Mi piace insegnare e ho la fortuna di farlo da sempre ai miei studenti e da alcuni anni ai colleghi docenti.
Mi interessa tutto quello che riguarda l'insegnamento blended o totally online.
Studio e approfondisco queste modalità didattiche in autonomia.
Dai miei studi ho intenzione di scrivere un opuscolo per i docenti, da pari a pari.
C'è un momento, in ogni buon percorso didattico per la scuola dell'infanzia, in cui la teoria smette di essere un elenco di obiettivi e diventa corpo, voce, materia. "Dal racconto al robot: avventure in musica e movimento" è uno di quei percorsi. Cinque fasi che partono da un baule misterioso e arrivano a un bambino che, travestito da robot, si muove nel salone seguendo i comandi dei compagni-programmatori. In mezzo: narrazione condivisa, costruzione manuale, una canzoncina generata con l'aiuto dell'intelligenza artificiale, uno storyboard filmato e, infine, il gioco motorio come palestra di pensiero computazionale.
È un percorso che merita di essere raccontato ai colleghi non solo perché "funziona" in aula, ma perché intercetta con precisione chirurgica tre discorsi che oggi ogni docente è chiamato ad affrontare: che cosa dicono le Indicazioni Nazionali sulla scuola dell'infanzia, che cosa chiede l'Europa in termini di competenza digitale con il nuovo DigComp 3.0 e come si può introdurre l'IA a scuola restando pienamente dentro i confini dell'AI Act e delle linee guida ministeriali. Prima di entrare nell'analisi, però, vale la pena ripercorrere come è costruito il percorso, fase per fase.
Le cinque fasi del percorso, in sintesi
Fase 1 – La genesi fantastica. Tutto parte da un baule misterioso da cui l'insegnante estrae indizi (un ingranaggio di legno, un frammento di tessuto metallico, un suono registrato) per accendere l'immaginazione del gruppo. Attraverso domande "a imbuto" guidate dall'adulto, i bambini definiscono insieme l'ambientazione, la missione e l'ostacolo del robot protagonista, e fissano le tappe della storia su una mappa visiva collettiva fatta di disegni e simboli.
Fase 2 – L'officina delle idee. Con materiali di riciclo e strutturati, i bambini costruiscono fisicamente il robot della storia. In cerchio, la classe sceglie collettivamente il suo nome e gli assegna un "superpotere" (ad esempio l'ascolto, l'aiuto, la trasformazione).
Fase 3 – L'eco della storia. L'insegnante raccoglie le parole-chiave emerse durante il racconto (nome del robot, superpotere, ostacolo, suoni del viaggio) e le trasforma in un prompt condiviso per un sistema di intelligenza artificiale testuale o musicale, chiedendo una semplice strofa in rima o una bozza di canzoncina. La classe ascolta la proposta, la corregge insieme all'insegnante e infine la canta, trasformandola nella colonna sonora del percorso.
A questo momento si può affiancare un'attività di dialogo collettivo con il robot: l'insegnante configura un chatbot testuale perché "interpreti" il personaggio della storia — rispondendo con il suo nome, il suo superpotere e la sua voce narrativa — e lo proietta alla LIM. I bambini, in cerchio, pongono a voce alta le domande che vorrebbero rivolgere al robot ("Come hai fatto a superare l'ostacolo?", "Cosa hai provato quando...?"); l'insegnante le digita, legge ad alta voce le risposte generate e guida la discussione, fermandosi a commentare, correggere o rilanciare quando serve. Non è mai il singolo bambino a usare il dispositivo né a chattare in autonomia: l'interazione resta un momento di gruppo, con l'adulto come unico "tramite" tra la classe e lo strumento, esattamente come nella generazione della canzoncina.
Fase 4 – Il ciak dei piccoli. Usando la mappa visiva della Fase 1 come storyboard, i bambini dispongono in ordine le scene della narrazione. Le loro voci registrate e la canzoncina diventano la traccia audio di una micro-animazione stop-motion, guidata dall'insegnante, in cui il robot di cartone si muove lungo il percorso; il video finale viene proiettato alla LIM per rivivere insieme l'esperienza.
