In questo articolo racconto il metodo che ho maturato nel corso degli ultimi anni per integrare l’intelligenza artificiale nella progettazione e nella conduzione delle mie lezioni di discipline umanistiche (Lingua e letteratura italiana, Lingua e letteratura latina, Geostoria). Non si tratta di una resa alla macchina, né di un entusiasmo acritico verso la tecnologia: si tratta di un metodo fondato su un principio semplice e insieme esigente, che ho mutuato da Jonassen (1994) e che potrei sintetizzare così: l’IA non sostituisce il pensiero del docente, ma amplifica ciò che il docente già sa fare. Il fulcro rimane sempre il docente esperto, capace di leggere la classe, di fissare gli obiettivi, di valutare la qualità di un testo letterario. L’IA è lo strumento che aiuta a fare più cose in meno tempo, a generare materiali, a differenziare le consegne, a simulare scenari didattici. Ma la responsabilità pedagogica è e resta umana.
Propongo un flusso di lavoro in undici fasi, ispirato al modello ADDIE (Analysis, Design, Development, Implementation, Evaluation) e arricchito dalla prospettiva costruttivista di Vygotsky sulla zona di sviluppo prossimale. Lo illustro attraverso un percorso completo su Ugo Foscolo e le “Ultime lettere di Jacopo Ortis”, rivolto a una classe quarta di liceo.
Perché un metodo
Il rischio dell’entusiasmo ingenuo
Quando ho sentito parlare per la prima volta di GPT-4 in contesti scolastici, la reazione di molti colleghi oscillava tra due estremi ugualmente improduttivi: il rifiuto totale (“i ragazzi copieranno tutto”) e l’adozione acritica (“genera una lezione in tre secondi”). Ho vissuto entrambe le tentazioni e ho capito che la risposta giusta non stava in mezzo per compromesso, ma richiedeva un cambio di prospettiva epistemologica.
La letteratura sulla tecnologia educativa ci ha insegnato da tempo che l’adozione di uno strumento non implica automaticamente un miglioramento dell’apprendimento. Cuban (2001), nel suo fondamentale studio sull’uso dei computer nelle scuole americane, documentava già come la semplice disponibilità di tecnologia produca spesso cambiamenti superficiali nelle pratiche didattiche senza intaccare il nucleo epistemico dell’insegnamento. Lo stesso rischio vale, e forse in misura amplificata, per l’IA generativa.
Il frame teorico di riferimento
Il mio approccio è radicato in tre tradizioni teoriche. La prima è il costruttivismo vygotskiano: la Zona di Sviluppo Prossimale (ZSP) descrive quello spazio tra ciò che lo studente sa fare da solo e ciò che riesce a fare con supporto. L’IA, adeguatamente configurata dal docente, può funzionare come scaffolding dinamico, abbassando o alzando la soglia di difficoltà in tempo reale (Vygotsky, 1978; Wood, Bruner & Ross, 1976).
La seconda tradizione è quella del Technological Pedagogical Content Knowledge (TPACK), elaborato da Mishra e Koehler (2006): un docente efficace nell’era digitale deve possedere simultaneamente conoscenza disciplinare, conoscenza pedagogica e conoscenza tecnologica, nelle loro intersezioni. Non basta saper usare uno strumento: occorre sapere quando usarlo, perché e per chi.
La terza è il pensiero critico come competenza trasversale, nella definizione di Ennis (1987) e, più recentemente, nelle formulazioni delle competenze del XXI secolo (Trilling & Fadel, 2009; OCSE, 2019). Un percorso che integra l’IA in modo critico non usa la macchina come oracolo, ma come interlocutore da mettere alla prova: questa modalità allena, nei ragazzi, esattamente le competenze più difficili da sviluppare con la didattica tradizionale.
Una distinzione necessaria: IA come strumento del docente e IA come oggetto di studio
Nel mio lavoro distinguo sempre due usi dell’IA in classe, che non vanno confusi. Il primo uso è strumentale: il docente usa l’IA nella fase di progettazione (generazione di materiali, differenziazione, simulazione) e gli studenti la usano come supporto per alcune attività.
