I documenti forniti offrono diverse prospettive e approcci all’intelligenza artificiale (AI) nel contesto educativo. Sebbene ciascuno abbia un focus e un’origine specifici, condividono anche numerosi principi e obiettivi fondamentali.

Punti in Comune

Tutti i documenti concordano sui seguenti aspetti chiave riguardo all’IA nell’istruzione:

• Approccio Centrato sull’Umano e Agenzia Umana: Un tema centrale è l’importanza di mantenere l’agenzia umana e la supervisione nell’uso dell’IA. L’IA dovrebbe essere uno strumento per aumentare le capacità umane, non per sostituirle, specialmente per insegnanti e studenti.
• Considerazioni Etiche: Vi è una forte enfasi sulle implicazioni etiche dell’IA, tra cui la necessità di affrontare pregiudizi (bias), equità, trasparenza, responsabilità, privacy dei dati, proprietà intellettuale e sostenibilità ambientale.
• Alfabetizzazione sull’IA (AI Literacy): Tutti i documenti sottolineano l’urgente necessità di sviluppare l’alfabetizzazione sull’IA sia per gli studenti che per gli educatori, per consentire loro di comprendere, valutare e utilizzare l’IA in modo responsabile ed efficace.
• Adattamento ai Rapidi Progressi dell’IA: Viene riconosciuto che l’IA sta evolvendo a un ritmo esponenziale, richiedendo che i quadri educativi e le politiche siano dinamici, rivisti e aggiornati continuamente.
• Ruolo dello Sviluppo Professionale: Lo sviluppo professionale continuo per gli insegnanti è considerato cruciale per acquisire e aggiornare le competenze sull’IA.
• Natura Interdisciplinare dell’IA: L’IA nell’istruzione è costantemente presentata come interdisciplinare, collegandosi a varie materie come STEM, lingue, studi sociali e arti.
• Necessità di Politiche e Linee Guida: Tutti i documenti richiedono politiche, linee guida e quadri nazionali e/o istituzionali per guidare l’integrazione etica ed efficace dell’IA nei sistemi educativi.

Differenze

Nonostante le somiglianze, i documenti si distinguono per i loro enti di pubblicazione, il pubblico di riferimento primario, le strutture dei quadri e le enfasi specifiche:

• Ente di Pubblicazione e Focus Geografico:
  • UNESCO AI Competency Framework for Teachers (AI CFT for Teachers) e UNESCO AI Competency Framework for Students (AI CFS for Students): Pubblicati dall’UNESCO, l’agenzia specializzata delle Nazioni Unite per l’istruzione, sono concepiti come quadri di riferimento globali per informare lo sviluppo di quadri nazionali e programmi di formazione.
  • European Commission/OECD AI Literacy Framework (AILit Framework): Un’iniziativa congiunta della Commissione Europea e dell’OCSE, con un focus sull’istruzione primaria e secondaria, contribuisce alla valutazione PISA 2029. Ha un forte allineamento con le politiche dell’UE, come l’EU AI Act.
  • Arizona Generative AI in K-12 Education Guidance (NAU.GAIGuide): Un documento di orientamento specifico per i sistemi scolastici K-12 in Arizona, USA, pubblicato dall’Arizona Institute for Education and the Economy. Si allinea agli standard accademici dell’Arizona.
  • U.S. Department of Education AI and the Future of Teaching and Learning Report (US ED AI Report): Prodotto dall’U.S. Department of Education, Office of Educational Technology, si concentra sulle implicazioni politiche e le raccomandazioni per il sistema educativo degli Stati Uniti.
  • European Commission Ethical Guidelines for Educators (EC Ethical Guidelines): Pubblicate dalla Commissione Europea, forniscono linee guida etiche per gli educatori di tutta Europa, con riferimenti specifici al GDPR e all’EU AI Act.
• Pubblico di Riferimento Specifico:
  • AI CFT for Teachers: Si rivolge esplicitamente agli insegnanti e a coloro che li formano e li supportano.
  • AI CFS for Students: Si rivolge esplicitamente agli studenti (K-12) e a coloro che sviluppano programmi di studio per loro.
  • AILit Framework: Destinato a studenti dell’istruzione primaria e secondaria, insegnanti, leader educativi e progettisti di apprendimento.
  • NAU.GAIGuide: Principalmente per i leader K-12 (amministratori, direttori di curriculum, professionisti IT) in Arizona, oltre a insegnanti e studenti.
  • US ED AI Report: Ha un pubblico più ampio di costituenti educativi, inclusi insegnanti, studenti, famiglie/tutori, ricercatori e sviluppatori, oltre ai responsabili delle politiche.
  • EC Ethical Guidelines: Principalmente per educatori e dirigenti scolastici.
• Struttura del Quadro e Conteggio delle Competenze:
  • AI CFT for Teachers: Articola 15 competenze in 5 dimensioni (Mentalità centrata sull’uomo, Etica dell’IA, Fondamenti e applicazioni dell’IA, Pedagogia dell’IA, IA per l’apprendimento professionale) e 3 livelli di progressione (Acquisire, Approfondire, Creare).
  • AI CFS for Students: Definisce 12 competenze attraverso 4 dimensioni (Mentalità centrata sull’uomo, Etica dell’IA, Tecniche e applicazioni dell’IA, Progettazione di sistemi di IA) e 3 livelli di progressione (Comprendere, Applicare, Creare).
  • AILit Framework: Presenta 22 competenze attraverso 4 domini di interazione con l’IA (Interagire con l’IA, Creare con l’IA, Gestire l’IA, Progettare l’IA). Non definisce esplicitamente “livelli di progressione” in modo formale come gli UNESCO, ma le competenze sono supportate da conoscenze, abilità e atteggiamenti e presentate con scenari per l’istruzione primaria e secondaria.
  • NAU.GAIGuide, US ED AI Report, EC Ethical Guidelines: Questi documenti sono più orientati alle linee guida e alle politiche piuttosto che a quadri di competenza strutturati con dimensioni e livelli fissi. Il NAU.GAIGuide allinea gli obiettivi di alfabetizzazione AI agli standard accademici esistenti, mentre le EC Ethical Guidelines elencano “Competenze Emergenti” senza una matrice formale.
• Enfasi Specifiche e Contributi Unici:
  • AI CFT for Teachers: Pone un’enfasi specifica sulla “Pedagogia dell’IA” e sull'”IA per l’apprendimento professionale” come dimensioni distinte per gli insegnanti.
  • AI CFS for Students: Include una dimensione unica sulla “Progettazione di Sistemi AI” per gli studenti, incoraggiandoli a diventare co-creatori di IA. Sottolinea l’importanza di una sequenza curricolare a spirale per l’apprendimento.
  • AILit Framework: Categorizza esplicitamente le interazioni degli studenti con l’IA in “Interagire con l’IA”, “Creare con l’IA”, “Gestire l’IA” e “Progettare l’IA” come domini. Si concentra sulla creazione di una base “duratura” di conoscenze, abilità e atteggiamenti che rimangano pertinenti man mano che l’IA evolve, indipendentemente dagli strumenti specifici.
  • NAU.GAIGuide: Offre indicazioni molto pratiche a livello statale, con sezioni dettagliate sulla “Ridefinizione dell’Integrità Accademica”, inclusi i problemi con i rilevatori di IA e le citazioni. Presenta casi d’uso specifici per insegnanti e studenti in Arizona.
  • US ED AI Report: Orientato alla politica, con “Raccomandazioni Chiave” per l’azione politica. Si concentra sulla ricerca e sviluppo (R&D) per affrontare il contesto (ad esempio, la “coda lunga della variabilità degli studenti” e gli studenti neurodiversi). Discute i modelli di IA come “approssimazioni della realtà” e la necessità che siano ispezionabili, spiegabili e superabili dagli umani.
  • EC Ethical Guidelines: Approfondisce le considerazioni etiche, definendo termini come “agenzia umana”, “equità”, “umanità” e “scelta giustificata”. Fornisce “Domande Guida” per gli educatori da porre ai fornitori e alle autorità, con un forte riferimento al contesto legale dell’UE.

In sintesi, tutti i documenti riconoscono l’IA come una forza trasformativa nell’istruzione, che richiede un’integrazione etica, centrata sull’uomo e orientata alla competenza. Tuttavia, si differenziano per la loro portata geografica, il pubblico specifico e la granularità e il formato delle loro linee guida o quadri di riferimento.

Ecco un syllabus per insegnanti sull’Intelligenza Artificiale (IA) nell’educazione, ricavato dai documenti forniti. Questo syllabus è strutturato per fornire una comprensione completa e competenze pratiche, mantenendo un focus sull’etica e sull’approccio centrato sull’essere umano.

---

Syllabus: Intelligenza Artificiale nell’Educazione – Competenze per gli Insegnanti nell’Era dell’IA

Obiettivo Generale: Preparare gli insegnanti a comprendere, utilizzare e integrare l’Intelligenza Artificiale (IA) in modo etico, efficace e incentrato sull’essere umano nelle pratiche didattiche, nella gestione dell’apprendimento e nello sviluppo professionale, promuovendo al contempo l’agenzia e le competenze degli studenti nell’era dell’IA.