Fase 5 – Il robot umano in azione. Senza alcun dispositivo digitale in mano ai bambini, il robot costruito in miniatura "prende vita" in grande: un bambino lo impersona indossando un elemento distintivo, mentre i compagni diventano "programmatori" e lo guidano con comandi motori sequenziali e semplici regole condizionali (ad esempio "se trovi l'ostacolo, fai un salto"), magari a tempo della canzoncina creata nella Fase 3.
Con questa struttura in mente, è più facile leggere perché il percorso risuoni così bene con le cornici pedagogiche e normative di riferimento.
C'è un equivoco che circola nelle sale insegnanti da quando l'IA generativa è entrata nelle nostre classi, spesso dalla porta di servizio degli smartphone degli studenti prima ancora che da quella ufficiale della didattica. L'equivoco è pensare che “usare l'IA in classe” sia essenzialmente una questione tecnica: imparare a scrivere un prompt efficace, conoscere le funzioni di uno strumento, produrre un elaborato (una mappa concettuale, un riassunto, una presentazione) con l'aiuto del software giusto.
È un equivoco comprensibile, perché è anche il più facile da correggere con un tutorial. Ma è un equivoco pericoloso, perché sposta l'attenzione dal punto che dovrebbe interessarci davvero come docenti: che cosa succede nella testa dello studente mentre usa questi strumenti e se quell'uso sta costruendo o erodendo la sua capacità di pensare.
Chi insegna sa bene che il momento più prezioso dell'apprendimento è quello scomodo: la fatica del primo tentativo, l'errore che apre una domanda, l'ipotesi sbagliata che però ti fa capire perché era sbagliata. È esattamente questo il momento in cui l'IA generativa, usata senza consapevolezza, rischia di bloccare il processo dell’apprendimento appena avviato. Lo strumento non è “cattivo”: è comodo, e la comodità rende naturale interpellarlo prima ancora di aver provato a pensare da soli. Si bypassa così il passaggio che genera apprendimento reale.
Il punto non è vietare o permettere l'IA, ma strutturare il momento in cui lo studente la incontra: l'interazione con lo strumento deve diventare essa stessa un'occasione di pensiero, non una scorciatoia.
Per questo ho lavorato a tre thinking routine pensate specificamente per l'uso didattico dell'IA. Non sono regole d'uso né policy di istituto, ma impalcature cognitive: servono a rendere visibile e tracciabile il ragionamento dello studente in tre momenti diversi del lavoro scolastico.
Prima di entrare nelle routine, vale la pena soffermarsi su un principio che le attraversa tutte e tre. Il visible thinking, come ambito di ricerca pedagogica, parte da un'osservazione semplice: il pensiero è per sua natura invisibile, e proprio per questo tendiamo a valutare solo i suoi prodotti (il tema, la risposta, il voto) e non il processo che li ha generati.
Con l'IA generativa questo problema si aggrava. Un elaborato ben scritto, oggi, non ci dice più nulla sul percorso cognitivo che lo ha prodotto: potrebbe essere il risultato di ore di ragionamento autonomo, oppure di un prompt ben formulato, senza alcun coinvolgimento cognitivo reale. Le tre routine che presento nascono proprio per colmare questo vuoto: non valutano il prodotto, ma rendono visibile, e quindi valutabile, il processo.
Questo è, a mio avviso, il cuore della questione. Dare valore didattico all'uso dell'IA non significa insegnare a “usarla bene” in senso tecnico. Significa costruire attorno ad essa delle esperienze di apprendimento che obblighino lo studente a restare protagonista del proprio ragionamento e che diano a noi docenti gli strumenti per vederlo.
Routine 1 — Io prima, IA dopo, Io verifico
La prima routine interviene nel momento più delicato: quello in cui lo studente, davanti a un problema o a una domanda, sceglierebbe istintivamente di aprire subito una chat con l'IA. La routine impone una sequenza obbligata in tre fasi, ciascuna da scrivere e non solo da pensare.