Il secondo uso è epistemico: l’IA diventa oggetto di studio critico, uno strumento da esaminare, valutare, correggere. Nel percorso su Foscolo, questi due livelli convivono costantemente. Gli studenti non si limitano a “chiedere all’IA”: imparano a valutarne le risposte, a riconoscere le semplificazioni, a correggere con riferimenti diretti ai testi.
Il flusso di lavoro in undici fasi
Il metodo che ho elaborato è articolato in undici fasi. Le prime cinque sono di competenza pressoché esclusiva del docente; le fasi sei, otto e dieci sono affidate all’IA; le rimanenti costituiscono momenti di sintesi, verifica e decisione che spettano sempre al docente. Questa distribuzione non è casuale: rispecchia la convinzione che le decisioni pedagogiche fondamentali — chi sono i miei studenti, cosa devono imparare, come valuto ciò che hanno imparato — non siano delegabili a un sistema automatico.
Fase 1 – Conoscere gli studenti (Docente)
Ogni progettazione autentica comincia da qui. Prima di aprire qualunque interfaccia, mi siedo con il registro, i miei appunti sulle lezioni precedenti, le valutazioni formative. Rileggo i profili degli studenti con bisogni educativi speciali. Ricordo le conversazioni, le resistenze, gli entusiasmi. Questo lavoro è radicalmente umano: nessuna IA può sostituire la conoscenza relazionale che un docente accumula nel tempo. Qui applico concretamente ciò che Hattie (2009) definisce visible learning: rendo visibili a me stessa i livelli di partenza e le traiettorie di apprendimento possibili.
Fase 2 – Analisi dei bisogni con supporto dell’IA (IA)
Elaboro un prompt dettagliato che descrive il profilo della classe: livelli di competenza, bisogni speciali, punti di forza, difficoltà ricorrenti, contesto socioculturale. Chiedo all’IA di suggerire strategie inclusive ad hoc, di individuare possibili ostacoli all’apprendimento, di proporre percorsi personalizzati. Il risultato non è un piano definitivo, ma un repertorio di ipotesi che io filtro criticamente.
“La forza dell’IA in questa fase non è la creatività, ma la capacità di mobilitare rapidamente un grande repertorio di strategie didattiche che io poi valuto e seleziono.”
Fase 3 – Definire l’obiettivo di apprendimento (Docente)
Formulo l’obiettivo in modo preciso, usando la tassonomia di Bloom (1956) o la sua versione rivista (Anderson & Krathwohl, 2001). Non “studieremo Foscolo”, ma: “gli studenti sapranno analizzare la struttura narrativa dell’Ortis, riconoscerne i temi principali e stabilire connessioni con il contesto storico-culturale.” Questa precisione è essenziale per costruire prompt efficaci nelle fasi successive.
Fase 4 – Scegliere la metodologia didattica (Docente)
Questa è una decisione pedagogica insostituibile. Per il percorso su Foscolo ho scelto il lavoro a coppie come modalità prevalente, combinando elementi di cooperative learning (Johnson & Johnson, 1994) con la flipped classroom per alcune attività a casa. La scelta nasce dalla lettura della classe: una classe che aveva bisogno di più confronto orizzontale, dove la mediazione tra pari risultava più efficace della lezione frontale prolungata.
Fase 5 – Selezionare i contenuti (Docente)
Decido quali testi leggere, quali passi privilegiare, quali connessioni intertestuali tracciare. Per l’Ortis: la lettera d’apertura, l’incontro con Parini, le lettere su Teresa. I sonetti foscoliani, i Sepolcri. Il Werther come confronto. Questa selezione è un atto critico: scelgo cosa è letterariamente e culturalmente rilevante, e questo richiede la competenza disciplinare del filologo e dello studioso, non certo dell’algoritmo.
Fase 6 – Generare idee e materiali (IA)
Con l’obiettivo definito e i contenuti selezionati, costruisco prompt mirati. Chiedo all’IA di generare: schema della progettazione, scalette di lezione, domande per la discussione, schede di analisi guidata, proposte di attività differenziate. La quantità di output è alta; la qualità è variabile. Per ogni materiale generato, applico quello che chiamo il filtro dei tre C: Correttezza (l’informazione è esatta?), Coerenza (si adatta al mio contesto classe?), Creatività (aggiunge qualcosa rispetto a quello che avrei fatto da solo?).
