Pilastro: Progettare apprendimento e discipline · Stato: evidenza sperimentale (tre studi randomizzati, uno italiano), quadri di riferimento (OCSE, Commissione europea) e ipotesi ScuolArte da validare · ← IA e scuola
Quando uno studente svolge meglio un compito con l’aiuto di un sistema generativo, che cosa ha imparato? Tre studi randomizzati affrontano questa domanda in contesti diversi. Distinguono il risultato ottenuto con l’IA da ciò che lo studente sa fare da solo e permettono di osservare il ruolo della progettazione dell’attività. I loro risultati riguardano le condizioni studiate: leggerli insieme aiuta a formulare domande per la scuola, senza ricavarne una regola valida per ogni classe.
Quasi mille studenti, un esame senza IA
Nell’anno scolastico 2023-2024 un gruppo di ricercatori ha condotto un esperimento sul campo in una grande scuola superiore in Türkiye: quattro sessioni di matematica da novanta minuti per circa cinquanta classi, quasi mille studenti, assegnati per classe a tre condizioni. Un gruppo di controllo lavorava con libri e appunti. Un gruppo aveva accesso a un’interfaccia simile a ChatGPT, basata su GPT-4. Un terzo gruppo usava la stessa interfaccia con un vincolo: il sistema era istruito a dare suggerimenti senza fornire la risposta, e conosceva i problemi predisposti dai docenti. Ogni sessione si chiudeva con un esame svolto senza alcun accesso all’IA.
Nell’esercitazione assistita i due gruppi con l’IA hanno fatto meglio del controllo, rispettivamente del 48% e del 127%. Nell’esame senza IA il gruppo con l’accesso libero ha fatto peggio del controllo del 17%; il gruppo con il tutor vincolato è risultato alla pari. Gli autori scrivono che gli effetti negativi «are largely mitigated by the safeguards in GPT Tutor», e scelgono il verbo mitigare: in questo esperimento, il tutor ha contenuto il danno, senza produrre un vantaggio nella prova autonoma. La spiegazione che propongono è che gli studenti con l’accesso libero usano il sistema come «a “crutch” during practice problem sessions, and subsequently perform worse on their own». Un dato in più aiuta a capire: il sistema ad accesso libero dava la risposta corretta «only 51% of the time on average».
Un tutor progettato, e i suoi limiti
Il secondo studio riporta un esito diverso, in un altro contesto e con un tutor progettato per l’attività. In un ampio corso universitario di fisica dell’Università di Harvard, 194 studenti hanno alternato, per due lezioni, una lezione attiva in classe e un tutor basato su GPT-4 progettato da docenti esperti, con istruzioni che guidavano passo per passo la soluzione dei problemi e con video didattici integrati. Nel test svolto subito dopo ciascuna lezione, «The median learning gains for students, relative to the pre-test baseline …, in the AI-tutored group were over double those for students in the in-class active learning group», in un tempo mediano di 49 minuti.
I limiti li dichiarano gli autori: «We do not presume that structured AI tutoring will always outperform in-class active learning in all contexts, for example, those requiring complex synthesis of multiple concepts and higher-order critical thinking». Il risultato è stato ottenuto con un modello capace di seguire istruzioni complesse, istruzioni scritte da chi conosce la materia, una sequenza strutturata e contenuti adatti al formato. E la misura è immediata: due lezioni, un test subito dopo, senza una prova differita nel tempo. È un precedente universitario: il suo interesse per la scuola secondaria riguarda ipotesi di progettazione ancora da valutare in quel contesto.
Uno studio in una scuola italiana
Il terzo studio riguarda i compiti di inglese in una scuola italiana. In un istituto tecnico di Verona, quattro classi della stessa docente, 76 studenti: per otto settimane metà di loro ha svolto i compiti di inglese con GPT-4 istruito a segnalare gli errori e a trattenere la risposta, l’altra metà nel modo consueto. Le lezioni erano identiche per tutti, la docente decideva contenuti e ritmo e non leggeva le conversazioni.
