Sperimentazione MIM dell’IA e dispersione scolastica: una traiettoria inadeguata

Riceviamo e volentieri pubblichiamo questo interessante contributo del prof. Domenico Trovato.

Sperimentazione MIM dell’IA e dispersione scolastica: una traiettoria inadeguata 

Domenico Trovato

 

Breve storia di un progetto <pilota> La sperimentazione biennale (aa. ss. 2024-26) dell’IA nelle Scuole di I^ e II^ grado, annunciata a settembre 2024 dal Ministro al Forum Ambrosetti di Cernobbio¹, poi confermata nel mese di ottobre a Roma in un incontro all’USR Lazio, è stata giustificata dal fatto che «la personalizzazione della didattica è un elemento centrale dell’azione del Governo in materia di istruzione»². Coinvolgimento iniziale di 15 Istituti di quattro Regioni, Lombardia, Toscana, Lazio e Calabria, target gli studenti di classe seconda della Secondaria I e di prima e quarta della Secondaria II. Valutazione finale affidata all’INVALSI e, in caso di esiti positivi, progetto esteso a tutte le scuole dal 2026.³ Presentazione da parte del Ministro dei primi risultati a Napoli, al Summit interna-zionale sull’intelligenza artificiale: Next Gen AI, nel mese di ottobre 2025. Finalità e dispositivi in campo Tra le altre finalità, oltre alla <personalizzazione>, vengono richiamati: a. il contrasto alla dispersione scolastica; b. la valutazione dell’efficacia degli assistenti virtuali integrati IA nel migliorare le performance degli studenti. A tal fine ogni classe coinvolta nella sperimentazione sarà affiancata da una classe “placebo” non target; c. il supporto alla riduzione del gender gap nelle materie scientifiche (STEAM) e nella Lingua Straniera; d. l’attivazione, con modalità tutoriali, sia di corsi di sostegno che di percorsi di potenziamento; e. l’intento di rendere più attrattivo l’insegnamento per le nuove generazioni. A livello operativo il progetto ha fruito della regia del prof. P. Branchini, fisico presso l’Istituto nazionale di fisica nucleare (Infn), ha avuto un suo sito IMPAR-AI, https://imparai.notion.site/, si è ispirato ad uno studio sperimentale di B. S. Bloom, 1984 sull’impatto positivo di assistenti umani a sostegno degli studenti, si è avvalso della tecnologia Google Workspace. I docenti, tramite appositi software, hanno potuto creare test sulla base del materiale scolastico, che poi l’IA ha letto per etichettare la materia e collegare i temi della prova ai contenuti di studio.⁴ Una volta consegnata la prova, il sistema ha raccolto i dati sulle domande che creano più difficoltà e le ha girate agli insegnanti. A quel punto l’impegno dei docenti è stato quello di personalizzare la didattica, suggerendo esercizi di ripasso per gli studenti in situazione di underachievement/sottorendi-mento e di potenziamento per i soggetti con buone prestazioni. La sperimentazione, come ha ribadito il prof. Branchini, non essendoci al momento evidenze dirette con assistenti basati su AI, è servita a chiarire se funziona, ma anche con quali limiti. All’INVALSI il compito di monitorare e valutare l’efficacia dell’esperimento, analizzando i pro- gressi delle classi dotate di assistenti virtuali rispetto a quelle tradizionali. Per l’utenza, famiglie, alunni, docenti, nessun costo. L’iniziale stanziamento ministeriale (non reso noto) è sta- to incrementato con un fondo aggiuntivo di 30 mln per sviluppare applicazioni IA dedicate a studentesse e studenti con disabilità visive e uditive.

