L’Intelligenza Artificiale come leva per l’innovazione pedagogica

L’introduzione dell’Intelligenza Artificiale nel contesto scolastico apre scenari ricchi di opportunità ma, allo stesso tempo, solleva importanti interrogativi di natura pedagogica e didattica. La sua crescente diffusione rende infatti imprescindibile una riflessione critica sulle modalità della sua integrazione nei processi educativi. Senza un orientamento pedagogico consapevole, vi è infatti il rischio che l’IA, anziché configurarsi come strumento a supporto del pensiero, assuma una funzione sostitutiva, compromettendo quindi le attività di elaborazione critica e riflessiva che costituiscono il fondamento dell’apprendimento autentico. Per prevenire tali rischi, è essenziale promuovere un uso intenzionale dell’IA, integrandola con metodologie didattiche in grado di favorire un apprendimento efficace, personalizzato e inclusivo. In questa prospettiva, la metacognizione si configura come un dispositivo strategico, poiché favorisce negli studenti la capacità di osservare, comprendere e regolare i propri meccanismi di pensiero in funzione degli obiettivi formativi.

Partendo da tali premesse, l’IA può diventare un prezioso alleato per sostenere pratiche riflessive, ad esempio attraverso la generazione di feedback personalizzati, che consentano di stimolare l’autoriflessione, l’analisi critica delle strategie adottate e, di conseguenza, una maggiore consapevolezza del percorso cognitivo. Lungi dal fornire risposte da accettare passivamente, l’IA può così contribuire allo sviluppo del pensiero critico e rafforzare l’autonomia intellettuale.

Il modello didattico qui proposto integra l’Intelligenza Artificiale all’interno di una cornice teorica centrata sulla metacognizione. Tale modello coniuga, infatti, i principi del Making Learning and Thinking Visible (MLTV) con le evidenze del Visible Learning, promuovendo un uso formativo dell’IA orientato non alla delega cognitiva, ma alla costruzione consapevole del pensiero, in coerenza con una pedagogia attiva che pone lo studente al centro dell’esperienza di apprendimento.

Rendere visibile il pensiero: MLTV  e Visible thinking

Il framework Making Learning and Thinking Visible (MLTV)¹, sviluppato da “Project Zero” in collaborazione con INDIRE, si configura come un modello pedagogico finalizzato a rendere osservabili e condivisibili i processi cognitivi degli studenti, promuovendo una didattica improntata alla riflessione, alla partecipazione attiva e alla costruzione consapevole della conoscenza. Al centro di questa metodologia, vi è la dimensione metacognitiva, intesa come capacità dei discenti di monitorare, regolare e valutare in modo critico le proprie strategie di apprendimento. Elemento fondante del MLTV è l’impiego sistematico di Thinking Routines², attività strutturate che guidano gli studenti nell’esplicitazione delle proprie idee, nel confronto argomentato tra pari e nella comprensione profonda dei contenuti disciplinari. Tali routines, se integrate con strumenti basati sull’Intelligenza Artificiale, possono trasformarsi in potenti occasioni per esercitare autonomia intellettuale, sviluppare la capacità di porsi domande significative e verificare le proprie ipotesi in tempo reale. Un ulteriore aspetto qualificante del MLTV è la centralità attribuita alla documentazione dei processi di apprendimento, intesa come pratica riflessiva orientata a rendere visibile il percorso cognitivo dell’allievo. La documentazione consente allo studente di riconoscere i propri progressi, individuare strategie efficaci e consolidare un approccio orientato al miglioramento continuo. 

Complementare a tale approccio è il Visible Learning³ di John Hattie, una delle più vaste e rigorose sintesi di ricerca empirica condotte in ambito educativo. Questo modello evidenzia, attraverso la misura dell’effect size⁴, i fattori che esercitano il maggiore impatto sull’apprendimento, tra cui l’autovalutazione, il feedback mirato, le strategie metacognitive. Secondo questa teoria, l’efficacia del processo di apprendimento risulta significativamente potenziata nel momento in cui gli studenti acquisiscono consapevolezza, non solo dei contenuti appresi, ma anche delle modalità attraverso cui giungono alla conoscenza.

L’integrazione tra il framework MLTV e le evidenze raccolte nel Visible Learning consente di costruire un ambiente didattico intenzionalmente orientato alla riflessione, in cui l’Intelligenza Artificiale non sostituisce il pensiero umano, ma lo accompagna, lo stimola e lo rende più visibile. In questa prospettiva, l’IA assume una funzione autenticamente maieutica: non fornisce risposte da accettare passivamente, ma contribuisce a formulare domande pertinenti, a rafforzare argomentazioni e a consolidare un rapporto più consapevole e critico con la conoscenza.

