25 di Ali Baba e l’annunciata piattaforma di Intelligenza artificiale Indiana, riportiamo il calendario indietro.

Dalla disponibilità dei dati alla tecnologia

Avete mai parlato con un computer? Questa domanda solo dieci anni fa avrebbe sollevato non pochi dubbi sulla sanità mentale di chi la stava ponendo eppure già nel 1988 diversi scienziati dell’IBM si stavano chiedendo (trovando anche discrete risposte) come sviluppare un algoritmo che potesse permettere ad un software come comporre delle frasi. Questi erano chiamati IBM alignment models e difatti sono stati i primi veri Language Models (LM) pur avendo delle prestazioni talmente limitate da non essere confrontabili con i modelli che conosciamo oggi. Servono quasi 30 anni di ulteriore ricerca finché nel 2016, dopo il successo travolgente di Google nell’applicazione di sistemi di intelligenza artificiale per l’analisi di immagine, si ritorna a parlare di LM, anche perché l’infinita disponibilità dei dati da qualche anno è diventata reale e rende possibile un addestramento senza precedenti.

Nello specifico il 12 Luglio 2017, otto ricercatori informatici di Google presentano un articolo con un titolo quantomeno particolare “Attention Is All You Need” (“Vi Serve Solo Attenzione” tdr) e nonostante sia ancora aperto il dibattito sul significato intrinseco di questo titolo, certo è che l’attenzione di tutti i ricercatori informatici del mondo è stata focalizzata in quel testo. Come nel famoso detto, ormai la frittata è fatta, passano due anni e nel 2019 la compagnia OpenAI, con un (in)volontaria mossa di marketing che verrà ricordata come tra le più efficaci di sempre, annuncia di non poter rilasciare il proprio modello linguistico Chat GPT-2 per paura che possa essere utilizzato in maniera illegale e pericolosa, per paura che possa rivoluzionare il mondo.

Ogni modello ha una voce diversa.

Uno dei risultati più evidenti di questo intenso lavoro, alimentato da una comunità digitale profondamente orientata alla condivisione, è l’emergere di un catalogo di LLM talmente vasto da risultare quasi opprimente, perfino per i professionisti del settore. Questa abbondanza ha dato vita a un numero crescente di servizi, principalmente piattaforme web, che consentono di interagire con questi modelli linguistici tuttavia la maggior parte di questi servizi non permette di selezionare un modello qualsiasi. Ogni volta che una chat mi risponde, sto parlando con un preciso modello. E se voglio prendere sul serio questa conversazione, devo sapere chi mi sta parlando. Non è necessario conoscere i dettagli del suo funzionamento o i complessi processi che utilizza per elaborare le informazioni. Ma è fondamentale sapere il suo nome, la sua “data di nascita” e le informazioni di base che lo definiscono. Solo così posso identificarlo, approfondirne le caratteristiche, comprenderne i punti di forza e le limitazioni, e sfruttarlo al meglio per raggiungere i miei obiettivi.

Trasformatori Pre-allenati Generativi, le nuove Jacuzzi

Lo hai chiesto a ChatGPT? Hai provato con ChatGPT? E se è vero che molte volte la risposta a queste domande è affermativa, non sempre rappresenta la verità. Per molti utenti ChatGPT è diventato sinonimo di LLM ma la verità è che come anticipato nel paragrafo precedente, si tratta di un classico caso di marchionimo, un po’ come la Jacuzzi, nome di una nota marca di piscine che ormai viene usato come sinonimo di piscina idromassaggio. Parlo con l’assistente del telefono? Non è ChatGPT. Chiedo ad un assistente virtuale che mi risponde come fosse umano? Probabilmente non è ChatGPT. Come molti ormai sapranno, GPT è un acronimo (Generative Pre-trained Transformers ) e detto in parole semplici, rappresenta gli algoritmi con cui un LLM elabora le informazioni che gli forniamo e produce le relative risposte. Se il concetto generale di Trasformer è stato proposto dal già citato “Attention Is All You Need”, è stata la comunità globale a elevare questa tecnica di elaborazione statistica in un vasto panorama di LLM.

Welcome to the Jungle!

Di fronte a noi, nella giungla digitale, vediamo scorrere un carosello virtuale di creature fantastiche. Una popolazione che cresce ed evolve a vista d’occhio! Anno dopo anno, partendo da grandi istituzioni di ricerca ed aziende del settore, fino all’incredibile contributo sempre crescente della comunità virtuale saldamente legata ad una filosofia open-source, si sono sviluppate nicchie di specializzazione dove questi animali trovano ambiente ideale per mostrarsi in tutto il loro splendore. Quanti sono? Troppi per contarli tutti, ne vedremo degli esempi. Dove sono? I modelli proprietari ed il loro accesso è legato servizi specifici gestiti dai creatori, i modelli open-source invece sono conservati nella piattaforma HuggingFace (ormai riferimento mondiale come database di trasformatori [GPT] e modelli [LLM]) per permettere di utilizzarli con i più disparati servizi. Come riconoscerli?

Phi è un compagno di viaggio perfetto, capace di farsi piccolo piccolo fino a quasi entrare in un telefono, ci ricorda un teenager che sa tutto ma sembra sempre troppo occupato per spiegarti le cose che gli chiedi, di fatti risponde subito ma è molto didascalico e non ama molto le lunghe spiegazioni.

Qwen è un maestro di codici ed algoritmi, macchinoso e quasi maleducato. Qwen è l’amico tech che in un modo o nell’altro ricompare sempre nella tua rubrica quando ti si incastra il PC, non riesci ad installare un programma o stai avendo problemi nella programmazione di qualsiasi linguaggi

Gemini è il professore universitario, erudito e preciso. Fornisce risposte complete e ben documentate, citando fonti e riferimenti. È una risorsa affidabile per chi cerca informazioni precise e approfondite, ma il suo stile è formale e distaccato.

Come interagire con questi modelli?

Nel vasto panorama della giungla digitale, possiamo incontrare questi "animali fantastici" su diverse piattaforme. Se sei un avventuriero esperto che ha già familiarità con il mondo degli algoritmi e hai accesso a strumenti avanzati per esplorare e mettere alla prova questi modelli, piattaforme come Hugging Face, già citata in precedenza, offrono quello che fa al caso tuo. Se sei un avventuriero alle prime armi invece,non preoccuparti! Anche per te ci sono piattaforme che ti permetteranno di esplorare facilmente queste tecnologie. Quora, con la sua piattaforma Poe ti consente di scegliere il modello linguistico che preferisci e di interagire con esso senza complicazioni. Se invece ti interessa l’aspetto creativo Stability AI ti offre la possibilità di creare contenuti visivi partendo da descrizioni testuale. Inoltre you.com integra un potente assistente AI che non solo risponde alle tue domande, ma ti permette anche di esplorare informazioni e risorse provenienti da internet combinando il meglio della ricerca sul web e degli LLM. Infine, sembra quasi ovvio ma è necessario citarlo, l’ormai intramontabile ChatGPT. Che tu sia un esperto pronto ad esplorare lo stato dell’arte di questa tecnologia o un principiante curioso, la giungla digitale che abbiamo cercato di districare in queste righe offre infinite possibilità.

Timeline con alcuni dei principali modelli addestrati o rilasciati

di Redazione Lesdit

Viviamo in un’epoca postmediale. Significa che i media non sono più presenze riconoscibili e proprio per questo isolabili, ma realtà pervasive che sono entrate negli oggetti di consumo (Internet of Things, IoT) e che abitano le nostre pratiche individuali e sociali. Il risultato è una realtà aumentata, in cui il fisico e il digitale sono di fatto integrati. I media – non più semplicemente strumenti e solo in parte ambienti – sono il tessuto connettivo del nostro vivere, la pelle della nostra cultura.

Questa presenza dei media nelle nostre vite – resa ancora più pervasiva dalla datificazione e dagli sviluppi dell’Intelligenza Artificiale – lancia sfide importanti all’educazione e richiede una nuova sensibilità e nuove soluzioni per una Media Literacy al passo con i tempi.

La sfida della conoscenza

Una prima sfida riguarda la conoscenza. Viviamo un vero e proprio diluvio di informazioni con il problema di non poterle abbracciare con uno sguardo totalizzante: il nostro punto di vista è sempre limitato, necessita di aggiornamento costante, si fissa su acquisizioni che invecchiano con grande rapidità. Queste informazioni sono sempre più autoreferenziali, lontane dalla realtà cui si riferiscono, o addirittura generate artificialmente: vagliarne la veridicità è sempre più difficile e rischia di mettere in crisi gli strumenti tradizionali dell’analisi. L’avvento dell’IA generativa sollecita una riflessione sulla relazione che articola insieme dati, informazioni e conoscenze. Il ruolo del mercato e della politica è sempre più chiaro, come il rischio di sviluppare un’immagine del mondo ideologicamente orientata e tendente all’imposizione di un pensiero unico.

La sfida etica

Una seconda sfida riguarda l’etica, o meglio la razionalità pratica. La società della tecnica è costituita da un’ambiguità strutturale. I media non sono né buoni né cattivi; la loro natura è quella del pharmakon, allo stesso tempo veleno e rimedio, come già Platone aveva colto. Accettare e imparare a vivere stare nell’ambiguità intrinseca dei media e dei nuovi strumenti di espansione della conoscenza diviene dunque il nuovo imperativo categorico.  Il modo per farlo è agire scelte consapevoli nell’utilizzo della tecnologia e sensibilizzare la comunità all’utilizzo informato e consapevole, promuovendone le numerose potenzialità e sottolineando la necessità di valutarne criticamente gli impatti. Questa apertura alla comunità è fondamentale perché conferisce alla scelta individuale un effetto sociale: l’etica torna a essere giustamente il risvolto individuale della politica.

La sfida del futuro

La terza sfida riguarda il futuro, la nostra capacità di immaginare il futuro e di farlo non necessariamente in termini apocalittici ma sulla scorta di una speranza che non sia cieca. Siamo in un’epoca di grandi trasformazioni che chiede una riflessione sul sistema in cui l’uomo si misura in relazione all’ambiente e alla tecnologia. L’IA, il processo di datificazione e la piattaformizzazione della comunicazione influenzano profondamente la nostra vita quotidiana sollevando preoccupazioni riguardo alla privacy, alla sicurezza, all'autonomia individuale, alla sostenibilità. Si tratta di sviluppare forme di resistenza civile attraverso educazione e formazione, creare comunità di ricerca in grado di uscire dalle narrazioni dominanti utilizzando immaginazione e pensiero critico, creare le condizioni per armonizzare il noi e la tecnologia, da non intendere come altro da noi.

Verso un nuovo sistema di competenze (New Literacies)

Queste sfide impongono di ripensare la Media Literacy nelle sue declinazioni. La nostra proposta si può riassumere in tre punti.

1. Superare le facili semplificazioni che animano il dibattito pubblico in tema di media e che si traducono in scelte censorie, normative, lontanissime dal significato dell’educazione. Vietare l’uso dei dispositivi digitali in classe significa non avere compreso la cultura dei media; demonizzare i dispositivi significa non accettare le proprie responsabilità di adulti trovando in essi un gigantesco alibi; pretendere l’accesso allo smartphone del proprio figlio fino ai sedici anni è oltre che una violazione dei suoi diritti anche e soprattutto una gravissima mancanza di fiducia nei suoi confronti. L’educazione è un rischio calcolato la cui base è la fiducia: senza rischio e senza fiducia non ci può essere educazione. Siamo convinti che il problema della nostra società siamo noi adulti: riconoscerlo è il primo passo per stringere un nuovo patto con le nuove generazioni, fatto di relazioni autentiche e non di controllo.

2. Passare dall’idea della Media Literacy alla prospettiva plurale di un sistema di competenze (New Literacies) in grado di far fronte alle sfide della società postmediale. Di questo sistema di competenze fanno parte la Information Literacy (cercare, avvalorare criticamente, archiviare, gestire e condividere informazioni), la Data Literacy (gestire e usare dati), la AI Literacy (sviluppare cultura dell’Intelligenza Artificiale dal punto di vista dei linguaggi, del pensiero critico, della responsabilità, dell’espressività creativa), la Environmental Literacy(sviluppare sensibilità per la sostenibilità anche digitale).

3. Promuovere un’idea sociale di queste Literacies (New Social Literacies) capace di tener conto della frammentazione in atto nella società della “trasparenza” per promuovere comportamenti di resistenza. Attraverso la comprensione e l’uso critico dei media, le persone diventano partecipanti attivi delle dinamiche sociali e culturali, piuttosto che semplici spettatori o consumatori passivi. Questo significa creare comunità capaci di interagire in modo consapevole con l'informazione e di partecipare attivamente alla costruzione del discorso pubblico. In questo senso, le New Social Literacies si trasformano in un motore di inclusione sociale, promuovendo la partecipazione di gruppi tradizionalmente esclusi dal dibattito pubblico.

Le cinque azioni per cambiare prospettiva

Cosa proponiamo? Il cambio di prospettiva cui abbiamo fatto cenno prende corpo in alcune proposte che rappresentano la parte operativa di questo manifesto. Sono cinque azioni che consegniamo al dibattito pubblico, all’iniziativa dei soggetti, alla sensibilità delle istituzioni.

1. Integrare le New Social Literacies nel curricolo di scuola

Generare lo spazio per un’educazione ai media, ai dati, all’IA nei curricoli scolastici già a partire dalle scuole primarie, estendendo l'offerta formativa anche alle comunità locali, alle famiglie e ai contesti informali. In questo modo sarà possibile recepire la Raccomandazione della Comunità Europea del dicembre 2006 sulla Media Literacy in scuola.

2. Promuovere l’Attivismo Digitale

Sostenere l'attivismo digitale e il “civic engagement” attraverso i media, utilizzando campagne di sensibilizzazione che sfruttino la potenza dei social network. Creare spazi di dibattito pubblico sui media digitali dove i cittadini possano condividere esperienze personali, discutere soluzioni a problemi sociali e sostenere cause importanti. Offrire formazione ai giovani e agli adulti su come usare i social media per mobilitare la comunità, organizzare eventi e azioni di protesta pacifica.

3. Combattere la Disinformazione e Promuovere l’Educazione ai Dati

Implementare iniziative di educazione alla verifica delle fonti (fact-checking) e alla gestione dei dati per contrastare la disinformazione e favorire un uso corretto delle informazioni nei media. Creare toolkit digitali per aiutare i cittadini a riconoscere e contrastare le fake news, con linee guida su come verificare la veridicità delle informazioni. Sviluppare partnership con i principali media e piattaforme digitali per promuovere contenuti affidabili e combattere la diffusione della disinformazione. Inserire corsi sulla gestione dei dati e l’alfabetizzazione digitale nelle università, per formare i giovani a un uso consapevole delle tecnologie di informazione.

4. Sostenere la Diversità Culturale e la Rappresentazione Inclusiva

Promuovere la diversità culturale e la rappresentazione inclusiva nei media, incentivando la creazione di contenuti che diano voce a comunità emarginate o poco rappresentate. Finanziare film, documentari, serie web e podcast che rappresentino varie identità culturali, etniche, di genere e sociali. Collaborare con media locali e nazionali per migliorare la rappresentazione di comunità marginalizzate, con attenzione particolare a minoranze etniche, gruppi LGBTQ+, donne e persone con disabilità. Promuovere contenuti creativi che sfidino stereotipi e pregiudizi, utilizzando piattaforme come YouTube, Instagram e TikTok per raggiungere un vasto pubblico.

5. Creazione di Hub Digitali per l’Innovazione Sociale

Sostenere la creazione di terzi spazi dove i cittadini possano collaborare allo sviluppo di soluzioni innovative per problemi sociali utilizzando i media digitali. Pensiamo a centri di innovazione sociale che offrano accesso a strumenti tecnologici (come stampanti 3D, software di produzione multimediale) e spazi per la collaborazione.

Queste idee e questo programma di azione si compendia nell’idea di Resistenza intesa come l'atteggiamento di mobilitazione permanente e la pratica critica volta a sfidare, interrogare e, se necessario, opporsi all'integrazione acritica e incontrollata delle tecnologie digitali e dell'intelligenza artificiale nell'educazione.

La Resistenza, così intesa, ha per noi quattro accezioni

1. Resistenza Critica. È la capacità di mantenere uno sguardo attento e consapevole sui potenziali rischi e sugli effetti collaterali dell'adozione delle tecnologie, con particolare attenzione a mettere in discussione l'idea che gli strumenti digitali siano neutri e a insistere sull’importanza che l'educazione continui a coltivare valori umani, come la creatività, l'empatia, la riflessione critica e l’immaginazione.

2. Resistenza Pedagogica. Significa focalizzarsi sulla scelta consapevole di metodi didattici che non si lascino determinare dalle logiche di efficienza e standardizzazione imposte dalle tecnologie (fallacia omeopatica), ma che valorizzino la diversità delle esperienze di apprendimento integrandole. Questo comporta di sostenere un modello di insegnamento che coinvolga gli studenti in processi di co-creazione del sapere e promuovere la libertà di scegliere quali tecnologie adottare e come integrarle nel proprio percorso educativo, evitando l'imposizione di strumenti standardizzati che limitino la creatività didattica.

3. Resistenza Etica. Difendere i diritti degli studenti e degli educatori in un contesto in cui i dati personali e le informazioni sensibili sono sempre più esposti è di fondamentale importanza come resistere a qualsiasi forma di discriminazione o disuguaglianza generata dall'uso di tecnologie che potrebbero favorire alcuni gruppi a discapito di altri, assicurando che l'educazione rimanga uno spazio di equità e inclusione.

4. Resistenza Culturale. Ci rifiutiamo di ridurre la cultura e l'apprendimento a un insieme di dati e processi quantificabili. Occorre riconoscere e promuovere le specificità culturali, linguistiche e storiche di ciascun contesto educativo, resistendo alla tendenza a uniformare l'educazione secondo modelli globalizzati e digitalizzati o al potere di narrazioni univoche imposte dalle piattaforme digitali globali, promuovendo una pluralità di voci e prospettive nel discorso educativo.

di Pina Debbi

Che ruolo ha l’intelligenza artificiale nel processo creativo? Per capirlo bisogna dirlo subito: anche la creatività non è un’ insight, un' illuminazione che nasce dal nulla. Ha alle spalle cultura, tecnica, conoscenza profonda di un linguaggio. Se una persona non ha mai preso un pennello in mano, anche con la visione più potente difficilmente riuscirà a tradurla su tela. In musica vale lo stesso: scrivere, arrangiare, registrare richiede esercizio, esperienza, errori, un lavoro “invisibile” su cui poi si staglia la genialità del creare, fatta di talento, vita vissuta, emozioni. Per la newsletter di Capodanno parliamo di musica.

Pier Cortese, tra musica e tecnologia

Pier Cortese, romano è un cantautore, artista, produttore musicale e culturale. Si è fatto conoscere dal grande pubblico con Souvenir, uno dei brani più cantati nell’estate di una ventina d’anni fa; ha partecipato a Sanremo nel 2007 con Non ho tempo e, da allora, si è costruito un percorso da autore e produttore “di nicchia” (ha scritto anche per Niccolò Fabi e Marco Mengoni, ha prodotto Fabrizio Moro), ricevendo molti riconoscimenti dalla critica. Nell’ambiente musicale Pier è riconosciuto come sperimentatore: ama contaminare stili e formati, dalla canzone al teatro, e ha un rapporto naturale con le tecnologie.

Gli anni '70, il Rock Progressive e l'Ipad

Lo abbiamo incontrato al Lian Club durante una delle sue serate dedicate a rileggere il nostro passato musicale, in quest'occasione anni ’70 e rock progressive. Non solo canzoni ma anche testi che ci hanno riportati dentro il clima sociopolitico di allora: Banco del Mutuo Soccorso, PFM, brani come Impressioni di settembre,strumenti come il mellotron, sullo sfondo il post-’68 e gli anni bui del terrorismo. E qui arriva la domanda: cosa c’entra un musicista così eclettico con una newsletter di un dottorato in Learning Sciences and Digital Technologies? Nessun salto: c’entra perché la tecnologia, per lui, non sostituisce la creatività, la mette in moto offrendo possibilità infinite.

Pier Cortese e l'Intelligenza artificiale

Dopo aver suonato con l’iPad anni fa, oggi Pier usa l’intelligenza artificiale per creare una voce femminile “Her” con cui canta e dialoga come con un alter ego. E soprattutto, racconta, l’IA gli permette di bypassare la parte più lenta e dispersiva del lavoro: accorciare i tempi tra intuizione e prova, preservare l’emozione prima che si raffreddi. Qui sotto, la sua voce che racconta la sua "altra" voce.

L'intervista

Pier Cortese: Il rapporto con la tecnologia per me è stato sempre un’occasione, e potrei definirlo un fatto storico a prescindere dal tipo di strumento. Quando i primi campionatori sono nati, sono sempre stati oggetto di grandi discussioni. (Il campionamento è il riutilizzo di una parte di registrazione "campione o sample" in un altra incisione ndr). Per qualcuno la tecnologia del campionatore toglieva un po' l'aspetto vintage, quello più umano. La storia ha dimostrato che ogni volta che la tecnologia si è evoluta, i nuovi strumenti hanno contribuito ai momenti di grande creatività. L’intelligenza artificiale per me, come i campionatori negli anni ’70, è un mezzo per poter esprimere quello che già facevo, ma in una maniera diversa. Perché? Perché l’interazione con l’intelligenza artificiale mi permette di bypassare tutta una serie di tempistiche musicali dure e ripetitive. Quando compongo una canzone devo fare il provino, registrarla su un progetto, perdendo due giorni di tempo e nel lavoro tecnico di verifica spesso scivola via anche l'emozione perchè mi concentro su altro. L'intelligenza artificiale invece ora mi permette di velocizzare queste pratiche e di avere subito un feedback: faccio un esempio, voglio uno sfondo folk o in un altro genere e nel giro di pochi minuti posso ascoltarelo, sentire il mio riscontro emotivo e se funziona. Se il prodotto alla radice è ok posso lavorarci con la mia esperienza, perchè sono sicuro che emotivamente ha cuore, il focus è giusto e allora sono pronto a realizzarla.

Pina Debbi: Nello specifico come la utilizzi?

Pier: Quello che faccio con una parte di tecnologia musicale dell’intelligenza artificiale è sia creare delle voci che mi permettono di mettere in bocca, per esempio, in questo caso, a una voce femminile, le mie parole. Perole che nel riascolto assumono una profondità e un suono diverso. E poi interagisco con questo suono per creare un pattern emotivo denso, melodico, diverso. L'altra modalità, come spiegavo, è il risparmio di tempo, la velocità con cui posso comprendere rapidamente se quello che scrivo, sia di testo, che di melodia funziona, è in grado cioè di creare un'emozione.

Pina Debbi: Con questa voce femminile poi ci hai cantato insieme, che significato ha per te?

Pier Cortese: È il prolungamento di me stesso in una voce femminile. È il mio alter ego femminile voluto, cercato, sperimentato a lungo, provato e riprovato. È qualcosa che sento simile emotivamente, una mia proiezione, la mia parte femminile insomma: mi emoziona, quando canta è come se fosse me con una voce da donna ed è una sensazione molto particolare e forte.

Pina Debbi: Piccola provocazione: difficile ascoltare un uomo che parla di mettersi in contatto con se stesso e con le proprie emozioni...

Pier Cortese: Non sono il tipico maschio Alfa, io penso di avere da sempre un tipo di sensibilità più vicina a quella femminile, se sto male lo dico: io sono di quelli che fanno outing della propria fragilità, ed emotività totale. Altrimenti non potrei fare questo mestiere, Perchè per un musicista è fondamentale mettersi a nudo completamente. E tra l’altro rischiando di essere pure lasciati nudi in mezzo alla strada. Una volta che ho accettato questo fatto con le mie emozioni, non ho paura di niente, soprattutto di trovare la mia parte femminile.

Pina Debbi: Tu hai messo la tecnologia a disposizione delle emozioni: come costruisci i tuoi spettacoli, in particolare Music Feeling

Pier Cortese: Music Feeling parte proprio dall’esigenza di raccontare la musica traducendo certe parti emotive del nostro corpo, delle nostre sensazioni. Nel mio progetto itinerante ogni mese vado nei teatri, scelgo un’emozione, che sia la rabbia, la paura, la tristezza, la speranza, il piacere, l’erotismo e lo racconto attraverso le canzoni, la musica, dei monologhi, attraverso la poesia, attraverso ospiti in grado di portare un valore aggiunto. Questo mi aiuta anche nel processo di scrittura delle mie cose. Music Feeling nel mese di gennaio sarà a Bologna, a Milano, nelle Marche, a Pergola. È una performance che mi coinvolge molto, ricordo la faccia delle persone dopo ogni puntata di Music Feeling: sento hanno proprio bisogno di condividere le emozioni.

Pina Debbi: Torniamo al rapporto tra musica, intelligenza artificiale e tecnologia. Tu suoni, componi, canti dal vivo senza aiutini... La tecnologia può consentire di far musica a tutti o essere musicista rappresenta ancora un valore aggiunto?

Pier Cortese:Io penso che ci sia posto per tutti purchè si arrivi al cuore delle persone. Prendiamo l'autotune: dà la possibilità a ragazze e ragazzi che scrivono testi bellissimi e magari fanno più fatica a cantarel. Negli anni ’90, se non avevi delle caratteristiche vocali di un certo tipo, saresti rimasto a casa e magari lo spettatore avrebbe perso l’opportunità di sentire delle cose belle e importanti. Grazie all’utilizzo dell’autotune alcuni riescono a tirare fuori delle cose potentissime con la tecnologia. All’interno del nostro mestiere si giocano tante partite, non è uno sport solo. C’è spazio per tutti in maniera diversa, perché c’è chi fa musica per matrimoni è fortissimo e rispettabilissimo, c’è chi fa la/il fonica/o ed è rispettabilissimə, parliamo della fisica dei suoni, e ti cambia una performance. C'è chi è un artista e poeta dei testi, dell'armonia, della melodia. C'è chi non è diplomato al conservatorio eppure suona divinamente uno strumento. E infine chi canta benissimo però non sa scrivere e che facciamo? lo escludiamo perché non sa scrivere cosi come c'è chi scrive le canzoni da Dio ma non sa cantare. Insomma, la tecnologia è incredibilmente un elemento che amplifica le possibilità, una grande opportunità.

di Sara Guerra

La promessa delle microcredenziali è semplice solo in apparenza: rendere certificabili e, di conseguenza, spendibili percorsi di apprendimento mirati e circoscritti. La difficoltà nasce nel momento in cui questa promessa incontra i sistemi di istruzione superiore europei, storicamente costruiti intorno a titoli strutturati e fortemente istituzionalizzati, come lauree, diplomi e altre qualifiche formali. Tra le università esiste già la possibilità di riconoscere le microcredenziali anche in termini di crediti formativi, ma questo passaggio non è automatico e interroga il modo in cui i sistemi di istruzione superiore regolano e attribuiscono valore agli apprendimenti. Che cosa occorre, dunque, perché le microcredenziali possano essere riconosciute e trovare posto nei sistemi di istruzione superiore europei?

Gli strumenti europei per il riconoscimento.

Secondo la Raccomandazione del Consiglio dell’Unione europea del 2022, una microcredenziale è la registrazione dei risultati acquisiti attraverso un piccolo volume di apprendimento, valutati secondo criteri trasparenti e chiaramente definiti. Proprio per la sua natura breve e focalizzata, è diventata centrale nel dibattito europeo, in risposta all’esigenza di percorsi formativi flessibili, aggiornabili e accessibili lungo tutto l’arco della vita. Nel contesto universitario, questo dibattito si inserisce in una traiettoria più ampia e complessa: un sistema di strumenti e riferimenti comuni consolidato con il Processo di Bologna e strutturato per rendere titoli, crediti e qualifiche più leggibili e comparabili tra Paesi diversi. Se una microcredenziale vuole essere riconosciuta formalmente al di fuori dell’università che la rilascia, deve interfacciarsi con questo sistema e parlarne il linguaggio. Per questo motivo, diventano cruciali due riferimenti: da un lato, l’EQF e il QF-EHEA, cioè i quadri delle qualifiche che consentono di collocare i risultati di apprendimento entro un livello condiviso; dall’altro, il sistema ECTS, che permette di esprimere il volume dell’apprendimento in termini di carico di lavoro.

Un’integrazione ancora disomogenea

Le decisioni su come riconoscere, regolare e collocare le microcredenziali restano affidate agli Stati membri, nel rispetto del principio di sussidiarietà, dell’autonomia istituzionale e delle specificità nazionali. La Raccomandazione europea offre una definizione comune, elementi standard e princìpi condivisi, ma non introduce una normativa vincolante; inoltre, il ricorso ai crediti e ai quadri delle qualifiche è indicato come riferimento da utilizzare «ove possibile» o «se applicabile». Il risultato è un panorama ancora fortemente differenziato. Tra i diversi settori formativi, l’istruzione superiore appare come uno dei più attivi e avanzati nella progettazione delle microcredenziali secondo gli standard condivisi e in molti sistemi le microcredenziali hanno ormai superato la sola fase sperimentale, definendo strategie e linee guida specifiche. Tuttavia, la loro integrazione resta disomogenea sul tema del riconoscimento, dell’assicurazione della qualità e dell’inclusione nei quadri nazionali delle qualifiche(European Commission, 2025).

Già il Report del Processo di Bologna (European Commission et al., 2024) mostrava una progressione avviata ma ancora lenta: le microcredenziali erano diffuse in molti più sistemi di quanti le avessero formalmente integrate nei propri quadri nazionali. Questa lenta progressione lascia trasparire una difficoltà di integrazione delle microcredenziali nei sistemi vigenti, dettata da specifiche criticità.

L’adattamento dell’ECTS alle microcredenziali

In linea di principio, il sistema ECTS presenta una struttura compatibile con le microcredenziali, perché è pensato come unità di misura per attribuire crediti a singole componenti formative, sulla base dei risultati di apprendimento attesi e del carico di lavoro necessario per conseguirli. Proprio questa flessibilità, però, può generare ambiguità. Se mancano criteri chiari, il rischio è che crediti acquisiti attraverso microcredenziali, moduli singoli o percorsi più strutturati risultino formalmente simili, ma sostanzialmente difficili da comparare (MICROBOL Project, 2021). A ciò si aggiunge il rischio di un uso inflazionato dei crediti. Già nei corsi di studio tradizionali, il numero di crediti assegnato può risultare sproporzionato rispetto al carico di lavoro effettivamente richiesto; nel caso delle microcredenziali, caratterizzate da percorsi molto eterogenei, questa valutazione diventa ancora più delicata. Emerge quindi la necessità di aggiornare i criteri di utilizzo dell’ECTS, al fine di evitarne un’applicazione disomogenea e il conseguente indebolimento della sua funzione di misura comune (MICROBOL Project, 2021).

Queste questioni assumono particolare rilievo anche alla luce della revisione dell’ECTS Users’ Guide, la cui nuova versione dovrebbe essere adottata nel 2027 tenendo conto, tra gli altri sviluppi, anche delle microcredenziali (European Higher Education Area, 2024).

La collocazione delle microcredenziali nei quadri delle qualifiche

Una difficoltà analoga riguarda il rapporto con i quadri delle qualifiche. Nei diversi Paesi, le qualificazioni nazionali sono classificate nei rispettivi National Qualifications Frameworks (NQF), secondo livelli definiti sulla base della complessità dei risultati di apprendimento. Il QF-EHEA funge da quadro europeo di riferimento per l’istruzione superiore; l’EQF, invece, è un quadro più ampio, articolato in otto livelli e applicabile a tutti i settori dell’istruzione e della formazione. Entrambi operano come strumenti di traduzione, rendendo più leggibili e comparabili le qualificazioni dei diversi sistemi nazionali.

Questo meccanismo funziona in modo relativamente lineare quando viene applicato a qualificazioni strutturate e stabili, come una laurea triennale o magistrale. Nel caso delle microcredenziali, invece, la collocazione è più complessa: esse possono certificare apprendimenti molto diversi per finalità, ampiezza, livello e contesto d’uso e, pertanto, non possono essere associate automaticamente a uno specifico livello del quadro nazionale e al corrispondente livello EQF o ciclo QF-EHEA (MICROBOL Project, 2021). Occorre quindi definire criteri per individuare il livello più appropriato, sulla base della complessità prevalente dei risultati di apprendimento. Tale livello può essere attribuito attraverso l’inclusione formale della microcredenziale nel quadro nazionale oppure essere indicato soltanto come riferimento, senza che ciò comporti la sua inclusione nel quadro.

La revisione dei quadri regolativi nazionali rappresenta una possibile risposta a queste difficoltà, perché permetterebbe di adattare le procedure di classificazione e riconoscimento alle specificità delle microcredenziali. Tuttavia, questa operazione comporta implicazioni tecniche e politiche significative: includere nei sistemi nazionali certificazioni brevi, modulari ed eterogenee significa aumentare la complessità dei meccanismi di riconoscimento e richiedere forme di coordinamento più sofisticate tra autorità competenti, istituzioni formative e diversi livelli istituzionali.

Verso un’integrazione graduale e condivisa

Nel complesso, questi aspetti mettono in luce una tensione reale. Gli strumenti del Processo di Bologna non erano stati concepiti in origine per certificazioni così brevi e modulari. Questa difficoltà, tuttavia, non si presenta con la stessa intensità in tutti i sistemi. Alcuni Paesi partono da condizioni più favorevoli, perché dispongono già di quadri regolativi relativamente aperti e le microcredenziali possono essere ricondotte più facilmente alle strutture esistenti. In altri contesti, invece, questa integrazione richiede interventi più profondi sui quadri delle qualifiche e sulle procedure istituzionali.

La diversa configurazione dei sistemi nazionali contribuisce quindi a spiegare perché il processo proceda a velocità differenti. La prospettiva che emerge è quella di un’integrazione graduale, fondata su strumenti comuni ma adattabile ai diversi contesti nazionali e istituzionali. Il Processo di Bologna, pur non producendo norme giuridicamente vincolanti, può indicare un orientamento condiviso e favorire il coordinamento tra sistemi differenti. Le università restano responsabili della progettazione e dell’erogazione delle microcredenziali, ma operano entro i vincoli e le possibilità definiti dai quadri regolativi e dalle linee guida di riferimento. Gli Stati membri assumono quindi un ruolo centrale, perché sono chiamati a sviluppare strategie e indicazioni coerenti con le caratteristiche dei propri sistemi, evitando sia l’eccessiva frammentazione sia una standardizzazione troppo rigida.

È nell’equilibrio tra riferimenti comuni e adattamento nazionale che si sta giocando, oggi, il passaggio dalla sperimentazione a una reale integrazione delle microcredenziali nell’istruzione superiore europea.

Riferimenti bibliografici

Council of the European Union. (2022). Council recommendation of 16 June 2022 on a European approach to micro-credentials for lifelong learning and employability (2022/C 243/02). Official Journal of the European Union, C 243, 10–25. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32022H0627(02)

European Commission. (2025). Progress report on the implementation of the Council Recommendation on a European approach to micro-credentials for lifelong learning and employability. Publications Office of the European Union. https://doi.org/10.2766/3828178

European Commission, European Education and Culture Executive Agency, & Eurydice. (2024). The European Higher Education Area in 2024: Bologna Process implementation report. Publications Office of the European Union. https://doi.org/10.2797/483185

European Higher Education Area. (2024, May 30). Tirana communiqué. https://ehea.info/Immagini/Tirana-Communique.pdf

MICROBOL Project. (2021). Working group on qualifications frameworks and ECTS: Output document and recommendations. https://microcredentials.eu/wp-content/uploads/sites/20/2021/07/Output_document_QFECTS-2.pdf

di Federico Maiocco

Se ti occupi d'arte ti hanno sicuramente fatto questa domanda: l’intelligenza artificiale minaccia l’arte? Domanda nobile, ampia, quasi da fine della civiltà. Nel frattempo, però, il mondo reale, che ha meno pazienza di quello speculativo, ha iniziato a porre questioni molto più pratiche: con quali regole si possono disciplinare le opere protette, chi deve essere remunerato, chi può firmare, chi può esporre, chi può vendere?. Insomma è arrivato il momento in cui il dibattito smette di sembrare una conferenza e inizia ad assomigliare a un contratto.

Normative: il nuovi manifesti dell'Arte

Il 10 marzo 2026 il Parlamento europeo ha approvato raccomandazioni per chiedere più trasparenza sull’uso delle opere protette nell’addestramento dei sistemi generativi e una remunerazione equa per gli aventi diritto. Non più soltanto “l’AI sostituirà gli artisti?”, ma “a quali condizioni economiche e giuridiche il lavoro creativo umano può diventare materia prima per i modelli?”. Meno: “ma allora la macchina è creativa?” Più: “benissimo, ora ci dite con che materiali avete lavorato e chi pensate di pagare?”

Un urlo muto di protesta

Nel Regno Unito il tono è ancora meno poetico. La House of Lords ha criticato proposte considerate troppo accomodanti verso le aziende AI, mentre migliaia di autori hanno risposto con un gesto perfetto nella sua semplicità: un libro vuoto, Don’t Steal This Book, come protesta contro l’uso non autorizzato delle opere per addestrare i modelli. È una protesta che riguarda soprattutto l’editoria, certo, ma il sottotesto è universale e piuttosto leggibile: l’innovazione entusiasma tutti, finché non viene costruita con il lavoro degli altri gratis.

Dove l'AI diventa Arte

Nel frattempo, mentre il diritto si irrigidisce e gli autori protestano, le istituzioni culturali fanno quello che sanno fare meglio: trasformano un problema in un programma. A Bologna si è da poco conclusa al Museo del Patrimonio Industriale Artificial Intelligence Creative Intelligence, mostra inserita nel programma di ART CITY Bologna 2026 e costruita attorno al dialogo tra trenta giovani artiste e immagini generate dall’AI. Il dato interessante non è solo la presenza dell’intelligenza artificiale in mostra. È il modo in cui ci entra. Non più come semplice gadget tecnico, non più come curiosità da laboratorio, ma come dispositivo curatoriale, tema pedagogico, oggetto di riflessione pubblica. È un passaggio importante. Quando una tecnologia entra nei musei, cambia statuto. Non è più soltanto qualcosa che “si usa”: è qualcosa che si interpreta, si storicizza, si problematizza. In altre parole: smette di essere solo strumento e diventa cultura.

Lo stesso segnale arriva da altri contesti europei. A Cracovia è annunciata la International AI Art Biennale 2026, centrata sul dialogo creativo e sull’educazione con l’AI. In Svizzera, dal 18 marzo al 16 agosto 2026, il Musée suisse de l’appareil photographique presenta Murmurs, progetto che riflette in chiave critica sul rapporto tra fotografia e intelligenza artificiale. Messa così, la traiettoria appare piuttosto evidente: l’AI art non è più soltanto un fenomeno da piattaforma, da feed o da community online. Sta diventando qualcosa di molto più riconoscibile: un formato culturale.

Rivoluzioni duchampiane e riproducibilità generative.

In realtà, ogni volta che una nuova tecnologia dell’immagine entra nello spazio dell’arte, riemergono vecchie domande con lessico nuovo. A suo modo, Duchamp le aveva già anticipate più di un secolo fa. Quando espone un oggetto comune come un readymade, Duchamp non sta semplicemente provocando: sta spostando il baricentro dell’opera. Sta dicendo che l’arte non dipende solo dalla mano che esegue, ma anche dal gesto che sceglie, dal contesto che legittima, dal nome che trasforma un oggetto in qualcosa che merita attenzione estetica. È uno scarto decisivo, perché incrina l’idea romantica secondo cui l’opera d’arte coinciderebbe sempre e comunque con la fabbricazione materiale dell’artista.

Più avanti, con la fotografia prima e con il cinema poi, la modernità ha dovuto affrontare un’altra frattura: immagini nate non dal contatto diretto tra mano e materia, ma da apparati tecnici. Anche lì, all’inizio, il sospetto era forte. Troppo meccaniche, troppo automatiche, troppo dipendenti da una macchina per essere considerate pienamente arte. Eppure proprio fotografia e cinema hanno finito per ridefinire in profondità il nostro modo di vedere, di raccontare, di attribuire valore alle immagini. Non hanno eliminato l’autore, ma ne hanno trasformato la funzione.

Walter Benjamin aveva colto con lucidità questo passaggio nel suo L'opera d'arte nell'epoca della sua riproducibilità tecnica (1939): la possibilità, propria della modernità, di moltiplicare un’immagine all’infinito e di cambiare così il suo statuto culturale, percettivo e perfino politico. Oggi, forse, siamo davanti a un passaggio ulteriore. Non più solo immagini riproducibili, ma immagini generabili: non opere che possono essere copiate senza fine, ma immagini che possono essere prodotte senza fine, su richiesta, a partire da archivi smisurati di forme, stili e tracce del lavoro umano.

Ed è probabilmente qui che si concentra il vero nervo scoperto dell’AI: non perché introduca la tecnica nell’arte, quello, in fondo, è un capitolo già scritto, ma perché riapre contemporaneamente la questione dell’autore, dell’originale, dell’intenzione e del valore. In altre parole, non ci chiede solo se una macchina possa “fare immagini”, ma quanto dell’idea stessa di opera siamo ancora disposti a far dipendere da un soggetto umano riconoscibile.

Il mercato: l'elefante che lucida la cristalleria

E poi c’è il mercato, che come sempre non perde tempo a domandarsi se una cosa sia filosoficamente risolta: gli basta capire se è già una categoria che può entrare in catalogo.

Christie’s ha già segnato un punto con Augmented Intelligence, presentato come il primo appuntamento interamente dedicato all’AI art da una grnde casa d'ste internazionale. Non è la notizia più fresca del momento, ma continua a contare perché ha reso visibile una soglia: l’AI art non è più soltanto un oggetto teorico o polemico, è anche una casella da catalogo, una voce da collezione, una strategia di posizionamento. Esiste per il mercato, quindi in un certo senso esiste due volte.

E tuttavia la realtà giuridica resta meno entusiasta delle narrazioni promozionali.  Negli Stati Uniti, all’inizio di marzo 2026, la Corte Suprema ha lasciato in piedi l’impostazione secondo cui un’opera generata interamente da AI, senza autore umano, non può ottenere copyright. Il dibattito sulle opere co-create resta apertissimo, ma questa linea di confine si fa sempre più netta: usare l’AI creativamente non coincide, almeno per ora, con attribuirle o attribuirsi automaticamente una piena autorialità giuridica.

Ed è forse questo il punto più interessante di tutti. Mentre il discorso pubblico continua spesso a oscillare tra entusiasmo messianico e panico morale, il mondo dell’arte sta facendo qualcosa di molto più concreto: sta costruendo un vocabolario operativo. Sta decidendo non solo che cosa pensare dell’AI art, ma come amministrarla simbolicamente e materialmente. Chi può usarla. Chi deve essere pagato. Dove può essere esposta. Con quale grado di legittimità critica. E, soprattutto, sotto quale nome.

Quindi la novità non è che l’AI produca immagini. Quello lo sappiamo già, e da un po’. La novità vera è che il mondo dell’arte ha iniziato a decidere come nominarle, esporle, venderle e regolarle. Accanto agli artisti arrivano i curatori, i legislatori, gli editori, le case d’asta e gli avvocati. Che non sarà l’immaginario più romantico del mondo, ma è quasi sempre il segnale che il gioco è diventato adulto. E quando succede, di solito, si comincia anche a puntare sul serio.

Nota alle immagini:

sono state generate con ChaptGPT 5.4 dandogli come prompt “Fai l'artista e dammi 3 immagini in formato orizzontale ispirate al testo della newsletter che ti allego” (caricata senza titolo)

Link

https://www.europarl.europa.eu/news/en/press-room/20260306IPR37511/protecting-copyrighted-work-and-the-eu-s-creative-sector-in-the-age-of-ai

https://committees.parliament.uk/committee/170/communications-and-digital-committee/news/212361/uk-creative-industries-face-a-clear-and-present-danger-from-generative-ai

https://www.theguardian.com/technology/2026/mar/10/thousands-authors-publish-empty-book-protest-ai-work-copyright

https://www.reuters.com/legal/government/us-supreme-court-declines-hear-dispute-over-copyrights-ai-generated-material-2026-03-02

di Federico Maiocco

C’era una volta... una favola.

Ma, questa volta, la favola è realtà. Viva ed inclusiva.Non inizia in un bosco incantato, ma in un quartiere di Cuneo, alla scuola dell’infanzia “Lucia Viano”. E non vive solo sulle pagine di un libro, ma nei corridoi di un asilo, dentro un museo, tra gli scaffali di piccole biblioteche diffuse sul territorio, nei laboratori del palazzo del Rondò dei Talenti. È una favola che si legge, si ascolta, si tocca, si guarda. E che, soprattutto, si abita. Anche chi scrive, o se volete il narratore, ha abitato questa favola: ne ho curato le parti editoriali e multimediali e ora, come dottorando LESDIT PhD Learning Sciences and Digital Technologiesne colgo la trama tra educazione, narrazione, tecnologie einclusione. Un progetto che è un promemoria concreto di quanto l’arte possa essere un potente strumento di inclusione.

Favole “reali”: quando l’arte diventa linguaggio comune

Nella teoria, siamo abituati a ripetere che l’arte è un linguaggio universale. A volte rischia di sembrare una frase da manifesto. Dentro Lo scrigno dei sensi, e nel percorso che lo precede, questa idea diventa sorprendentemente concreta. I bambini comunicano con i sensi: toccano, annusano, ascoltano, guardano, si muovono. Le maestre del “Lucia Viano” hanno scelto di partire proprio da lì: da esperienze sensoriali condivise, non da concetti astratti. L’arte, in questo contesto, non è un “abbellimento” del percorso educativo, ma un modo per costruire porte d’ingresso diverse in una stessa storia. C’è chi entra in un racconto da un colore, chi da un suono, chi da un personaggio, chi da un piccolo gesto.L’inclusione, qui, non è far sì che tutti facciano la stessa cosa allo stesso modo, ma permettere a ognuno di stare dentro la storia a modo suo.

C'era una volta una staffetta partigiana e il suo scoiattolo

Questa favola non comincia con Lo scrigno dei sensi, ma affonda le radici in una altra storia: quella di Lucia Viano. I bambini sono andati alla scoperta della donna che dà il nome al loro asilo: insegnante, staffetta partigiana e fondatrice del Centro Culturale La Cevitou. Lì hanno scoperto qualcosa di speciale: Lucia non aveva solo coraggio e una visione educativa, ma anche una voce narrativa. Aveva scritto una favola. Qui il sentiero si intreccia con il progetto S.A.R.A. (Sperimentazione di Azioni in Rete per l'Autismo): le maestre hanno ripreso e adattato quella favola in un testo pensato per le immagini, i ragazzi del Polo Autismo ne hanno illustrato le scene e io le ho animate in un video che oggi fa parte del patrimonio narrativo dell’Ecomuseo Terra del Castelmagno, nelle valli occitane del Piemonte.Per me, questo è stato il primo promemoria importante: l’inclusione non è solo “accedere a un servizio”, ma entrare come autori in una storia comune.

Senza bacchette magiche, ma pennelli e olio di gomito

La seconda tappa di questo viaggio è stata ancora più esplicitamente estetica: un progetto di abbellimento artistico degli spazi della scuola “Lucia Viano”. Qui bambini e bambine dell’asilo hanno lavorato fianco a fianco con i ragazzi del Polo Autismo per dipingere con colori e fantasia pareti, angoli, dettagli dell’edificio. Non si è trattato di “decorare” lascuola, ma di trasformarla in un luogo che racconta visivamente la presenza di tutte e tutti. Ancora una volta, l’arte è stata il linguaggio comune: un muro è diventato una tela condivisa, una scala un racconto da percorrere. Dal punto di vista della ricerca educativa, questi gesti ricordano quanto lo spazio sia parte integrante dei processi inclusivi: non solo sfondo, ma attore.

E poi si apre Lo scrigno dei sensi.

La terza tappa è quella che, negli ultimi mesi, ha preso forma nella pubblicazione del libro-gioco. Lo scrigno dei sensi, un volume edito e integrato con una versione multimediale accessibile tramite QR code. L’idea nasce ancora una volta “dal basso”, dai bambini, dal tema educativo della scoperta dei sensi. Dal percorso didattico si passa, gradualmente, alla costruzione di una fiaba originale, in cui i sensi diventano personaggi, prove, tappe di un viaggio. Le maestre non si sono limitate a progettare attività: hanno inventato una narrazione, con una trama, dei conflitti, dei passaggi simbolici. Toccare, annusare, ascoltare, guardare, muoversi: ogni attività sensoriale è stata pensata come parte di un racconto più grande, in cui i bambini e le bambine non sono solo destinatari, ma protagonisti. A questo punto entrano in scena due figure decisive: Jasmine e Lorenzo, ragazzi seguiti dal Polo Autismo. Jasmine ha illustrato la favola, portando un segno riconoscibile, una scelta estetica precisa. Lorenzo è entrato in sala registrazione, a fianco del maestro del suono Massimo Deidda, per dare voce ai personaggi, ritmando i tempi e modulando silenzi e intonazioni per la versione animata del libro. Nel mio lavoro di editing ho avuto il privilegio di vedere come disegni e voce, non fossero “solo contenuti”, ma sguardi sul mondo. Anche qui, la distinzione tra “utente” del servizio e “autore” del prodotto si è fatta sottilissima, fino quasi a sparire.

Lo Scrigno nel Box

grazie ai ragazzi con autismo Ma la favola non si ferma al libro. Lo scrigno dei sensi nasce infatti all’interno del progetto Book Box, promosso dal Consorzio Socio Assistenziale del Cuneese attraverso il suo Polo Autismo. Book Box porta sul territorio una serie di piccole “biblioteche speciali”: scaffali di libri collocati in luoghi di passaggio dove chiunque può prendere in prestito un volume liberamente. La cura di queste biblioteche non è un servizio “per” le persone con autismo, ma un’attività gestita da loro: sono i ragazzi del Polo Autismo a raccogliere i libri donati, catalogarli, etichettarli, ripararli quando necessario e ridistribuirli nei vari punti Book Box. È grazie al loro lavoro se i libri continuano a circolare sul territorio. È in questo circuito che Lo scrigno dei sensi trova il suo posto naturale.

Al Rondò dei Talenti:

una favola che si apre in pubblico Il 10 dicembre, nello Spazio Relazioni del Rondò dei Talenti a Cuneo, Lo scrigno dei sensi ha avuto il suo momento di presentazione pubblica, come avvio di un nuovo percorso di riflessione sull’inclusione con le scuole del territorio. Il Rondò è il polo educativo della Fondazione CRC: un palazzo di 4 piani che ospita laboratori e percorsi di formazione per studenti, insegnanti e comunità educanti. In questo contesto Lo scrigno dei sensi è stato presentato non solo come prodotto finito, ma come caso di studio: un esempio di collaborazione tra scuola, servizi socio-sanitari, famiglie e mondo dell’arte e dei media. Alla presentazione hanno preso la parola le insegnanti, i referenti del Polo Autismo, chi ha coordinato Book Box e, soprattutto, Jasmine e Lorenzo, chiamati a raccontare in prima persona la loro esperienza di illustratrice e voce narrante. Per chi, come me, lavora spesso “dietro le quinte” stare al loro fianco è stato un momento molto forte: raccontare insieme il lavoro, condividere le difficoltà e le soddisfazioni, vederli riconosciuti come autori e artisti. in chiusura, l’intervento del dott. Maurizio Arduino (responsabile del Centro Autismo dell’Asl CN1 e direttore della rivista “Autismo e Disturbi del Neurosviluppo”) ha rilanciato il discorso sul futuro, intrecciando la prospettiva clinica con quella educativa e comunitaria: come far sì che progetti come questo non restino episodi isolati, ma diventino parte di una strategia stabile di inclusione?

Un cerchio che si chiude diventando un nuovo portale

Una favola, si sa, di solito finisce con “e vissero felici e contenti”. In questo caso, però, la chiusura del libro è solo un passaggio. Da un lato, Lo scrigno dei sensi circola fisicamente: il volume è andato esaurito in prevendita, ma è disponibile sugli scaffali Book Box e presso il Polo Autismo. Dall’altro, il progetto rilancia verso il 2026, quando i laboratori di Missione Scuola al Rondò dei Talenti avranno anche l’inclusione tra i fili conduttori da esplorare con le classi.

L’idea è che Lo scrigno dei sensi possa diventare uno dei materiali di lavoro in questi percorsi:

• come esempio concreto di co-progettazione tra scuola e servizi;

• come strumento narrativo per parlare di sensi, differenze, modi diversi di stare al mondo;

• come caso di studio per riflettere su come raccontiamo l’autismo, i ruoli, i talenti.

Per me, tutto questo è stato anche una palestra di ricerca: come i linguaggi artistico-multimediali possano essere usati non solo per comunicare l'inclusione, ma come strumenti di inclusione in sé. Se oggi l’arte ha ancora una funzione sociale, forse è questa: dare forma a immagini, suoni e storie in cui nessuno debba bussare per essere incluso, perché è già previsto “dentro” dall’inizio.

Nel percorso che va da una staffetta partigiana, alle sperimentazioni di SARA, dai murales condivisi, fino al libro-gioco e alle biblioteche Book Box, Lo scrigno dei sensi è diventato, per me, il simbolo di una

favola reale:

• reale perché nasce da bisogni, tempi, fatiche e risorse di una comunità educativa concreta;

• favola perché osa immaginare mondi diversi e li mette in scena con colori, voci, gesti e tecnologie.

Personalmente mi porto a casa tante emozioni e almeno tre lezioni:

1. l’inclusione non è mai un atto unilaterale, ma uno spazio che si costruisce insieme;

2. l’arte può essere infrastruttura educativa;

3. l'immaginazione non è un “extra” dell’infanzia, ma uno dei modi più seri che abbiamo per pensare il futuro. Ogni volta che qualcuno sfoglierà questo libro, ogni volta che Jasmine e Lorenzo racconteranno “la loro” parte di progetto, Lo scrigno dei sensi si riaprirà. E, in silenzio, ripeterà l’invito che ha guidato tutto questo percorso: “Entra anche tu, con il tuo modo di sentire, di vedere, di parlare. C’è spazio. Sei parte di questa storia.”

di Loredana Boero

Negli ultimi anni i modelli linguistici sono entrati stabilmente nelle pratiche universitarie: didattica, ricerca, programmazione, tutoring. Ma quando strumenti così centrali restano opachi — per dati, versioni e criteri di aggiornamento — l’università rischia di delegare a infrastrutture non verificabili una parte del proprio lavoro di produzione e validazione della conoscenza. Il punto in questo contesto non è ovviamente opporre “pubblico” e “privato” né di negare l’utilità dei prodotti commerciali, la cui performatività è indubbia. Il punto è più istituzionale e legato al mandato della formazione accademica: se l’università adotta strumenti che non possono essere verificati, finisce per delegare a un’infrastruttura opaca parti del proprio mandato scientifico e formativo. La questione, quindi, riguarda la governance della conoscenza tanto quanto la tecnologia.

Ma cosa significa davvero LLM Open Source?

Nell’uso corrente siamo soliti utilizzare il termine “open source” come sinonimo di “trasparente”, ma in realtà per gli LLM questo concetto è generico e non rispecchia affatto un mondo molto più articolato. L’open source completamente trasparente end-to-end, del quale sono noti e verificabili tutti i passaggi principali dall’inizio alla fine (pesi, codice, ambiente, configurazioni di training, protocolli di valutazione, versioni nel tempo e dati) non rappresenta nemmeno l’1% dei modelli esistenti (Liesenfeld, Dingemanse, 2024). Molto più comuni sono invece i modelli open weight, per i quali sono disponibili i pesi - ovvero i parametri - forniti assieme al tokenizer (cioè il sistema con cui il testo viene convertito in unità numeriche) e alla configurazione (cioè i parametri che descrivono struttura e impostazioni del modello), necessari per eseguirli correttamente. È un’apertura importante, perché abilita al riuso e alla sperimentazione, anche se non esplicita con quali dati e procedure sia stato creato, lasciando la trasparenza parziale. Inoltre, la disponibilità dei pesi non implica automaticamente libertà di riuso: anche nei modelli “open-weight”, ciò che è consentito fare dipende dalla licenza e dalle eventuali policy d’uso associate. Nel panorama attuale coesistono innumerevoli tipi di licenze, che possono consentire uso, modifica e redistribuzione anche commerciale, oppure che introducono restrizioni d’uso in specifici contesti considerati sensibili o ancora divieti o limiti sull’uso e obblighi contrattuali. Di conseguenza, due modelli open weight, entrambi scaricabili, possono offrire margini di riuso molto diversi: uno può essere liberamente specializzato e ridistribuito, mentre un altro può essere utilizzabile solo internamente o con vincoli che rendono difficile pubblicare un derivato o commercializzarlo.

I rischi dell'affidamento esclusivo a sistemi proprietari

Una strategia basata prevalentemente su soluzioni proprietarie comporta almeno tre rischi, che per l’università hanno un peso non trascurabile.

Rischio epistemico. Una dipendenza esclusiva da modelli opachi introduce nella catena della conoscenza un elemento difficilmente verificabile: senza tracciabilità di versioni, dati e protocolli, la replicabilità empirica e la criticabilità metodologica si indeboliscono. La letteratura su black box algorithms (Wolkenstein, 2024), riproducibilità in ML e standard di documentazione (Semmelrock et al. 2025) inquadra questo problema come una questione non solo tecnica ma propriamente epistemica.

Rischio di dipendenza (lock-in). L’integrazione di servizi proprietari nei workflow accademici — tramite API, formati e componenti cloud — può generare costi elevati: più l’istituzione costruisce processi, dati e integrazioni attorno a un singolo ecosistema, più la migrazione verso alternative richiede riconfigurazioni tecniche e organizzative, spesso con adattamenti o switching costs onerosi e implementazioni vendor-specific (Cope, Kalantzis 2026)

Rischio pedagogico. L’università non è luogo solo preposto all’utilizzo di strumenti, ma alla creazione di nuova conoscenza: in assenza di trasparenza e competenze critiche, l’uso di modelli ‘black box’ rischia di favorire pratiche di consumo tecnologico più che un’autentica alfabetizzazione scientifica (Tadimalla et al. 2025).

Perchè investire in LLM aperti e trasparenti

A fronte di questi rischi, l’investimento in ricerca open e modelli trasparenti produce benefici che sono coerenti con la missione universitaria. Sovranità e continuità che assicurano controllo sulle versioni e possibilità di mantenere una baseline stabile: requisiti essenziali per didattica e ricerca. Qualità della ricerca con modelli ispezionabili e valutabili con benchmark pubblici (o interni, ma replicabili) per la robustezza. Innovazione trasferibile attraverso pipeline, dataset curati, tool di valutazione e documentazione che diventino asset condivisi tra dipartimenti, evitando frammentazione e duplicazioni. Formazione di competenze su governance, valutazione, sicurezza, versioning e design sperimentale, che lo sviluppo open senza alcun dubbio favorisce. Accesso ed equità tramite modelli e strumenti aperti che riducono le barriere economiche e consentono un utilizzo più inclusivo, anche in contesti con risorse limitate.