Nella fase Io prima, lo studente esplicita in poche righe e con proprie parole, prima di toccare qualsiasi strumento, la domanda, ciò che già sa, un'ipotesi provvisoria e i propri punti di incertezza. È un passaggio che sembra banale ma che raramente accade in modo spontaneo: costringe lo studente a impegnarsi cognitivamente prima di delegare, e produce un artefatto (l'ipotesi scritta) che diventa il metro di paragone per tutto ciò che segue.
Solo a questo punto lo studente interroga l'IA, nella fase IA dopo, ma con un vincolo preciso: deve formulare una domanda mirata, non limitarsi a incollare l'esercizio. E deve annotare cosa lo strumento ha aggiunto rispetto a quanto già pensato, cosa ha confermato, cosa gli è sembrato diverso dal proprio modo di ragionare.
La fase Io verifico, infine, chiude il cerchio senza più consultare l'IA: lo studente riformula la risposta con parole proprie, individua un punto compreso meglio di prima, e lascia esplicita, passaggio spesso trascurato ma prezioso, una domanda ancora aperta.
Il valore didattico di questa routine sta proprio nella sua struttura temporale: separando nettamente il pensiero autonomo dall'assistenza esterna, evita che l'IA sostituisca il primo tentativo, che resta, lo sappiamo da sempre, ben prima dell'IA generativa, il passaggio più formativo di ogni apprendimento.
Routine 2 — Chiedi come un detective
Se la prima routine protegge il pensiero prima del contatto con l'IA, la seconda lavora dopo: sulla qualità critica con cui lo studente riceve ciò che l'IA gli restituisce. È la risposta a un rischio molto concreto, quello di trattare l'output di un modello linguistico come un oracolo: plausibile, fluente, quindi presumibilmente vero.
La routine propone quattro domande, da porsi in sequenza rigorosa dopo ogni risposta ricevuta. Cosa afferma? obbliga a un riassunto in parole proprie: se lo studente non riesce a farlo in modo semplice, è un segnale che la comprensione è solo apparente. Come fa a saperlo? sposta l'attenzione sulla verificabilità: la risposta è sostenuta da fonti, dati, esempi concreti, oppure è un'affermazione “nuda”, priva di ancoraggio? Cosa manca? è probabilmente il passaggio più formativo e il più spesso saltato: chiede allo studente di individuare attivamente ciò che l'IA non ha detto, un punto di vista assente, un'eccezione, una critica si intuisce possa esistere. È un esercizio che allena a pensare anche per assenze, non solo per presenze: è precisamente il tipo di competenza che distingue un lettore critico da un consumatore passivo di informazioni. Infine, Confermo o dubito? chiede un confronto con almeno un'altra fonte (il libro di testo, gli appunti, un'altra ricerca) e un verdetto motivato in una frase.
In classe questa routine funziona particolarmente bene a coppie, con un gioco di ruolo: uno studente sostiene la posizione dell'IA, l'altro veste i panni del detective scettico. Il confronto che ne segue è spesso più istruttivo della scheda stessa.
Routine 3 — La mia voce, il suo aiuto
La terza routine affronta il terreno più scivoloso: la scrittura assistita. È qui che il rischio di perdere la propria voce, e con essa il proprio pensiero, è più concreto, perché la fluidità del testo prodotto dall'IA tende a mascherare l'assenza di elaborazione personale.
Il principio è semplice ma efficace: lo studente non consegna mai solo il testo finale, ma il testo insieme alla mappa del proprio contributo. Nella fase Scheletro mio, prima di ogni interazione con l'IA, scrive a mano la tesi centrale, una scaletta di tre-cinque punti nel proprio ordine logico, e almeno un esempio che è certo di voler usare. Questo scheletro diventa intoccabile: è la spina dorsale che nessuno strumento può riscrivere al posto suo.
Durante la stesura, nella fase Dove ho chiesto aiuto, lo studente annota a margine non il testo generato, ma la natura della richiesta fatta e il motivo. Distingue così, in modo esplicito, un aiuto linguistico e formale (legittimo) da un aiuto che sostituisce il contenuto e il pensiero (da evitare).