Dal pensiero all’azione: un percorso educativo guidato dall’IA

La proposta operativa qui delineata si inserisce nell’ambito di un percorso di Educazione civica, rivolto a una classe seconda della scuola secondaria di secondo grado. Il tema scelto, “Algoritmi e democrazia: chi decide davvero?”, intende sollecitare negli studenti una riflessione critica sul rapporto tra tecnologie digitali e cittadinanza attiva. L’intervento si articola in una sequenza didattica strutturata, che accompagna progressivamente gli studenti nell’esplorazione e nella rielaborazione critica del tema affrontato. 

Dopo l’introduzione dell’attività da parte del docente, gli studenti attivano le proprie conoscenze attraverso la thinking routine “See, Think, Wonder”⁵ e, successivamente, approfondiscono l’argomento confrontando le proprie ipotesi con le risposte fornite dal chatbot. Il percorso prosegue con una fase di condivisione e confronto tra pari e si conclude con un’attività individuale di riflessione metacognitiva. Quanto segue offre una descrizione sistematica e dettagliata delle singole fasi.

Fase 1 – Introdurre il problema e il contesto

L’attività prende avvio con l’esplicitazione del tema “Algoritmi e democrazia: chi decide davvero?”, proposto come problema aperto ad alto potenziale euristico, volto a stimolare la motivazione degli studenti e a promuovere la formulazione di domande autentiche, ipotesi interpretative e riflessioni critiche. Il docente introduce il contesto tematico attraverso riferimenti a situazioni concrete, quali la personalizzazione algoritmica dei contenuti online, l’influenza dei social media nell’orientamento delle opinioni pubbliche, i meccanismi di profilazione automatica. Lo scopo è quello di attivare negli studenti un primo livello di consapevolezza rispetto all’impatto dei sistemi intelligenti sulla partecipazione democratica e sull’autonomia decisionale dei cittadini.

Successivamente, presenta il chatbot, illustrando i principi di base per un’interazione consapevole, fornendo quindi indicazioni operative per la costruzione di prompt efficaci, in grado di attivare risposte pertinenti e funzionali al processo di esplorazione e rielaborazione critica delle idee. 

Infine, suddivide la classe in gruppi di lavoro.

Fase 2 – Esplorare e interrogarsi attraverso la thinking routine “See, Think, Wonder”

Il docente propone la thinking routine “See, think, wonder”, allo scopo di stimolare le conoscenze pregresse dei discenti e di introdurre il tema trattato. A partire dalla visione di un’immagine stimolo, gli studenti, divisi in gruppi, condividono le proprie osservazioni secondo tre livelli distinti: una descrizione oggettiva del contenuto visualizzato (See); la formulazione di inferenze e interpretazioni personali (Think); l’elaborazione di domande aperte (Wonder).

La routine consente di rendere visibile il pensiero degli studenti, valorizzando la pluralità dei punti di vista e promuovendo una prima consapevolezza critica rispetto al tema in esame. I dati raccolti durante questa fase costituiscono la base su cui si inserisce, nella fase successiva, l’interazione guidata con il chatbot⁶.

Fase 3 – Confrontare idee: l’IA come stimolo per l’elaborazione del pensiero

A partire dalle domande emerse nella fase precedente, gli studenti vengono guidati a riformulare tali interrogativi in forma di prompt. L’obiettivo non è quello di ottenere risposte “corrette” o definitive, bensì di utilizzare l’IA come strumento dialogico, capace di sollecitare un confronto tra le interpretazioni degli studenti e le risposte del sistema intelligente. A tal fine, il docente fornisce una griglia di modelli di prompt, che gli studenti possono personalizzare, adattandoli ai propri interrogativi. Di seguito, si condividono alcuni esempi, in relazione alle principali tematiche emerse.

Anche l’interazione con l’IA si svolge in modalità collaborativa, così da incentivare la discussione tra pari e l’analisi condivisa delle risposte ricevute. Gli studenti confrontano i propri ragionamenti con quelli generati dal chatbot, valutandone la pertinenza, l’affidabilità e discutendone eventuali limiti.