Dati, risultati, valutazioni Al già citato Summit di Napoli il Ministro ha comunicato i primi dati della sperimentazione, esito di una valutazione comparata basata su prove comuni, parallele e voti finali. Tali dati evidenziano un impatto sostanzialmente positivo: le classi sperimentali registrano una media generale finale superiore rispetto alle classi di controllo e si rileva una media di 7.93 per le classi target contro 6.90 per le classi di controllo. Un altro importante risultato è l’azzeramento del tasso di non ammissione proprio nelle classi sperimentali, rispetto ad un 16% delle classi di controllo. La sperimentazione inoltre rileva una ricaduta positiva sugli alunni con bisogni educativi speciali o con disturbi nell’apprendimento. Rilevazioni critiche Rispetto alle accattivanti argomentazioni ministeriali, sono state però avanzate delle riserve e manifestati degli interrogativi, che possiamo così riassumere: a. i risultati si riferiscono soltanto a quattro classi di un Istituto Tecnico, indirizzi Grafico e Turistico, divise in classi sperimentali e non sperimentali, numericamente non della stessa dimensione: quelle che sperimentano l’IA nella didattica sono meno numerose (17 alunni/e vs 25;15 alun- ni/e vs 19); b. in una non emerge alcuna differenza tra gli studenti che sperimentano il percorso progettuale e quelli che non lo sperimentano. Nell’altra classe, quella scelta dal Ministro per la sua citazione al Summit, si registra uno scarto di circa mezzo punto tra le “medie generali dei voti finali”: da 6,90 per la classe non sperimentale a 7, 63 nell’altra, per effetto dell’IA. Un altro dato di parti-colare interesse è l’azzeramento del tasso di non ammissione (bocciature) nelle classi sperimen- tali, laddove nelle classi di controllo permane un 16% di non ammissione; c. si può dedurre che il Ministro, considerando il campione così limitato e la presentazione selettiva dei dati numerici, ha voluto fornire una narrazione “rassicurante”?⁵ d. non sarebbe stato oltremodo opportuno far conoscere la mappa completa di questi monito-raggi intermedi? e. perché annunciare, sulla base di questi parziali esiti, un’altra fase della sperimentazione da realizzarsi nelle scuole della Campania, coinvolgendo almeno 10mila studenti in condizione di ”fragilità scolastica” ? IA, dispersione scolastica e politiche educative Senza volere, in questa sede, addentrarci nel dibattito sulla valenza formativa dell’introduzione dell’IA nelle pratiche educativo-didattiche⁶, vogliamo soltanto sviluppare alcune annotazioni circa la riproposta correlazione tra specifici “costrutti” formativi e dispersione scolastica, in questo caso il riferimento è all’IA. E’ un leitmotiv ricorrente nelle direttive/guide ministeriali, quasi a voler segnalare che la problematica degli <abbandoni> e in ogni caso degli studenti con un irregolare percorso scolastico, rientra tra le priorità dei decisori politici. Così in questi anni si sono moltiplicati gli interventi di contrasto al fenomeno, con strategie a diversi livelli orientate: ai processi di insegnamento- apprendimento, alle modalità di recupero-potenziamento delle competenze di base, ai Team per la prevenzione, ai percorsi personalizzati di mentoring e tutoring, al progetto Invalsi per gli studenti “fragili”, ai piani formativi mirati per il personale, alle misure integrate tra apprendimenti e contesti socio-ambientali (vds. le Agende SUD, dal 2023 e NORD, dal 2024, sui divari territoriali), etc. Queste azioni hanno prodotto una riduzione della <dispersione esplicita>, con un tasso di abbandoni precoci del 9,8%  (Rapporto Invalsi 2025, dati Eurostat) seppur con inquietanti divari territoriali NORD-SUD, mentre risulta ancora preoccupante la <dispersione implicita> (8,7%, dati Invalsi 2024)⁷. All’interno di siffatti scenari si spiegano le ultime due mosse del MIM indirizza- te ad un uso “strumentale” dell’orientamento (2024) ⁸e dell’IA (2025) contro la dispersione scola- stica, scelta che non è stata accolta con unanime consenso. Infatti a)per l’orientamento si vedano le soluzioni alternative proposte dalla S.I.O. con Pitzalis, Nota, Soresi e La.R.I.O.S. UNIPD, 2025, le datate ma valide analisi sul campo di M. Romito (2014, 2016), l’analisi di S. Giusti (2024, p.89) “… molto rischiosa sul piano culturale e educativo, è l’associazione che le Linee guida del 2009 opera-no tra dispersione – insuccesso scolastico e orientamento⁹, come se quest’ultimo fosse un rimedio, un tampone o una soluzione a un problema tra i più complessi e radicati della scuola italiana, che dovrebbe essere affrontato con riforme di sistema e investimenti cospicui”; b)per l’IA le osserva-zioni critiche di R. Latempa (ROARS, 2025) che riporta le recenti tesi di D. Tafani, 2025, di B. Wil- liamson, 2024 e di un gruppo di ricercatori di Microsoft e della Carnegie Mellon University, 2025, sui rischi di questa “operazione”: è sostenibile che un tutor virtuale sorvegli e memorizzi i progres-si degli studenti, mentre il lavoro dell’insegnante viene progressivamente alienato e monitorato ? è affidabile la figura di “un compagno immaginario”, oppure può creare dipendenza ?¹⁰ A corollario non possiamo tralasciare il fatto che gli studi più accreditati sul fenomeno della di-spersione e sugli “antidoti” per contrastarlo¹¹, convergono su due polarità: 1. senza derubricarne la multifattorialità, le cause sempre più vanno ricercate nei processi distorsivi che maturano ne- gli ambienti scolastici e nelle realtà socio-familiari; 2. senza escludere la co-progettazione tra Scuola e altre Agenzie formative, è indispensabile che intervenga un forte ripensamento (auto-valutazione come veicolo per il miglioramento) del curricolo implicito, cioè dei reali “meccanismi” che governano il “fare scuola”, al di là delle formule “liturgiche” adottate in ossequio alla buro-pedagogia ministeriale.

Note