“La mia ricerca indipendente vuole capire come progettare un’AI che aiuti lo studente a pensare, invece di sostituirsi a lui. L’AI è già nelle loro mani e può aiutare molto gli studenti: il punto è capire quando favorisce l’apprendimento e quando sostituisce il lavoro cognitivo.”

Marco Iannacone, ti ho conosciuto nel 2012, agli albori di “Tecnologia solidale”….

“Avevo fondato EdiTouch, ecosistema di tecnologie assistive per studenti con DSA e BES, per trasformare requisiti clinici ed educativi in un prodotto utilizzabile nelle scuole…”

L’AI educativa progettata per non sostituire il ragionamento

…e ora ti ritrovo che stai realizzando questa ricerca indipendente sull’AI educativa. Per farlo hai costruito tre strumenti digitali…

“Il primo si chiama Proxima ZSP. È un tutor AI maieutico in italiano per la scuola secondaria di primo grado, progettato per evitare che l’AI faccia il passaggio cognitivo che dovrebbe fare lo studente. Il sistema parte da ciò che lo studente pensa e procede con domande progressive che rendono osservabile il ragionamento, invece di completare subito l’esercizio.”

Come dire che l’intelligenza artificiale non deve essere una scorciatoia, ma uno sparring partner o, meglio, un tutor…

“È così!”

Valutare l’apprendimento con l’AI oltre la risposta corretta

Poi ti sei inventato L×M×C. Diciamo che è una formula che merita di essere spiegata per bene…

“È un framework aperto per osservare tre aspetti diversi: la profondità del ragionamento (L), la metacognizione (M) e il consolidamento e transfer (C).

Serve ad andare oltre la sola domanda “ha dato la risposta corretta?”.

Dall’errore di calcolo alla metacognizione

Puoi fare un esempio concreto?

“Uno studente scrive che 1/2 più 1/4 fa 2/6…”

La risposta è sbagliata…

“…ma sapere che è sbagliata non basta per capire come aiutarlo. L×M×C serve a capire tre cose. La L riguarda il livello del ragionamento: lo studente sta applicando una regola a memoria oppure sa spiegare perché bisogna portare le frazioni allo stesso denominatore?

La M riguarda la metacognizione, cioè la capacità di accorgersi di un errore, riconoscere che cosa non si è capito e correggere il proprio percorso. La C guarda al consolidamento e al trasferimento: in una situazione successiva, con un problema formulato in modo diverso, lo studente sa riutilizzare ciò che ha imparato? Il framework cerca evidenze di questi tre aspetti nelle interazioni tra studente e tutor digitale.”

Un framework aperto e verificabile

Hai scelto di non brevettarlo, ma lo hai messo a disposizione di chiunque in formato opensource e con licenza Creative Commons BY 4.0, che consente di riutilizzare e adattare il materiale riconoscendo la paternità dell’autore. Perché?

“Perché altri possano usarlo, criticarlo, migliorarlo e verificarlo. Le metriche con cui giudichiamo l’AI educativa dovrebbero essere pubbliche, discutibili e migliorabili, non nascoste all’interno di una piattaforma. Non chiedo di fidarsi della mia parola: definizioni e criteri sono pubblicati in un preprint su EdArXiv, un archivio aperto di ricerca educativa. Questo è il relativo DOI, identificativo permanente che permette a chiunque di rintracciare il documento: https://osf.io/hvx37_v2.”

Studenti simulati e limiti dell’inferenza nell’AI educativa

Infine hai costruito SLEF. Non ti bastavano Proxima e L×M×C?

“Mi serviva un modo rigoroso per testare le soluzioni che propongo. In attesa di una sperimentazione longitudinale con studenti reali. Per questo ho costruito SLEF, Synthetic Learner Evaluation Framework, 44 profili di studenti simulati, ciascuno con caratteristiche definite. Ogni profilo affronta cinque conversazioni su problemi di frazioni con cinque diverse configurazioni di tutor AI. In totale 1.100 dialoghi in italiano.

A quel punto entra in gioco un secondo sistema, indipendente dal tutor. Legge soltanto il testo della conversazione, senza sapere quali caratteristiche erano state assegnate allo studente, e prova a ricostruirle. Se nel dialogo non ci sono elementi sufficienti, può anche dichiarare di non poter decidere.”

Confrontare profili e segnali nelle conversazioni

In questo modo puoi confrontare ciò che è inserito nel profilo con ciò che un osservatore può effettivamente dedurre dal dialogo.

“SLEF mette alla prova quanto sia affidabile interpretare uno studente, a partire dalle sue conversazioni con l’AI. Prima di affidare all’intelligenza artificiale decisioni su come aiutare uno studente, bisogna essere sicuri che ciò che crediamo di aver capito dello studente sia reale.”

Risultati senza classifiche tra tutor

Primi risultati?

“Alcune caratteristiche attribuite allo studente sono sorprendentemente difficili da ricostruire, e risultati medi apparentemente buoni possono nascondere errori sistematici. È emerso confrontando Proxima ZSP con diverse configurazioni di Claude, ChatGPT e Mistral. Non è una classifica di tutor e non dimostra che uno faccia apprendere più di un altro: SLEF mette alla prova i limiti dell’inferenza sullo studente.

Ho pubblicato sia il preprint (DOI) sia il dataset e il codice di analisi su Zenodo. Chi vuole può esaminare le conversazioni, controllare il metodo e verificare i calcoli.”

La validazione scientifica dell’AI educativa è ancora aperta

Finora, cosa è stato validato?

“Abbiamo strumenti funzionanti, dati e metodi pubblici, ma non ancora la dimostrazione che Proxima migliori l’apprendimento nel tempo. I risultati di SLEF riguardano la possibilità di ricostruire le caratteristiche degli studenti simulati, non l’efficacia didattica con studenti reali.

Due contributi sono stati accettati in sedi scientifiche: uno a ICERI 2026, su autonomia dello studente, L×M×C e percorso di validazione; uno nell’ambito di SIREM 2026, sulla sicurezza cognitiva, cioè sul rischio di scambiare coinvolgimento e qualità delle risposte per apprendimento. Le accettazioni aprono un confronto scientifico, non certificano che Proxima funzioni.”

Il confronto scientifico con ICERI e SIREM

ICERI è l’International Conference of Education, Research and Innovation, conferenza internazionale che riunisce ricercatori e professionisti dell’educazione e delle tecnologie didattiche.

“Corretto. A ICERI 2026, in programma a Siviglia dal 9 all’11 novembre, presenterò in modalità virtuale un contributo sul problema dell’autonomia dello studente quando usa l’AI, sul framework L×M×C e sul percorso previsto per verificarne l’utilità.”

SIREM è la Società Italiana di Ricerca…