Tutor AI in classe: progettare l’apprendimento per fasi con l’intelligenza artificiale

L’Intelligenza Artificiale come tutor per imparare a studiare

Introduzione: un nuovo alleato per l’apprendimento autonomo

L’inserimento dell’intelligenza artificiale (IA) nei processi educativi sta trasformando radicalmente il modo in cui gli studenti apprendono, organizzano il sapere e costruiscono il proprio metodo di studio (Calvani, Sancassani & Vivanet, 2024). In particolare, i modelli linguistici generativi (LLM), come ChatGPT, Claude o Gemini, stanno emergendo come potenziali tutor personalizzati, capaci di adattarsi alle esigenze individuali e di accompagnare lo studente nelle varie fasi dell’apprendimento.

Questa innovazione apre scenari affascinanti per la scuola secondaria di secondo grado, dove gli studenti affrontano compiti cognitivamente più complessi e hanno bisogno di sviluppare autonomia, spirito critico e capacità di autoregolazione. L’IA, se ben guidata, può supportarli nel chiarire concetti, organizzare contenuti, esercitarsi in modo personalizzato e perfino riflettere sul proprio modo di imparare (Calvani, Sancassani & Vivanet, 2024).

La visione dell’IA come facilitatore dell’apprendimento personalizzato è rafforzata dal quadro europeo aggiornato delle competenze digitali DigComp 2.2, che include la capacità di interagire in modo critico e consapevole con sistemi intelligenti. Le competenze richieste vanno oltre l’uso strumentale e includono consapevolezza dei limiti, riflessione etica e sviluppo del pensiero critico (Bucci et al., 2024, pp. 60–61).

In quest’ottica, l’intelligenza artificiale non va interpretata come un sostituto dell’insegnamento o un dispensatore automatico di risposte. È piuttosto uno strumento mediatore, capace di offrire stimoli, suggerimenti e feedback, all’interno di un percorso consapevole e progettato in modo strategico (Calvani, Sancassani & Vivanet, 2024). In questo scenario, il ruolo del docente si rafforza: guida gli studenti alla cura dei prompt, all’uso etico degli strumenti e all’esercizio dello spirito critico.

L’apprendimento, come mostrano le neuroscienze cognitive (Kahneman, 2011) e le teorie pedagogiche di matrice costruttivista (Bruner, 1997), non segue un percorso lineare e uniforme. È piuttosto un processo dinamico e ciclico, in cui si alternano fasi di curiosità esplorativa e momenti di riflessione critica. Secondo Kahneman, ciò corrisponde all’alternanza tra Sistema 1 – rapido, intuitivo, associativo – e Sistema 2 – più lento, analitico e riflessivo. L’intelligenza artificiale, se utilizzata consapevolmente, può inserirsi in questo ciclo come alleato strategico, sostenendo in modo attivo e flessibile ogni fase del processo di apprendimento (Calvani, Sancassani & Vivanet, 2024).

Accanto all’utilizzo dei grandi modelli linguistici, sarà utile esplorare anche un ecosistema più ampio di applicazioni didattiche basate su IA. Per ogni tappa del percorso che illustreremo, verrà proposta una tabella sintetica che raccoglie le migliori app educative AI-based selezionate per efficacia, accessibilità e coerenza pedagogica (Calvani, Sancassani & Vivanet, 2024): strumenti come MagicSchool AI, Whimsical, Copilot, Debate Partner e altri, già sperimentati in contesti scolastici.

Nel resto dell’articolo proporremo dunque un percorso di apprendimento in tappe, che mostra come l’IA possa essere usata non solo per ottenere risposte, ma per diventare più consapevoli, autonomi ed efficaci nel proprio studio. Ogni tappa sarà dedicata a una funzione educativa specifica del tutor IA: dall’esplorazione iniziale alla pianificazione, dalla rielaborazione alla produzione, fino alla metacognizione e al consolidamento – accompagnata da una tabella di strumenti consigliati.

Tappa 1 – Esplorare con l’IA: attivare la curiosità e orientarsi in un nuovo sapere

Dalla curiosità alla mappa mentale: l’IA come guida nei primi passi

Ogni processo di apprendimento efficace inizia da una fase esplorativa, in cui lo studente cerca di comprendere “di cosa si parla”, individua elementi noti e ignoti, prova a costruire una prima mappa mentale dell’argomento.
Questa fase è spesso spontanea e intuitiva, attivata da ciò che incuriosisce o colpisce. Secondo il modello dei due sistemi cognitivi di Daniel Kahneman (2011), qui è in azione soprattutto il Sistema 1, il pensiero veloce e associativo.

L’intelligenza artificiale può diventare un potente amplificatore di questa fase iniziale: uno strumento con cui porre domande anche ingenue, vaghe, esplorative, senza il timore del giudizio. L’IA risponde, rilancia, collega. In breve tempo, lo studente passa da un’idea confusa a un primo schema logico.
È un modo per abbattere la soglia di accesso a un argomento nuovo, riducendo il carico cognitivo iniziale e stimolando una forma di apprendimento attivo e coinvolto.