Vedi le credenziali del contenuto

Obiezioni

Molte idee ricorrenti — talvolta al confine con il pregiudizio — continuano a circolare intorno allo sviluppo e all’adozione di LLM open source. “Costa troppo”. È vero: l’investimento iniziale può essere cospicuo e dipende spesso da politiche e infrastrutture che non sempre l’università controlla pienamente. Tuttavia, la questione decisiva non è soltanto quanto si spenda, ma che tipo di spesa si scelga di sostenere. In questo senso, il cambio di paradigma è chiaro: dalla spesa in licenze alla costruzione di un’infrastruttura scientifica, capace di ridurre la dipendenza tecnologica e di generare valore stabile nel tempo. “Le performance sono inferiori.” Il confronto con modelli chiusi tende a spostare subito l’attenzione sull’idea immediata di “prestazioni”. Tuttavia, un modello aperto può essere adattato e specializzato su esigenze disciplinari e contesti culturali e d’uso specifici, migliorando in modo mirato nel tempo. In ambito accademico, inoltre, la qualità non dovrebbe coincidere solo con la performatività: trasparenza, tracciabilità delle versioni e possibilità di valutazione indipendente dovrebbero avere un peso comparabile, perché incidono sulla solidità dei risultati e sulla replicabilità.

Trasparenza come tutela del Metodo Scientifico e della missione dell'Università

In un’epoca in cui gli LLM entrano nella produzione stessa della conoscenza, la trasparenza diventa un requisito epistemico, non un optional tecnico. Investire in ricerca open source e in modelli realmente trasparenti significa proteggere riproducibilità, responsabilità e autonomia scientifica e questo molte istituzioni accademiche lo hanno capito. Alcune iniziative di alto profilo mostrano che università e centri di ricerca stanno investendo in LLM con ambizione end-to-end open. In Europa, Apertus (ecosistema dei Politecnici di Zurigo e Losanna) o l’iniziativa consortile OpenEuroLLM (con la partecipazione di CINECA) o ancora, negli Stati Uniti, OLMo (Allen Institute for AI con la Washington e la Harvard University).

Generare nuova conoscenza. Formare cittadini e professionisti qualificati. Trasferire innovazione, cultura, tecnologia e valore alla società. Tutelare e diffondere il patrimonio culturale e il pensiero critico in totale autonomia. Questi sono i capisaldi delle università; pare che proprio grazie alla stabilità di queste loro finalità originarie, siano fra le pochissime istituzioni nate nel Medioevo ad essere sopravvissute quasi intatte fino ad oggi. L’investimento sull’open source, anche e soprattutto nell’AI, si allinea perfettamente a questi principi e, probabilmente, sarà ciò che proietterà e preserverà le università nel futuro.

di Giacomo Di Noto

Ogni mattina, da quando esiste la civiltà, almeno un insegnante si sveglia e si chiede: “Come valuterò oggi i miei allievi e le mie allieve?"

...sulla valutazione

Questo insegnante si pone questa domanda nonostante possegga strumenti, pratiche e metodologie che gli permettono di collocare precisamente ogni singolo discente all’interno di una griglia o di una classifica. Questo insegnante si pone questa domanda perché si rende conto che i suddetti strumenti, pratiche e metodologie rappresenteranno sempre e solo un infinitesimo spicchio delle effettive e complessive capacità cognitive dell’individuo che sta valutando e dunque continuerà a porsi questa domanda.

Ogni mattina, da quando esistono i Large Language Models (LLMs), almeno un informatico si sveglia e si chiede: “Come valuterò oggi i miei LLMs?

...misurare i LLM

Questo informatico si pone questa domanda perché da quando “parliamo” con i computer, la valutazione delle loro capacità è passata dall’essere un campionamento di frequenza o una misurazione di temperatura ad un test d’ingresso ad una facoltà di psicologia o la scrittura di un programma informatico. Questo nuovo paradigma ha visto la nascita di innumerevoli metriche e sistemi di valutazione con conseguenti benchmark tests (“test standardizzati presi come riferimento da specifici settori” ndt.) e classifiche. Ma se il dubbio si applica nella valutazione degli esseri umani, è ora legittimo dubitare delle valutazioni sulle macchine? Inoltre è bene ricordare che queste macchine (al contrario dei nostri studenti) vengono vendute direttamente in un mercato con regole e richieste precise, la loro valutazione incide sicuramente su queste dinamiche richiamando un aforisma dell’economista inglese Charles Goodhart:

“Quando una misura diventa un obiettivo, smette di essere una buona misura.”

Tassonomie e Classificazioni

Coloro che negli ultimi anni si sono appassionati all’attuale primavera dell’Intelligenza Artificiale conosceranno sicuramente almeno un paio di benchmark test per LLMs. A partire da GLUE fino ad HELM, passando per MMLU, BIG-Bench e Chatbot-Arena, i test e le relative classifiche occuperebbero un intero articolo scientifico. Questo è proprio quello che è stato fatto da un gruppo di ricercatori Cinesi delle Università di Shangai e Shenzhen nel loro articolo “A Survey on Large Language Model Benchmarks” [1] pubblicato nell’agosto del 2025. In questo articolo (di cui consiglio la lettura per un approfondimento sulla storia, lo stato dell’arte ed il futuro dei Benchmarks), questi test standardizzati vengono suddivisi in tre macro categorie: Test Generali, Test a Dominio specifico e Test a Target specifico.

I primi come suggerisce la parola sono dei test generali che vanno ad indagare le capacità di linguaggio (per specifica lingua), la conoscenza derivata dal training e gli algoritmi di ragionamento implementati. La seconda categoria è più specifica, i test sono suddivisi per ambiti di conoscenza (così come li immaginiamo noi umani) ed hanno lo scopo di determinare la capacità di un modello di adattarsi ad un settore specifico. Infine la terza categoria riguarda i test di sicurezza del modello (i.e. conoscenze pericolose, allineamento, etc…), oltreché le capacità di connessione con agenti e dunque gli strumenti che il LLM sà usare per raggiungere gli scopi presentati dai prompt utente. Alcuni di questi test presentano domande a risposta multipla, altri a risposta aperta con successiva correzione umana, alcuni sono dei giochi logici mentre altri confrontano le attività svolte da questi LLM con effettive attività umane. Per quest’ultimo test in particolare è possibile citare un risultato particolarmente impressionante ottenuto dal team di Anthropic proprio nel mese di settembre per  ed il nuovo Claude Sonnet 4.5. Questo modello ha lavorato per quasi 30 ore di fila, senza supervisione umana, sviluppando un’intera piattaforma di chat sociale simile a Slack o Teams [2].

Questa “banale” suddivisione tassonomica porta un aiuto concreto permettendo di partire dal problema che stiamo affrontando, identificare il sottogruppo specifico al nostro problema e dai test (e conseguenti classifiche) determinare quale LLM fa al caso nostro.

Ma con la nuova soluzione, nasce un nuovo problema. I LLMs sono presentati ad un mondo esaltato dalla nuova rivoluzione dell’IA, dove la competizione diventa sempre più pressante. In questo panorama ogni azienda che produce o addestra dei chatbots sembra essere sempre incline a presentare specifici risultati con specifici benchmarks, spesso con metodologie inconsistenti. Un esempio è proprio OpenAI con (l’ormai vecchio) GPT-4, nell’articolo pubblicato assieme al nuovo modello dichiara di superare in numerosi test tutti i modelli dei competitor aggiungendo un trafiletto in cui si faceva riferimento ad una possibile “contaminazione” del dataset con domande (e risposte!) prese direttamente dai test che sarebbero stati poi posti al modello. Poco tempo dopo, gli autori stessi dichiarano che con le domande rimosse il modello ha ottenuto risultati inferiori, strano. Ma anche Google ha presentato il suo Gemini Pro con un punteggio MMLU superiore al 70% mentre tutte le analisi indipendenti non riescono a superare il 65%. [3-4].

L'utente come Benchmark

Di fronte a un complesso di benchmark inaffidabili e metodologie di valutazione spesso opache, emerge la necessità di un approccio alternativo. Se le misurazioni quantitative si dimostrano fallibili, la soluzione potrebbe risiedere nella valutazione qualitativa, incentrata sull'utilizzatore finale. In questa prospettiva, è l'utente che con le sue specifiche esigenze, competenze e spirito critico si trasforma nel più efficace metro di giudizio, un benchmark definitivo. Per fare ciò possiamo seguire un semplice consiglio proposto da tutta la ricerca accademica. Usiamo questi modelli per fare metacognizione e cognizione aumentata, non usiamoli per delega e scarico cognitivo. Chi possiede una competenza specifica può utilizzare il modello per eseguire un'operazione, mantenendo la capacità di analizzare e validare criticamente il risultato. Chi, al contrario, si avvicina a un argomento sconosciuto, dovrebbe impiegare lo strumento per costruire la propria comprensione. Non posso chiedere ad un chatbot di produrre qualcosa che non posso controllare, devo chiedere al chatbot di aiutarmi a capire l’argomento e solo allora utilizzarlo per eseguire un compito. Un simile approccio trasforma l'uso dell'intelligenza artificiale da un potenziale esercizio di delega cognitiva a un'opportunità di apprendimento consapevole, garantendo che la tecnologia agisca come supporto alla crescita delle competenze, anziché come un loro sostituto.

Bibliografia

1. A Survey on Large Language Model Benchmarks - Ni et al. - 2025 https://arxiv.org/pdf/2508.15361v1
2. Sito di Anthropic - https://www.anthropic.com/claude/sonnet
3. GPT-4 Technical Report - https://arxiv.org/html/2303.08774v6

MMLU on HELM - https://crfm.stanford

di Michele Allegretti, Loredana Boero, Fede

Al Learning More Festival di Modena la redazione LESDIT ha inviato la falange piemontese. Loredana, Michele e Federico: tre modi diversi di tornare a casa con lo zaino pieno. C’è chi è rientrato con una collezione di incontri (e qualche incastro mancato), chi con un diario di bordo fatto di rotte, metafore e comunità, e chi con una bussola concettuale: IA, mente e spazio, legati da un filo rosso sorprendente. Se volete leggerla in modo “seriale”, fate così: prima l’esperienza umana, poi il viaggio, poi la sintesi concettuale. Se invece preferite “saltare”, ogni blocco è autonomo (e firmato).

Incontri ravvicinati del miglior tipo - Federico Maiocco

Quello che voglio raccontare è che il mio LFM è stato una sequenza di incontri inaspettati… e qualche mancato appuntamento. Che poi è proprio questo, secondo me, il valore aggiunto di un festival: l’incontro, il confronto diretto con i relatori, certo, ma anche con i colleghi. E soprattutto con volti nuovi e idee nuove con cui misurarsi. Dal palco arrivano parole illuminanti. Però il bello è dopo: discuterle, farle sedimentare, renderle vive. Magari con persone che incontri per la prima volta, che ti si affiancano a un workshop e con cui, nel giro di mezz’ora, passi dalla slide alla pausa caffè. È lì che succede qualcosa.

Il primo incontro è stato con Ciro Piscitelli uno degli organizzatori del Festival. Per me era “la firma in calce alle mail”: quelle mail puntuali, precise, sempre cortesi, che hanno accompagnato tutta la mia partecipazione (e sì, ne riparliamo dopo). A un certo punto però quella firma prende volto, voce e una stretta di mano sincera. Vi sembra poco? A me no. L’incipit conta sempre: in un’opera, in una relazione… e anche in un festival.

Poi capita di incontrare i tuoi “vicini di ricerca”… a 350 chilometri da casa. Alla fine di un workshop molto interessante sull’Innovazione nella didattica dell’arte, mentre mi avvicino per fare una domanda al relatore Leonardo Lodi, incrocio uno sguardo amico e, soprattutto, inaspettatamente cuneese (la mia sede ospitante è l’ Accademia di Belle Arti di Cuneo). Due chiacchiere, un sorriso, e scopro che proprio dietro di me ci sono i nuovi responsabili del PLIN, un progetto Future Education Modena con sede proprio a Cuneo. Risultato: in cinque minuti fai conoscenza, scambi i contatti e ti ritrovi già con un appuntamento “in casa” per possibili collaborazioni future. Ecco: questa è magia da festival.

Da notare anche il rovescio della medaglia: le persone che avrei pensato di incontrare e con cui scambiare qualche pensiero… sono proprio quelle che ho mancato. Il prof. Tommaso Minerva, perché l’intervento a cui mi ero registrato è stato annullato. E i professori Pier Cesare Rivoltella e Stefano Moriggi che, com’era prevedibile, sono stati “assediati” dalle domande a fine intervento… proprio mentre io dovevo andare a presidiare il mio poster. Tempismo perfetto: la vita accademica è anche questo.

E qui arriviamo alla poster session: Includere la tecnologia nell’apprendimento in modo intenzionale. Io presentavo il mio lavoro sull’applicazione degli strumenti della sceneggiatura cinematografica in un framework di AI Literacy attraverso la settima arte. Poster alle spalle e volantini, anzi handout,  in mano, ho potuto spiegare a docenti molto interessati una piccola “cassetta degli attrezzi”: usare scene di film per storicizzare il conflitto uomo/macchina; leggere i dialoghi tra i personaggi come un parallelismo azione/reazione utile per ragionare sul prompting; arrivare fino alle riflessioni su intelligenza artificiale ed empatia verso le macchine.

Detto così sembra complicatissimo. In realtà, grazie alle domande dirette e pratiche che mi facevano, tutto diventava più chiaro. Anche nella mia mente. Questa volta ero io a lasciare i contatti, per poter condividere con calma materiali e informazioni utili.

E poi sempre lì ho ritrovato Matteo Mancini: docente e ricercatore all’Università Cattolica del Sacro Cuore di Milano. Ma soprattutto un amico con cui, una decina di anni fa (lui giovanissimo, io un po’ meno…), portavamo avanti progetti multimediali contro la povertà educativa. Con Matteo succede sempre così: non riusciamo quasi mai a “organizzarci”, eppure finiamo puntualmente per incontrarci per caso. Anche questa volta, a Modena: lui era lì a presentare alcuni suoi lavori in formato poster. Immancabile l’abbraccio.

L’ultimo incontro è stato quello con… me stesso. Con un me stesso ragazzino, quello che al liceo sedeva sempre in fondo. Durante un workshop sul prompting davvero coinvolgente, tenuto da Francesca Alloatti (Innovation Manager del FEM), mi ritrovo a fare gruppo con la collega Lesdit Martina Gremignai e con una docente finita con noi nel team dei “discoli”. Ci divertiamo a forzare l’AI, finiamo per vincere la challenge di prompting e ci facciamo pure dire dall’AI, “opportunamente” educata da noi, che siamo dei “gran fighi”. Risate, leggerezza… ma anche uno strumento concreto che, promesso, userò in modo più serio.

In mezzo, tantissimi sorrisi dello staff. Le cene con i colleghi Michele e Loredana. Gli incontri sempre troppo fugaci con i colleghi Lesdit. E alla fine mi è sembrato giusto chiudere il cerchio: tornare a salutare Ciro e fare i complimenti per l’organizzazione, di persona. Perché certe cose, se contano davvero, è bello dirle guardandosi negli occhi.

Diario di bordo di Michele Allegretti

In questo viaggio immersivo nella galassia delle possibilità, spunti di riflessione, e di ricerca, sulla didattica mediata dall’AI, mi sono imbattuto in progetti di cui solo ne intuivo l’esistenza: come Magellano ne volevo navigare le correnti. Con la mia piccola imbarcazione mi accingevo ad affrontare i miei limiti dovuti al poco tempo che avevo dedicato, per ora, alla ricerca accademica.

La “via delle spezie”

La “via delle spezie” è tracciata dal service learning e dalla scoperta dello spazio pubblico come veicolo di crescita da parte di una comunità scientifica che caparbiamente suggerisce a noi tutti di riprendere lo spazio pubblico non organizzato come occasione di percorso di crescita, senza l’intervento di architetture guidanti e normanti. Attenzione alle parole: per Francesco Tonucci,  Daniele Ara,  Italo Fiorin, Federica Venturelli, Roberto Trinchero e Selena Notaro lo spazio non organizzato non suggerisce il caos e il disordine, come inteso dai dizionari nel contrario della parola setting, ma un ambiente dove lo spazio è autoregolazione dei bambini e lascia il vuoto, sia inteso come luogo architettonico che come luogo dell’anima, dove tutti noi siamo spinti ad accettare regole sociali e di gioco che non provengono dall’alto della regola e del come si fa, ma sono il frutto di un percorso di crescita auto regolatorio sociale. In questo vi è anche una riflessione sulla noia come veicolo della sanità di un luogo sociale. Del non fare nulla o del giocare con gli strumenti del poco. Ci si pone la questione dello spazio del fuori per bambini che già dall’infanzia sono proiettati in progetti utili e finalizzati, iperstrutturati e che non conoscono più i pomeriggi lunghi in cui ci si deve inventare, co-costruire con l’adulto e i pari, la socialità di quartiere.

Il vento

Non ho citato a caso il mare, in questo viaggio ho riconosciuto molte esperienze di navigazione che credono ancora nelle esperienze immersive che non rinunciano allo spazio della realtà. Realtà condivisa col pubblico. Luca Dal Pozzolo e Giuliano Gaia ci scortano nella vera innovazione culturale tecnologica, essa non è l'adozione di tecnologie digitali in quanto tali, fine a sé stesse, ma un cambio di mentalità che privilegia l'ascolto e il dialogo con il pubblico. La "bulimia informativa" e le zone fredde, come nel mare, trasportano in correnti inefficaci e respingenti; qui la preoccupazione è come impiegare le possibilità offerte dalla tecnologia per traghettare il pubblico in un’esperienza vera e coinvolgente. Studiare i percorsi, toccare le cose e non imporre un interesse accademico, ma al contrario lasciare che si inneschi una sana voglia partecipativa sfruttando il rapporto che le tecnologie possono, e devono, veicolare come co-costruzione di un percorso di interesse vivo. A tal proposito Rino Lombardi imbottiglia i venti, nel suo museo della Bora, e se gliene porti uno delle tue parti, a Trieste, ne diventi ambasciatore. La dimostrazione che non è necessaria la spettacolarizzazione di un evento espositivo per creare coinvolgimento e interesse, questo è il gioco e il percorso a misura del bambino che è in tutti noi. Costruire un museo dell’intangibile è il sogno che racchiude la vera esperienza museale, il punto di arrivo e di ricerca che ci trasporta dall’ansia classificatoria al vero motivo per cui conserviamo la storia.

Non siamo più Thomas, in Blow-Up, che finisce spaesato nel mare verde con la macchina fotografica in mano che forse non serve più a nulla, ma il furgoncino di mimi che giocano con una pallina che sanno esistere oltre il verificabile e l’obiettivo.

La rotta

A proposito di intangibile, occuparsi di arte non significa occuparsi di storia, non significa occuparsi di biografie e non significa occuparsi di forme e figure, la grande sfida di chi cerca di occuparsi di applicazioni AI e didattica dell’arte è conciliare ciò di cui possiamo solo definire cosa non lo è, un ambito in cui da secoli si cerca di sovrapporre immagini a narrazioni verbali, senza tener conto della natura profondamente diversa del linguaggio visivo rispetto a quello verbale: come conciliare queste due nature? Uno strumento logico e speculativo che definisce uno strumento che può concedersi il lusso di non esserlo. Leonardo Lodi ci racconta di sperimentazioni e piattaforme ideate al FEM ad hoc per lavorare sulle immagini con le immagini, e col tatto, tramite riproduzioni in 3D, perché non ci dimentichiamo che l’arte possiede un corpo.

Tramite la piattaforma PinXit Studio in collaborazione con Haltadefinizione per allenare il Visual Thinking Strategies (VTS): un’osservazione lenta e intenzionale, fatta di immagini per le immagini. Grande idea!

La bussola

Pier Cesare Rivoltella, Stefano Moriggi, maria ranieri e Luca Botturi ci raccontano come sia possibile oggi porsi domande di valore per lavorare con l’AI in ambito pedagogico, ci illustrano lo stato dell’arte della ricerca e indicano una via umana e per l’umano. Una bussola finalmente!

La mascotte

In conclusione, questo viaggio è necessario, necessario è il riflettere garbatamente e con umiltà, ponendosi domande e ponderando vie di ricerca. In un mondo che vive di sentimenti veloci, facili entusiasmi e soluzioni pronte all’uso, la comunità FEM ha saputo renderci parte del discorso, renderci comunità che accoglie riflessioni, strategie di ricerca e riserve, domande personali. Tornerò alla mia ricerca forte del fatto che questa sfida non si vincerà da soli ma costruendo comunità dialoganti che, come in un processo di osmosi, assorbe il nuovo, in un tempo di ricerca lento e a misura di umano per l’umano, ma presto anche di gatto per gatti.

IA, mente e spazio: una triangolazione (e un filo rosso) – Loredana Boero

L’insieme degli interventi seguiti, come è tipico del Learning More Festival, ha coinvolto professionalità molto diverse, in una sorta di triangolazione tra le architetture dell’IA, della mente e dello spazio che ci circond

Tra le conferenze più interessanti, seguendo l’ordine degli speech, spicca per il venerdì l’intervento di Barbara Oakley, nota per i suoi studi sull’apprendimento, la cognizione e i metodi di studio e, soprattutto, per il corso online Learning How to Learn, tra i MOOC più popolari al mondo. Il suo intervento muove da una domanda che oggi molti di noi si pongono: l’uso dell’IA aiuta soltanto a migliorare le performance immediate oppure consente di costruire competenze durature? I parallelismi tra reti neurali e cervello guidano il ragionamento attraverso le connessioni sinaptiche, gli effetti della dopamina sulla motivazione e le strategie di apprendimento, fino ad approdare a un articolo apparso da pochi giorni su Science (Daniotti et al., 2026), che mostra come possa avvalersi realmente dell’IA per migliorare le proprie competenze professionali e la propria produttività soprattutto chi possiede già una conoscenza ben strutturata.

Sabato, un bellissimo intervento del professor Igor Sotgiu . Tema centrale: la felicità e la sfida, propria della psicologia positiva, di promuoverla. Non è mancato un riferimento ai social media e ai loro effetti negativi sugli adolescenti, nei quali possono innescare un senso di insoddisfazione: la felicità presunta, quando è confezionata da altri e diventa prescrittiva e stereotipata, perde autenticità e finisce per essere addirittura controproducente. Bella anche la chiusura: le persone più felici sono quelle che coltivano virtù come curiosità, interesse, empatia, senso etico, altruismo e autoriflessione.

E la domenica, l’architetto Davide Ruzzon ci parla di ambienti di apprendimento innovativi ed embodied design, che interpreta lo spazio come luogo in cui costruiamo la nostra dimensione umana. E sottolinea la necessità di superare l’idea di organizzazione degli ambienti della scuola che nasce, come ricorda anche Foucault nel suo saggio Sorvegliare e Punire, come spazio disciplinare progettato per distribuire, ordinare, osservare e normalizzare i corpi.

Il filo rosso che lega i tre interventi — e che i tre autori, senza saperlo, hanno tutti richiamato — è la maieutica socratica: uno strumento per scoprire il mondo, ma anche per riscoprire ciò che si è veramente, valorizzando quell’individualità che può emergere solo nella dimensione relazionale e intersoggettiva. È la maieutica che ci aiuta a comprendere che cosa sia per noi la felicità, al di là di qualunque modello proposto o imposto dalla dittatura dei media. È la maieutica che guida il nostro apprendimento in ambienti progettati per il dinamismo, il dialogo e il movimento.

Intervenire nella stessa sessione del professor Achilles Kameas — direttore del gruppo di ricerca DAISSy (Dynamic Ambient Intelligent Sociotechnical Systems) e promotore del progetto europeo ADMIT, dedicato all’integrazione etica, responsabile ed efficace dell’IA generativa nell’università — è stato per me un grande onore. È stata anche un’occasione preziosa per comprendere ancora più profondamente quanto la ricerca universitaria debba orientarsi alla produzione di valore sociale e contribuire alla costruzione di una società più equa e consapevole.

L’esito più significativo che ne traggo è la consapevolezza che la mia ricerca, mentre va definendosi con maggiore chiarezza, si intreccia in modo fecondo con quella di altri, individuando linee sempre più nette e costruendo così una base stabile da cui proiettarsi nel futuro.

Quindi... chiudendo insieme

Se dovessimo riassumerla in una sola frase, diremmo così: LMF è un luogo dove le idee diventano conversazioni, e le conversazioni diventano ricerca.

In questi tre racconti c’è un’unica traiettoria, vista da angolazioni diverse. C’è l’energia dell’incontro “ravvicinato”, quando un volto passa dalla firma in calce a una stretta di mano e una slide diventa discussione vera. C’è il viaggio, con le sue rotte e le sue correnti: lo spazio pubblico, la noia feconda, l’esperienza culturale che non si impone ma si costruisce insieme, a misura d’umano (e sì, anche “di gatto per gatti”). E c’è la bussola concettuale che tiene insieme IA, mente e spazio, ricordandoci che ogni innovazione (tecnologica, educativa, architettonica,...) ha senso solo se apre domande migliori, più maieutiche, più nostre.

Il filo comune è semplice e impegnativo: la ricerca non è solo produzione di contenuti, ma produzione di relazione. È il dopo-intervento, il corridoio, la pausa caffè, il laboratorio in cui ci si mette in gioco e ci si lascia sorprendere. È lì che l’AI smette di essere slogan o paura, e torna a essere ciò che dovrebbe: uno strumento dentro un orizzonte etico, comunitario, condiviso.

Ci portiamo a casa incontri, strumenti, domande “che restano” e la sensazione concreta che questa sfida, per davvero, non si vince da soli.

di Giacomo Di Noto

Mio figlio ha dieci mesi. Non parla. Non conosce la parola "gravità", non ha mai letto un manuale di fisica, non sa cosa sia un "modello predittivo". Eppure, quando un oggetto gli sfugge dalle mani, i suoi occhi seguono la traiettoria verso il basso. Non verso l'alto, non di lato. Verso il basso. Ha già capito la gravità. Non con le parole, ma con il corpo, con gli occhi, con il fare e il rifare e il rifare ancora.

Lo osservo ogni giorno e ogni giorno è un piccolo esperimento. Afferra un cucchiaio, lo lascia cadere, osserva dove finisce. Lo raccolgo, glielo porgo, lui lo rilascia di nuovo. Non è dispetto (o almeno, non solo): è scienza. È il metodo empirico nella sua forma più pura e primordiale. Sta costruendo, mattone dopo mattone, un modello mentale del mondo. Sta imparando che gli oggetti pesano, che le superfici possono essere scivolose, che se spingi una palla questa rotola, e che i gatti di casa, per quanto affascinanti, tendono a fuggire se provi ad afferrarli.

Tra pappe e pannolini, realizzo qualcosa di profondo anche per il mio lavoro di ricerca: quello che mio figlio fa è esattamente ciò che l'intelligenza artificiale più avanzata al mondo ancora non sa fare. I grandi modelli linguistici (ChatGPT, Claude, Gemini, etc…) sono straordinariamente bravi con le parole. Sanno scrivere, riassumere, tradurre, argomentare. Ma se chiedete loro cosa succede quando lanciate un bicchiere dalla finestra, "sanno" la risposta perché l'hanno letta milioni di volte. Non la capiscono. Non hanno mai "visto" un bicchiere cadere. Non hanno mai "sentito" il peso di un oggetto nelle mani.

Un bambino di dieci mesi ha già una comprensione del mondo fisico che supera quella di qualsiasi LLM in modi fondamentali. Questo paradosso, nella comunità scientifica, ha un nome e un cognome: Yann LeCun. E la sua risposta, i cosiddetti World Model, sta mobilitando miliardi di dollari e alcune delle menti più brillanti del pianeta, da Google DeepMind con il suo Genie 3 a NVIDIA con la piattaforma Cosmos, fino a Fei-Fei Li e la sua World Labs di cui è cofondatrice. È una corsa che potrebbe ridisegnare il futuro dell'intelligenza artificiale. Ed è la storia che voglio raccontarvi oggi.

L'uomo che ha detto no

Nel novembre del 2025, Yann LeCun (che nel suo résumé ha un premio Turing, paternità delle reti neurali convoluzionali e direzione della ricerca IA di Meta per dodici anni) è entrato nell'ufficio di Mark Zuckerberg e gli ha detto che se ne andava.

LeCun come abbiamo già citato, è uno dei tre scienziati (insieme al premio Nobel per la fisica 2024 Geoffrey Hinton e a Yoshua Bengio) che ha costruito le fondamenta matematiche su cui si regge tutta l'intelligenza artificiale moderna. Senza il suo lavoro, non esisterebbero né ChatGPT, né Gemini, né Claude. Eppure, dopo dodici anni al vertice del laboratorio di ricerca fondamentale che lui stesso aveva fondato dentro Facebook (FAIR) ha deciso di andarsene. E non in silenzio: in un'intervista al MIT Technology Review del gennaio 2026, ha dichiarato che i Large Language Model sono un vicolo cieco verso l'intelligenza generale.

"Gli LLM sono troppo limitanti. Scalarli non ci permetterà di raggiungere l'AGI." Parole pesanti come macigni. Ma LeCun non si è limitato a criticare: ha proposto un'alternativa. Si chiama World Model e con un miliardo di dollari di finanziamento iniziale ha fondato AMI Labs (Advanced Machine Intelligence, che in francese suona "amico") a Parigi per costruirli.

Ma cosa sono i World Model?

Torniamo a mio figlio. Quando osserva una palla rotolare giù da un piano inclinato, il suo cervello non sta "generando testo" sulla traiettoria. Sta costruendo una rappresentazione interna di come funziona il mondo: la gravità attira verso il basso, le superfici inclinate fanno scivolare, gli oggetti rotondi rotolano. Questa rappresentazione non è fatta di parole ma di pattern astratti, di relazioni causali, di previsioni.

Attenzione, però: non sto dicendo che mio figlio a dieci mesi "capisca" la gravità come la capiamo noi. La psicologia dello sviluppo ci insegna esattamente il contrario. Jean Piaget, il padre di questi studi, ha mostrato che un bambino nella fase sensomotoria conosce il mondo esclusivamente attraverso i sensi e le azioni: afferra, lascia, osserva, ripete. Costruisce quelli che Piaget chiamava "schemi", strutture mentali grezze che si consolidano con la ripetizione, si rompono quando qualcosa di inaspettato accade (il disequilibrio), e si ricostruiscono a un livello leggermente più alto. Jerome Bruner la chiamerebbe "rappresentazione enattiva": una conoscenza custodita nei muscoli e nelle azioni, non nelle parole o nei concetti. La capacità di formulare un principio generale, arriverà molto più tardi, per ora, mio figlio non "pensa" alla gravità: la pratica.

Ed è proprio questo che rende il parallelo con i World Model ancora più interessante. Anche questi modelli non partono dal linguaggio per arrivare al mondo: partono dall'esperienza sensoriale grezza per costruire rappresentazioni interne che, col tempo e con l'accumulo, diventano sempre più strutturate. Come un bambino che prima fa, poi vede, e solo alla fine parla.

Per capire la differenza, un confronto diretto. Un Large Language Model legge una sequenza di parole e calcola quale sarà la più probabile successiva, la cosiddetta predizione del prossimo token. Ripetuta miliardi di volte su enormi quantità di testo, questa operazione produce risultati straordinari. Ma il modello sa che "il bicchiere cade e si rompe" è una frase plausibile senza sapere perché il bicchiere cade. Non ha un modello della gravità, della fragilità del vetro, dell'impatto con il pavimento.

Un World Model lavora su un piano diverso. Non genera parole: genera previsioni su come il mondo evolverà. Se gli mostri un video di un bicchiere sul bordo di un tavolo, produce una previsione visiva e fisica di cosa accadrà se qualcuno urta quel tavolo. Come lo definisce lo stesso LeCun: "Un World Model è il tuo modello mentale di come si comporta il mondo. Puoi immaginare una sequenza di azioni, e il tuo World Model ti permette di prevedere quale sarà il loro effetto."

L'architettura JEPA: prevedere l'essenza, non la superficie

La tecnologia al cuore di questa visione si chiama JEPA (Joint Embedding Predictive Architecture) ed è stata proposta proprio da LeCun in un paper del 2022. Si tratta di un modo radicalmente diverso di far apprendere una macchina.

Provo a presentare l’idea con un analogia. Immaginate di dover descrivere una stanza a qualcuno che non può vederla. L'approccio degli LLM sarebbe ricostruire ogni singolo dettaglio: il colore esatto di ogni punto delle pareti, la posizione di ogni granello di polvere, l'angolo preciso della luce dalla finestra. Un lavoro immane e soprattutto inutile: gran parte di quei dettagli è irrilevante.

JEPA fa il contrario. Invece di ricostruire ogni dettaglio grezzo, lavora in quello che i ricercatori chiamano spazio latente (pensatelo come lo spazio delle idee essenziali, uno spazio multidimensionale dove concetti astratti rappresentano dei riferimenti in questo spazio). Non cerca di descrivere ogni pixel della stanza, ma di catturarne l'essenza: c'è una finestra a sinistra, un tavolo al centro, la luce è calda. Quindi se c’è una finestra ci sarà luce, se c’è un tavolo ci sarà ombra e via dicendo. Le informazioni sui protagonisti degli eventi, non l’insieme del tutto (comprese tutte le informazioni assolutamente inutili per lo scopo previsto).

In pratica, JEPA prende un input (i.e. un'immagine, un video, un modello virtuale) ne nasconde una porzione, e prova a predire il significato di ciò che manca a partire dal contesto. Non ricostruisce i pixel nascosti: cerca di “capire” come i pixel che non vede agiranno visto il contesto che invece può osservare. Se ci pensiamo un attimo, è la stessa cosa che fa un bambino: dopo aver visto decine di oggetti cadere, non ha bisogno di osservare ogni singola caduta per prevedere che anche il prossimo oggetto cadrà. Ha estratto il principio astratto (in questa analogia la gravità) dalla propria esperienza.

I primi risultati sono incoraggianti. VL-JEPA, la versione visione-linguaggio sviluppata al FAIR di Meta (prima della dipartita di Yann), raggiunge prestazioni comparabili a modelli molto più grandi con la metà dei parametri addestrabili e una velocità circa tre volte superiore per compiti di percezione in tempo reale. Non è solo teoria: è una differenza concreta che potrebbe rendere praticabili applicazioni oggi impensabili, dalla robotica domestica alla guida autonoma.

I World Model oggi: dalla teoria ai fatti

Se LeCun è il visionario, il biennio 2025-2026 è il momento in cui i World Model hanno iniziato a prendere forma concreta. E i protagonisti sono diversi, ciascuno con un approccio distinto.

Genie 3 - DeepMind (Google)

Nell'agosto 2025, Google DeepMind ha presentato Genie 3: il primo World Model interattivo general-purpose in tempo reale. Dato un prompt testuale, genera ambienti 3D navigabili a 24 fotogrammi al secondo, con risoluzione 720p e coerenza visiva mantenuta per diversi minuti.

Il dato più sorprendente riguarda come ci riesce: Genie 3 non usa un motore fisico programmato a mano, come farebbero i videogiochi tradizionali. Impara le leggi della fisica dall'osservazione, esattamente come un bambino impara che gli oggetti cadono senza conoscere le equazioni di Newton. Il modello ricorda ciò che ha generato in precedenza e usa quella memoria per mantenere la coerenza dell'ambiente, una capacità che i ricercatori non avevano esplicitamente programmato.

TIME lo ha inserito tra le migliori invenzioni del 2025, e da febbraio 2026 è disponibile per gli utenti Google AI Ultra negli Stati Uniti. Va detto però con chiarezza: siamo di fronte a un proof of concept avanzato, non a un prodotto finito. Genie 3 regge solo pochi minuti di interazione continua, non simula con precisione luoghi reali, e il testo negli ambienti generati è spesso illeggibile. Ma come prima dimostrazione che un'IA può generare un mondo in cui puoi entrare e camminare, segna un punto di svolta.

NVIDIA Cosmos - Il World Model per l'industria

Se Genie 3 è la dimostrazione scientifica, NVIDIA Cosmos è il tentativo di portare i World Model nel mondo reale dell'industria. Annunciata al CES di gennaio 2025, Cosmos è una piattaforma open-source di World Foundation Model progettata per l'IA fisica: veicoli autonomi, robot, sistemi industriali. Jensen Huang, CEO di NVIDIA, l'ha presentata con una frase che dice molto:

"Il momento ChatGPT per la robotica sta arrivando."

Cosmos genera video fisicamente plausibili a partire da testo, immagini e dati sensoriali, simulazioni del mondo reale che servono ad addestrare robot e veicoli autonomi. Aziende come Figure AI, Uber, Agility Robotics e XPENG la stanno già adottando. L'idea è potente nella sua semplicità: invece di far guidare un'auto per milioni di chilometri reali (costoso, pericoloso, lento), puoi simulare miliardi di scenari (i.e un incrocio affollato sotto la pioggia notturna, un bambino che rincorre una palla, un cantiere improvviso) tutti generati sinteticamente con fisica realistica.

World Labs - L'intelligenza spaziale di Fei-Fei Li

Il terzo polo di questa corsa porta la firma di Fei-Fei Li, spesso chiamata "la madrina dell'IA". Professoressa a Stanford e creatrice del dataset ImageNet che ha avviato la rivoluzione del deep learning, Li ha fondato World Labs con una visione complementare a quella di LeCun: l'intelligenza spaziale, ovvero la capacità di ragionare su come gli oggetti esistono e interagiscono in tre dimensioni. In un manifesto del novembre 2025 scrive:

"I nostri sogni di macchine veramente intelligenti non saranno completi senza l'intelligenza spaziale"

Il primo prodotto commerciale si chiama Marble: una piattaforma che trasforma prompt testuali, foto o video in mondi 3D esplorabili e scaricabili. Include anche Chisel, un editor sperimentale che separa struttura e stile (i.e costruisci un layout grezzo con muri e blocchi, poi lasci all'IA il compito di riempirlo di dettagli visivi). Con un miliardo di dollari raccolto nel febbraio 2026, World Labs scommette che l'IA del futuro dovrà non solo parlare del mondo, ma vederlo, costruirlo e abitarlo.

La corsa ai World Model: i numeri

Per dare un'idea della portata di questa transizione, basta un'istantanea del primo trimestre 2026: AMI Labs ha raccolto 1,03 miliardi di dollari (il più grande seed round della storia europea) con una valutazione di 3,5 miliardi; World Labs ha chiuso un round da 1 miliardo; NVIDIA Cosmos è adottata da oltre una dozzina di leader in robotica e guida autonoma; Genie 3 è passata dalla ricerca al pubblico. A questi si sommano altre realtà emergenti come SpAItial in Europa.

Non progetti accademici, ma alcuni dei più grandi investimenti nella storia dell'IA, tutti convergenti sulla stessa intuizione: le parole non bastano. Un dato che forse vale più di ogni cifra: secondo l'AAAI (Association for the Advancement of Artificial Intelligence), il 76% dei ricercatori di intelligenza artificiale concorda sul fatto che scalare gli LLM non porterà all'intelligenza generale.

Perché i World Model potrebbero cambiare tutto

Ma perché dovremmo credere che i World Model siano più di un'altra buzzword? La risposta sta nei limiti strutturali degli LLM, limiti che non sono bug da correggere, ma conseguenze del loro stesso design.

Il primo è il problema delle allucinazioni. Gli LLM inventano informazioni false con assoluta sicurezza non perché siano difettosi, ma perché generano sempre la risposta statisticamente più probabile, non necessariamente quella vera. Per scrivere un'email va benissimo. Per diagnosticare una malattia o guidare un'auto, può essere fatale.

Il secondo è il problema della comprensione fisica. Un LLM può descrivere perfettamente come funziona un motore, ma non ha la minima idea di cosa significhi "caldo" o "pesante". Questo lo rende inadatto per qualsiasi applicazione che richieda interazione con la realtà.

Il terzo è il problema della pianificazione. Gli LLM generano una parola alla volta, senza un piano complessivo quindi "parlano senza pensare", come dice LeCun. Ogni parola porta un rischio di errore che si accumula. I World Model, al contrario, possono simulare diversi scenari futuri e scegliere l'azione migliore prima di agire, come un giocatore di scacchi che pensa diverse mosse in anticipo. Per mettere un punto, i World Model non si propongono come LLM migliorati: sono un paradigma diverso, fondato sulla comprensione del mondo fisico anziché sulla manipolazione del linguaggio.

La via non è segnata

Sarebbe disonesto, tuttavia, presentarli come una soluzione garantita. Addestrare un modello sulla complessità del mondo fisico, dove ogni secondo di video contiene più informazione di interi libri, richiede risorse computazionali di un ordine di grandezza superiore rispetto agli LLM. I dati spaziali e fisici annotati sono scarsi: internet è piena di testo, molto meno di video 3D con informazioni fisiche precise. E i tempi sono lunghi: come ha ammesso il CEO di AMI Labs, "Non è la tipica startup che rilascia un prodotto in tre mesi. Potrebbero volerci anni." Ma è proprio in questa ambizione a lungo termine che risiede forse la loro forza. I World Model non promettono scorciatoie: promettono di costruire qualcosa di fondamentalmente diverso

Tornando a casa

Stasera tornerò a casa e troverò mio figlio alle prese con la sua ultima scoperta. Forse avrà capito come aprire quel cassetto che fino a ieri gli resisteva. Forse avrà imparato che se tira la tovaglia, tutto quello che c'è sopra gli crolla addosso (con grande terrore della mamma e fuga precipitosa dei gatti). Forse sarà semplicemente lì, seduto sul pavimento, a far cadere un cucchiaio per la trecentesima volta, con lo sguardo concentrato di chi sta decifrando le leggi dell'universo. Lo guarderò pensando che, da qualche parte a Parigi, un premio Turing sta investendo un miliardo di dollari per insegnare a una macchina esattamente quello che lui fa ogni giorno: capire il mondo non attraverso le parole, ma attraverso l'esperienza.

Mio figlio non sa parlare. Ma sa già che le cose cadono, che i muri sono duri, che i gatti fuggono se allunghi le mani, e che l’abbraccio di mamma e papà non può essere descritto ma vissuto. Ha dieci mesi e possiede già quello che nessun Large Language Model possiede: un modello del mondo.

Le parole, per ora, possono aspettare.

Glossario essenziale

• LLM (Large Language Model): Modello di IA addestrato a prevedere la prossima parola in una sequenza. Alla base di ChatGPT, Claude, Gemini.
• World Model: Sistema di IA che costruisce una rappresentazione interna del mondo fisico, capace di prevedere come l'ambiente evolverà in risposta ad azioni.
• JEPA (Joint Embedding Predictive Architecture): Architettura proposta da LeCun che predice nello spazio delle rappresentazioni astratte anziché nello spazio degli input grezzi.
• Spazio latente: Spazio matematico di rappresentazioni complesse e astratte, dove l'informazione essenziale è separata dal "rumore" irrilevante.
• IA fisica (Physical AI): Sistemi di IA progettati per interagire con il mondo fisico reale, come robot, veicoli autonomi e dispositivi medici.
• AGI (Artificial General Intelligence): L'obiettivo di creare un'intelligenza artificiale con capacità cognitive generali paragonabili a quelle umane.

Fonti principali

• LeCun, Y. (2022). "A Path Towards Autonomous Machine Intelligence" — Position paper.
• TechCrunch (marzo 2026). "Yann LeCun's AMI Labs raises $1.03B to build world models."
• MIT Technology Review (gennaio 2026). "Yann LeCun's new venture is a contrarian bet against large language models."
• Google DeepMind (agosto 2025). "Genie 3: A new frontier for world models."
• NVIDIA (gennaio 2025 - marzo 2026). Cosmos World Foundation Model Platform.
• Li, F.-F. (novembre 2025). "From Words to Worlds: Spatial Intelligence is AI's Next Frontier."
• TechCrunch (novembre 2025). "Fei-Fei Li's World Labs speeds up the world model race with Marble."

Immagini

• Prompt & Script with Gemini 3.1
• Image Generation with GPT Image

di Redazione Lesdit

Il viaggio del sapere e della conoscenza, ecco perché scegliere la ricerca: ogni inizio porta con sé una storia, un intreccio di esperienze, passioni e ambizioni. Il 40° ciclo del dottorato LESDIT (Learning Sciences and Digital Technologies) accoglie quest’anno 37 nuovi dottorandi, ognuno con un percorso unico che converge in un obiettivo comune: esplorare e dare un contributo al mondo dell’apprendimento attraverso la ricerca e le tecnologie, sia nelle scienze dure che in quelle umanistiche o se preferite, sociali. LESDIT non è solo un percorso accademico, ma un laboratorio multidisciplinare all’interno del quale settori diversi, dall’ingegneria alla pedagogia, dall'informatica alla psicologia, dalla matematica alla filosofia e alla musica si incontrano e si “contaminano” per provare a dare risposte innovative alle sfide educative del presente e dell'immediato futuro.

Tra passioni e motivazioni: le strade verso LESDIT

Per molti, come Nicole Bellanca, l’inizio del dottorato rappresenta una chiamata personale. Psicologa con un master in Criminologia Clinica, Nicole si dedica al tema della violenza contro le donne, con l’obiettivo di sviluppare strumenti digitali che possano migliorare la prevenzione e il supporto per le vittime. “Voglio unire la tecnologia alla psicologia per creare risorse accessibili che possano fare la differenza,” racconta. La sua ricerca evidenzia come le scienze dell’apprendimento possano rispondere a temi sociali urgenti: il femminicidio resta un orrore del nostro tempo, difficile da combattere se non attraverso un cambio di cultura, un percorso per l’educazione al rispetto della diversità e all’affettività e all’eliminazione della parola “possesso.” Sara Tondo, magistrale in scienze pedagogiche vorrebbe utlizzare Gamification per ridurre il Gender Gap nelle materie Stem. Allo stesso modo, Camilla, con una formazione nelle neuroscienze educative e nell’insegnamento primario, punta a creare metodologie innovative che migliorino l’esperienza di apprendimento dei bambini, soprattutto nei contesti più sfidanti. Per lei, il dottorato è un’opportunità per trasformare la pratica in teoria, e viceversa.

Trasversalità: la forza del dottorato LESDIT

Il valore di LESDIT sta nella sua capacità di attrarre profili diversi, unendo saperi e approcci complementari. Irina, che tra le tante esperienze internazionali è stata anche giornalista sportiva, esplora come le tecnologie digitali possano migliorare la connessione tra atleti, tifosi e organizzazioni sportive. Federico, invece, porta nel dottorato i suoi vent’anni di lavoro nella comunicazione multimediale, con il desiderio di creare modelli educativi che promuovano l’inclusione sociale. Dal mondo della tecnologia arriva Sweta, che con un background in biotecnologia e data science sta sviluppando modelli predittivi basati sull’IA con l’obiettivo e il sogno di ridurre i tassi di abbandono scolastico. Analogamente, Jana Shiuli sta lavorando a dashboard di apprendimento che utilizzano l’intelligenza artificiale per identificare precocemente i segnali di disimpegno degli studenti, e poter supportare forme di apprendimento più personalizzato.

Arte, musica e tecnologia: incontri sorprendenti

LESDIT è anche un luogo dove arte e scienza si incontrano e si intrecciano. Gianluca, musicologo e pianista, sta progettando strumenti digitali che rendano l’educazione musicale più inclusiva. La sua ricerca unisce tradizione e innovazione, dimostrando come anche le discipline artistiche possano beneficiare dell’era digitale, non solo come stimolo ma anche come forma di creatività. Simone, percussionista e insegnante, lavora invece alla catalogazione dei timbri degli strumenti a percussione, creando risorse che possano supportare sia l’insegnamento che la composizione musicale.

Inclusione, innovazione e accessibilità al centro della ricerca

Molti progetti dei dottorandi puntano a rendere l’educazione più inclusiva, e più alla portata di tutti perché possa essere al servizio di ogni forma di diversità, perché insomma, superi le differenze e riduca le distanze. Naima utilizza la modellazione 3D per creare esperienze museali accessibili ai non vedenti, mentre Antonino vorrebbe sviluppare un serious game per combattere l’isolamento digitale e favorire la socializzazione. Carmen, con il suo progetto sull’alfabetizzazione digitale, mira a fornire agli insegnanti strumenti concreti per integrare l’IA nei loro metodi didattici. Martina sogna la carriera accademica ed è convinta che l'intelligenza artificiale può rivoluzionare i processi di apprendimento e valutazione rendendoli più personalizzati ed efficienti, innovando il sistema educativo. Giulia docente di sostegno per due anni e mezzo si è appassionata alla media education e alle tecnologie educative.

Lesdit, un dottorato oltre i confini

Tra i nuovi dottorandi ci sono anche numerosi studenti che portano l’esperienza e la cultura di altri paesi, come Mihir Jana, imprenditore ed-tech dall’India, che intende sviluppare soluzioni scalabili e convenienti per il mercato educativo globale. Aysenur Didem Yilmaz, psicologa sociale, applica le teorie comportamentali e l’analisi dei dati per esplorare nuove modalità di apprendimento nei contesti multiculturali. Al centro di ogni progetto c’è la volontà di cambiare il modo in cui apprendiamo e insegniamo. Douglas Amante, ingegnere informatico Brasiliano ha girato il mondo, al Portogallo a Singapore prima di approdare a Lesdit. Mattia, appassionato di videogiochi, sta progettando esperienze educative personalizzate basate sul reinforcement learning, mentre Laura, con un approccio montessoriano, esplora l’uso dell’IA per migliorare le competenze linguistiche nei bambini. Entrambi dimostrano come l’educazione digitale possa essere adattata alle esigenze specifiche di chi apprende.

Una comunità in crescita con Unimore capofila

Con 37 nuovi dottorandi, il dottorato in Learning Sciences and Digital Technologies, con l’Università di Modena e Reggio Emilia come Capofila, un gigante come Pier Cesare Rivoltella come coordinatore scientifico e Tommaso Minerva, coordinatore amministrativo, si conferma un punto di riferimento per chi desidera esplorare l’intersezione tra educazione e tecnologia, tra scienze dure e scienze umanistiche. Le storie dei neodottorandi, così come quelle dei ricercatori del 39° e del 38° ciclo, chiamati all’esame di passaggio dell’anno, ci ricordano che l’apprendimento permanente non è solo una scelta, ma una necessità per affrontare le sfide di un mondo sempre più complesso e in continua evoluzione, con le sue accelerazioni. Il dottorato LESDIT non è solo un percorso accademico, ma una comunità di pensatori e innovatori. Ogni dottorando porta una visione unica, ma tutti condividono un obiettivo comune: trasformare l’educazione attraverso la ricerca, rendendola più inclusiva, personalizzata e accessibile e al passo con i tempi che abitiamo. Questo nuovo ciclo rappresenta un esempio concreto di come la multidisciplinarità e la collaborazione possano generare soluzioni che abbiano un impatto duraturo a livello globale.

Ecco i dottorandi del 40° ciclo che ci hanno raccontato storie e ambizioni:

Douglas Amante, Nicole Bellanca, Irina Belova, Gianluca Blasio, Martina Bruno, Simone Caparrucci, Giulia Cuozzo, Camilla De Stefani, Giacomo Di Noto, Francesco Gracci, Martina Gremignai, Maria Vittoria Lami, Elena Mantoet, Federico Maiocco, Jacopo Masiero, Jana Mihir, Debora Montano, Carmen Pisanti, Mattia Polticchia, Laura Rossi, Sweta Roy, Lisa Ruffini, Naima Scognamiglio, Jana Shiuli, Antonino Tarantino, Sara Tondo, Michela Trombetta, Aysenur Didem Yilmaz

di Alice Pierluigi

“Un mercoledì qualsiasi la professoressa entra in classe con uno sguardo nevrotico; nel senso che, per quanto l’avevamo fatta innervosire, aveva un tic visibile all’occhio destro. Cala un silenzio tombale per un paio di minuti. La professoressa, in piedi, si appoggia leggermente davanti alla cattedra. Tra le mani tiene le verifiche corrette, con segni rossi di sentenze ineluttabili. Si sente il dito che scorre sul bordo del foglio e, solo dopo, si alza la sua voce: «I gironi dell’Inferno di Dante sono Lussuria, Golosità, Avidità, Ira, Limbo, Usurai, Pagani. Questo è il tuo compito, Luca. Complimenti! Hai preso 1. Uno e non zero, perché mi hai fatto pena. Non ne hai presa neanche mezza, nemmeno per sbaglio. E ho letto la tua risposta alla domanda più facile volontariamente: le altre ve le risparmio proprio... Uno strazio. Uno strazio! Ovviamente i voti sono stati disposti in ordine crescente: dal più basso al più alto. Vi dico solo che il più alto è un 5, vedete voi...»

Uno dopo l’altro, subiamo lo stesso destino. Una pubblica umiliazione fatta di elenchi di errori, mancanze e sviste imperdonabili. Ogni commento è un colpo. Noi, le vittime di un’esecuzione, la cui prima offesa è stata perpetrata dallo stesso esecutore che ha scelto e imposto un compito. Le verifiche restano comunque le uniche testimoni mute di un processo.”

Questa è solo una parte delle numerose testimonianze raccolte in Le ferite: Storie di resilienza scolastica. Il libro racchiude, infatti, una selezione di “ferite”, ovvero esperienze scolastiche che hanno segnato profondamente la vita degli studenti che le hanno vissute. La raccolta mette in luce dinamiche più o meno nascoste, ma significative nell'insegnamento: dalle preferenze e avversioni degli insegnanti all'indifferenza di fronte al bullismo tra pari, passando per la manifestazione di atteggiamenti stigmatizzanti verso la diversità.

Il potere

Al centro di queste esperienze si colloca, spesso, il tema del potere nelle relazioni scolastiche. Tali relazioni si caratterizzano per la loro natura eterogenea: alcune sono simmetriche, come quelle tra pari, mentre altre si configurano in modo asimmetrico, come il rapporto tra insegnanti e studenti. Il docente detiene un potere decisionale significativo: può definire l'impostazione delle lezioni e stabilire i criteri di valutazione dell’apprendimento. Questo potere, tuttavia, dovrebbe essere accompagnato da un alto grado di responsabilità verso ciascun discente. Emerge, dunque, l’importanza del ruolo dell’insegnante, la cui influenza pervade e modella in modo decisivo l’intera esperienza educativa dello studente. Nonostante ciò, in alcuni contesti, il docente appare come una figura che non guida positivamente l’apprendimento e la crescita, ma che, al contrario, suscita paura, ansia e persino varie reazioni somatiche negli studenti, trasformando, conseguentemente, l’esperienza educativa in una fonte di tensione.

La Valutazione

Tra le espressioni più evidenti di questo potere, vi sono i processi di valutazione dell’apprendimento. Il voto rappresenta uno strumento particolarmente significativo e, al contempo, controverso: esso consente al docente di esercitare un controllo tangibile sul percorso degli studenti, assumendo, a tratti, il ruolo di un arbitro quasi divino, che tuttavia non è immune da influenze soggettive.

La valutazione si conferma, dunque, uno degli aspetti più delicati del processo educativo, per via del suo impatto sullo studente. Con lo sviluppo di approcci pedagogici innovativi, come la didattica centrata sullo studente, la pedagogia non direttiva e le metodologie di apprendimento collaborativo ed esperienziale, anche i processi di valutazione hanno subito una trasformazione considerevole.

Sono emerse modalità più diversificate, tra cui la valutazione continua e l’autovalutazione, che mirano a rendere l’intero percorso formativo più inclusivo e partecipativo.

Le Emozioni

Questa trasformazione non riguarda solo i metodi, ma anche l’esperienza emotiva che la valutazione porta con sé. Le reazioni emotive degli studenti, dei docenti e persino dei genitori di fronte ai risultati scolastici sono quanto mai eterogenee.

La sensibilità delle persone varia in modo notevole. Mentre un lettore, leggendo questo testo, potrebbe sentirsi colpito e ferito tanto quanto chi ha vissuto l'episodio narrato, un altro potrebbe invece restare perplesso e chiedersi cosa ci sia di problematico; un altro ancora potrebbe attribuire la responsabilità direttamente agli studenti: se la media è di 5-, evidentemente la loro preparazione non era adeguata.

Le emozioni, sensazioni, percezioni e reazioni a una medesima situazione possono essere infinite, a testimonianza della complessità e della varietà dell’esperienza umana. Ma, nel 2025, sorge spontanea anche una nuova domanda: che cosa ne direbbe l’intelligenza artificiale?

L'intervista a... Chat Gp

Abbiamo sottoposto a ChatGPT lo stesso testo qui presentato e lo abbiamo interrogato su tre questioni nodali. Di seguito, le domande e le risposte, che riportiamo integralmente, senza correzioni o variazioni di alcuna natura.

Domanda 1: Il processo di valutazione adottato del docente è stato giusto o ci sarebbe un metodo di valutazione alternativo migliore per questo caso?

ChatGpt: "Il metodo di valutazione adottato dalla docente, descritto nel testo, appare severo e improntato a una logica di pubblica umiliazione, con lo scopo di evidenziare gli errori degli studenti in modo critico e poco costruttivo. Questo approccio può avere un impatto negativo sul morale e sull'autostima degli studenti, rischiando di demotivarli ulteriormente invece di incoraggiarli a migliorare.Un metodo di valutazione alternativo potrebbe essere più efficace, centrato su principi di feedback costruttivo e personalizzato. Ad esempio:

1. Feedback individuale e privato: Comunicare i voti e le correzioni privatamente a ogni studente, spiegando gli errori e fornendo suggerimenti concreti su come migliorare.
2. Sottolineare i progressi e i punti di forza: Anche nei compiti con esiti negativi, è utile evidenziare eventuali aspetti positivi per mantenere un atteggiamento motivante.
3. Supporto alla preparazione: Piuttosto che limitarsi a giudicare gli errori, il docente potrebbe offrire esercitazioni mirate sui temi in cui la classe ha dimostrato maggiori difficoltà, evidenziando lacune collettive come opportunità di apprendimento.
4. Valutazione basata su criteri chiari: Condividere in anticipo una griglia di valutazione può rendere il processo più trasparente e favorire una riflessione da parte degli studenti su come migliorare. In questo caso, un approccio alternativo avrebbe potuto mitigare l'aspetto punitivo e trasformare l’esperienza in un’occasione di crescita, promuovendo un rapporto più positivo tra docente e studenti.

Domanda 2. Che dinamica di potere riscontri in questo episodio?

