Il workshop, a cura delle Équipe Formative Territoriali, si ispira al recente “AI Competency Framework” elaborato dall'UNESCO e mira a fornire spunti operativi per integrare l'Intelligenza Artificiale (IA) nella didattica. Attraverso attività laboratoriali, i docenti acquisiranno competenze di livello A2 per comprendere, progettare e utilizzare consapevolmente strumenti IA. Le tematiche trattate saranno:
per riflettere sui dilemmi etici legati all'uso dell'IA attraverso giochi didattici.
Spiegazione teorica e pratica su come creare prompt efficaci per ottenere risultati pertinenti dall’IA.
Simulazione in cui i docenti creano un piccolo dataset per un progetto IA educativo, scegliendo categorie e dati rilevanti
Queste schede permettono ai docenti di riflettere su contesti reali, stimolando la discussione e la progettazione di soluzioni didattiche eticamente consapevoli.
Scheda Caso Studio 1: "Il Tutor Virtuale in Classe"
Contesto:
Una scuola superiore ha deciso di implementare un tutor virtuale basato su IA per supportare gli studenti con difficoltà di apprendimento. Il tutor offre spiegazioni personalizzate e monitora i progressi degli studenti tramite dati raccolti durante le lezioni.
Dilemma Etico:
Il sistema registra tutte le interazioni degli studenti per migliorare le risposte, ma alcuni insegnanti e genitori sono preoccupati per la privacy dei dati e la possibilità di discriminazione. Alcuni studenti si sentono osservati e non si fidano del tutor virtuale.
Domande di Riflessione:
Quali politiche potrebbero essere adottate per proteggere la privacy degli studenti?
È etico raccogliere dati personali per migliorare le prestazioni del tutor virtuale?
Come possiamo bilanciare l'uso di IA con il diritto degli studenti a essere tutelati?
Scheda Caso Studio 2: "La Sorveglianza Automatica durante gli Esami"
Contesto:
Un istituto introduce un sistema IA che utilizza il riconoscimento facciale e il monitoraggio video durante gli esami per evitare imbrogli. Il sistema segnala comportamenti sospetti come movimenti irregolari o sguardi laterali.
Dilemma Etico:
Alcuni studenti segnalano che il sistema li ha etichettati ingiustamente come sospetti a causa di ansia o movimenti naturali. C'è il rischio di bias che penalizza alcuni comportamenti considerati "anomali".
Domande di Riflessione:
È giusto utilizzare un sistema di sorveglianza basato sull'IA per controllare gli studenti?
Quali conseguenze può avere l'introduzione di un sistema di monitoraggio sui livelli di stress e fiducia degli studenti?
Quali alternative etiche possono essere proposte per prevenire imbrogli durante gli esami?
Scheda Caso Studio 3: "Il Sistema di Valutazione Automatica"
Contesto:
Un programma di intelligenza artificiale valuta automaticamente gli elaborati degli studenti basandosi su criteri predefiniti come grammatica, struttura e pertinenza. Il sistema offre valutazioni più rapide rispetto al docente e suggerisce feedback.
Dilemma Etico:
Dopo un certo periodo di utilizzo, alcuni docenti hanno notato che il sistema penalizza elaborati creativi che non seguono schemi rigidi e tende a favorire scritture più standardizzate. Alcuni studenti si lamentano della mancanza di un giudizio umano.
Domande di Riflessione:
È corretto affidare interamente la valutazione degli elaborati a un sistema automatizzato?
Come si può garantire che il sistema di IA riconosca la creatività e la complessità delle risposte?
Quale ruolo deve avere il docente in un contesto di valutazione automatica?
Scheda Caso Studio 4: "IA nel Reclutamento degli Studenti"
Contesto:
Un’università utilizza un algoritmo di IA per selezionare automaticamente i candidati più idonei a ricevere borse di studio, basandosi sui voti scolastici e su criteri socio-economici.
