In un precedente articolo, avevamo paventato i rischi di un utilizzo dell’AI che “svuotasse” i percorsi di apprendimento, promettendo un approfondimento e alcune proposte.
Prima di fare esempi concreti, ecco cinque punti fermi, che dovrebbero orientare i docenti a spostare il focus dal prodotto al processo.
1. Il primato del “cantiere”
Non valutare mai solo il file finale (il video, il testo, l’immagine). Richiediamo la documentazione del processo: bozze, storyboard cartacei o log delle versioni. La competenza risiede nella stratificazione del lavoro; se lo studente non sa spiegare perché ha fatto una scelta tecnica in una timeline di editing, il prodotto è un guscio vuoto.
2. Il “Reverse Engineering” (ingegneria inversa)
Utilizziamo l’AI per generare un output “grezzo” e chiediamo agli studenti di smontarlo. Devono individuare allucinazioni, errori logici o mancanze stilistiche. Passare dalla produzione alla revisione critica trasforma lo studente da utente passivo a supervisore esperto, obbligandolo a possedere la materia per poter correggere la macchina. Ciò aiuta anche a leggere meglio quello che viene prodotto dall’AI e dalla rete.
3. La “tracciabilità” del pensiero (prompting etico)
Se si usa la GenAI, il voto va alla capacità di interrogazione. Un prompt efficace richiede lessico specifico e struttura logica. Gli studenti devono dimostrare di conoscere i concetti per poterli imporre all’algoritmo. L’AI diventa così un test di verifica delle loro conoscenze teoriche.
In questa direzione, il lavoro non è molto diverso da quello che prima doveva essere fatto quando si usavano i motori di ricerca.
4. Il vincolo della “scarsità digitale”
Possiamo progettare attività in cui l’AI è ammessa solo in una fase specifica, mantenendo ad esempio per la fase di produzione l’utilizzo di strumenti “analogico” o di software tradizionali.
5. L’AI come interlocutore, non come oracolo
Incentiva l’uso dell’AI per il brainstorming o il tutoring, non per la delega. Lo studente deve imparare a usare il chatbot per farsi fare domande difficili sul proprio progetto o per trovare contro-argomentazioni a una propria tesi. In questo modo, l’AI potenzia il pensiero critico invece di addormentarlo.