Imparare ad allenare l'IA a Scuola

Negli ultimi anni l’Intelligenza Artificiale (IA) e, in particolare, l’apprendimento automatico (in inglese Machine Learning, ML) sono diventati parte integrante della vita quotidiana. Strumenti sempre più accessibili permettono a chiunque di entrare in contatto con queste tecnologie, comprese bambine, bambini e adolescenti, che spesso ne sono fortemente attratti.
Questa diffusione rappresenta un’enorme opportunità educativa, ma anche una possibile criticità se l’IA viene utilizzata senza comprenderne i meccanismi, i limiti e le implicazioni.

Promuovere una comprensione consapevole dell’IA non è solo una buona pratica didattica: è un vero e proprio diritto delle persone minorenni, come sottolineato da numerosi report internazionali, tra cui il recente Guidance on AI and children dell’UNICEF (https://www.unicef.org/innocenti/reports/policy-guidance-ai-children) . Comprendere come funzionano questi sistemi è fondamentale per poterli usare in modo critico, senza esserne inconsapevolmente influenzati o controllati.

IA e Machine Learning: fare chiarezza sui concetti

Uno dei primi nodi da sciogliere riguarda la distinzione tra Intelligenza Artificiale e apprendimento automatico. Spesso i due termini vengono usati come sinonimi, ma non lo sono: esistono sistemi di IA che utilizzano tecniche diverse da quelle del machine learning.

Comprendere il machine learning significa familiarizzare con alcuni processi fondamentali: la fase di addestramento, in cui il sistema impara a partire dai dati, e la fase di utilizzo del modello, in cui quanto appreso viene applicato a nuovi casi. Strumenti interattivi come Teachable Machine rendono questi passaggi osservabili e sperimentabili, aiutando studenti e docenti a capire la logica con cui funzionano questi sistemi.

Confrontare il paradigma dell’apprendimento automatico con quello tradizionale (basato sulla progettazione di algoritmi e programmi secondo il modello di Von Neumann) è essenziale per capire come sta cambiando il nostro modo di progettare, usare e interpretare i sistemi digitali, come evidenziato dalle riflessioni sulla Computational Thinking 2.0 di Matti Tedre 8https://static.raspberrypi.org/files/curriculum/quickreads/21-Pedagogy_Summary_Computational_Thinking_2_2025.pdf) 

l ruolo centrale dei dati

Un altro aspetto cruciale riguarda i dati. Nei sistemi di IA, qualità, quantità e rappresentatività dei dati influenzano direttamente il comportamento del sistema. Errori, bias e distorsioni non sono “incidenti tecnici”, ma conseguenze dirette delle scelte fatte nella raccolta e nell’uso delle informazioni.

Rendere visibile questo legame è fondamentale dal punto di vista educativo: aiuta a sviluppare senso critico, responsabilità e capacità di valutare l’affidabilità delle tecnologie che utilizziamo ogni giorno.

Perché l’approccio unplugged è così efficace

Accanto agli strumenti digitali, un ruolo centrale è svolto dalle attività unplugged, progettate senza l’uso di software. L’obiettivo non è semplificare, ma rendere accessibili concetti complessi attraverso il ragionamento, la discussione e il confronto.

Queste attività allenano non solo il pensiero funzionale necessario per comprendere IA e ML, ma anche competenze più ampie: prendere decisioni, valutare alternative, riflettere sugli errori e sui successi. In particolare, l’approccio unplugged si rivela un potente complemento agli strumenti interattivi, perché consente di analizzare, ad esempio, le ragioni per cui un sistema di classificazione funziona o fallisce, migliorando la comprensione della fase di addestramento.

Dalla ricerca alla classe

Le risorse didattiche qui descritte nascono da una collaborazione interdisciplinare tra informatica e psicologia, all’interno di progetti di ricerca sviluppati presso l’Università di Torino e finanziati dalla Compagnia di San Paolo. Le attività progettate e sperimentate sono state raccolte in una piattaforma online basata su Moodle, pensata per supportare docenti e formatori nell’utilizzo concreto dei materiali in classe.

L’obiettivo non è fornire “lezioni sull’IA”, ma strumenti per costruire percorsi educativi che aiutino studenti e studentesse a comprendere come funzionano queste tecnologie, a riconoscerne i limiti e a usarle in modo consapevole.

Educare all’IA per educare alla cittadinanza

In definitiva, parlare di Intelligenza Artificiale a scuola non significa anticipare contenuti universitari, ma lavorare su competenze fondamentali per la cittadinanza contemporanea. Comprendere l’IA significa imparare a leggere il mondo digitale in cui siamo immersi, sviluppare pensiero critico e costruire un rapporto più equilibrato con le tecnologie.

Un’educazione all’IA che parte dalla consapevolezza, passa dalla comprensione dei meccanismi e si traduce in scelte responsabili.

Per approfondire

Empowering AI  - https://empai.di.unito.it/.  Un sito dove trovare il materiale per replicare le attività sviluppate nel progetto, informazioni utili sull'Intelligenza Artificiale e sulle abilità coinvolte nel suo apprendimento e attività sull'informatica

Syllabus Certificazione EPICT "Intelligenza artificiale cnversazionale". Consulta il syllabus della Certificazione EPICT "Lezioni inclusive" per conoscere le competenze necessarie a svolgere in qualità una attività con l'Intelligenza Artificiale →https://epict.unige.it/IAConversazionale

Nella Comunità AssoEPICT - Per i membri della Community AssoEPICT materiali e registrazione del webinar del 26 gennaio 2026  COMUNITA' > WEBINAR