Principi Guida Transversali:

• Approccio Centrato sull’Umano e Agenzia: L’IA deve essere uno strumento che aumenta le capacità umane, non le sostituisce, e deve preservare l’agenzia umana e la supervisione da parte di insegnanti e studenti [AI CFT for Teachers 5, 30; AILit Framework 377; NAU.GAIGuide 451; US ED AI Report 547, 548, 621, 622]. È fondamentale che l’educatore rimanga al centro delle decisioni didattiche significative [US ED AI Report 548, 622].
• Etica, Equità e Responsabilità: L’integrazione dell’IA deve affrontare questioni di pregiudizi (bias), garantire equità, trasparenza, responsabilità, privacy dei dati, proprietà intellettuale e sostenibilità ambientale in tutto il ciclo di vita dei sistemi AI [AI CFT for Teachers 5, 54, 63, 90; AI CFS for Students 166, 190, 193, 203, 220, 221; AILit Framework 366, 379, 380; NAU.GAIGuide 441, 474, 475; US ED AI Report 515, 533].
• Alfabetizzazione sull’IA (AI Literacy): È urgente sviluppare questa alfabetizzazione sia per gli insegnanti che per gli studenti, per consentire loro di comprendere, valutare e utilizzare l’IA in modo responsabile ed efficace [AI CFT for Teachers 40, 53, 54; AI CFS for Students 165, 166, 191, 193; AILit Framework 364, 366; NAU.GAIGuide 459, 479].

---

Aree di Competenza e Contenuti:

Il syllabus è strutturato in tre livelli di progressione (Comprendere/Acquisire, Applicare/Approfondire, Creare), riflettendo un percorso di apprendimento progressivo [AI CFT for Teachers 5, 19, 51; AI CFS for Students 166, 176, 177, 205].

1. Mentalità Centrata sull’Umano e Impatto Sociale dell’IA

• Livello 1: Comprendere/Acquisire
  • Che cos’è l’IA e che cosa non è: Distinguere l’IA dai sistemi ICT tradizionali e demistificare le sue capacità, riconoscendo che elabora dati tramite inferenze statistiche e logica, senza comprensione o intento umano [AI CFT for Teachers 55, 67, 68, 70, 72; AI CFS for Students 208, 224; AILit Framework 376; US ED AI Report 539].
  • L’IA è guidata dall’uomo: Comprendere che l’IA è un prodotto di decisioni umane e che queste decisioni hanno un impatto profondo sull’autonomia e sui diritti umani [AI CFT for Teachers 54, 61, 62; AI CFS for Students 217, 218].
  • Riconoscere l’influenza dell’IA nella vita quotidiana: Identificare la presenza e lo scopo dell’IA in strumenti e sistemi comuni (es. raccomandazioni di contenuti, assistenti vocali, apprendimento adattivo) [AI CFS for Students 215, 216; AILit Framework 395].
  • Rischi dell’eccessiva dipendenza dall’IA: Essere consapevoli che l’eccessiva dipendenza dall’IA può indebolire il pensiero critico e lo sviluppo intellettuale degli studenti [AI CFT for Teachers 37, 61; AI CFS for Students 198].
• Livello 2: Applicare/Approfondire
  • Responsabilità umana: Approfondire la comprensione della responsabilità umana nell’uso e nell’implementazione dell’IA, riconoscendola come un obbligo legale e sociale [AI CFT for Teachers 56, 84, 85, 87, 88].
  • Valutare l’impatto sull’agenzia e sulle decisioni: Analizzare criticamente come l’IA possa influenzare l’agenzia umana e la presa di decisioni ad alto rischio, resistendo a rivendicazioni eccessive di sostituzione umana [AI CFT for Teachers 86; AI CFS for Students 198, 240, 242].
  • Analizzare i bias e le disuguaglianze: Esaminare e identificare i bias (es. di genere, socio-economici, culturali) incorporati nei dati di addestramento e negli algoritmi dell’IA, e le disuguaglianze che l’IA può amplificare, specialmente per i gruppi emarginati o con bisogni speciali [AI CFT for Teachers 64, 99; AI CFS for Students 200, 262; AILit Framework 376, 379; NAU.GAIGuide 474].
• Livello 3: Creare
  • Contribuire alle politiche e agli standard etici: Partecipare attivamente alla discussione e alla formulazione di politiche sull’IA nell’educazione e alla co-creazione di standard etici a livello istituzionale, locale o nazionale [AI CFT for Teachers 57, 115, 116, 117; AI CFS for Students 166, 197, 272].
  • Cittadinanza responsabile nell’era dell’IA: Promuovere una comprensione critica e l’assunzione di responsabilità civiche e sociali nell’era dell’IA, valutando il suo impatto su società, lavoro e interazioni umane [AI CFT for Teachers 35, 57, 113, 114, 115, 116; AI CFS for Students 166, 168, 197, 263].