Cosa può fare concretamente l’IA in questa fase?

Rispondere a domande di orientamento:
“Che cos’è…?”, “Perché è importante?”, “Chi lo usa?”, “Dove lo incontro nella vita reale?”
Suggerire parole chiave collegate per una ricerca autonoma.
Proporre esempi, metafore, analogie che facilitano la comprensione iniziale.
Creare una mappa concettuale sintetica o un elenco organizzato dei sottotemi.

Esempi di prompt efficaci

“Non so nulla dell’argomento X. Puoi spiegarmelo in modo semplice come a un liceale?”
“Dammi 5 domande base per orientarmi sull’argomento X.”
“Forniscimi una mappa dei concetti principali legati a X.”
“Quali esempi concreti potrei usare per capire meglio X”

Attenzione: libertà sì, ma entro un tempo definito

Uno dei rischi della fase esplorativa è quello della dispersione: lo studente può perdersi tra le risposte dell’IA o continuare a vagare senza consolidare nulla. Per questo è importante che il docente o il percorso guidato:

indichino un tempo limite per l’esplorazione (es. 1 ora o una lezione),
chiedano una restituzione visiva o scritta (es. mappa, sintesi, diario di bordo),
incoraggino una prima riflessione su cosa è stato appreso e cosa resta da chiarire.

Competenze sviluppate in questa fase

Attivazione della curiosità.
Ricerca autonoma guidata.
Comprensione globale e pre-organizzazione del sapere.
Capacità di porre domande efficaci.

Tappa 2 – Definire obiettivi e pianificare con l’IA: dal desiderio al metodo

Dall’intuizione alla strategia: il passaggio al pensiero analitico

Dopo una prima fase esplorativa, è fondamentale che lo studente impari a definire un obiettivo di apprendimento chiaro, misurabile e realizzabile. Questo passaggio attiva il Sistema 2 del pensiero (Kahneman): più lento, più consapevole, più impegnativo. L’IA, in questa fase, diventa un alleato per aiutare lo studente a tradurre la curiosità in un piano concreto.

Spesso gli studenti, soprattutto quelli in difficoltà, hanno obiettivi vaghi (“voglio capire meglio”, “devo studiare per la verifica”) oppure eccessivamente ambiziosi e ansiogeni (“devo sapere tutto”). L’IA può aiutare a riformulare questi obiettivi in modo funzionale, proporzionato al tempo e al livello di partenza.

Cosa può fare concretamente l’IA in questa fase?

Aiutare a formulare obiettivi chiari e SMART (Specifici, Misurabili, Accessibili, Realistici, Temporizzati).
Suggerire micro-tappe di lavoro, coerenti con il tempo a disposizione.
Creare un piano di studio settimanale o giornaliero, adattato allo stile dello studente.
Proporre esercizi progressivi per monitorare i risultati raggiunti.
Identificare strumenti e risorse adatte al livello dello studente.

Esempi di prompt efficaci

“Ho 10 giorni per studiare l’argomento X. Aiutami a fare un piano di studio realistico.”
“Dividi l’argomento X in 4 micro-obiettivi settimanali.”
“Fammi delle domande per capire se ho chiaro il mio obiettivo di apprendimento.”
“Suggeriscimi un esercizio per verificare se ho raggiunto il mio obiettivo.”

L’importanza del criterio di valutazione personale

Una strategia efficace consiste nel far chiedere all’IA:

“Quale esercizio potrei svolgere per capire se ho davvero imparato l’argomento?”

In questo modo, lo studente inizia a prefigurarsi un criterio di valutazione interna, che lo guiderà nelle fasi successive. È un esercizio di metacognizione in forma implicita: “Come faccio a sapere se ho capito davvero?”

Il ruolo del docente in questa fase

Il docente ha un ruolo fondamentale nel:

monitorare la qualità degli obiettivi fissati, evitando sia il “tutto e subito” che il “non so da dove cominciare”;
validare i piani prodotti con l’IA, incoraggiando eventuali adattamenti;
favorire la condivisione tra pari, per confrontare diverse strategie di studio.

Competenze sviluppate in questa fase

Pianificazione dello studio.
Definizione di obiettivi raggiungibili.
Organizzazione del tempo.
Autovalutazione iniziale e progettazione metacognitiva.

Tappa 3 – Comprendere e rielaborare con l’IA: dal materiale grezzo alla conoscenza attiva

Dalla ricezione alla trasformazione: la rielaborazione come cuore dell’apprendimento

Ascoltare una spiegazione, guardare un video, leggere un manuale… non significa ancora aver appreso. Perché un’informazione diventi conoscenza, deve essere rielaborata, ovvero collegata a ciò che già sappiamo, ristrutturata in una nuova forma, compresa nella sua logica interna.
È qui che l’intelligenza artificiale può svolgere una funzione cruciale: non fornendo direttamente la sintesi, ma accompagnando lo studente nella trasformazione attiva dei contenuti.

La teoria del deep processing proposta da Craik e Lockhart (1972) sottolinea che solo quando elaboriamo in profondità le informazioni – creando schemi, facendo confronti, generando domande – esse vengono realmente comprese e ricordate. In questo senso, l’IA può agire come facilitatore cognitivo, offrendo strumenti, esempi e modelli che lo studente può poi rielaborare autonomamente.