Infine, nella Rilettura ad alta voce, il testo va riletto interamente a voce alta: ogni frase che “non suona” secondo la valutazione dello studente va riscritta con parole proprie, e il lavoro si chiude con una domanda semplice ma spietatamente efficace: saprei spiegare questo testo a qualcuno, a voce, senza guardarlo?
Questa domanda finale è, a mio avviso, il miglior test immediato di reale appropriazione di un contenuto che abbia mai incontrato in anni di didattica. Non richiede rubriche complesse, non richiede software di rilevamento: richiede solo che lo studente si metta alla prova.
Usate singolarmente, queste routine sono già utili. Usate insieme, coprono l'intero ciclo dell'apprendimento assistito dall'IA (prima, durante, dopo) e restituiscono ai docenti qualcosa che negli ultimi anni sembra essersi perso: la possibilità di vedere il pensiero degli studenti, non solo di valutarne il prodotto finale.
È qui che si gioca, secondo me, la vera differenza tra un uso tecnico e un uso didattico dell'intelligenza artificiale in classe. Insegnare a scrivere un buon prompt è un'abilità utile, ma resta un'abilità strumentale. Costruire routine che obblighino lo studente a pensare prima, a valutare criticamente dopo, e ancora a riconoscere la propria voce durante la scrittura: questa sì, è un'esperienza di apprendimento. È la differenza fra produrre artefatti con l'IA e formare pensiero attraverso l'IA.
Come ogni routine, il loro valore non sta nella scheda in sé, ma nella ripetizione: usate una volta, restano un esercizio; usate con costanza, su compiti diversi e nel tempo, diventano un modo di pensare. Ed è esattamente questo che serve agli studenti: non un modo di usare uno strumento, ma un modo di pensare.
Le schede compilabili delle tre routine, pronte per la stampa e la distribuzione in classe, sono disponibili in un documento dedicato.
C'è una domanda che come insegnanti ci troviamo a farci sempre più spesso davanti a un compito scritto bene: chi ha davvero pensato queste cose? Fino a poco tempo fa la domanda non aveva senso, perché scrivere in modo chiaro era già, di per sé, la prova che qualcuno aveva lavorato con la testa. Oggi quella corrispondenza si è rotta, e vale la pena capire perché, prima ancora di chiedersi cosa fare in classe.
Per secoli, produrre un testo argomentato e scorrevole ha richiesto un lavoro cognitivo che non si poteva aggirare. Per spiegare un concetto con chiarezza bisognava prima averlo capito, girato e rigirato, rielaborato. La qualità della prosa era una specie di prova: dietro un ragionamento ben scritto c'era, quasi per forza, un ragionamento ben fatto.
I modelli linguistici hanno spezzato questo legame. Oggi un testo fluido, ben articolato, persino elegante, può nascere da un comando di poche parole, senza che dietro ci sia stato alcun lavoro di comprensione. Questo non è un problema di stile: è un problema di responsabilità, ma soprattutto di fiducia, perché cambia il patto implicito tra chi scrive e chi legge. Per chi insegna, la domanda diventa concreta ogni volta che si corregge un elaborato.
C'è un effetto meno visibile, e per certi versi più insidioso, che riguarda non chi legge, ma chi scrive con l'aiuto dell'intelligenza artificiale. Quando un testo generato o rifinito dalla macchina risponde bene a un'esigenza che avevamo in mente, il cervello tende a scambiare quella fluidità per una prova della propria bravura. Non si pensa che la macchina ha formulato bene quel concetto, piuttosto ci si convince di essere stati in grado di dire veramente bene quello che esattamente si pensava. È una scorciatoia che salta il momento più faticoso, e anche più utile, del pensiero: quello in cui un'idea confusa viene messa alla prova e o regge o si sfalda.
Per uno studente questo rischio è ancora più concreto, perché la sensazione di aver capito qualcosa può non corrispondere affatto ad averlo capito davvero.