2. Etica dell’IA e Uso Responsabile

• Livello 1: Comprendere/Acquisire
  • Principi etici fondamentali: Acquisire una comprensione di base delle questioni etiche relative all’IA e dei principi chiave per le interazioni etiche tra uomo e IA, inclusi “non nuocere”, proporzionalità, non-discriminazione, sostenibilità, determinazione umana, trasparenza e spiegabilità [AI CFT for Teachers 54, 63, 65, 66; AI CFS for Students 220, 222; EC Ethical Guidelines 694, 695, 697].
  • Rischi e sfide: Essere consapevoli dei rischi associati all’IA, come la disinformazione, le falsità (“allucinazioni”), la manipolazione, la violazione della privacy dei dati e la proprietà intellettuale [AI CFT for Teachers 34, 54, 63, 65, 86; AILit Framework 364, 387, 403; NAU.GAIGuide 441, 468, 475; US ED AI Report 541].
  • Impatto ambientale: Riconoscere l’impronta energetica e ambientale dei sistemi AI [AI CFT for Teachers 16; AILit Framework 380].
• Livello 2: Applicare/Approfondire
  • Conformità etica e legale: Abituarsi a rispettare le norme etiche e le normative locali, nazionali e internazionali (es. GDPR, EU AI Act) in materia di privacy dei dati, sicurezza e diritti di proprietà intellettuale [AI CFT for Teachers 89, 90, 92; AI CFS for Students 241, 246, 250; EC Ethical Guidelines 683, 684].
  • Mitigazione dei rischi: Implementare misure per mitigare i bias, combattere deepfake e discorsi d’odio amplificati dall’IA, e proteggere se stessi e gli studenti [AI CFT for Teachers 90, 92, 94; AI CFS for Students 243, 244, 246, 247].
  • Etica by design: Valutare e applicare il principio dell’“etica by design” (etica fin dalla progettazione) nella selezione e nell’uso degli strumenti di IA [AI CFT for Teachers 39, 96, 99].
• Livello 3: Creare
  • Co-creare regole etiche: Contribuire attivamente alla co-creazione e alla definizione di regole etiche e standard per l’uso dell’IA in contesti educativi, coinvolgendo diverse parti interessate [AI CFT for Teachers 57, 116, 117, 118; AI CFS for Students 267, 269, 270].
  • Proporre raccomandazioni: Valutare criticamente le linee guida esistenti dei fornitori di IA e proporre raccomandazioni per rimediare a violazioni etiche o mitigare i danni [AI CFS for Students 269].
  • Adattare le normative: Analizzare e proporre adattamenti alle normative esistenti sull’IA, comprendendo i negoziati multistakeholder dietro la loro adozione [AI CFT for Teachers 133, 134, 135; AI CFS for Students 270, 272; EC Ethical Guidelines 684, 710].

3. Fondamenti e Applicazioni dell’IA

• Livello 1: Comprendere/Acquisire
  • Conoscenza concettuale di base: Acquisire le conoscenze fondamentali su come i modelli IA sono addestrati, i dati e gli algoritmi coinvolti, e le principali categorie di tecnologie IA (es. supervised, unsupervised, reinforcement learning) [AI CFT for Teachers 55, 67, 68, 69, 70; AI CFS for Students 223, 226].
  • Valutazione e uso di base: Essere in grado di esaminare l’appropriatezza di specifici strumenti IA per l’educazione e di utilizzare strumenti IA validati [AI CFT for Teachers 55, 69, 70, 72].
• Livello 2: Applicare/Approfondire
  • Funzionamento degli algoritmi e dei modelli: Approfondire la comprensione del funzionamento di modelli IA specifici (es. Large Language Models), come vengono addestrati e testati, e i modelli, algoritmi e dataset tipici utilizzati [AI CFT for Teachers 95, 97, 98; AI CFS for Students 251, 252].
  • Sfruttare risorse open-source: Sviluppare competenze per valutare e sfruttare strumenti IA open-source, librerie di programmazione e dataset [AI CFS for Students 248, 252].
  • Abilità operative: Dimostrare abilità operative avanzate nell’uso di strumenti IA di uso comune nella vita quotidiana e nell’educazione [AI CFT for Teachers 97].
• Livello 3: Creare
  • Personalizzazione e modifica di strumenti IA: Acquisire competenze avanzate nella personalizzazione o modifica di strumenti IA (es. combinare kit di strumenti open-source o personalizzabili) per sviluppare soluzioni su misura per sfide educative in contesti locali [AI CFT for Teachers 57, 58, 119, 120, 121, 122].
  • Ambienti di apprendimento inclusivi: Creare ambienti di apprendimento assistiti dall’IA che siano inclusivi e rispondano a esigenze specifiche (es. disabilità, diversità linguistica/culturale) [AI CFT for Teachers 58, 119].
  • Contribuire a repository di strumenti IA: Contribuire a repository esistenti o nuovi di strumenti IA creati o adattati dall’utente, promuovendo l’uso degli strumenti più appropriati [AI CFT for Teachers 122, 123].