Fase 7 – Esaminare, selezionare e adattare (Docente)
Leggo ogni proposta dell’IA con occhio critico. Scarto ciò che è generico, banale o non adatto al livello della classe. Integro, riformulo, sostituisco esempi con altri più vicini all’esperienza dei miei studenti. In questa fase emerge con chiarezza il valore aggiunto del docente: la conoscenza relazionale della classe, la sensibilità letteraria, l’esperienza pedagogica accumulata negli anni.
Fase 8 – Migliorare i materiali su feedback (IA)
Fornisco all’IA un feedback specifico sulle proposte: “La scheda di analisi è troppo generica per questi ragazzi; hai incluso domande sulla sintassi ma non sulla struttura epistolare; semplifica la domanda 3.” L’IA affina il materiale. Questo ciclo iterativo di feedback-revisione è uno dei contributi più concreti dell’IA: la capacità di riscrivere velocemente senza resistenze ego-coinvolte.
Fase 9 – Aggiungere vincoli pratici (Docente)
Specifico i vincoli reali: tempo disponibile (10 ore di aula + casa, 4 settimane), risorse digitali accessibili, necessità di differenziazione per studenti con DSA, modalità di consegna e valutazione. Questi vincoli trasformano un percorso teoricamente coerente in un percorso praticabile.
Fase 10 – Predisporre materiali coerenti con i vincoli (IA)
Con i vincoli definiti, l’IA produce versioni finali dei materiali: accorcia attività, crea glossari, adatta schede per studenti con bisogni speciali, propone versioni semplificate o approfondite. In questa fase la velocità della macchina è preziosa: ciò che richiederebbe ore di lavoro si realizza in minuti.
Fase 11 – Revisione finale e validazione etica (Docente)
Leggo tutto con attenzione critica. Verifico la correttezza dei contenuti letterari (date, citazioni, attribuzioni). Controllo l’adeguatezza linguistica. Valuto l’inclusività delle proposte. Mi chiedo: questo materiale rispetta la dignità culturale degli studenti? Questa fase è irrinunciabile. L’IA non ha senso etico; io sì. La responsabilità di ciò che entra in classe è mia, sempre.
Un percorso esemplare: Foscolo e l’Ortis in classe quarta
La genesi del percorso
Ho progettato questo percorso per una classe quarta di liceo con 25 studenti, in un anno scolastico caratterizzato da una grande disomogeneità nei livelli di competenza letteraria. Alcuni ragazzi avevano una sensibilità critica spiccata; altri faticavano a reggere la complessità sintattica foscoliana. L’integrazione con l’IA è nata proprio da questa esigenza: creare un percorso che fosse sfidante per i più avanzati e accessibile per chi era in difficoltà, senza abbassare la qualità culturale complessiva.
La scelta del testo non era in discussione: Le ultime lettere di Jacopo Ortis (1802) è un testo fondativo della letteratura italiana moderna. Ma invece di proporne una lettura scolastica tradizionale — schema biografico + analisi formale + contestualizzazione — ho voluto costruire un percorso in cui Foscolo emergesse come interlocutore vivo, capace di parlare alle inquietudini politiche e sentimentali di ragazzi di diciassette anni.
Come ho usato il flusso di lavoro
Fasi 1-5: la progettazione “umana”
Sapevo che la classe aveva bisogno di un ancoraggio emotivo prima di affrontare la complessità ideologica del testo. Ho deciso di aprire il percorso con il tema dell’esilio, chiedendo agli studenti: “Cosa sapete già di Foscolo? Cosa significa vivere un esilio?” Questa apertura è stata mia: nasceva dalla conoscenza della classe, dal fatto che alcuni studenti (e io stessa) avevano famiglie con esperienze migratorie, e che la domanda sull’appartenenza era emotivamente viva in quella classe.