Dilemma Etico:
È emerso che l'algoritmo tende a svantaggiare candidati provenienti da scuole con punteggi medi più bassi, penalizzando così chi proviene da contesti svantaggiati.
Domande di Riflessione:
Come possiamo ridurre i bias nei sistemi di selezione automatica?
È giusto affidarsi a un algoritmo per processi di selezione che possono influire sul futuro delle persone?
Quali criteri potrebbero essere più equi per garantire una selezione trasparente e inclusiva?
Scheda Caso Studio 5: "Il Compagno di Gioco Virtuale"
Contesto:
Una scuola primaria ha introdotto un’app basata su IA che permette ai bambini di interagire con un compagno di gioco virtuale durante le ore di svago o per completare attività educative.
Dilemma Etico:
Alcuni genitori sono preoccupati che l’interazione con l’IA possa ridurre le capacità sociali dei bambini. Inoltre, l’IA potrebbe influenzare inconsapevolmente i comportamenti dei bambini, modellandoli su risposte predefinite.
Domande di Riflessione:
Quali sono i pro e i contro dell’interazione con un compagno virtuale rispetto a un compagno reale?
Come si può garantire che l’IA supporti l’interazione umana e non la sostituisca?
È etico utilizzare sistemi IA per l’educazione emotiva dei bambini?
Risorse Aggiuntive per la Simulazione
Timer: per scandire i tempi delle discussioni di gruppo (es. 10 minuti per analizzare il caso, 5 minuti per la condivisione).
Schede di Riflessione: fogli in cui i gruppi annotano le loro decisioni e motivazioni.
Strumenti di Feedback: post-it o Padlet per raccogliere i principali punti emersi durante la riflessione.
Queste schede favoriscono la sperimentazione diretta e aiutano i docenti a sviluppare competenze per progettare attività didattiche centrate sugli studenti e supportate da un prompting consapevole.
Scheda Caso Studio 1: "L’Assistente Virtuale in Aula"
Contesto:
In una scuola superiore viene adottato un assistente virtuale per supportare i docenti nella ricerca di risorse didattiche e nella preparazione delle lezioni. Tuttavia, l’efficacia dell’assistente dipende dalla qualità dei prompt formulati dai docenti.
Obiettivo Didattico:
Aiutare i docenti a sviluppare la capacità di formulare prompt chiari, efficaci e orientati agli obiettivi didattici.
Attività di Prompting:
Scrivi un prompt per chiedere all’assistente virtuale di generare una lezione interattiva sui cambiamenti climatici per una classe quarta superiore.
Rivedi il prompt per migliorare i seguenti aspetti: chiarezza, specificità del target, risorse desiderate.
Prova a formulare un prompt alternativo per rendere l'attività interdisciplinare (es. includendo un collegamento con la letteratura o la geografia).
Domande di Riflessione:
Quali elementi rendono un prompt efficace?
Cosa accade quando un prompt è troppo generico o troppo dettagliato?
Come possiamo mantenere un approccio centrato sugli studenti nella progettazione delle attività con IA?
Scheda Caso Studio 2: "Il Generatore di Domande Personalizzate"
Contesto:
Un docente di storia decide di utilizzare un sistema IA per generare domande di verifica personalizzate per i suoi studenti. Tuttavia, le domande generate inizialmente sono troppo semplici e poco stimolanti.
Obiettivo Didattico:
Affinare le competenze di prompting per generare domande significative e adatte al livello cognitivo degli studenti.
Attività di Prompting:
Scrivi un prompt per richiedere al generatore IA di creare cinque domande a risposta aperta sull'unità “Rivoluzione Industriale”.
Migliora il prompt per includere richieste specifiche come: "Includere domande di livello inferenziale e critico".
Chiedi alla IA di generare una risposta ideale per ogni domanda e verifica la coerenza delle risposte.
Domande di Riflessione:
Qual è la differenza tra un prompt generico e uno mirato?
Come possiamo verificare la correttezza e l’accuratezza delle risposte fornite dall’IA?
Quali strategie di prompting possono stimolare il pensiero critico degli studenti?