Cosa può fare concretamente l’IA in questa fase?

Aiutare a sintetizzare un testo o una lezione in modo personalizzato (con parole semplici, per punti, in forma schematica).
Generare mappe concettuali o tabelle a partire da appunti o testi lunghi.
Riformulare testi complessi con un linguaggio più accessibile.
Suggerire domande guida o quiz per riflettere sui contenuti.
Integrare materiali diversi (manuali, fonti, appunti) in una struttura coerente.

Esempi di prompt efficaci

“Riassumi questo testo in 5 punti chiave e spiegali con un linguaggio semplice.”
“Crea una mappa concettuale dei concetti contenuti in questo paragrafo.”
“Trasforma questo testo in una tabella comparativa.”
“Scrivi 3 domande a risposta aperta per verificare se ho capito bene questo contenuto.”
“Riformula questo testo con frasi brevi e parole semplici.”

Attenzione: la sintesi automatica non basta

Uno degli errori più frequenti è quello di affidarsi all’IA per ottenere direttamente un riassunto e copiarlo senza riflessione. Questo approccio può portare a una falsa illusione di apprendimento.
È invece fondamentale che lo studente:

confronti la sintesi dell’IA con i propri appunti,
la modifichi, commenti, integri,
la usi per costruire una propria rappresentazione del sapere.

Strategie didattiche utili

Far usare l’IA per generare versioni multiple dello stesso contenuto (es. schema, tabella, mappa) e far scegliere agli studenti quella più adatta al proprio stile cognitivo.
Proporre compiti di trasformazione: “Converti questo paragrafo in uno schema a blocchi”, “Semplifica questo testo per un compagno con DSA”.

Competenze sviluppate in questa fase

Comprensione profonda dei contenuti.
Rielaborazione autonoma.
Traduzione tra codici (testo, schema, tabella).
Pensiero organizzativo e critico.

Tappa 4 – Applicare e risolvere con l’IA: dall’apprendimento teorico all’azione concreta

Il sapere si consolida nel fare

Uno degli snodi critici del processo di apprendimento è il passaggio dalla comprensione teorica all’applicazione concreta delle conoscenze. È in questa fase che gli studenti verificano se hanno davvero interiorizzato concetti e strategie. Applicare significa usare attivamente quanto appreso: per risolvere un problema, svolgere un esercizio, completare un progetto o affrontare una simulazione.

In questa prospettiva, l’IA può svolgere il ruolo di tutor operativo, aiutando lo studente a scomporre un compito complesso, a individuare errori ricorrenti, a simulare situazioni realistiche. In linea con l’approccio costruttivista, l’intelligenza artificiale non fornisce solo soluzioni, ma può guidare passo passo nel ragionamento e nella gestione strategica delle difficoltà.

Cosa può fare concretamente l’IA in questa fase?

Scomporre un’attività complessa in passaggi operativi chiari.
Fornire esempi guidati per modellare un compito (es. esercizio svolto commentato).
Simulare problemi o situazioni reali su cui intervenire (es. “Caso studio”).
Anticipare errori frequenti e suggerire strategie di prevenzione.
Offrire un feedback immediato e ragionato su esercizi svolti.

Esempi di prompt efficaci

“Dividi in 5 passaggi il procedimento per risolvere questo problema.”
“Mostrami un esempio di svolgimento commentato di questo esercizio.”
“Quali sono gli errori più comuni che si fanno in questo tipo di esercizi?”
“Correggi questo esercizio e spiegami dove ho sbagliato.”
“Simula con me un caso pratico su questo argomento.”

L’importanza dell’errore come risorsa

Una delle opportunità più interessanti dell’IA come tutor applicativo è la gestione formativa dell’errore. L’IA, se utilizzata correttamente, non giudica né penalizza: può invece spiegare con calma perché qualcosa non ha funzionato, suggerire un approccio alternativo, generare esercizi mirati per rafforzare le aree deboli.
Questo aiuta gli studenti a superare il timore del fallimento, rendendo il tentativo e l’errore parte integrante dell’apprendimento.

Strategie didattiche utili

Far generare esercizi progressivi (da semplice a complesso) sullo stesso tema.
Invertire i ruoli: lo studente fornisce un esercizio e chiede all’IA di svolgerlo, poi valuta il risultato.
Utilizzare l’IA per progettare task autentici (es. “Prepara un preventivo”, “Simula una consulenza”, “Scrivi un comunicato”).

Competenze sviluppate in questa fase

Applicazione operativa delle conoscenze.
Problem solving guidato.
Scomposizione del compito.
Tolleranza dell’errore e spirito di revisione.
Apprendimento esperienziale.