L’esito differisce fra terze e quinte. Nelle terze l’apprendimento misurato con una prova scritta dalla docente è cresciuto in modo apprezzabile (d = 0,603); nelle quinte l’effetto è stato nullo. Nel gruppo con il tutor i compiti sono stati giudicati più interessanti (d = 0,593); sulle domande di lungo periodo, comprese quelle sull’interesse per la materia, le differenze fra i gruppi non sono significative. Un altro risultato riguarda il lavoro svolto: gli studenti che lavoravano con il tutor hanno scritto molto di più degli altri, e la quantità di scrittura è l’unico elemento che, nell’analisi, predice il guadagno. Questa associazione richiama l’attenzione sul lavoro svolto dagli studenti; da sola non dimostra che la quantità di scrittura sia la causa del guadagno. Gli autori dichiarano i limiti: una sola docente, un campione piccolo, otto settimane.
Che cosa dicono insieme
Il rapporto OCSE 2026 lo condensa in una frase: «Successfully performing a task with GenAI does not automatically lead to learning». E parla di un «misalignment between task performance and genuine learning» quando lo strumento sostituisce lo sforzo che serve per imparare. Il quadro europeo di alfabetizzazione all’IA per la scuola primaria e secondaria, pubblicato nel 2026 da Commissione europea e OCSE, usa un’immagine precisa: scaricare sull’IA il proprio sforzo cognitivo «may foster “metacognitive laziness,” weakening learners’ critical thinking and self-regulation». I tre studi offrono elementi diversi per leggere questa distinzione. Nel primo, con l’accesso libero la prestazione sale e la prova autonoma scende; con il tutor vincolato il danno si attenua. Nel secondo, il tutor è associato a un guadagno maggiore nel test immediato, nel contesto universitario descritto. Nel caso italiano, il miglioramento, che riguarda le terze e non le quinte, si accompagna a una maggiore quantità di lavoro svolto dagli studenti. Le misure, le età e le attività differiscono: il confronto non stabilisce quale sequenza didattica funzioni meglio in generale. Per il lavoro su ScuolArte ricaviamo due domande da discutere con i docenti: quali elementi permettono di distinguere la qualità del prodotto dall’apprendimento individuale? E quale parte del lavoro resta allo studente quando interviene il sistema?
Perché riguarda ScuolArte
ScuolArte è un percorso di progettazione partecipata che, quando le condizioni lo consentono, si conclude in una restituzione pubblica. L’Allegato 4 la descrive come «ambiente formativo situato»: un pubblico da incontrare, tempi da rispettare, spazi da abitare, materiali da predisporre. Nel percorso si distinguono tre contributi. Gli studenti preparano, provano, allestiscono, comunicano e restituiscono, in ruoli organizzativi o artistici accompagnati dai docenti. I docenti leggono le tracce di lavoro, le integrano e le contestualizzano nella programmazione dell’Istituto. Il supporto dell’intelligenza artificiale riguarda l’ipotesi di ordinare e collegare i materiali del Quadro delle esperienze e produrre mappe e bozze da discutere.
Per il confronto sulle attività con gli studenti, proponiamo una sequenza di lavoro: prima una previsione, una bozza o un tentativo dello studente; poi l’interazione con il sistema, con un ruolo delimitato; quindi la verifica su fonti esterne, la revisione motivata, la restituzione ai compagni e una prova finale senza assistenza. È una proposta di Extrascuola da discutere con i docenti, la cui efficacia nel percorso resta da validare. Gli studi citati offrono elementi per questa discussione, ma non verificano la sequenza nel suo insieme. Nella Fase 1 non sono previsti spazi condivisi né profili di accesso per docenti o studenti. Il prodotto della restituzione pubblica e gli elementi con cui i docenti valutano l’apprendimento individuale restano distinti.
Pubblicato il 6 settembre 2026. Si riferisce alla Fase 1 di ScuolArte, settembre-dicembre 2026. Responsabilità editoriale: Extrascuola ETS. Fonti, lette nel testo integrale il 5 settembre 2026: Bastani H., Bastani O., Sungu A., Ge H., Kabakcı Ö., Mariman R., «Generative AI without guardrails can harm learning: Evidence from high school mathematics», PNAS 122(26), 2025; Kestin G., Miller K., Klales A., Milbourne T., Ponti G., «AI tutoring outperforms in-class active learning», Scientific Reports 15, 2025; OCSE, OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, 2026, capitolo 1 e sommario esecutivo; OCSE e Unione europea, Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education, 2026; Vanzo A., Pal Chowdhury S., Sachan M., «GPT-4 as a Homework Tutor Can Improve Student Engagement and Learning Outcomes», Proceedings of ACL 2025; Allegato 4, § 9 «Il valore educativo degli eventi culturali».