4. Pedagogia dell’IA e Innovazione Didattica

• Livello 1: Comprendere/Acquisire
  • Benefici pedagogici e rischi: Identificare i benefici pedagogici dell’IA per la pianificazione delle lezioni, l’insegnamento e la valutazione, mitigando i rischi [AI CFT for Teachers 55, 73, 74, 75, 76, 77, 78; NAU.GAIGuide 461].
  • Personalizzazione dei contenuti: Sfruttare l’IA per personalizzare i contenuti per studenti con esigenze diverse (es. studenti di inglese, bisogni speciali, dotati), adattare i livelli di lettura dei testi e creare materiali didattici adattivi [NAU.GAIGuide 461].
  • Aumento dell’apprendimento: Comprendere il potenziale dell’IA per aumentare l’apprendimento e l’engagement degli studenti, supportando il loro sviluppo intellettuale e l’arricchimento della ricerca [AI CFT for Teachers 28, 37; US ED AI Report 550].
• Livello 2: Applicare/Approfondire
  • Integrazione IA-pedagogia: Integrare l’IA nella progettazione e facilitazione di pratiche di apprendimento centrate sullo studente per favorire l’engagement, l’apprendimento differenziato e migliorare le interazioni insegnante-studente [AI CFT for Teachers 100, 101, 102, 103, 104, 105, 106].
  • Pensiero critico e problem-solving: Promuovere il pensiero critico e le capacità di risoluzione dei problemi tra gli studenti attraverso l’uso appropriato dell’IA [AI CFT for Teachers 100, 104; AILit Framework 367].
  • Ridefinire l’integrità accademica: Adottare un approccio trasformativo all’integrità accademica, ridefinendo il cheating e il plagio; progettare compiti che incoraggino l’engagement autentico e la creatività, scoraggiando l’affidamento su rilevatori di IA inaffidabili [NAU.GAIGuide 466, 467, 468, 469].
  • Progettazione Universale per l’Apprendimento (UDL): Applicare i principi dell’UDL all’integrazione dell’IA per garantire maggiore inclusività e accessibilità a tutti gli studenti [NAU.GAIGuide 482; US ED AI Report 550, 602].
• Livello 3: Creare
  • Innovazione pedagogica avanzata: Pianificare e facilitare scenari di apprendimento immersivi nell’IA per l’apprendimento interdisciplinare, il pensiero critico e la risoluzione dei problemi, sfruttando dati e feedback per l’innovazione pedagogica centrata sullo studente [AI CFT for Teachers 58, 124, 125, 126].
  • Controllo dello studente sull’apprendimento: Progettare e facilitare l’uso dell’IA da parte degli studenti in modo che abbiano il controllo sui loro percorsi di apprendimento e assumano responsabilità nelle decisioni assistite dall’IA [AI CFT for Teachers 125, 127].
  • Apprendimento aperto abilitato dall’IA: Esplorare e creare opzioni di apprendimento aperto abilitate dall’IA, come pratiche di co-creazione e apprendimento basato su indagine e progetti [AI CFT for Teachers 58, 124, 125].
  • Interazioni triangolari: Ingenerare e navigare interazioni efficaci tra insegnanti, studenti e sistemi IA [AI CFT for Teachers 127].