Scheda Caso Studio 3: "La Narrazione Creativa con l’IA"
Contesto:
Un docente di italiano vuole utilizzare un modello IA per stimolare la creatività degli studenti nella scrittura di racconti brevi. Chiede all’IA di fornire spunti narrativi, ma i suggerimenti iniziali risultano ripetitivi e prevedibili.
Obiettivo Didattico:
Imparare a scrivere prompt creativi per ottenere risorse narrative originali e stimolanti.
Attività di Prompting:
Formula un prompt per ottenere un incipit narrativo originale basato sui seguenti elementi: "un giovane esploratore, una città sommersa, un misterioso diario".
Aggiungi dettagli al prompt per specificare lo stile narrativo (es. avventuroso, gotico).
Chiedi all’IA di completare la storia fino a un punto di svolta, e poi lascia spazio agli studenti per completare la narrazione.
Domande di Riflessione:
Come possiamo usare il prompting per stimolare la creatività degli studenti?
Quali aspetti dello stile o del tono narrativo è utile indicare nel prompt?
Come possiamo integrare la narrazione IA in un contesto di scrittura collaborativa?
Scheda Caso Studio 4: "Il Simulatore di Dibattiti"
Contesto:
Un insegnante di educazione civica vuole simulare un dibattito tra due posizioni opposte su un tema attuale (es. l'uso dell'intelligenza artificiale nella sanità). Il docente chiede all’IA di fornire argomentazioni per entrambe le parti, ma le risposte sono parziali e mancanti di dettagli.
Obiettivo Didattico:
Imparare a scrivere prompt che richiedano argomentazioni bilanciate e dettagliate su temi complessi.
Attività di Prompting:
Scrivi un prompt per chiedere all’IA di generare una lista di pro e contro sull’uso dell’IA nella sanità.
Riformula il prompt per includere riferimenti a studi recenti e contesti sociali.
Chiedi all’IA di generare contro-esempi per stimolare la discussione critica.
Domande di Riflessione:
Come possiamo assicurare che l’IA fornisca argomentazioni imparziali e complete?
Quali tipi di prompt aiutano a evitare bias nelle risposte?
Come possiamo integrare il prompting in un’attività di dibattito collaborativo?
Risorse per le Attività di Prompting:
Dispositivi (PC/tablet): per l’accesso a strumenti IA (es. ChatGPT).
Fogli di lavoro: per annotare i prompt e le modifiche successive.
Post-it: per condividere esempi di prompt efficaci durante la discussione plenaria.
Slide di sintesi: per presentare le caratteristiche di un buon prompt (chiarezza, specificità, contesto).
Timer: per gestire i tempi delle attività.
Attività Focus: Simulazione di creazione di un piccolo dataset per un progetto IA educativo, con scelta di categorie e dati rilevanti.
Scheda Caso Studio 1: "Sistema IA per il Monitoraggio del Benessere degli Studenti"
Contesto:
La scuola vuole sviluppare un sistema IA che analizzi i dati sul benessere degli studenti per prevenire fenomeni di stress e burnout. Il sistema raccoglie informazioni sulle ore di sonno, attività fisica e andamento scolastico.
Attività:
Individua almeno 5 categorie di dati rilevanti (es. numero di ore di sonno, frequenza delle attività sportive, autovalutazioni settimanali).
Crea una tabella con 10 righe di dati simulati (un esempio potrebbe essere: Ore di sonno: 6 ore; Attività fisica: 2 giorni a settimana; Livello di stress: medio).
Analizza il dataset: quali dati potrebbero essere incompleti o imprecisi?
Domande di Riflessione:
Quali dati sono strettamente necessari per monitorare il benessere senza invadere la privacy?
Come possiamo garantire che i dati siano interpretati correttamente?
Quali categorie di dati potrebbero introdurre bias (es. dati soggettivi)?
Risorse e Materiali:
Foglio di calcolo (Excel o Google Sheets).
Slide con esempi di dataset educativi.