Qui arriviamo al punto che, da insegnanti, conosciamo meglio di chiunque altro, anche se raramente lo diciamo esplicitamente in classe: scrivere non è soltanto il modo in cui trascriviamo pensieri già pronti. Molto spesso è il modo in cui quei pensieri prendono forma. Un'idea, prima di essere scritta, è quasi sempre tridimensionale, disordinata, piena di collegamenti impliciti che nella nostra testa sembrano ovvi. Costringerla dentro la linearità di una frase, di un paragrafo, di un testo che deve reggersi da solo, obbliga a decidere cosa viene prima e cosa dopo, a scoprire dove il ragionamento zoppica, a notare i punti in cui in realtà non avevamo capito quanto credevamo.
È un lavoro faticoso, e proprio per questo trasformativo. Chi delega interamente questo passaggio rinuncia al principale strumento che ha per capire davvero ciò di cui sta parlando. Non è un caso che generazioni di studiosi abbiano ripetuto, in forme diverse, che si scrive per scoprire cosa si pensa, non solo per comunicarlo.
Detto questo, sarebbe disonesto liquidare l'intelligenza artificiale come un nemico da tenere fuori dall'aula. Usata bene, può essere un punto di partenza prezioso, non diverso da quello che è sempre stata la lettura o la ricerca in rete. Quando un modello linguistico cita un autore che non conosciamo, un concetto, un evento storico, una teoria, si apre una porta: possiamo fermarci lì, oppure possiamo seguirla, cercare quel riferimento altrove, verificarlo, approfondirlo. In questo senso l'AI non è così diversa da una nota a piè di pagina o da un link che porta altrove: il valore non sta nello strumento in sé, ma in cosa scegliamo di farne.
La differenza tra usare l'AI per pensare meno e usare l'AI per pensare di più sta proprio qui: nel fatto che il testo generato diventi un punto d'arrivo da copiare, oppure un punto di partenza da interrogare. Un allievo che chiede al modello di scrivere il tema al posto suo si sta privando di qualcosa. Un allievo che usa il modello per capire un riferimento che non conosceva, e poi va a verificarlo altrove, sta facendo esattamente quello che ha sempre fatto chi studia sul serio: seguire un filo fino a dove porta.
Forse il compito più utile che abbiamo, come insegnanti, non è vietare uno strumento che comunque i ragazzi useranno, ma restituire valore al processo che quello strumento rischia di far saltare. Chiedere non solo il testo finale ma le tappe che ci hanno portato: gli appunti disordinati, le versioni intermedie, le domande che sono rimaste aperte. Far scrivere a mano, ogni tanto, proprio per rallentare quel passaggio che l'AI accelera troppo. Insegnare a distinguere tra "questo suona bene" e "questo è vero, ed è mio".
Nel lungo periodo, chi si prende la fatica di pensare e scrivere con la propria testa resterà l'unico capace di produrre davvero qualcosa di nuovo. Il nostro compito, forse, è ricordare ai ragazzi che quella fatica non è un ostacolo da aggirare, ma il punto.
Lo scroll infinito ha eliminato una cosa apparentemente banale ma pedagogicamente fondamentale: la fine.
Una pagina finisce. Un capitolo finisce. Un libro finisce. Una lezione finisce. Anche un’attività quotidiana ha un inizio, uno svolgimento e una conclusione.
Il feed infinito, invece, non ci chiede di decidere quando fermarci. Ci propone continuamente qualcosa di nuovo, riducendo al minimo l’attrito tra un contenuto e il successivo.
Ed è qui che il problema diventa educativo.
Non riguarda soltanto il tempo trascorso sui social. Riguarda la nostra capacità di sostenere l’attenzione, tollerare la noia, concludere un’attività, selezionare ciò che merita il nostro tempo e resistere alla gratificazione immediata.
Come docente, trovo particolarmente interessante questa prospettiva: spesso chiediamo agli studenti di concentrarsi, leggere testi lunghi, studiare, approfondire, argomentare. Ma contemporaneamente li immergiamo in ambienti digitali progettati secondo logiche completamente opposte: rapidità, novità continua, ricompensa immediata, assenza di una conclusione naturale.