5. IA per lo Sviluppo Professionale e la Gestione

• Livello 1: Comprendere/Acquisire
  • IA per lo sviluppo professionale: Esplorare l’uso di strumenti IA per migliorare il proprio sviluppo professionale e le pratiche riflessive, individuando strumenti che supportino l’auto-valutazione e l’apprendimento personalizzato [AI CFT for Teachers 55, 79, 80, 81, 82].
  • Auto-valutazione: Valutare la propria prontezza e identificare le lacune di competenza nell’IA per delineare percorsi di sviluppo professionale [AI CFT for Teachers 82].
• Livello 2: Applicare/Approfondire
  • Apprendimento organizzativo: Utilizzare strumenti IA per una partecipazione più efficace alle comunità di apprendimento professionale collaborative, sfruttandoli per condividere risorse, impegnarsi nell’apprendimento tra pari e contribuire all’adattamento dinamico [AI CFT for Teachers 56, 107, 109, 111].
  • Analisi dei dati per il PD: Sfruttare l’analisi dei dati e gli strumenti IA per tracciare e analizzare il proprio sviluppo professionale, inclusa la conoscenza della materia e le abilità pedagogiche [AI CFT for Teachers 109, 110].
  • Linee guida per l’uso di piattaforme IA: Sviluppare e implementare linee guida per l’uso efficace delle piattaforme IA per la formazione continua, consapevole dei rischi etici degli algoritmi [AI CFT for Teachers 111].
• Livello 3: Creare
  • Agente di cambiamento: Personalizzare e modificare strumenti IA per migliorare il proprio sviluppo professionale e per soddisfare le esigenze di trasformazione professionale proprie e delle proprie comunità [AI CFT for Teachers 58, 128, 129, 130].
  • Professionalizzazione degli insegnanti di IA: Promuovere la professionalizzazione degli insegnanti di IA, garantendo che abbiano lo stesso status degli insegnanti di altre materie di base e siano supportati da quadri di competenza completi e formazione continua [AI CFS for Students 312, 313, 314, 315, 316].
  • Ottimizzazione dei processi scolastici: Utilizzare l’IA per ottimizzare i processi amministrativi e le operazioni a livello di sistema scolastico (es. gestione delle risorse umane, finanza, trasporti, raccolta e diffusione di informazioni, traduzione) [NAU.GAIGuide 471, 472, 473].

---

Strategie di Implementazione e Supporto per le Istituzioni Educative (e il Contesto per gli Insegnanti):

Queste strategie sottolineano il ruolo delle istituzioni nel supportare gli insegnanti e sono essenziali per il successo del syllabus [AI CFT for Teachers 131; AI CFS for Students 180, 181, 182].

• Regolamentazione e Strumenti Affidabili:
  • Le autorità educative dovrebbero implementare e rivedere regolarmente normative (es. sul modello dell’EU AI Act) per garantire la sicurezza, l’affidabilità e la fiducia negli strumenti IA utilizzati nell’educazione [AI CFT for Teachers 132, 133, 134, 135; EC Ethical Guidelines 696].
  • La validazione degli strumenti IA deve avvenire a livello nazionale o istituzionale, con un principio di “etica by design” e responsabilità per i fornitori di tecnologia [AI CFT for Teachers 39, 132, 134; EC Ethical Guidelines 697].
• Politiche Abilitanti e Infrastruttura:
  • Costruire politiche che supportino l’uso dell’IA, superando barriere economiche e strutturali come l’accessibilità e i costi [AI CFT for Teachers 135, 136, 137, 138, 139].
  • Garantire l’accesso universale alla connettività internet, a dispositivi digitali aggiornati, a software e applicazioni IA (anche open-source e a basso costo) [AI CFS for Students 201, 202, 306, 307, 308, 309, 310].
  • Incoraggiare l’uso di soluzioni “unplugged” e a bassa tecnologia, soprattutto dove le infrastrutture sono limitate, per sviluppare una comprensione concettuale di base dell’IA [AI CFT for Teachers 41; AI CFS for Students 217, 219, 311].
• Formazione e Sviluppo Professionale Continuo:
  • Progettare e ottimizzare programmi di formazione sull’IA per insegnanti (pre-servizio, in-servizio, supporto continuo) [AI CFT for Teachers 23, 144, 146; US ED AI Report 577, 599, 608].
  • Adottare quadri di competenza IA nazionali/locali per gli insegnanti, allineandoli ai quadri esistenti di competenze digitali e professionali [AI CFT for Teachers 139, 140, 141].
  • Assicurare che la formazione copra le opportunità e i rischi dell’IA, fornendo strumenti pratici per evitare le insidie [US ED AI Report 577].
• Valutazione delle Competenze (per Insegnanti e Studenti):
  • Sviluppare strumenti di valutazione basati sulle prestazioni per misurare le competenze IA degli insegnanti e degli studenti, includendo compiti autentici e criteri che riflettano la progressione attraverso i livelli (Acquisire/Comprendere, Approfondire/Applicare, Creare) [AI CFT for Teachers 23, 147, 148, 149, 150; AI CFS for Students 182, 330, 331, 332, 333, 335, 336, 337, 338].
  • La valutazione dovrebbe andare oltre il mero ricordo di fatti, concentrandosi sul trasferimento delle conoscenze, l’adattabilità e la creatività [AI CFS for Students 336].
• Promozione dell’Interdisciplinarità:
  • Integrare l’IA in un’ampia gamma di materie (STEM, lingue, scienze sociali, arte, educazione civica) per riflettere la sua natura interdisciplinare e fornire una comprensione olistica [AI CFS for Students 289, 292, 293; AILit Framework 373, 388].
  • Incoraggiare i docenti a inserire l’alfabetizzazione sull’IA quando e dove si allinea con la loro materia e contesto [AILit Framework 368, 381].