Tappa 5 – Dialogare e discutere con l’IA: allenare il pensiero critico

La conoscenza si affina nel confronto

Un apprendimento davvero maturo non si limita a ripetere ciò che si è studiato, ma implica la capacità di mettere in discussione, argomentare, considerare più punti di vista. È la fase in cui il sapere diventa vivo, perché viene messo alla prova attraverso il dialogo e il confronto.
L’IA può svolgere qui un ruolo molto potente: non tanto come fonte di informazioni, ma come interlocutore critico che stimola la riflessione, rilancia domande, propone controargomentazioni e scenari alternativi.

Il pensiero critico è una competenza trasversale essenziale nella scuola secondaria di secondo grado. L’interazione con un modello linguistico generativo, se impostata correttamente, può diventare una palestra dialogica, dove lo studente esercita la precisione concettuale, la coerenza logica e la disponibilità al dubbio.

Cosa può fare concretamente l’IA in questa fase?

Simulare un dibattito: assumere una posizione diversa da quella dello studente.
Porre domande socratiche o maieutiche per approfondire un’idea.
Proporre controesempi e casi-limite per testare la validità di un ragionamento.
Aiutare a costruire tesi e antitesi su un tema assegnato.
Analizzare la coerenza logica di un testo argomentativo.

Esempi di prompt efficaci

“Metti in discussione la mia opinione: ‘La tecnologia a scuola è sempre positiva’.”
“Simula un dialogo tra due persone con opinioni opposte su questo tema.”
“Fammi domande per farmi riflettere su questa posizione.”
“Proponi un caso-limite che metta in crisi questa affermazione.”
“Leggi il mio testo argomentativo e dimmi se è coerente.”

Dal confronto alla riflessione profonda

Il dialogo con l’IA non ha valore solo per il contenuto prodotto, ma per il processo che attiva: lo studente si allena a:

spiegare meglio le proprie idee,
giustificare le proprie scelte,
accettare la complessità,
rivedere le proprie certezze.

In questo senso, l’IA può contribuire alla costruzione di una cultura del dibattito, dove il confronto è visto come strumento di crescita, non come sfida personale.

Strategie didattiche utili

Usare l’IA per preparare un dibattito argomentativo tra studenti.
Far produrre all’IA obiezioni costruttive su un elaborato scritto.
Far riflettere su una posizione controversa, con l’IA come devil’s advocate.
Far costruire schemi pro e contro su temi etici, scientifici, sociali.

Competenze sviluppate in questa fase

Pensiero critico e riflessivo.
Argomentazione e controargomentazione.
Logica argomentativa.
Capacità di sostenere e modificare una posizione.
Educazione al dialogo e alla complessità.

Tappa 6 – Valutare e consolidare con l’IA: rendere visibile ciò che si è imparato

La conoscenza si stabilizza nella riflessione e nella ripetizione attiva

Una delle fasi più delicate ma fondamentali del processo di apprendimento è la valutazione personale del proprio percorso: comprendere quanto si è appreso, individuare eventuali fragilità, ripassare in modo strategico e, soprattutto, riflettere sui propri processi cognitivi.
Questa fase ha una forte valenza metacognitiva e, se ben guidata, consente allo studente di diventare consapevole delle strategie che adotta, degli ostacoli che incontra e delle risorse che può attivare.

Come evidenziato da Flavell (1979), la metacognizione si fonda sulla capacità di monitorare e regolare i propri processi mentali durante l’apprendimento, promuovendo così un miglioramento continuo e intenzionale.
In questa prospettiva, l’intelligenza artificiale può assumere un ruolo chiave come tutor metacognitivo, capace di stimolare domande, suggerire prove di verifica, guidare la riorganizzazione dei contenuti e, soprattutto, accompagnare lo studente nella riflessione su come ha imparato (Sancassani et al., 2024).

Thinking routines e IA: rendere visibile il pensiero

Un approccio educativo particolarmente efficace in questa fase è quello delle thinking routines, sviluppate nell’ambito del progetto Making Learning and Thinking Visible della Harvard Graduate School of Education (Ritchhart, Church & Morrison, 2011).
Queste routine si basano su strutture semplici ma profonde, che guidano gli studenti a esplicitare il proprio pensiero, a dare forma alle intuizioni e a sviluppare consapevolezza critica.

Questo approccio è stato adattato anche nel MOOC Imparare con l’intelligenza artificiale per promuovere un uso riflessivo dei modelli generativi (Sancassani et al., 2024).
L’intelligenza artificiale può essere integrata in queste pratiche come facilitatore del pensiero riflessivo: può generare domande aperte, proporre alternative, stimolare la riformulazione, rendendo visibile ciò che spesso resta implicito nei processi mentali.

Cosa può fare concretamente l’IA in questa fase

Proporre domande guida per riflettere sul proprio percorso di apprendimento.
Generare schede di auto-valutazione ragionata (es. cosa so, cosa non so, come l’ho capito.)
Offrire feedback personalizzati con commenti su metodo e strategie utilizzate.
Aiutare a sintetizzare non solo i contenuti, ma anche le modalità con cui sono stati appresi.
Stimolare thinking routines e riflessioni comparative (es. “prima pensavo… ora penso che…”).
Suggerire piani di ripasso basati su autovalutazioni consapevoli e difficoltà emerse.