Non è soltanto una questione di “forza di volontà”.
È anche una questione di design.
Per questo l’educazione digitale non dovrebbe limitarsi a insegnare come utilizzare le tecnologie. Dovrebbe insegnare anche a riconoscere come le tecnologie cercano di utilizzare noi.
Forse dovremmo recuperare intenzionalmente il valore dell’attrito: pagine numerate, contenuti con una fine, notifiche disattivate, tempi di utilizzo definiti, pause reali, letture senza interruzioni.
E soprattutto una competenza che rischiamo di considerare sempre più preziosa: saper smettere.
Perché in un ambiente progettato per continuare all’infinito, fermarsi non è più un gesto automatico.
Saranno loro, più di altri, a trovare il proprio spazio nell'era dell'intelligenza artificiale. Perché se il vecchio mondo premiava soprattutto la specializzazione, la competenza tecnica e la capacità di eseguire, il nuovo mondo richiederà qualcosa di diverso. Persone capaci di pensare oltre gli schemi. Di mettere in relazione idee apparentemente lontane. Di immaginare possibilità prima ancora che diventino realtà. Di trasformare informazioni in visioni, conoscenza in cultura, tecnologia in esperienza e idee in significato. L'intelligenza artificiale sa elaborare, combinare, generare. Ma non decide che cosa merita di essere immaginato. Non attribuisce da sola un significato al mondo. Non crea una visione del futuro alla quale valga la pena aderire. Può generare contenuti. Gli esseri umani, quando pensano, immaginano e creano, possono generare mondi. Ed è forse proprio questa la competenza più preziosa nell'era dell'AI: non saper fare ciò che una macchina può fare meglio, ma saperle chiedere ciò che una macchina non può decidere al posto nostro.
C’è qualcosa di profondamente significativo nel modo in cui abbiamo iniziato a chiamare ciò che facciamo.
«Contenuto» è una parola neutra, funzionale, quasi industriale.
Indica qualcosa che deve riempire un contenitore, occupare uno spazio, alimentare un flusso. Un post, un video, un articolo, un’immagine: tutto diventa semplicemente «contenuto», indipendentemente dal tempo, dalla cura, dal pensiero e dall’intenzione che ci sono dietro.
E così, quasi senza accorgercene, abbiamo spostato il centro della creazione.
Non importa più soltanto che cosa abbiamo da dire, ma quanto produciamo, quanto rapidamente, quanta attenzione riusciamo a ottenere, quante visualizzazioni, interazioni e condivisioni genera ciò che facciamo.
L’espressione «creatore di contenuti» racconta perfettamente questa trasformazione: non siamo più necessariamente scrittori, artisti, fotografi, musicisti, illustratori, insegnanti, divulgatori. Siamo diventati fornitori di materia per piattaforme che la distribuiscono, la misurano e la monetizzano.
E anche chi guarda o legge diventa, simmetricamente, un «consumatore».
Forse il problema non è soltanto linguistico. Le parole non si limitano a descrivere la realtà: contribuiscono a costruirla. Se chiamiamo tutto «contenuto», rischiamo di dimenticare che alcune cose non sono semplicemente materiale da consumare.
Sono opere. Sono idee. Sono esperienze. Sono forme di espressione. Sono tentativi di dare senso al mondo.
Un contenuto deve attirare attenzione.
Un’opera può meritare attenzione.
Un contenuto è prodotto per essere consumato.
Una creazione può essere fatta per lasciare qualcosa.
Forse dovremmo recuperare parole più precise e, soprattutto, più umane.
Non è nostalgia per un linguaggio del passato. È la necessità di non lasciare che il linguaggio delle piattaforme diventi anche il linguaggio con cui definiamo noi stessi.
Perché non tutto ciò che creiamo è «contenuto».
E soprattutto, noi non siamo ciò che produciamo per essere consumato.