Fase 4 – Dare voce alle idee: discutere, rivedere, comprendere insieme

A questo punto, i gruppi sono invitati a condividere e presentare gli esiti dell’interazione con l’Intelligenza Artificiale, mettendo in evidenza non soltanto i contenuti appresi, ma soprattutto i cambiamenti intervenuti riguardo le loro idee iniziali. Il focus quindi non viene posto sulle risposte fornite dal chatbot, ma sulla consapevolezza maturata dagli studenti nel corso del confronto tra le proprie ipotesi e quelle generate dal sistema. Il docente assume il ruolo di facilitatore della riflessione, ponendo domande orientate a rendere espliciti i processi cognitivi e metacognitivi attivati durante il processo di revisione.

Attraverso la condivisione, gli studenti sono messi nella condizione di confrontarsi con i diversi approcci adottati dai compagni, di riconoscere la pluralità dei punti di vista e di consolidare una forma di apprendimento riflessivo, collaborativo e dialogico. La dimensione metariflessiva dell’attività, inoltre, contribuisce a sviluppare un atteggiamento critico e consapevole nei confronti delle tecnologie innovative, promuovendo competenze di cittadinanza digitale.

Fase 5 – Consolidare l’esperienza: riflessione guidata e restituzione metacognitiva

A conclusione del laboratorio, i discenti sono invitati a sistematizzare e documentare gli elementi emersi attraverso una scheda metacognitiva. Ciascuno studente viene quindi invitato a soffermarsi sul proprio vissuto, ricostruendo in modo personale le trasformazioni avvenute nel proprio pensiero e le strategie attivate per affrontare la tematica proposta. A titolo esemplificativo, si riportano alcune domande che possono guidare la riflessione.

I materiali prodotti costituiscono una documentazione autentica del processo di apprendimento, utile non solo ai fini della valutazione formativa, ma anche per l’analisi dei bisogni educativi futuri e la progettazione di interventi mirati. 

Obiettivi formativi tra cittadinanza digitale, metacognizione e interazione con l’IA

Il presente percorso didattico mira a promuovere negli studenti una consapevolezza articolata su tre livelli: la comprensione critica delle logiche che governano gli algoritmi e il loro impatto sulla partecipazione democratica; la capacità di riflettere sul proprio modo di pensare e apprendere, in coerenza con la competenza “imparare a imparare”⁷; lo sviluppo di competenze digitali accompagnate da una solida coscienza critica ed etica nell’uso dell’Intelligenza Artificiale. In relazione a questi tre livelli, il percorso didattico si propone di:

• sviluppare competenze di cittadinanza digitale, attraverso l’analisi critica del rapporto tra algoritmi, informazione e autonomia decisionale nei contesti digitali contemporanei;
• promuovere l’attivazione di processi metacognitivi, sostenendo gli studenti nella riflessione sulle proprie strategie di comprensione, valutazione e rielaborazione dei contenuti;
• rafforzare la capacità di interagire in modo consapevole con strumenti basati su Intelligenza Artificiale, affinando competenze di prompting e abilità di interpretazione critica degli output.

Tecnologie a supporto della metacognizione

Il laboratorio si è avvalso di una selezione mirata di strumenti digitali, scelti per la loro coerenza con gli obiettivi formativi, la facilità d’uso in ambiente scolastico e il potenziale nel sostenere la riflessione, la collaborazione e la documentazione dei processi cognitivi. Tali strumenti sono di seguito illustrati.

• Chatbot – L’impiego di chatbot conversazionali basati su modelli linguistici di grandi dimensioni (LLM), quali ChatGPT⁸, Gemini⁹, Copilot¹⁰, Perplexity¹¹, Claude¹² o altri strumenti analoghi, rappresenta il nucleo dell’interazione metacognitiva. Questo tool viene, infatti, impiegato come assistente virtuale in grado di offrire spiegazioni, suggerimenti, chiarimenti e feedback personalizzati.
• Padlet – L’utilizzo di questa bacheca digitale collaborativa consente la condivisione strutturata dei materiali predisposti dal docente, la documentazione delle osservazioni emerse durante la routine “See, Think, Wonder”, la sistematizzazione delle interazioni con l’IA, la rielaborazione collettiva delle riflessioni maturate nella fase di debriefing. Questo strumento favorisce lo sviluppo di pratiche didattiche orientate alla partecipazione attiva, alla co-costruzione del sapere e alla visualizzazione dei processi cognitivi. Il docente cura l’organizzazione dei contenuti, monitorando le interazioni e guidando gli studenti nella lettura critica e riflessiva dei materiali condivisi.
• Google Moduli – Utilizzato per la compilazione delle schede metacognitive in formato digitale, consente una raccolta ordinata e immediata delle risposte, che possono essere esportate dal docente per un’analisi qualitativa dei risultati.
• Digital board – Facilita la visualizzazione collettiva dei contenuti, permettendo al docente di condurre discussioni plenarie e valorizzare il confronto tra pari.