Esempi di prompt efficaci

“Suggeriscimi tre domande per riflettere sul modo in cui ho studiato”
“Aiutami a scrivere una riflessione su cosa ho imparato, come e con quali difficoltà”
“Crea una checklist per autovalutare il mio metodo di studio”
“Fammi confrontare due strategie che ho usato e aiutami a capire quale ha funzionato meglio”
“Guidami nella costruzione di un piano di ripasso basato sui miei errori ricorrenti”

Strategie didattiche utili

Introdurre routine di pensiero con il supporto dell’IA (es. Vedo / Penso / Mi chiedo, Prima pensavo… Ora penso che…).
Far documentare il dialogo con l’IA in un diario metacognitivo.
Chiedere agli studenti di commentare e valutare i feedback ricevuti dall’IA.
Usare l’IA per creare piani di ripasso personalizzati basati sui punti deboli emersi.

Tali strategie si inseriscono nel quadro pedagogico tracciato da Sancassani et al. (2024), che sottolinea l’importanza di sviluppare consapevolezza e autonomia attraverso pratiche mediate da IA.

Competenze sviluppate in questa fase

Autovalutazione e consapevolezza del proprio apprendimento.
Metacognizione e riflessione critica.
Ripasso strategico e selettivo.
Rielaborazione consapevole dei contenuti.
Sviluppo del pensiero visibile e condivisibile.

Tappa 7 – L’IA come strumento di inclusione e personalizzazione: studiare secondo i propri bisogni

Un tutor flessibile per una scuola equa

Ogni studente apprende in modo diverso. Alcuni hanno bisogni educativi speciali (BES), disturbi specifici dell’apprendimento (DSA), barriere linguistiche o semplicemente uno stile cognitivo non tradizionale.
Uno dei grandi limiti dei percorsi standardizzati è la difficoltà ad adattarsi alle esigenze individuali senza moltiplicare il carico per l’insegnante.
L’IA, in questo contesto, si rivela un alleato potente per personalizzare contenuti, ritmi e modalità, favorendo una reale inclusione didattica

L’approccio si ispira ai principi della pedagogia inclusiva (Ianes, 2005), secondo cui ogni studente ha diritto a un percorso educativo personalizzato, supportato da strumenti compensativi adeguati

Grazie alla sua capacità di riformulare testi, semplificare, tradurre, esercitare con gradualità, l’intelligenza artificiale può offrire a ciascuno studente una via d’accesso su misura al sapere, aumentando motivazione e fiducia.

Cosa può fare concretamente l’IA in questa fase?

Semplificare testi e spiegazioni complesse in linguaggio accessibile.
Riformulare le consegne per chiarirle a studenti con DSA.
Generare mappe concettuali e riassunti per chi ha difficoltà di sintesi.
Tradurre contenuti per studenti non italofoni.
Adattare esercizi a diversi livelli di difficoltà.
Creare versioni audio dei contenuti (con supporto text-to-speech esterno).

Esempi di prompt efficaci

“Riformula questo testo in un linguaggio semplice, con frasi brevi.”
“Spiega questo concetto come se parlassi a uno studente con dislessia.”
“Traduci questo paragrafo in inglese/francese/arabo e spiega i termini difficili.”
“Crea una mappa concettuale semplificata di questo argomento.”
“Proponi 3 esercizi a difficoltà crescente su questo tema.”

L’IA come strumento compensativo (e non sostitutivo)

Per gli studenti con difficoltà certificate, l’IA può essere utilizzata come strumento compensativo digitale, in affiancamento a quanto previsto dal PDP.
Ma l’uso dell’IA in chiave inclusiva va oltre: offre flessibilità a tutti, anche a chi semplicemente apprende meglio in modo visivo, orale o schematico.
L’obiettivo è quello di dare pari opportunità di accesso ai contenuti, non di abbassare le aspettative o semplificare i traguardi cognitivi.

Strategie didattiche utili

Far usare l’IA per preparare materiali alternativi personalizzati (mappa + sintesi + glossario).
Creare una “banca di prompt” dedicata a studenti con BES/DSA, da usare in autonomia.
Lavorare in coppie collaborative in cui uno studente guida l’altro nel dialogo con l’IA.
Integrare l’uso dell’IA nei PEI o PDP come supporto alla rielaborazione.

Competenze sviluppate in questa fase

Autonomia nello studio adattato ai propri bisogni.
Consapevolezza del proprio stile cognitivo.
Accesso semplificato e multilivello ai contenuti.
Inclusione e fiducia nella propria capacità di apprendere.

Tappa 8 – Potenziare la creatività con l’IA: dallo spunto alla produzione originale

L’autonomia dello studente si costruisce anche nell’autoregolazione

Una delle sfide più importanti per la didattica contemporanea è sviluppare nei ragazzi la capacità di apprendere in modo autonomo, autoregolando il proprio percorso. L’intelligenza artificiale, se guidata e contestualizzata, può diventare un alleato prezioso per costruire percorsi di apprendimento su misura, adattabili al livello, agli interessi, allo stile cognitivo e persino allo stato emotivo dello studente.