Ho scelto il lavoro a coppie come modalità strutturale: coppie formate da me, cercando di bilanciare competenze digitali e letterarie. Ogni coppia ha firmato un “contratto di lavoro” che definiva ruoli, modalità di comunicazione, criteri di divisione del lavoro. Questo strumento, mutuato dalla letteratura sul cooperative learning, si è rivelato prezioso per la responsabilizzazione individuale.
Fase 6: la generazione dei materiali con l’IA
Ho costruito prompt dettagliati per ciascuna delle cinque fasi del percorso. Per la Fase 1, ad esempio:
“Sono una docente di liceo, classe quarta, 25 studenti. Devo introdurre la vita e la poetica di Ugo Foscolo. Gli studenti hanno già studiato il Settecento illuminista. Genera: (a) 5 domande guida per una discussione di 20 minuti; (b) una mappa concettuale schematica dei temi foscoliani; (c) tre attività differenziate per la costruzione di mappe digitali, adatte a diversi livelli di competenza digitale.”
L’IA ha prodotto materiali abbondanti. Ho selezionato, riformulato, integrato. La scheda di analisi guidata per la Fase 2 l’ho costruita attraverso tre iterazioni: la prima proposta dell’IA era troppo generica; dopo un feedback specifico (“aggiungi domande sulla funzione narrativa del destinatario Lorenzo Alderani”), la seconda versione era molto più ricca; la terza, dopo ulteriori aggiustamenti, è quella che ho consegnato ai ragazzi.
Fase 7-11: il filtro del docente
In un caso l’IA ha commesso un errore che avrei potuto non cogliere se non avessi verificato: nella presentazione del romanzo, aveva scritto che la prima edizione completa dell’Ortis era del 1798, confondendo le edizioni parziali con quella definitiva del 1802. Ho corretto, ma ho anche colto l’occasione per trasformare quell’errore in attività didattica: gli studenti hanno dovuto verificare la datazione sulle edizioni critiche. L’errore dell’IA diventava esercizio di filologia.
Le cinque fasi del percorso
Fase 1 – Foscolo: vita, contesto e opere
Ho aperto il percorso con una lezione dialogata partendo dal ritratto di Foscolo e da alcuni versi di ‘A Zacinto’. Le domande guida che ho scelto — generate dall’IA e da me selezionate e riformulate — puntavano a far emergere le preconoscenze degli studenti sul Settecento e sull’esilio.
A casa, le coppie hanno costruito mappe concettuali digitali su Foscolo. Qui ho introdotto il primo esercizio di uso critico dell’IA: le coppie interrogavano un assistente AI, poi verificavano le informazioni su una fonte tradizionale (manuale) e documentavano imprecisioni o semplificazioni. Il prodotto finale includeva un riquadro “AI: cosa ha detto / cosa abbiamo corretto”. Questo format semplice è stato, fin dal primo giorno, uno strumento potente di alfabetizzazione critica.
Fase 2 – Dentro l’Ortis: lettura e analisi
Ho scelto tre lettere chiave: l’apertura dell’11 ottobre 1797 (riferimenti alla patria, agli Italiani, alla madre, osservazioni sullo stile ...), la lettera del 17 marzo 1798 (la passione per Teresa), e la lettera sull’incontro con Parini (4 dicembre 1798). Quest’ultima è la mia preferita: il dialogo tra il giovane Jacopo e il vecchio poeta illuminista è uno dei momenti più densi della letteratura italiana di primo Ottocento. La saggezza stoica di Parini di fronte all’entusiasmo politico di Ortis è un tema che risuona con la condizione degli studenti di fronte alla complessità del mondo contemporaneo.
Ho costruito una scheda di analisi guidata in cinque punti: tema principale, scelte lessicali significative, funzione del paesaggio, tono emotivo e sintassi, funzione del destinatario Lorenzo Alderani. Questa scheda è nata da tre iterazioni con l’IA, ma la scelta definitiva dei cinque fuochi analitici è mia: rispecchia la mia interpretazione del romanzo e del livello di competenza analitica che mi aspettavo dai ragazzi.