Costruire una cultura educativa dell’IA: metacognizione, etica e inclusione

L’integrazione dell’Intelligenza Artificiale nella didattica, quando orientata da una solida visione pedagogica, rappresenta un’opportunità per ripensare in profondità il concetto stesso di apprendimento. L’IA può contribuire a migliorare la qualità dell’esperienza educativa, stimolando il pensiero critico, promuovendo il dialogo tra prospettive differenti e rendendo il processo formativo più dinamico, partecipato e significativo. In questo scenario, la metacognizione riveste un ruolo strategico: guidare gli studenti nella riflessione sui propri processi cognitivi, nell’individuazione delle strategie adottate e nella valutazione della loro efficacia, li aiuta a sviluppare maggiore autonomia e consapevolezza. Questa consapevolezza costituisce la base per la costruzione di percorsi personalizzati e inclusivi, in grado di rispondere in modo efficace alla pluralità dei bisogni educativi.

L’utilizzo dell’Intelligenza Artificiale a scuola favorisce, inoltre, lo sviluppo di competenze di cittadinanza digitale,  promuovendo negli studenti un atteggiamento etico e responsabile nell’interazione con le tecnologie emergenti. Attraverso attività di prompting strutturato e l’analisi critica degli output generati, gli studenti imparano a formulare richieste efficaci, a interpretare le risposte e a valutarne l’affidabilità, maturando un atteggiamento critico e consapevole, in linea con i principali framework internazionali¹³.

1. Ritchhart, R., Church, M., & Morrison, K. (2011). Making thinking visible: How to promote engagement, understanding, and independence for all learners. Jossey-Bass. ↩︎
2.  Per una disamina delle differenti tipologie di Thinking routines, si veda il sito: https://pz.harvard.edu/thinking-routines ↩︎
3.  Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge. (Trad. it. Apprendimento visibile, insegnamento efficace. Erickson, 2016). ↩︎
4.  L’effect size è un indicatore utilizzato per misurare quanto un intervento educativo incide sull’apprendimento degli studenti. Serve per capire, ad esempio, se una certa strategia didattica produce davvero un miglioramento rispetto a un’altra o rispetto all’assenza di intervento. Più il valore è alto, maggiore è l’efficacia osservata. Secondo John Hattie, un effect size superiore a 0,40 indica un impatto significativo sull’apprendimento. ↩︎
5.  Per conoscere in modo più approfondito la Thinking routine “See, Think, Wonder”, si veda la scheda presente sul sito: https://pz.harvard.edu/resources/see-think-wonder ↩︎
6.  La scelta del chatbot dipende da una serie di fattori, primo tra tutti la necessità di garantire il rispetto della privacy dei dati degli studenti. Saranno pertanto privilegiati strumenti che non richiedano l’accesso tramite account personale. ↩︎
7. Commissione Europea. (2018). Raccomandazione del Consiglio del 22 maggio 2018 relativa alle competenze chiave per l’apprendimento permanente (2018/C 189/01). Gazzetta ufficiale dell’Unione Europea, C189, 1–13. 
   Disponibile in https://eur-lex.europa.eu/legal-content/IT/TXT/PDF/?uri=CELEX:32018H0604(01) ↩︎
8. https://chatgpt.com ↩︎
9. https://gemini.google.com/ ↩︎
10. https://copilot.microsoft.com/ ↩︎
11. https://www.perplexity.ai/ ↩︎
12.  https://claude.ai/ ↩︎
13. Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigComp 2.2: The Digital Competence Framework for Citizens – With new examples of knowledge, skills and attitudes. Publications Office of the European Union. Disponibile in https://repubblicadigitale.gov.it/portale/documents/20122/1011125/DigComp+2.2+Italiano.pdf/b4809226-106d-38ec-4e80-3cb761816fe2?t=1708612135517; Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. Disponibile in https://unesdoc.unesco.org/ark:/48223/pf0000391104; UNESCO (2023). Guidance for generative AI in education and research. Disponibile in https://unesdoc.unesco.org/ark:/48223/pf0000386457 ↩︎

Già pubblicato su https://www.rivistabricks.it/wp-content/uploads/2025/06/BRICKS_5_2025_10_Corvatta.pdf