L’uso di LLM come ChatGPT o Gemini può stimolare forme di personalizzazione attiva, in cui lo studente non riceve passivamente contenuti adattati, ma partecipa attivamente alla costruzione del proprio itinerario di apprendimento.
Come sottolineato nel MOOC Imparare con l’intelligenza artificiale, la personalizzazione supportata dall’IA non si limita a un adattamento meccanico, ma si fonda su un dialogo tra l’intelligenza artificiale e la consapevolezza metacognitiva dell’utente (Sancassani et al., 2024).

Cosa può fare concretamente l’IA in questa fase

Aiutare lo studente a identificare i propri punti deboli e forti.
Proporre strategie di apprendimento alternative o risorse su misura.
Costruire calendari e piani di studio adattivi.
Generare test di autovalutazione progressiva.
Integrare stili di apprendimento diversi (es. visivo, verbale, pratico.)
Offrire percorsi paralleli su un argomento, con diversi livelli di approfondimento.

Esempi di prompt efficaci

“Fammi un piano di studio per ripassare storia in 5 giorni”
“Suggeriscimi un metodo di studio alternativo, perché quello che uso non funziona”
“Spiegami questo argomento con esempi concreti e poi con metafore”
“Crea una sequenza di esercizi su misura per i miei errori frequenti”
“Indicami risorse più adatte a un apprendimento visivo”

Strategie didattiche utili

Insegnare agli studenti a usare prompt riflessivi per ottenere supporti utili, non solo risposte.
Introdurre momenti di valutazione guidata dell’efficacia dei propri strumenti di IA.
Far creare e condividere con la classe i propri “percorsi personalizzati” ottenuti con IA.
Stimolare la comparazione tra soluzioni IA e strategie personali: cosa funziona meglio e perché.

L’approccio proposto da Sancassani et al. (2024) evidenzia come l’autonomia digitale sia una competenza chiave del cittadino consapevole, e l’IA possa contribuire a costruirla quando è inserita in ambienti formativi progettati in modo etico e intenzionale.

Competenze sviluppate in questa fase

Autoregolazione e gestione del proprio apprendimento.
Capacità di definire obiettivi e strategie.
Sviluppo della consapevolezza metacognitiva.
Apprendimento personalizzato e riflessivo.
Valutazione critica dell’efficacia dei propri strumenti.

Tappa 9 – Lavorare in gruppo con l’IA: collaborare per apprendere meglio

L’IA come partner nei processi collaborativi

Nell’ambito scolastico, il lavoro di gruppo svolge un ruolo chiave nello sviluppo di competenze trasversali come la collaborazione, l’ascolto attivo, la negoziazione e la comunicazione efficace. L’integrazione dell’intelligenza artificiale in attività di gruppo consente di esplorare nuove modalità di co-costruzione del sapere, rendendo il processo più interattivo, inclusivo e riflessivo.

L’IA può essere impiegata come interlocutore dinamico, in grado di fornire stimoli, idee, sintesi e controargomentazioni, aiutando il gruppo a chiarire posizioni, analizzare alternative e produrre contenuti condivisi. Può facilitare brainstorming, co-writing, verifica delle fonti, revisione tra pari e progettazione creativa.

Il MOOC Imparare con l’intelligenza artificiale sottolinea come le piattaforme IA possano essere utilizzate per supportare pedagogie dialogiche e partecipative, in cui l’interazione tra studenti (e tra studenti e IA) contribuisce alla costruzione attiva della conoscenza (Sancassani et al., 2024). L’IA non sostituisce il confronto umano, ma lo amplifica, rendendo visibili i processi cognitivi impliciti e stimolando l’elaborazione critica.

Cosa può fare concretamente l’IA in questa fase

Supportare la scrittura collaborativa (es. ChatGPT come co-autore supervisionato.)
Generare mappe concettuali condivise partendo da spunti forniti dal gruppo.
Proporre domande critiche e punti di vista alternativi su un progetto comune.
Simulare un interlocutore esterno (es. cliente, utente, valutatore) per verificare la coerenza del lavoro.
Aiutare a mediare i conflitti concettuali e a cercare compromessi.
Costruire report, sintesi, presentazioni multilingue.

Esempi di prompt efficaci

“Simula un cliente che deve valutare il nostro progetto e fai domande critiche”
“Aiutaci a scrivere una sintesi a partire dalle note condivise”
“Proponi tre titoli alternativi per la nostra ricerca e spiegali”
“Verifica se il nostro piano è coerente con gli obiettivi che ci siamo dati”
“Fornisci una controargomentazione alla nostra tesi”

Strategie didattiche utili

Creare ruoli di gruppo legati all’interazione con l’IA (es. facilitatore di prompt, revisore di risposte, validatore critico).
Far riflettere il gruppo sulle risposte ricevute dall’IA: sono convincenti? sono pertinenti?
Richiedere una traccia documentata del dialogo tra gruppo e IA come parte del prodotto finale.
Simulare scenari realistici in cui l’IA rappresenta un interlocutore esterno (utente, cliente, revisore).

Come suggerito da Sancassani et al. (2024), il valore dell’IA nei contesti collaborativi non è nella sostituzione del pensiero umano, ma nell’espansione delle possibilità dialogiche e riflessive del gruppo.