Questionari fittizi per simulare la raccolta dati.
Scheda Caso Studio 2: "Sistema di IA per la Personalizzazione dei Compiti a Casa"
Contesto:
Un sistema IA vuole personalizzare i compiti a casa in base al livello di comprensione degli studenti, proponendo esercizi più semplici o complessi a seconda delle loro prestazioni.
Attività:
Scegli le categorie di dati da raccogliere per personalizzare i compiti (es. risultato dei quiz, tempo impiegato per completare un esercizio, numero di errori).
Crea una tabella con 10 righe di dati simulati per studenti di diversa abilità (ad esempio: Risultato quiz: 8/10; Tempo: 15 minuti; Numero di errori: 2).
Analizza il dataset: quali dati potrebbero risultare fuorvianti?
Domande di Riflessione:
Quali dati permettono di capire il reale livello di comprensione degli studenti?
Come possiamo evitare che il sistema "etichetti" gli studenti in base ai risultati?
È necessario includere un feedback qualitativo oltre ai dati numerici?
Risorse e Materiali:
Fogli di lavoro con modelli di tabelle.
Slide con esempi di algoritmi di personalizzazione didattica.
Strumenti per la simulazione del prompting con IA.
Scheda Caso Studio 3: "Sistema IA per il Supporto alla Scelta Universitaria"
Contesto:
La scuola vuole implementare un sistema IA che suggerisca percorsi universitari agli studenti in base ai loro interessi, voti nelle materie chiave e competenze sviluppate durante le attività extracurriculari.
Attività:
Individua le categorie di dati più significative (es. interesse dichiarato, media voti nelle materie scientifiche, partecipazione a progetti o tirocini).
Crea un dataset simulato con 10 profili di studenti e compila le colonne con dati realistici.
Analizza il dataset: quali informazioni aggiuntive potrebbero migliorare la qualità delle raccomandazioni?
Domande di Riflessione:
Come possiamo evitare che il sistema IA suggerisca percorsi basati su stereotipi di genere o origine sociale?
Quali dati possono rendere le raccomandazioni più personalizzate?
In che modo possiamo garantire che il sistema IA non influenzi negativamente le scelte degli studenti?
Risorse e Materiali:
Modelli di dataset stampabili o digitali.
Slide con esempi di percorsi universitari e competenze richieste.
Questionario simulato con dati sui profili degli studenti.
Scheda Caso Studio 4: "Sistema IA per il Rilevamento dei Progressi durante un Progetto di Gruppo"
Contesto:
Il sistema IA monitora i progressi dei gruppi durante un progetto interdisciplinare, registrando il contributo di ciascun membro, la frequenza delle consegne e l’efficacia delle soluzioni proposte.
Attività:
Definisci le categorie di dati da raccogliere (es. numero di consegne effettuate, votazione peer-to-peer, commenti del docente).
Crea un dataset con 10 righe di dati simulati che includa informazioni sui progressi di due gruppi di lavoro.
Analizza i dati: ci sono categorie che potrebbero penalizzare alcuni membri del gruppo?
Domande di Riflessione:
Come possiamo misurare l'efficacia del contributo dei membri senza introdurre giudizi soggettivi?
Quali dati permettono di premiare competenze trasversali (es. leadership, gestione del tempo)?
Quali strategie possono evitare discriminazioni nella valutazione del lavoro di gruppo?
Risorse e Materiali:
Template per la creazione di dataset.
Slide di supporto sui criteri di valutazione dei progetti di gruppo.
Strumenti per il monitoraggio collaborativo (es. Google Drive)
Crea facilmente modelli di machine learning per siti, app e altro, senza bisogno di programmazione.
Machine Learning for Kids è una piattaforma intuitiva che permette di creare progetti di machine learning in modo semplice, guidato e senza bisogno di programmazione avanzata, pensata per studenti e insegnanti.
Scratch è un ambiente di programmazione visiva pensato per bambini e principianti, ideale per creare storie interattive, giochi e animazioni in modo semplice e divertente.