L'intelligenza artificiale generativa obbliga le scuole universitarie a rivedere il loro modo di insegnare e di valutare. È la tesi di Dan Schwartz, specialista delle scienze dell'apprendimento, in un'intervista pubblicata il 23 settembre 2026 dall'EPFL (a cura di Cécilia Carron). Per lui la posta in gioco va oltre la questione se autorizzare o meno questi strumenti in aula: si tratta di ridefinire che cosa le studentesse e gli studenti devono realmente imparare.
Professore di tecnologie educative alla Stanford Graduate School of Education e direttore dello Stanford Accelerator for Learning, il ricercatore si trovava in Svizzera all'inizio di settembre per il lancio di CLUE, il nuovo centro comune dell'EPFL e dell'ETH di Zurigo dedicato alle scienze dell'apprendimento. Una precisazione utile: si tratta di un'intervista, non della presentazione di uno studio. Le affermazioni riportate sono analisi e spunti di uno specialista, non risultati sperimentali pubblicati.
Uno scarto tra studenti e docenti
Dan Schwartz ricorda che nel V secolo a.C. Socrate temeva già che la scrittura distruggesse la memoria delle persone e la loro capacità di distinguere il vero dal falso. Oggi osserva diversi atteggiamenti nelle scuole universitarie: docenti che introducono l'IA nei loro corsi dopo averla adottata nelle loro ricerche, alcuni che sviluppano strumenti specifici per la loro disciplina (per esempio uno strumento che confronta il video di un chirurgo alle prime armi con quello di un esperto per individuare le differenze tra i loro gesti), altri che cercano soprattutto di impedire di copiare e infine quelli che rifiutano l'IA in blocco.
Secondo lui, la difficoltà sta nel fatto che «gli strumenti di IA sono particolarmente efficaci nello svolgere il tipo di compiti che tradizionalmente assegniamo agli studenti». Da qui uno scarto: per certi compiti di apprendimento sono in vantaggio gli studenti; per la ricerca e i problemi complessi, il corpo docente.
Misurare la capacità di imparare
Sulla valutazione la sua posizione è netta: dato che gli studenti useranno questi strumenti nella loro vita professionale, «perché non lasciarglieli usare anche durante l'esame finale e rivedere il modo di valutare?» Fa il parallelo con i dibattiti sulla calcolatrice, che già ponevano la questione di che cosa un allievo debba assolutamente saper fare da solo.
Distingue due obiettivi: misurare la padronanza di un contenuto insegnato, oppure misurare la capacità di imparare ciò che verrà dopo. Per il secondo abbozza una pista: una valutazione che osservi come una persona impara mentre risolve un problema. Un'IA potrebbe accorgersi che ripete continuamente una strategia che non funziona e osservare se riesce a provarne una nuova. È una prospettiva, formulata al condizionale, e non un dispositivo esistente.
Che cosa bisogna ancora sapere
«Bisogna sapere abbastanza cose per poter interpretare ciò che produce», sottolinea Dan Schwartz. Alcune conoscenze devono diventare automatiche, come capire una parola durante la lettura. Altre, come la proporzionalità o le percentuali in matematica, sono concetti fondamentali da comprendere a fondo. Per contro, una procedura senza un concetto fondamentale alle spalle potrebbe, secondo lui, essere affidata all'IA.
Corsi da riprogettare
«Siamo ancora in piena fase di sperimentazione», riconosce il ricercatore. Ciò che gli interessa sono le situazioni in cui l'IA aiuta l'essere umano anziché prenderne il posto. In una lezione ex cathedra l'IA può prendere appunti, cosa che giudica poco interessante. Durante un lavoro in piccoli gruppi, invece, un sistema potrebbe notare che una persona monopolizza la parola e suggerire che un altro studente ponga una domanda, oppure sostenere i docenti alle prime armi. Forme di collaborazione che definisce «promettenti», senza presentarle come già in uso.
Quanto al rischio che gli studenti pongano tutte le loro domande all'IA, lo ridimensiona. Ma «se l'intero corso è concepito in modo tale che le risposte dell'IA bastino sistematicamente, allora probabilmente c'è un problema nella progettazione del corso». Ammette che ripensare un corso rappresenta un'enorme mole di lavoro, pur ritenendo che a un certo punto continuare esattamente come prima non funzionerà più.
Adattarsi e includere
Per preparare gli studenti a un mondo che cambia rapidamente, Dan Schwartz indica una difficoltà sottovalutata: riconoscere che una situazione richiede di imparare qualcosa di nuovo. Sostiene un atteggiamento di apertura di fronte alla novità, strategie per dare senso a nuove informazioni e una base di conoscenze sufficientemente solida. Cita anche un insegnante di inglese, con un familiare sordo, che grazie all'IA ha creato uno strumento capace di leggere un testo e di generare un personaggio che usa la lingua dei segni, un prodotto troppo specifico per interessare una grande azienda.
CLUE, il quadro svizzero
CLUE (Joint Center for Research on Learning, Understanding and Education) è stato lanciato ufficialmente il 10 settembre a Berna. Ospitato all'EPFL dal Centro di scienze dell'apprendimento (LEARN), creato nel 2018, mira a sviluppare una ricerca multidisciplinare sull'apprendimento umano, a formare una nuova generazione di specialisti e ad avvicinare la ricerca alle pratiche sul campo. L'intelligenza artificiale figura tra i suoi temi, in particolare con l'iniziativa RAISE (Responsible AI for Swiss Education). Il centro prevede anche di lavorare sulla formazione continua delle e degli insegnanti. Si tratta, per ora, di obiettivi annunciati.