Competenze sviluppate in questa fase

Collaborazione e comunicazione efficace.
Pensiero critico e divergente.
Produzione condivisa e mediazione dei significati.
Valutazione delle fonti e dei contenuti generati.
Capacità di integrare tecnologie in contesti dialogici.

Tappa 10 – Educazione etica all’uso dell’IA: formare cittadini digitali consapevoli

Responsabilità, autonomia e spirito critico nell’era dell’intelligenza artificiale

Usare l’IA per imparare non significa solo conoscerne le potenzialità, ma anche comprenderne i limiti, i rischi e le implicazioni etiche. In un contesto scolastico sempre più orientato alla cittadinanza digitale, è indispensabile che gli studenti siano accompagnati a riflettere sull’impatto dell’IA nelle loro scelte, nei comportamenti scolastici e nei processi cognitivi.

La scuola secondaria di secondo grado è il luogo ideale per introdurre questi temi in modo maturo e trasversale. L’obiettivo non è solo evitare il “copia e incolla”, ma educare a un uso critico, responsabile e formativo dell’IA, dove la tecnologia diventa alleata dell’apprendimento e non scorciatoia per evitare la fatica.

Cosa può fare concretamente l’IA in questa fase?

Proporre scenari etici per riflettere su dilemmi concreti.
Simulare punti di vista contrapposti su temi controversi.
Aiutare a scrivere codici di condotta sull’uso dell’IA a scuola.
Analizzare casi limite (plagio, deepfake, disinformazione).
Fornire strumenti per distinguere tra uso creativo e uso scorretto.

Esempi di prompt efficaci

“Proponi 3 dilemmi etici legati all’uso dell’IA a scuola.”
“Metti a confronto due studenti: uno che usa l’IA per imparare, uno che la usa per copiare.”
“Aiutami a scrivere un patto etico sull’uso dell’IA per lo studio personale.”
“Cosa succede se uno studente usa l’IA per scrivere un intero compito senza leggerlo?”
“Scrivi un testo argomentativo pro e contro l’uso dell’IA nei compiti scolastici.”

Temi chiave da affrontare a scuola

Plagio e autenticità: cosa vuol dire “compito originale” nell’epoca dell’IA?
Dipendenza e pensiero pigro: come evitare la delega totale al modello?
Disinformazione e hallucination: come distinguere fonti attendibili da risposte artificiali errate?
Autonomia e trasparenza: come dichiarare se e come è stato usato l’IA in un compito?
Educazione alla cittadinanza digitale: rispetto, responsabilità, consapevolezza.

Strategie didattiche utili

Far analizzare in gruppo casi studio e simulazioni.
Proporre una discussione filosofica: “È ancora apprendimento se lo fa l’IA per me?”
Redigere un manifesto scolastico sull’uso etico dell’IA.
Integrare rubriche di valutazione che premiano l’uso consapevole, non passivo, dell’IA.

Competenze sviluppate in questa fase

Cittadinanza digitale.
Etica della tecnologia.
Autonomia intellettuale.
Spirito critico.
Responsabilità individuale.

Tabella delle App utilizzate nelle varie tappe in alternativa a piattaforme AI generaliste

Strumento/Applicazione	Funzione didattica	Perché usarlo	Tappe in cui utilizzarlo
Tutor Me (MagicSchool)	Tutor virtuale interattivo per spiegazioni e confronto critico	Per risposte personalizzate e sviluppo di autonomia riflessiva	1, 3, 4, 5, 6
Spiegamelo come se avessi 5 anni (MagicSchool)	Semplificazione estrema di concetti complessi	Per affrontare con sicurezza un argomento sconosciuto	1
Bot di Studio (MagicSchool)	Guida passo passo nello studio di un argomento	Per ricevere guida interattiva nello studio quotidiano	1
Generatore di Podcast (Brisk)	Trasformazione di contenuti in audio/podcast	Per lo studio uditivo e la rielaborazione orale	1, 3, 7
NotebookLM (Google)	Organizzazione e sintesi di materiali, generazione di domande	Per costruire una base coerente e logica dei contenuti	1, 2, 3, 5, 9
Whimsical	Creazione di mappe, schemi e diagrammi visivi	Per strutturare e visualizzare concetti complessi	1, 2, 3, 4, 5, 9
Coach per le abitudini di studio (MagicSchool)	Suggerimenti personalizzati per migliorare le abitudini di studio	Per riflettere su come migliorare il metodo personale	2
Generatore di piano di lezione (MagicSchool)	Pianificazione dello studio con obiettivi e attività strutturate	Per trasformare un obiettivo in un percorso operativo	2
Creatore di checklist (MagicSchool)	Suddivisione di compiti in azioni concrete e gestibili	Per organizzare il lavoro in modo chiaro e sequenziale	2
Copilot (Microsoft 365)	Supporto alla scrittura, sintesi e documenti integrati	Per integrare l’IA nella scrittura e pianificazione	2, 3, 4
Livellatore di testo (MagicSchool)	Adattamento di testi al livello dello studente	Per facilitare la comprensione a studenti BES o DSA	3, 7
Generatore di guida allo studio (MagicSchool)	Creazione di mappe, sintesi e domande guida	Per aiutare lo studente a rielaborare i contenuti	3
Costruttore di glossari (MagicSchool)	Generazione di glossari tematici e definizioni contestuali	Per costruire un vocabolario disciplinare solido	3, 7
Generatore di domande graduate (MagicSchool)	Esercitazioni graduate per sviluppare competenze passo-passo	Per esercitarsi con gradualità e consapevolezza	4
Generatore di quiz (MagicSchool)	Quiz personalizzati per la verifica e l’autovalutazione	Per verificare in autonomia la preparazione	4
Generatore di compiti (MagicSchool)	Compiti operativi legati ai contenuti studiati	Per passare dalla teoria alla pratica	4
AI Tasks (Brisk)	Estrazione di esercizi e attività da documenti reali	Per generare attività pratiche da fonti digitali	4
Partner di dibattito (MagicSchool)	Simulazione di dibattiti tra posizioni contrapposte	Per esercitarsi nella difesa argomentativa	5
Generatore di prompt per dibattito (MagicSchool)	Generazione di tesi, antitesi e domande per il dibattito	Per preparare un dibattito con domande stimolo	5
Debate Partner (esterno)	Simulazione esterna di dibattiti per sviluppare il pensiero critico	Per confrontarsi con idee divergenti in contesti realistici	5