Fase 3 – Genere epistolare e Romanticismo
Ho proposto un confronto parallelo tra l’Ortis e il Werther di Goethe. Le coppie hanno compilato una tabella comparativa su tre livelli: temi, stile, visione del mondo. L’integrazione con l’IA qui è stata particolarmente ricca: ogni coppia interrogava l’IA sul proprio tema assegnato (il mito dell’eroe romantico; il rapporto tra letteratura e storia politica; il paesaggio come paesaggio dell’anima), poi valutava la risposta su una scala da 1 a 5, identificava almeno un’affermazione imprecisa, e la riscriveva integrando le proprie correzioni.
Un esempio concreto: una coppia aveva chiesto all’IA di descrivere il paesaggio romantico nell’Ortis. L’IA aveva prodotto una risposta corretta nei termini generali ma aveva ignorato la dimensione politica del paesaggio foscoliano — il modo in cui i Colli Euganei diventano un luogo di esilio interiore che rispecchia l’esilio politico dopo Campoformio. La coppia ha rilevato l’omissione e ha riscritto il paragrafo integrando la dimensione storica. Era esattamente il tipo di lettura critica che speravo di stimolare.
Fase 4 – L’Ortis nel complesso dell’opera foscoliana
Ho proposto una lettura intertestuale: i sonetti ‘A Zacinto’ e ‘In morte del fratello Giovanni’, i Sepolcri. Le coppie hanno costruito una “costellazione tematica” digitale: un documento visivo che metteva in relazione i temi ricorrenti in Foscolo (esilio, morte, memoria, patria, amore) con citazioni da almeno tre opere. In questa fase ho permesso un uso più libero dell’IA, ma con un vincolo preciso: ogni informazione doveva essere verificata sul testo, e la coppia doveva documentare “Abbiamo usato l’IA per… e abbiamo verificato che…”
Fase 5 – Prodotto finale e restituzione
Ho proposto sei tipologie di prodotto finale: saggio argomentativo, podcast letterario, newsletter digitale, lettura creativa commentata, intervista immaginaria a Ortis, e dialogo Ortis-Parini con AI. Quest’ultima tipologia è stata la più impegnativa e la più formativa. Le coppie che l’hanno scelta hanno dovuto ricostruire, con il supporto dell’IA, il dialogo tra Jacopo e Parini; espandere o riscrivere in prosa moderna alcuni scambi; documentare le scelte fatte; e confrontare il risultato con il testo foscoliano originale.
Una coppia mi ha consegnato un prodotto straordinario: avevano notato che l’IA tendeva a rendere Parini più “comprensivo” di quanto non fosse nel testo originale, ammorbidendo la sua critica al vitalismo politico di Ortis. Nella nota metodologica scrivevano: “L’IA ha reso Parini più gentile. Foscolo lo fa essere più duro, quasi crudele nella sua saggezza. Abbiamo preferito il Foscolo vero.” Questo è esattamente il tipo di lettura critica — comparativa, testualmente fondata, consapevole dei limiti dello strumento — che un percorso ben progettato dovrebbe produrre.
Riflessioni sui risultati
Cosa ha funzionato
Il risultato che mi ha soddisfatto di più non è stato il livello medio dei prodotti finali (comunque medio-alto), ma la qualità delle riflessioni sull’IA consegnate al termine del percorso. I ragazzi avevano sviluppato un vocabolario critico per descrivere i limiti dell’IA: “semplifica”, “omette la dimensione politica”, “concorda con il manuale ma non con il testo”, “appiana le contraddizioni”. Queste osservazioni rivelavano una comprensione letteraria e insieme una consapevolezza epistemologica che non avevo ottenuto con i percorsi tradizionali.
Sul piano della differenziazione, il metodo ha funzionato bene: le coppie avanzate si erano dedicate alle tipologie creative più complesse; le coppie con più difficoltà avevano potuto usare i materiali semplificati generati con l’IA senza sentirsi escluse dal percorso comune. Questo è precisamente ciò che la letteratura sull’ Universal Design for Learning (CAST, 2018) indica come obiettivo della differenziazione: non abbassare la qualità degli obiettivi, ma rendere accessibili le strade per raggiungerli.