ChatGpt: In questo episodio si osserva una dinamica di potere asimmetrica, in cui l'autorità dell'insegnante è esercitata in modo punitivo e umiliante nei confronti degli studenti. La professoressa utilizza la sua posizione di potere per sottolineare la loro inadeguatezza, non solo valutandoli negativamente ma anche mettendo in atto una sorta di "pubblica umiliazione". Questo tipo di dinamica si basa su:

1. Autorità istituzionale: L'insegnante rappresenta l'autorità scolastica e usa questa posizione per controllare e disciplinare gli studenti, rendendoli destinatari di giudizi severi e inappellabili.
2. Umiliazione pubblica come strumento di controllo: Il fatto che i voti siano annunciati in ordine crescente, con commenti sprezzanti e giudizi personali, evidenzia un uso della vergogna per imporre disciplina o per stimolare un cambiamento comportamentale. Tuttavia, ciò sembra più distruttivo che educativo.
3. Dinamica vittima-esecutore: Gli studenti sono descritti come vittime passive di un sistema in cui non hanno voce né potere decisionale. La scelta stessa del compito, vista come ingiusta o inadeguata, è un ulteriore segno della mancanza di considerazione per la loro prospettiva.
4. Assenza di dialogo: Non c’è spazio per una riflessione costruttiva o un confronto; il giudizio è definitivo e unilaterale. Questa situazione riflette un modello di potere autoritario, in cui l'autorità è usata per dominare e mortificare, piuttosto che per educare e sostenere.

Domanda 3: Quali sono le emozioni provate dagli studenti in questa situazione?

Chat Gpt: Le emozioni provate dagli studenti in questa situazione possono essere descritte come un mix di:

1. Ansia: Il silenzio tombale e l'attesa del verdetto generano tensione e inquietudine.
2. Vergogna: La pubblica umiliazione e l'elenco degli errori accentuano un senso di imbarazzo, soprattutto per chi è chiamato in causa, come Luca.
3. Frustrazione: La severità della professoressa e la percezione di un trattamento ingiusto o sproporzionato possono alimentare sentimenti di ingiustizia.
4. Senso di inadeguatezza: Il commento sulla mediocrità generale dei voti e le critiche mirate potrebbero far sentire gli studenti incapaci o non all'altezza.
5. Rabbia: Alcuni studenti potrebbero provare risentimento verso la professoressa per il tono sarcastico e per l’imposizione del compito difficile.
6. Rassegnazione: Di fronte a un’esperienza vissuta come inevitabile e opprimente, gli studenti possono sentirsi impotenti.
7. Umiliazione: Essere messi a confronto pubblicamente e sottoposti a critiche dettagliate genera un senso di mortificazione.

Queste emozioni si intrecciano in un clima di pesantezza emotiva e sfiducia, sia nei confronti di sé stessi che del contesto educativo.

Considerazioni finali

Seppur lo scopo di ChatGPT non sia quello di fornire un feedback psicologico, pedagogico o didattico scientificamente o professionalmente valido, le chiavi di lettura proposte aprono orizzonti di riflessione inaspettati. Esse offrono spunti indubbiamente interessanti: colgono l'approccio punitivo di questo processo di valutazione, l'asimmetria nella relazione e la negatività delle emozioni e sensazioni vissute in quel contesto. Queste osservazioni ci invitano a riflettere su dinamiche che, pur essendo sotto i nostri occhi, restano spesso invisibili nella routine quotidiana. Tuttavia, le interpretazioni fornite da ChatGPT non sono prive di limiti: la loro natura generale e, in alcuni casi, deterministica rischia di semplificare una realtà che, invece, è estremamente sfaccettata e non esente a contraddizioni. Dunque, senza cadere nella trappola di considerare questi commenti esaustivi o definitivi, la sfida che ci (e vi) poniamo è quella di comprendere come questo feedback possa stimolare intuizioni più profonde.

E voi come integrereste queste riflessioni?

Arecchi A., Montanaro M., Pierluigi A., Turconi G., Vaccari C., 2024, Le ferite: Storie di resilienza scolastica, Giaconi Editore.

Alice Pierluigi, co-founder de Il Peso dello Zaino e insegnante di lingue, è PHD student in Learning Sciences and Digital Technologies, 40° ciclo.

di Pina Debbi

Con Sovrumano, Nello Cristianini, professore di intelligenza artificiale all’Università di Bath, chiude la trilogia dedicata alla rivoluzione dell’AI. Un lavoro iniziato con La scorciatoia, indispensabile per comprendere come si è arrivati agli LLM e come funzionano apprendimento automatico e analisi del linguaggio, e proseguito con Machina Sapiens, che ci ha svelato come operano le macchine intelligenti come ChatGPT, capaci di svolgere compiti che sono andati molto oltre le intenzioni iniziali dei loro creatori.

Se il punto di partenza di queste due opere era lo stesso di Turing, ovvero "le macchine possono pensare?", con Sovrumano il professore si spinge oltre: tenta di fermare, almeno per il tempo della lettura, la velocità impressionante con la quale l’intelligenza artificiale generativa sta evolvendo e ne analizza i passaggi. Le domande della ricerca di Cristianini sono cambiate: dall’intelligenza ci si sposta alla possibilità di eguagliare l’umano, se non addirittura superarlo.

Macchine e umani: non una competizione, ma una coesistenza

Sovrumano, però, al di là del titolo e dell’apparenza, non pone l’uomo in opposizione alla macchina. Non è il risultato di una competizione per la supremazia dell’uno sull’altro, ma un’esplorazione delle potenzialità e dei limiti sia degli esseri umani che delle macchine, che, grazie all’apprendimento automatico, diventano sempre più autonome.

Cristianini evita gli scenari distopici da film di fantascienza, concentrandosi invece su un altro grande tema: comprendere noi stessi attraverso il confronto con l’AI. Il grande pregio del testo sta proprio nel tentativo di offrire al lettore una migliore comprensione del rapporto tra “noi” e “loro”, preparandoci a un futuro in cui coopereremo con le macchine invece di temerle.

La questione della superiorità dell’IA

La possibilità concreta che le macchine diventino più “intelligenti” è all’orizzonte, anche se bisogna ricordare che il termine intelligenza non trova una definizione univoca tra i diversi settori disciplinari. Lo stesso Geoffrey Hinton, uno dei padri delle reti neurali, ha recentemente affermato che la nostra è l’ultima generazione a chiedersi se le macchine ci supereranno. Non a caso, ha espresso preoccupazione per un utilizzo sconsiderato dell’intelligenza artificiale, al punto da lasciare Google per dedicarsi interamente allo studio dei rischi legati a questi sviluppi.

Le macchine, ci ricorda Cristianini, ci hanno già superato in settori specifici, come la diagnostica medica (con la lettura delle mammografie) e il calcolo della struttura delle proteine. Ma questo significa che l’IA è destinata a un dominio completo?

Come classificare l'IA

Cristianini distingue le tre categorie principali di intelligenza artificiale, fondamentali per comprendere a che punto siamo nel confronto tra uomo e macchina, la prima è già tra noi da tempo ed è l'Intelligenza Artificiale Ristretta (ANI), specializzata in compiti specifici. Non ha capacità generaliste e non può apprendere da sola fuori dal proprio dominio, come AlphaGo, i software di riconoscimento facciale, i modelli di traduzione automatica. La seconda è l' Intelligenza Artificiale Generale (AGI) capace di apprendere e adattarsi a qualsiasi compito cognitivo umano per sviluppare macchine che possano risolvere problemi nuovi senza essere state programmate esplicitamente per farlo, ancora non esiste, ma è il grande traguardo dei ricercatori. L'ultima possibilità è l' Intelligenza Artificiale Sovrumana (ASI), un’ipotesi futuristica di un’IA che supererebbe l’intelligenza umana in tutti gli ambiti, inclusa la creatività, la risoluzione dei problemi e persino l’innovazione scientifica. Se realizzata, potrebbe accelerare la scoperta scientifica, risolvere problemi complessi, ma anche sfuggire al nostro controllo.

L’uomo e la riluttanza a riconoscere la superiorità delle macchine

C’è qualcosa di profondamente umano nel cercare una zona di conforto, un confine rassicurante che ci separi dalle macchine. Ogni volta che la tecnologia ha fatto un salto in avanti, ci siamo aggrappati a un’idea di unicità, a una sorta di ultima roccaforte che le macchine non potranno mai violare. Abbiamo costruito, nel tempo, un insieme di abilità esclusive, qualità che riteniamo irriproducibili, come la creatività, l’intuizione, l’adattabilità. Ma queste convinzioni si sono incrinate più volte.

Pensiamo al caso di AlphaGo, il software sviluppato da DeepMind che nel 2016 sconfisse il campione del mondo Lee Sedol nel gioco del Go, un gioco antico, basato sulla strategia, sulla capacità di leggere il proprio avversario, sulla sensibilità per l’equilibrio della partita. Per decenni si era creduto che il Go fosse troppo complesso per una macchina, che fosse un gioco dominato da un’intelligenza quasi poetica, inaccessibile alla logica dei computer. Eppure, AlphaGo giocò una partita che lasciò sgomenti non solo i tecnici, ma gli stessi campioni umani. Fece mosse inaspettate, creative, quasi controintuitive, ma che alla fine si rivelarono geniali.

Lee Sedol, il miglior giocatore della storia, abbandonò le competizioni poco dopo quella sconfitta. Non perché il gioco avesse perso fascino, ma perché era diventato, suo malgrado, l'uomo che aveva segnato un punto di non ritorno: se una macchina può giocare meglio di me, qual è il senso di competere?

La stessa dinamica si ripete ogni volta che l’intelligenza artificiale infrange un nuovo limite. Ci siamo detti che le macchine non avrebbero mai superato gli esseri umani nella visione medica, e poi abbiamo visto i sistemi di IA diagnosticare con maggiore accuratezza le mammografie e prevedere la forma delle proteine, scoprendo modelli nascosti che la mente umana non era stata in grado di cogliere. Ci siamo detti che l’intelligenza artificiale non avrebbe mai potuto comprendere il linguaggio, e poi abbiamo visto i modelli generativi scrivere, tradurre, argomentare, a volte con una tale fluidità da confondersi con un essere umano.

E ogni volta che una macchina supera una nuova soglia, invece di accettare il suo avanzamento, noi spostiamo l’asticella. Se vince nel Go, diciamo che non capisce il significato del gioco. Se scrive, diciamo che non prova emozioni. Se diagnostica un tumore meglio di un medico, diciamo che non ha intuito clinico.

Cristianini osserva questa riluttanza con sguardo lucido: non si tratta solo di paura del cambiamento, ma di una resistenza profonda, radicata nel modo in cui abbiamo sempre concepito l’intelligenza. Per secoli, abbiamo pensato a noi stessi come l’unica specie capace di ragionare, creare, immaginare il futuro. L’idea che un insieme di algoritmi possa fare lo stesso – o forse meglio – ci destabilizza.

Un atteggiamento che si ripete nel tempo

Ma questa reazione non è nuova. Quando la calcolatrice divenne di uso comune, ci furono accese discussioni su come avrebbe compromesso la capacità degli studenti di fare calcoli a mente. Quando i primi computer iniziarono a scrivere articoli finanziari, si disse che non avrebbero mai colto la complessità del linguaggio umano. Ogni innovazione tecnologica porta con sé un confine da ridefinire, e spesso lo facciamo con riluttanza, cercando di proteggere quell’idea di eccezionalità che ci distingue dalle macchine.

Eppure, accettare questa superiorità non significa necessariamente perderci, ma implica una ridefinizione del nostro ruolo. Se oggi una macchina può scoprire una nuova proteina, significa che possiamo curare più malattie. Se può catalogare dati medici meglio di un essere umano, significa che possiamo accelerare la ricerca. Cristianini chiude il libro con una riflessione fondamentale: come possiamo condividere il mondo con macchine più intelligenti di noi? Se l’ASI dovesse diventare realtà, non sarebbe solo un cambio di paradigma tecnologico, ma un vero e proprio evento epocale nella storia umana, e anche se le macchine dovessero diventare superiori sul piano cognitivo, non avranno mai coscienza, emozioni, libero arbitrio. Noi umani dobbiamo imparare ad abbracciare la possibiltà di essere "inferiori" superando un ostacolo più grande della tecnologia stessa, il nostro profondo orgoglio di specie.

di Martina Giorgi

A leggere il suo curriculum, Pier Cesare Rivoltella è il gigante italiano nel campo della Didattica delle Tecnologie dell’educazione e dell’Educazione Mediale e più in generale della ricerca: vanta oltre 500 pubblicazioni su riviste internazionali.  Le sue giornate, se diamo  un rapido sguardo alle sue attività,  sembrano durare ben oltre le canoniche 24 ore: Professore ordinario di Didattica e Tecnologie dell'educazione presso le Università di Bologna e del S. Cuore, ha fondato e dirige il CREMIT (Centro di Ricerca sull’Educazione ai Media, all’Innovazione e alla Tecnologia). È l’ attuale presidente della SIREM (Società Italiana di Ricerca sull'Educazione Mediale), dirige la rivista “REM – Research on Education and Media” e la rivista “EAS - Essere a Scuola”, è condirettore di “Scholè, editrice di pubblicazioni sui temi dell’ educazione e degli studi culturali”. Fa parte del comitato scientifico di diverse riviste specializzate, in Italia e all'estero. È membro della Commissione Scuola dell’Accademia dei Lincei, tiene corsi in diverse università italiane e straniere, e per concludere la presentazione è il coordinatore del Dottorato Nazionale LESDIT - Learning Sciences and Digital Technologies, e probabilmente ci è sfuggito qualcosa. Le sue lezioni sono inoltre super frequentate ed ha un altissimo indice di gradimento da parte di studenti e dottorandi che riesce a stimolare con proposte di lettura e una chiarezza inusuale.

IL Dottorarto Lesdit 

- M.G.: Perché ad un certo punto si è sentito il bisogno di creare un corso di Dottorato a livello nazionale in Learning Sciences and Digital Technologies?

- P.C.R.: L’idea originaria è stata di Pierpaolo Limone, al tempo Rettore dell’Università di Foggia, che aveva intravisto nel PNRR la possibilità di avviare un progetto ambito: offrire uno spazio di formazione specifico a giovani studiosi che intendano sviluppare competenze di ricerca nell’ambito delle tecnologie digitali. Si tratta di un ambito trasversale a diverse scienze (didattica, psicologia, sociologia, filosofia, informatica, solo per citarne qualcuna) che in un Dottorato di interesse nazionale si era e si è convinti possa trovare un luogo di riflessione scientifica e progettualità operativa.

- M.G.: Che significato ha la trasversalità e come se la immagina? Perché è importante creare questo tipo di rete tra le università del Paese? 

- P.C.R.: Nella complessità,  i punti di vista disciplinari a sé stanti non sono sufficienti per comprenderne il significato. Servono scienze di sintesi e/o una forte cooperazione fra tradizioni di ricerca differenti. Questo significa ibridare metodologie e approcci, incoraggiare il confronto e la ricerca in comune, praticare il prestito cognitivo da un dominio di sapere all’altro. Di qui l’idea che il Dottorato offra ai docenti del Collegio uno spazio di lavoro in comune fino a trasformarlo in una comunità di pratica professionale. Ci stiamo provando: il kick off meeting di Bologna ha avuto proprio questa finalità, come l’avrà la Summer School del prossimo mese di settembre ai Lidi ferraresi. 

- M.G.: In un contesto internazionale come si colloca il programma di dottorato in LESDIT e qual è la sfida più importante che vuole affrontare?

- P.C.R.: La vocazione internazionale fa parte del LESDIT. Prende corpo in una forte sporgenza dell’attività formativa e di ricerca verso le università e i centri di ricerca stranieri e anche nell’intenzione di attrarre studenti da altri Paesi. 

Riguardo la sfida, io credo che sia una molto ambiziosa: fornire agli studi sulle tecnologie digitali per l’apprendimento una base scientifica multidisciplinare per formare una nuova generazione di studiosi aperti, flessibili, cognitivamente agili, abituati alla collaborazione.

Il futuro dei dottorandi Lesdit 

- M.G.: Come si immagina fra 10 anni i dottorandi che intraprendono questo percorso e quali figure professionali formerà Lesdit?

- P.C.R.: Uno degli obiettivi di questo Dottorato è di promuovere una cultura della formazione dottorale che non pensi necessariamente solo all’Accademia come uscita professionale. Il dottorato è il terzo livello dell’istruzione superiore e deve essere pensato come un’opportunità di occupabilità in più anche nella direzione dell’azienda e delle altre organizzazioni complesse. La partnership con realtà industriali fa parte di questa intenzionalità che andrà sviluppata ulteriormente. Certo la formazione per l’Università continua a rimanere un’uscita professionale possibile. In questo caso lo stile che stiamo curando di far assumere ai dottorandi è fortemente collaborativo e tale da unire serietà metodologica e cultura del lavoro con un forte spirito di comunità e il piacere della socialità. Va promossa una nuova cultura dell’Università, meno interessata ai piccoli giochi di potere e alla coltivazione del Sé e più improntata a franchezza, trasparenza, sincerità nei rapporti e nel lavoro scientifico. Come Bourdieu spiegava benissimo in quel grande libro che è Il mestiere di scienziato c’è tutta una serie di competenze fini che devono appartenere allo studioso che prescindono dalle sue conoscenze nella sua disciplina: sono competenze che riguardano lo standing, il saper stare, e che coinvolgono la sfera umana. Insomma: donne e uomini, prima che ricercatrici e ricercatori. 

- M.G.: Qual è la caratteristica che più l’ha colpita in positivo del 39° ciclo e  qual è stato il primo impatto sui dottorandi?

- P.C.R.: L’impatto è molto buono. Si tratta di un gruppo dotato di grandi individualità e ricco nella sua composizione: la compresenza di profili di provenienza da scienze hard e soft e di età diverse (dai giovani ai profili più adulti) conferisce al dibattito e al confronto interno un grande interesse ed è di grande stimolo per il docente che si confronta con loro.

- M.G.: Cosa consiglia ai  dottorandi che hanno appena iniziato quest’ avventura?

- P.C.R.: Rispondo con un motto cui Paulo Freire, il grande educatore brasiliano, era particolarmente affezionato: “Sem esta inquietude que me move, nem ensino nem aprendo”. Non serve la traduzione. L’inquietudine di cui parla Freire è la curiosità intellettuale, il non sentirsi mai arrivati, il non essere mai soddisfatti, la costante sporgenza verso un oltre. È la cifra del ricercatore e dell’educatore. Per me è sempre stata ed è ancora oggi di grande ispirazione.

Intelligenza Artificiale e Media Literacy Education 

- M.G.: L’intelligenza artificiale ha velocizzato molti processi e le sue ripercussioni iniziano ad essere evidenti anche nell’ambito educativo, come ci si pone di fronte ad essa e alle nuove tecnologie che inevitabilmente arriveranno?

- P.C.R.: I contesti educativi non devono porsi solo il problema di come sviluppare pensiero critico nei confronti dell’IA ma anche di come promuovere una cultura dell’IA per rendere i soggetti abili a conoscerne e usarne il linguaggio e le logiche». 

- M.G.: I dottorandi saranno in grado di diventare promotori di un’alfabetizzazione ai media e con quali presupposti si potrà farlo grazie all’aiuto dei diversi ambiti disciplinari? 

- P.C.R.: Un dottore di ricerca del LESDIT non potrà non essere media literate e capace lui/lei stesso/a di Media Literacy Education. Il modo è fare proprio uno stile mediaeducativo. Di questo stile sono ingredienti fondamentali: 1) il senso critico. Essere consapevoli e sospettosi, dubitare delle soluzioni semplici, problematizzare sempre; 2) la responsabilità. Assumersi sempre l’onere di valutare in anticipo gli effetti delle proprie scelte comunicative e fare altrettanto con gli altri; 3) la resistenza. La Media Literacy è una dimensione sociale. Non si è critici e responsabili solo per se stessi ma anche per gli altri e questo non sporadicamente ma sempre, in ossequio a una sorta di habitus, di atteggiamento permanente di mobilitazione mediattiva.

A queste dimensioni di professionalità possono concorrere tutte le discipline, a patto che siano sorrette da analoghe consapevolezze.

Consigli di lettura “indispensabili” per i neofiti

- M.G.: Quali sono i 5 libri che consiglia a coloro che vogliono approfondire e si stanno approcciando alla cultura digitale?

- P.C.R.:Premessa: i libri invecchiano presto, soprattutto quelli che si occupano di media digitali. Oggi direi questi cinque (e chiedo scusa se qualcuno è mio o vede il mio zampino).

1. D.J. Bolter, Plenitudine digitale. Il declino delle culture d’élite e l’ascesa dei media digitali, Minimum Fax, Roma 2020.

2. S. Moriggi (a cura di), Postmedialità. Società ed educazione, Raffaello Cortina, Milano 2023.

3. C. Panciroli, P.C. Rivoltella, Pedagogia algoritmica, Scholé, Brescia 2023.

4. B, Stiegler, Reincantare il mondo, Orthotes, Napoli 2012.

5. S. Tisseron, 3-6-9-12. Diventare grandi con gli schermi digitali. Nuova edizione italiana aggiornata e ampliata, Scholé, Brescia 2024.

(1) Panciroli C., Rivoltella P. C. (2023). Pedagogia algoritmica. Per una riflessione educativa sull’Intelligenza Artificiale, Scholé ed. Morcelliana, Brescia, p.10. 

di Martina Giorgi

Come possono stare insieme un sociologo come Hartmut Rosa, teorico della risonanza e dell’accelerazione sociale, proposte in chiave neomarxista con uno sguardo critico verso le tecnologie digitali e uno scrittore pop come Alessandro Baricco che si reinventa saggista, antropologo, tecno-entusiasta e tecno-esperto? Per offrire una chiave di lettura della modernità e dell’ambiente digitale che abitiamo, ho provato a mettere insieme due testi, La risonanza, di Rosa e The Game di Baricco che offre una struttura storico-geografica delle innovazioni digitali. Tentando di declinare il tutto nella cornice dell’istruzione, ma non solo.

Dalla competenza alla risonanza

Risonanza è un termine che propone un cambio di paradigma nel mondo dell’educazione, diventando essa stessa protagonista accanto alla pedagogia. La scuola ha da sempre il compito di contribuire in modo decisivo a sviluppare le competenze di studentesse e studenti, ed oggi l’attesa, molto spesso esplicitata, tende a privilegiare e spingere l’ acquisizione delle competenze tecniche. Ecco, qui si insidia il nuovo cambio di paradigma, Rosa spiega la differenza tra competenza e risonanza, due concetti quasi “dissonanti” tra loro. Non a caso sopra ho utilizzato l’espressione “acquisizione delle competenze”, perché di fatto essere competenti lo si è quando ci si è impossessati di qualcosa, abbiamo fatto propria quella competenza. Al contrario il termine risonanza, spiega Rosa, fa riferimento al «processo dell’entrare-in-relazione con»[1]. Ciò dipende da un atteggiamento di apertura verso qualcosa con cui potrei entrare in relazione, presuppone una certa disponibilità nei confronti di ciò che non conosco al momento. Attenzione, qui non si fa riferimento all’impossessarsi di questo qualcosa altro da noi, quanto l’atto in potenza, la possibilità che si entri in relazione con qualcosa di cui non posso avere il controllo dopo il suo l’incontro. La bellezza, come in tutte le relazioni umane, sta nell’atto di farsi travolgere e dunque cedere alla trasformazione. Utilizzo le parole di Rosa, proiettandole al contesto scolastico. Se ci riflettiamo un attimo, possiamo concordare con Rosa quando afferma che la mera acquisizione della competenza non basta per garantire un reale rapporto con le materie affrontate a scuola che rappresentano dei mondi a sé stanti. Materie che diventano vive quando vibrano negli studenti e nelle studentesse, quando i loro occhi brillano e quando si sentono trasformati dall’essere entrati in relazione con esse.  Ci sarà capitato almeno una volta nella vita di uscire da una lezione con la sensazione di sentirci vivi, rinnovati, come se qualcosa ci avesse accesi perché ha toccato le corde più profonde di noi nel tempo trascorso in quello spazio. Cosa ci ha fatto sentire così? Probabilmente l’insegnante è stato capace a sua volta di trasformare l’oggetto di studio in qualcosa di comprensibile e conoscibile da un punto di vista emotivo. Probabilmente il clima in quello spazio era disteso, sereno, un ambiente in cui ci siamo sentiti a nostro agio e dunque liberi di aprirci all’esperienza che l’insegnante voleva offrirci. Uno spazio in cui l’a-giudizio (a privativa) è protagonista. Probabilmente non importava la paura di sbagliare e anzi, ci siamo sentiti accolti perché ad un tratto le nostre riflessioni erano centrate, qualcuno/a era interessato/a ad ascoltarle. Probabilmente queste condizioni hanno fatto in modo che nessuno di noi avesse timore a stare in contatto con la nostra parte emotiva e che anzi questa ha fatto capolino da sé, è riemersa con la voglia di godersi l’attimo, rimanere nel qui ed ora senza pensieri intrusivi pronti a bussare alla porta della mente. In quel momento esiste solo l’ io che si nutre di quelle parole, perché in fondo aveva bisogno di quel calore come senso di conforto.

La risonanza appena descritta è come un’immagine musicale, dice Rosa. Dal latino re-sonare. il termine rimanda alla relazione tra due corpi capaci di oscillare e la cui oscillazione «dell’uno stimola l’attività autonoma dell’altro»[2]. Un incontro che genera una vibrazione con una frequenza propria, diversa, qualcosa che prima di quel contatto non esisteva. Qui sta la forza del significato di sentirci trasformati dall’esperienza svolta e nel caso della nostra riflessione proviamo a immaginare questa trasformazione che inizia dall’incontro con le materie scolastiche, con quell’insegnante, con i compagni e le compagne con cui compartecipiamo molte volte nelle attività didattiche.

La teoria della risonanza indubbiamente ha obiettivi ambiziosi ma non impossibili da raggiungere se seguiamo  le condizioni grazie alle quali Rosa ha dichiara un processo formativo come riuscito.

Dall’accelerazione del tempo alla relazione con il mondo: l’epoca del Game

Ci allontaniamo per un momento dal contesto scolastico per una riflessione di più ampio respiro. Rosa ha dedicato anni di ricerca al tema dell’accelerazione, arrivando ad affermare che «qualcosa non funziona nel nostro rapporto con il tempo»[3]. Esiste una sorta di controsenso nella nostra gestione del tempo: da una parte sembra non bastare mai, dall’altra abbiamo fatto di tutto per risparmiarlo, grazie all’utilizzo di tecnologie sempre più veloci. Il problema centrale delle società moderne non è tanto l’accelerazione in sé, quanto l’alienazione che questa può provocare. Quando, vivendo in un processo accelerato, ad un certo punto si tende verso un’escalation che porta a quella che lui definisce la «stabilizzazione dinamica»[4]. Ovvero quello stato in cui si stabilizzano la dinamicità e la frenesia delle esperienze vissute. Secondo questo modello, infatti, la società moderna per evitare di collassare è destinata a riprodursi costantemente, a crescere senza sosta da un punto di vista economico e a innovarsi incessantemente da un punto di vista tecnologico e culturale. È a causa di questo modello che abbiamo la tendenza impulsiva e compulsiva di “fare, fare, fare”, costruendo interminabili “scalette” colme di attività sia a livello lavorativo che nel tempo libero. Perché se non riempissimo il tempo ci sentiremmo a disagio, inadeguati, insoddisfatti, come se il nostro valore di persone lo misurassimo con ciò che produciamo quotidianamente invece che su ciò che siamo, sul nostro essere. Un fare destinato a definirci, invece che limitarci ad un preciso istante per quella specifica sfera esperienziale. Ecco che viviamo statici in questa dinamicità. Alessandro Baricco invece offre una connotazione diversa al medesimo agire e spiega come l’origine delle tecnologie digitali ha avuto l’obiettivo proprio di superare la staticità del periodo successivo al dopo guerra. Questo processo ci ha portati a vivere l’epoca del Game. Ad un certo punto abbiamo avuto come esseri umani l’esigenza di semplificare la realtà, non solo contrapponendo il termine “semplice” a “difficile”, ma a quello di “complesso”. In aggiunta, volevamo fare esperienza di qualcosa di leggero e divertente, ecco come nasce l’iPhone e come ci è stato proposto da Steve Jobs. Al di sotto vi ritroviamo un livello alto di complessità che però non appare in superficie, ciò che percepiamo e di cui facciamo esperienza è il «semplice dietro il complesso»[5].

Come ci poniamo di fronte alla tecnologia?

Immagino già che qualcuno, arrivato a leggere fino a qui,  stia già additando la tecnologia come la causa di “tutti i nostri mali”. Proviamo invece ad approfondire la riflessione di Baricco, sospendendo ogni giudizio per comprendere il "suo" senso della nascita dei dispositivi tecnologici.

Ci troviamo nel momento storico successivo all’avvento delle guerre, dopo la seconda metà del Novecento e nel luogo che successivamente sarà chiamato Silicon Valley, bacino di ricchezza e innovazione dove il contesto sociale  dinamico favorisce il bisogno di sovvertire la realtà. Creare un mondo parallelo, un oltremondo, in cui possa sciogliersi la rigidità dell’esistente, per rendere la realtà più accessibile, veloce, libera e gratuita. C’è la convinzione che muovendosi in questo spazio nuovo, non lineare, si possono risolvere problemi ed avere o un’esperienza del mondo singolare,  significativa e più arricchente. Si crea uno spazio che accoglie la nostra parte anarchica, indisciplinata, istintiva, “cazzona” che non vale meno rispetto ai tratti più formali che abitano la nostra realtà. Ed è allora lecito assumere un cambio di prospettiva: non è vero, dunque, che oggi viviamo in modo accelerato a causa delle macchine e della tecnologia. Siamo in realtà «noi ad aver scelto il movimento come obiettivo prioritario e quelle macchine sono solo gli strumenti che ci siamo costruiti, su misura, per perseguire quell’obiettivo»[6] e dar vita all’ “Insurrezione digitale”. Abbiamo avuto l’esigenza di evadere dalla realtà fisica per andare verso “mondi più leggeri” per incontrare uno spazio di fuga, intaccando i capisaldi di quella determinata società e di quel contesto storico. Il Gameè dinamicità, instabilità, la verità è mutevole e alla portata di chiunque.

Per Baricco, fino ad un certo punto gli esseri umani hanno considerato il tutto come una grandezza ipotetica, mentre dall’inizio dell’insurrezione digitale appare come una quantità misurabile e definibile. Se si eleva il tutto ad un’unità di misura, intendendo anche come obiettivo da raggiungere, l’infinito non esiste più. La percezione di limite, di confini inizia a decadere. Ma ecco che si torna al concetto di fissità dinamica. Un effetto di fissità, «di non risonanza, di mancanza di vibrazione»[7].

L’emozione che unisce gli individui delle due società, quelli che vivevano nella fissità perenne e coloro che oggi vivono nel Game (Baricco)-tarda modernità (Rosa) è la paura. Per il primo è  la paura di rimanere fissati per sempre in una civiltà che non corrisponde ai bisogni dei molti. Per Rosa le persone hanno la sensazione che tutta questa accelerazione non li porti a niente e che dunque corrano costantemente verso una meta tutt’altro che migliore. La loro «speranza è che la vita non peggiori troppo»[8]. È una paura che ci fa progredire quasi per tentativi ed errori, senza percepire limite, sentendoci disorientati senza il minimo controllo sugli eventi. Se è vero che è impossibile controllare tutto ciò che ci accade quotidianamente, diventa un problema quando questa sensazione ci destabilizza fino al sorgere di disturbi alimentari e del sonno, legati all’ansia cronica. A Rosa preme soprattutto studiare l’impatto che l’accelerazione e la cosiddetta stabilità dinamica hanno nella vita delle persone, nei «rapporti tra i soggetti e il mondo»[9]. Dunque, come se ne esce? Secondo Rosa (e su questo potrebbe essere d’accordo anche Baricco)  solo attraverso la risonanza si può riconfigurare una qualità nella nostra relazione con il mondo.

La scuola come spazio di risonanza

E allora, tornando alla scuola: «quand’è che un processo formativo può dirsi riuscito?»[10]. Secondo Rosa ogni qualvolta che la scuola diventa uno spazio di risonanza, un luogo in cui i rapporti sono costruiti su una fiducia reciproca, in cui è ammesso l’errore che, anzi, diventa un'opportunità per crescere, in cui ciascuno/a si sente a proprio agio e dunque libero/a di esprimere se stesso/a. Ogni volta che la scuola agevola la maturazione dell’autoefficacia, la percezione che abbiamo di noi stessi e ci sentiamo capaci, riconosciamo di essere bravi in particolari attività. Consapevolezza che aiuta a rafforzare l’autonomia. L’esperienza scuola diventa così un luogo in cui le studentesse e gli studenti si possano confrontare ed essere al centro insieme alla relazione con i docenti.

Come si crea questo spazio? Rosa propone un modello “triangolare di lezione” : da un lato l’asse materiale o diagonale che corrisponde alle “materie”, dall’altro l’asse sociale o orizzontale ossia il piano delle relazioni.

Le materie sono considerate da Rosa i “mondi di valori” e il compito della scuola è di aiutare gli individui a collocarsi di volta in volta all’interno di questi mondi.  Attivando delle riflessioni specifiche, gli studenti sono in grado di individuare per esempio i propri valori e di imparare ad esprimerli immaginando come collocarli in base ai valori espressi durante la lezione, ad esempio sulla Rivoluzione francese. Un processo che aiuta nella ricerca del senso di ciò che stanno studiando, perché confrontano il contesto con la realtà più vicina a loro.

Il piano delle relazioni, inoltre, non può prescindere dal clima “che si respira” in una classe. L’atmosfera che gli studenti e le studentesse vivono in aula incide sulla percezione di autoefficacia, sulla fiducia che nutrono in se stessi, sulla loro autostima, sullo sviluppo della loro motivazione intrinseca (non studio per prendere un buon voto, ma perché quella materia mi incuriosisce). Il tutto funziona se vi è un equilibrio tra i due assi e dunque non considerando oggetti esterni, lontani e fini a se stessi discipline o relazioni, ma «relazioni attraverso le discipline»[11].

Rosa non ha una visione positiva dei dispositivi tecnologici perché gli individui compiono la maggior parte delle attività con la mediazione dello schermo. Questo potrebbe limitarli nel vivere la pienezza delle esperienze. Da una parte lo schermo di per sé potrebbe farci percepire una situazione come distante e dunque potrebbe favorire un atteggiamento di chiusura. Ma proviamo per un attimo a cambiare prospettiva: come possiamo trasformare l’apparente ostacolo (lo schermo) in un’opportunità? Ecco che siamo finiti in una delle più importanti sfide attuali a cui molti esperti, insegnanti e professionisti dell’educazione stanno provando a dare risposta.

Risonanza: «s. f. [dal lat. resonantia «eco, rimbombo»]. – 1. a. Amplificazione di un suono o dei suoni (frequenza di r.), ad assumere un valore molto elevato: corpo che entra in r.; r. acustica, l’esaltazione subita da vibrazioni sonore di particolare frequenza in uno strumento musicale o, in generale, in un ambiente. […]».

Vocabolario Treccani

Gli autori

Alessandro Baricco… dai lo conoscete! In ogni caso ho cercato una sua definizione online, ma ne esiste una che fa pensare solo “cosa non è Alessandro Baricco?!”. Mi sembra troppo riduttivo e poco elegante copiarla e incollarla qua, cercatela.

Hartmut Rosa, insegna sociologia e scienze politiche all’Università Friedrich Schiller di Dresda. Uno dei suoi progetti bibliografici da ricordare è Accelerazione e alienazione. Per una teoria critica del tempo nella tarda modernità. Uno studio sull’accelerazione che lo tiene tuttora attivo con interessanti ricerche scientifiche.

Note e Bibliografia

[1] Rosa, H. (2020). Pedagogia della risonanza. Conversazione con Wolfgang Endres. Editrice Morcelliana, Brescia, p.7.

[2] ibidem p.25

[3] Ibidem, p.12

[4] Ibidem, p.14

[5] Baricco, A. (2018). The Game. Einaudi, Torino, p. 153

[6] Ibidem, p. 98

[7] Ibidem, p.232

[8] Rosa, H. (2020). Pedagogia della risonanza. Conversazione con Wolfgang Endres. Editrice Morcelliana, Brescia, p.16.

[9] Ibidem, p.17

[10]Ibidem, p.5

[11] Ibidem, p.34

di Alice Pierluigi

Per il Dottorato LESDIT, il kick off non è soltanto un appuntamento in calendario, ma un vero e proprio momento di soglia: la fine di un anno accademico e, insieme, l’inizio di un altro. Un passaggio di testimone che tiene insieme chi c’era prima e chi arriva ora. Infatti, in questi giorni abbiamo dato il benvenuto ai nuovi dottorandi e svolto le relazioni di passaggio d’anno. Due giornate ricche di suggestioni e intrise di quella multidisciplinarità e interdisciplinarità che costituiscono l’identità stessa di LESDIT. Ogni ciclo ha presentato il punto della propria ricerca, componendo un mosaico di temi, approcci e sensibilità diverse, che spaziano dall’educazione alla tecnologia, dalle scienze sociali alla didattica, dall’intelligenza artificiale alle pratiche culturali

Un mosaico di ricerche

C’è chi lavora sulle rivoluzioni didattiche e sul ruolo del docente nell’era dell’Intelligenza Artificiale, come Vanessa Pitrella, e chi indaga e l’experiential learning con l’IA generativa, come Federico Ruggiero. Sofia Foglia, invece, ha portato uno sguardo comparativo sulle concezioni della partecipazione politica dei giovani tra Italia e Colombia, mentre Martina Giorgi indaga l’auto-efficacia degli insegnamenti nell’inclusione attraverso un Tutor-AI assistant. Accanto a questi, ci sono progetti che intrecciano STEAM e inclusione nella scuola primaria (Sher Alam Khan), LLM e insegnamento del latino (Loredana Boero), plurilinguismo e new literacies (Serena Martini), fino a ricerche che toccano musica, arte, sostenibilità, gamification, design narrativo, educazione emotiva, patrimonio storico-scolastico e employability. Un elenco completo sarebbe lungo – e forse anche riduttivo – perché ciò che emerge non è solo la varietà dei temi, ma il dialogo continuo tra prospettive diverse, accomunate dalla stessa domanda di fondo: come cambiano l’educazione, l’apprendimento e la formazione in un mondo attraversato da trasformazioni tecnologiche, sociali e culturali profonde?

I nuovi ingressi del 41° ciclo, ma la stessa interdisciplinarietà

Quest’anno, poi, segna un ulteriore passaggio: con il 41º ciclo, il dottorato LESDIT da nazionale diventa consorziato. I nuovi ingressi sono nove, distribuiti in diverse sedi, ma l’animo distintivo resta invariato: anche nei profili dei nuovi dottorandi si ritrova lo stesso dialogo tra discipline, pratiche e visioni che caratterizza l’intero percorso. Ad esempio, Sara Guerra, pedagogista con una formazione in Media Education, porta con sé un interesse profondo per l’uso delle tecnologie nei contesti di apprendimento formali e informali. Il suo progetto si concentra sulle microcredenziali, ricostruendone la nascita e l’evoluzione tra teoria e pratiche educative, con l’ambizione di coniugare ricerca e applicazione concreta come instructional designer.

Francesca Pia Travisani, con un solido background in informatica e security engineering, incrocia competenze tecniche e passione per la didattica digitale. Il suo progetto esplora l’uso degli LLM per la creazione di ambienti di role-play destinati alla formazione in software engineering, simulando l’interazione con stakeholder virtuali e offrendo feedback personalizzati a supporto dell’apprendimento.

Michele Allegretti, invece, porta nel dottorato un percorso che unisce arti visive, didattica e progettazione. Formatosi tra pittura e arti visive, ha maturato esperienze di insegnamento in ambito artistico e progettuale, tenendo corsi di pittura, graphic design e User Centered Design presso l’Università di Torino e l’Accademia di Belle Arti di Cuneo. La scelta del dottorato LESDIT nasce dal desiderio di far dialogare arte e programmazione, riconoscendo in questo percorso uno spazio capace di tenere insieme interessi diversi e di esplorarne le connessioni nei contesti educativi.

Luca Taddeo arriva dalla psicologia sociale del lavoro e delle organizzazioni e da un forte interesse per la ricerca quantitativa. Il suo lavoro guarda alle tecnologie nella didattica a distanza, con un’attenzione particolare al ruolo dei supporti di Intelligenza Artificiale e al loro impatto sulla motivazione, sulle emozioni e sul rendimento accademico degli studenti.

Quattro percorsi diversi che si incontrano nello stesso spazio di ricerca. Ed è forse proprio questo il senso più profondo del kick off: non solo presentare progetti e risultati, ma riconoscersi parte di una comunità che cresce, cambia e si rinnova, anno dopo anno, attraverso il confronto, la contaminazione e la curiosità condivisa.

LESDIT e l’universitas ritrovata…

E vogliamo concludere tornando proprio alla riflessione di apertura di Pier Cesare Rivoltella, responsabile scientifico del dottorato. Nel suo intervento di introduzione al Kick off, ci ha ricordato come, alle origini, le università nascano come universitas: non semplicemente luoghi fisici o istituzioni burocratiche, ma corporazioni, comunità autonome di studenti e docenti, in cui persone provenienti da luoghi diversi si riunivano per discutere e “apprendere” insieme, dando vita a una comunità di sapere capace di autoregolarsi. Non a caso, il termine latino universitas indicava proprio un’associazione, una corporazione. Era un’idea di università profondamente comunitaria, fondata sulla solidarietà, sullo scambio culturale, sulla responsabilità condivisa del sapere. Ed è forse proprio questa dimensione che LESDIT sta provando, passo dopo passo, a ricostruire: una comunità di ricerca fatta di condivisione, confronto e supporto reciproco. Un luogo in cui le differenze disciplinari non separano, ma arricchiscono; in cui il percorso individuale trova senso dentro un cammino collettivo. Un po’ come un tempo…

di Lydia Zampolini

Gli impatti delle tecnologie sui processi culturali non sono una novità legata alla recente diffusione dell’Intelligenza Artificiale Generativa, ma il largo utilizzo degli LLM e le grandi quantità di testo sintetico ormai in circolazione stanno avendo conseguenze sul nostro modo di scrivere e, probabilmente, anche sul nostro modo di parlare. Un articolo del The Guardian, pubblicato a inizio luglio e intitolato How AI is changing language, mi ha incuriosita e ha portato alla mia attenzione l’argomento, che rilancio nella nostra comunità di ricerca e che dovete considerare come il riferimento principale di questa newsletter. L’IA generativa viene studiata da prospettive diverse, LESDIT ne è un chiaro esempio, e, sebbene quello linguistico non sia il mio diretto ambito di ricerca, lo sguardo apre domande anche sulle implicazioni sociali e educative del fenomeno. Siamo costantemente esposti a testo generato artificialmente, e se da una parte ci si potrebbe illudere che questa esposizione sia sotto il nostro controllo e limitata al tempo e allo spazio dell’interazione diretta che decidiamo di avere con un chatbot, in realtà dobbiamo rassegnarci al fatto che non ne siamo immuni e che fa parte ormai della nostra quotidianità. Incontriamo suggerimenti automatici nelle email, nei programmi di scrittura;  sintesi prodotte dai motori di ricerca, testi revisionati o tradotti da sistemi di IA. Questo rende sempre più difficile distinguere non solo quali contenuti siano stati scritti da una persona e quali da una macchina, ma anche quanto della scrittura umana sia ormai influenzato dalle modalità espressive dei modelli. Poniamo l’attenzione non tanto sul definire se l’IA abbia un impatto positivo o negativo sulla scrittura (andiamo “oltre la tecnofobia” 😊). D’altra parte, anche qui c’è chi vede nell’IA una nuova tecnologia creativa, destinata ad affiancare gli autori come in passato hanno fatto altri strumenti di scrittura, e chi, invece, esprime una preoccupazione diversa, vedendola come una minaccia alla lingua e alla creatività linguistica. Il punto, però, è comprendere la portata sociale di questa trasformazione. I modelli linguistici vengono addestrati su enormi quantità di testi prodotti dagli esseri umani, allo stesso tempo, sempre più persone utilizzano gli stessi modelli per scrivere, correggere e riformulare i propri testi. Si crea così una sorta di loop, di circolo di retroazione: l’IA apprende dalla lingua umana, ma, inevitabilmente, gli esseri umani iniziano progressivamente ad apprendere dalla lingua dell’IA.

E allora, che cosa succede quando iniziamo noi stessi a scrivere come le macchine?

Sappiamo riconoscere un testo scritto dall’IA?

L’articolo del The Guardian parte da un piccolo esperimento. Presenta tre recensioni di hotel, rifacendosi al test realizzato da Claire Hardaker, docente di linguistica forense alla Lancaster University, e invita il lettore a riconoscere quali siano state scritte da persone e quali generate artificialmente. A prima vista potrebbe sembrare semplice: ormai crediamo di conoscere gli indizi che caratterizzano un testo prodotto da ChatGPT (la presenza di formule prevedibili, un tono impersonale, frasi troppo ordinate, l’uso dei trattini lunghi oppure la ripetizione di particolari strutture retoriche).  Quando però dobbiamo mettere alla prova questa convinzione, il risultato è meno scontato; nel test proposto dalla docente dell’Università di Lancaster, in media, le persone rispondono correttamente soltanto nel 60% dei casi. (il test: https://lancasteruni.eu.qualtrics.com/jfe/form/SV_77BzuG0OQBlwX7E )

Questo deriva dal fatto che una frase perfettamente costruita non dimostra che sia stata generata da una macchina, così come un errore grammaticale non garantisce che sia stata scritta da una persona. In questo esercizio, anche gli strumenti automatici di rilevazione incontrano difficoltà, perché alcuni esseri umani scrivono spontaneamente in una forma che può essere classificata come artificiale, mentre un testo generato può essere modificato fino a sembrare umano. Inoltre, anche l’esposizione costante ai testi artificiali, amplificata dalla circolazione di grandi quantità di linguaggio generato nella società, spinge ad un cambiamento nello stile di scrittura umano.

Il rapporto tra scrittura umana e artificiale viene descritto come una casa degli specchi linguistica. È un’immagine che restituisce bene un processo nel quale non esiste più una separazione netta: i modelli imitano le nostre strutture linguistiche, noi utilizziamo le loro proposte per migliorare i testi e queste nuove formulazioni entrano a loro volta nell’ambiente digitale. Non è la singola frase a fare la differenza, ma l’influenza diventa più evidente quando vengono analizzate grandi quantità di testi e si rilevano parole, costruzioni e registri che iniziano a comparire con una frequenza diversa rispetto al passato.

È a questo livello che possiamo chiederci: esiste un modo di scrivere tipico dell’IA?

Come scrivono i modelli linguistici?

Quando un modello di linguaggio costruisce una frase o un testo, si avvale spesso della “rule of three” (regola dei tre), cioè un principio di scrittura secondo cui le informazioni, le battute o gli elementi narrativi risultano più efficaci, memorabili e divertenti se raggruppati in schemi da tre (ve ne siete accorti?). Ecco allora che una soluzione viene presentata nella forma di tre aggettivi (“rapida, affidabile e sicura”); nelle frasi compaiono tre clausole, in cui un’attività promette di “migliorare i risultati, ridurre i tempi e aumentare l’efficienza”; o ancora, ogni idea viene elencata in tre punti elenco seguiti da un riepilogo che li ribadisce.

La regola dei tre è una tecnica retorica utilizzata da secoli, prima che l’IA iniziasse ad utilizzarla, perché produce un ritmo equilibrato e rende più semplice ricordare un messaggio. Gli LLM, però, sembrano ricorrervi con una frequenza e una regolarità particolari, anche quando il terzo elemento non aggiunge un contenuto davvero necessario, generando delle “equivalenze forzate”. Tuttavia, quando ogni frase è perfettamente bilanciata, in cui è presente la ripetizione indiscriminata dello stesso schema, la scrittura rischia di perdere quelle variazioni di ritmo e di lunghezza che la rendono meno prevedibile e che sono tipiche della scrittura umana (quante volte, leggendo un libro, vi è capitato di commentare il ritmo della storia che stavate leggendo? Magari avete impiegato settimane ad affrontare la prima parte, ma quando il ritmo è diventato “incalzante” vi ha completamente rapiti).

Nei testi, la regola dei tre è spesso preceduta da quella figura retorica che ha la funzione di negare o correggere una prima formulazione per rafforzare quella successiva, secondo la struttura «non X, ma Y»: l’epanortosi enfatica. Per intenderci, degli esempi possono essere “non è solo uno strumento, ma un cambiamento” oppure, “non è un semplice errore, ma il segnale di un problema più ampio”. Anche questa appartiene da tempo alla scrittura umana, ma gli LLM sembrano ricorrervi con particolare frequenza, trasformandola in una sorta di “tic stilistico” che rende la risposta più chiara, incisiva e persuasiva. Un recente paper ha osservato una presenza maggiore di questa struttura nei testi generati rispetto ai corpora umani analizzati (Lubrano, 2025).

Non sono questi, chiaramente, gli unici criteri che i linguisti iniziano ad evidenziare. Gli LLM tendono a utilizzare molti nomi e meno pronomi rispetto agli esseri umani, preferendo spesso gli aggettivi attributivi (“la sedia scomoda”) alle costruzioni predicative (“la sedia era scomoda”), e generando una scrittura che cerca di concentrare l’informazione in unità dense e ben organizzate.

Nei discorsi che non sono oggetto di questa newsletter, è stata già sottolineata più volte la non neutralità dei modelli linguistici;  legherete sicuramente questa considerazione ai bias. Ciascun modello linguistico viene addestrato su un proprio dataset e da un team di persone che portano con sé influenze culturali diverse e che chiaramente hanno un impatto diretto sui modi diversi di produrre il linguaggio: Gemini, Claude, ChatGPT, Mistral, DeepSeek hanno ognuno il modo preferito di esprimersi, tanto da sviluppare delle piccole idiosincrasie, quasi dei dialetti artificiali, ovvero formule di apertura ricorrenti, modi di suddividere una risposta, espressioni utilizzate per introdurre un elenco o confermare la richiesta dell’utente (riportando gli esempi del già citato articolo: Gemini ama dire "ecco una spiegazione", mentre DeepSeek spesso risponde con un allegro "Certamente!".)

Sono abitudini che, attraverso un uso ripetuto, diventano familiari e possono entrare anche nei testi di chi utilizza frequentemente questi strumenti, chissà, magari generando un umano senso di appartenenza linguistica artificiale?

Le parole preferite dall’IA

L’impatto del testo generato artificialmente sul nostro uso della lingua si ritrova anche nella crescente diffusione di alcune parole, soprattutto nella lingua inglese (la maggior parte delle IA generative viene addestrata proprio in inglese) in cui termini come delve, showcase, boast, underscore, align, intricate e surpass sono diventati di uso diffuso. Vengono definiti “focal words” in un recente studio (Juzek & Ward, COLING 2025) che ne ha individuate 21. Sono, cioè, parole la cui crescita negli abstract scientifici appare probabilmente collegata all’uso dei modelli linguistici, tra cui il caso di delve è diventato particolarmente noto. La sua improvvisa popolarità è stata interpretata come una possibile traccia della diffusione di ChatGPT nella scrittura accademica.

Anche qui, non è l’uso della singola parola a fare la differenza, ma la frequenza con cui determinate espressioni iniziano a comparire in grandi raccolte di documenti. Durante il processo di addestramento alcune parole potrebbero essere diventate frequenti perché sono state considerate implicitamente un segnale di qualità: termini abbastanza ricercati da rendere il testo autorevole, ma sufficientemente generici da poter essere utilizzati in molti contesti. Nel momento in cui queste parole vengono indicate pubblicamente come tipiche dell’IA si può verificare anche il processo opposto: chi le utilizzava spontaneamente inizia a evitarle per non essere sospettato di aver generato il testo.

L’IA influenza così il nostro modo di scrivere sia quando ne accogliamo le formulazioni, sia quando cerchiamo consapevolmente di prenderne le distanze.

Una forza che appiattisce la lingua?

La preoccupazione principale riguarda la possibilità che gli LLM agiscano come una “flattening force”, una forza di appiattimento capace di ridurre progressivamente la varietà e l’idiosincrasia del linguaggio umano. È vero, i testi generati funzionano, sono spesso corretti e ordinati, ma il rischio non è necessariamente quello di una scrittura sbagliata, quanto piuttosto di una scrittura sempre più simile a sé stessa e, proprio per questo, meno riconoscibile. Peter Stockwell, docente di linguistica letteraria all’Università di Nottingham, suggerisce di guardare alla lingua su più livelli, alla base troviamo le parole, a quelli più alti l’arco narrativo, l’inatteso. Sta qui la differenza. Stockwell osserva che l’IA è molto efficace ai livelli più bassi della lingua, appunto nel produrre testi ordinati e che funzionano sia sintatticamente che nell’uso delle parole, ma non riesce a fare quel salto in più. Quando si passa ai livelli più alti, come l’arco narrativo e la capacità di produrre qualcosa di realmente inatteso, le difficoltà dell’IA aumentano, perché manca l’esperienza nel mondo propria dell’esistenza umana.

E se l’esperienza individuale viene meno nella scrittura, che è una delle forme di espressione più diffuse, viene meno anche l’espressione individuale. Produrre testi ancorati esclusivamente ai livelli bassi appena dettagliati non accade solo quando si chiede all’IA di generare testi da zero, ma anche quando l’IA viene usata per revisionare il testo. Un gruppo di ricerca dell’University of Southern California ha iniziato ad osservare segnali di standardizzazione dello stile, evidenziando come l’uso degli stessi modelli per revisionare testi prodotti da umani possa attenuarne alcune specificità linguistiche.

Sono risultati che non dimostrano un generale impoverimento della lingua, ma segnalano comunque  una possibile dinamica di influenza reciproca: l’IA apprende dal linguaggio umano e alcune delle sue preferenze linguistiche possono successivamente entrare nella scrittura e nel parlato delle persone.

Questi studi aprono quindi nuovi interrogativi: in che modo la scrittura assistita sta modificando le nostre abitudini linguistiche? E quanto riusciamo a riconoscere (e quindi riconoscerci), nel risultato finale, la voce da cui il testo ha avuto origine?

La scrittura, infatti, non serve soltanto a comunicare un pensiero già completo, piuttosto, nel momento in cui scegliamo le parole che vogliamo usare ed organizziamo la struttura della frase, mettiamo ordine anche nelle idee. E se è vero che delegare una parte di questo processo non significa necessariamente rinunciarvi, rende importante chiedersi se la versione proposta dal modello continui a rappresentare ciò che volevamo esprimere.

Il “cultural ghosting”: quando correggere significa uniformare

L’appiattimento e la standardizzazione non si limitano alla struttura della frase, ma assumono una particolare rilevanza quando i modelli vengono utilizzati per revisionare varietà linguistiche e culturali differenti, in un processo che viene definito di “cultural ghosting”, e che si verifica quando, durante una correzione apparentemente naturale, alcune caratteristiche culturali del testo vengono attenuate o eliminate. Se viene chiesto a un LLM di migliorare un testo scritto in una varietà di inglese diversa da quella anglo-americana, il risultato tende spesso ad avvicinarsi allo standard dominante. È il caso in cui un’espressione considerata perfettamente accettabile nell’inglese professionale indiano tende ad essere sostituita da una formulazione più vicina all’inglese americano.

C’è però un dato importante: chiedere esplicitamente al modello di rispettare la varietà linguistica dell’autore permette di conservare molte più caratteristiche originali. L’appiattimento, quindi, non deve essere considerato una conseguenza inevitabile. Questo sottolinea l’importanza della consapevolezza con cui vengono utilizzati questi sistemi linguistici.

Quale alfabetizzazione per una lingua condivisa con l’IA?

La risposta a questi cambiamenti non può essere quella di difendere una lingua immobile. Le lingue si evolvono continuamente, le parole entrano ed escono dall’uso e le tecnologie sono sempre state una delle forze capaci di trasformarle. Non sarebbe nemmeno realistico immaginare una separazione assoluta tra scrittura umana e artificiale, perché gli strumenti generativi sono già integrati nelle applicazioni che utilizziamo ogni giorno.

La questione centrale diventa allora quella dell’AI literacy. Essere alfabetizzati all’intelligenza artificiale significa saper formulare un prompt e verificare la correttezza di una risposta, ma anche riconoscere che ogni proposta di riscrittura incorpora scelte linguistiche, stilistiche e culturali.

Di fronte a un testo revisionato possiamo allora chiederci: il nostro tono è stato conservato? Le frasi sono diventate tutte ugualmente ordinate? Una parola precisa è stata sostituita da un’espressione più generica? La nostra posizione è stata chiarita oppure resa più neutrale? La varietà linguistica dell’autore è stata rispettata?

Gli LLM possono essere strumenti utili per velocizzare la generazione di un testo funzionale a qualcosa, migliorare un elaborato, trovare formulazioni alternative o superare una difficoltà espressiva. Il loro utilizzo non è neutrale e richiede una supervisione che non si limiti alla correttezza grammaticale; è necessaria una forma di attenzione critica.

La vera sfida consiste nel riconoscere come il ricorso ai LLM stia modificando progressivamente le nostre pratiche linguistiche. Se l’IA apprende dai testi umani e gli esseri umani iniziano a adottare il linguaggio dell’IA, il confine tra le due scritture diventa sempre più sottile, ma i livelli più alti della lingua rimangono importanti, perché è lì che l’esperienza umana trova il suo spazio di espressione.

Letture di approfondimento

Shariatmadari, D. (2026). How AI is Changing Language. The Guardian, 4 luglio 2026.

Abdulhai, M., White, I., Wan, Y., Qureshi, I., Leibo, J., Kleiman-Weiner, M., & Jaques, N. (2026). How LLMs Distort Our Written Language. arXiv:2603.18161.

Bharati, S., Mandal, S., Ghosh, S. K., & Mondal, S. (2026). The American Palimpsest: Quantifying South Asian English Dialect Erasure in LLMs. Proceedings of the 4th Workshop on Cross-Cultural Considerations in NLP.

Fitterer, S., Gangl, D., & Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics, Student Research Workshop.

Lubrano, F. (2025). Beyond Hallucinations: Emphatic Epanorthosis on LLMs. Zenodo. https://doi.org/10.5281/zenodo.16947334

Tom S. Juzek and Zina B. Ward. 2025. Why Does ChatGPT “Delve” So Much? Exploring the Sources of Lexical Overrepresentation in Large Language Models. In Proceedings of the 31st International Conference on Computational Linguistics, pages 6397–6411, Abu Dhabi, UAE. Association for Computational Linguistics.