Conclusione – Verso un apprendimento aumentato, non automatizzato

L’intelligenza artificiale non è una bacchetta magica né un pericolo da evitare: è uno strumento trasformativo che, se inserito in un percorso educativo consapevole, può amplificare le capacità degli studenti, rafforzare l’autonomia, facilitare la comprensione e rendere lo studio più accessibile e personalizzato.

Utilizzare l’IA come tutor significa ripensare la relazione con il sapere: non più una semplice trasmissione lineare, ma un processo dinamico, dialogico e riflessivo. Un’IA ben usata stimola la curiosità, guida nella pianificazione, accompagna nella rielaborazione, sfida nel pensiero critico, supporta nella creatività e invita alla responsabilità.

Tutto questo, però, non avviene spontaneamente. Serve un intervento didattico mirato, una progettazione intenzionale, una regia educativa capace di guidare l’uso dell’IA all’interno di pratiche che valorizzino l’impegno personale, la riflessione e il rispetto dei principi etici.

Il tutor artificiale non sostituisce il docente: lo affianca. Ma soprattutto richiede un nuovo protagonismo da parte dello studente, che, sostenuto da strumenti intelligenti e accompagnato da un pensiero pedagogico solido, può diventare davvero artefice del proprio percorso di apprendimento.

Riferimenti bibliografici

Bruner, J. S. (1997). La cultura dell’educazione. Milano: Feltrinelli.
Bucci, D., Corvatta, L., D’Agostini, C., Giacobbi, R., & Troia, S. (2024). L’intelligenza artificiale nella scuola al servizio della creatività, della personalizzazione e dell’inclusione. BRICKS, n. 3, pp. 60–71.
Calvani, A., Sancassani, S., Vivanet, G. (2024). Imparare con l’intelligenza artificiale. Percorsi per studenti e docenti nella scuola secondaria. MOOC, Politecnico di Milano – POK (Polimi Open Knowledge).
Disponibile su: https://www.pok.polimi.it/courses/course-v1:Polimi+IA101+2024_M1/about
Commissione Europea. (2022). DigComp 2.2: Il quadro europeo delle competenze digitali per i cittadini.
Disponibile su: https://repubblicadigitale.innovazione.gov.it/assets/docs/DigComp-2_2-Italiano-marzo.pdf
Craik, F. I. M., & Lockhart, R. S. (1972). Levels of processing: A framework for memory research. Journal of Verbal Learning and Verbal Behavior, 11(6), 671–684.
Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911.
Ianes, D. (2005). Bisogni educativi speciali e inclusione. Trento: Erickson.
Kahneman, D. (2012). Pensieri lenti e veloci. Milano: Mondadori.
Mughini, E., & Panzavolta, S. (2020). MLTV: Making Learning and Thinking Visible. Roma: Carocci.
Ritchhart, R., Church, M., & Morrison, K. (2011). Making Thinking Visible: How to Promote Engagement, Understanding, and Independence for All Learners. San Francisco: Jossey-Bass.
Rivoltella, P. C., & Rossi, P. G. (2012). L’agire didattico. Manuale per l’insegnante. Brescia: La Scuola.
Sancassani, S. (2024). Intelligenza Artificiale e oltre: verso nuovi scenari formativi. In Prismi. Quaderni del dottorato in Scienze Documentarie. Firenze: Torrossa.Disponibile su: https://www.torrossa.com/gs/resourceProxy?an=5826076&publisher=F96725

Sullo stesso argomento già pubblicato: Claudia D’Agostini, Raffaella Giacobbi L’Intelligenza Artificiale: un tutor per imparare a studiare BRICKS n. 5 -2025 ISSN:2239-6187 |