Come un bambino di sei anni, una fotografia e sei bozze possono cambiare il modo in cui pensiamo alla valutazione formativa
C'è un video che, ogni volta che lo mostro in formazione, produce lo stesso effetto: silenzio, poi un piccolo sussulto collettivo. Dura pochi minuti, non ha effetti speciali, eppure smonta in modo elegante alcune delle convinzioni più radicate sulla didattica. Parlo di "Austin's Butterfly", la testimonianza raccontata da Ron Berger, cofondatore di EL Education, che da anni gira nei circuiti di formazione internazionali come esempio-simbolo di cosa significhi davvero cultura della revisione.
Se non l'avete ancora visto, eccolo qui:
Vi racconto perché merita un posto stabile nella cassetta degli attrezzi di ogni docente.
La storia, in breve
Austin è uno studente di prima elementare. Il compito: realizzare un disegno scientificamente accurato di una farfalla Tiger Swallowtail, partendo da una fotografia reale. La prima bozza è quello che ci si aspetterebbe da un bambino di sei anni: una farfalla "come se la immagina", disegnata a memoria, con la forma generica che tutti noi abbiamo in testa quando pensiamo a "una farfalla". Poco somigliante al modello reale.
Qui, però, la storia prende una piega diversa da quella abituale. Nessuno corregge il disegno al posto di Austin, nessuno gli mette un voto e archivia il lavoro. La classe, guidata dall'insegnante, entra in un processo strutturato di feedback tra pari: osservazioni puntuali, rispettose, mai generiche, su cosa cambiare — la forma delle ali, più angolata; le venature, mancanti; le proporzioni, da rivedere.
Austin riprende il disegno. E lo rifà. Sei volte.
Bozza dopo bozza, il disegno si trasforma: dai contorni approssimativi delle prime tre versioni, alla ricerca di simmetria e dettaglio nella quarta e quinta, fino al colore e alla precisione scientifica della sesta. Il risultato finale è un'illustrazione che sembra uscita da un testo di scienze naturali. Distanza siderale dal primo tentativo.
Perché questa storia è un caso di studio, non un aneddoto
Dietro la semplicità della narrazione ci sono almeno tre principi didattici solidissimi, che vale la pena isolare uno per uno se vogliamo portarli in classe con intenzionalità — e non solo come ispirazione da condividere sui social.
1. Il feedback che funziona è specifico, non generico
"Bravo", "bel lavoro", "ci sei quasi": sono le frasi con cui, spesso in buona fede, chiudiamo la valutazione di un elaborato. Il problema è che non contengono alcuna informazione utile a migliorare. Un bambino che sente "bravo" non sa cosa ha fatto bene, né tantomeno cosa dovrebbe fare diversamente la prossima volta.
Nel video, i compagni di Austin non dicono "bella farfalla". Dicono cose come: "le ali dovrebbero essere più a punta", "mancano le venature nere". È un feedback descrittivo, osservabile, azionabile. Non giudica la persona, guida il lavoro.
Per chi si occupa di formazione, questo è il cuore della differenza tra valutazione sommativa (che certifica un livello raggiunto) e valutazione formativa (che orienta il passo successivo). Il feedback di Austin's Butterfly è formativo nella sua forma più pura: non dice "quanto vali", dice "cosa puoi fare adesso".
2. Il potere dei modelli: senza un riferimento reale, si disegna ciò che si ha in testa
C'è un dettaglio che spesso passa in secondo piano rispetto al tema del feedback, ma che è altrettanto potente: la fotografia.
Senza un modello concreto, Austin non stava sbagliando per pigrizia o disattenzione: stava semplicemente disegnando l'idea astratta di "farfalla" che ognuno di noi ha interiorizzato fin da piccolo — due ali simmetriche, colori vivaci, forma generica. È un limite cognitivo naturale, non una mancanza di impegno.
Il modello reale — la foto della Tiger Swallowtail — cambia radicalmente la natura del compito: da esercizio di memoria a esercizio di osservazione. E offre qualcosa di prezioso a tutta la classe: uno standard condiviso con cui confrontare il lavoro in corso. Senza un modello chiaro, il feedback tra pari rischia di diventare opinione ("a me piace di più così"); con un modello chiaro, diventa osservazione condivisa ("qui la punta dell'ala è diversa da quella della foto").