I limiti e le difficoltà
Il limite maggiore è stato il tempo: la fase di generazione e validazione dei materiali con l’IA richiede un investimento iniziale considerevole. Per il percorso su Foscolo ho impiegato circa otto ore nella fase di progettazione (fasi 1-11), quasi il doppio di un percorso tradizionale. Il vantaggio è che molti di quei materiali sono ora rielaborabili per anni futuri; ma bisogna essere onesti sul costo iniziale.
Un’altra difficoltà è stata la gestione dell’ansia di alcuni studenti di fronte all’IA. Alcuni ragazzi erano intimoriti, convinti di “barare” semplicemente interrogando lo strumento. Ho dovuto investire tempo per ridefinire il contratto didattico: l’IA è uno strumento come la biblioteca, come il manuale; ciò che conta non è se la usi, ma come la usi e cosa aggiungi tu.
L’impatto sul ruolo del docente
Contrariamente a ciò che temono molti colleghi, l’integrazione dell’IA non ha ridotto il mio ruolo: lo ha ridefinito. Sono diventata meno dispensatrice di nozioni e più progettista di esperienze di apprendimento; meno correttrice di compiti seriali e più interlocutrice critica dei prodotti creativi dei ragazzi. Il tempo liberato dalla generazione automatica di materiali standardizzati l’ho investito nelle conversazioni individuali, nell’ascolto, nella valutazione formativa in itinere. È il docente che Hattie (2009) descrive come activator più che come facilitator: qualcuno che interviene attivamente per fare accadere l’apprendimento, non solo per crearne le condizioni.
Indicazioni operative per i colleghi
Come costruire prompt efficaci
La qualità del dialogo con l’IA dipende quasi interamente dalla qualità del prompt. Ho imparato che un prompt didattico efficace include sempre: il contesto classe (età, livello, bisogni specifici), l’obiettivo di apprendimento preciso, il formato desiderato, i vincoli (tempo, risorse), e un esempio di riferimento. Un prompt vago produce un output vago; un prompt preciso produce output utili e adattabili.
Il principio della verifica sistematica
Nessuna informazione letteraria prodotta dall’IA deve entrare in classe senza verifica. Questo non significa diffidare dello strumento, ma usarlo con la stessa prudenza con cui si userebbe qualunque fonte secondaria. Ho adottato la regola del “controllo sul testo”: ogni affermazione dell’IA su un’opera letteraria viene verificata sull’opera stessa, su un’edizione critica o su una fonte autorevole.
La documentazione come pratica riflessiva
Ho introdotto in tutte le fasi del percorso un momento di documentazione esplicita dell’uso dell’IA. Questa pratica ha due funzioni: è uno strumento valutativo (vedo come i ragazzi usano lo strumento e cosa ne ricavano) ed è uno strumento di metacognizione (i ragazzi diventano consapevoli del proprio processo di apprendimento). Flavell (1979), che ha introdotto il concetto di metacognizione in psicologia dello sviluppo, sosteneva che gli studenti più efficaci sono quelli che monitorano e regolano attivamente il proprio apprendimento. La riflessione sull’IA che ho richiesto al termine del percorso è esattamente questo: un atto metacognitivo.
Quando ho iniziato a lavorare con l’IA nella progettazione didattica, temevo di perdere qualcosa di essenziale: quella dimensione artigianale del lavoro del docente, il piacere di costruire una lezione da zero, la soddisfazione di trovare l’esempio perfetto per quella classe specifica. Non l’ho persa. L’ho ritrovata in un’altra forma: nella selezione critica, nel dialogo iterativo con la macchina, nell’atto di riconoscere ciò che l’IA non può fare e che solo io posso fare.
Foscolo scriveva, nelle lettere di Jacopo, “Cos'è l'uomo se tu lo abbandoni alla sola ragione fredda, calcolatrice? scellerato, e scellerato bassamente”. Sono convinta che valga anche per la didattica: nessuna formula tecnologica sostituisce la relazione educativa, la conoscenza degli studenti, la passione per la disciplina. Ma quando queste fondamenta sono solide, l’IA può essere uno strumento potente per amplificarle. Il metodo che ho descritto in questo articolo non è una ricetta: è una struttura dentro cui ogni docente può mettere la propria voce.
“L’intelligenza artificiale ci restituisce tempo. Sta a noi decidere come spenderlo.”