UNESCO. (2026). Guida all'IA generativa nell'istruzione e nella ricerca (F. Miao & W. Holmes). UNESCO. https://doi.org/10.54675/FYTY9118

di Alice Pierluigi

L'intelligenza artificiale può essere definita una tecnologia neutrale, uno strumento capace di elaborare informazioni, produrre testi, generare immagini o tradurre contenuti senza prendere posizione sul mondo che rappresenta?  È proprio da questa domanda che sono partite molte delle riflessioni emerse durante la Summer School in Digital Humanities e Digital Communication, ospitata questa settimana nella magnifica cornice del Dipartimento di Studi Linguistici e Culturali dell'Università degli Studi di Modena e Reggio Emilia. Per cinque giorni, più di 9 docenti e 28 dottorandi e giovani ricercatori provenienti da tutto il mondo si sono confrontati sugli usi e i disusi dell'intelligenza artificiale nella ricerca accademica, nelle digital humanities e nella comunicazione digitale.

Per rispondere alla questione della neutralità dell’IA, considerando che essa si basa fondamentalmente su dati linguistici, bisogna prima fare un passo indietro e chiedersi se le lingue stesse siano neutrali.

La neutralità linguistica non esiste

La prof.ssa Lynne Bowker dell'Université Laval ci ricorda che, nel corso della storia, diverse lingue hanno svolto il ruolo di lingua franca. In passato, nell'Europa occidentale furono prima il greco e il latino; in altri contesti geografici l'arabo, il persiano, l'aramaico o il sanscrito. Dalla seconda metà del Novecento, invece, questo ruolo è stato progressivamente assunto dall'inglese. Potremmo essere portati a considerare questa evoluzione come qualcosa di naturale o neutro. In realtà, la scelta di una lingua franca è tendenzialmente il risultato di fattori storici, economici, sociali e geopolitici. Ciò che è certo è che nessuna lingua “naturale” è davvero “neutrale”. A meno che non si usino lingue appositamente create (come il caso dell’esperanto, ad esempio), qualunque lingua venga scelta, esisteranno sempre persone che la parlano come madrelingua e che, proprio per questo, partiranno da una posizione di vantaggio rispetto agli altri. Ma perché nel caso della ricerca scientifica, l’inglese può creare delle disuguaglianze? Per rispondere a questa domanda, la prof.ssa canadese riporta dei dati che sono a dir poco indicativi.  In vari settori disciplinari più del 90% delle pubblicazioni è in inglese, ma le stime indicano che meno del 6% dei ricercatori che producono tali ricerche è madrelingua inglese (Ammon, 2010; Bargheer & Pabst, 2016).

La situazione diventa problematica perché, per i non madrelingua, leggere un articolo in inglese richiede il 91% di tempo in più (Amano et al., 2023) e difficoltà simili si riscontrano nella scrittura, nelle presentazioni a conferenze e nella revisione degli articoli (Amano et al., 2023). Se un ricercatore impiega sistematicamente più tempo a capire, produrre e comunicare la propria ricerca in  inglese, intuiamo come egli abbia automaticamente meno risonanza: potrebbe pubblicare meno, leggere meno, partecipare ad un numero minore di conferenze e revisionare meno articoli. E l'intelligenza artificiale come entra in gioco in questo sistema già sbilanciato? I sistemi di traduzione automatica e i grandi modelli linguistici tendono infatti a funzionare meglio per le lingue che dispongono di grandi quantità di dati e risorse linguistiche. Al contrario, incontrano maggiori “difficoltà” con le lingue meno rappresentate o con i linguaggi altamente specialistici.

In questo senso, l'IA rischia di perpetuare o, addirittura, amplificare delle dinamiche già esistenti di  “disuguaglianza” associate alle lingue. Le tecnologie che utilizziamo ogni giorno riflettono infatti gli equilibri e gli squilibri presenti nei dati su cui sono state costruite.

L'IA stessa non descrive il mondo nello stesso modo degli esseri umani

D’altro canto, sarebbe fuorviante vedere l’IA solo come uno “specchio”. Per capire perché, possiamo ricorrere agli studi della prof.ssa Michaela Mahlberg della FAU Erlangen-Nürnberg e University of Birmingham, la quale ha confrontato racconti scritti da esseri umani con testi narrativi generati da diversi modelli di intelligenza artificiale, tra cui GPT, Mistral e LLaMA, e riscontrato differenze significative nello storytelling dei testi scritti da IA rispetto a quelli scritti da umani.  Nei racconti generati dall'IA compaiono con maggiore frequenza quelli che la studiosa definisce perceived spaces: spazi percepiti, osservati e descritti attraverso le sensazioni dei personaggi. Le narrazioni insistono spesso su ciò che viene visto, sentito o percepito. Nei racconti scritti da esseri umani, invece, emerge una dimensione più incarnata (o in inglese embodied). Le percezioni sono certamente presenti, ma lasciano maggiore spazio alle azioni, alle interazioni e ai movimenti dei personaggi all'interno dell'ambiente. I protagonisti non sono semplici osservatori della realtà che li circonda: agiscono con e nell’ambiente.  Questa differenza ci porta a una considerazione più ampia riguardo il fatto che l'IA non si limiti a imitare la scrittura umana. Nel tentativo di riprodurla, finisce, infatti, per costruire una rappresentazione del mondo che presenta caratteristiche proprie. Le storie generate dall'intelligenza artificiale tendono a essere abitate da osservatori; quelle umane, più frequentemente, da attori.

Due possibili soluzioni

Constatata la non-neutralità delle lingue e dell’IA, la domanda che sorge spontanea è: quali possono essere le possibili soluzioni? Per la prof.ssa Bowker, il multilinguismo diventa cruciale, spostando il paradigma da UNA lingua franca a PIÙ lingue veicolari. Per costruire un ecosistema accademico-scientifico più inclusivo a livello linguistico, si richiede sicuramente il coinvolgimento di molteplici attori: ricercatori, istituzioni, journals, società e associazioni scientifiche,... Favorire la pubblicazione in più lingue, adottare metadati multilingue, potenziare le pratiche diversificate di revisione tra pari e sviluppare politiche che valorizzino la diversità linguistica sono tutti passi che possono contribuire a rendere la comunicazione scientifica più inclusiva e accessibile.  La seconda proposta arriva dalla prof.ssa e riguarda il modo in cui studiamo il linguaggio e la costruzione del significato. In un momento storico in cui tutti parlano di intelligenza artificiale e linguaggio, diventa necessario sviluppare approcci realmente interdisciplinari, capaci di mettere in dialogo informatica, linguistica, letteratura e scienze umane.

Le Digital Humanities possono svolgere un ruolo importante proprio in questo processo, aiutando, ad esempio, a comprendere come i sistemi di IA “costruiscano” significati, storie e rappresentazioni del mondo o come le “gerarchie” linguistiche si possano amplificare con queste tecnologie e quali meccanismi nuovi si instaurino. Tuttavia, resta un imperativo: affinché ci sia interdisciplinarietà, si invitano gli studiosi a rendere i propri concetti e i propri metodi comprensibili anche al di fuori delle comunità specialistiche. In fondo, le questioni emerse non riguardano soltanto l’intelligenza artificiale… Riguardano il modo in cui noi “umani” produciamo conoscenza, raccontiamo il mondo e costruiamo strumenti per interpretarlo.

Letture suggerite:

Amano, T. et al. 2023. The manifold costs of being a non-native English speaker in science. PLoS Biology 21(7): e3002184. https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.3002184

Bowker, L., M. Laakso, and J. Pölönen. 2025. Making the case for multilingual scholarly communication. Canadian Journal of Information and Library Science 48(1): 112-116. https://doi.org/10.5206/cjils-rcsib.v48i1.22292

Burton-Jones, Andrew, et al. 2025. This article is not just in English: Making science more inclusive and impactful with artificial intelligence translation. Australasian Journal of Information Systems 29. https://doi.org/10.3127/ajis.v29.5875

Roland, E., & So, R. J. (2026). Generative AI & Fictionality: How Novels Power Large Language Models (arXiv:2603.01220). arXiv. https://doi.org/10.48550/arXiv.2603.01220

Nieth, B., M. Gracheva, M. Mahlberg, B. Eskofier, and E. Salin. 2026. How Human-Like Are Large Language Models? A Register-Aware Linguistic Evaluation Framework. arXiv preprint arXiv:2605.23651. https://doi.org/10.48550/arXiv.2605.23651

Warburton, Kara. 2024. Developing a business case for managing terminology.

http://termologic.com/wp-content/uploads/2024/05/roi-article-warburton.pd

di prof. Mauro Zampolini

I Large Language Model (LLM) stanno emergendo come strumenti promettenti nel panorama della formazione sanitaria, offrendo numerose possibilità per innovare i processi di insegnamento e apprendimento. Questi modelli di intelligenza artificiale possono assistere i docenti in molteplici attività: dalla creazione di materiali didattici personalizzati alla generazione di casi clinici simulati, dall'automazione delle valutazioni al supporto per il problem-solving clinico.

Riduzione del carico didattico e personalizzazione dei contenuti

Particolarmente interessante è la capacità dei LLM di processare e sintetizzare grandi quantità di informazioni, potenzialmente riducendo il carico di lavoro dei docenti nella preparazione dei materiali didattici. Possono inoltre adattare il contenuto a diversi livelli di competenza, dalla formazione di base all'aggiornamento professionale continuo.

Simulazioni cliniche e casi studio realistici

Un altro ambito promettente è l'utilizzo dei LLM per la creazione di simulazioni interattive e scenari clinici, con la prospettiva di integrare, nel pieno rispetto della privacy, dati clinici reali opportunamente anonimizzati. Questo permetterebbe di generare casi di studio basati su situazioni cliniche autentiche, arricchendo significativamente l'esperienza formativa. I sistemi potrebbero analizzare grandi database di cartelle cliniche anonimizzate per creare scenari realistici e varianti basate su pattern clinici reali, permettendo agli studenti di esercitarsi con casi che riflettono la vera complessità della pratica medica.

Sperimentazione con i LLM per materiali audio-didattici

In questo contesto di crescente interesse per le applicazioni dei LLM, abbiamo condotto un'esplorazione preliminare delle loro potenzialità, concentrandoci sulla trasformazione di contenuti didattici audio in risorse strutturate per l'apprendimento. La nostra sperimentazione si è concentrata sull'utilizzo di un LLM per processare le registrazioni audio delle lezioni, con l'obiettivo di generare tre tipologie di materiali: dispense sintetiche, raccolte di domande frequenti (FAQ) e quiz di autovalutazione.

Coerenza didattica nella generazione di materiali

Nella nostra esplorazione, abbiamo volutamente limitato il campo d'azione del sistema al solo contenuto specifico delle lezioni del docente, senza attingere alla conoscenza generale del LLM. Questa scelta ha permesso di mantenere la coerenza con il programma di insegnamento e di riflettere fedelmente l'approccio didattico del docente. Il sistema ha così estratto e organizzato i concetti chiave basandosi esclusivamente sul materiale audio delle lezioni. Le dispense generate hanno richiesto revisione, ma hanno dimostrato come un LLM possa efficacemente processare e sintetizzare contenuti didattici mirati.

L'evoluzione verso agenti specializzati in medicina

Guardando al futuro della formazione medica con l'IA, emerge chiaramente la tendenza verso lo sviluppo di agenti specializzati, ovvero sistemi di intelligenza artificiale addestrati su domini di conoscenza specifici e limitati. Questi "medical AI agents" si differenziano dai modelli generici per la loro profonda specializzazione in aree mediche definite.

Agenti IA specifici per dominio

A differenza degli attuali LLM generalisti, questi agenti specializzati vengono addestrati esclusivamente su letteratura medica, linee guida cliniche, casi studio e materiale didattico specifico per ogni disciplina. Questo approccio "domain-specific" promette una maggiore accuratezza e affidabilità nell'assistenza alla formazione medica.

Verso un ecosistema di agenti IA collaborativi

Questa evoluzione verso modelli specifici per dominio potrebbe portare a un ecosistema di agenti IA collaborativi, ognuno esperto nel proprio campo, che si integrano per fornire un supporto completo alla formazione medica. Gli studenti potrebbero interagire con diversi agenti specializzati durante il loro percorso formativo, beneficiando di expertise altamente focalizzate.

Precisione, aggiornamenti e validazione per l'IA medica

Il vantaggio di questo approccio "a fette di conoscenza" risiede nella maggiore precisione e affidabilità: addestrando i modelli su domini specifici, si riduce il rischio di errori e si aumenta la profondità della competenza in ogni area. Inoltre, l'aggiornamento di questi modelli specializzati risulta più gestibile, potendo incorporare rapidamente nuove evidenze scientifiche e linee guida nel loro dominio di competenza.

Un futuro di collaborazione tra IA e docenti umani

Questa evoluzione richiederà lo sviluppo di nuove metodologie di addestramento e validazione, specifiche per ogni dominio medico. Sarà fondamentale stabilire standard rigorosi per garantire l'accuratezza e l'affidabilità di questi agenti specializzati, coinvolgendo attivamente la comunità medica nel processo di sviluppo e validazione.

La prospettiva è quella di un futuro in cui la formazione medica sarà supportata da un'orchestra di agenti IA specializzati, ognuno maestro nel proprio ambito, che collaborano per offrire un'esperienza di apprendimento ricca e personalizzata, sempre sotto la guida esperta dei docenti umani.

• il prof Mauro Zampolini è direttore del DIpartimento di Riabilitazione USL UMBRIA 2; è Docente al Corso di fisioterapia dell’Università di Perugia alla Specialistica per le professioni sanitarie Università Di Perugia, al Master muscolo-scheletrico e artrite reumatoide Università Di Perugia. Insegna Riabilitazione per la scuola di Specializzazione di N.eurologia dell’Università di Perugia. È lettore nelle diverse università europee per singole lezioni o mini corsi. Laureato in Medicina e Chirurgia, Specializzato in Neurologia e in Medicina Fisica e Riabilitazione. È inoltre Presidente europeo della UEMS PRM Section - Organizzazione degli Specialisti Europei in Medicina Fisica e Riabilitazione, è stato Presidente della Società Italiana di Riabilitazione Neurologica è Membro dell’European Academy of Rehabilitation Medicine; è autore di oltre 350 pubblicazioni scientifiche

di Elena Martino

Nel 2023 si è celebrato il centenario della nascita di Italo Calvino, il "visionario", lo scrittore, l'artista, l' uomo capace di immaginare il futuro. Il cervello comincia dall'occhio scriveva l'autore ligure al quale Roma ha dedicato la mostra di grandissimo successo, Favoloso Calvino. Un artista a tutto tondo: libri, visioni del futuro tradotte in immagini, disegni, foto, produzioni in grado di trasformare il mondo in un'opera d'arte, con i suoi nuovi strumenti, come l'intelligenza artificiale. Se la mostra ha aiutato a toccare con mano la versatilità e la ricchezza della produzione calviniana, il libro "Il Visconte Cibernetico", scritto da Andrea Prencipe e Massimo Sideri, riesce ad esplorare l'intersezione tra letteratura e tecnologia, prendendo ispirazione dal pensiero calviniano e dalle sue riflessioni proprio sull'intelligenza artificiale (IA). Gli autori mettono alla prova gli insegnamenti di Calvino, cercando di capire come il suo metodo possa aiutare a interpretare il presente e affrontare le crisi attuali.

Una visione scientifica

La prefazione di Maria Chiara Carrozza sottolinea l'importanza del libro come guida per comprendere il nostro ruolo in un'epoca di grandi transizioni, caratterizzata da scoperte scientifiche e tecnologiche rivoluzionarie, come l'ingegneria genetica e l'intelligenza artificiale. Carrozza evidenzia come l'IA, emulando abilità cognitive umane, susciti interrogativi profondi e possa spaventare se non viene compresa e analizzata con competenza. Il più che mai attuale "Metodo Calvino" offre uno strumento per orientarsi nella modernità, per vedere il futuro e costruirlo con la nostra creatività.

“I suoi principi fondanti sono le basi per affrontare il cambiamento di paradigma delineato nel Visconte Cibernetico”.

Il Visconte, prima dimezzato, ora cibernetico, esemplifica l’integrazione tra i due poli opposti del naturale e dell’artificiale, tra uomo e tecnologia, e rappresenta un’omaggio alla cibernetica da chi ha creduto di sviluppare l’artificiale per comprendere il naturale.

L'IA e il nuovo paradigma: dalla risposta alla domanda

Il libro affronta il cambiamento di paradigma imposto dall'IA e dalla digitalizzazione, riflettendo su come la società si sia spostata verso una "cultura della risposta" e come questo influisca sul nostro rapporto con la conoscenza e la creatività. Prencipe e Sideri, ispirandosi a Calvino, sottolineano l'importanza del pensiero divergente e della capacità di porsi domande; entrambi avvertono che la vera minaccia non è l'IA stessa, ma la possibilità di perdere la capacità di formulare le domande giuste.

Gli autori mettono in luce come le macchine, per comprendere il mondo, abbiano bisogno di categorizzare e semplificare, mentre la creatività umana risiede nella capacità di combinare elementi in modi nuovi e inaspettati. Utilizzando l'esempio di Salvador Dalì e il suo "telefono aragosta", Prencipe e Sideri illustrano come l'arte e la letteratura possano sfidare le categorizzazioni rigide delle macchine.

Recuperare il valore del corpo

Il libro esplora anche il ruolo del corpo nell'elaborazione della conoscenza. La digitalizzazione crea una distanza fra l'uomo e il mondo, trasformando il cervello umano in una semplice macchina di elaborazione dati. Gli autori richiamano l'importanza di esperienze dirette e della scrittura manuale per mantenere viva la nostra creatività e capacità di pensiero. "Il Visconte Cibernetico" è una riflessione profonda sul futuro dell'umanità nell'era dell'intelligenza artificiale. Prencipe e Sideri, seguendo le orme di Calvino, offrono un antidoto contro la "colonizzazione del futuro" da parte della tecnologia. Essi insistono sulla necessità di mantenere il potere e la responsabilità di pensare creativamentee di porre domande, sottolineando che, sebbene le risposte possano essere fornite dalle macchine, la formulazione delle domande resta una prerogativa esclusivamente umana.

La creatività è prerogativa umana

Questo libro rappresenta un'importante lettura per chiunque sia interessato a capire come la tecnologia influenzi la nostra società e il nostro modo di pensare. Gli autori offrono un contributo significativo al dibattito contemporaneo su intelligenza artificiale e creatività, invitando i lettori a riflettere sul proprio ruolo in un contesto dove l’IA continuerà ad evolversi per produrre soluzioni e risposte in vari ambiti di applicazione e “idealmente imporre un ripensamento di tutta la filiera educativa che dovrà contemplare modelli educativi ed azioni educative che pongano attenzione su curiosità e creatività quali pratiche metacognitive dell’apprendimento”.

Calvino, l'arte di osservare il futuro

Il contributo di Italo Calvino alla letteratura italiana, e probabilmente mondiale, è indiscutibile: molti lo riconoscono come uno dei grandi innovatori, capace di combinare influenze, trame e visioni per creare nuove concezioni della letteratura, specialmente in relazione al rapporto dell’uomo con i tempi in cui vive. Calvino il visionario, che ha saputo evidenziare disagi, drammi, e a volte anche felicità e comportamenti sognanti, rispecchiando la complessità dell'esistenza umana. Quello che colpisce maggiormente della sua vita letteraria è la straordinaria abilità di esprimersi sia in termini strettamente legati all’uomo, sia attraverso sperimentazioni sulla narrazione e vere e proprie “visioni” sull’universo e sulla nascita della vita, al limite tra il metaforico, il fantastico e l’ironico.

I filosofi greci e la capacità eterna di porre domande

"Il Visconte Cibernetico" esplora proprio questo aspetto avanguardista del pensiero di Calvino, collegandolo al sogno dell’intelligenza artificiale. Calvino, secondo gli autori, offre un antidoto contro la “colonizzazione del futuro” da parte della tecnologia, enfatizzando l’importanza di mantenere la capacità umana di pensare creativamente e porre domande significative. Dedicano l’intero capitolo “Ars interrogandi e ars respondendi” a questo tema, sottolineando l’importanza del porsi le domande giuste usando come esempio quello di Aristotele: “Perchè continuiamo a citare filosofi dell’antica Grecia se le loro risposte appaiono errate? Ebbene, scriveva Russell: Continuiamo a citarli perché le domande erano giuste e ancora oggi rimangono valide”.

Una letteratura senza confini

Definire i romanzi di Calvino come i primi “d’avanguardia” può essere riduttivo e poco pertinente, soprattutto quando ci si riferisce a un pilastro del pensiero letterario. È meglio considerare Calvino per l’enorme influenza che ha avuto sulle generazioni successive di scrittori. "Il Visconte Cibernetico" ci aiuta a capire come le sue intuizioni e le sue visioni continuino a risuonare oggi, in un mondo sempre più dominato dall’intelligenza artificiale.

In questo modo, non si rischia di restringere il campo dell’esistenza di un autore che, probabilmente, è e sarà senza tempo. Le influenze di Calvino sono riconducibili a un'idea di letteratura che trascende le etichette e continua a ispirare pensieri innovativi e creativi nel nostro rapporto con la tecnologia e con il futuro, in un’ottica di Open Innovation.

di Alice Pierluigi

Quando pensiamo all’università, l’immagine che ci viene in mente oscilla ancora tra due estremi: da un lato, un mondo della conoscenza in fermento, ricco di potenzialità, dall’altro, un sistema percepito talvolta come autoreferenziale o distante dalle sfide concrete del mondo del lavoro e dell’innovazione. Ma oggi, per fortuna, si inizia ad avvertira un cambiamento, questa dicotomia è sempre meno attuale. Stanno emergendo con forza nuove idee di università, di formazione e di competenze.

È questa visione che ha guidato molte delle riflessioni emerse dal FORUM PA, tenutosi dal 19 al 21 maggio al Palazzo dei Congressi di Roma. Il tema di quest’anno, “Verso una PA aumentata. Persone, tecnologie, relazioni”, può (e deve) essere letto anche in chiave universitaria, perché il potenziamento del settore pubblico passa inevitabilmente attraverso un sistema educativo e formativo in grado di anticipare il cambiamento e formare cittadini e professionisti preparati ad affrontarlo.

In particolare, durante la tavola rotonda del 20 maggio, moderata da Claudia Bellini, docente di Pedagogia e Didattica sperimentale dell’Università degli Studi di Modena e Reggio Emilia, e intitolata “Sinergie per innovare. Formazione continua e nuove competenze per lo sviluppo del Paese”, aziende, istituzioni e università si sono confrontate su un tema cruciale: come costruire un ecosistema della formazione che non sia solo trasmissione di saperi, ma leva strategica per lo sviluppo economico, sociale e culturale del Paese.

Un’istituzione in grado di formare competenze avanzate, di dialogare con le imprese, di co-progettare soluzioni con la società.

La formazione con e per le aziende

Secondo Donatella Proto, Dirigente del Ministero delle Imprese e del Made in Italy, “l’ossatura economica del Paese” – rappresentata dalle piccole e medie imprese (PMI) – spesso fatica ad affrontare la twin transition, la trasformazione digitale e green, per via della mancanza di competenze e figure professionali adeguate. Per questo, la formazione universitaria deve sapersi connettere in modo più diretto e sistemico con i fabbisogni concreti del tessuto produttivo.

Pur disponendo di numerose tecnologie, inclusa l’intelligenza artificiale, è essenziale che il loro utilizzo sia accompagnato da conoscenze, competenze e consapevolezza. L’IA è, infatti, solo la punta dell’iceberg di una trasformazione ben più ampia, che investe anche il mercato del lavoro. In particolare, il divario tra le competenze richieste e quelle disponibili, il cosiddetto skills mismatch, richiede programmi mirati di aggiornamento e riqualificazione.

Per colmare questo divario, sono stati attivati i Competence Center. I Centri di Competenza ad alta specializzazione sono poli pubblico-privati nati per supportare le imprese, soprattutto le PMI, nell’adozione delle tecnologie avanzate dell’Industria 4.0, offrendo orientamento, formazione e supporto per progetti di innovazione, ricerca e trasferimento tecnologico. Oggi sono otto in tutta Italia e rappresentano un punto di riferimento strategico per favorire l’innovazione e la competitività del sistema produttivo.

Tuttavia, come sottolinea la dott.ssa Proto, il successo di questa missione dipende anche da un’alleanza strutturata con il mondo accademico e da incentivi concreti alla formazione, intesa non solo come acquisizione iniziale di competenze, ma anche come reskilling e upskilling dei lavoratori, anche di quelli già presenti nelle imprese o nelle pubbliche amministrazioni.

Competere: andare insieme nella stessa (giusta) direzione

Nel linguaggio comune, il termine competere è spesso associato al conflitto o alle gare, ma la sua radice etimologica racconta tutt’altra storia: competere significa “andare insieme”, “muoversi verso una meta comune”.

Lo ricorda Sergio Diretti, Direttore delle Azioni Strategiche e Speciali di Lepida, a partire da un contesto molto concreto: quello delle pubbliche amministrazioni locali (il plurale è d’obbligo!). Infatti, in Italia, parlare di Pubblica Amministrazione al singolare risulta fuorviante, perché, nella realtà dei fatti, si tratta di tanti enti diversi che a volte faticano a comunicare tra loro.

Eppure, nonostante le differenze di scala, territorio e risorse, esiste un filo rosso che le lega: la necessità di camminare insieme per affrontare sfide complesse, che nessun ente, istituzione o singolo cittadino può risolvere da solo.

È su questo principio che si fondano, ad esempio, le comunità tematiche, una forma di comunità di pratica nate in Emilia-Romagna: veri e propri spazi collaborativi tra enti pubblici, costruiti per affrontare in modo condiviso temi cruciali per il territorio — dalla transizione digitale alla sanità, dalla mobilità alla sostenibilità. L’obiettivo è mettere in circolo esperienze, soluzioni e saperi e, soprattutto, dare risposte concrete alle domande reali dei cittadini e delle imprese.

E questo principio vale anche per il mondo della formazione: solo attraverso un lavoro congiunto tra università, enti pubblici e imprese è possibile affrontare le sfide complesse che ci attendono, dalla transizione ecologica alla rivoluzione digitale, fino al ripensamento dell’organizzazione del lavoro. In questo quadro, le università possono e devono giocare un ruolo chiave: non solo come erogatrici di conoscenza, ma come catalizzatori di innovazione sociale, culturale e tecnologica.

Misurare per crescere: l’università e la misurazione delle competenze

La definizione e lo sviluppo delle competenze non è più un tema riservato solo al mondo del lavoro. Anche la pubblica amministrazione e l’università oggi sono chiamate a misurare l’impatto reale dei percorsi formativi, a promuovere una didattica basata su competenze soft e hard.

Così la definizione e lo sviluppo delle competenze diventano elementi centrali. In questo senso, l’esperienza della Scuola Nazionale dell’Amministrazione (SNA) – che, ispirandosi alle linee guida dell’OCSE, ha mappato le competenze chiave per il management pubblico – rappresenta un esempio interessante anche per il mondo accademico.

Modelli di assessment, indicatori comportamentali, framework di competenze trasversali: strumenti simili potrebbero essere adottati (e in parte lo sono già) anche nei contesti universitari per migliorare l’efficacia dei percorsi di studio e accompagnare la crescita professionale degli studenti.

EDUNEXT: un nuovo paradigma per l’università italiana

Il progetto EDUNEXT rappresenta forse il segnale più forte della trasformazione in atto nel sistema universitario. Finanziato dal Ministero dell’Università e della Ricerca nell’ambito del PNRR, EDUNEXT mira a costruire un ecosistema formativo avanzato, inclusivo, accessibile e allineato alle esigenze della società contemporanea.

Tra le iniziative più significative: lo sviluppo di corsi di laurea, master e MOOCs su temi strategici come cittadinanza digitale, data literacy, intelligenza artificiale e sostenibilità; la creazione di una Educational Content Library aperta e condivisa; e una vasta offerta di formazione per i docenti universitari e del personale tecnico-amministrativo.

L’evento EDUNEXT del 9 e 10 giugno ad Ancona, dedicato all’uso dell’IA nella didattica, sarà un momento cruciale per condividere buone pratiche e sperimentare approcci innovativi. Non solo teoria, ma workshop, confronto e co-progettazione. L’obiettivo è chiaro: costruire insieme, in due giornate di confronto e sperimentazione, una visione condivisa dell’innovazione accademica.

Verso un'università "aumentata"

FORUM PA ha restituito un’immagine dell’università che evolve, che si connette, che sperimenta. Un’università che non si limita a “formare”, ma che trasforma: sé stessa, i suoi studenti e il sistema-Paese. La sfida delle competenze non è solo quantitativa, ma culturale: richiede alleanze solide, un ascolto attento delle esigenze sociali ed economiche e una visione condivisa di futuro. Perché innovare davvero, oggi, significa educare al cambiamento e costruire insieme una conoscenza che non sia mai fine a sé stessa, ma motore di impatto reale.

di Federico Maiocco

Quando si parla di arte, l'uso dei numeri ha sempre un che di riduttivo, come se il gesto artistico risultasse ingabbiato da una logica che non gli appartiene. Tuttavia, se il tema riguarda i dottorati delle Istituzioni di Alta Formazione Artistica, Musicale e Coreutica (AFAM), oggi sono proprio i numeri a conferire al mondo dell'arte in Italia un senso di libertà, poiché spezzano, dopo decenni di attesa, quello "zero" che lo cingeva in un abbraccio soffocante. Attesi, annunciati, finanziati, progettati: i dottorati di ricerca AFAM sono ora una realtà anche in Italia.

Una visione d'insieme ricca di sfumature

L'occasione di avere una prima visione d'insieme arriva dalla mappatura fornita dalla professoressa Marilena Maniaci del Consiglio Direttivo ANVUR il 17 dicembre alla Rete dei Nuclei di Valutazione delle Istituzioni AFAM, durante un incontro online il cui tema era la "sfida della qualità" per i nascenti dottorati di ricerca.

Nel totale dei 62 corsi attivati, si nota come praticamente tutte le diverse tipologie di Istituzioni che compongono l'universo AFAM abbiano accettato la sfida: 35 conservatori, 21 accademie di belle arti tra statali e legalmente riconosciute, 3 istituzioni artistiche, 2 Istituti Superiori per le Industrie Artistiche (ISIA) e l'Accademia Nazionale di Arte Drammatica.

Se circa la metà dei corsi (32) è stato affrontato singolarmente dalle AFAM e un quarto (15) in forma di aggregazioni tra AFAM, nell'elenco sono presenti numerosi dottorati in partenariato con imprese, università, pubblica amministrazione e enti di ricerca. Scorrendo i dati rilevanti, spiccano le 330 borse in prima assegnazione, i 10 corsi di dottorato industriali e la formazione di 2 dottorati a valenza nazionale.

Una rotta comune in un mare di temi

Dalla conservazione del patrimonio culturale alle nuove tecnologie, dalle arti performative al management, dalla didattica al design: ogni sfaccettatura del mondo artistico sembra essere rappresentata tra le tematiche dei curricula. Anche se li si ricondurrà a macroaree d'intervento, la varietà dei temi di ricerca rimanda a una visione globale, con uno spettro così ricco di sfumature da rendere difficile tracciare linee e confini. Ciò che si può tracciare, invece, è una rotta comune, seguendo alcuni punti fermi come le nuove tecnologie, l'internazionalizzazione, la riconoscibilità dei valori e la prospettiva occupazionale. D'altronde, per le istituzioni AFAM, quello dei dottorati di ricerca è un viaggio che inizia ora, e individuare una rotta comune sin da subito è già un risultato.

Una svolta epocale e un viaggio epico

La "svolta epocale", definizione spesso usata nel mondo AFAM per commentare l'istituzione dei dottorati, è ora movimento e azione. Un viaggio che i numeri dipingono come epico, anche solo per la varietà dei protagonisti. Anche la narrazione più vasta e corale, per essere vissuta e compresa, deve passare da una visione dall'alto e d'insieme a una più focalizzata e personale, dando voce ai singoli protagonisti. Così, nell'incontro indetto dall'ANVUR, hanno preso la parola i rappresentanti di diverse realtà: i 2 dottorati nazionali, quello industriale dell'ISIA di Roma e quello prettamente artistico "Siena Jazz".

I DIN targati AFAM

11 accademie, 11 conservatori, numerose imprese e fondazioni culturali si sono uniti sotto la guida dell'Accademia di Belle Arti di Napoli nel più vasto dei due DIN, che già dal nome riflette l'ampiezza dei temi di ricerca: Visual Arts, Performing Arts, New Media, New Technologies, Music & cultural heritage. 58 i posti resi disponibili dal bando, selezionati anche in funzione degli obiettivi prioritari che si sintetizzano nelle 3 parole chiave: network, interdisciplinarità e internazionalizzazione. "Ridurre la frammentazione", "creare un ponte tra ricerca accademica e industriale" e l'obiettivo di entrare nella rete degli European Doctoral Network sono aspetti sottolineati dai professori Pier Luigi Ciapparelli e Giuseppe Gaeta, che hanno ribadito come la nascita dei dottorati AFAM rappresenti una straordinaria opportunità per sanare la frattura tra il mondo della scienza e quello delle arti, e vincere la contemporanea sfida della complessità.

Il network e l'organizzazione di eventi complessi in rete uniscono negli intenti i due dottorati nazionali, essendo, nelle parole del professor Paolo Troncon la prima spinta che ha portato il Conservatorio di Castelfranco Veneto a mettersi capofila del Dottorato in Artistic Research on Musical Heritage. Sotto questo titolo comune si sono uniti 17 conservatori distribuiti in tutta Italia, caratterizzati dal fatto di essere istituti di piccole e medie dimensioni, scelta voluta per valorizzare la qualità espressa, a prescindere dalla collocazione e dai numeri. Tra i numeri, spicca la percentuale dei posti senza borsa: 14 su 58 totali.

Vecchi problemi e nuove sfide per una politica del sorriso

La sfida della qualità è stata al centro dell'incontro del 17 dicembre dell'ANVUR, che ha esposto, nell'intervento del dottor Marco Malgarini, tutti gli strumenti pensati e messi in atto per la valutazione della ricerca, che hanno dovuto bilanciare le specificità degli istituti AFAM con la necessità di integrazione con il mondo universitario. "Epocale" ritorna per definire l'anno 2024 anche nelle parole della professoressa Giovanna Cassese, Presidente del CNAM (Consiglio Nazionale dell'Alta Formazione Artistica e Musicale), sia per la nascita dei dottorati AFAM, sia per i regolamenti che guardano all'autonomia delle istituzioni e all'allineamento con il mondo universitario, anche in ottica di reclutamento.

Nel generale clima entusiasta e propositivo, restano ancora sospese vecchie questioni, in particolare la mancanza di linee guida che permettano di definire in modo chiaro i concetti di ricerca e di qualità legati al comparto AFAM. Così come abbiamo aperto parlando di numeri a proposito d'arte, chiudiamo con la sola apparente contraddizione della richiesta di regole e parametri che proviene da chi, nell'immaginario comune, cerca di fuggirli e superarli.

di Federico Maiocco

NOTA BENE: articolo scritto prima del 4 aprile (il motivo del perché sia utile specificarlo lo scoprirete leggendo)

Leggere Ipnocrazia. Trump, Musk e la nuova architettura della realtà a firma di Jianwei Xun, tradotto in italiano da Andrea Colamedici (Edizioni TLON, 2025, €12) è sicuramente un'esperienza stimolante e ancora di più risulta intrigante farne la recensione volendo applicare le stesse “buone pratiche” che il libro propone.

Un'opera che ci sfida

Ipnocrazia si presenta come un'opera che sfida il lettore su più livelli, oscillando tra saggio filosofico, manifesto culturale e guida pratica alla sopravvivenza in un mondo di informazioni manipolate. L'analisi proposta è affilata, sebbene talvolta manchi di riferimenti chiari. Il testo stesso sembra riflettere le dinamiche ipnotiche che descrive, con una struttura che ritorna ciclicamente su concetti e immagini, trascinando il lettore in una sorta di trance narrativa.

Il messaggio centrale è inquietante: il potere contemporaneo non si affida più a strumenti di repressione diretta, ma induce uno stato di assuefazione dolce e pervasiva. Siamo immersi in una condizione di sonnambulismo digitale, trasportati da un flusso continuo di stimoli che non informano ma modellano la percezione della realtà. Tuttavia, il libro non si abbandona a un pessimismo tecnologico assoluto: suggerisce strategie per resistere, pur ammettendo che sottrarsi completamente a questo stato è impossibile.

La sfida, quindi, è quella a mettere in atto il proprio pensiero critico.  Accettiamo la sfida partendo proprio dal libro stesso che ci porta  a dubitare persino dell'esistenza del suo autore, il misterioso Jianwei Xun.

Sulle tracce di Jianwei Xun

Jianwei Xun è un individuo reale, uno pseudonimo tradizionale o un'entità generata artificialmente? Il dubbio sulla sua esistenza è stato sollevato più volte, e forse è proprio questa l'intenzione dietro la sua figura. Mentre cerchiamo risposte, ci rendiamo conto che Ipnocrazia ci mette al centro del gioco, facendoci oscillare tra realtà e illusione, tra certezza e suggestione.

Indubbiamente il recentissimo Ipnocrazia ha accesso rapidamente diversi focolai di discussione, anche in ambito accademico, attorno al tema dell'interpretazione della nostra realtà o, meglio, delle nostre realtà. E questo è comunque sempre un bene.

Meno indubbiamente possiamo parlare dell'autore. a figura dell'autore rimane sfuggente. Navigando nel web alla sua ricerca, emergono “realtà stratificate”:

·    L'unica intervista disponibile è stata condotta via e-mail, senza prove dirette dell'esistenza di Xun.

·    Un suo paper su Academia.edu lo colloca a Berlino e poi a Dublino.

·    Il libro ha seguito un percorso editoriale sorprendentemente rapido, con un'edizione inglese autopubblicata che condivide la stessa copertina dell'edizione tradotta in italiano. Copertina però creata dal traduttore stesso.

·    Esistono podcast e video sul testo molti generati con AI, ma nessuna diretta di Xun.

·    Il suo primo follower su Academia.edu è un certo Jong Un Kim, con foto profilo identica al noto politico nordcoreano.

In questo gioco di specchi, emerge un dettaglio intrigante: il sito ufficiale di Xun include una sezione intitolata L'autore come ipotesi: frammentazione dell'identità e costruzione collaborativa del pensiero. Qui troviamo un passaggio criptico che spiega la nota iniziale di questa recensione: “Il 4 aprile segna una data significativa nella mia ricerca: alcune ipotesi sui meccanismi ipnotici verranno testate in modi che potrebbero generare intuizioni inaspettate. Gli esperimenti più interessanti sono quelli in cui il confine tra osservatore e partecipante si dissolve”. Una realtà autoriale ed editoriale a dir poco frammentata e stratificata, trasparente quanto opaca. Ma chiunque o qualunque cosa sia Xun, di cosa parla realmente Ipnocrazia?

Il potere della trance permanente

Nel modello ipnotico descritto da Xun, il controllo non avviene attraverso la coercizione, ma tramite un flusso continuo di suggestioni. Schermi, notifiche e feed personalizzati sono progettati per mantenere l'attenzione in uno stato di sospensione, riducendo la capacità di analisi critica. La realtà stessa diventa fluida e malleabile, un'illusione generata e modulata in tempo reale.

Ipnocrazia descrive questo fenomeno come il primo sistema di potere che agisce direttamente sulla coscienza: non impone, non vieta, ma guida dolcemente il pensiero verso un'adesione inconsapevole. L'individuo non è più represso, ma persuaso senza accorgersene.

In un’epoca in cui il digitale permea ogni aspetto della vita quotidiana, la nostra attenzione viene catturata e condizionata da algoritmi sofisticati, trasformando la veglia in un sogno guidato. La realtà, quindi, diventa un flusso continuo di stimoli che si sovrappongono, inducono stati emotivi e creano una condizione di “trance” permanente.

Trump e Musk: sacerdoti dell'Ipnocrazia

E chi sono i maestri di questo incantesimo globale? Li abbiamo già nel titolo: Donald Trump ed Elon Musk, descritti come i pifferai magici dell’era moderna. Figure non tanto visti come i creatori di una nuova realtà, ma come le maschere visibili che incarnano il potere ipnocratico.

·    Donald Trump viene descritto come il maestro della retorica svuotata. Le sue parole, ripetute incessantemente, perdono il loro significato originario ma acquisiscono un potere ipnotico capace di sedurre le masse. Attraverso simbolismi forti e invocazioni di crisi immaginarie, egli si presenta come il protettore, trasformando ogni critica in un ulteriore rinforzo del suo mito.

· Elon Musk incarna l'utopia tecnologica. Le sue promesse futuristiche, che si avverino o meno, inondano l'immaginazione collettiva, trascinando la mente in uno stato di anticipazione ossessiva. La figura di Musk diventa il simbolo di un futuro in cui la tecnologia e il sogno si fondono, creando una realtà in cui la critica viene assorbita e trasformata in parte integrante del sistema.

La critica che conferma

Uno degli aspetti più inquietanti del libro è la descrizione della capacità del sistema ipnocratico di assimilare ogni forma di critica, trasformandola in ulteriore conferma. Ogni tentativo di smascheramento diventa parte integrante della narrazione stessa, rendendo impossibile un'opposizione effettiva. Anche chi si ribella finisce per rafforzare il meccanismo che intende combattere.

Questa dinamica è particolarmente pericolosa perché mina la capacità di discernimento e rende difficile distinguere tra opposizione autentica e conformità forzata. In questo modo, il sistema non ha bisogno di convincere ogni individuo, ma basta mantenere una massa critica in stato di trance per alterare l’intero campo della realtà sociale.

Algoritmi ipnotici e capitalismo digitale

Il libro dedica ampio spazio all’analisi del ruolo degli algoritmi, che Xun definisce “edging algoritmico”. Ogni scroll, ogni notifica, ogni feed diventa un trigger studiato per mantenere l’utente in uno stato di attenzione continuamente alterato.

L'analisi di Xun si sofferma sugli algoritmi come strumenti di condizionamento. Non si limitano a proporre contenuti, ma creano esperienze su misura per ciascun individuo, mantenendolo in un loop attentivo senza fine. Il capitalismo digitale, quindi, non si basa solo sull'accumulazione di denaro, ma sulla gestione degli stati mentali, commercializzando la nostra attenzione.

La resistenza oscura

Ma non tutto è perduto. Xun suggerisce una resistenza oscura o invisibile: non una ribellione frontale, ma una navigazione consapevole nel sistema. Essere sognatori lucidi, capaci di muoversi tra illusioni senza perderne la consapevolezza. Sviluppare una nuova alfabetizzazione digitale, capace di riconoscere i meccanismi manipolatori e usarli a proprio vantaggio.

La strategia della resistenza oscura suggerisce la creazione di spazi mentali autonomi in cui poter sfuggire al controllo algoritmico. La resistenza oscura non è un atto di ribellione esplicita, ma un sabotaggio silenzioso che rende l’utente “illeggibile” ai meccanismi di induzione ipnotica, permettendogli di preservare la propria autonomia e criticità

Attraverso questi strumenti, Xun ci invita a trasformare la seduzione digitale in un’opportunità di risveglio.

Pillola rossa o pillola blu? Uscire dalla trance o continuare a sognare?

Ipnocrazia. Trump, Musk e la nuova architettura della realtà da un lato denuncia un sistema in cui la seduzione digitale trasforma ogni forma di critica in conferma del potere, dall'altro ci propone  strumenti per sviluppare una consapevolezza critica e una resistenza attiva. Qualunque cosa si scoprirà il 4 aprile, Ipnocrazia rappresenta un invito urgente a interrogarsi sulle dinamiche del potere nell’era digitale e a cercare vie di liberazione attraverso il riconoscimento della natura collaborativa e fluida del pensiero.

Siamo dunque chiamati non solo a leggere, ma a partecipare attivamente al dialogo, contribuendo a definire nuove configurazioni di intelligenza e consapevolezza.

Alla fine, la domanda è una sola: siamo disposti a svegliarci dalla trance digitale?

La risposta dipende da noi.

di Cecilia Pellizzari

di Federico Ruggiero

L'incipit può apparire insolito, si parte da un quesito: l'utilizzo degli strumenti di IA generativa può aiutare i ricercatori? L'intelligenza Artificiale sembra essere diventata pervasiva in ogni campo della conoscenza e gli strumenti basati sugli LLM rappresentano una delle aree più avanzate e innovative, con la capacità non solo di analizzare dati esistenti, ma anche di creare nuovi contenuti in modo autonomo. A differenza delle IA tradizionali, che si concentrano prevalentemente sul riconoscimento di pattern e l'elaborazione di informazioni fornite dall'utente, tool come ChatGpt, Copilot, Perplexity o Mistral, tanto per citarne alcuni, sono progettati per generare nuove informazioni, testi, immagini, musica o persino video, basandosi su modelli statistici complessi e sull'apprendimento automatico.

Attraverso tecniche avanzate di machine learning e deep learning, l'IA rilascia contenuti originali, elaborati a partire da ciò su cui è stata addestrata. Ad esempio, i modelli di linguaggio come GPT (Generative Pretrained Transformer) sono in grado di produrre testi coerenti e contestualmente appropriati in risposta a un input (prompt) fornito dall'utente. Allo stesso modo, esistono modelli specializzati nella creazione di immagini (ad esempio DALL-E), video o musica.

Chatbot come ChatGPT (OpenAI), Gemini (Google DeepMind), Copilot (Microsoft) sono noti come modelli di linguaggio avanzati, progettati per comprendere e generare testo complesso in modo più fluido. Non sono limitati a eseguire comandi predefiniti (come sistemi quali Alexa di Amazon), ma possono affrontare compiti più complessi, come la creazione o la rielaborazione di testi, l'analisi di documenti e il supporto nella scrittura di codice. Questi sistemi sono più flessibili e possono rispondere a domande aperte, generare contenuti originali e partecipare a conversazioni articolate. Possono interpretare richieste vaghe, rispondere in modo più approfondito, ricordare contesti di conversazioni precedenti e adattare le loro risposte alle specifiche esigenze dell'utente.

ChatGPT, in particolare, ha una storia consolidata di sviluppo ed è ampiamente testato in vari contesti. Questa maturità si traduce in un sistema stabile, in grado di gestire interazioni complesse con una solida base di supporto e aggiornamenti continui. Il modello di ChatGPT consente di creare propri “gpt” personalizzati, addestrandone il comportamento (fine-tuning), configurando il tono delle risposte e le informazioni prioritarie, tutto attraverso un’interfaccia user-friendly accessibile anche agli utenti meno esperti.

Gemini non si basa su un singolo linguaggio di programmazione ma su una complessa architettura di modelli neurali e su un algoritmo di apprendimento. Come parte dell'universo Google si integra bene con le applicazioni di Google Workspace, come Drive, Meet e Gmail, andando oltre la semplice interazione per fondersi con esse a livello di framework. Ad esempio, è possibile chiedere a Gemini di effettuare ricerche tra i propri file salvati in Google Drive o nella propria casella di Gmail. Ciò consente di automatizzare flussi di lavoro complessi con la generazione automatica di layout e diversi contenuti, con un significativo aumento dell'efficienza e della produttività.

Copilot si distingue per la sua stretta integrazione con le applicazioni di Microsoft 365. Questa integrazione consente di automatizzare processi complessi, come la generazione di una presentazione PowerPoint partendo da un documento Word.

Tuttavia, questi sistemi non sono immuni da errori o da fornire risposte ambigue o con bias, poiché i modelli GPT non comprendono realmente le informazioni, ma si basano su pattern statistici derivati dai dati di addestramento. Potrebbero confondere concetti, formulare risposte vaghe o addirittura fornire affermazioni false con apparente sicurezza. Ad esempio, possono emergere bias culturali, di genere o razziali che potrebbero perpetuare stereotipi o produrre contenuti non eticamente appropriati. Ecco perché è fondamentale conoscere quali possano essere i rischi associati a questa tecnologia e adottare un comportamento prudente e critico: è sempre importante verificare la correttezza delle informazioni, essere consapevoli che i modelli possono riprodurre bias e pregiudizi presenti nei dati di addestramento, considerarla come un complemento alle capacità umane, non una sostituzione.

L' IA generativa a supporto della ricerca

Dopo aver introdotto le potenzialità dell'IA generativa, è possibile concentrarsi sui sistemi progettati per supportare i ricercatori durante le loro attività di indagine e studio della letteratura scientifica. Questi strumenti, alimentati con database scientifici, sono in grado di comprendere le richieste e fornire risposte (output) pertinenti con la letteratura esistente. L’esperienza è simile a quella che avviene con l’utilizzo di ChatGPT.

In un contesto accademico in cui la quantità di informazioni cresce esponenzialmente, uno dei problemi principali per i ricercatori è la gestione efficace delle fonti e dei dati. La ricerca bibliografica, la revisione della letteratura e il mantenimento di aggiornamenti continui sugli sviluppi scientifici rappresentano fasi cruciali, ma anche estremamente dispendiose in termini di tempo e risorse cognitive. Questi chatbot possono processare grandi quantità di dati in poco tempo, fornendo ai ricercatori rapido accesso e rielaborazione della conoscenza scientifica, riducendo sforzi, tempi e rischi legati alla mancanza di alcune fonti rilevanti.

Ecco tre esempi di assistenti alla ricerca:

1. Scite AI: Basato su un database di citazioni costantemente aggiornato con oltre 200 milioni di fonti accademiche e 1,2 miliardi di citazioni, permette di iniziare la ricerca con una domanda e successivamente modificare o aggiungere dettagli. Fornisce risposte accurate con riferimenti bibliografici precisi.
2. Undermind AI: Utilizzato da istituzioni come Harvard e Cambridge, questo tool imita il processo di ricerca umano esaminando i risultati per gradi, utilizzando modelli linguistici per riconoscere informazioni cruciali e adattare la strategia di ricerca. Anche se il suo database è alimentato da abstract e metadati di Semantic Scholar, Undermind si distingue per l'alto livello di accuratezza.
3. Ask R Discovery: è un tool di ricerca scientifica che vanta un database creato tramite accordi con editori accademici quali Taylor & Francis, PubMed, Sage Publishing, Elsevier, Emerald Publishing (e altri) rendendolo “Il più aggiornato e uno dei più grandi repository di contenuti accademici” (fonte: sito web). Per ogni ricerca è possibile applicare un numero elevato di filtri tra cui la ricerca di pubblicazioni in quartili specifici (Q1, Q2, Q3, Q4)

E se volete approfondire e imparare ad usarli trovate qui una serie di corsi: https://www.aclang.com/ai-bootcamp.php

di Redazione Lesdit

Nell'era della digitalizzazione e dei Big Data, la ricerca scientifica ha trovato nelle diverse declinazioni dell'intelligenza artificiale un alleato potente in grado di rivoluzionare i processi e gli step della ricerca. Nel campo dell'oncologia si sta comprendendo già da tempo che la capacità di gestire e interpretare immensi volumi di dati può marcare la differenza nelle aspettative di vita del paziente. Si aprono così nuovi filoni di ricerca, uno di questi vede tra i leader Antonio Iavarone, originario di Montesarchio, Benevento, Professore di Chirurgia Neurologica, che dopo oltre 20 anni ha lasciato la Columbia University di New York per approdare al Sylvester Comprehensive Cancer Center dell'University of Miami Miller School of Medicine dove è il vicedirettore di progetti di ricerca.

Chi è Antonio Iavarone

Lo scienziato italiano dal 2002 lavora e fa ricerca ad altissimo livello negli Stati Uniti; chi ha un'età adulta e una buona memoria lo ricorda tra i primi casi di "fuga dei cervelli" italiani all'estero: ottenuta la specializzazione all’Università Cattolica del Sacro Cuore, a Roma nel 1991, ha lavorato nel reparto di oncologia pediatrica del Policlinico Gemelli, sviluppando ricerche fondamentali sul neuroblastoma pediatrico ed individuando il ruolo della proteina ID2 nello sviluppo di alcuni tumori infantili. Ad inizio 2000 è emigrato negli Stati Uniti insieme alla moglie, Anna Lasorella, con la quale ha condiviso e condivide ad oggi (li vediamo insieme nella foto), la maggior parte dei protocolli di ricerca. La coppia decise di andarsene dopo aver denunciato un grave episodio di nepotismo: Iavarone e Lasorella furono costretti a inserire il nome del figlio del primario in almeno 25 delle loro pubblicazioni scientifiche. Dopo essere stato Professore di Patologia e Neurologia al Columbia University Institute for Cancer Genetics di New York e sucessivamente a capo di un gruppo di ricerca nella lotta contro i tumori, da qualche anno è approdato a Miami.

L' utilizzo dell'IA nella ricerca sul cancro

Oggi, al Sylvester Comprehensive Cancer Center Antonio Iavarone guida il Sylvester Brain Tumor Institute (SBTI), una struttura all'avanguardia dedicata alla ricerca e alla cura dei tumori cerebrali con la finalità di arrivare sempre più alla personalizzazione delle terapie. Uno degli strumenti più innovativi sviluppati dal suo team è Sphinks, un algoritmo basato sull'intelligenza artificiale che analizza i dati delle proteine tumorali per identificare nuovi bersagli terapeutici. "L’intelligenza artificiale è uno strumento crucialmente importante," spiega lo scienziato italiano, "La stiamo utilizzando per individuare opportunità di cura adatta ad ogni singolo paziente, analizzando enormi quantità di dati da ognuno per comprendere le loro vulnerabilità terapeutiche."

Sphinks a caccia delle cellule tumorali

I termini non sono forse facilmente comprensibili ad un semplice lettore ma SPHINKS, acronimo di Substrate Phosphosite based Inference for Network of KinaseS, l'algoritmo messo a punto dal team di ricerca, ha identificato le chinasi (PKC? e DNAPKcs) associate alla progressione in due sottotipi di glioblastoma, uno dei tumori cerebrali più aggressivi e mortali. Utilizzando organoidi tumorali coltivati in laboratorio da campioni di pazienti, il team di Iavarone ha dimostrato che farmaci mirati che interferiscono con le due chinasi possono bloccare la crescita della neoplasia. Queste chinasi aberranti sono state attivate anche nei sottotipi di tumore del seno, del polmone e di altri tipi di cancro.
"Si tratta di una scienza traslazionale che offre opportunità immediate per cambiare il modo in cui i pazienti con glioblastoma vengono gestiti di routine in clinica" ha voluto sottolineare Antonio Iavarone, autore senior dello studio. “SPHINKS offre agli oncologi un nuovo strumento per applicare i trattamenti corretti in sottotipi di cancro omogenei”.

Nell'immagine la rete SPHINKS e il targeting di precisione delle master chinasi nel glioblastoma

La gestione dei dati

"L'IA ci permette di affrontare quello che chiamo uno tsunami di dati," ha detto Iavarone. "La sfida è gestire questi dati, interpretarli correttamente e portarli al letto del paziente, grazie a tutto il percorso possiamo trovare nuovi target terapeutici che possono essere trattati con inibitori specifici, migliorando le possibilità di successo del trattamento," dice Iavarone, durante un incontro, a Roma, in Senato, promosso dall'Associazione Culturale Dossetti ""L'idea è utilizzare tutte le piattaforme molecolari disponibili per fare previsioni terapeutiche mirate ai nodi cruciali di ogni tumore. Non è semplice e richiede tempo, ma stiamo facendo progressi significativi." Il progetto innovativo utilizza modelli di laboratorio dei tumori dei pazienti, creati a partire da tessuti bioptici, per testare diverse combinazioni di farmaci. I pazienti possono quindi ricevere trattamenti basati direttamente sugli studi preclinici effettuati sui loro tumori. "Stiamo creando modelli unici per ogni paziente per studiare la biologia dei loro tumori e testare diversi farmaci in laboratorio," ha spiegato Iavarone.
Attualmente, ci sono due clinical trial attivi basati su questa strategia: uno sui glioblastomi mitocondriali e uno sul gene di fusione FGFR3-TACC3, scoperto dal gruppo di Iavarone nel 2012. Questi studi rappresentano un passo avanti verso la medicina personalizzata, includendo solo pazienti con specifiche alterazioni genetiche.

Le Prospettive Future

Guardando al futuro, Iavarone sottolinea il potenziale dell'IA nella ricerca oncologica ma non nasconde le difficoltà: "L'IA ci offre nuove evoluzioni e strumenti per individuare caratteristiche specifiche dei tumori attraverso tecniche di imaging avanzate ma ci sono ancora molte sfide da affrontare. "Dobbiamo coordinare la capacità computazionale con l'aspetto terapeutico e ridurre il tempo tra la scoperta di una terapia e la sua applicazione clinica." Il tema è proprio il tempo che passa tra l'individuazione della cura e la realizzazione del farmaco necessario e questo chiama in causa tutti gli altri attori coinvolti: le agenzie regolatorie, le istituzioni sanitarie, e le case farmaceutiche che devono mettere a disposizione i farmaci per poi realizzare effettivamente le analisi sul paziente. Insomma il grado di complessità è davvero elevato e se è difficile mettere a terra il tutto negli USA lo è ancor di più in Italia: "Non esiste ancora una filiera  che parta dalla generazione di una quantità enorme di dati, che devono essere messi a disposizione dei laboratori che devono poi poterli  studiare in maniera approfondita a livello computazionale per fare test sugli avatar tumorali, verificare se le previsioni funzionano per arrivare alla fine a produrre un farmaco" chiosa Iavarone che almeno al Sylvester Brain Tumor Institute di Miami sta provando a mettere a sistema un tale protocollo di ricerca sui tumori al cervello che rimangono la prima causa di morte per cancro nei bambini e sono tra i più aggressivi anche per gli adulti. La tecnologia è più di una semplice speranze per trovare una buona possibilità terapeutica in futuro.

di Lydia Zampolini

L'Intelligenza Artificiale (IA) non è certo una novità: da circa settant'anni è oggetto di studio ed è, ormai, entrata a far parte della nostra quotidianità in modo dirompente. Il clamore è scoppiato da quando chatGPT è stato reso accessibile agli utenti, provocando un approccio polarizzante, da una parte è la soluzione per ogni quesito, dall’altra il timore che possa alla fine sostituire l’umano o rendere difficile distinguere il vero dal verosimile e falso. Di fronte a questo scenario, e all’impatto che ha e avrà sulla nostra società e sulla vita quotidiana, il mondo della scuola non può rimane estraneo al dibattito e si interroga sul possibile ruolo dell’IA nel preparare gli studenti a navigare questo nuovo panorama tecnologico, che con una adeguata “messa a terra” può rappresentare una grande opportunità per educare al pensiero critico e costruire competenze indispensabili per la nostra epoca

I passi avanti nella ricerca: IA nella formazione di base

Il libro Scuola e intelligenza artificiale: percorsi di alfabetizzazione critica, di Maria Ranieri, Stefano Cuomo e Gabriele Biagini, pubblicato a gennaio 2024, offre uno sguardo nuovo sul tema, sviluppando una riflessione che fonda il piano istituzionale e quello della ricerca, argomentando come l’istruzione possa affrontare questa sfida e come questa debba essere parte integrante della formazione di base.

