I muscoli della mente che servono per apprendere nell'era dei chatbot

L’intelligenza artificiale (IA) comporta implicazioni profonde per i processi di apprendimento. Gli effetti sono già visibili ma siamo solo all’inizio di una trasformazione più ampia. Per affrontare la questione è necessario partire da una premessa fondamentale: le nuove generazioni manifestano modalità di apprendimento diverse rispetto al passato. Basti pensare che oggi, in media, gli studenti mostrano abilità differenti, tipicamente migliori, in termini di rapidità e uso dei dispositivi digitali. Ma è altrettanto vero che sono molto meno abituati sia a leggere o analizzare testi lunghi sia a fare quello sforzo di apprendimento - anche prolungato nel tempo - che nelle precedenti generazioni era considerato normale. Quindi ci troviamo di fronte a un evidente pattern di minore attitudine alla “fatica per l’apprendimento”.

D’altra parte, ogni riflessione sull’intelligenza artificiale in ambito educativo deve includere la consapevolezza che gli studenti non costituiscono un gruppo omogeneo, ma presentano modalità di apprendimento più composite ed eterogenee. Alcuni continuano a privilegiare strategie tradizionali, come prendere appunti e utilizzare carta e penna per favorire la comprensione e la memorizzazione. Altri, invece, sono maggiormente orientati verso l’uso dei media digitali e dei social, privilegiando una fruizione rapida delle informazioni, con il rischio di una ridotta capacità di concentrazione, approfondimento ed elaborazione di testi complessi.

Accanto all’esistenza di diverse categorie di studenti, si delineano poi due scuole di pensiero sull’utilizzo degli strumenti di IA. Da un lato, vi è chi li considera estremamente utili per approfondire e velocizzare l’apprendimento, ampliare l’accesso alle informazioni, sintetizzare rapidamente testi complessi e favorire la scoperta di nuove fonti. In questa prospettiva, l’intelligenza artificiale rappresenta una leva per compensare la crescente difficoltà degli studenti nel mantenere l’attenzione e nell’approfondire i contenuti. Dall’altro lato, alcuni studiosi mettono in guardia dal fenomeno del cognitive offloading: la possibilità di ottenere rapidamente informazioni, soluzioni e persino ragionamenti tramite questi strumenti può ridurre lo sforzo cognitivo richiesto agli studenti, favorendo una forma di pigrizia digitale che, nel lungo periodo, rischia di compromettere i processi di apprendimento.

Recentemente, soprattutto in alcune prestigiose università statunitensi, sta emergendo un approccio che cerca di integrare queste due visioni tramite la sequenzialità dell’esperienza di apprendimento. L’idea di fondo è che il cosiddetto attrito cognitivo rappresenti un elemento imprescindibile dell’apprendimento: è necessario allenare i “muscoli della mente” attraverso lo sforzo richiesto dalla lettura, dalla comprensione, dal problem solving e dalla memorizzazione. Questa attitudine non può andare perduta, né il suo progressivo indebolimento può essere ulteriormente accelerato dall’uso dell’intelligenza artificiale attraverso il fenomeno del cognitive offloading.

Alcuni atenei stanno sperimentando un modello fondato su un approccio sequenziale. Esempi concreti possono essere d’aiuto. L’University of Michigan ha adottato il cosiddetto AI as a scaffold, che prevede un’introduzione graduale nel percorso formativo dell’IA, utilizzata soltanto nella terza fase del corso, mentre le prime due si svolgono interamente con metodologie analogiche e tradizionali. L’esperienza maturata ha evidenziato che gli studenti che affrontano inizialmente il percorso senza il supporto dell’IA sviluppano una maggiore “sensibilità al bias”: acquisiscono cioè una migliore capacità di riconoscere quando l’intelligenza artificiale produce informazioni inesatte, fuorvianti o eccessivamente semplificate, dimostrando un atteggiamento più critico rispetto agli studenti che la utilizzano fin dall’inizio. Un’impostazione analoga è stata adottata dalla Stanford Graduate School of Business, che utilizza la tecnica della submission a tre stadi. Il processo si articola in una sequenza progressiva: la costruzione di una mappa concettuale in forma analogica, la successiva elaborazione di una stesura autoriale e, infine, una fase di revisione critica supportata dall’intelligenza artificiale. Tutto ciò rafforza negli studenti la capacità di argomentare e giustificare le proprie decisioni strategiche, dimostrando autonomia di giudizio.

Gli esempi appena illustrati inducono a ritenere che l’IA esprima al meglio il proprio potenziale quando viene utilizzata da chi ha già allenato la propria mente e interiorizzato il valore dello sforzo cognitivo e dell’approfondimento. Solo successivamente può servire ad ampliare le capacità di lettura, analisi, interpretazione dei testi e, nello stesso tempo, a sviluppare uno spirito critico nei confronti dei suoi risultati, consentendo di distinguere quando le risposte sono fondate e corrette e quando, invece, presentano limiti logici o errori. In altri termini, il ricorso all’IA è utile nel momento in cui il discente abbia incontrato una significativa difficoltà cognitiva, poiché lo sforzo di “recuperare” l’informazione (senza supporto) è superiore alla lettura passiva.

In sostanza, per evitare il rischio di indebolire le competenze di base (scrittura e anali si), l’intelligenza artificiale va usata solo per consolidare abilità già possedute dallo studente. L’IA non deve cioè sostituire il lavoro, ma agire come “tutor” o “sparring partner” dopo una fase di impegno autonomo. Dunque, prima allenare i “muscoli della mente”, poi impiegare consapevolmente gli strumenti di intelligenza artificiale. Un percorso sperimentale che gli atenei potrebbero esplorare.