Per la pratica d'aula, questo si traduce in una domanda molto concreta da porsi prima di ogni compito: sto dando ai miei studenti un riferimento di eccellenza reale, oppure mi aspetto che lo intuiscano da soli? Mostrare esempi di lavori eccellenti — testi, disegni, progetti, dimostrazioni — prima che gli studenti si mettano al lavoro non è "dare la soluzione": è dare loro gli occhi per vedere dove stanno andando.
3. La prima bozza non è un fallimento: è un punto di partenza
Il terzo principio è forse il più delicato da portare in classe, perché tocca la cultura emotiva che costruiamo intorno all'errore.
Nel video, la prima bozza di Austin non viene mai presentata come qualcosa di deludente. È semplicemente l'inizio di un processo, non il suo esito. Questo cambia tutto: libera lo studente dalla paura del giudizio immediato e gli permette di vivere l'imperfezione come condizione normale del lavoro in corso, non come segnale di scarsa capacità.
È qui che entra in gioco il legame con il growth mindset di Carol Dweck: Austin non riceve un messaggio del tipo "non sei portato per il disegno", ma vive un'esperienza diretta e concreta — sotto i suoi occhi, letteralmente sul foglio — che mostra come la competenza si costruisca attraverso il tentativo guidato, non attraverso un talento fisso posseduto o mancante. Vedere fianco a fianco la prima e la sesta bozza è una prova empirica di autoefficacia molto più potente di qualsiasi discorso motivazionale.
E poi c'è la resilienza, la parte forse più sottovalutata: Austin accetta di tornare al banco sei volte. Non è un dettaglio scontato. La perseveranza che mostra non nasce da una generica esortazione a "non mollare", ma da un contesto che rende il ritorno al lavoro sensato e gestibile: ogni volta sa esattamente cosa correggere, perché il feedback ricevuto è specifico, e ha davanti un modello con cui confrontarsi. La grinta, in altre parole, non si allena a parole: si allena costruendo le condizioni (feedback chiaro + modello + tempo) che la rendono possibile.
Come portare questi principi in classe
Qualche spunto operativo per chi lavora in formazione docenti o vuole sperimentare direttamente:
Introdurre un "modello di eccellenza" prima del compito, non dopo. Che sia un testo, un disegno, una dimostrazione: mostrare cosa si intende per "buon lavoro" prima di chiedere di produrlo.
Allenare il feedback tra pari con un protocollo semplice: "Cosa funziona già bene?" / "Cosa si può migliorare, nello specifico?" / "Come, concretamente?". Evitare aggettivi generici, cercare sempre l'osservazione puntuale.
Normalizzare la bozza, con parole e con i fatti: dare tempo e spazio esplicito per revisioni successive, senza trattare il primo tentativo come definitivo o valutabile in senso sommativo.
Rendere visibile il progresso: conservare le versioni intermedie di un lavoro (bozza 1, bozza 3, versione finale) è uno strumento potentissimo per costruire consapevolezza metacognitiva negli studenti.
Insegnare esplicitamente come si dà un feedback, perché i bambini della classe di Austin non sanno farlo per istinto: lo sanno fare perché sono stati guidati a farlo, con modelli di linguaggio e pratica costante.
Una farfalla, molte domande per noi docenti
Quello che rende Austin's Butterfly un video che "resta addosso" non è solo la trasformazione visiva — pur spettacolare — del disegno. È la domanda scomoda che lascia in sospeso a chi insegna: quante volte, nelle nostre classi, ci fermiamo alla prima bozza? Quante volte un voto chiude un percorso che avrebbe ancora margini enormi di crescita, semplicemente perché non abbiamo costruito lo spazio, il tempo e la cultura per la revisione?
La storia di Austin non è un invito a disegnare farfalle più belle. È un invito a ripensare cosa intendiamo, nella pratica quotidiana, per "compito ben fatto" — e a chiederci se stiamo davvero dando ai nostri studenti gli strumenti (un modello, un feedback specifico, il permesso di rifare) per arrivarci.