Questi documenti dell’UNESCO e di altre organizzazioni educative si concentrano sulla necessità di sviluppare competenze sull’intelligenza artificiale (IA) per insegnanti e studenti, dal livello primario a quello secondario. Sottolineano l’importanza di un approccio incentrato sull’uomo nell’IA in ambito educativo, garantendo che gli strumenti di IA siano utilizzati in modo etico, responsabile e trasparente, con una forte enfasi sulla supervisione umana e la protezione della privacy. I testi propongono quadri di competenze specifici che coprono l’etica dell’IA, i fondamenti e le applicazioni dell’IA, la pedagogia dell’IA e lo sviluppo professionale per gli insegnanti, mentre per gli studenti si concentrano sulla comprensione, l’applicazione e la creazione di strumenti di IA. Le fonti riconoscono sia le opportunità che i rischi dell’IA nell’istruzione, incoraggiando un’adozione informata e cauta per evitare problemi come il bias algoritmico e la disinformazione. Suggeriscono inoltre che lo sviluppo di strategie nazionali sull’IA è fondamentale per un’implementazione efficace e che la formazione degli insegnanti è un prerequisito essenziale.

Ecco una bozza di syllabus per gli studenti, basata sul Quadro di Competenze per l’IA per Studenti (AI CFS) sviluppato dall’UNESCO. Questo quadro non è un curriculum prescrittivo, ma una guida di riferimento globale per lo sviluppo di competenze IA negli studenti, adattabile a diversi contesti locali.

Introduzione al Quadro di Competenze per l’IA per Studenti (AI CFS)

L’AI CFS è stato sviluppato per preparare gli studenti a essere utenti responsabili e co-creatori di IA, nonché futuri leader in grado di plasmare le iterazioni future della tecnologia e la sua relazione con la società. Il quadro mira a garantire che l’IA supporti lo sviluppo delle capacità umane, protegga la dignità e l’agenzia umana, e promuova la giustizia e la sostenibilità.

I principi chiave alla base del quadro includono:

• Approccio critico all’IA: Gli studenti devono essere supportati per diventare co-creatori attivi e interrogare l’impatto dell’IA sulla società e sull’ambiente.
• Centralità umana nell’interazione con l’IA: L’IA dovrebbe rafforzare le capacità umane, non sostituire il pensiero critico. Gli studenti devono comprendere come i dati vengono raccolti e usati, prevenendo la dipendenza dall’IA e mantenendo la responsabilità umana nelle decisioni importanti.
• Sostenibilità ambientale dell’IA: Gli studenti dovrebbero comprendere l’impatto ambientale dell’IA (es. emissioni di carbonio) e cercare approcci più ecologici alla sua progettazione e uso.
• Inclusività nello sviluppo delle competenze IA: L’accesso e le competenze in IA sono diritti fondamentali. Il quadro promuove l’inclusività in tutto il ciclo di vita dell’IA, dalla raccolta dati alla progettazione di funzionalità accessibili.
• Costruzione di competenze IA fondamentali per l’apprendimento permanente: Le competenze IA dovrebbero essere adattabili a nuove tecnologie e contesti, con un focus su valori etici e una mentalità centrata sull’essere umano.

Struttura del Quadro di Competenze

L’AI CFS è organizzato in una matrice a due dimensioni: quattro aspetti di competenza che evolvono attraverso tre livelli di progressione.