Da una parte, il piano istituzionale, espresso nel DigComp e DigCompEdu, evidenzia l’importanza delle competenze digitali negli studenti, inclusa la comprensione critica delle tecnologie come l’IA, nel panorama educativo moderno; dall’altra, il piano della ricerca, amplia il concetto tradizionale di literacy, ponendo l’accento su un’educazione che tenga conto delle nuove forme di alfabetizzazione.E se questo rende chiara la necessità di presa in carico da parte della scuola di questi temi, la domanda che rimane aperta, e a cui gli autori cercano di dare risposta sotto una prospettiva pedagogica e attenta agli aspetti per e nell’alfabetizzazione critica all’IA è: in che termini occuparsene?

Definire il concetto di intelligenza artificiale

Il punto di partenza per rispondere alla domanda e definire il framework su cui si sviluppa la riflessione del libro è circoscrivere il concetto di intelligenza artificiale. È un concetto presente da tempo, a cui vengono associate definizioni non univoche, accomunate dal riferimento continuo all’intelligenza umana. Gli autori, dopo aver stilato una breve rassegna di definizioni esistenti, privilegiano quella dell’UNESCO per la sua pluralità di dimensioni; una visione multidimensionale che si riflette, poi, nel framework adottato in questo volume e che coniuga l’elemento informazionale, cognitivo e decisionale:

“elaborare informazioni attraverso modelli e algoritmi, apprendere e gestire compiti nonché effettuare previsioni, prendere decisioni sia in ambienti reali che virtuali.”

Alla luce di ciò, gli autori si soffermano sulla necessità di una vera e propria literacy dell’intelligenza artificiale per vivere nel XXI secolo. Si tratta di conoscerne e comprenderne le funzioni di base, oltre che saper leggere, lavorare con, analizzare e creare con l’IA, sapendo navigare comprendere e interagire in modo critico in un ecosistema - quello dell’IA - che intreccia tecnologia, società e individuo. Citando Lang e Magerko (2020) viene sottolineata questa necessità di avere le competenze per usare in modo efficace strumenti di IA in modo da consentire agli studenti di partecipare attivamente al dibattito attuale e di sviluppare una cittadinanza digitale informata.Il piano teorico-istituzionale rende chiara l’urgenza di includere questi aspetti nell’agire didattico. Tuttavia, da docenti, ci si chiede come renderlo operativo in classe.

Il libro non si limita a identificare le sfide, ma offre soluzioni pratiche a chi lo legge. A partire da un framework che prende in esame quattro dimensioni, gli autori delineano temi e problemi di ciascuna, portando esempi di esperienze didattiche nei metodi e strumenti di ciascun capitolo. Le competenze tecniche, quindi, non diventano un ostacolo alla comprensione dell’Intelligenza Artificiale, anche per i docenti meno esperti che si approcciano a sviluppare percorsi di alfabetizzazione critica. Esplorare la dimensione conoscitiva vuol dire conoscere e comprendere l’IA e l’approccio proposto è quello della philosophy for children o del coding unplugged; usare e applicare l’IA non è scontato e coinvolge la dimensione operativa che tramite la tecnica del trial and error e della gamification permettono di comprendere come le macchine svolgono alcuni compiti. Se l’IA fa parte del nostro quotidiano, non possiamo che farne un uso consapevole, sviluppando la dimensione critica che permette di comprendere e valutare l’IA oltre l’automazione, tramite un approccio di inquiry based learning e di problem solving; e ancora, conoscerne le implicazioni etiche diventa occasione per iniziare a sviluppare una cittadinanza attiva in debate e studi di caso.

In conclusione, Scuola e Intelligenza Artificiale: Percorsi di Alfabetizzazione Critica offre uno sguardo approfondito e pragmatico su come l'istruzione possa preparare gli studenti a navigare nell'era dell'IA. Con esempi concreti e approfondimenti teorici, il libro si rivela una guida per educatori e studiosi interessati a plasmare il futuro dell'istruzione nell'era digitale. Per saperne di più, non resta che immergersi nelle pagine di questo libro.

Maria Ranieri, Stefano Cuomo, Gabriele Biagini: Scuola e Intelligenza artificiale, Percorsi di alfabetizzazione critica, Carocci Editore, Roma, 2024

di di Pina Debbi

Il 29 luglio, in piena Olimpiade, sul quotidiano inglese The Guardian appare una notizia dal titolo: “Le pugili che hanno fallito il test di genere ai mondiali sono state ammesse a partecipare ai giochi”. Nel catenaccio si specifica che le due atlete gareggiano per l’Algeria e Taipei, che saliranno sul ring in settimana, e che tra le due, Imane Khelif, aveva accusato l’IBA (la criticatissima federazione mondiale disconosciuta dal Comitato Olimpico Internazionale per corruzione e per arbitraggi non ortodossi e molto vicina a Mosca con il suo presidente, l’oligarca russo Umar Kremlev) di cospirazione.

The Guardian approfondisce la vicenda e racconta che entrambe le pugili, secondo quanto rivelato dalla Tass, erano state sottoposte a un test del DNA alla vigilia delle finali nella rispettiva categoria, per le quali si erano qualificate. I risultati avrebbero dimostrato la presenza di un cromosoma XY tipico del genere maschile, senza specificare tipo di test e documentazione, ma solo un generico comunicato.

Imane Khelif e Lin You Ting

Imane Khelif e Lin You Ting sono sempre state donne, registrate all’anagrafe come tali, cresciute come donne, con un passaporto biologico che le considera appartenenti al genere femminile, nella considerazione binaria dei generi. Entrambe hanno sempre combattuto nei campionati mondiali con altre donne. Imane Khelif, nello specifico, prima delle Olimpiadi, aveva disputato 50 incontri, perdendone 13. Era stata eliminata nei quarti di finale a Tokyo dall’irlandese Kellie Anne Harrington che l’aveva sovrastata nettamente. Secondo i parametri ufficiali del CIO che sono quelli di Rio de Janeiro e Tokyo, rientrano nel pugilato femminile e possono combattere regolarmente.

Un Crimine Orrendo a Southport

Nelle stesse ore, Southport, cittadina inglese di 90.000 abitanti, è scossa da un crimine orrendo: in un centro ricreativo per l’infanzia c’è un evento di danza sulle note delle canzoni di Taylor Swift. Un diciassettenne irrompe nei locali armato di coltello, aggredendo bambini e insegnanti. Uccide tre piccole: Bebe King, 6 anni, Elsie Dot Stancombe, 7, e Alice Aguiar, 9, figlia di genitori portoghesi, ferendo altre persone, tra cui le maestre Leanne Lucas e Heidi Barlow, entrambe di 35 anni, che hanno tentato di fermare la furia infanticida del giovane.La polizia rivela diverse ore dopo l’identità dell’aggressore: è nato a Cardiff, figlio di genitori ruandesi, e cresciuto in Gran Bretagna. Dal 2013 risiede nel vicino paese di Banks.

La Narrazione

Sul web e sui social, le due notizie, portatrici entrambe di elementi di grande complessità, si trasformano in fake news, diventando virali e scatenando una vera e propria campagna di disinformazione. La vicenda di Imane Khalif si diffonde in Italia perché la pugile algerina deve incontrare la boxeur azzurra Angela Carini, che,forse condizionata dall'eco mediatica si ritirerà dal match dopo 45 secondi.

Il primo a farsi portatore di “fake news” è il ministro delle infrastrutture e trasporti Matteo Salvini, che in un tweet del 30 luglio scrive:

“Pugile trans dell’Algeria - bandito dai mondiali di boxe - può partecipare alle Olimpiadi e affronterà la nostra Angela Carini. Un’atleta messicana che l’aveva affrontata ha dichiarato ‘i suoi colpi mi hanno fatto molto male, non credo di essermi mai sentita così nei miei 13 anni da pugile, nemmeno combattendo contro sparring partner uomini’. Uno schiaffo all’etica dello sport e alla credibilità delle Olimpiadi. Basta con le follie dell’ideologia ‘woke’!”

La Strumentalizzazione Politica

La strumentalizzazione politica è immediata, con tanto di polarizzazione: da una parte il centrodestra e i quotidiani della sua area che difendono il binarismo sessuale, parlano di Imane Khelif come una transessuale – nata cioè uomo e sottopostasi a transizione per cambiare sesso, cosa che il Comitato Olimpico non permette. Una parte del centrosinistra tenta di spiegare la natura intersessuale della ragazza, la comunità LGBTQ chiede categorie specifiche e via, programmi televisivi e ore e ore di discussione, con tanto di pareri dei genetisti che ci dicono come non sia più sufficiente distinguere femminile e maschile solo attraverso il cromosoma XY. Concetto difficile da comprendere e approfondire. Nessuno di preoccupa dei sentimenti della ragazza e nessuno, con un minimo di coscienza critica, ricorda che l'Algeria è un paese che vieta l'omosessualità ed è vietata la transizione sessusale. Il padre della ragazza, nata in un villaggio povero, mostra le foto di lei bambina, i documenti, la descrive come donna tenace, determinata che nella boxe ha trovato la sua realizzazione, dopo molti mestieri umili.

Le Fake Incancellabili

Eppure Imane Khelif continua ad essere percepita come trans, nell’immaginario collettivo, così come il giovane killer di Southport resta un immigrato clandestino. La presunta mancanza di controllo sull’immigrazione scatena caos e proteste in un Inghilterra scossa da una crisi economica e dall'impoverimento del cittadino medio, dopo la Brexit, anch'essa nata da campagne di disinformazione. Ci sono decine di manifestazioni spontanee, organizzate in prevalenza da gruppi di estrema destra che provocano violenti disordini e una vera e propria caccia ai richiedenti asilo e agli immigrati. Per giorni si è assistito a manifestazioni e scontri con la polizia in una dozzina di città della Gran Bretagna, dall'Inghilterra all'Irlanda del Nord, con picchi a Belfast. È stata la prima prova di fuoco del neopremier laburista Keir Starmer che ha annunciato la linea dura.

Due fake news che hanno scosso le Olimpiadi e la Gran Bretagna. Non è questa la sede per entrare nel merito delle considerazioni e/o delle strumentalizzazioni di ogni parte politica. La descrizione dettagliata dei due eventi vuole sottolineare le dinamiche con le quali il non vero, la disinformazione, si diffonde, diventando verità incancellabile per molti.

Come difendersi allora, nella complessità del presente e nell’impossibilità di verificare ogni singola notizia nell’overdose di informazione che ci viene quotidianamente proposta dal web?

Foolproof di Sander van der Linden

Una proposta la offre il testo Foolproof di Sander van der Linden, professore di psicologia sociale all’università di Cambridge. Un'analisi approfondita e scientificamente fondata sui meccanismi psicologici e sociali che rendono le persone vulnerabili alla disinformazione. Van der Linden esplora come e perché la disinformazione si diffonde e quale impatto ha sulla società, ma offre anche strategie pratiche per rafforzare la nostra "immunità" contro le false informazioni.

Perché Crediamo alle Fake News? Il ruolo delle emozioni

Van der Linden esamina le ragioni per cui le persone credono alla disinformazione: una fake news sfrutta debolezze cognitive come i bias di conferma, ad esempio. Siamo portati a cercare e credere in informazioni che confermano tutte le nostre preesistenti convinzioni. Gli altri fattori psicologici includono l'effetto di illusione della verità, dove l'esposizione ripetuta a un'affermazione la rende più credibile, e l'effetto Dunning-Kruger, che induce le persone meno competenti a sovrastimare la loro conoscenza. Una tendenza difficile da ammettere per il singolo, che fatica ad orientarsi in un presente complesso e tende a semplificare. Le emozioni giocano un ruolo cruciale nella diffusione della disinformazione. La paura, la rabbia e l'indignazione possono rendere le informazioni false più attraenti e virali. Le persone sono più inclini a condividere contenuti che evocano forti risposte emotive, indipendentemente dalla loro veridicità. Van der Linden illustra come queste emozioni amplifichino l'impatto della disinformazione, facendo leva su preoccupazioni personali e paure collettive.

Il Digitale come Amplificatore

L'ambiente digitale, in particolare i social media, rappresenta un vero e proprio terreno fertile per la disinformazione. Algoritmi che promuovono contenuti popolari, indipendentemente dal loro essere veri o meno, e la creazione di camere dell'eco che rinforzano credenze preesistenti, contribuiscono alla rapida diffusione di informazioni false. La disinformazione non solo danneggia la percezione individuale della realtà, ma ha anche gravi implicazioni per la società. Può erodere la fiducia nelle istituzioni, polarizzare l'opinione pubblica e minacciare la democrazia. L’autore discute casi concreti come le teorie del complotto sui vaccini e la disinformazione elettorale, per illustrare, insieme a quelli citati all’inizio di questo articolo, come la disinformazione possa avere conseguenze reali e dannose.

Come Combattere la Disinformazione?

Uno degli approcci chiave che Van der Linden propone per combattere la disinformazione è il prebunking, che si basa sull'inoculazione psicologica, un processo simile alla vaccinazione. Presentando alle persone versioni "attenuate" di argomenti di disinformazione, insieme a spiegazioni su come e perché sono falsi, si può costruire una resistenza cognitiva. Questa tecnica mira a rendere gli individui più critici e meno inclini a credere in informazioni non verificate.

Educazione e Pensiero Critico

L'educazione gioca un ruolo fondamentale nella lotta alla disinformazione. Van der Linden sostiene la necessità di promuovere il pensiero critico e l'alfabetizzazione mediatica per aiutare le persone a distinguere tra fatti e falsità. Investire in programmi educativi che sviluppano competenze analitiche e la capacità di valutare fonti di informazione è essenziale per una società informata e resistente.

Responsabilità delle Piattaforme Digitali e delle Istituzioni

Il libro evidenzia l'importanza della responsabilità delle piattaforme digitali e delle istituzioni nella gestione della disinformazione. Van der Linden discute le misure che possono essere adottate dalle aziende tecnologiche per limitare la diffusione di contenuti falsi, come l'implementazione di algoritmi che privilegiano la veridicità e la collaborazione con fact-checkers. Inoltre, esplora il ruolo delle politiche pubbliche e della regolamentazione nel mantenere l'integrità dell'informazione.

Guardando al Futuro

Van der Linden guarda al futuro e alle sfide emergenti nel contrasto alla disinformazione. Con l'avvento di nuove tecnologie come l'intelligenza artificiale e i deepfake, la capacità di creare e diffondere false informazioni diventa sempre più sofisticata. Il libro esamina le potenziali implicazioni di queste innovazioni e l'importanza di sviluppare strumenti e strategie per affrontare queste minacce. L’analisi del professore di psicologia sociale è completa e accessibile, unisce rigore scientifico a esempi concreti e rende il libro una risorsa preziosa per essere consapevoli e comprendere come navigare nel panorama dei media e proteggersi dalla disinformazione.

di Pina Debbi

Quante volte le nostre giornate iniziano con un gesto minuscolo, quasi banale, che però ci accompagna dal momento in cui apriamo gli occhi? Prima di mettere i piedi a terra afferriamo lo smartphone: notizie, chat di lavoro, notifiche, mail, uno scroll veloce sui social. Per quante e quanti di noi è diventato un rito per ri-agganciare il mondo? E forse è proprio da qui, da questo gesto piccolo e usuale, che conviene partire per leggere Il Sé digitale di Vittorio Gallese, in libreria in questi giorni. Quella che stai leggendo non è la recensione dell’ennesimo libro sull’IA, né la sintesi di un saggio di neuroscienze (che qui sono solo la porta d’ingresso). Nel testo di Gallese c’è molto di più: filosofia, psicologia, antropologia, teoria dei media, perfino una nuova politica del sentire e una ridefinizione dell’estetica, senza alcuna rivendicazione retrotopica.

Un testo che ha avuto una genesi lunga, quasi 5 anni durante i quali uno dei padri dei neuroni a specchio ha cercato di comprendere l'evoluzione del nostro rapporto con la tecnologia. Ma è bene precisare che Gallese è interessato a capire se e come il digitale ci cambia alla radice: come cambia la nostra soggettività, come stiamo insieme alle altre persone ovvero il nostro stile di relazione e come cambia la nostra visione del mondo e perfino la nostra identità. Un'opera che arriva dopo Cosa significa Essere Umani, scritto con Ugo Morelli e Oltre la Tecnofobia con Stefano Moriggi e Pier Cesare Rivoltella . Poco più di un anno e mezzo fa, in una Lectio magistralis che apriva l'anno accademico all'Università di Modena e Reggio Emilia (se la memoria non ci inganna) Gallese ce lo aveva anticipato: "devo approfondire e capire il nostro rapporto con le tecnologie digitali, toccarlo con mano, non posso esprimermi oggi". Il Sé digitale, dunque, è il punto di arrivo di questo percorso, meditato, testato, concettualizzato scientificamente.

Il digitale come habitat

Per Gallese smartphone e, oggi, assistenti digitali basati sull’intelligenza artificiale generativa (ChatGPT, Perplexity, Claude ecc.) non sono semplici strumenti esterni, ma formano un ambiente nel quale siamo immersi e con il quale interagiamo ogni giorno. E siccome la mente, per Gallese, non è solo incarnata ma anche situata, cioè si sviluppa e si modifica in rapporto al contesto in cui vive, allora agire ed operare in questo ambiente digitale produce necessariamente trasformazioni. Non solo nel modo in cui organizziamo la giornata o lavoriamo, ma soprattutto nel modo in cui percepiamo: cosa ci appare importante, cosa riconosciamo come reale, come interpretiamo segnali, significati, relazioni. Il digitale non cambia solo “le nostre abitudini”, cambia la cornice percettiva con la qule abitiamo il mondo.

“Fermo-pelle”: lo schermo non è finestra, è soglia

Siamo abituate e abituati a pensare lo schermo come finestra: una rappresentazione del mondo proiettata davanti a noi. Gallese ribalta questa visione: lo smartphone è una tecnologia touch, fisica, aptica. Quando lo ha tra le mani non stai solo guardando: interagisci con lo strumento, lo tocchi fisicamente, lo scrolli. E siccome “non si può toccare senza essere toccati”, quella superficie diventa una soglia: il punto di ingresso di una riconfigurazione del rapporto con la realtà. La pelle più ch eun confine è una frontiera, qualcosa che ti apre al mondo, un organo di relazione. Se lo schermo si fa pelle, allora il digitale non è completamente fuori da noi, è dentro la struttura stessa del sentire.

Neuroni specchio: no moral panic. Il problema è altrove

A un certo punto del testo entra uno degli argomenti più abusati: “gli schermi spengono l’empatia”, “disattivano i neuroni specchio”. È una sciocchezza per Gallese: se i neuroni specchio rispondono all’osservazione di un’azione, rispondono anche quando quella stessa azione è presentata sullo schermo, anche se ammette che nella relazione mediata dallo schermo manca la parte del non verbale, del contesto condiviso e (aggiunge chi scrive) per dirla con Grice, le implicature conversazionali. Manca la reciprocità, la condivisione piena dell’ambiente fisico, guardarsi negli occhi. Insomma, la comunicazione via schermo è diversa: non è “meno comunicazione”, ma ha un altro tipo di densità. Più controllabile e più povera di frizione.

L’IA come alterità surrogata: la relazione senza frizione

Ma quando arriva a parlare dell’intelligenza artificiale, uno dei neuroscienziati italiani più noti usa uno sguardo antropologico per quella che definisce l’alterità surrogata. È un “altro” che ti parla, ti ascolta, simula empatia, ma non ti espone all’alterità reale. Potete osservarlo quando interagite: difficilmente ti contraddice davvero o ti mette in discussione. Molto spesso ti blandisce, conferma quello che dici e quasi sempre ti dà ragione. “Il rischio non è che l’IA diventi come noi” (frasi riprese dal suo intervento a Tagadà – La7) “ma che noi, progressivamente, diventiamo come quel modello di relazione”. Una relazione senza frizione né imprevisto che puoi finire per portarti dietro quando chiudi lo schermo e rientri nel flusso della vita incarnata. È un punto delicato ed è un’analisi culturale: che cosa succede all’educazione sentimentale e relazionale, se l’esperienza più frequente dell’“altro” è un altro progettato per essere accomodante, compiacente?

Capitalismo digitale: noi nel menù

Quando Gallese parla di capitalismo digitale, non lo descrive come un settore economico, ma come un principio di governo del sensibile. Dice: "il capitalismo si è sviluppato vendendo merci e servizi; oggi ha trovato una nuova merce, e quella merce siamo noi. La nostra immagine, le nostre scelte: insomma, noi siamo nel menù”. Una frase che ti dà immediatamente la posizione nel sistema: è un modello industriale. E la conseguenza è tanto scontata quanto necessaria : serve una pedagogia digitale. Ma bisogna uscire dal senso punitivo interpretato dalle nostre istituzioni con il divieto dei telefonini a scuola o il chiuderli negli armadietti. Al contrario: bisognerebbe spostare l’asse della didattica sul mondo che già abitiamo. Che cos’è un’immagine? Che cosa significa guardare un’immagine sullo smartphone? Come è stata costruita? Perché quell’immagine può avere valore politico e addirittura geopolitico? Insomma, utilizzare la tecnologia per educare al pensiero critico, per imparare a leggere il presente.

La mediazione radicale è il corpo

Uno dei passaggi più innovativi arriva quando Gallese va oltre la dicotomia tra il reale e il virtuale, corpo vs digitale, carne vs rete, presenza vs online; contrapposizione che definisce “un’illusione pericolosa”. L’idea di avere un’identità naturalmente corporea che poi “va online”, e lì si disincarna e fluttua, smaterializzata dentro uno schermo, nel web, viene smantellata. Il corpo non sparisce ma si adatta. Perché è sempre il corpo a mediare, anche quando chattiamo, siamo in videoconferenza o interagiamo con un algoritmo. .Gallese introduce il termine ontofenomenologia incarnata per descrivere quella struttura plastica e sensibile che rende possibile ogni esperienza: non siamo "qualcuno" prima di entrare in relazione con il mondo, ma diventiamo noi stessi attraverso il corpo e le sue risonanze affettive. E proprio il corpo si trova al centro di una nuova grammatica e di un’estetica, recuperata nel suo senso etimologico di aisthesis: percezione, sensibilità, il modo in cui il mondo ci tocca e noi tocchiamo il mondo. Gallese critica l’accezione “cosmetica” dell’estetica contemporanea, tipica del capitalismo digitale, che riduce l’esperienza a superficie, maschera e calcolo delle emozioni per fini di seduzione o consumo. In questo contesto, l’estetica divente un’infrastruttura del sociale che cattura la nostra attenzione e monetizza il desiderio. L’estetica radicale si oppone a questo uso decorativo, rifiutando di essere un semplice “di più” estetico per diventare il nucleo vivo della soggettività.

Conclusione: per un’estetica radicale come ontologia critica

Il libro si conclude con una proposta teorica potente, legata proprio all’estetica radicale, che Gallese concettualizza come spazio critico di resistenza contro la soggettivazione algoritmica. In un mondo progettato per eludere l’imprevedibilità dell’alterità attraverso il calcolo, l’estetica radicale ci invita a recuperare il “sentire” come esposizione al mondo e all’altro. La sfida è tornare a pensare il corpo non con nostalgia, ma come la condizione generativa di ogni possibile futuro, abitando il digitale senza farsi svuotare della propria “eccedenza incarnata”.

di Enrico Orsenigo

Ancora troppo spesso la letteratura viene considerata o come semplice passatempo o, al contrario, come puro esercizio intellettuale. Ciò che intendo dimostrare attraverso i miei studi, nel tentativo di contribuire anche solo minimamente al dibattito aperto da illustri autori nell’ultimo secolo, è che la letteratura è molto più di questo. Essa informa e infonde significati in modo diretto lungo l’asse corpo-forza-azione, stabilendo un legame profondo con il nostro corpo, non limitandosi ai nostri occhi o ai nostri pensieri.

In altre parole, la letteratura, da un lato, ci induce a specifiche posture fisiche e, dall’altro, attraverso il mezzo dell’alfabeto, trasmette scenari che, nel passaggio dall’alfabeto all’immaginazione, vengono letteralmente incorporati. Diventano così parte delle nostre catene di pensiero e dei nostri schemi di riflessività e azione.

Esistono almeno quattro modi di intendere la letteratura, che non si escludono a vicenda. Certo, ve ne sono molti altri, ma questi quattro mi sembrano descrivere bene cosa sia la letteratura e, soprattutto, rispettano adeguatamente le altre possibili interpretazioni.

1. La Zona

Il primo modo di intendere la letteratura, proposto da Daniele Del Giudice, uno dei principali esponenti della letteratura italiana tra gli anni Ottanta e Duemila, è concepirla come una “zona” (2023). Che cos’è una zona? Etimologicamente deriva dal latino zona «cintura, fascia» (dal greco ζώνη, dal tema di ζώννυμι «cingere»). Storicamente, indicava la fascia usata nell’antica Grecia, specialmente dalle donne, per sostenere la veste. Tuttavia, il termine si estende anche a una fascia o porzione di superficie o spazio, una parte di terreno o area urbana che presenta caratteristiche specifiche o una funzione propria. Strutturalmente, una zona è dunque uno spazio ben definito con regole proprie che, se rispettate, ne fanno emergere la funzione. Nel caso della letteratura, queste regole possono essere identificate nelle righe che guidano l’occhio da sinistra a destra o da destra a sinistra, e nel rapporto con la tecnologia alfabetica, che permette di trasformare i segni in catene di immagini e successivamente in schemi di riflessività e azione, fungendo da guida orientativa.

2. Un Sistema di Moltiplicazione dei Possibili

Il secondo modo, strettamente collegato al primo, considera la letteratura come un sistema di moltiplicazione dei possibili, capace di esorcizzare la tragicità dell’unicità (Calvino, 1967; 1980; 1988). Analizzando il processo che va dallo stato alfabetico allo stato immaginale, si comprende che «alla sua nascita, l’immagine è un fascio di tendenze motorie, anticipazione a lungo termine dell’esperienza dell’oggetto; durante l’interazione tra organismo e ambiente, essa diventa sistema di ricezione dei segnali e consente all’attività sensomotoria di esercitarsi progressivamente» (Simondon, 2008, p. 9). Il testo alfabetico, tradotto in immagine, viene incorporato, trasformandosi e diventando parte del fisiologico.

3.  Un Sistema di Simulazione di Esperienze

Il terzo approccio alla letteratura è quello proposto da Mario Barenghi, saggista e uno dei massimi esperti dell’opera di Italo Calvino. Secondo Barenghi: «La letteratura, in quanto simulazione di esperienze, è la custode della connessione organica tra le nostre facoltà. Non si limita a registrare o produrre scosse emotive (turbamento, entusiasmo, rapimento, abbandono, ilarità, raccapriccio), ma provoca anche altri effetti: accensione intellettuale, tensione della coscienza morale, stimolo al giudizio e alla volontà» (2018, p. 3).

La letteratura – e con essa gli studi letterari, il cui scopo è guidare i lettori fino all’ingresso dei testi, come assistenti premurosi – ha, in definitiva, più affinità con la tecnica che con la scienza. Questo potrebbe suscitare qualche perplessità, poiché la tecnica è spesso percepita come qualcosa di secondario, subordinato e applicativo rispetto alla purezza della ricerca scientifica. Tuttavia, la tecnica non deve essere sottovalutata, anche per ragioni etimologiche: téchne (τέχνη) in greco significa «arte», e l’arte della parola trova le sue radici proprio in una competenza pratica, in un saper fare. Con Barenghi, scrivere una poesia o narrare una storia non è poi tanto diverso dal preparare il pane.

Inoltre, la letteratura, come rappresentazione di esperienze, costituisce una raffinata tecnologia sociale, finalizzata a mantenere la coesione e la consapevolezza di una comunità linguistica. In quanto depositaria dell’armonia delle diverse facoltà umane, la letteratura può svolgere una funzione di coordinamento nell’ambito delle scienze umane, fungendo da diapason. Non tanto nel senso tecnico dello strumento acustico (la cui vibrazione regola l’accordatura), quanto piuttosto come guida per espandere la comprensione dei suoni, o meglio, dei significati.

La letteratura dovrebbe costituire, per le scienze umane, un punto di riferimento epistemologico. Roland Barthes, nella Chambre claire (1980), ha parlato di mathesis singularis, un’ipotetica scienza dell’oggetto unico. Tuttavia, ciò che Barenghi intende è leggermente diverso: la letteratura è insostituibile come garante dell’integrazione della singolarità vissuta nel sapere umano. In altre parole, rappresenta un modello di come l’esperienza concreta, con tutta la sua imprevedibilità, specificità e casualità, possa diventare fonte di conoscenza. Dopotutto, la vita è una serie di eventi accidentali, ma questi possono arricchire il nostro sapere.

4. Uno Strumento di Orientamento

Il quarto approccio è quello proposto da Joseph Carroll: «La letteratura e le altre arti sono strumenti di orientamento, come bussole, sestanti e sonar, e sono essenziali per lo sviluppo personale, per l’integrazione delle identità individuali all’interno di un contesto culturale e per l’adattamento immaginativo dell’individuo al mondo più ampio in cui vive» (2007, p. 31).

Le narrazioni trasmettono insegnamenti acquisiti nel passato, modi di pensare spesso necessari per comprendere i fenomeni attuali e formulare proiezioni per il futuro. Questo processo anticipatorio può rendere le persone più consapevoli del loro ambiente, sia rispetto ai rischi che alle opportunità. In tal senso, la letteratura rappresenta a tutti gli effetti uno strumento cognitivo per l’orientamento esistenziale. Le arti, e in particolare la letteratura, possono essere considerate come «laboratori» in cui esercitare la propria identità, i ruoli sociali e le diverse modalità interpersonali della specie umana. Nel contesto complesso delle società occidentali moderne, le storie aiutano a dare ordine proponendo traiettorie di significato (forza centripeta della narrazione) e, allo stesso tempo, stimolano il pensiero divergente, aprendo nuove prospettive verso l’innovazione (forza centrifuga della narrazione).

A partire da queste riflessioni, possiamo comprendere la letteratura anche nella sua funzione pedagogica: come una zona di raccordo, un formatore dell’immaginazione, uno strumento che amplia i punti di vista su emozioni, sentimenti, strategie per affrontare compiti e risolvere problemi. La letteratura può essere vista come un vasto archivio di conoscenze, sedimentate nel corso dei secoli, che racchiude l’enorme varietà della condizione umana e delle sfide che essa ha dovuto affrontare.

Ciò che caratterizza il discorso narrativo, secondo la prospettiva di Jerome S. Bruner, è che esso rappresenta una modulazione particolare della realtà, da lui definita «coniugazione al congiuntivo»; qui il termine congiuntivo indica che «abbiamo a che fare con delle possibilità umane, anziché con stabili certezze» (1993, p. 34). In questo senso egli può affermare che un atto linguistico narrativo, sia esso concluso o in corso, produce un mondo al congiuntivo, un mondo, cioè, che si distingue da quello indicativo, situato, e che grazie al corpo e ai sensi viene recepito. Un mondo ulteriore, che, se a un primo momento può essere sentito come estraneo e distante, diverso da quello indicativo, tuttavia è destinato a incontrarsi (e talvolta a scontrarsi) con quest’ultimo, offrendo al soggetto la possibilità dell’inedito: una propulsione all’avvenire.

Il possibile ruolo degli LLM tra pedagogia e letteratura

considerando le quattro modalità di intendere la letteratura elencate in precedenza e tenendo conto del forte ruolo educativo che questo strumento umano di orientamento può giocare nella formazione, a tutti i livelli e per tutte le generazioni, le reti generative come gli LLM possono fornire un ulteriore contributo per rafforzare ancora la presenza della letteratura, dei personaggi fittizi, nella relazione educativa tra docente e discente. In che modo? in molti modi, ma tra questi direi che possono avere una posizione privilegiata la creazione di campi semantici e campi semiotici delle opere letterarie e l’orientamento narrativo. infatti, gli LLM sono particolarmente “abili” nella costruzione di aree di significato in relazione a entità reali e fittizie. Costruire un campo semantico per un personaggio come il Principe Myškin de L’idiota di Dostoevskij significa ottenere un elenco preciso di parole chiave ed espressioni tipiche del personaggio, eventualmente suddivise per scene e per le sue relazioni con gli altri protagonisti.

Un campo semiotico, invece, si compone di un insieme di oggetti, simboli, tendenze, inclinazioni e caratteristiche comportamentali che identificano l’idiota e lo distinguono da altri personaggi letterari; continuando in questa direzione si possono confrontare i campi semiotici di molteplici personaggi letterari, consentendo al lettore, allo studente, un’esperienza diversa degli esseri di fantasia, per così dire “fuori dalla pagina”, inseriti in una rete di oggetti e simboli che talvolta sono gli stessi con cui ci relazioniamo nel quotidiano.

Infine, vi è l’orientamento narrativo. Gli LLM possono svolgere un ruolo interessante nell’associare stati d’animo, tonalità emotive, inclinazioni cognitive e situazioni di problem solving a personaggi fittizi; questi abbinamenti risultano utili nel consigliare letture in base ai momenti di vita vissuti, permettendo di trovare il personaggio, l’ambientazione o le vicende più adatte alle emozioni o esperienze personali; in questo senso, tali abbinamenti, potrebbero risultare significativi per l’autoformazione del sé e lo sviluppo di una personale propulsione all’avvenire. In altre parole, una cura della propria persona e del proprio futuro.

Bibliografia

Barthes R. (1980). La camera chiara. Nota sulla fotografia, Torino, Einaudi.

Bruner J.S. (1993). La mente a più dimensioni, Roma-Bari, Laterza.

Calvino I. (1967). Cibernetica e fantasmi. In Appunti sulla narrativa come processo combinatorio, «Nuova Corrente», n. 46-47, 1968.

Calvino I. (1980). Una pietra sopra. Discorsi di letteratura e società, Torino, Einaudi.

Calvino I. (1988). Lezioni americane. Sei proposte per il nuovo millennio, Milano, Garzanti.

Carroll J. (2007). The Adaptive Function of Literature. In C. Martindale, P. Locher e V.M. Petrov (a cura di), Evolutionary and neurocognitive approaches to aesthetics, creativity and the arts, Londra, Routledge, pp. 31-45.

Del Giudice D. (2023), Del narrare, Torino, Einaudi.

Simondon G. (2008), Imagination et Invention (1965-1966), Chatou, Éditions de La Transparence. Trad. it., Immaginazione e invenzione (1965-1966), Milano, Mimesis, 2023.

Sitografia

Barenghi M. (2018), https://www.doppiozero.com/ perche-insegnare-letteratura-e-non-solo-aglistudenti-di-lettere (Consultato il 23/09/2024)

*Enrico Orsenigo, nato nel 1992, psicologo, dottorando di ricerca LESDIT all'Università di Modena e Reggio Emilia. Si occupa prevalentemente di Funzioni educative della letteratura. È utore e co-autore di pubblicazioni scientifiche, tra le quali: Pensare per orientare; Sulle lezioni americane di Italo Calvino (The Lab's Quarterly, 2021); Relazione e letteratura: una esplorazione (Educazione Aperta, 2024); La funzione educativa dei mondi possibili (Lifelong Lifewide Learning, 2024); Dallo stato alfabetico all'incorporazione (Corpo, Società, Educazione, 2024)

di Pina Debbi

Nel leggere il libro di Susanna Sancassani e Daniela Casiraghi, disponibile dallo scorso 19 marzo per la collana Oscar Mondadori, ho trovato finalmente una risposta, o meglio, un approccio diverso, a una domanda che mi arrovella da quando i Large Language Model e l'IA generativa hanno fatto irruzione nelle nostre vite. Siamo immersi in quello che Gould ed Eldredge chiamavano periodo degli equilibri punteggiati: non un'evoluzione graduale come quella teorizzata da Darwin, ma salti discontinui e imprevedibili che rompono ogni stabilità. I tempi del nostro apprendimento sono strutturalmente più lenti dell'innovazione tecnologica. Le competenze diventano obsolete prima ancora di essere consolidate. Come ci relazioniamo allora con l'ambiente, con il lavoro, con la stessa tecnologia senza rincorse affannose? E soprattutto: se non riusciamo a guidare consapevolmente questa trasformazione, cosa succede alla nostra mente nel lungo periodo?

Le autrici guardano alla "rivoluzione" tecnologica in atto recuperando le radici storiche, ovvero quanto di meglio è stato elaborato, negli ultimi decenni, sul nostro ecosistema cognitivo. Con un approccio rigorosamente transdisciplinare (e questo è un merito) ci hanno regalato un testo che, a mio parere, mancava nel panorama scientifico italiano. Perché ci aiuta a capire cosa succede nella nostra mente quando operiamo con l'IA generativa. Quali sono i rischi se ci lasciamo sedurre dalla compiacenza della macchina e se finiamo per farne un uso inconsapevole e meccanico. E ci suggeriscono come possiamo invece guardare all'intelligenza artificiale come a un alter ego cognitivo, a patto di imparare a metterci consapevolmente alla sua guida. Stiamo parlando di una tecnologia che ci ha colti di sorpresa poco più di tre anni fa, presentandosi con una capacità che credevamo esclusivamente nostra: generare conoscenza.

Una piccola provocazione

E allora, prima di entrare nei meriti del testo, mi permetto una piccola digressione, o se preferite, lancio una provocazione a chi avrà la pazienza di leggere queste righe: quante volte avete usato un LLM questa settimana? Quante volte è riuscito a farvi cambiare idea? Sto dicendo idea, o meglio sarebbe schema, e non risposta. Ve lo chiedo perché il design dei modelli linguistici è ottimizzato per essere fluido, utile e rassicurante; tende sempre a confermarci, a integrare quello che chiediamo e sosteniamo, o si limita a completarlo. Ed è questo il cuore del pericolo che Susanna Sancassani e Daniela Casiraghi individuano bene per poi disegnare un libro che non è l'ennesimo testo sull'IA né tantomeno pretende di inventare una nuova pedagogia dell'intelligenza artificiale.

Il punto di partenza è diverso: se fino a ieri, per dirla con la massima baconiana, scientia potentia est, il sapere è potere, accumulare conoscenza significava avere la capacità di agire nel mondo, con l'IA generativa si cambia inesorabilmente verso. Perché quel sapere immagazzinato oggi rischia di diventare irrilevante in brevissimo tempo. Le professioni si trasformano molto più velocemente di quanto i sistemi educativi riescano ad adattarsi. Le certezze su cui si sono costruite le varie identità professionali, o anche determinati centri di potere, sono messe in discussione da una condizione che appare permanente. Ed ecco allora la rivoluzione epistemologica proposta dalle autrici: il potere non risiede più nel sapere ma nel saper imparare. E non è una sfumatura.

I mostri sacri riletti... e perché sono ancora vivi

Per spiegarci in cosa consiste il saper imparare, le autrici ricorrono ai grandi delle teorie dell'apprendimento. "Una vecchia teoria è pur sempre una buona teoria", diceva Geoffrey Hinton, uno dei padri dell'intelligenza artificiale e del deep learning, premio Nobel per la fisica nel 2024. Le lenti teoriche rilanciate, che ci permettono di leggere la complessità contemporanea, sono quelle di Piaget, Vygotskij, Bateson, Bruner tanto per citarne alcuni. Nomi che ci accompagnano per comprendere cosa accade quando dialoghiamo con una macchina che simula il pensiero, seppur stocasticamente.

Piaget, con le sue intuizioni frutto delle intense osservazioni sui figli, ci aveva già spiegato che il vero apprendimento non nasce dalla conferma ma dal disequilibrio. Quando una nuova informazione non entra nei nostri schemi mentali esistenti e siamo costretti a ristrutturarli, quel momento di attrito, di "qualcosa che non torna", è esattamente lì che avviene la crescita cognitiva autentica. Lo chiamava accomodamento, e lo distingueva dall'assimilazione, che è il momento in cui il nuovo si integra senza trasformarci.

Il problema è che l'IA, per come è progettata, lo dicevo sopra, tende strutturalmente a favorire l'assimilazione. I modelli sono ottimizzati per la soddisfazione dell'utente ed è bene esserne consapevoli: per la macchina l'importante è tenerci "ingaggiati", per questo completa, integra, conferma e rassicura. Il disequilibrio piagettiano, quel motore essenziale dell'apprendimento, va però programmato e gestito consapevolmente. Non arriva da solo.

Vygotskij ci aveva parlato della zona di sviluppo prossimale: lo spazio fertile tra ciò che sai fare da solo e ciò che puoi fare con il supporto di qualcuno più competente. Qualcosa che non deve essere nè troppo distante dal primo perchè altrimenti genera frustrazione, nè troppo vicino perchè non produce apprendimento. L'IA è lo scaffolding più potente mai esistito. Ma Vygotskij ci avvertiva anche: il supporto deve sapersi ritirare. Se lo scaffolding resta sempre lì, la struttura non impara a reggersi da sola. Per questo dobbiamo comprendere e... imparare a non delegare.

Bateson aggiunge la dimensione più profonda: i sistemi cognitivi possono imparare su se stessi, trasformare sia i contenuti del pensiero che le premesse con le quali lo costruiscono. È quello che le autrici chiamano specchio cognitivo, la capacità dell'IA di renderci visibile la struttura del nostro stesso pensiero, i nostri bias, ciò che diamo per scontato. Non ci mostra solo nuove informazioni. Ci mostra anche come stiamo guardando, potrebbe diventare una sorta di alter ego, se imparassimo a usarla davvero.

E allora, scatta subito una domanda, dove finisce la mia mente e dove inizia la macchina?Se vogliamo avere un buon alter ego artificiale, critico e sfidante, che ci spinga davvero ad imparare qualcosa, oltre a possedere un buon capitale culturale dobbiamo essere consapevoli e chiedere esplicitamente di confutarci, di metterci in discussione. La metacognizione diventa quindi il prerequisito della coagentività.

Il potere si sposta... e con esso il rischio

Saper imparare significa qualcosa di preciso: la capacità di rimettere in discussione i propri schemi, saper abitare l'incertezza senza esserne paralizzati, provare a trasformare ogni discontinuità in occasione di crescita cognitiva. E se immaginiamo l'IA non come un semplice strumento ma come un alter ego cognitivo, dobbiamo anche dirci con franchezza che un alter ego autentico è quello che sfida, introduce attrito e mostra ciò che non vuoi vedere. L'IA invece, se non la guidi attivamente (e ripeterlo non è mai abbastanza) ti compiace e ti conferma. È ottimizzata per la tua soddisfazione. Rispecchia le tue preferenze, riempie i tuoi punti ciechi con risposte plausibili invece che con domande scomode, costruisce una narrazione coerente con ciò che già pensi. Riconferma i tuoi pregiudizi se non sai smontarla, interrogarla, problematizzarla, chiederle alternative, percorrere strade nuove. Eli Pariser aveva chiamato questo rischio "bolla di filtraggio" nel 2011, riferendosi agli algoritmi dei social network. Con i LLM il meccanismo si raffina ulteriormente: la bolla non è solo sui contenuti che vedi, ma sulla struttura stessa del pensiero che sviluppi nell'interazione.

Bourdieu aiuta a sostenere che il "potere di imparare" non è un atto puramente neutro o individuale, ma è influenzato dal bagaglio di risorse e dalle strutture sociali in cui ogni persona è immersa, l'habitus (che per il sociologo francese viaggia sempre con noi). Anche l'IA ha i propri habitusnelle scelte di design, nelle logiche commerciali. Interagire acriticamente con essa significa rischiare di incorporare disposizioni che non abbiamo scelto consapevolmente e questo è il pericolo maggiore, di lasciare che qualcun altro definisca le regole del campo cognitivo in cui operiamo.

La proposta: coagentività consapevole

Il paradigma che Sancassani e Casiraghi costruiscono in risposta a tutto questo si chiama Human-as-Curator.

Non Human-in-the-Loop ovvero l'umano come supervisore esterno che approva o rifiuta gli output della macchina. Questa, per me, rappresenta una delle novità più forti del libro: l'immagine del supervisore (e lo vedo studiando l'applicazione dell'IA nel mio campo, il giornalismo) è orientata all'operatività, all'accelerazione della produzione in qualsiasi settore del sapere, togliendo soggettività all'umano.

Human-as-Curator considera invece l'umano come custode del significato, un nodo riflessivo che trasforma l'informazione asettica della macchina in conoscenza viva, situata, e soprattutto responsabile. Il curatore sa perché una cosa vale più di un'altra, possiede i criteri per distinguere il segnale dal rumore, ha dalla sua parte il sapere esperienziale e può mettere in relazione ciò che la macchina produce con un orizzonte culturale più ampio.

Per esercitare questo ruolo le autrici propongono competenze strategiche, le dieci monete cognitive, distribuite su tre livelli: il sé cognitivo (metacognizione, orientamento dell'attenzione, fiducia nell'apprendere), la relazione (dialogo, linguaggi, reti di sapere) e il sistema (pensiero critico, etica della conoscenza, riconoscimento delle voci mancanti). Sono disposizioni da allenare. E la più importante di tutte è la metacognizione: la capacità di osservare il proprio processo di pensiero mentre si interagisce con la macchina. Chiedersi continuamente: questa risposta mi aiuta a capire o la macchina sta pensando al posto mio? Sto esplorando o sto delegando?

Il Sistema 0, concetto elaborato da Massimo Chiriatti e Giuseppe Riva (che completa il Sistema 1 veloce e Sistema 2 lento di Kanheman), e ripreso dalle autrici, descrive una configurazione cognitiva ibrida: umano e artificiale cooperano in modo fluido e continuo. Uno strato di intelligenza distribuita che interagisce costantemente con il pensiero umano, estendendolo e potenziandolo. La macchina però simula il ragionamento attraverso il calcolo probabilistico, senza accedere al significato. Il confine tra mente naturale e artificiale tende a dissolversi, generando una co-evoluzione cognitiva in cui i due agenti si modellano reciprocamente. Il rischio è evidente, senza una forte responsabilità interpretativa umana, il Sistema 0 produce bolle di filtraggio e annulla la regia cognitiva. L'umano deve restare il curatore del significato, il custode del senso che essa non può produrre da sola.

Dovremmo imparare a co-evolvere con l'IA senza perderci. Il libro prova a indicare la strada: la co-evoluzione autentica richiede una conoscenza interna sufficientemente solida da non dissolversi nell'interazione con la macchina, e sufficientemente flessibile da trasformarsi attraverso di essa. Una mente duttile. Capace di creare attrito produttivo e di imparare da quell'attrito.

Conclusione... la scintilla dell'apprendimento autentico

Il potere di imparare è un testo (nato dall'omonimo podcast delle due autrici) che pone le domande giuste al momento giusto.

In un ecosistema che ottimizza tutto, che rimuove la frizione, che rende ogni risposta immediata e ogni incertezza risolvibile in pochissimi secondi, scegliere deliberatamente la complessità ( quella di Edgar Morin, per intenderci) è già una forma di apprendimento.

La vecchia teoria, come diceva Hinton, resta buona teoria. E chiudo con qualcosa che questo testo mi ha lasciato e che rilancio.

Prova a impostare il LLM che usi chiedendogli di sfidarti, di fare l'avvocato del diavolo, di mostrarti cosa stai escludendo, di costruire argomenti contrari ai tuoi e di metterti in discussione.

Poi osserva come reagisci. Come reagisce la tua mente. Forse è proprio quel momento di attrito, quello spazio di resistenza, che fa scoccare la scintilla del vero apprendimento.

di Pina Debbi

La prima e unica volta che avevo visitato il Giappone era stato al termine delle Olimpiadi di Seoul, nel 1988, un anno per me magico: ero una giovane praticante giornalista per Telemontecarlo, l’allora tv dello sport, e nel giro di pochi mesi ero stata una delle rarissime donne (per la tv, solo io e Donatella Scarnati, se la memoria non mi inganna) inviate per raccontare gli Europei di calcio, in Germania. Ricordo l’arrivo traumatico a Tokyo, la mattina, due o tre ore trascorse tra aeroporto e un’affollata metropolitana e la fuga verso Kyoto.

Un workshop inaspettato

Due mesi fa, seguendo su LinkedIn Nicholas Diakopoulos uno dei primi ad occuparsi di Intelligenza Artificiale e giornalismo, con il suo testo “Automating the News”, ho letto che ci si poteva candidare per partecipare al workshop The Future of the News,organizzato all’interno di CHI2025, la più importante conferenza sull’interazione computer-umano.

Così, più per sfidarmi e mettermi alla prova, ho mandato uno studio parte della mia futura tesi di dottorato che riguarda l’impatto dell’Intelligenza Artificiale generativa sul giornalismo italiano.

Insomma, per farla breve, il mio contributo “Generative AI as a Cognitive Extension for Journalists: Navigating Innovation, Integrity and News Literacies” è stato ammesso al laboratorio e non ci ho pensato due volte. Mi sono organizzata il viaggio (data l’età e la posizione sono... senza borsa) e mi sono recata a Yokohama.

Emozioni familiari

L’ho presa un po’ alla larga perché ritrovarmi in fila per l’accredito, all’apertura, in mezzo a centinaia di giovani ricercatrici e ricercatori e giovani docenti universitari (solo nel mio laboratorio ce n’erano un paio che avevano appena 40 anni e già di ruolo) mi ha fatto rivivere quell’atmosfera di 38 anni prima, con la stessa emozione e un entusiasmo simile. Posso tradurlo citando la letteratura scientifica: la motivazione intrinseca è una spinta forte per l’apprendimento e non solo.

Il mio contributo

Il mio lavoro è stato selezionato insieme ad altri 18 spunti di ricerca molto interessanti che troverete descritti in poche righe al termine di questa newsletter, (se volete leggerli per intero cliccate questo link)

Ho descritto la realtà italiana: mentre a livello globale l’intelligenza artificiale generativa (Gen AI) viene integrata nei flussi di lavoro per automatizzare attività quali trascrizione, sintesi, generazione di titoli, personalizzazione dei contenuti tra i diversi media, da noi c’è una sorta di tregua silenziosa tra editori e sindacati da una parte, mentre dall’altra ci sono esperimenti come Il Foglio, che per 4 settimane ha pubblicato un inserto di 4 pagine completamente generato da AI su prompt dei giornalisti, o Forbes Italia con un TG fatto con l'Intelligenza artificiale generativa e condotto da un avatar.

Il dibattito internazionale pone l'accento sulla produttività, sull'efficienza nella ricerca, produzione e distribuzione delle notizie e sulla necessità di alfabetizzazione all'IA; in Italia vige la cautela. I singoli giornalisti con ampie competenze digitali che stanno esplorando e sperimentando in modo sempre più informale l'IA generativa invece vanno oltre, conoscono sempre più gli LLM e arrivano a considerarli un vero e proprio partner cognitivo.

Una vecchia idea può essere una buona idea per Geoffrey Hinton, padre delle reti neurali e vincitore del Premio Nobel per la Fisica 2024. Io mi sono detta: una vecchia teoria è sempre una buona teoria, e così, rispolverando la teoria dei media di McLuhan, la mia ricerca concettualizza la Gen AI come un nuovo mezzo che può favorire apprendimento e creatività. Attraverso un'analisi qualitativa condotta con 15 interviste semi-strutturate con giornalisti che utilizzano l'IA generativa da almeno un anno (e quindi con una solida AI Literacy), i risultati mostrano che questa tecnologia può aiutare e accelerare l’apprendimento, favorire nuove connessioni, in particolare quando viene utilizzata come strumento dialogico che può stimolare indirettamente insight e creatività e restituire percorsi originali al giornalismo. Guidata dall'etica editoriale e da flussi di lavoro personalizzati, e non solo come strumento di automazione in nome della produttività, la "Gen AI" può diventare quella che McLuhan definirebbe una vera e propria estensione cognitiva del giornalista. Lo sfondo è ovviamente un utilizzo etico e responsabile della tecnologia. In definitiva, i giornalisti con consapevolezza epistemica e responsabilità etica non si limitano a supervisionare il prodotto delle macchine, ma possono co-creare insieme e dar vita a un nuovo ambiente cognitivo. Macchina e umano, una relazione che può guardare alla Gen AI come opportunità per rafforzare l'autonomia editoriale. La prospettiva che ho descritto nel mio lavoro affronta anche una tensione critica nel giornalismo contemporaneo: il rischio di una crescente omogeneizzazione dei contenuti a causa dell'automazione e la trasformazione del giornalista in un supervisor delle notizie. Se la Gen AI semplifica i flussi di lavoro automatizzando compiti ripetitivi, come l'adattamento dei contenuti a vari formati e piattaforme, la crisi strutturale del giornalismo richiede una rinnovata attenzione alla qualità della narrazione e all'approfondimento.

Ora più che mai, le organizzazioni dei media devono distinguersi per originalità, profondità e coerenza editoriale. Sono convinta che il giornalista non può limitarsi a controllare, verificare gli output delle macchine ma deve poter mettere in campo il suo valore aggiunto. Il futuro del giornalismo non sta nel competere con le macchine in termini di velocità o volume, ma nel recuperare il suo scopo epistemico e relazionale: creare fiducia, scoprire il significato e raccontare storie pprofonde, oltre che essere whatchdog del potere (sempre meno per la verità). Progettare sistemi di intelligenza artificiale in questa direzione non può essere solo una sfida tecnica, ma un imperativo culturale e democratico.

Immaginando il futuro: una riflessione interdisciplinare

Con in tasca i risultati di un anno e mezzo di ricerca, la mia prima conferenza internazionale da PhD student mi ha permesso di ampliare lo sguardo sul futuro di un giornalismo in crisi di identità nell’era dei social media e della disintermediazione. Oggi che l’intelligenza artificiale sta rimodellando il lavoro nelle redazioni, ho potuto fermarmi ad osservare, discutere e immaginare scenari, lavoro indispensabile, con la conclusione che c’è bisogno di ricerca, di ripensare collettivamente al ruolo di un giornalismo sempre più frammentato. Una ricerca che non può che essere transdisciplinare e interdisciplinare, perché riguarda la formazione e l'AI e le digital literacies, abbraccia tutte le scienze sociali, l’etica, e ovviamente le data e computer sciences.

Le voci del panel: tra fiducia, resistenze e co-creazione

Ma serve anche visione e cultura politica. Se è vero che i media mainstream giocano ancora un ruolo importante, è altrettanto vero che in un ecosistema dell’informazione così eterogeneo, come ha argomentato Bronwyn Jones (BBC e Università di Edimburgo) nel dibattito di apertura, il potere si sta riaggregando intorno alle aziende tecnologiche. Aziende i cui valori civili sono molto diversi e la cui direzione futura, nei diversi paesi, è ancora tutta da comprendere. La dipendenza dalle grandi piattaforme non è più solo un rischio, ma una realtà da affrontare in termini di regolamentazione. Per questo, lo risottolineo, è importante che la figura del giornalista rimanga alla guida dei processi e non diventi solo parte dell’ingranaggio di un nuovo taylorismo.

Il dibattito ha messo in luce una tensione continua tra due poli: da un lato l’entusiasmo per le potenzialità dell’intelligenza artificiale generativa, dall’altro la necessità – non più rinviabile – di ripensare l’etica, la cultura e la governance del giornalismo nell’era dell’automazione.

Uno sguardo oltre l’Italia

Guardando oltre il nostro orticello, si scoprono dinamiche estranee all’autoreferenzialità che ancora caratterizza parte del sistema mediatico italiano. Lydia Chilton (Columbia University, parte del team TikTok del Washington Post) ha collaborato con giornalisti per aiutarli a tradurre notizie in formati brevi per la piattaforma. Ha osservato come TikTok sia diventato il medium principale in molte aree dell’America profonda, dove i media locali sono praticamente scomparsi, evidenziando la fragilità del presidio informativo di prossimità (e anche il ruolo che questa realtà può aver avuto nelle elezioni americane, aggiungo io).

La sua proposta concreta è abbandonare l’idea dello“strumento chiuso” per abbracciare la logica dei toolkit: strumenti modulari, adattabili ai contesti redazionali, per consentire ai giornalisti di riappropriarsi della tecnologia secondo valori, tempi e linguaggi propri. Un’idea che risuona fortemente con la mia visione di un assistente AI personalizzabile, costruito sulle esigenze delle redazioni reali, non su modelli astratti pensati da chi non scrive notizie.

Henry Kreuer (CAIS, Università di Wuppertal), con un passato da giornalista radiofonico, per evitare il militare, come ha raccontato, ha sottolineato come l’IA non possa essere progettata dall’alto, ma debba nascere da un dialogo con chi lavora ogni giorno nei contesti redazionali.

Ancora Bronwyn Jones ha evidenziato un nodo cruciale: la resistenza interna delle redazioni. Gli strumenti percepiti come “calati dall’alto” rischiano di essere rigettati, soprattutto da chi ha minore familiarità digitale. L’adozione tecnologica impatta in modo diseguale e può aumentare la marginalizzazione di chi è già meno visibile o formato.

Esperienze asiatiche e design delle interfacce

Interessante anche il caso di Kazuhiro Kida Data editor di Nikkei, la holding proprietaria del Financial Times che ha raccontato l’implementazione di Minutes by (sistema di sintesi automatica degli articoli) e Ask FT, chatbot generativo basato sugli archivi del giornale. Entrambi i progetti sono nati con un focus sull’accessibilità e sui lettori giovani: IA come semplificazione, memoria storica, e conversazione. Un approccio che mi ha fatto riflettere sul valore delle interfacce. Non è il modello in sé a fare la differenza, ma come lo si rende parte dell’esperienza del giornalista e del lettore.

In un ecosistema informativo dove le fonti si moltiplicano, gli influencer competono con le redazioni e l’IA può generare notizie indistinguibili da quelle umane, come si costruisce la fiducia?

Il grande tema della fiducia

C’è chi dice che sia ancora il brand a generarla, altri che il volto umano o la voce siano diventati centrali. Ma ciò che appare davvero urgente nell'ecosistema globale è ripensare la fiducia come relazione dinamica, trasparente, fondata su criteri nuovi di responsabilità. Questa visione contestuale, che tiene insieme ambienti, infrastrutture e competenze sembra aver portato a una consapevolezza chiave: senza cultura dell’informazione e contesto umano, anche le tecnologie migliori rischiano il fallimento.

Cosa mi porto a casa

Se c’è una cosa che questo workshop mi ha insegnato, o meglio, confermato, è che l’intelligenza artificiale non si può affrontare con un approccio polarizzante: non è buona o cattiva, utile o inutile, salvifica o distruttiva. È un campo di tensioni in continuo movimento ed è nella qualità di queste tensioni che si gioca il futuro del giornalismo.

Il laboratorio, gestito con competenza, ironia e metodo da Sachita Nishal ricercatrice, data science, designer, cervello indiano in un'America oggi dificile (farebbe la fortuna di molte università italiane), ha avuto il merito di offrire uno spazio realmente partecipativo. Non si è trattato di ascoltare e applaudire, abbiamo lavorato in gruppo, confrontandoci e confutandoci, abbiamo riflettuto e costruito insieme, come se fossimo una comunità, discusso e disegnato scenari futuri, perfino distopici, provato a definire chi sono oggi gli attori dell’ecosistema dell’informazione nell’era dell’IA, e soprattutto quali sono le relazioni tra di loro. Chi detiene il potere? Chi lo media? Chi ne resta escluso? Chi regola? E quale ricerca progettare per l’immediato futuro?

A guidarci c’erano anche le competenze solide dei docenti già citati e di altri di cui non ho fatto in tempo, presa dal lavoro (più intenso di quello che svolgo tutti i giorni in redazione, con tempi determinati) a registrare il nome, se non di Kristen Vaccaro (forse per l’italianissima origine).

Una bella squadra capace di attraversare le frontiere disciplinari e culturali. Una delle riflessioni che ho trovato più urgenti riguarda proprio la responsabilità che potrei definire di tipo epistemico: in un’epoca in cui le fonti si confondono, le redazioni si riducono e la fiducia si sgretola, non basta innovare: bisogna costruire senso, significato e individuare una direzione che parta necessariamente dal ristabilire un contatto con l’audience, con il pubblico.

Da questo workshop porto con me almeno cinque spunti che intersecano direttamente il mio lavoro di ricerca:

1. La metodologia del design partecipativo non è un lusso per grandi centri di ricerca: è una necessità per progettare strumenti che parlino davvero con, e non sopra, i giornalisti.
2. Non serve “scimmiottare” i social, ma trovare un linguaggio coerente con quei formati, senza tradire i valori della professione. Una sfida culturale e non tecnica, abbassando un certo tipo di autoreferenzialità che non fa bene al giornalismo. I social sono nati per intrattenere, (gli studi di Walter Quattrociocchi lo spiegano bene) oggi ci sono generazioni che si informano esclusivamente su tik tok, instagram e intercettarne il linguaggio è fondamentale.
3. Formazione, formazione, formazione: è la leva chiave per costruire fiducia, consapevolezza, e colmare la frattura generazionale e cognitiva tra chi innova e chi resiste. Forse la comunità di pratica, per dirla con Wenger, potrebbe essere la metodologia più efficace nel contesto redazionale
4. “Toolkit, non rincorsa all’ultimo tool: l’idea di sviluppare una cassetta degli attrezzi, con strumenti adattabili, capaci di suggerire prospettive, verificare fonti, valorizzare i dati e dialogare con l’esperienza umana del giornalista è un terreno su cui vale la pena investire. Anche il fact-checking, come ha ricordato qualcuno, non potrà mai essere del tutto automatizzato, ma un buon toolkit AI potrà segnalare anomalie, incoerenze, pattern di disinformazione.
5. Il nodo della fiducia non è (solo) tecnologico, è relazionale: riguarda il pubblico, le redazioni, i processi decisionali, e va affrontato con nuovi metodi di governance e trasparenza

Gli altri contributi del workshop: uno sguardo d’insieme e un ringraziamento a tutti i giovani colleghi PhD student e ricercatori che hanno partecipato per la condivisione.

1. Exploring GenAI in News Consumption and the Future Media Environment Through Design Fiction - Joel Kiskola, Henrik Rydenfelt, Thomas Olsson Un lavoro di design fiction che immagina app di notizie alimentate da GenAI. Il rischio? Trasformare le news in puro intrattenimento, minacciando la costruzione di una realtà condivisa.

2. Supporting Investigative Reporting Using Programming by Demonstration And Generative AI - Besjon Cifliku @Center for Advanced Internet Studies (CAIS) Proposta di strumenti "programming-by-demonstration" che permettono ai giornalisti investigativi di automatizzare la raccolta dati senza programmare. Obiettivo: aumentare la data literacy senza tecnicismi.

3. Methodological Challenges We Faced in a Real-Time Study of Trust During the 2024 U.S. Presidential Election - Mandi Cai, Grace Wang, Fumeng Yang, Matthew Kay . Una dashboard per monitorare in tempo reale la fiducia del pubblico e la disinformazione durante le elezioni americane. Strumenti utili per reagire a caldo ai mutamenti percettivi.

4. Osmotic News Recommendation: Facilitating Serendipitous Information Discovery in Digital Journalism - Rupert Kiddle, Kasper Welbers, Anne Kroon, Damian Trilling Sperimentazione di algoritmi di raccomandazione "osmosici", che guidano l’utente verso contenuti nuovi senza forzature, favorendo apertura cognitiva e superamento delle bolle informative.

5. Implications of AI in News: Possibilities and Challenges - Jeongmin Ko, Byenghee Chang, Daehan Kang, Jaeeun Im Studio sugli anchor virtuali e il loro impatto sulla fiducia del pubblico. L’aspetto visivo e il tono della voce possono influenzare più del contenuto stesso, con potenziali rischi manipolativi.

6. Rethinking News and Media System Design Towards Positive Societal Implications. Florian Bemmann and Doruntina Murtezaj Una riflessione interdisciplinare che incrocia HCI, psicologia e scienze sociali per progettare sistemi informativi più etici, pensati per il benessere informativo delle comunità.

7. Identifying Geographic Contraction in U.S. Newspapers Coverage - Marianne Aubin Le Quéré, Siyan Wang, Michael Krisch Analisi automatizzata dei testi per misurare la riduzione della copertura territoriale da parte dei giornali locali americani. Un modo per fotografare la desertificazione informativa in atto.

8. Trust but Verify - Risks of Chatbot-driven Indoctrination with News Information - Jarod Govers Un’analisi critica dell’uso dei chatbot AI per informare: trasparenza opaca e persuasività implicita possono trasformarli in strumenti di indottrinamento non intenzionale.

9. Characterizing Physiological and Behavioral Responses to Human- and AI-Generated Real and Fake News - Lian A. Wu, Pooja Prajod, Abdallah El Ali, Pablo Cesar Studi sperimentali mostrano che gli utenti reagiscono emotivamente in modo simile a contenuti umani e contenuti generati da AI. Una sfida per la trasparenza e il discernimento. Proposta di un framework per calibrare la fiducia nei contenuti AI. Né cieca fiducia né rigetto totale: servono strumenti per valutare provenienza, trasparenza e controllo umano.

10. Spam, Slop, and the News : Beyond Pink Slime - Nina Lutz Una tassonomia critica dei contenuti-spazzatura generati da AI (spam, slop, pink slime news). Il lavoro propone concetti e strumenti per riconoscere e contrastare questo “rumore informativo”.

11. Volunteer Moderators' Role in Facilitating News Flow in Local Groups - Ankolika De, Kelley Cotter, Ava Francesca Battocchio, Marialina Antolini, Benji Davis, Nicholas Proferes, Kjerstin Thorson. Indagine sui moderatori volontari di gruppi Facebook locali, che oggi svolgono un ruolo simile ai giornalisti. Ma senza formazione, rischiano di amplificare bias e fake news.

12. Can Community Notes Replace Professional Fact-Checkers? - Nadav Borenstein, Greta Warren, Desmond Elliot, Isabelle Augenstein. Confronto tra le Community Notes di Twitter e il fact-checking professionale. Le prime raramente citano fonti solide, evidenziando la necessità di un rigore informativo anche nei sistemi partecipativi.

13. Understanding Social Media Crisis: A Data-driven Analysis of Online Problematic Behavior - Jeanne Choi*, Dongjae Kang*, Josep Seering (Co-authored) Un'analisi delle crisi nate e amplificate sui social. Attraverso il riconoscimento dei pattern di escalation, il team ha identificato segnali precoci che potrebbero aiutare a gestirle meglio.

14. Information Environment Pollution by the State-Sponsored Information Operations Tasnim Rahman, Cole Polychronis, Marina Kogan. Studio sulle operazioni informative statali, che sfruttano narrazioni esistenti per rafforzare la propaganda. Un lavoro importante per distinguere influenza legittima da manipolazione organizzata.

15. What's Political on TikTok? A User Centered Approach - Jason Greenfield, Stephanie Wang, Danaé Metaxa È stato già pubblicato su Medium il suo estratto. Attraverso survey e annotazioni, il team ha rilevato che gli utenti di Tik Tok  percepiscono come "politici" i contenuti sociali più che quelli istituzionali. Una nuova grammatica della politicizzazione.

16. Weatherfluencers - Julie Vera Studio etnografico sui weather influencer, che raccontano eventi estremi in tempo reale. Si pongono come nuove fonti di fiducia, ma rischiano la spettacolarizzazione della crisi.

17. Who Influences Newsfluencers? Who Influences Newsfluencers? The Need for Research on Newsfluencer-Audience Interactions - Joey Schafer Un’indagine sulle dinamiche tra newsfluencer e audience. L’agenda non è più solo dettata dal produttore di contenuti, ma plasmata in tempo reale dalle aspettative del pubblico.

di Pina Debbi

Con un punto di vista lontano dalla teoria pura e partendo dal basso, dai bisogni reali, quando entra in aula, ogni docente porta con sé un’intenzione, un disegno, un’ipotesi, il suo percorso didattico. Trasformare quell’intenzione in un’esperienza di apprendimento significativa è un’impresa tutt’altro che scontata. E molto spesso, se di mezzo c'è anche la tecnologia (il Covid ci ha dimostrato tutti i possibili gap di cui non eravamo pienamente consapevoli) diventa ancora più evidente la necessità di metodo, visione e di una cassetta degli attrezzi all'altezza e ben interiorizzata.

Ma soprattutto dovrebbe essere chiaro ciò chesi vuole sviluppare negli studenti e di riflesso negli stessi educatori e ricercatori. Come dottoranda, piuttosto avanti con l'età e nello stesso tempo come docente occasionale (sono stata cultore della materia e ho insegnato e insegno, non per professione, giornalismo e comunicazione) mi sono chiesta più volte perchè la lezione frontale continui ad essere ancora oggi la modalità prevalente, senza spesso tener conto di quanto la neuroscienza e la psicologia cognitiva ci raccontano, con tanto di evidenze scientifiche, sui limiti e le dinamiche dell'attenzione e della memoria. E quanto, invece, l'interazione, la partecipazione attiva, l'utilizzo ben strutturato delle tecnologie, oltre che a garantire engagement, aiutino a sviluppare quelle competenze trasversali indispensabili per navigare un presente sempre più complesso. Ma... e c'è un ma: non si può prescindere da metodo e progettazione.

INDIRE E IDeAL, evidenza scientifica e azione

È in questa direzione e su questo sfondo che che prende forma IDeAL – Iterative Design for Active Learning, una metodologia didattica nata da un processo di ricerca sul campo, progettata per accompagnare i docenti in percorsi di insegnamento-apprendimento orientati allo sviluppo di competenze trasversali e di un apprendimento profondo, autentico e riflessivo. È stato molto istruttivo e interessante ricominciare il nostro secondo anno di dottorato LESDIT PhD Learning Sciences and Digital Technologies con questo approccio formativo, e con la lezione di Jessica Niewint Gori e Sara Mori di Indire. IDeAL non è un modello chiuso, né una griglia prescrittiva. È piuttosto una sceneggiatura aperta, un framework di progettazione che si ispira ai paradigmi del design thinking, ai riferimenti dell’evidence-based education, alle riflessioni delle neuroscienze cognitive e all’approccio hands-on dell’apprendimento attivo. Forse ho un poì esagerato con gli inglesismi (hands on in italiano tradotto alla lettera sarebbe mani in pasta ed evoca bel altro, ma sono metodi che ognuno di noi dottorandi di scienze dell'apprendimento conosciamo (dovremmo conoscere) bene, lo faccio solo per sintetizzare e per far comprendere le due ore dense, concrete, attraversate da parole chiave come riflessione, motivazione, consapevolezza, errore, progettualità. Proprio quelle parole che, spesso, nella scuola - nella nostra scuola - rischiano di restare solo sullo sfondo.

Le competenze trasversali: una sfida da nominare

In tempi in cui, nel nostro Paese, l'istituzione scolastica è spesso appiattita su contenuti disciplinari, parlare di competenze trasversali è, (almeno per la sottoscritta) quasi un atto politico. E allora, fissiamo prima i punti di ciò che la letteratura scientifica riconosce come competenze trasversali, provando a definirle come quelle capacità che permettono agli studenti di sviluppare un apprendimento profondo e sono legate ad aspetti cognitivi e motivazionali e che includono oltre al pensiero critico:

• Apprendere ad apprendere: La capacità di continuare a imparare in modo autonomo e di adattarsi a nuove situazioni.
• Perseveranza: La capacità di mantenere l'impegno e la motivazione anche di fronte alle difficoltà.
• Cittadinanza: La consapevolezza dei problemi globali e la capacità di partecipare attivamente alla società.
• Collaborazione: La capacità di lavorare efficacemente in gruppo e di sviluppare competenze sociali.
• Comunicazione: La capacità di esprimersi chiaramente e di comprendere gli altri.
• Creatività: L'abilità di cercare soluzioni alternative e di pensare in modo divergente.
• Problem solving: La capacità di risolvere problemi in modo efficace e innovativo.

Eppure, anche se non sono, diciamo così, curricolari, collaborazione, creatività, resilienza, lconsapevolezza di sé possono fare la differenza nella vita delle persone. Non come soft skills “gentili”, ma come strutture profonde sia del pensiero che dell’azione.

IDeAL lavora su queste competenze in modo intenzionale, osservabile, valutabile. Le rubriche proposte permettono di monitorare l’evoluzione dello studente da una “fase iniziale di apertura” a una “fase di padronanza”, tenendo traccia non solo del risultato ma del processo. In classe, questo significa riconoscere il valore di chi prova, commette errori ma poi continua ad apprendere, a rialzarsi, grazie a una valutazione adeguate e al feedback (la cui importanza sarà nei prossimi paragrafi. Riconoscere, dicevo, il valore di chi ascolta, riformula, costruisce. Di chi impara anche quando non produce l’elaborato perfetto, ma compie un passaggio significativo nel proprio apprendere, un apprendimento significativo e profondo.

Il cuore del metodo: progettare per imparare

IDeAL nasce con due obiettivi fondamentali. Il primo è aiutare il docente a progettare attività calibrate sui bisogni reali della classe, potendo contare su strumenti operativi flessibili, coerenti, accessibili. Il secondo è offrire agli studenti l’opportunità di sviluppare le competenze trasversali attraverso un processo iterativo di progettazione e riflessione dove l' apprendimento, qui, non è il risultato di una lezione trasmessa ma l’esito di un'esperienza costruita. La metodologia si articola in nove fasi, dalla riunione istruttiva alla riflessione finale, in un ciclo che parte da una sfida progettuale concreta e si sviluppa attraverso la definizione del problema, l’ideazione, la realizzazione e la revisione dell’artefatto. Ogni fase è accompagnata da una scheda operativa pensata per il docente, con indicazioni sui tempi, le azioni da svolgere, gli strumenti suggeriti e gli obiettivi attesi. Ma ciò che conta, più della sequenza, è l’approccio dialogico e trasformativo che la metodologia porta con sè, frutto di una base solida che proviene dalla letteratura scientifica internazionale. Gli studenti non sono fruitori ma protagonisti. L’insegnante non è dispensatrice di conoscenze ma facilitatrice di processi. Ecco le fasi così come sono descritte nel sito.

Tecnologie che supportano il pensiero

Nel racconto della genesi di IDeAL, un’immagine è tornata più volte: quella della stampante 3D. All’inizio era lei il simbolo dell’innovazione. Eppure, come hanno raccontato le ricercatrici che hanno seguito il progetto, nei primi anni l’attenzione dei docenti era interamente assorbita dal “farla funzionare”. Il dispositivo tecnologico diventava fine a sé stesso, e il pensiero progettuale restava nell' ombra. Solo in una fase successiva, quando la competenza tecnica si è consolidata, è stato possibile spostare il focus sull’apprendimento. Cosa stiamo costruendo? Perché lo facciamo? Che senso ha per chi apprende? È qui che la tecnologia ha smesso di essere un oggetto/strumento e ha iniziato a diventare un ambiente cognitivo, un contesto che attiva una riflessione condivisa.

In IDeAL, le tecnologie, oggi anche l’AI generativa, sono introdotte per sostenere un obiettivo preciso: rendere visibile il pensiero, moltiplicare i linguaggi espressivi, promuovere inclusione, facilitare la documentazione e la co-costruzione del sapere. Una studentessa non italofona, per esempio, può finalmente comprendere la traccia di un compito grazie a una traduzione automatica. Un gruppo di bambini può progettare il plastico di una città immaginaria e documentarlo con fotografie, mappe, parole chiave. Un adolescente può creare, attraverso l’intelligenza artificiale, un’immagine “alla Friedrich” e scoprire che, per evocare una rovina romantica, non basta una scavatrice: serve la composizione, la luce, l’idea di vuoto.

L'uso intenzionale e guidato della tecnologia permette di attivare categorie cognitive complesse come l’analisi, la sintesi, la metacognizione. È qui che si innesta il riferimento al modello SAMR, che aiuta a distinguere tra tecnologie usate per sostituire (scrivere con Word invece che a mano), per migliorare (lavorare su un documento condiviso), per modificare (integrare contenuti video, audio, mappe concettuali) e per ridefinire l’esperienza stessa di apprendimento (creare ambienti immersivi, simulazioni, narrazioni interattive).

Neuroscienze, motivazione e apprendimento profondo

Uno dei presupposti teorici più solidi della metodologia IDeAL riguarda l’attenzione ai processi cognitivi e motivazionali attivati durante l’apprendimento. Le neuroscienze cognitive ci dicono che il cervello apprende meglio quando l’informazione è inserita in un contesto significativo, quando può essere "manipolata" attivamente, quando è collegata a una motivazione intrinseca. Durante la lezione, si è parlato più volte del ruolo della curiosità come motore dell’apprendimento, di come essa attivi i circuiti dopaminergici legati alla ricompensa, al piacere di scoprire. Le emozioni non sono accessorie: sono parte integrante del processo cognitivo. La consapevolezza di “poter farcela”, la possibilità di sbagliare senza paura, l’idea che l’apprendimento sia un percorso e non una prestazione, sono elementi centrali per costruire engagement e favorire la perseveranza. Per questo, in IDeAL, la dimensione riflessiva è costantemente sollecitata. Ogni fase della sceneggiatura invita studenti e docenti a fermarsi, a guardare indietro, a chiedersi “cosa abbiamo fatto, come lo abbiamo fatto, cosa possiamo fare meglio”. Un vero e proprio un invito alla metacognizione, allenando lo sguardo interno alla costruzione di un sé che apprende.

Il feedback come spazio di relazione e crescita

In questo quadro, il feedback diventa una componente strutturale del metodo. Viene offerto in momenti precisi dopo la fase di presentazione, durante l’analisi, nella riflessione conclusiva, ma soprattutto viene insegnato, praticato, coltivato. La lezione lo ha chiarito bene: il feedback efficace non è un giudizio, ma una direzione. E la metafora utilizzata per rendere l'idea è stata quella del cacciatore, molto potente: “Il nostro cervello impara per prove ed errori - ha spiegato Sara Mori - Spara una colpo e osserva dove va e aggiusta poi poi la mira". Una colpo senza bersaglio è inutile e un bersaglio senza riscontro è frustrante.

Un Bene, un Bravo, non bastano: sono giudizi mentre un feedback è efficace se guarda al futuro, se sta dicendo non solo quello che ho fatto in passato ma se mi spiega come farlo meglio, perchè solo in quel momento posso comprendere la direzione. Un aspetto che valorizza l'autoefficacia e spinge ad arrivare all'obiettivo.

Gli esempi emersi sono concreti, immediati, replicabili. “Avete lavorato bene come gruppo, ma alcuni di voi hanno parlato più degli altri. Come potremmo riequilibrare i ruoli nella prossima attività?” Oppure: “La vostra idea è interessante, ma manca un confronto con altre ipotesi. Cosa succederebbe se provassimo a…?” Questi tipi di feedback, orientati al compito, legati al processi, mai giudicanti, hanno un potere trasformativo profondo. Non solo aiutano a migliorare, rinforzano l’autoefficacia, alimentano la motivazione, restituiscono dignità al percorso e aiutano anche l'insegnante. Feedback che è anche uno strumento di equità, perché permette di valutare il contributo del singolo all’interno di un processo collettivo. In IDeAL, infatti, si lavora sempre in gruppo. Nessuno è solo. Il sapere è condiviso, e condiviso è anche il modo in cui si valuta, si osserva, si migliora.

Insomma, in questo primo seminario dell'anno, IDeAL ci ha offerto non solo una metodologia ma un punto di vista per guardare alla scuola, alla ricerca e all'educazione, mostrandoci che progettare non è solo un fatto meramente tecnico ma è soprattutto una forma di cura e che valutare è una restituzione di senso e le tecnologie sono tool per pensare insieme e condividere e che gli errori sono il primo passo per spingerci a imparare davvero e in modo più profondo.

di Michele Allegretti

L’AI Index, uno dei rapporti più autorevoli e completi al mondo sullo stato dell’intelligenza artificiale, redatto dallo Stanford HAI e pubblicato il 13 aprile 2026, delinea un panorama in cui l’intelligenza artificiale ha superato la fase di “novità” per diventare una forza strutturale dell’economia globale, pur presentando sfide ambientali e di misurazione senza precedenti.

Lanciato nel 2019, lo Stanford HAI è uno dei centri di ricerca più influenti al mondo nel campo dell’intelligenza artificiale. La sua missione non è solo far progredire la tecnologia, ma garantire che questa sia progettata per migliorare la condizione umana, piuttosto che sostituirla o danneggiarla.

L’AI non è più una previsione

Se potessimo sintetizzare in poche righe il senso dei dati pubblicati, potremmo dire che l’AI non è più una previsione per il futuro, ma una realtà presente che sta trasformando il lavoro e la scienza, portando con sé un debito ambientale e sociale che le attuali normative e metriche di controllo non sono ancora in grado di gestire pienamente.

Rimangono ancora presenti questioni di cruciale importanza nelle credenze che influenzano gli algoritmi, come il gender gap nell’accesso alle STEM da parte del genere femminile, ma anche, negli Stati Uniti, delle minoranze etniche e dei nativi americani. Permane un divario di genere anche nei percorsi formativi legati all’intelligenza artificiale: le donne risultano complessivamente sottorappresentate, pur mostrando una maggiore presenza relativa nei programmi orientati al software rispetto a quelli focalizzati sull’hardware, con un picco del 36% nei corsi di laurea magistrale in ambito software per l’AI.

La centralità della sovranità si è spostata dagli Stati Uniti per divenire un fenomeno multipolare e distribuito, anche se in maniera discontinua e frammentata, stimolando un momento di grande accelerazione delle capacità dei modelli, che porta come conseguenza a una sostanziale convergenza di prestazioni. Questo fenomeno accelera anche la crisi dei benchmark: gli strumenti tradizionali usati per valutarli stanno faticando a rimanere rilevanti; l’AI sta superando i test più velocemente di quanto gli esperti riescano a crearne di nuovi.

Una relazione ancora in costruzione

Un’ulteriore linea interpretativa riguarda la relazione che le realtà produttive, le istituzioni e gli esseri umani stanno sviluppando con le AI. Un rapporto ancora in costruzione, dove le domande si susseguono alla ricerca di pattern, ben leggibili dai dati, e che si ripetono in molti differenti ambiti.

Essi riguardano le difficoltà nella collaborazione consapevole Human-AI, dove ciascuno concorre per quelle che sono le reali e necessarie capacità di partecipare al progetto, ma che non sempre sono incentrate sull’efficacia, evidenziando che il quid umano rimane sostanzialmente necessario al raggiungimento dell’efficienza a prescindere dalla performance: l’AI si è diffusa prima che sia stato possibile capirne ruoli e perimetri.

Un esempio paradigmatico è stato il passaggio dai chatbot agli AI agents. Il 2025 è stato spesso descritto come l’anno dei sistemi agentici, segnando uno spostamento dalle interazioni conversazionali alla progettazione di sistemi capaci di operare in modo autonomo nei flussi di lavoro. Questa trasformazione si riflette anche nelle competenze richieste dal mercato del lavoro e si accompagna a un divario di percezione tra esperti di AI e utilizzatori finali, segnalando una relazione ancora in evoluzione.

Questa stessa asimmetria si ritrova in ambito healthcare e clinico, dove si evidenzia come la figura umana, al di là della consapevolezza sulla performance, rimanga centrale nella relazione medico-paziente.

In questa direzione si collocano i dati relativi alla percezione dell’AI in ambito sanitario: i pazienti tendono infatti a sostenere l’impiego dell’AI in ruoli di supporto piuttosto che in processi decisionali completamente autonomi, soprattutto nei contesti clinici ad alto rischio (Fee et al., 2025; Allen et al., 2025; Hmido et al., 2025). La preservazione della relazione umana emerge come un tema ricorrente, con i pazienti che identificano la potenziale perdita di cure empatiche come una delle principali preoccupazioni (Carl et al., 2025; Davis et al., 2025).

La fiducia nell’AI appare mediata dal clinico piuttosto che basata su una valutazione diretta della tecnologia: il sostegno del medico rappresenta infatti un fattore determinante per l’accettazione da parte dei pazienti (Berger et al., 2025; Machado et al., 2025; Nong et al., 2025).

Perché è importante per noi?

La centralità della figura umana, che non necessariamente si basa sulla quantità di dati che conosce, ma sulla capacità di discernerli e sull’empatia di saperli trasferire e comunicare, rimane sostanzialmente intatta. Quindi perché tante difficoltà?

In un contesto in cui l’eccesso di produzione di paper scientifici sull’intelligenza artificiale si configura come un fenomeno in crescita, alimentato anche dall’uso di strumenti generativi, la qualità e l’affidabilità della ricerca scientifica basata sui dati e su elementi misurabili, che si propongono come stato dell’arte, ci consentono di avere solide basi di ricerca e un autorevole punto di riferimento, pur tenendo presente i ritardi sistemici che investono la misurazione e la rilevazione di tali dati.

La ragione principale per cui lo Stanford HAI pubblica l’AI Index Report è che l’intelligenza artificiale si muove troppo velocemente perché i singoli governi o le aziende possano monitorarla in modo imparziale. In un settore dominato da annunci pubblicitari e hype, l’AI Index nasce per essere la fonte basata sui dati, per combattere la mancanza di trasparenza, fornire una base per le leggi, misurare il progresso reale, democratizzare l’informazione.

Migliorare la condizione umana è il cuore dello Stanford HAI e la Human-Centered AI diventa il manifesto di una tecnologia che rifiuta l’etichetta di “artificiale” per farsi profondamente umana. Nelle parole della scienziata e fondatrice Fei-Fei Li, l’AI trova la sua vera essenza nell’essere “inspired by people, created by people, and it impacts people”.

Fotografia dell’Italia secondo l’AI Index 2026

Il dato che sintetizza meglio la situazione italiana è la distanza tra la sua posizione normativa e quella operativa. Sul piano della governance, l’Italia è tra i cinque paesi al mondo, con Canada, Francia, Germania e Giappone, ad aver partecipato a ogni iniziativa globale sull’AI dal 2019 al 2025, ed è il primo paese UE ad aver approvato una legge nazionale sull’AI. Sul piano dell’economia reale, è ultima in quasi tutto.

Ricerca, talenti e competenze

L’Italia produce 13.230 autori e inventori AI, nono posto assoluto, ma con appena 22,4 per 100.000 abitanti, lontana da Svizzera (110), Singapore (109) e persino Francia (27,4). I dottorati ICT sono cresciuti da 194 a 248 in un anno (+28%), un segnale positivo ma su numeri ancora piccoli. La rappresentanza femminile tra i talenti AI è al 29,5%, tra le più alte al mondo insieme ad Australia e Canada, il che è uno dei dati migliori del paese. Il gender gap nelle competenze LinkedIn racconta però una storia diversa: uomini a 1,31, donne a 0,69, quasi il doppio. (grafici 1.8.1, 1.8.2, 1.8.3, 1.8.4)

L’indice di penetrazione delle competenze AI su LinkedIn è 1,22, terzultimo su 15 paesi. L’AI Skills Diffusion Index mostra un quadro ancora più preoccupante: AI literacy a 77,95 ma AI engineering a soli 27,33. Il paese sta sviluppando una familiarità di superficie con gli strumenti AI, senza costruire la capacità tecnica per produrli o implementarli. (grafico 7.4.3)

Tra gli autori e inventori AI, l’Italia ha il 29,53% di donne e il 70,47% di uomini, una delle rappresentanze femminili più alte a livello globale, seconda solo all’Arabia Saudita (32,28%) e sostanzialmente alla pari con Australia (30,27%) e Canada (29,59%). Il dato è rimasto però sostanzialmente quasi piatto dal 2010 al 2025: al leggero decrescere del genere maschile è leggermente aumentato quello femminile, come in quasi tutti gli altri paesi. (grafico 1.8.4)

Il gender gap nelle competenze AI su LinkedIn è marcato: gli uomini italiani hanno un indice di penetrazione di 1,31, le donne di 0,69, quasi il doppio. È uno dei gap più ampi del campione, paragonabile a Brasile (1,57 vs 0,66) e peggiore di Francia (1,52 vs 0,87) e Spagna (1,64 vs 0,83). La presenza femminile nel talento AI su LinkedIn è al 35,48% contro il 64,52% maschile, un dato migliore rispetto alla media globale ma con una concentrazione effettiva bassissima: 0,57% degli uomini su LinkedIn dichiara competenze AI contro solo lo 0,31% delle donne. (grafico 4.4.26)

La presenza femminile tra i laureati ICT in Italia è tra le più basse del campione a tutti i livelli: 13% tra i diplomati short-cycle, 16% tra i laureati triennali, 24% tra i magistrali, 25% tra i dottorandi. La media globale è rispettivamente 20%, 22%, 29% e 29%; l’Italia è sotto su tutti e quattro i livelli, con il gap più forte nella formazione di base. (grafici 7.2.9, 7.2.10, 7.2.11, 7.2.12, 7.2.13)

Economia reale, mercato del lavoro e infrastrutture

L’Italia ha finanziato 38 nuove aziende AI nel 2025, terzultima nel campione, alla pari con l’Australia. Le offerte di lavoro che richiedono competenze AI sono all’1,33% del totale, nella parte bassa del campione. La crescita dell’hiring AI è al 9%, positiva ma lontana dai leader. Il saldo migratorio dei talenti AI è negativo (-0,21 per 10.000 membri LinkedIn): l’Italia perde più talenti di quanti ne attrae. (grafico 4.4.24)

L’adozione dell’AI generativa è passata dal 25,8% al 27,8% nella seconda metà del 2025, con una crescita del 2%, nella media europea. Il paese si colloca al 26° posto nella classifica globale. Con un PIL pro capite di circa 40.000 dollari, la diffusione attorno al 30% è sostanzialmente in linea con le attese: non c’è né il ritardo inspiegabile né la sovraperformance di USA o Singapore. (grafici 4.3.10, 4.3.11)

Il dato più allarmante in chiave industriale: -16% nelle installazioni di robot nel 2024, il calo più severo tra tutti i paesi monitorati, peggio di USA (-9%), Germania (-5%), Giappone (-4%). Per un paese che fa della manifattura avanzata un punto di forza identitario, è un segnale da non sottovalutare. (grafico 4.5.6)

L’Italia ospita 168 data center nel 2025, tredicesima nel ranking globale, appena sopra India (153) e Polonia (144), ma molto distante dai leader: gli USA ne hanno 5.427, Germania e Regno Unito rispettivamente 529 e 523. È un’infrastruttura modesta per un’economia del G7, e coerente con il quadro generale: anche qui, le fondamenta fisiche dell’ecosistema AI italiano sono sottodimensionate rispetto al peso economico e alle ambizioni normative del paese. (grafico 1.3.2)

Governance, Responsible AI e fiducia

L’Italia ottiene un punteggio di 61-80 su 100 nella dimensione bias e imparzialità, nella fascia medio-alta, insieme ad Australia e parti d’Europa. Il punteggio riflette la presenza di leggi, organismi di supervisione e meccanismi di enforcement per prevenire outcomes discriminatori dall’AI. I paesi con il punteggio più alto sono USA, Canada, Australia e alcune parti del Nord Europa (81-100), mentre gran parte di Africa, Medio Oriente e Asia Centrale è sotto 20. (grafico 3.7.1)

L’Italia nella dimensione gender equality del GIRAI ottiene un punteggio di 21-40, un valore basso, nella fascia inferiore del campione, mentre Canada e Paesi Bassi guidano con i punteggi più alti, e USA e Brasile si collocano nella fascia 41-60. (grafico 3.7.2)

È nella diversità culturale e linguistica che l’Italia performa meglio: punteggio nella fascia 70-88 su 100, tra i più alti del campione insieme a Germania, Irlanda, Qatar, Estonia e Slovenia. Singapore guida. Il dato riflette le misure italiane di protezione delle lingue locali, dei dialetti e della diversità culturale nel ciclo di vita dell’AI, un’area dove il quadro normativo europeo aiuta significativamente. (grafico 3.7.3)

L’Italia ha contribuito con 29 paper accettati nelle principali conferenze RAI nel 2025, decima nel ranking globale, dietro Canada (54) e South Korea (57), molto lontana da Cina (812) e USA (394). Il numero è modesto in termini assoluti ma coerente con il peso dell’Italia nella ricerca AI complessiva. (grafico 3.4.4)

In Italia, il 52-53% dei lavoratori dichiara di usare l’AI regolarmente al lavoro — in linea con la media europea e nordamericana, ma molto al di sotto dei paesi emergenti dove si supera l’80%. Il dato più significativo è però la fiducia: solo il 40% degli italiani si fida dell’AI per scopi lavorativi, tra i valori più bassi del campione. Il gap tra uso e fiducia, 12-13 punti percentuali, è rivelatore: molti lavoratori italiani usano gli strumenti AI pur non fidandosene pienamente, probabilmente per necessità più che per convinzione. (grafico 9.1.10)

Sul fronte del supporto aziendale, l’Italia mostra numeri più incoraggianti: il 60% delle organizzazioni ha una strategia e una cultura AI, il 62% supporta l’AI literacy, il 64% ha una governance di Responsible AI. Sono valori nella media europea, e coerenti con il buon punteggio GIRAI sulla governance. (grafico 9.1.11)

Conclusioni

L’Italia è un paese che sa costruire strutture ma fatica ad abitarle.

Sul piano della governance è tra i più attivi al mondo: prima legge AI in UE, partecipazione costante a tutti i tavoli internazionali dal 2019, punteggi GIRAI solidi sulla prevenzione dei bias algoritmici e sulla diversità culturale e linguistica. Le architetture formali ci sono: leggi, strategie aziendali, governance della Responsible AI al 64% nelle organizzazioni. È il paese che firma, ratifica e legifera.

Ma sotto questa superficie normativa i numeri raccontano altro. Le competenze AI engineering sono tra le più basse del campione (27,33 nell’indice di diffusione LinkedIn), le donne sono quasi assenti dai percorsi formativi ICT di base (13-16%), il gender equality nel GIRAI è a 21-40, nella fascia bassa, lontano dalla retorica inclusiva che accompagna spesso la comunicazione istituzionale italiana sull’AI. Le installazioni di robot industriali sono calate del 16% nel 2024, il peggior risultato tra tutti i paesi monitorati. Il saldo migratorio dei talenti AI è negativo. Solo 38 nuove aziende AI finanziate nel 2025, alla pari con l’Australia ma con un’economia tre volte più grande.

Il dato forse più rivelatore è la fiducia: solo il 40% dei lavoratori italiani si fida dell’AI per scopi professionali, tra i valori più bassi del campione. Non è un dato tecnico, è un dato culturale. E si lega a tutto il resto: un paese in cui le strutture formali dell’AI sono avanzate, ma la relazione concreta tra le persone e la tecnologia rimane distante, diffidente, non ancora metabolizzata.

L’Italia non è un paese che ignora l’AI. È un paese che la osserva, la norma, la governa e poi fatica a farla propria. Il gap tra il 77,95 di AI literacy e il 27,33 di AI engineering è la misura esatta di questa distanza: sappiamo di cosa si tratta, ma non sappiamo ancora costruirla. (grafico 7.4.3)

Il quadro che emerge è di un paese che fa la sua parte sul fronte normativo e di governance, dove è tra i più attivi, ma che resta indietro su competenze, produttività e adozione pratica degli strumenti AI.

Un gap tra regolamentazione e implementazione abbastanza tipico del contesto europeo, ma che in Italia è particolarmente marcato.

di Debbi, Ruggiero, Zampolini

L’idea di intervistare Susanna Sancassani per Moredigital è arrivata improvvisa durante una sua lezione sulla transdisciplinarità, ultima della serie di incontri organizzati dall’Università di Bergamo, che tutti e tre gli autori di questo testo stavamo seguendo dalle nostre città. L’insight è stato qualcosa che in questo anno e poco più di dottorato nessuno di noi aveva mai ascoltato, qualcosa che apre nuovi orizzonti nel nostro rapporto con l’intelligenza artificiale generativa e che ha a che fare con l' approccio alla conoscenza che i Large Language Model stanno trasformando.

Se guardiamo al passato recente, con l’avvento dei motori di ricerca ci siamo abituati a ricevere risposte che, pur digitali, rimanevano ancorate a strutture organizzative gerarchiche e lineari, come indici, alberi di navigazione o paragrafi ben definiti. Ora, con i LLM, ci troviamo davanti a strumenti che operano in modo conversazionale, multidisciplinare e altamente trasversale, aprendo nuove prospettive di esplorazione e costruzione della conoscenza.

E quello che ci aveva colpito è stato un passaggio che riportiamo più o meno fedelmente: "non è solo una questione di nuovi strumenti, ma è un cambiamento radicale nel nostro rapporto con il sapere. Gli LLM non sostituiscono le strutture di conoscenza tradizionali, ma le arricchiscono, introducendo modalità di accesso e interlocuzione che ci permettono di esplorare connessioni trasversali e di affrontare la complessità con una prospettiva transdisciplinare"

Questo cambiamento richiede un ripensamento profondo del modo in cui costruiamo, organizziamo e divulghiamo il sapere. La rivoluzione promessa dall’intelligenza artificiale generativa si annuncia ancora più profonda e ancora in gran parte sconosciuta, con ricadute su tutti gli ambiti della conoscenza e, in particolare, su quelli pedagogici e didattici. E allora partiamo proprio da quest’ultimo aspetto, fin dal momento embrionale.

Un'intervista illuminante

Quando si parla di Intelligenza Artificiale Generativa (IA gen) a supporto della progettazione didattica, cosa si intende? A che punto siamo?

Rispondo con una premessa necessaria: cosa si intende per progettazione didattica? Progettare la didattica vuol dire entrare nel merito della responsabilità del docente nei confronti degli studenti. In questa prospettiva, l’obiettivo del docente non dovrebbe più essere quello di selezionare i contenuti più interessanti o adatti alla lezione, ma di concentrarsi sulla trasformazione che vuole determinare nei suoi studenti. È un cambiamento di prospettiva importante: passare da “cosa dovranno sapere i miei studenti?” a “quale trasformazione voglio suscitare nei miei studenti?”. Nel momento in cui si affronta il tema della progettazione didattica, è possibile individuare due livelli:

1. Progettazione (macro e micro), che riguarda dunque il corso e il tipo di trasformazione che si vuole avviare negli studenti.
2. Strategia di valutazione, con il docente impegnato ad osservare se gli studenti hanno effettivamente intrapreso il percorso di trasformazione prefissato.

Oltre sessant’anni fa Jacques Derrida ha introdotto il concetto di scrittura come protesi della memoria. Per Derrida, la protesi è un abilitatore che espande le nostre capacità, rendendo possibile ciò che prima ci era impossibile. Se guardiamo all’intelligenza artificiale come a un abilitatore progettuale, il docente risulta “potenziato” e non sostituito. L’avvento dell’intelligenza artificiale generativa nella didattica ha un potenziale rivoluzionario insospettabile, perché entra come fattore abilitante per i docenti, assistendoli in ogni fase della progettazione didattica.

IA generativa dunque come abilitatore in grado di contribuire in modo sostanziale a tutte le fasi della progettazione didattica di un corso?

Assolutamente sì! Gli LLM, che stanno alla base di questa tecnologia, sono alimentati da dataset fortemente sbilanciati verso la cultura anglosassone, in cui la progettazione didattica è ben documentata. Di conseguenza, ChatGPT (e strumenti simili) risulta incredibilmente propositivo, in grado di fornire soluzioni pragmatiche ed efficaci in tempi ridottissimi. Questi chatbot possono suggerire risorse, materiali, idee e supporti per creare piani di lezione personalizzati, generare valutazioni calibrate su esigenze specifiche e molto altro. Inoltre, questa tecnologia rende possibili scenari didattici transdisciplinari, aiutando gli studenti a considerare le discipline non come compartimenti stagni ma come strumenti integrati per comprendere la realtà.

Può darci un inquadramento teorico del termine "transdisciplinarità"?

Per transdisciplinarità si intende la capacità di andare oltre il semplice mettere insieme concetti da discipline diverse, creando strutture che abbattono i confini tradizionali delle discipline stesse per produrre nuova conoscenza (Cropanzano et al., 2005). Tuttavia, il tema della transdisciplinarità non può prescindere da un nucleo di conoscenze strutturate di base.A livello di scuola primaria, sarebbe fondamentale selezionare un nucleo di conoscenze e competenze fondamentali, utilizzando metodologie di retrieval. Il grave errore è stato quello di allargare i curriculum senza una gerarchia chiara che individuasse un nucleo di conoscenze e abilità fondamentali e un altro nucleo limitato allo sviluppo di mindset, mentalità (ad esempio quello transdisciplinare). L’obiettivo è di stimolare negli studenti la costruzione di una nuova conoscenza utilizzando modelli concettuali che emergono da una disciplina e portandoli in una disciplina completamente diversa. L'incoraggiamento a esplorare e applicare concetti tra diversi settori del sapere può aumentare la fiducia nell'affrontare argomenti fuori dalla loro area di comfort o specializzazione, portandoli, a sviluppare una maggiore apertura mentale e un approccio più intraprendente verso l'apprendimento. È questo lo scenario ideale per meglio comprendere i problemi reali complessi. Questo processo solitamente richiederebbe tanto tempo e lavoro al docente, che ora può avvalersi dell’IA generativa per rendere lo sviluppo più efficiente e ugualmente valido. Un esempio stimolante prevede di domandare a ChatGPT di collegare il dipinto Guernica di Pablo Picasso con le leggi fisiche di Ohm. Il risultato è sorprendente!

Ma qual è la motivazione che dovrebbe spingere un docente a progettare (o riprogettare) la sua didattica?

Se consideriamo che molti docenti non hanno competenze specifiche in progettazione didattica, l’IA generativa può rappresentare un alleato prezioso per migliorare e adattare i propri corsi. Non solo, ma questo processo coadiuvato dall’IA generativa permetterebbe loro di risparmiare il tempo che avrebbero dovuto impiegare ad acquisire quella conoscenza. L’utilizzo dell’IA generativa, non bisogna vergognarsene, permette, in un certo senso e in determinati contesti, di risparmiare una grande quantità di ore di studio-lavoro perché una semplice conversazione con ChatGPT può guidare il docente verso una progettazione della didattica migliorata e, soprattutto, più efficace. È un discorso molto ampio che coinvolge il concetto di motivazione, sia intrinseca sia estrinseca. Sarebbe opportuno richiamare i docenti all’importanza del proprio ruolo e alla complessità della realtà contemporanea. Il tema della complessità della realtà dovrebbe stimolare i docenti verso una nuova responsabilità e presa di coscienza: affrontare temi, come il cambiamento climatico o le tensioni sociali, dovrebbe essere fonte di stimolo per riprogettare e adattare i propri insegnamenti in modo da fornire agli studenti non solo la conoscenza ma anche gli strumenti per affrontare la complessità della realtà. Un altro aspetto che dovrebbe convincere i docenti a utilizzare l’IA è la sua abilità a facilitare collaborazioni e connessioni dei docenti in comunità di pratica.

Perché proprio le comunità di pratica? Possono essere un buon esercizio per la formazione adulta?

Le comunità di pratica sono utilissime per creare gruppi di persone che condividono uno stesso interesse e sono spronate a migliorarsi vicendevolmente, fanno emergere dal basso le pratiche adottate e le condividono. A volte però non coltivano la visione prospettica, limitandosi alla risoluzione dei problemi che spesso non porta a una evoluzione delle prassi in nuovi scenari. Il rischio è quello di non uscire dalle proprie abitudini e usanze all’interno della comunità stessa anche se con un abilitatore esterno il rischio di può superare. A tal proposito, se guardiamo il mercato è possibile trovare conferme di quanto appena detto: dispositivi wearable come occhiali di realtà aumentata spesso sono realizzati da aziende che non hanno background né conoscenza nelle lenti ottiche. L’Intelligenza Artificiale può diventare il vettore della creazione di queste comunità. La sfida sarà quella di riuscire a integrare l’IA nei propri processi.

Chiudiamo l’intervista con un tema che spesso ritorna e che resta però sempre molto caldo: ritiene opportuno vietare l’utilizzo del cellulare in classe?

Il problema dell’utilizzo del cellulare in classe è un non problema, nel senso che nel momento in cui il docente è in grado di coinvolgere gli studenti e renderli partecipi della lezione, non sarà necessario vietare l’utilizzo dei cellulari. Da questo punto di vista, quello che oggi è il cellulare una volta era il bigliettino cartaceo che ci si scambiava tra compagni di banco. Se la lezione non è coinvolgente, gli studenti saranno sempre portati a distrarsi o a trovare altri stimoli. La domanda che bisognerebbe porsi è “come può un docente rendere il tempo della lezione veramente trasformativo per gli studenti?”. Ecco che in quest’ottica il cellulare diventa addirittura uno strumento, un alleato. Il problema non è dato dagli strumenti.

Verso un cambio di paradigma

Al termine del colloquio che avremmo voluto continuasse per ore,  la nostra sensazione di dottorandi è che ci stiamo avviando verso un cambio di paradigma nell'approccio alla conoscenza, anche se il termine potrebbe apparire eccessivo. A confermarcelo gli appunti delle lezioni che abbiamo riguardato: Susanna Sancassani ha già iniziato da tempo a cambiare le sue modalità: ha raccontato di aver iniziato a strutturare con i suoi studenti i contenuti delle lezioni sotto forma di interfacce GPT piuttosto che utilizzando le classiche dispense. Non si tratta di abbandonare libri o articoli, ma di integrarli in un contesto in cui le possibilità di accesso e rielaborazione della conoscenza sono più fluide e personalizzate. Perchè, e ci ha tenuto più volte a ribadirlo, l’uso degli LLM sottolinea l’importanza di mantenere spazi dedicati alla lettura e alla riflessione critica su testi complessi, fondamentali per approfondire e strutturare il pensiero.

Siamo, insomma, in una fase di transizione che offre nuove opportunità e solleva nuove domande. Come possiamo sfruttare questa trasversalità e flessibilità per affrontare i problemi complessi della nostra epoca? Come possiamo garantire che queste nuove modalità di accesso alla conoscenza non semplifichino eccessivamente il pensiero, ma lo arricchiscano? È un cambiamento ancora tutto da esplorare, ma estremamente carico di potenzialità.

Susanna Sancassani

Esperta di digital learning, metodi innovativi per la didattica e sviluppo della faculty. Dirige METID (Metodi e Tecnologie Innovative per la Didattica), la task force per l'innovazione didattica del Politecnico di Milano, che ha sviluppato progetti di rilevanza nazionale e internazionale nel campo del digital learning, come il portale Polimi Open Knowledge (POK) È docente del corso "Teaching Strategies" presso la Scuola di Dottorato del Politecnico di Milano e del corso "Digital Learning" nel Corso di Laurea Magistrale in Sociologia dell'Università Federico II. Inoltre, è membro del Consiglio Scientifico della SieL (Società Italiana di e-Learning) e dell'Editorial Board di "Digital Politics", rivista edita da Il Mulino.

di Lydia Zampolini

La scuola riapre: alcuni studenti sono già con i libri in mano, altri si godono gli ultimi giorni d’estate per le aperture scaglionate nelle varie regioni; gli insegnanti preparano le aule e programmano il nuovo anno scolastico. Fino ad oggi, l’introduzione dell’Intelligenza Artificiale da parte delle istituzioni scolastiche è stata spesso affrontata in modo sperimentale e “a vista”. È in atto il progetto biennale voluto dal Ministero dell'Istruzione e del Merito in 15 classi di Lazio, Lombardia, Toscana e Calabria, che prevede l’uso di un assistente virtuale integrato in Google Workspace per aiutare l'apprendimento delle materie STEM e le lingue straniere. La valutazione dei risultati sarà affidata all’Invalsi, con una possibile estensione nazionale dal 2026. Ma è solo il primo atto perchè c'è un importante passo avanti: da poco meno di un mese il Ministero ha pubblicato le prime linee guida ufficiali per l’uso dell’IA nelle istituzioni scolastiche italiane. Con il Decreto Ministeriale n.166 del 9 agosto 2025, approvato anche dal Garante per la Privacy, il MIM, secondo quanto comunica sul suo sito fornisce “indicazioni operative e principi di riferimento per accompagnare le scuole nell’adozione consapevole e sicura delle tecnologie basate sull’Intelligenza Artificiale, valorizzandone le potenzialità a supporto della didattica, dell’innovazione digitale e dei processi organizzativi.” Il documento, nella sua versione 1.0 (Anno 2025), elaborato in coerenza con documenti internazionali e nazionali come l’AI Act europeo e la strategia nazionale per l’intelligenza artificiale, si propone come un quadro di riferimento strutturato per l’adozione consapevole e responsabile dei sistemi di Intelligenza Artificiale nelle scuole italiane. L’obiettivo è governare l'introduzione dell'IA affinché diventi uno strumento per rafforzare la competitività del sistema educativo italiano, preservandone la qualità e promuovendo l’equità, invitando al contempo studenti e Istituzioni scolastiche a sfruttarne le potenzialità con la giusta consapevolezza.

Obiettivi principali delle Linee guida:

• Garantire la conformità alla normativa su IA e protezione dei dati.
• Promuovere un approccio antropocentrico, sicuro, etico e responsabile.
• Uniformare lo sviluppo e l’uso dei sistemi di IA tutelando diritti e libertà fondamentali.
• Diffondere consapevolezza su opportunità e rischi legati all’IA, orientando docenti, studenti e istituzioni verso un uso critico e attento.

Il documento configura un quadro di riferimento organico per l’adozione consapevole e responsabile dei sistemi di intelligenza artificiale (IA) nelle scuole italiane, rivolgendosi a dirigenti scolastici, personale amministrativo, docenti e studenti. Esso propone un modello di introduzione dell’IA fondato su quattro pilastri, concepito per sostenere una trasformazione del sistema educativo nazionale che sia ordinata, coerente con i principi normativi, etici e pedagogici, e capace di promuovere una scuola più inclusiva, equa e pronta ad affrontare le sfide future.

Principi di riferimento:

Il primo pilastro, dedicato ai principi di riferimento, pone al centro la persona e riafferma il ruolo insostituibile dell’essere umano nella supervisione e nel governo dei sistemi di IA. L’IA viene intesa come uno strumento complementare, destinato ad arricchire le pratiche educative senza sostituire l’interazione diretta e il valore della relazione didattica. In questo quadro, l’equità diventa principio imprescindibile, poiché l’introduzione dell’IA deve garantire pari accesso alle opportunità e ai benefici, operando attraverso processi trasparenti, imparziali e inclusivi, capaci di ridurre bias e discriminazioni. L’innovazione, inoltre, deve essere sempre etica e responsabile, assicurando un uso consapevole e coerente con i valori educativi, così da sostenere la crescita personale senza ridurre l’impegno e l’autonomia individuale. Accanto a ciò, la sostenibilità – sociale, economica e ambientale – rappresenta una condizione necessaria per la durata nel tempo dei sistemi introdotti. Infine, la tutela dei diritti fondamentali e la sicurezza delle infrastrutture digitali costituiscono elementi imprescindibili per salvaguardare dati, riservatezza e non discriminazione.

Requisiti di base:

Il secondo pilastro riguarda i requisiti di base, che si articolano su tre piani – etico, tecnico e normativo – e che sono concepiti per garantire l’uso responsabile e sicuro dell’IA. Sul piano etico emerge l’intervento e la sorveglianza umana, in cui il dirigente scolastico assume un ruolo strategico, insieme all’esigenza di trasparenza e spiegabilità dei processi decisionali, alla prevenzione delle discriminazioni e alla chiara attribuzione di ruoli e responsabilità. L’aspetto tecnico richiama invece l’obbligo di certificazione e conformità dei fornitori, la gestione responsabile e trasparente dei dati, l’uso di ambienti controllati e la possibilità, per studenti e famiglie, di esercitare il diritto di non partecipazione all’uso dei dati per finalità di addestramento senza subire limitazioni nell’accesso agli strumenti didattici. Sul versante normativo, i riferimenti principali sono il GDPR e l’AI Act, che richiamano la necessità di individuare basi giuridiche specifiche per il trattamento dei dati, di condurre valutazioni d’impatto (DPIA), di fornire informative chiare e accessibili, di nominare responsabili e soggetti autorizzati e di adottare misure tecnico-organizzative come la privacy by design e by default.

Framework di implementazione dell’IA:

Se vi stavate chiedendo come si propone di introdurre l’IA, in questo punto il documento fornisce il modello operativo e gli strumenti di accompagnamento per supportare le Istituzioni scolastiche durante l'intero ciclo di vita dell'iniziativa. Tale percorso si apre con la fase di definizione, in cui vengono individuati bisogni e stakeholder, e prosegue con la pianificazione, che comprende l’elaborazione dettagliata dei progetti e la gestione dei rischi. Segue la fase di adozione, caratterizzata da un’implementazione graduale accompagnata da momenti di comunicazione e formazione, quindi quella di monitoraggio, che consente di verificare il funzionamento dei sistemi, rivalutare i rischi e correggere eventuali criticità. L’ultima fase è quella di conclusione, che include la valutazione complessiva dei risultati raggiunti e la valorizzazione delle esperienze maturate. Nell’ottica di un coinvolgimento sinergico e sistemico degli attori scolastici, le Linee guida esplorano tre principali aree di applicazione per l'IA: il sostegno agli studenti, attraverso strumenti in grado di personalizzare l’apprendimento, stimolare la curiosità, integrare risorse multidisciplinari e fornire feedback immediati; il supporto ai docenti, che possono avvalersi dell’IA per la progettazione e l’organizzazione della didattica, la produzione di materiali personalizzati, la gestione di attività extracurricolari, la valutazione e il tutoraggio; e, infine, l’ottimizzazione dell’organizzazione scolastica, dove dirigenti e personale amministrativo possono migliorare l’efficienza dei processi gestionali, delle decisioni strategiche e delle comunicazioni interne.

Comunicazione e governance

Il quarto e ultimo pilastro riguarda la comunicazione e la governance, dimensione che mira a garantire un’adozione progressiva e consapevole dei sistemi di IA e un costante allineamento tra le direttive ministeriali e le progettualità delle scuole. In quest’ottica, la diffusione capillare delle linee guida è accompagnata dalla condivisione e mappatura delle sperimentazioni attraverso la piattaforma Unica, che permette al Ministero di monitorare le iniziative in corso e intercettare potenziali criticità. È prevista inoltre l’istituzione di tavoli di lavoro con esperti, pedagogisti e rappresentanti del mondo scolastico, con l’obiettivo di fornire un accompagnamento qualificato e garantire la qualità del processo. L’intenzione, dunque, sembra essere quella di un allineamento nazionale sull’introduzione dell’IA a scuola, in cui questo documento pone un punto di partenza. L’avvio di questo percorso segna l’inizio di una nuova fase per la scuola italiana: l’IA entra ufficialmente nello spazio educativo non come sostituto dell’insegnamento umano, ma come strumento al suo servizio. La sfida sarà quella di trasformare le potenzialità tecnologiche in valore educativo reale, mantenendo saldo il primato della relazione e della centralità della persona. È una sfida complessa, ma anche un’occasione unica per ridisegnare la scuola del futuro. Molti dei temi oggi toccati dal Ministero sono da tempo oggetto di studio, sperimentazione e ricerca, soprattutto all’interno della nostra comunità di ricerca LESDIT. La novità non è quindi l’arrivo dell’IA a scuola, ma la costruzione di un quadro istituzionale che permette di dare continuità e sistematicità a pratiche già consolidate. È su questa base che la ricerca può ora interrogarsi sul passo successivo: non soltanto osservare e analizzare, ma accompagnare la scuola nel tradurre le linee guida in esperienze concrete, inclusive e di qualità.

di Martina Giorgi

I fenomeni di odio on line sono sempre più frequenti e colpiscono in prevalenza le categorie più vulnerabili, arrivando anche a provocare eventi estremi che in qualche occasione, per fortuna rara, hanno portato a tragiche conseguenze per chi lo subisce. Le vittime sono soprattutto donne (47 per cento dei casi), seguite da persone disabilità, omosessuali, migranti, ebrei e islamici, secondo i dati dell' Osservatorio italiano sui Diritti con la sua Mappa dell’Intolleranza, che fotografa l’odio via social. L'occasione per approfondire questa serie di comportamenti e di proporre il tema per la nostra newsletter, l'ha offerta uno degli incontri del corso di Cittadinanza Digitale tenuto da Stefano Moriggi docente della materia e di Società e Contesti Educativi Digitali presso l'Università degli studi di Modena e Reggio Emilia. Ad approfondire i meccanismi del fenomeno un vero esperto del settore, Stefano Pasta* nel suo intervento “HATE SPEECH: i meccanismi dell’odio onlife e la risposta della cittadinanza”.

Prima di entrare nel vivo, il prof. Pasta ha ritenuto essenziale fare una premessa. Quando siamo di fronte a situazioni di “presa di mira”, di odio non vi sono subito comportamenti estremi, ma un’escalation in progressione di atteggiamenti, che attraversano fasce di intensità diverse. Questa progressione è rappresentata visivamente dalla cosiddetta Piramide dell’odio, sviluppata dalla Anti-Defamation League e dalla commissione “Jo Cox”. Entrambe le rappresentazione riguardano i fenomeni di odio, intolleranza, xenofobia e razzismo.

La Piramide dell'Hate Speech 

Ragionare sulla progressione ci aiuta a riflettere sulle modalità con cui si rende accettabile socialmente il comportamento di odio. Ossia, come si accetta di salire di intensità nella piramide fino ad arrivare alla punta? Per comprenderlo bisogna analizzare gradualmente gli aspetti che coinvolgono gli atteggiamenti di intolleranza che riguardano soprattutto il web sociale e partire dalla definizione del fenomeno.

 Cos'è l'Hate Speech?

La Raccomandazione del Comitato dei Ministri del Consiglio d'Europa agli Stati membri, sulla lotta all'incitamento all'odio, si riferisce all’hate speech come a una forma di incitamento all'odio che “promuove, diffonde o giustifica violenza, odio o discriminazione nei confronti di una persona o di un gruppo di persone, o che li denigra, in ragione di caratteristiche personali o status reali o attribuiti come "razza”, colore, lingua, religione, nazionalità, origine nazionale o etnica, età, disabilità, sesso, identità di genere e orientamento sessuale”. Gli atteggiamenti di incitamento all’odio sono caratterizzati da quella che, come spiega Stefano Pasta, si chiama disinibizione tossica, il fatto ciè di esprimersi e di agire in modo più “libero” soprattutto nel web sociale. Atteggiamento che può comportare una propensione ad agire in modo più violento, attraverso l’uso di un linguaggio più aggressivo del solito. E allora viene spontaneo chiedersi: quali caratteristiche dell’online possono facilitare la diffusione di queste forme di odio? E come cambia il discorso d’odio?

Cosa intendiamo per odio?

Proviamo ad approfondire la definizione del termine odio come categoria: appartiene al campo dei fenomeni sociali e giuridici, per cui definirne i contorni è di per sé un’impresa difficile. L’odio è un concetto caratterizzato da una profonda ambiguità, ciò significa che provare a spiegarne il significato comporta un’ambivalenza. Se chiedessimo di definirlo ad unǝ giuristǝ, sociologǝ, insegnantǝ, ingegnerǝ e chi studia in altri campi disciplinari, il risultato sarebbe avere definizioni diverse. Ma perché è così difficile concettualizzarlo? Le neuroscienze ci vengono in soccorso, spiegando che mentre alcuni comportamenti sono localizzabili in specifiche zone cerebrali, quando ci troviamo di fronte alle cosiddette flame wars, ossia le “fiammate di odio”, sono coinvolte più aree cerebrali. Per questo motivo si parla di assemblaggio di emozioni. Nonostante ciò, ragionare di “odio” in termini di categoria è utile perché ci indica un terreno comune che:

• Unisce i gruppi degli “anti”, degli “ismi”, delle “fobie”;
• Unisce una scala di comportamenti da lievi a gravi;
• Indica le caratteristiche comuni a cui appartengono le flame wars. L’intersezionalità è una categoria che corrisponde spesso ad episodi di flame wars, che significa che la persona è presa di mira per più aspetti identitari del proprio sé, come ad esempio essere nerǝ, gay, donna.

Le caratteristiche dell'ambiente digitale 2.0 e il flusso di informazioni

Il web sociale è caratterizzato da 4 aspetti principali:

1. La velocità con cui si prendono le decisioni. La psicologia euristica ci fornisce informazioni utili sul funzionamento del nostro cervello. Quando dobbiamo prendere delle decisioni utilizziamo due sistemi di pensiero: il pensiero veloce, legato all’aspetto emotivo e intuitivo che ci porta a decidere nell’immediato; il pensiero lento, quello riflessivo[1], più ragionato. Durante gli eventi quotidiani utilizziamo con maggiore frequenza di usare il pensiero veloce, come nel caso delle nostre esperienze sul web sociale. Alcuni studi ci dicono che quando ci troviamo in questo ambiente, che corrisponde ad uno spazio con un sovraccarico informativo, la mente è ancora più stimolata a prendere decisioni in base al pensiero veloce, lasciando immediatamente spazio all'intuizione.

Decidere in velocità non è di per sé una cosa negativa, ma quando avviene con frequenza è facile cadere nei bias cognitivi o in atteggiamenti di odio, ed entrare così nella sfera cosiddetta della cyber stupidity.

2. La banalizzazione dei contenuti, che talvolta passa dall’ironia. Accade quando si fa riferimento a vicende e tematiche complesse, rivolgendosi a un contenuto con una battuta ironica per sdrammatizzare l’accaduto.
3. L'autorialità. Cambiano i canoni con cui le persone attribuiscono l’autorevolezza ai prodotti culturali. Nel web sociale, infatti, le logiche algoritmiche influiscono assegnando il ruolo di autorevolezza ai contenuti: quelli che “stanno più in alto” e dunque che sono più visibili da parte del fruitore sono ritenuti i più autorevoli. Come accennato anche da vari autori (tra cui Chiara Panciroli e Pier Cesare Rivoltella in Pedagogia algoritmica) gli algoritmi non sono “cattivi”. Il loro funzionamento non è neutro, pertanto si alimentano e apprendono da uno scambio continuo di dati che gli utenti forniscono loro ogni volta che accedono e "abitano" le piattaforme. Così la logica algoritmica funziona cercando di aiutarci a farci fare “meno fatica” rispetto al sovraccarico informativo, prevedendo la risposta che daremo. In questo modo, l’esperienza sul web è individualizzata e nel caso del web sociale vi è una personalizzazione delle fonti. Processo che, se applicato ad alcune modalità polarizzanti di esprimersi, consente alle persone di entrare in “recinti” contenutistici in cui si abituano a stare solo con chi condivide le stesse idee, in una sorta di confirmation bias che rafforza ancor di più la ricerca e il consolidamento delle proprie "credenze"
4. L' anonimato (in senso retorico). Spesso infatti si sente l’affermazione “dico questa cosa o mi espongo in questo modo perché tanto sono in anonimo!”. Essere in anonimo significa che la polizia postale è impossibilitata ad intercettarci, ma per risultare davvero in anonimo sono necessarie altissime competenze informatiche che nella maggior parte dei casi di commenti di odio non sono presenti.

Perché si manifestano comportamenti di odio sul web sociale?

I comportamenti di odio possono essere riconosciuti ed analizzati attraverso i seguenti fenomeni sociali:

1. L’effetto alone o “spirale del silenzio” avviene quando le persone sul web sociale si rendono conto che la propria opinione tende ad essere minoritaria rispetto alle opinioni espresse nei commenti sotto ad un post o ad un’immagine.  Non avere apprezzamento sociale, tende a far rimanere le persone che la pensano in modo diverso in silenzio e a non commentare, non rompendo di fatto il flusso delle le flame wars. In un escalation, dunque, l’effetto di odio aumenta sempre di più. Ecco quindi una prima risposta alla domanda come sono possibili tali crudeltà?

Alcuni studi ci dicono che quando siamo nel web sociale, quello spazio caratterizzato dalla logica del like, la spirale del silenzio agisce ancora di più, per cui diventa ancora più difficile “uscire dai ranghi” online e offline. Da un punto di vista educativo, si chiede di essere dei soccorritori attivi, per contrastare questi meccanismi di odio e spezzarne il circolo vizioso.

2. I comportamenti di odio dipendono anche da un analfabetismo emotivo. Sul web sociale è ormai appurato che vi viviamo emozioni forti, vere, tanto che le sentiamo al punto tale che influiscono sul nostro funzionamento corporeo. Ma il fatto che le relazioni sono mediate da uno schermo, ci fa le nostre di emozioni ma non abbiamo possibilità di vedere le reazioni scatenate nel nostro interlocutore. Ecco allora che si parla di emozioni disincarnate proprio perché viene meno la possibilità di attivare i neuroni a specchio che permettono di metterici nei panni degli altri, e riconoscere così le emozioni provate dal nostro interlocutore. Nell'ambiente fisico, quando insulto una persona, il mio sistema emotivo percepisce subito l’emozione dell’interlocutore che ho di fronte. Posso anche decidere di continuare a proseguire in un' escalation di parole di odio (coscienza empatica) ma solo dopo essermi chiesto “ma sei davvero sicuro?”.
3. Immagini e meme hanno il suolo di rafforzare le idee e le opinioni delle persone e possono contribuire ad aumentare l’enfasi delle flame wars, perché sono contenuti più intuibili. Il meme non è solo un contenuto banalizzato, ma assume una forza culturale poiché attiva in modo immediato alcuni aspetti che sono insiti nella cultura di appartenenza.

Quale impatto c’è sui contenuti?

Si parla di “razzismo 2.0” per riferirsi a forme apparentemente disimpegnate che sono socialmente accettabili e questo permette la diffusione di idee, opinioni e comportamenti connessi. Dunque, queste forme differenti si costruiscono e contribuiscono all’accettazione sociale di determinate parole e comportamenti. Rispetto a queste forme di odio, il Prof. Pasta ha condotto un esperimento sociale per comprendere meglio il fenomeno. Chattando è entrato nei flussi delle flame wars, intercettando le persone che si erano esposte con commenti di odio o che avevano messo like. Ha chiesto loro se si fossero resi conto del contenuto pubblicato. Una delle risposte più frequenti è stata: “Mi stai prendendo troppo sul serio, ero preso dall’enfasi”. Una risposta che rafforza l’idea che il web sociale non sia uno spazio reale e dunque che ciò che si fa al suo interno non assuma una valenza significativa, come accade appunto nel mondo fisico. Nell’era della “Postverità”[2], infatti, le argomentazioni sono caratterizzate da un forte appello all’emotività, attivando più frequentemente il pensiero veloce nella presa di decisioni, basandosi su credenze diffuse e non su fatti verificati. Idee e opinioni, così tendono a essere accettate come veritiere, influenzando a catena l'opinione pubblica.

H2: Come prevenire i fenomeni di odio nel web sociale e come promuovere lo sviluppo di una cittadinanza digitale?

La riflessione del Prof. Pasta non cavalca l’onda dello scetticismo nei confronti degli strumenti del web sociale, ma offre consapevolezza alle dimensioni che caratterizzano l’ambiente digitale 2.0, a come influenzi le performance di odio e al tipo di impatto sui contenuti. Approfondendo i meccanismi anche psicologici che si celano dietro le flame wars, possiamo capire come intervenire per prevenire tale fenomeno. Quando si parla di sviluppo di cittadinanza digitale non possiamo fare a meno di prevedere azioni mirate per educare lo “spettautore” a come vivere il web sociale nel rispetto delle altre persone che lo frequentano, interrogandolo di volta in volta sulle conseguenze che possono provocare le sue azioni. Di questo processo è responsabile la Peer & Media Education, che unisce le logiche partecipative, inclusive e creative dei media digitali alle funzioni dell’educazione tra pari. Lo scopo è quello di promuovere comportamenti inclusivi e partecipativi e prevenire atteggiamenti problematici. Una disciplina che fornisce una nuova cornice di progettazione e di lavoro pedagogico, formativo, sociale e culturale e un modello di intervento socio-educativo, basato su metodologie attive che intrecciano i metodi e tecniche della Peer Education con gli approcci della Media Education. L’obiettivo comune è quello di focalizzarsi sull’empowerment dei soggetti e dei gruppi coinvolti nei processi per lo sviluppo di una consapevolezza critica e una presa di responsabilità delle proprie azioni e attivare, così, concrete azioni di sviluppo generativo sia online che onsite.

_________________________

Stefano Pasta insegna “Metodologia delle attività formative e speciali” nel corso di laurea in Scienze dell’Educazione e della Formazione di Milano e Piacenza, dell’Università Cattolica. Collabora con il CREMIT, svolgendo attività di formazione e ricerca. E' esperto di forme di intolleranza ed estremismo online, razzismi 2.0, educazione alla cittadinanza, e-tutoring, cyberbullismo e di ambiti di ricerca che coniugano la media education con la pedagogia sociale e interculturale.

Per approfondire:

Cuciniello, A., & Pasta, S. (2020). Studenti musulmani a scuola. Pluralismo, religioni e intercultura. Carocci editore.

Pasta, S. (2018). Razzismi 2.0. Analisi socio-educativa dell’odio online. Brescia: Morcelliana.

Pasta, S., & Rivoltella, P. C. (2022). Crescere onlife. L’Educazione civica digitale progettata da 74 insegnanti-autori. Morcelliana Scholé.

Pasta, S., & Santerini, M. (2021). Nemmeno con un click. Ragazze e odio online. Franco Angeli.

[1] Kahneman, D. (2012). Pensieri lenti e veloci. Edizioni Mondadori.

[2] Per approfondire: “Postmedialità. Società ed educazione” a cura di Stefano Moriggi, Raffaello Cortina.

di Federico Maiocco

In questo presente dove tutto sembra possibile, plausibile e spaventosamente ibrido, potete trovare in libreria Il senso della realtà. Dalla tv all’intelligenza artificiale di Anna Maria Lorusso. Non è (solo) un libro per addetti ai lavori e studiosi di semiotica, ma un’operazione di apertura, di intervento, di denuncia e di smascheramentosul mondo opaco e vischioso in cui siamo immersi e dove la complessità del pensiero rischia di perdersi nella semplificazione ossessiva del linguaggio (e non solo anche qui).

Verità (ma quale...) o Plausibilità?

La posta in gioco è altissima: riguarda il nostro senso della realtà, ovvero la capacità di muoverci nel mondo, attribuendogli senso e distinguendo le sue diverse forme e logiche. L'autrice ci svela il cuore del problema: la confusione dei criteri di verità. Non è grave che esistano tante verità (logiche, narrative, storiche, giudiziarie, psicologiche, scientifiche) perché la realtà è una, ma le prospettive su di essa sono molteplici. Il problema nasce quando questi criteri vengono mescolati: quando confondiamo un'esperienza personale con un fatto generalizzabile, un dato empirico con un evento simulato, o una ricostruzione storica con un racconto romanzato. Il senso comune, radicato in noi anche grazie a una tradizione culturale che a lungo ci ha rassicurati sull’idea che la verità, prima o poi, venga a galla (come il naso di Pinocchio!), ci ha abituati a credere che esista una verità fattuale, condivisibile, anche se non la vediamo subito. Ma questa certezza è stata sgretolata e cancellata. E a farlo non è stato il colpo di spugna dell’IA, bensì la convergenza di una lunga storicità mediatica che l’autrice ricostruisce attraversando gli ultimi decenni della nostra storia.

Sguardi storici e prospettive intelligenti

La vertigine che oggi ci provoca l’Intelligenza Artificiale generativa, con i suoi prodotti testuali, visivi e audio, non è un fenomeno nuovo. L’IA generativa ci inquieta perché rende “improvvisamente” evidente una tendenza che covava sotto la cenere da anni.nEcco allora l’utilissimo sguardo storico tracciato attraverso i cinque capitoli del libro:

Passione reality: da Vermicino ai Ferragnez: esamina le storie di vita (da Lady Diana a Ilary Blasi) trasformate in favola, dove l'eccezionalità si mescola alla normalità. Qui si analizza la mitologizzazione mediatica delle celebrity, tracciando la genealogia a partire dalla tv verità degli anni Ottanta fino al fenomeno dei docu-reality.

Veleno, Indagini e storie true crime: l’attrazione della cronaca nera: si sofferma sulla serializzazione della cronaca nera (come i casi Yara o Avetrana), mostrando come l'approfondimento conoscitivo passi per la suspense, e come l’inchiesta si trasformi in tribunale popolare che mette in discussione la giustizia formale.

A partire da X-Files: cospirazioni e fatti alternativi: studia le teorie cospirazioniste, che si spacciano per teorie scientifiche ma sono in realtà storie affabulatorie, spesso con origini “finzionali”. Queste narrano di segreti e complotti in un mondo dove «nulla accade per caso, nulla è come sembra e tutto è connesso».

La realtà nell’epoca dell’intelligenza artificiale: affronta l'impatto di IA generativa e deep fake, analizzando l'illusione referenziale che rende plausibili, o persino preferenziali, testi e immagini a prescindere dalla loro origine.

Per concludere. Intelligenza umana interpretativa e intelligenza artificiale generativa: la chiusura enfatizza che il focus deve spostarsi dalle capacità generative dell’IA a quelle interpretative dell’intelligenza naturale, concentrandosi sull’adeguatezza pragmatica e la pertinenza dei discorsi nel contesto, piuttosto che sulla loro mera corrispondenza al fatto. L'obiettivo è sviluppare la nostra consapevolezza filologica. Lorusso ci mostra con ricchezza di esempi vicini a noi come questa crisi non sia una patologia recente causata dal digitale o dall’IA, ma l’esito di un lungo processo di ibridazione e finzionalizzazione del reale, avviato dalla televisione di massa. Un processo che ha generato due tendenze incrociate e complementari, capaci di confondere i criteri di verità: la “disneyficazione” della realtà e la “realizzazione” della finzione.

L’inquietante disneyficazione del reale

In questo viaggio l’autrice ci conduce per mano, con delicatezza, perché siamo un po’ tutti bambini immersi in un mondo di favola. Ma lo fa per mostrarci le ombre dietro quella favola. Dobbiamo accettare un punto di vista disarmante: abbiamo, in larga parte, delegato la nostra capacità adulta di interpretazione, ricadendo in una sorta di infantilismo semiotico.

La perdita del nostro senso della realtà affonda le radici nella “disneyficazione” del reale. Si tratta del tentativo di raccontare la realtà in modo più chiaro e comprensibile (for dummies, verrebbe da dire), trasformando eventi complessi o tragici in pura superficie, in personaggi piatti, perfetti per le fiabe. Dai modellini della casa del delitto di Cogne, che ricordavano un po’ la “grande casa di Barbie”, alle animazioni deep fake per i musei della memoria, dove i testimoni della Shoah diventano avatar “da videogioco”: l’effetto è sempre di incongruenza e banalizzazione. Ma perché cediamo a questa logica? Perché cerchiamo disperatamente un comfort narrativo. Le abitudini narrative, modellate fin da bambini dalle favole, ci spingono a cercare trame coinvolgenti ed edificanti. Le storie di cronaca (trasformate in true crime) o le teorie cospirazioniste funzionano proprio perché distribuiscono ruoli chiari: ci parlano di Bene e Male, ci fanno sentire più intelligenti, più “giusti” della giustizia istituzionale. Questo bisogno di storie edificanti ci rende vulnerabili di fronte a narrazioni che confondono i criteri di verità. Quindi chiediamoci: crediamo ancora che, alla fine, il naso di Pinocchio ci indicherà la direzione giusta?

Peppa Pig e la colonizzazione del reale

La “realizzazione della finzione” è il movimento inverso, ma complementare, alla “disneyficazione della realtà” e contribuisce, insieme ad essa, a creare una “conflagrazione dei regimi di realtà”, generando confusione tra vero, falso e finto. La realizzazione della finzione non indica il realizzarsi di un sogno o di un desiderio, ma l’attribuzione di marche di realtà a ciò che è finto. Accade quando un contenuto narrativo o fantastico oltrepassa i confini del proprio mondo immaginario ed entra nella realtà concreta, acquisendo credibilità e autenticità. Questo “debordamento” della finzione nella realtà diventa una sorta di attestazione di potenza del mondo raccontato: il mondo fittizio è così forte da colonizzare il reale, diventando “vero” quanto il mondo stesso. Gli esempi citati da Lorusso sono attuali e “pop”. Pensiamo a Harry Potter: un personaggio nato dalla fantasia di J.K. Rowling che, in qualche modo, è riuscito a “sfondare” la pagina dei libri. Oggi, alla stazione di King’s Cross a Londra, esiste davvero una targa che indica il binario 9¾, e i turisti fanno la fila per scattare una foto come se davvero da lì si potesse prendere l’Hogwarts Express. Lo stesso accade con Il Commissario Montalbano: la sua celebre trattoria preferita, Enzo a Mare, un tempo solo un’invenzione narrativa, è diventata un ristorante vero, dove si può prenotare un tavolo e ordinare i piatti amati dal commissario. E che dire di Pokémon Go? Con quel gioco, creature del tutto immaginarie hanno cominciato a popolare le nostre città: bastava lo smartphone per vederle aggirarsi tra piazze, monumenti e parchi. Un perfetto incontro tra realtà e finzione, tangibile e visibile allo stesso tempo.Persino Peppa Pig, simbolo del mondo dei cartoni per l’infanzia, ha dovuto “fare i conti con la realtà”: quando è arrivata la sorellina Evie, i media di mezzo mondo hanno riportato la notizia come se fosse un vero evento di cronaca familiare, con tanto di toni seri e titoli da giornale.

È "vero" ciò che è visibile, anche nella finzione

In tutti questi casi, sottolinea Lorusso, il punto non è più se qualcosa sia vero o falso, ma se accade e se lo vediamo accadere. Nel nostro nuovo regime “ibrido” di realtà, la finzione che prende vita (letteralmente o mediaticamente) diventa reale proprio perché è visibile, raccontata, condivisa. Così, un personaggio dei cartoni o un luogo nato da un romanzo possono essere trattati con la stessa serietà di un fatto di cronaca. Stiamo veramente parlando “seriamente” di Peppa Pig? Certo! Le tradizionali distinzioni di valore sono dissolte da tempo. L'ubiquità dei media digitali e il pervasivo dialogismo intertestuale tra i generi hanno dissolto le gerarchie. Stili e codici convivono in un'unica complessa arena culturale.

Tra amarcord semiotico e manuale di sopravvivenza

Anna Maria Lorusso ci conduce in questo viaggio nel caos contemporaneo con una leggerezza illuminante e una lucidità semiotica che non possono non richiamare alla mente le riflessioni del Maestro Umberto Eco. Per coloro, come chi scrive, hanno alle spalle studi di semiotica e filologia, leggere Il senso della realtà. Dalla tv all’intelligenza artificiale è un po’ come incontrare vecchi amici (oltre a Eco, anche Lotman, Propp, Baudrillard e tanti altri) che si aggirano tra deep fake e true crime, pronti a fornirci gli strumenti per orientarci in un mondo che sembra aver perso ogni bussola.Ma ricordiamolo: questo libro da subito si dichiara come atto di intervento, di denuncia e di smascheramento, prima ancora che come un testo di studi semiotici.Quindi no, non sono io il lettore tipo. Ma chi (e il pensiero va ai più giovani) qui può trovare un manuale di sopravvivenza pragmatica, spostando il baricentro dalla preoccupazione per la capacità generativa dell’IA alla sfida della ricezione e interpretazione. Una grammatica critica per navigare la propria infosfera: strumenti per reagire e smettere di accettare passivamente ciò che ci viene propinato. Questo approccio multilivello (da leggere tutto anche le “note semiotiche” per cogliere tutti i riferimenti e i collegamenti a teorie e studiosi) permette che uno stesso passaggio possa essere apprezzato sia dagli studiosi per la freschezza delle esemplificazioni pop, sia dai lettori non specialisti, che vi trovano una chiave chiara per decifrare i meccanismi nascosti del nostro mondo mediale. La capacità di muoversi tra high e low culture è cifra di una affilata (quanto necessaria) lucidità di metodo. Una lettura stimolante e indispensabile, che non ci lascia risposte consolatorie ma ci offre gli strumenti giusti: non dobbiamo preoccuparci solo della generazione (dei testi dell’IA), ma soprattutto della nostra ricezione. In un’epoca di “realtà vicaria” e ibridazione generalizzata, forse la nostra salvezza non sta nel distinguere il vero dal falso, ma nel capire se un discorso è pertinente, eloquente e rilevante.

Il senso della realtà non ci chiede di allarmarci per l’esistenza dei falsi, ma di imparare a essere sempre più critici e consapevoli delle dinamiche interpretative in gioco. Solo attraverso questa consapevolezza possiamo recuperare la nostra capacità di agire e intervenire nel mondo.

di Giacomo Di Noto

Esplorando nei ricordi più antichi della civiltà umana ritroviamo un sentimento che ci accompagna ancora oggi, la gratitudine. Siamo sempre stati grati alle piante che ci nutrivano, grati al sole che cresceva il nostro grano o alla pioggia che ci aiutava nel raccolto, grati a tutte le innumerevoli divinità che ci hanno creato, premiato o punito, grati al re che ci protegge, grati al vicino che ci ha prestato la tagliaerba e (molto spesso), grati alla nostra famiglia per averci custodito, cresciuto e donato un futuro. Rileggendo questi esempi è facile notare come in maniera sistematica abbiamo abbandonato l’aspetto animistico di questo sentimento riversandolo quasi esclusivamente nei confronti di altri esseri umani. In sintesi, credo sia ovvio per tutti che gli elettrodomestici appartengano alla categoria di oggetti probabilmente meno ringraziata dalla civiltà umana. Quante volte insultiamo animatamente la lavatrice che si inceppa dopo che abbiamo sbagliato il programma di lavaggio ma non la ringraziamo quasi mai quando, evitandoci di andare alla fontanella con cestello e un mattoncino di marsiglia, compie modestamente il suo utilissimo lavoro. Serviva un elettrodomestico molto simile ad un umano per cambiare tendenza e come scopriremo a breve, la gentilezza verso le macchine conta. Ma costa.

La Gentilezza conta…

E dunque si, proprio come il cameriere, il meccanico, il dipendente comunale: se sorridi, sei educato e gentile probabilmente verrai trattato meglio. Un articolo intitolato Should We Respect LLMs? (Dovremmo rispettare i LLMs?) presentato quasi un anno fa’ e recentemente aggiornato ha studiato, usando diverse lingue dunque diversi contesti culturali, come i numerosi modelli linguistici siano influenzati da una dialettica gentile ed una retorica cortese. Dallo studio emerge chiaramente come prompt educati e cortesi inducano l’IA a “prestare più attenzione” e questo è dovuto a due fattori. Il primo è legato alla concentrazione ed impegno che noi utenti spendiamo nella costruzione del prompt, ossia la richiesta diretta alla macchina. Esprimere rapidamente un concetto comporta una scarsa analisi del significato letterale ed etimologico della domanda posta alla macchina, stiamo dando per scontato il contesto fisico e mentale nel quale siamo immersi, che spesso condividiamo senza difficoltà con altri esseri umani ma che nella relazione verso una macchina non consideriamo. “Rendi questo articolo più interessante, ma non troppo” è una frase chiara e non particolarmente ambigua se scambiata da due giornalisti, magari entrambi dipendenti dello stesso giornale e che dunque sanno perfettamente cosa interessi ai propri lettori. Questo tipo di scambio funziona perché si fonda su una comprensione implicita del contesto, dei gusti condivisi, delle soglie accettabili di originalità o provocazione. In altre parole, su una forma di cooperazione comunicativa che rende possibile interpretare correttamente anche ciò che non viene detto esplicitamente. Sono proprio questi i casi in cui entrano in gioco le implicature conversazionali, ovvero quelle inferenze che, come ha descritto Grice, emergono dal contesto e dalla relazione tra interlocutori. Ma se lo chiedo ad un “essere” che porta dentro di sé tutte le redazioni, tutti i forum e i social network del mondo, cosa significa veramente Interessante? Molto probabilmente non ciò a cui stavate pensando quando avete fatto quella richiesta. Il secondo fattore è legato ad una caratteristica comune a tutti i moderni LLMs, l’empatia stilistica. Ogni volta che interagiamo con un modello linguistico, passiamo un po’ di noi stesse/i del nostro modo di parlare e pensare. E così quest’ultimi, per adattarsi alle nostre esigenze e comprenderci meglio, assorbono il nostro stile e cominciano a “pensare” e “scrivere” come noi. Come potete immaginare, se da parte nostra non esiste un contesto realmente condiviso con il modello, allo stesso modo neppure lui condivide con noi una propria realtà contestuale. Ecco perché, imitando la nostra gentilezza, le sue risposte finiscono per apparirci (soprattutto ai nostri occhi) più chiare, meno ambigue, e meno soggette a quelle che chiamiamo “allucinazioni” — che sono, in realtà, manifestazioni evidenti della mancanza di contesto.

… ma costa, Energia…

Ora (ahinoi) è necessario esplorare l’altro lato della medaglia. Attenzione infatti perché ogni “grazie”, “per favore” e “scusa” costa preziosissimi (ed inquinantissimi) joule di energia! All’inizio di quest’anno Sam Altman, CEO di OpenAI ha spiegato come l’azienda sostenga costi stimati in decine di milioni di dollari all’anno (sotto forma di “bollette” energetiche) solo per elaborare le informazioni aggiuntive che un tono gentile e cordiale porta con sé. Per iniziare a comprendere questo argomento complesso e dibattuto partiamo dal distinguere due diverse attività che comportano consumi energetici, l’allenamento e l’inferenza ossia l’interazione con il modello e la generazione di output. La prima attività ha e continuerà ad avere il maggior impatto ambientale e non è in nessun modo legato a come interagiamo con le macchine. Riguarda il costo per farli “nascere” e questi consumi sembrano avere una crescita esponenziale! Prendendo un esempio, secondo Nature, addestrare GPT-3 (2020, OpenAI) ha consumato circa 1287 MWh di energia ossia 552 tonnellate di CO2. Per capirci, una macchina europea media, nel 2023 produce circa 0,1 kg/km di CO2 dunque addestrare GPT-3 è stato equivalente a guidare 5500 macchine europee per circa 1000 km. Forse meno di quanto vi sareste aspettati considerando che solo in Italia esistono 40 milioni di macchine e che, secondo La Stampa, nel 2022 sono stati percorsi circa 10.000 km per ogni veicolo. Ecco che invece per GPT-4 (2023) sono stati impiegati più di 51.000 MWh quindi più di 13.000 tonnellate di CO2, una crescita esponenziale che sembra possa essere fermata solo da innovazioni tecniche (vedi le rivendicazioni di DeepSeek riguardanti l’apparente economicissimo metodo di addestramento usato con R1) o oniriche rivoluzioni tecnologiche come la fusione nucleare, la scoperta di nuovi materiali o di nuovi processi di alimentazione per processori informatici. Infine la seconda attività, la produzione di output. Questa pratica singolarmente è senza dubbio meno dispendiosa della prima ma l’impennata di utenti ed il conseguente accumulo di richieste ha portato a consumi energetici da capogiro, attirando l’attenzione dei ricercatori e della stampa. Ecco alcuni numeri per capire bene e per non perderci in chiacchiere, concentriamoci subito sugli ultimi modelli (i più energivori). Secondo Epoch.ai, sembra che GPT-4 richieda in media 0.3 Wh (dato in seguito confermato da diversi post su X del fondatore di OpenAI Sam Altman) per interazione, equivalente a tenere acceso un moderno computer portatile per alcuni secondi. Ma quante richieste vengono fatte al secondo? Secondo ChatGPT stesso (e confermato da diversi post del fondatore Sam Altman) il colosso affronta circa 1 miliardo di richieste da più di 122 milioni di utenti al giorno con un consumo medio giornaliero di 300 MWh, in pratica ne addestriamo uno nuovo ogni giorno e mezzo. Forse quel singolo grazie o prego che ogni tanto lasciamo alla Chat non farà la differenza, ma con 122 milioni di grazie e prego?

...e Affidabilità (del Sicofante).

Un altro curioso fenomeno sorto da queste nuove “interazioni gentili” tra uomo e macchina rappresenta il lato oscuro dell’empatia stilistica che come abbiamo detto precedentemente, in giusta misura provvede a raffinare le risposte del modello ma se non controllata è in grado di rievocare un antico termine greco, il Sicofante. Questa parola, che originariamente indicava un individuo intento a denunciare reati altrui per guadagno personale o vendetta, trasportata in inglese (Sycophancy) e “macinata” da duemila anni di evoluzione culturale, è oggi sinonimo di eccessiva deferenza, o se preferite compiacimento, della tendenza cioè ad accettare qualunque affermazione senza giustificazione. È il comportamento di chi, pur essendo esperto, smette di offrire un riscontro critico e si limita ad assecondare. Ecco un’altra sfaccettatura delle interazioni umane “iniettata” nei LLM: attraverso i nostri testi, la nostra cultura, le nostre richieste. Un comportamento che agisce come sorgente primaria di molte allucinazioni nei chatbot generalisti: pur di compiacerci, pur di essere gentili e non contraddirci, si inventano fatti, eventi, fenomeni. A dire il vero, lo stesso effetto emerge anche quando siamo eccessivamente autoritari o rigidi nelle richieste: ma non ci siamo ancora fermati a riflettere abbastanza sulla crudeltà che esercitiamo nei confronti delle macchine.

Cosa fare?

Chiudiamo questo breve viaggio tra le luci ed ombre della gentilezza verso le macchine con due brevi riflessioni, la prima operativa, la seconda auspicabile.

La prima riflessione inizia con la domanda che mi auguro vi stiate ponendo dopo questa lettura. “Dunque dobbiamo essere gentili o no con un LLM?” La risposta finale è NO. La macchina non percepisce la gentilezza come la intendiamo noi, se volete essere gentili con un LLM (e con l’ambiente) non c’è bisogno di grazie, prego e buonasera. Semplicemente, non affrettatevi a chiedere qualcosa, riflettete quanto possibile sul promptche state costruendo, state per accendere un computer in mezzo al deserto dell’Arizona, usiamo questo potere saggiamente e cerchiamo di non ripeterci!

• La richiesta definisce in maniera chiara e sintetica il contesto al quale sto pensando
• Le parole scelte, sono definibili univocamente all’interno di questo contesto o sono soggette a più interpretazioni? Per una macchina (ed il nostro ambiente!), un’istruzione chiara equivale a mille grazie mentre una ambigua, che richiede ulteriori interazioni, ad altrettanti schiaffi.

La seconda riguarda le iniziative che le aziende del settore stanno intraprendendo nei confronti dell’impatto ambientale di queste tecnologie. Partendo dal presupposto che consumare energia non necessariamente significa male per l’ambiente, in particolare se questa energia è rinnovabile o a basso impatto ambientale, la Columbia Climate School informa in diversi articoli dell’iniziativa di Microsoft nella conversione di tutti i suoi data-centers (centri di elaborazione dati) in strutture 100% carbon-free entro il 2030 confermando che molti sono già alimentati al 100% da energie rinnovabili. Il modello Bloom addestrato sulla rete francese (Nuclear Baby!) ha prodotto solo 25 tonnellate di CO2 per essere addestrato e Google utilizza i suoi stessi AI per prevedere la richiesta energetica della rete abbassando i costi di raffreddamento dei centri del 10/15

Insomma navigando tutti assieme nella giusta direzione, supereremo anche questa “tempesta” energivora e ricordiamoci, ogni volta che interagiamo con un ChatBot, che l’unico grazie per una macchina e la natura è il vostro tempo, dedicato ad una richiesta chiara e precisa.

Tutte le immagini di questo articolo sono state generate da Gemini 2.5 Pro.

di Loredana Boero

Nel giro di pochi anni, il panorama degli Small Language Models si è trasformato profondamente. Se in una prima fase questi modelli venivano considerati soprattutto come una riduzione in scala dei grandi modelli linguistici, oggi tendono sempre più a essere riconosciuti come una famiglia con caratteristiche e finalità proprie. La letteratura recente mostra infatti che gli SLM non possono essere descritti semplicemente come una miniaturizzazione degli LLM: se alcuni sono stati sviluppati anche attraverso processi di distillazione o trasferimento di conoscenze da modelli più grandi, altri sono concepiti fin dall’origine come modelli compatti, pensati per contesti in cui efficienza, costo e accessibilità costituiscono vincoli decisivi.

Cosa rende "small" un modello linguistico

Ma che cos'è un modello linguistico piccolo? Un SLM è definito come un modello Trasformers decoder-only con un numero di parametri inferiore - da milioni a pochi miliardi - rispetto ai modelli di grandi dimensioni.  È importante sottolineare che la categoria degli Small Language Models non corrisponde ad una soglia parametrica universalmente condivisa, perché la nozione di “piccolo” è relativa e dipende sia dal contesto storico sia da quello applicativo. Da un lato, ciò che in una fase dello sviluppo dei modelli veniva considerato “large” può essere riclassificato come “small” pochi anni dopo, man mano che la scala dei modelli di riferimento aumenta; dall’altro lato, la stessa dimensione in parametri può risultare “piccola” o “grande” a seconda delle risorse disponibili - hardware, budget, vincoli di deployment - e delle aspettative prestazionali del caso d’uso (Nguyen et al., 2024). Per questo, la letteratura non converge su un unico cut-off: alcune definizioni propongono soglie più restrittive - ad esempio nell’ordine di < 1B parametri (ndr: B sta per billion/miliardo in inglese)-  mentre altre adottano una definizione più elastica che include modelli nell’ordine di alcuni miliardi di parametri, ad esempio 3B–5B, e in certi contesti anche la fascia 7B (Wang et al., 2025; Lu et al., 2025).

Per dare solo un ordine di grandezza: un modello da 1B o 3B parametri resta comunque molto più piccolo di LLM di riferimento come GPT-3, che aveva 175 miliardi di parametri, o Llama 3.1, disponibile anche nella versione da 405 miliardi. In termini grezzi, significa parlare di modelli che possono essere decine o anche centinaia di volte più compatti. In altre parole, “small” non è soltanto una proprietà intrinseca del modello, ma un’etichetta che emerge dal rapporto fra la dimensione del modello e l’ambiente in cui lo si vuole far funzionare.

Perché più piccoli non significa semplicemente “meno capaci”

Non bisogna dunque cadere nella semplificazione secondo cui, essendo più piccoli, gli SLM sarebbero soltanto modelli che “fanno meno” rispetto agli LLM. Una lettura di questo tipo rischia di essere fuorviante, perché trascura il fatto che gli Small Language Models rispondono a una logica progettuale in parte diversa. Ciò che li caratterizza, infatti, non è soltanto la compattezza, ma un insieme di proprietà che li rende particolarmente adatti a scenari applicativi specifici: minore costo computazionale, maggiore accessibilità, privacy, uso on-device, sostenibilità, personalizzazione ed è per questo che spesso vengono scelti in ambiti come quello della sanità e dell’struzione. La survey condotta da Lu et al. (2025) mostra con chiarezza quanto rapidamente questo settore si sia evoluto. Gli autori analizzano circa settanta modelli open source, prendendo in considerazione non solo la loro architettura e i dati di addestramento, ma anche il loro comportamento nei benchmark e in condizioni di esecuzione reali. Il dato più interessante è forse proprio questo: nel caso degli SLM, valutare un modello non significa soltanto chiedersi quanto “sappia”, ma anche quanto efficacemente riesca a operare in termini di latenza, uso della memoria e adattamento all’hardware disponibile. Da questo punto di vista, tra il 2022 e il 2024 il miglioramento è stato notevole e alcuni modelli recenti hanno raggiunto prestazioni sorprendentemente solide in rapporto alla loro scala.

Il nodo decisivo: la qualità dei dati

Un punto resta decisivo: la qualità dei dati. Per modelli di scala ridotta, infatti, la costruzione del corpus non è un elemento secondario, ma una variabile decisiva. Dataset aperti utilizzati nel pretraining, come FineWeb-Edu e DCLM, sembrano offrire risultati particolarmente promettenti, anche in virtù di procedure di filtraggio basate su modelli, che permettono una selezione più accurata dei dati.

Questo aspetto ha anche una conseguenza rilevante sul piano applicativo: i modelli di dimensioni ridotte, richiedendo meno risorse computazionali, sono generalmente più facili da adattare e specializzare. La minore complessità del fine-tuning e dell’inferenza li rende infatti particolarmente adatti a contesti in cui si voglia costruire un modello mirato, calibrato su un dominio o su una funzione specifica.

Ma come orientarsi fra i diversi SLM? Pham et al. (2025), propongono un benchmark in cui le prestazioni vengono considerate insieme a costo computazionale, consumo energetico e impatto ambientale. La prospettiva adottata è quindi più ampia di quella dei benchmark tradizionali: nel caso degli SLM, infatti, non è sufficiente chiedersi quanto bene un modello risponda, ma anche a quale costo riesca a farlo.

Per rendere possibile questo tipo di confronto, gli autori costruiscono un quadro di valutazione molto articolato, che coinvolge quindici modelli open source, nove task di NLP, ventitré dataset, quattordici domini applicativi e quattro configurazioni hardware. I task considerati spaziano dal question answering alla classificazione, dalla comprensione del testo alla generazione, mentre i domini coprono ambiti molto diversi, dalla matematica al diritto, dalla sanità al customer support. Il benchmark utilizza undici metriche, distribuite in tre grandi aree: prestazione, computazione e consumo. L’obiettivo non è individuare un vincitore assoluto, ma mettere in luce i trade-off che caratterizzano i diversi modelli. Alcuni risultano più forti sul piano dell’accuratezza, altri mostrano una maggiore efficienza computazionale, altri ancora si distinguono per un minore impatto energetico. In questa prospettiva, il paper suggerisce che non esista uno Small Language Model migliore in senso universale, ma piuttosto modelli più o meno adatti a seconda che si voglia privilegiare la qualità della risposta, la velocità di esecuzione o la sostenibilità del sistema.

Scegliere il modello giusto per il contesto giusto

Il valore del lavoro sta proprio nello spostare l’attenzione da una domanda astratta — quale modello performa meglio — a una domanda più concreta e applicativa: quale modello conviene effettivamente adottare, se si considerano insieme qualità, costo e consumo. Si tratta di un cambio di prospettiva particolarmente rilevante nei contesti reali e in ambienti a risorse limitate, dove memoria, budget, latenza ed energia disponibili costituiscono vincoli decisivi. Gli stessi autori riconoscono alcuni limiti, soprattutto per quanto riguarda la dipendenza dei risultati dall’hardware e il fatto che le stime su energia e CO₂ non derivino ancora da misurazioni dirette. Resta però molto chiaro il messaggio di fondo: valutare gli SLM significa ormai misurare non solo ciò che sanno fare, ma anche quanto efficientemente e sostenibilmente riescono a farlo.

Come mostrano Pham et al. (2025), non esiste uno Small Language Model migliore in senso universale: i risultati cambiano a seconda che si privilegi l’accuratezza, l’efficienza computazionale o la sostenibilità energetica. Nel loro benchmark, ad esempio, Llama-3.2-1B emerge come particolarmente forte sul piano della correttezza, GPT-Neo-1.3B si distingue per l’efficienza computazionale, Phi-1.5B per il consumo energetico, mentre Mistral-7B appare come uno dei modelli più equilibrati nel rapporto complessivo tra prestazioni, costo e consumo.  In questa prospettiva, la scelta di un SLM non può essere astratta o puramente gerarchica, ma deve dipendere dagli obiettivi concreti del contesto d’uso: rapidità di esecuzione, contenimento dei costi, sostenibilità, deployment locale o qualità della risposta.

Perché gli SLM diventano centrali anche nell’AI agentica

In questa direzione si colloca il position paper di Belcak et al. (2025), che formula una tesi molto netta: nei sistemi di AI agentica, gli Small Language Models sono destinati ad assumere un ruolo sempre più centrale. Il punto di partenza degli autori è che molte chiamate al modello, all’interno di un agente, non richiedono tutta la capacità generale di un grande LLM, perché riguardano compiti ripetitivi, delimitati e relativamente prevedibili. In questi casi, sostengono gli autori, gli SLM risultano spesso non solo sufficienti, ma anche più adatti sul piano operativo, più economici e più efficienti.

Che questo mutamento non appartenga più soltanto alla riflessione teorica, ma sia già entrato nell’orizzonte strategico delle organizzazioni, emerge con chiarezza anche dal report IBM Institute for Business Value (2025). Il documento mostra bene come una parte significativa del mondo imprenditoriale abbia già recepito l’idea che il futuro dell’AI non coinciderà necessariamente con il modello più grande, ma con il modello più adatto a uno specifico contesto d’uso.

Dalla strategia d’impresa alla democratizzazione dell’intelligenza artificiale

Il report insiste infatti sulla crescente centralità di architetture multi-model, sull’importanza di combinare modelli diversi in funzione dei compiti da svolgere e sul valore strategico di soluzioni più leggere, specializzabili e integrabili anche in ambienti con vincoli di costo, latenza e infrastruttura. In questa prospettiva, gli SLM appaiono sempre più come uno strumento concreto di efficienza, adattabilità e accessibilità, tanto che una larga parte dei dirigenti intervistati si aspetta che essi acquisiscano, nei prossimi anni, un ruolo sempre più rilevante all’interno delle proprie organizzazioni. Il punto, allora, non riguarda più soltanto ciò che gli Small Language Models possono fare sul piano tecnico, ma anche il modo in cui possono ridisegnare l’accesso stesso all’intelligenza artificiale, rendendola più distribuibile, più personalizzabile e potenzialmente più democratica. Se il mondo delle imprese sembra avere già colto questa trasformazione, resta aperta una domanda forse ancora più importante: che cosa farà il settore dell’istruzione di fronte a questo scenario? E soprattutto: in che modo saprà avvalersi del potenziale di democratizzazione offerto dagli SLM? Su questo terreno, il futuro resta ancora da scrivere.

Bibliografia

Belcak, P., Heinrich, G., Diao, S., Fu, Y., Dong, X., Muralidharan, S., Lin, Y. C., & Molchanov, P. (2025). Small language models are the future of agentic AI. https://doi.org/10.48550/arXiv.2506.02153

Chen, Y., Zhao, J., & Han, H. (2025). A survey on collaborative mechanisms between large and small language models. arXiv preprint arXiv:2505.07460. 2505.07460

Corradini, F., Leonesi, M., & Piangerelli, M. (2025). State of the art and future directions of small language models: a systematic review. Big Data and Cognitive Computing, 9(7), 189. https://doi.org/10.3390/bdcc9070189

IBM Institute for Business Value. (2026, January 16). The enterprise in 2030. https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/enterprise-2030

Thanh Pham, N., Kieu, T., Nguyen, D. M., Xuan, S. H., Duong-Trung, N., & Le-Phuoc, D. (2025). SLM-Bench: A Comprehensive Benchmark of Small Language Models on Environmental Impacts--Extended Version. arXiv e-prints, arXiv-2508. 2025.findings-emnlp.1165.pdf

Prieto, P., & Abad, P. (2025). Edge deployment of small language models, a comprehensive comparison of CPU, GPU and NPU backends. https://arxiv.org/abs/2511.22334

Sharma, R., & Mehta, M. (2025). Small language models for agentic systems: A survey of architectures, capabilities, and deployment trade offs. https://arxiv.org/abs/2510.03847

Van Nguyen, C., Shen, X., Aponte, R., Xia, Y., Basu, S., Hu, Z., ... & Nguyen, T. H. (2025, September). A Survey on Small Language Models. In Proceedings of the 15th International Conference on Recent Advances in Natural Language Processing-Natural Language Processing in the Generative AI Era (pp. 807-821). https://arxiv.org/abs/2410.2001

di Pina Debbi

L’Europa scende in campo contro la disinformazione, riconoscendo che il problema, con l’irrompere dell’intelligenza artificiale, si è amplificato, è diventato sistemico e soprattutto ha riflessi geopolitici che possono mettere a rischio la democrazia.

Per anni abbiamo utilizzato tre processi contro misinformazione e disinformazione: il fact-checking, l’accurata verifica, risalendo a fonti attendibili, di un fatto o una dichiarazione; il debunking, lo “smontare” ciò che è falso, risalendo, passaggio dopo passaggio, alla fonte primaria; e il prebunking che invece prova a prevenire il fenomeno rendendo le persone più capaci di riconoscere in anticipo le tecniche manipolative e i processi psicologici alla base delle nostre “credenze”: dai bias di conferma all’esposizione selettiva, che ci spingono a cercare in rete quei contenuti che sono in linea con il nostro pensiero. Per anni siamo stati convinti che insistere sulla media literacy potesse offrire gli strumenti giusti, ma ci siamo dovuti scontrare con la mancata attuazione delle direttive europee, innanzitutto a scuola, e con la difficoltà, che non è un eufemismo definire strutturale, di educare al digitale, in ogni campo della vita sociale. L’ultimo report europeo che già dal nome lascia intravedere il pericolo, ci racconta il ruolo sempre più ampio che la disinformazione sta acquisendo nella realtà già mediata dall’intelligenza artificiale generativa. Per Fractured Reality *, oggi agisce non solo diffondendo singole falsità ma contribuendo a frantumare la realtà condivisa, alimentando polarizzazione, sfiducia e ostilità tra gruppi diventando così un problema pienamente politico.

Il report del Joint Research Centre della Commissione Europea, appena pubblicato, è stato firmato da un pool di ricercatori internazionali tra cui l'italiano Walter Quattrociocchi dell' Università La Sapienza di Roma. Il documento rappresenta un cambio di paradigma sull'informazione nell'era dei social network e dell'intelligenza artificiale generativa. Un vero e proprio atto d'accusa contro un ecosistema che premia la plausibilità piuttosto che la conoscenza o i fatti accertati. Inutile dire che è un campanello d'allarme per le democrazie europee.

Il problema è il sistema, non solo le fake news

Il punto di partenza del report è scomodo, perché smonta anni di dibattito pubblico. Se la narrativa prevalente, quella delle "fake news contro le notizie vere", come la descrive Quattrociocchi, assumeva un ambiente informativo stabile, in cui verità e falsità competono secondo regole epistemiche condivise, oggi quella stabilità non c’è più. Da un lato le piattaforme distribuiscono contenuti in base alla loro capacità di generare engagement, a prescindere dalla qualità e dalla veridicità: conta il tempo speso sulla piattaforma stessa, le condivisioni, il commento, con il risultato che il termine affidabilità non ha alcun valore. E l’attenzione umana poi sembra premiare le informazioni negative, quelle conflittualie quelle più emotive, nelle quali la persona si riconosce. In questo contesto, fatti, opinioni, distorsioni e narrazioni confluiscono in un unico flusso e vengono valutati attraverso un unico criterio: la plausibilità. Cambia ciò che circola e come circola e cambia anche ciò che riteniamo come valido.

Epistemia: il nuovo concetto che spiega tutto

Uno dei contributi più originali del report proviene dal lavoro del team italiano di ricerca de la Sapienza: l'introduzione del concetto di epistemia: un regime in cui la plausibilità linguistica sostituisce progressivamente l'affidabilità e la veridicità come criteri operativi. La parola è già entrata nell'enciclopedia Treccani ed è ora al centro di un documento che potrà orientare le politiche europee. Epistemia descrive la trappola cognitiva innescata dall'integrazione dell'intelligenza artificiale generativa nei social media: l'illusione della conoscenza creata dalla fluidità linguistica di un Large Language Model e dai video realistici. L’utente tende a credere alla produzione di testo del chatbot, spesso il suo interlocutore, in un dialogo che tende sempre a soddisfarlo. Così il fatto che un modello linguistico non distingua tra prova ed apparenza, non abbia accesso ai fatti e non sia abituato ai processi di verifica né tantomeno “comprenda” come comprendiamo noi, passa in secondo piano. I LLM generano output statisticamente coerenti con i pattern linguistici precedenti. Producono plausibilità e diventa sempre più difficile distinguere tra ciò che è verificabile e ciò che è semplicemente convincente.

I numeri della disinformazione, è più diffusa di quanto pensiamo

Il report offre anche una mappa quantitativa del fenomeno che vale la pena leggere con attenzione, perché ridimensiona alcune narrative ottimistiche e ne conferma altre più preoccupanti. Il problema più profondo tiguarda ciò a cui finiamo per credere, le cosiddette "misperceptions" (percezioni errate), quelle convinzioni persistenti che resistono ai fatti. I numeri dipinti dalle fonti sono impietosi: una meta-analisi citata nel report segnala che il 47% degli "older adults" nutre convinzioni errate su temi sanitari fondamentali. Ancora più allarmante è l'efficacia del contenuto "grigio": i post che non sono tecnicamente falsi ma sono ingannevoli o decontestualizzati sono stati stimati come 46 volte più influenti sulla titubanza vaccinale, ad esempio, rispetto alle notizie palesemente false già segnalate dai fact-checker. Il report ricorda anche che questi contenuti hanno raggiunto oltre il 20% degli utenti Facebook negli Stati Uniti, mentre i contenuti falsi già etichettati dai fact-checker avevano una prevalenza molto più bassa, pari allo 0,3% delle visualizzazioni relative ai vaccini.

Quando osserviamo poi come tutto questo si distribuisce sulle piattaforme, la realtà si spacca in modo asimmetrico. Il report mostra, ad esempio, che i siti web inattendibili sono riusciti a catturare il 23% di tutto l’engagement su Facebook in Francia. E aggiunge un altro dato importante: circa un terzo della segregazione ideologica può essere attribuito agli algoritmi, mentre i due terzi restanti dipendono dalla scelta attiva dei cittadini di rifugiarsi in contenuti che confermano i propri pregiudizi. Il risultato finale è una democrazia che fatica a respirare, soffocata da una realtà frantumata dove il dibattito non verte più sulle soluzioni, ma sull'esistenza stessa dei fatti.

Dalle Echo Chambers alle Echo Platforms

Si è evoluto ed è cambiato anche il fenomeno delle echo chambers, le camere dell'eco, spazi in cui gruppi di utenti con idee simili si riunivano per rinforzare reciprocamente le proprie opinioni, smettendo di mettere in discussione i propri punti di vista. Oggi siamo alle cosiddette echo platforms, un cambiamento che riguarda ormai intere infrastrutture digitali che sono diventate ambienti socio-politici distinti, dove la demografia degli utenti, i contenuti e le narrazioni sono allineati per design e per scelta attiva delle persone. La migrazione degli utenti, spesso indotta dalle trasformazioni nelle politiche di moderazione dei contenuti o nella proprietà delle piattaforme, ha creato un ecosistema interconnesso in cui spazi diversi come X o Bluesky, ad esempio, rappresentano ormai realtà percepite totalmente divergenti.

Il meccanismo che governa queste piattaforme dell'eco agisce come una lente tossica attraverso la quale osserviamo chi la pensa diversamente. Invece di favorire il dialogo, la personalizzazione estrema operata dagli algoritmi tende a penalizzare i contenuti che cercano di gettare ponti tra le diverse fazioni, premiando invece i post che alimentano l'animosità, il conflitto verso l'altro gruppo. Paradossalmente, anche quando gli utenti vengono esposti a opinioni contrarie, l'ambiente conflittuale in cui ciò avviene finisce spesso per aumentare la polarizzazione invece di ridurla, trasformando il dibattito in uno scontro tra identità contrapposte.

Le piattaforme dell'eco, sostenute da modelli di business che traggono profitto dal coinvolgimento emotivo, hanno così preparato il terreno per un regime informativo dove frammenti di verità e narrazioni fabbricate si mescolano per creare mondi paralleli. In questa realtà frantumata, la fiducia nelle istituzioni e nei media tradizionali viene erosa costantemente, lasciando il posto a "tribù" digitali che abitano spazi progettati per confermare ogni loro pregiudizio.

Il Fantasy-Industrial Complex è un sistema

Uno dei concetti più potenti del report è quello di fantasy-industrial complex: un sistema auto-organizzato e debolmente coordinato che emerge organicamente dalle logiche incentivanti delle piattaforme.

L'obiettivo della manipolazione dell'informazione oggi spesso è quello di distrarre e generare sfiducia, di attivare norme anti-democratiche, istinti autoritari e comportamenti. In questo sistema, politici, influencer, media, piattaforme e cittadini comuni partecipano tutti, consapevolmente o meno, alla produzione di realtà alternative, costruite da pezzi selezionati di accadimenti, distorsioni e, non ultime, falsità vere e proprie. Il passaggio storico è quello dalle "bugie sistemiche", informazioni false costruite a sostegno di obiettivi politici specifici, come le Armi di Distruzione di Massa in Iraq, (che portò alla guerra di Bush contro Saddam Hussein nel 2003) alla "confusione e caos", assioma caratterizzato dall'indifferenza degli attori verso gli eventi. La verità diventa quella che è negli occhi di chi guarda. Il risultato, amplificato dai social media e dall'AI generativa, è un sistema in cui la correzione dei fatti non funziona più: le smentite raramente viaggiano lontano quanto le affermazioni originali.

Le piattaforma non sono mai neutre...

Le piattaforme dunque non sono amplificatori passivi di qualunque contenuto. Hanno scelte precise, anche se mediate dagli algoritmi, e quelle scelte hanno conseguenze politiche concrete.

La piattaforma X/Twitter ha dimostrato di avere un ruolo diretto nel plasmare il discorso politico in Europa e negli Stati Uniti dopo il cambio di proprietà nell'ottobre 2022, quando è finita nelle mani di Elon Musk. In Germania, durante le elezioni federali del 2025, il 50% di tutti i contenuti suggeriti dall'algoritmo di X riguardava l'AfD, il partito di estrema destra, contro il 15% del secondo partito più suggerito, la CDU/CSU.

Le soluzioni? Cambiare il modello di business delle piattaforme

Il report oltre alla diagnosi tenta di proporre raccomandazioni che vale la pena esaminare, perché mostrano come l'Europa stia cercando, e lo diciamo apertamente, con difficoltà, di trovare una via d'uscita che sia strutturale. Sul fronte della lotta alla disinformazione, fact-checking, inoculazione cognitiva (prebunking), media literacy, funzionano, ma hanno effetti limitati. Tutte quelle misure sono probabilmente oscurate dall'attuale modello di business basato sull'engagement e dal fantasy-industrial complex che supporta. Appare improbabile che un ambiente informativo democratico possa essere realizzato senza riformare il modello di business sottostante.

Le proposte strutturali sono tre.

1) l'interoperabilità tra piattaforme, che permetterebbe agli utenti di portare il proprio grafo sociale da una piattaforma all'altra, abbattendo le barriere all'ingresso per altri soggetti e aumentando la concorrenza.

2) una tassa progressiva sulla pubblicità digitale, che riduca l'incentivo delle piattaforme a massimizzare l'engagement a tutti i costi, spingendole verso modelli basati sulla qualità dei contenuti.

3) mercati per la parola, meccanismi di segnalazione volontaria della qualità dell'informazione attraverso impegni reputazionali o economici.

La sovranità digitale europea: il nodo geopolitico

Ma le soluzioni si scontrano con la realtà: la maggior parte delle piattaforme rilevanti è controllata da entità esterne alla giurisdizione europea (leggi Bigh Tech americane). Nonostante le raccomandazioni precedenti, quei valori non possono essere pienamente protetti senza sovranità e autonomia digitale dell'UE.

Il report chiede quindi investimenti massicci in infrastrutture digitali europee: dal supporto a piattaforme decentralizzate come Mastodon, fino all'EuroStack, un'iniziativa per costruire uno entità tecnologica europea basata su diritti e valori del nostro continente e alla creazione di un "CERN per i Dati e la Democrazia", un'istituzione di ricerca capace di studiare le piattaforme su scala industriale e di rispondere rapidamente all'evoluzione del panorama informativo. La sfida geopolitica è concreta: la dieta informativa degli europei è quindi nelle mani di attori stranieri che potrebbero non condividere i valori democratici dell'Unione. E in un contesto in cui le piattaforme americane hanno già mostrato di essere disposte a interferire nei processi elettorali europei, dalla Germania alla Romania, i casi documentati sono numerosi, questa non è una questione astratta.

Cosa significa tutto questo per chi fa informazione

Per chi lavora nell'informazione, giornalisti, comunicatori, editor, il report Fractured Reality pone domande scomode. Se il problema non è più la circolazione di singole notizie false, ma la struttura dell'ecosistema informativo stesso, cosa significa fare giornalismo di qualità in questo contesto? Se la plausibilità ha scalzato la verifica come criterio dominante, come si compete con contenuti che sono costruiti per sembrare veri piuttosto che per esserlo?

La media literacy è necessaria ma non basta, il fact-checking è necessario ma non basta. Vanno costruite e sostenute piattaforme alternative e servono interventi simultanei a livello di sistemi, di modelli di business e di sovranità digitale. E servono velocemente, perché, come sottolinea Quattrociocchi, "questo non è uno scenario futuro. È il sistema in cui stiamo già operando."

La realtà si è rotta. E non basta un articolo di smentita o di rettifica per ricostruirla.

trovate il report completo qui: https://publications.jrc.ec.europa.eu/repository/handle/JRC144603

di Mariantonietta Suppa

Il lavoro agile rappresenta uno dei principali campi di sperimentazione del lavoro digitale, configurandosi come un “mirabile laboratorio” in cui testare nuovi modelli regolativi capaci di bilanciare le esigenze di produttività delle imprese con i diritti di autonomia e tutela dei lavoratori. Un aspetto cruciale di questa sperimentazione è la formazione, elemento chiave per sostenere i lavoratori agili nelle loro esigenze di lavoro e promuovere la competitività delle imprese. In questo contesto, le fonti autonome (i.e. i contratti collettivi e gli accordi individuali) si rivelano strumenti essenziali per sviluppare soluzioni innovative, in grado di assicurare un equilibrio tra progresso tecnologico e tutela dei diritti fondamentali dei lavoratori. Partendo dalla normativa italiana e dal Protocollo Nazionale del 2021, fino all’analisi delle disposizioni previste nella Contrattazione Collettiva Nazionale (CCNL) nei settori bancario, assicurativo, chimico ed energetico, emerge con chiarezza come la formazione non sia solo un obbligo normativo ma rappresenti una leva strategica per la crescita delle organizzazioni e lo sviluppo delle competenze dei lavoratori agili.

Gli accordi individuali nella normativa italiana in materia di lavoro agile e il ruolo della contrattazione collettiva.

La normativa italiana in materia di lavoro agile, noto anche come smart working, prevede che la regolazione dell’istituto sia affidata esclusivamente a un accordo individuale sottoscritto tra datore di lavoro e lavoratore. Dalla lettura sistematica delle disposizioni sullo smart working, contenute nella legge n. 81 del 2017, non emerge, infatti, alcuno spazio regolativo attribuito dal legislatore alla contrattazione collettiva. Tuttavia, la prassi dimostra come i CCNL abbiano colmato questa lacuna, integrando l’autonomia individuale con linee guida che favoriscono una più efficace conciliazione tra vita privata e lavoro per il lavoratore agile, contribuendo al tempo stesso a migliorare la competitività dell’impresa. Ne è conferma il fatto che la produzione contrattual-collettiva, in tema di lavoro agile, è stata quantitativamente e qualitativamente significativa, anche in considerazione della spinta “forzata” alla diffusione dello smart working generata dalla crisi pandemica. La contrattazione collettiva sembra costituire, di fatto, uno dei canali naturali per l’introduzione dello smart working nelle organizzazioni aziendali. Sotto il profilo formale, il ruolo di “facilitazione” attribuito alla contrattazione collettiva appare riconosciuto dal Protocollo Nazionale sul lavoro agile, promosso dal Ministero del Lavoro e sottoscritto dalle parti sociali il 7 dicembre 2021.

La formazione nel Protocollo Nazionale sul lavoro in modalità agile

In materia di formazione, un punto di svolta è rappresentato dal Protocollo Nazionale sul lavoro agile, sottoscritto nel 2021 tra Governo e Parti Sociali. Questo documento enfatizza l’importanza della formazione per tutti i lavoratori agili, delineando percorsi mirati a sviluppare competenze tecniche e trasversali. Tra gli obiettivi principali si evidenziano:

1. la promozione di una cultura aziendale orientata alla responsabilizzazione, all’autonomia e alla partecipazione;
2. l’acquisizione e il miglioramento delle competenze digitali per un utilizzo sicuro ed efficace degli strumenti tecnologici;
3. la prevenzione dell’isolamento dei lavoratori attraverso momenti di formazione in presenza. Le parti sottoscrittrici dimostrano consapevolezza del fatto che il corretto utilizzo degli strumenti digitali non possa prescindere dal possesso di adeguate competenze trasversali da parte del lavoratore, necessarie per lavorare in coerenza con il modello organizzativo smart adottato dall’impresa.

La combinazione di competenze tecniche e trasversali risulta fondamentale affinché i lavoratori in modalità di lavoro agile sviluppino le necessarie capacità di adattamento e aggiornino continuamente le proprie competenze nel corso della vita professionale, in linea con la rapidità del progresso tecnologico che attualmente caratterizza il mondo del lavoro.

La formazione del lavoratore agile: lo spazio regolativo della contrattazione collettiva nazionale nei settori bancario, assicurativo, chimico ed energetico.

La riflessione condotta fino a questo momento rimarca il ruolo fondamentale che la contrattazione collettiva nazionale gioca nella regolamentazione del lavoro agile. Per questo motivo, si prendono in considerazione i CCNL più recenti di quattro settori cruciali (bancario, assicurativo, chimico ed energetico), per verificare come abbiano integrato il tema della formazione nel lavoro agile.

Più nel dettaglio, il CCNL del settore bancario introduce lo Smart Learning: un modello formativo innovativo che permette ai lavoratori di aggiornarsi utilizzando le moderne tecnologie, senza interrompere la propria attività lavorativa. Inoltre, sono previsti interventi formativi specifici per i lavoratori agili e i loro responsabili, affinché la transizione verso modelli di lavoro flessibili sia realmente efficace e sicura.

Con riguardo al settore assicurativo, il CCNL di riferimento istituisce un Osservatorio Nazionale sulla Digitalizzazione e l’Innovazione Tecnologica. Questo organismo, pur non avendo compiti negoziali, monitora le evoluzioni tecnologiche e promuove percorsi di formazione continua, essenziali per aggiornare le competenze dei lavoratori. Il modello di contrattazione d’anticipo adottato nel settore assicurativo evidenzia un orientamento proattivo, diretto a prevedere l’evoluzione del settore e a stabilire le regole prima che i problemi insorgano.

Il CCNL del settore chimico promuove una cultura partecipativa e la formazione continua, con piani mirati a sviluppare le competenze digitali, la flessibilità, la gestione del lavoro virtuale e la fiducia reciproca, per affrontare la digitalizzazione e valorizzare il contributo dei lavoratori agili.

Il CCNL del settore energia e petrolio valorizza la formazione continua attraverso l’Istituzione Paritetica Nazionale, promuovendo la transizione energetica, la digitalizzazione, il benessere collettivo e l’accesso flessibile ai contenuti formativi grazie alle innovazioni digitali.

Formarsi a lavorare in modalità agile: un nuovo paradigma relazionale che incide sul concetto di subordinazione.

In un contesto in rapida trasformazione, i modelli organizzativi aziendali sono sempre più orientati verso un nuovo concetto di relazione: non più basato sulla classica dipendenza gerarchica del lavoratore subordinato, bensì sulla sua crescita e autonomia. Ne consegue che, quando si introduce il concetto di smart working, è necessario, inevitabilmente, che l’impresa sviluppi una cultura della responsabilità. Non è sufficiente possedere conoscenze digitali avanzate. I lavoratori agili devono sviluppare capacità relazionali, comunicative e organizzative per collaborare efficacemente, anche in contesti virtuali. In questo scenario, la formazione diventa un elemento chiave per facilitare questa transizione e garantire che il cambiamento non comprometta il senso di appartenenza aziendale o instilli il rischio di isolamento. Si registra, pertanto, una sostanziale unanimità nel riconoscere l’importanza della formazione degli smart worker, cosicché essi possano entrare in possesso delle competenze necessarie e utili ad affrontare e gestire al meglio le peculiarità del nuovo modello organizzativo che li vede coinvolti.

Riflessioni conclusive e prospettive future

L’analisi della contrattazione collettiva mostra come la formazione sia diventata un pilastro per l’implementazione del lavoro agile. Le aziende più lungimiranti hanno compreso che investire nella crescita professionale dei propri dipendenti non è solo una necessità normativa ma una strategia per affrontare le sfide della digitalizzazione. In linea con lo spirito che anima lo smart working, l’investimento formativo ideale appare quello capace di creare e mantenere l’efficienza di un vero e proprio “ufficio portatile”, che consente alle persone di raggiungere standard qualitativi elevati, liberandosi dalla necessità e dall’“obbligo” di una postazione fissa. La fase di formazione diviene, quindi, un passaggio cruciale nell’implementazione di un progetto di lavoro agile.

di Federico Ruggiero

Nello Cristianini, già autore di La scorciatoia, Machina sapiens e Sovrumano, torna con Forma mentis. Siamo sempre a parlare di macchine e di intelligenza artificiale ma questa volta il discorso assume una direzione più delicata quanto attuale: indagare e comprendere come faccia l'intelligenza artificiale a "pensare". Che cosa sono in grado di comprendere le macchine? E, soprattutto, noi siamo in grado di comprenderlo? Sono queste le due domande che guidano l'obiettivo del libro, attraverso casi studio e ricerche scientifiche che più si avvicinano a fornire risposte. Cristianini chiarisce fin dall'inizio che non si parlerà di coscienza o di intenzionalità in senso umano ma delle modalità attraverso le quali l'IA costruisce rappresentazioni del mondo. Infatti, sappiamo che le reti neurali moderne non vengono programmate riga per riga ma vengono addestrate (training). Questo significa che imparano modificando miliardi di connessioni interne, sviluppando capacità che possiamo osservare dall'esterno ma che fatichiamo a spiegare dall'interno. Di conseguenza, siamo in grado di misurare le sue prestazioni, ma non sempre sappiamo dire perché un certo sistema abbia prodotto una certa risposta, quali conoscenze abbia assorbito, quali rappresentazioni abbia costruito, quali scorciatoie abbia imparato.

Se le macchine intelligenti vengono utilizzate in contesti sempre più importanti, dalla ricerca alla medicina, dal lavoro all'educazione, non possiamo limitarci a valutarne le risposte dall'esterno. Diventa urgente anche imparare a capire quali conoscenze abbiano assorbito, quali rappresentazioni abbiano costruito e quali meccanismi interni guidino il loro comportamento. Dobbiamo imparare a decifrare i pensieri delle macchine!

Il libro affronta l'argomento in tre passaggi denominati micro, meso e macro.

Micro

Ecco che Cristianini affronta questo percorso di decifrazione dei pensieri delle macchine partendo proprio dalla struttura microscopica delle reti neurali e dal modo in cui vengono addestrate. Ma cosa sono le reti neurali? Esse non sono altro che il principale strumento del machine learning contemporaneo alla base dei tool di IA generativa, sono strutture artificiali ispirate in modo semplificato ai tessuti cerebrali, composte da diversi elementi connessi tra loro. Per Cristianini, la loro importanza sta nel fatto che possono imparare a risolvere compiti diversi modificando le connessioni interne durante l'addestramento. Sono alla base delle soluzioni di intelligenza artificiale moderna perché apprendono da sole le proprie rappresentazioni e proprio per questo diventano poi difficili da interpretare.

Dentro queste reti troviamo i neuroni artificiali, ovvero le unità elementari che ricevono segnali, li combinano attraverso operazioni matematiche e trasmettono un risultato ai neuroni successivi. Singolarmente questi neuroni sono relativamente semplici da comprendere, ma il punto è che una rete neurale non è mai davvero interessante presa nei suoi singoli elementi. Diventa interessante quando questi elementi vengono collegati tra loro in quantità enormi, organizzati in strati e addestrati su grandi moli di dati. È in quel passaggio dalla semplicità del singolo neurone alla complessità della rete nel suo insieme che inizia il problema della comprensione.

E qui si arriva al nodo centrale della questione perché allo stato attuale è possibile conoscere le operazioni matematiche eseguite dalla rete ma, in verità, non siamo in grado di sapere che cosa la rete stia rappresentando internamente. Ogni connessione tra neuroni ha infatti un peso, cioè un valore che stabilisce quanto un neurone influenzi un altro ma durante l'addestramento (training) questi pesi vengono modificati progressivamente, fino a rendere la rete capace di svolgere un certo compito. In questo senso, i pesi sono il luogo in cui si deposita la conoscenza relativamente stabile della macchina. Questa conoscenza non è una conoscenza scritta in forma esplicita, come una regola di programmazione, ma una conoscenza distribuita tra miliardi di connessioni. Se i pesi rappresentano ciò che la macchina ha imparato nel tempo, le attivazioni rappresentano ciò che la macchina sta considerando in quel momento. Le risposte che otteniamo dal dialogo con ChatGPT (e simili) nascono proprio dall'incontro tra queste due dimensioni.

Dare un primo sguardo ai concetti di reti neurali, pesi, addestramento e attivazioni permette di capire perché l'intelligenza artificiale contemporanea sia estremamente potente così come complessa da essere interpretata. Riusciamo a osservare i dettagli microscopici ma spesso non siamo in grado di collegarli al comportamento macroscopico, alle rappresentazioni interne che portino l'IA a rispondere in quel determinato modo piuttosto che un altro.

Meso

Nella seconda sezione del libro Cristianini si sposta dai componenti elementari delle macchine alle forme che emergono dalla loro organizzazione. Il livello micro è servito a comprendere come una rete neurale è fatta e come viene addestrata mentre il livello meso si pone l'obiettivo di indagare che cosa prende forma dentro la rete, una volta che l'addestramento ha prodotto i suoi effetti. Ci si sposta, quindi, dalla struttura della rete alle sue rappresentazioni. Una rappresentazione può essere vista come una forma interna di conoscenza che non è una frase o un concetto ma una configurazione di pesi, attivazioni o gruppi di neuroni (concetti visti nel micro) che permette alla macchina di trattare qualcosa come significativo. Proprio alla luce delle rappresentazioni, le conoscenze della macchina non sembrano stare in un singolo neurone o in una singola connessione, ma in configurazioni più ampie, in gruppi di neuroni che si attivano insieme, in pattern distribuiti che iniziano a funzionare come rappresentazioni interne.

Quanto evidenziato da Cristianini trova conferma in due casi interessanti, quelli di Alphazero e Othello GPT. Il primo caso racconta del sistema sviluppato da DeepMind, e presentato nel 2018, in grado di giocare a scacchi e sfidare giocatori professionisti. Alphazero non è stato addestrato osservando partite umane, né ha ricevuto in partenza i concetti strategici elaborati nei secoli dagli scacchisti. Gli sono state date le regole del gioco e l'obiettivo da raggiungere, poi ha imparato giocando contro sé stesso. Questo significa che concetti come il valore dei pezzi, la mobilità, la sicurezza del re o il controllo della posizione non gli sono stati insegnati esplicitamente, ma sono emersi durante l'addestramento come rappresentazioni interne utili a giocare meglio. Proprio per questo motivo alcuni ricercatori hanno voluto analizzare il suo funzionamento interno per capire cosa e come avesse imparato a battere i migliori scacchisti (umani). Hanno così scoperto che Alphazero era in grado di rappresentare la scacchiera a un livello astratto, costruendo internamente una descrizione della situazione di gioco. In parole semplici, Alphazero ha mostrato al mondo come una rete neurale potesse arrivare autonomamente a concetti simili a quelli umani, senza riceverli in forma esplicita! Non è in grado di pensare come un essere umano ma è in grado di costruire strutture interne che svolgono una funzione analoga.

Il secondo caso, quello di OthelloGPT (siamo nel 2023), rappresenta un piccolo modello della famiglia GPT addestrato su sequenze di mosse del gioco Othello. OthelloGPT non vede direttamente la scacchiera, ma deve ricostruirne lo stato per capire quali mosse abbiano senso. Deve sapere quali caselle sono occupate, quali sono libere, quali pedine appartengono a un giocatore e quali all'altro. La rappresentazione del tabellone non gli viene fornita dall'esterno, ma emerge come soluzione interna al problema della previsione. Cristianini utilizza questo caso per sottolineare che se un sistema addestrato a prevedere mosse può costruire una mappa interna della scacchiera, allora un sistema addestrato a prevedere parole potrebbe costruire rappresentazioni interne del mondo di cui quelle parole parlano. Il linguaggio, infatti, non è una sequenza casuale di segni, ma riflette relazioni, oggetti, luoghi, azioni, intenzioni e contesti e, per prevederlo bene, un modello potrebbe rappresentare non solo le parole, ma anche le strutture del mondo che rendono quelle parole sensate.

Macro

Nella terza sezione del libro, Cristianini compie l'ultimo passaggio verso la decifrazione dei pensieri delle macchine. Dopo il livello micro dei componenti elementari e il livello meso delle rappresentazioni emergenti, il discorso si sposta ora sul comportamento complessivo degli agenti intelligenti. Il punto è che non tutto può essere compreso riducendo un sistema ai suoi elementi più piccoli. A volte, per capire davvero un sistema complesso, serve un livello di descrizione più alto, capace di cogliere proprietà che non sono visibili se ci si ferma ai singoli componenti. Il livello micro ci ha mostrato di che cosa sia fatta la macchina e come essa venga addestrata. Il livello meso ci ha mostrato quali rappresentazioni e circuiti emergano al suo interno. Il livello macro prova invece a descrivere il comportamento dell'AI nel suo insieme, soprattutto quando questo comportamento diventa troppo complesso per essere previsto soltanto guardando alle sue componenti interne.

Cristianini inizia a descrivere il comportamento macro delle macchine citando il pensiero di Daniel Dennett (1971) secondo cui è possibile descrivere il comportamento di un'entità, che sia una persona, un animale o una macchina, trattandola come se avesse credenze, desideri, obiettivi e intenzioni, a patto che questa descrizione sia utile per prevedere e spiegare ciò che fa. Applicare questa intuizione agli agenti intelligenti contemporanei permette di considerare che in alcuni casi il linguaggio intenzionale diventa più efficace del linguaggio microscopico dei neuroni o di quello mesoscopico dei circuiti. Proprio da questa interpretazione nasce nel 2024 l'idea di machine psychology da un gruppo di ricercatori che suggerisce di studiare gli agenti artificiali con strumenti ispirati alla psicologia umana, alle scienze cognitive e alle scienze comportamentali. Tuttavia, questa condizione non sostiene che le macchine siano persone, ma riconosce che alcuni loro comportamenti possono essere osservati e classificati a un livello più alto. Se un modello linguistico cambia stile, assume ruoli diversi, si mostra più prudente o più aggressivo, più collaborativo o più evasivo, allora può essere utile descriverlo anche in termini di profili comportamentali, personalità, obiettivi e strategie. La machine psychology diventa quindi un modo per comprendere e forse controllare meglio sistemi che sono troppo complessi per essere descritti solo attraverso pesi e attivazioni.

Il caso più significativo di questa prospettiva è quello di Amanda Askell (filosofa morale in Claude). Cristianini racconta che alla fine di novembre 2025 emerse il riferimento a un documento interno usato da Anthropic per orientare il comportamento di Claude, il cosiddetto "soul document" (documento dell'anima). Il punto interessante non è il nome, volutamente suggestivo, ma il tipo di linguaggio usato all'interno del documento. Non si trattava solo di un elenco di divieti o di regole tecniche, ma di una sorta di bussola morale scritta a livello macroscopico. Il documento provava a indicare a Claude che tipo di agente dovesse essere, quali valori dovesse coltivare, come dovesse comportarsi davanti a situazioni ambigue. Il caso del "soul document" è importante perché mostra come il controllo non passi più soltanto dalla correzione di singole risposte o dall'imposizione di regole puntuali e precisi, ma anche dalla definizione di un orientamento generale. Infatti, Claude viene trattato come un agente a cui non basta dire cosa non deve fare, ma a cui bisogna indicare che tipo di comportamento dovrebbe assumere. È qui che siamo di fronte a qualcosa di nuovo: la macchina non viene descritta solo come un insieme di parametri da regolare, ma come un sistema complesso da guidare attraverso principi, valori e obiettivi. Non perché abbia una coscienza o una morale propria simile a quella umana, ma perché il suo comportamento complessivo può essere orientato meglio usando un linguaggio più alto rispetto a quello tecnico dei neuroni e dei circuiti.

La sezione Macro ha portato il discorso in un territorio nuovo. Quando un sistema diventa abbastanza complesso da interagire con noi, adattarsi al contesto, assumere ruoli e seguire principi generali, non basta più chiedersi soltanto come funzionano i suoi meccanismi interni. Bisogna anche chiedersi come descrivere il suo comportamento al livello giusto.

Riusciremo a comprenderle?

Provando a riassumere il pensiero di Cristianini, che ha ripercorso le ultime ricerche scientifiche, è possibile comprendere meglio come funzionino (o "ragionino") le macchine e dove, forse, sarebbe meglio concentrare l'attenzione. Non basta più chiederci se queste macchine siano performanti o meno poiché siamo già di fronte a macchine in grado di rispondere correttamente ai più complessi problemi, di fare previsioni accurate e molto altro. La sfida attuale è quella della comprensione delle macchine. Decifrare i pensieri delle macchine non significa attribuire loro una mente umana, né immaginare che l'intelligenza artificiale pensi, desideri o comprenda esattamente come noi. Significa, invece, prendere sul serio il fatto che questi sistemi costruiscono rappresentazioni interne per orientarsi nel mondo e per produrre comportamenti "intelligenti".

di Pina Debbi

Giusi Antonia Toto è una di quelle figure che, se provi a definirle, ti sfuggono ai bordi perché sono piene di iniziativa, sufficientemente visionarie e open minded, hanno un pensiero fluido, stimolano idee e percorsi nuovi e trasversali. Toto appartiene a quei/quelle docenti che sanno mettere insieme leggerezza (che è più una postura) e rigore scientifico. Professoressa ordinaria di Pedagogia e Didattica Speciale all’Università di Foggia, due dottorati alle spalle, un’attività di ricerca internazionale, un centro da coordinare (il Learning Sciences institute) e, non è un dettaglio folkloristico, ma un modo di divulgare le attività, quasi 60.000 persone che la seguono su Instagram. Ma la cifra non è il numero, è lo stile. Toto è un’influencer della docenza non per la quantità di follower ma per la capacità di fare squadra, aprire spazi nuovi e a volte inimmaginabili. Perché è capace di mette in circolo idee. Ne pensa cento e molte le realizza. E, fatto non secondario, i suoi dottorandi sembrano davvero contenti: lavorano con passione e costanza, perché dentro i progetti sentono di poter crescere davvero.

Foggia, come ecosistema creativo e inclusivo

Chi ha frequentato negli ultimi anni convegni e conferenze a Foggia, da ICS Exchange alla Winter School, sa che parliamo di "cantieri" veri, con esiti misurabili: workshop che diventano paper, prototipi che danno origine a format, incontri che costruiscono reti, comunità inclusive perché proprio l'inclusività e l'attenzione a ogni forma di diversità, grazie a Giusi Toto diventa valore aggiunto. Tutti aspetti che sono diventati i suoi mantra. L’ultima creatura è un progetto semplice e ambizioso quanto basta, una serie podcast. Si chiama “AI in Uni” e debutta mercoledì 17 settembre. “Questa iniziativa nasce dalla prima Winter School di Accadia nello scorso gennaio,” racconta Toto. “È stata un’esperienza molto applicativa: i dottorandi hanno condotto workshop, avviato progetti, gettato le basi per pubblicazioni che stiamo riprendendo in queste settimane. AI in Uni è il passo naturale: portare quelle voci fuori dall’aula e metterle a disposizione di tutti.”

Il valore didattico del podcast

Prof, Perchè proprio un podcast? "Perché il podcast è il medium della concentrazione gentile. È narrativo, immersivo, accessibile. Non pretende lo schermo; accompagna i tempi morti e li riscatta. In questi anni ha cambiato il nostro modo di divulgare, insegnare, apprendere e perfino valutare." Anche se in Italia, in generale, i podcast non hanno raggiunto i livelli degli altri paesi e sono una formato che per diffusione vale il 6% dell'informazione, ce ne sono alcuni che sono diventati dei veri e propri successi editoriali: citiamo Stories di Cecilia Sala, Indagini di Stefano Nazzi o quelli di Francesco Costa, dalla rassegna stampa all'ultimo nato, WIlson. E come dimenticare poi le sperimentazioni didattiche nelle università italiane dove la formula è diventata davvero efficace ed è riuscita a darsi una veste quasi "ingegneristica", diventando contenuto ed esperienza che richiede progettazione, voce, pensiero critico, capacità comunicativa. Ecco allora che il podcast assume il ruolo di un vero e proprio laboratorio naturale di soft skill, per ciò che riguarda la didattica. Ma perchè seguire l'Hype dell'intelligenza artificiale e come declinarla in un podcast? “ Abbiamo scelto questo tema per veicolare tutta una serie di mesaggi. In primis raccontare che l’intelligenza artificiale non serve per aggirare i compiti o semplificare meccanicamente le attività,” insiste Toto. “Serve a potenziare gli strumenti della comunicazione e della disseminazione del sapere. Il sapere nasce nei laboratori, nel lavoro quotidiano dei ricercatori: il punto è portarlo fuori, bene, senza falsare i contenuti e senza alimentare stereotipi.”

Un panorama che si muove

Dentro l’università italiana, (lo avevamo scritto in tempi non sospetti, con l'interessante articolo di Alice Pierluigi collega del dottorato) sta succedendo qualcosa. Sempre più atenei usano il podcast per aprire la ricerca a un pubblico non specialistico, ne citiamo alcuni:

• Università di Perugia — RicercArte: l’arte della ricerca, con Radiphonica e Adisu: studi e scoperte raccontati con una scrittura limpida.
• Milano-Bicocca — Orizzonti di ricerca: da Stonehenge alle food policy di New York, fino all’Antartide e al Rwanda, il campo si allarga.
• Statale di Milano — dopo SpillOver, ecco LibrOAperto: migrazioni, margini, equità nell’istruzione, a partire dai titoli Milano University Press.
• Unimore — Head Phones, dal Laboratorio LEA con ANPIA: antropologia e scienze umane, dai conflitti globali alla cultura del “comfort”.
• Padova — Teaching for Learning: innovazione didattica, metodi interattivi, assessment, con voci interne ed esterne.

E poi i formati “a cavallo” tra MOOC e audio. Un caso di scuola—è proprio il caso di dirlo—è Il potere di imparare, ideato da Susanna Sancassani e Daniela Casiraghi dentro l’AIMOOK “Imparare con l’Intelligenza Artificiale” di METID-Politecnico di Milano: il podcast non è un accessorio, è un modulo che parla al resto dell’architettura didattica. In parallelo,piattaforme come Edunext ed Edvance stanno sperimentando flussi in cui l’AI contribuisce a generare bozze, tracce, script, che poi vengono curati e rifiniti da docenti e redazioni didattiche: produzione più rapida, più tempo per la parte che conta, la qualità pedagogica. Soprattutto EDUNEXT - Next Education Italia , l'Hub digitale legato alla capofila di Lesdit, l'Università di Modena e Reggio Emilia, sperimenta formati nuovi e podcast didattici interamente generati con l'intelligenza artificiale e le sue voci sintetiche. “È un passaggio culturale,” dice Giusi Toto. “Davvero cruciale. Se usi l’AI per progettare meglio, non come scorciatoia, puoi alzare lo standard della divulgazione e della didattica. E puoi farlo in modo inclusivo, valorizzando le differenze di linguaggi, stili cognitivi, background.”

Quando il podcast diventa lezione (e valutazione)

Sempre più docenti adottano il podcast come micro-lezione, soprattutto in ottica flipped classroom. È meno formale, riduce la complessità percepita, stimola curiosità e anticipo cognitivo. Ma attenzione: l’audio è unidirezionale; la sua efficacia esplode quando viene contestualizzato in un ecosistema didattico più ricco (discussioni, compiti riflessivi, attività pratiche). Dentro questo movimento, “AI in Uni” sceglie una linea editoriale precisa: episodi brevi (5–10 minuti), monologhi focalizzati, un calendario settimanale da qui al 12 novembre. Dieci voci, dieci ingressi diversi nello stesso paesaggio. “Abbiamo scelto di coprire quattro vertici: personalizzazione dell’apprendimento, strumenti, competenze imprenditoriali e inclusione,” i “Più due direttrici trasversali: etica e comunicazione. Perché senza cornice valoriale e senza un linguaggio condiviso, l’innovazione non regge.” La campagna di lancio è partita dal 17 luglio con l’hashtag #ThurdAi: ogni giovedì un contenuto teaser; reel, caroselli, collage; per far emergere voci e temi prima dell’uscita del mercoledì. “Un podcast universitario non è un esercizio di stile,” aggiunge Toto. “È servizio pubblico. Il nostro compito è preparare i professionisti di domani a navigare un presente che cambia, offrendo strumenti concettuali e critici.”

Un formato che fa bene alla didattica

Anche se sta diventando ormai un vero e proprio trend, il podcast non è la soluzione a tutto, ma quando sta dentro un ecosistema mirato può dare valore a diversi aspetti. Può ad esempio anticipare i contenuti, rafforzare la memoria concettuale attraverso la voce, con le sue pause, il ritmo, il timbro; può stimolare la riflessione attraverso il riascolto. Qui l’AI, in tutto il processo, amplifica. Aiuta a progettare, a generare tracce, a personalizzare i percorsi, a curare l’accessibilità. Ma la regia resta pedagogica. E Giusi Toto però indirizza già lo sguardo altrove: “Molte università stanno attivando corsi e master su AI e visual education,” anticipa Toto. “La nostra prossima Winter School sarà proprio su questo: come progettare e disseminare con l’immagine. AI in Uni è la prima serie; ne seguirà una seconda, più visiva. È un cammino, non uno spot". Tornando al podcast, se fate didattica, provate a immaginare un episodio da 7 minuti che non spiega magari tutto tutto, ma apre. Se fate ricerca, provate a raccontare non solo i risultati, ma anche gli ostacoli e i metodi. Se siete studenti, pensate a un podcast come progetto vero: mappa, scaletta, fonti, documento di produzione, revisione tra pari, riflessione finale. A Foggia, il gruppo del LSi ha una regola tacita ma completamente condivisa: le cose si fanno insieme. È il miglior antidoto all’hype e perché no, il miglior fertilizzante per l’innovazione che resta.

“AI in Uni”: voci, temi, calendario

Debutto: mercoledì 17 settembre (poi un episodio fino al 12 novembre). Formato: monologhi da 5–10 minuti. Produzione: LSiRadioTv, Learning Sciences institute, Università di Foggia.

Gli episodi:

• Giusi Antonia Toto — L’AI e il suo impatto nella comunicazione: come cambiano grammatiche digitali e condivisione.
• Paolo Barabanti — AI e prove INVALSI: supporto e innovazione nei sistemi di valutazione scolastica.
• Guendalina Peconio — Strategia Nazionale Aree Interne (SNAI): tecnologia, territorio, capitale umano.
• Marco Di Furia — Progettare testi scientifici con l’AI: scrittura accademica, plagio, authorship, buone pratiche.
• Valentina Berardinetti — AI al servizio della formazione online: personalizzazione degli apprendimenti e tracciabilità.
• Martina Rossi — Sviluppare videogame con l’AI: pipeline, tool, esempi dei dottorandi.
• Pina Debbi — Come cambia il giornalismo con l’AI: dalla verifica ai workflow, tra etica e responsabilità editoriale.
• Andrea Colamedici — L’AI come assistente del docente: progettazione, feedback, carico cognitivo.
• Luigi Traetta — Etica dell’Intelligenza Artificiale: dilemmi, cornici valoriali, scelte operative.
• Leonardo Palmisano — Nuovi scenari: il futuro dell’AI: lavoro, cultura, vita quotidiana.

Dove ascoltare: sulle principali piattaforme podcast dal 17/09. Per info: Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

di Mariantonietta Suppa

È stato tra i primi a sentire il bisogno di nuovi paradigmi, dando vita, di fatto, alla filosofia dell’informazione e a porre il problema delle conseguenze che il cattivo uso dell’intelligenza artificiale può avere sulla vita dei cittadini, Luciano Floridi. Il suo libro Etica dell’Intelligenza artificiale  resta una pietra miliare per chiunque voglia avvicinarsi o approfondire il tema, a due anni dalla pubblicazione. FLoridi, oggi a Yale Professor and Founding Director of the Digital Ethics Center, rivolge la sua attuale speculazione su quello che sarà l’impatto dell’intelligenza artificiale sulla democrazia. L’Occasione per conoscere le sue riflessioni è il seminario dello  Schwartz Reisman Institute, dell’Università di Toronto.

Per Floridi,  se è vero che l’IA può migliorare la trasparenza, l’efficienza dei processi e, persino, sollecitare il coinvolgimento dei cittadini attraverso piattaforme digitali che permettano scambi diretti e condivisione di feedback, è altrettanto innegabile che l’IA può esasperare le disuguaglianze esistenti e condurre a trattamenti iniqui e discriminatori. E allora è necessario trovare un punto di conciliazione che per il docente italiano, naturalizzato inglese coincide con la proposta di una nuova morfologia del potere.

Verso una “morfologia dell’incertezza”

Il Prof. Floridi propone una “nuova morfologia del potere” come “morfologia dell’incertezza”,  (The new morphology of power (as control) is the morphology of uncertainty) riferendosi al fatto che il potere ed il controllo stanno assumendo una nuova fisionomia nel contesto delle moderne tecnologie dell’informazione e della comunicazione. Il controllo delle informazioni è diventato cruciale per l’esercizio del potere poiché esse sono diventate una risorsa chiave in un mondo sempre più connesso, dove il digitale non è qualcosa di altro da noi ma è diventato parte dei luoghi che abitiamo ed ha creato una nuova comprensione di noi stessi.  Il potere, in questo habitat digitale nel quale siamo immersi, non è più detenuto da un’unica entità centrale ma si è frammentato e distribuito in una rete di attori,  in continua evoluzione. La “morfologia dell’incertezza” sollecita, pertanto, un cambiamento nel modo in cui il potere e il controllo vengono esercitati:  essi devono sapersi adattare a un ambiente caratterizzato dall’incertezza e dalla complessità delle moderne tecnologie dell’informazione.

Il potere si esercita controllando l’informazione.

“Those who control the questions shape the answers. And those who shape the answers control reality.” Una volta riconosciuto il controllo delle informazioni come fonte di potere, ogni entità che esercita il potere desidera appropriarsi e gestire le informazioni. Quello a cui assistiamo oggi  – dice Floridi- è l’inizio di un importante cambiamento: si passa dal potere sulle cose al potere sulle informazioni, al potere sulle domande che modellano le risposte che  a loro volta forniscono le informazioni stesse su ogni cosa. Coloro che controllano le domande, quindi,  forgiano anche le risposte. Questo è il nuovo potere che bisogna imparare a riconoscere e a gestire sapientemente.

Le 3 C per il futuro della democrazia

La Democrazia si può “salvare” con le tre C: coordinamento, cooperazione, collaborazione, dove coordinamento significa non intralciarsi nel fare le cose, collaborazione distribuire i compiti e operare in modo modulare e  complementare e cooperazione vuol dire condividere tutto, dalle scelte strategiche ai benefici e costi di un qualsiasi processo. Per questo si impone la necessità di un’integrazione e di un coinvolgimento più forte tra i vari attori che interagiscono all’interno di una società democratica. E la chiosa del prof. Floridi non può che essere dedicata al potere dirompente dell’Intelligenza Artificiale che se da un lato può rappresentare una parte del problema in una società democratica, (si pensi al rischio di manipolazione dell’opinione pubblica o di discriminazione), dall’altro può e deve essere parte della soluzione.

Aspetto che richiede il suo utilizzo responsabile per promuovere la trasparenza, la partecipazione e l’inclusione di tutti nella vita democratica. “Ciascuno giochi il proprio ruolo”

di Pina Debbi e Federico Maiocco

Federico: Ciao Pina! Letto La differenza fondamentale di Floridi? Impressioni a caldo? Per me è stato un po’ come mettere gli occhiali per vedere chiaramente il “momento” dell’IA che viviamo. E poi, sai che amo le parole: finalmente qualcuno che osa dare il giusto nome alle cose e usa la filosofia per togliere la polvere dal vocabolario. Quella sensazione ce l’abbiamo tutti: diciamo “intelligenza”, “coscienza” riferendoci all’IA, ma nel profondo sappiamo che ci stiamo raccontando una bugia. Dobbiamo smettere di affidarci al solito “sacco di pubblicità e marketing” e tornare a una vera comprensione concettuale del futuro che stiamo costruendo. In questa era digitale la filosofia torna a essere viva e cruciale: non solo per analizzare, ma per trovare e difendere nuove soluzioni.

Pina: Vabbè, si potrebbe dire (vado sul pragmatismo spinto): ma c’era bisogno dell’ennesimo libro sull’intelligenza artificiale? E Floridi poi? Tra onlife e infosfera, prima, e l’etica dell’IA, ha già offerto numerosi… chiamiamoli percorsi. Eppure, ti dico: nell’epoca che abitiamo, per quello che ascoltiamo, per i dibattiti senza consapevolezza (e soprattutto senza fine) a cui assistiamo, questo testo è necessario. Rimette le cose al loro posto. Senza se e senza ma, verrebbe da dire. La svolta concettuale è l’unica base per un dibattito onesto. L’ho sottolineato proprio con convinzione: “L’intelligenza artificiale non pensa, non capisce, non è intelligente: agisce”. Questa è la differenza fondamentale. Finché non accettiamo che l’IA sia una nuova forma di agency artificiale (AA), continueremo a evitare i problemi reali.

Federico: Esattamente! E il suo esempio nell’introduzione, quando usa l’espressione “cavalli vapore” (HP) per descrivere l’IA, è brillante. Significa che non dobbiamo più cercare zoccoli o criniere nei motori che usiamo. L’HP, che oggi è l’unità standard per misurare la potenza meccanica, è un prestito concettuale riuscitissimo. Allo stesso modo, un giorno fortunato, tratteremo l’IA proprio come l’HP: smetteremo di frugarci dentro in cerca di proprietà cognitive o psicologiche. È il modo propositivo di accettare che stiamo progettando “nuove straordinarie forme di agency senza intelligenza”. Dobbiamo concentrarci su cosa fa e come lo fa, non su come pensa.

Pina: Faccio un passo indietro e torno all’architettura del libro e ai suoi contenuti: è cinicamente realista o realisticamente cinico, e non lo intendo in modo negativo. Mette sul tavolo fatti, elenca algoritmicamente (permettimi il termine, perché la struttura indica passo dopo passo come leggere o non leggere il libro) ciò che non abbiamo e non vogliamo vedere. Esce dalla dicotomia uomo-macchina e dall’antropomorfismo con cui viviamo la tecnologia, sempre a nostra immagine e somiglianza. Analizza la storia delle nostre paure, manda un messaggio chiaro sia ai "sacerdoti dell’IA" sia a chi ha una visione catastrofica (l’IA ci porterà all’estinzione): “Il cortocircuito: macchine come menti e menti come macchine”. Questo “prestito concettuale” è ciò che distorce la nostra comprensione. L’IA prende in prestito termini biologici (antropomorfizzando i computer) e le Scienze Cognitive del Cervello (SCC) riducono la mente a termini computazionali.

Federico: Il cortocircuito è proprio la parte più divertente e, alla fine, utile! Ci costringe a definire in modo non antropocentrico i tre criteri essenziali dell’agency: interattività, autonomia e adattabilità. Da lì entra in scena il metodo dei Livelli di Astrazione (LdA), che per chi ama le strutture è oro puro: serve a fare pulizia, a guadagnare chiarezza e precisione nell’analisi. Possiamo confrontare con lucidità le diverse forme di agency: quella naturale (un fiume), quella biologica (i cani) e la nostra agency artificiale (AA). Quella artificiale è straordinaria per precisione, scalabilità e riproducibilità, ma porta con sé un limite strutturale: non può generare scopi originali né trascendere gli obiettivi che le abbiamo impostato. L’IA non ha coscienza, non ha intelligenza, non ha stati mentali.

Pina: Sei il solito ottimista. Quei capitoli per me sono i più complessi e confesso che ci sono tornata più volte, a prescindere dagli esempi che,  per fortuna, ci sono. L’“operazionalizzazione” del concetto di agency però era un passaggio obbligato per dare spessore teorico a tutto il libro. Torno agli esempi, che sono la parte più divertente: dalle colonie di formiche per descrivere l’agency sociale (che mi invita a ricordare il principio primo della Gestalt - il tutto è più della somma delle singole parti: il comportamento della colonia manifesta capacità superiori a quelle della formica singola) ai termostati smart per riferirsi all’agency artefattuale. Però, per risponderti, per me le questioni fondamentali restano responsabilità, trasparenza, bias, privacy e contrasto al garbage in, garbage out nei dati di addestramento. Etica non è una parola vuota. E il mondo occidentale (anglosassone) nei dati di addestramento è escludente. Non troverai mai la rappresentazione di una mancina come me lì dentro: un esempio per ricordare il perpetuarsi delle ingiustizie sociali, che però,  ovviamente, sono ben altre.

Federico: Ma questa chiarezza sull’AA ci aiuta a evitare discussioni inutili. Floridi dedica il terzo capitolo proprio a “separare la realtà dell’intelligenza artificiale dalla finzione”. È una battaglia persa tra le due “chiese”: i credenti nella vera IA (gli adepti della Singolarità) che pensano che un’ultra-intelligenza sia in arrivo e ci supererà, e gli atei dell’IA (i miscredenti) che insistono che l’IA è solo un motore sintattico e non potrà mai essere cosciente. Per Floridi, entrambi sbagliano bersaglio. La vera IA non è logicamente impossibile, ma non è neppure plausibile, e temere la Singolarità è un po’ come temere che ogni essere umano possa essere colpito da un fulmine. Meglio tornare a mettere al centro la nostra eccezionalità umana, che resta qualcosa di unico.

Pina: Ne avevo accennato prima, riferendomi proprio all’aspetto filosofico ma anche pedagogico del libro. Riprendo testualmente: “non tutto ciò che è logicamente possibile è realizzabile”. E in questa frase c’è molto, quasi tutto, perché un tacchino, se è cresciuto un certo numero di centimetri nel corso della sua evoluzione, non vuol dire che diventerà più alto di uno struzzo; così come i chip e la capacità di processare dati non tenderanno a un’iperbole infinita, varrà lo stesso per i computer quantici, odore di prossimo Hype. E in fondo siamo noi che ci siamo messi in questa condizione, costruendo un mondo a misura di IA e cadendo nella trappola raccontata nel capitolo 4. E poi, sono abbastanza d’accordo: a volte le discussioni sulla Singolarità sono pericolose distrazioni che celano la parte più povera del mondo, quella che dell’intelligenza artificiale non si occupa affatto, con i suoi 2,2 miliardi di persone senza servizi idrici sicuri,  per non parlare dei servizi sanitari.

Federico: Un aspetto particolarmente creativo del libro, per me, è l’analisi dell’autenticità nel capitolo “L’inganno nell’era dell’IA”. Il concetto di “ectipo” è straordinario: artefatti che sono una copia, ma una copia con una relazione speciale con la sua fonte. In questo senso, la GenAI sembra muoversi al contrario dei ready-made di Duchamp: se lui prendeva oggetti comuni per farne arte, l’IA prende oggetti (o segni) apparentemente artistici per produrre contenuti funzionali. Una fabbrica di ectipi che rovescia il gesto dadaista: non elevare il banale a opera, ma ridurre l’opera a materiale riusabile…

Pina: Vabbè, la tua  è la lettura del semiotico, artista, creativo che è in te… Io sono più tranchant e penso che non abbiamo imparato nulla dagli hype della storia, figli di un certo turbocapitalismo, catastroficamente crollati spazzando via capitali, investimenti e riducendo in povertà migliaia di persone. Su questo Floridi, più che filosofo, fa il giornalista-analista geopolitico e mette insieme le cinque bolle tecnologiche che abbiamo insensatamente dimenticato, e che pure hanno ridisegnato potere e mercati. Eppure le dinamiche continuano a essere le stesse e noi continuiamo a non vedere nonostante... Dot Com, Telecomunicazioni, bolla cinese, Criptovalute, titoli tecnologici.  Ricorsi storici. Dovremmo concentrarci ora sull’IA, la bolla in cui siamo immersi. Le speculazioni, come in tutte le altre,  superano la realtà, le valutazioni sono gonfiate e l’entusiasmo si basa sulla paura di perdere l’opportunità, spingendo anche i piccoli investitori. E mentre le bolle passate ci insegnano quanto facilmente possiamo farci ingannare dalla narrazione del progresso, Floridi ci ricorda che non siamo condannati a ripetere gli stessi errori: se vediamo il meccanismo, possiamo anche immaginare gli antidoti.”

Federico: Certo, ma proprio perché vediamo il rischio possiamo immaginare anche la cura. Floridi propone la blockchain come strumento per certificare origine e proprietà intellettuale degli artefatti. È la tecnologia che prova a rimediare al danno creato dalla tecnologia stessa: un modo per ricostruire l’infosfera lavorando su credibilità, trasparenza e responsabilità. In fondo il punto è questo: dobbiamo plasmare l’infosfera perché possa fiorire, invece di lasciarla deturpare.

Pina: Forse hai ragione. E in questo senso, l’idea nel capitolo 8 di usare l’IA come “utility” è molto pragmatica e moralmente superiore a tutta la speculazione. L’IA nei servizi pubblici (street bureaucracy) come i registri aperti di Helsinki e Amsterdam — questo è ciò che conta: trasparenza e responsabilità. Non è un robot pazzo: è un mezzo per raggiungere un fine in modo umano-centrico.

Federico: Ho 50 anni, ne ho viste tante, ma rimango ottimista. Vedo un vero potenziale dell’AA: non nel tentativo di replicare l’intelligenza biologica, ma nell’ottimizzare le sue potenzialità specifiche, tenendola allineata ai valori umani e alla sostenibilità. Il cuore della questione è la progettazione e la regolamentazione. Floridi ci mette in mano un quadro concettuale eccellente, fondativo e innovativo, che parte dal riconoscimento che l’IA è agenzia senza intelligenza. La filosofia, se esce dalla sua torre d’avorio, può aiutarci davvero a costruire un futuro sostenibile.

Pina: Quindi, in sintesi, Floridi ci dice: l’IA non ci farà fuori, ma se ignoriamo la sua vera natura di agency e continuiamo a inseguire i sogni della super-intelligenza, falliremo per la nostra stessa stupidità e malvagità. Allora spero che chi prende le decisioni abbia letto oltre il capitolo 3. Perché la vera domanda è: sanno quello che sanno?

Federico: La differenza fondamentale? Una sola lettera. Quasi un gioco tipografico: da AI a AA. Ma quel passaggio ad Artificial Agency smaschera l’equivoco: l’IA non pensa, non capisce, non è intelligente. Semplicemente agisce. Ed è lì che sta la sua forza: nella potenza di azione. Dietro i nostri “fulmini digitali” non c’è né Zeus né un mostro in agguato: c’è l’equivalente di una gigantesca elettricità. Uno strumento potentissimo, da progettare, usare e regolare con cura. Per chiudere questa nostra discussione ti voglio segnalare l’unica cosa che non mi è piaciuta del libro: la copertina. Un’immagine un po’ troppo “stock”, piacevole e in tema, ma con poco carattere… Penso che questo libro meritasse di più.

Pina: Io l’ho letto su Kindle, quindi non mi ci sono soffermata troppo: al primo impatto la copertina mi ha ricordato le trame della Porta di Ištar, custodita al Pergamon di Berlino: il suo ruolo era quello di permettere l’accesso a Babilonia. Ma magari è un film mio… Piuttosto, noi della prima edizione ereditiamo l’errore nel frontespizio, Artifical, che tu stesso hai colto prima di me. Ci ho scritto un post su LinkedIn che è stato rilanciato e molto seguito, con interpretazioni anche fantasiose. Oggi, però, che ho finito di leggere il libro, credo di comprendere perché Floridi abbia scelto un editore come Mondadori, rinunciando anche a parte della complessità del suo linguaggio: La differenza fondamentale è un testo che dovrebbe arrivare a tutte, o almeno al maggior numero possibile di persone, perché non è solo divulgativo ma anche profondamente politico, nel senso più nobile del termine. Un libro di cui c’era bisogno, per ricordare,  e cito ancora una volta esattamente le sue parole,  che: “Siamo noi il problema, non la nostra tecnologia, e così resteranno le cose in futuro… Dovremmo preoccuparci della stupidità umana vera e non dell’intelligenza artificiale immaginaria, e concentrarci sulle autentiche sfide poste dall’IA”.

di Giacomo Di Noto

Il World Trade Center di San Marino non è quello che vi state immaginando. Sono due palazzi disposti ad ala, acciaio e vetro, un enorme insetto posato sul centro della Valmarecchia, che ti accoglie nella piccola e ridente repubblica. Ci salgo dentro con la borsa del portatile su una spalla e quella strana sensazione che mi prende quando entro in un enorme edificio pieno di uffici, la sensazione che forse noi umani non siamo davvero dei mammiferi ma degli insetti che vivono dentro degli alveari. Piani su piani, porte dopo porte. Quante di queste persone, in questo preciso istante, stanno usando l'intelligenza artificiale per lavorare? E quante di loro sanno con chi hanno a che fare, quante stanno regalando i dati della propria azienda a uno dei tre “Big” senza essersene mai accorte?

L'ascensore arriva al mio piano. Le porte si aprono e davanti a me, esattamente di fronte, c'è l'ingresso dell'azienda che mi aspetta. In mezzo, in quei tre metri di pianerottolo, ci sono cinque gendarmi. Guardano me, guardano la porta, tornano a guardare me. Iniziamo bene, penso.

Per onestà di cronaca: non erano lì per me e nemmeno per l'azienda, era una coincidenza di quelle che la realtà si concede quando vuole prendersi gioco di chi scrive. Ma il cuore in gola me lo hanno fatto venire lo stesso, e questo articolo comincia da lì.

Perché quel corso esiste

Quel pomeriggio tenevo la prima lezione di un percorso che ho chiamato AI Translator, costruito sul principio del costruzionismo: non si impara una tecnologia ascoltando qualcuno che la descrive, si impara costruendoci qualcosa. A ogni modulo teorico segue una piccola demo pratica, e la seconda lezione è interamente un laboratorio di costruzione. Il corso però non l'ho inventato a tavolino. È nato da un ingegnere, che qui chiamerò Bob, in un laboratorio di misure industriali dove ero andato a fare una lezione teorica ai lavoratori. La sua azienda aveva un abbonamento a un sistema di intelligenza artificiale che quasi nessuno usava, una di quelle spese nate dallo slancio e poi rimaste lì perché nessuno sapeva ancora cosa farci. Bob ha deciso che voleva provarci e piano piano, dopo alcuni consigli da parte mia per ottimizzare il suo lavoro, si è costruito un agente per interrogare il gestionale interno da remoto, così da consultarlo mentre gira per l'azienda a controllare le prove tecniche in corso, con le mani sporche e il telefono in tasca.

La sua storia contiene già in miniatura la tesi di questo articolo: il valore non è arrivato dall'abbonamento, che c'era da mesi e non produceva niente. È arrivato quando qualcuno che conosceva davvero quel gestionale ha deciso di imparare a usarlo, giocarci e poi costruirci attorno qualcosa.

Andrea aveva ragione

Passiamo alla parte in cui sbaglio io. Tempo fa mi sono imbattuto in una giovane matricola che si trovava nel laboratorio industriale dell'università per un tirocinio. Neofita totale: nella sua giovane esistenza non aveva ancora mai usato strumenti di IA se non dal cellulare. La materia erano le misure, la metrologia, quel corso che tutti gli studenti di ingegneria attraversano e che serve a capire cosa stiano davvero facendo gli strumenti che poi useranno in laboratorio. Ero solo di passaggio e avevo poco tempo per aiutare i compagni di laboratorio che avrebbero dovuto formarla. Mi viene un'idea: apro l'unico servizio di IA al quale la studentessa aveva accesso e le preparo in fretta un tutor. Due istruzioni generali scritte in markdown (i.e. formato di file di testo), un connettore per la ricerca sul web, un progetto con dentro qualche file locale. Il tempo era poco e me lo faccio bastare: dieci minuti in tutto.

Faccio un piccolo test prima di lasciare la studentessa in mano al cyborg. Chiedo delle dispense. Tutto funziona, le scorro velocemente, sembrano presentabili. Lei sembra felice, ma alle nostre spalle qualcun altro non lo è affatto. Dietro di noi c'è Andrea, il post doc che avrebbe supervisionato il percorso della matricola, e nello stesso istante in cui io sfogliavo tranquillo il suo sguardo da misurista esperto identificava errori e incongruenze. Alcuni grafici erano ben poco scientifici: valori sugli assi privi di senso o del tutto assenti, legende mancanti e in qualche caso veri e propri errori di contenuto. Aveva ragione lui, del tutto. È un concetto che nei nostri articoli scriviamo spesso: gli artefatti generati con l'IA hanno bisogno di un esperto che li controlli, oppure di voi che siate diventati quell'esperto, prima di poter essere usati davvero.

Ma dietro a quell’errore se ne celava un altro, ed ho capito solo dopo che non stava nelle istruzioni che avevo scritto. Stava nello strumento che avevo scelto. Avevo aperto un chatbot online e ci avevo caricato dentro dei documenti, che è la cosa che tutti fanno perché è la più immediata. Oltre al controllo dell’esperto infatti serviva un sistema agentico, qualcosa che potesse aprire davvero i file, eseguire un controllo e rigenerare un grafico dopo aver verificato che al precedente mancava la scala. Col senno di poi, il progetto giusto da assegnare a quella studentessa era la costruzione del tutor.

Il prompt non è morto, si è strutturato

Quell'errore sullo strumento capita ovunque, ed è il segno di un cambiamento che quasi tutti stanno attraversando alla cieca. Da qualche mese leggo ovunque che il prompt engineering sarebbe finito e che adesso contano soltanto i loop; Ethan Mollick l'ha chiamato il crepuscolo dei chatbot. A mio parere si tratta di una lettura frettolosa: quello che è successo al prompt secondo me è l'opposto di una morte, si è strutturato.

Chi ha seguito un percorso di alfabetizzazione all'intelligenza artificiale negli ultimi due anni ha quasi certamente incontrato uno schema come CO-STAR, nato da Sheila Teo dopo la prima competizione di prompt engineering organizzata a Singapore, che invita a dichiarare in modo ordinato Contesto, Obiettivo, Stile, Tono, Destinatario e Formato della risposta. Sembra burocrazia ed è invece la prima impalcatura che la maggior parte delle persone incontra, perché costringe a scrivere il contesto invece di darlo per scontato. È esattamente la competenza che serve un gradino più in alto, quando il contesto non sta più in un messaggio ma in una cartella, in una banca dati, in un insieme di regole che l'agente dovrà rispettare per ore senza che voi siate lì a guardare.

La differenza tra le due epoche non è tra chi scrive bene i prompt e chi non li scrive più. È che il modello adesso può agire, e quindi il ciclo “pianifica, agisci, controlla, correggi” non lo eseguite più voi un messaggio alla volta: lo esegue il sistema al suo interno finché non incontra una condizione di arresto che avete scritto voi. Le cose da dichiarare restano quelle di CO-STAR, solo più severe: qual è l'obiettivo, come si verifica che sia stato raggiunto, e quando ci si ferma.

Riferibilità

C'è una parola, in metrologia, che struttura l'esperienza con Bob e spiega l'errore con Andrea. Si chiama riferibilità ed è definita dal Vocabolario Internazionale di Metrologia come la proprietà di un risultato di misura per cui esso è posto in relazione a un riferimento attraverso una documentata catena ininterrotta di tarature, ciascuna delle quali contribuisce all'incertezza di misura. Tradotto: l'importanza di un risultato dipende tanto dal suo valore quanto dalla catena che lo collega a un campione. Ogni anello aggiunge una quota di incertezza, e un anello mancante non aggiunge incertezza: la rende incalcolabile.

Adesso provate a sostituire “misura” con “citazione” e reinterpretate la definizione. Descrive uno dei problemi più attuali del mondo accademico. Un'affermazione vale per la catena documentata che la collega alla fonte, ogni passaggio non verificato aggiunge incertezza, e la citazione secondaria che nessuno è mai andato a controllare è una taratura saltata. Il fatto che stia in bibliografia da vent'anni non la rende vera, soltanto vecchia.

Tre catene, un solo principio

Ed è qui che l'analogia smette di essere un gioco retorico e diventa il metodo che vorrei presentare in questo articolo. Far entrare un modello o un agente nel lavoro scientifico in modo corretto non dipende da quale abbonamento comprate, ma da quale catena riuscite a esibire. Nella ricerca le catene sono almeno tre, esistono da molto prima dell'intelligenza artificiale, e in tutte e tre questi strumenti possono spezzarle o rinforzarle a seconda di come li attrezzate.

La prima è la bibliografia, la catena che va dall'affermazione che scrivete alla fonte che la sostiene. Si rompe da sempre quando si cita qualcosa che non si è letto, e si rompe in un modo nuovo quando si lascia che sia un modello a compilare i riferimenti.

La seconda è l'analisi dei dati, la catena che va dal risultato al dato grezzo. Si spezza nell'istante preciso in cui “l'ho chiesto alla chat” prende il posto di uno script che qualcun altro può rieseguire. Un numero ottenuto dentro una conversazione non ha versione, non è riproducibile. Più di ogni altra cosa questo metodo non ha la garanzia di esistere ancora fra sei mesi o anche meno.

La terza è la scrittura, la catena che va dal testo a chi lo ha pensato. Non si rompe perché usate un modello per scrivere, si rompe perché non lo dichiarate, non tenete traccia di cosa avete chiesto e alla fine non sapete più distinguere la frase che avete difeso da quella che avete accettato distrattamente.

Uscire dall'ombra, in tutti e tre i casi, vuol dire la stessa cosa: essere in grado di mostrare la catena. Le prendo una alla volta, in quest'ordine.

Prima catena. L'imbragatura e il friend

Vediamo la bibliografia da vicino con una metafora a me molto cara, l'arrampicata. La parola che definisce l'infrastruttura del nostro agente, del resto, è harness, che in italiano si traduce imbragatura: un termine da arrampicata, appunto. E nell'arrampicata l'imbragatura fa molto più che reggerci: è una struttura che estende le nostre possibilità, ci si appendono gli attrezzi, ci si legano le corde per calarsi o salire, e ci si tiene a portata di mano l'immancabile guida della falesia, quella con le informazioni precise sul posto in cui stiamo salendo. Tenete a mente la guida: è il pezzo che quasi tutti dimenticano, e ci torneremo. Sulla bibliografia l'imbragatura serve in due movimenti opposti, che sono lo stesso ciclo montato al contrario e che ogni arrampicatore ripete decine di volte in una giornata.