Aspetti di Competenza:

1. Mentalità incentrata sull’essere umano: Si concentra sui valori, le convinzioni e le capacità di pensiero critico degli studenti per esaminare l’adeguatezza, la giustificazione e l’interazione con l’IA, e le responsabilità per costruire società IA sicure, inclusive e giuste. Comprende:
   • Agenzia umana: Riconoscere l’IA come guidata dall’uomo e l’importanza di proteggere l’agenzia umana.
   • Responsabilità umana: Riconoscere le responsabilità legali e sociali nell’uso e nella progettazione dell’IA, specialmente per decisioni ad alto rischio.
   • Cittadinanza nell’era dell’IA: Comprendere l’impatto dell’IA sulla società e promuovere un uso responsabile per lo sviluppo sostenibile.
2. Etica dell’IA: Riguarda i giudizi di valore etici, le riflessioni e le abilità socio-emotive necessarie per comprendere, praticare e contribuire all’adattamento dei principi e delle regole etiche relative al ciclo di vita dei sistemi IA. Comprende:
   • Etica incarnata: Comprendere le questioni etiche chiave (es. diritti umani, giustizia sociale, inclusione, cambiamento climatico) e interiorizzare principi come “non nuocere”, proporzionalità, non discriminazione, sostenibilità, determinazione umana, trasparenza ed esplicabilità.
   • Uso sicuro e responsabile: Utilizzare l’IA in modo responsabile, rispettando la privacy dei dati e le normative locali.
   • Etica by design: Adottare un approccio etico nella progettazione, valutazione e uso degli strumenti IA, e nella revisione delle normative.
3. Tecniche e applicazioni dell’IA: Specifica le conoscenze concettuali e le abilità operative trasferibili che gli studenti devono acquisire per comprendere, applicare e personalizzare creativamente gli strumenti IA. Comprende:
   • Fondamenti dell’IA: Costruire conoscenze e abilità di base sull’IA, in particolare riguardo a dati e algoritmi.
   • Abilità di applicazione: Costruire una comprensione appropriata all’età di dati, algoritmi e programmazione dell’IA, acquisendo abilità di applicazione trasferibili.
   • Creazione di strumenti IA: Approfondire e applicare conoscenze su dati e algoritmi per personalizzare kit di strumenti IA esistenti e creare strumenti basati su compiti.
4. Progettazione di sistemi di IA: Si concentra sul pensiero di progettazione sistemica e sulle abilità di ingegneria complete necessarie per la definizione del problema, la progettazione dell’architettura, l’addestramento, il test e l’ottimizzazione dei sistemi IA. Comprende:
   • Definizione del problema: Comprendere l’importanza di definire il problema come punto di partenza per l’innovazione IA.
   • Progettazione dell’architettura: Coltivare conoscenze metodologiche e abilità tecniche per configurare un’architettura di sistema IA.
   • Iterazione e feedback: Migliorare e applicare conoscenze e metodi interdisciplinari per valutare l’appropriatezza e la robustezza metodologica di un modello IA.

Livelli di Progressione:

1. Livello 1: Comprendere (Understand): Destinato a tutti gli studenti. Si prevede che gli studenti acquisiscano una comprensione di base di cosa sia l’IA, i suoi valori, questioni etiche, concetti, processi e metodi tecnici. Questo livello fornisce le basi attitudinali, cognitive e pratiche.
2. Livello 2: Applicare (Apply): Per tutti gli studenti. Si prevede che gli studenti migliorino, trasferiscano e adattino i loro valori, conoscenze e abilità apprese a nuovi processi di apprendimento, applicando una mentalità centrata sull’essere umano e principi etici nella valutazione e nell’uso degli strumenti IA.
3. Livello 3: Creare (Create): Per studenti con forte interesse e abilità nell’IA. Si prevede che gli studenti sviluppino competenze avanzate per configurare soluzioni IA o creare nuovi strumenti IA, integrando considerazioni etiche e umane.

Syllabus Dettagliato (Obiettivi Curricolari e di Apprendimento)

Il seguente syllabus delinea gli obiettivi curricolari (CG) e gli obiettivi di apprendimento (LO) per ogni blocco di competenza attraverso i tre livelli di progressione.

Livello 1: Comprendere

Obiettivo Generale: Supportare tutti gli studenti a raggiungere un livello base di competenza o alfabetizzazione IA.

• 1.1 Mentalità incentrata sull’essere umano: Agenzia umana
  • CG: Promuovere il pensiero critico sull’IA, illustrare i passaggi del ciclo di vita dell’IA, evidenziare i rischi della dipendenza dall’IA, offrire pratiche per proteggere l’agenzia umana.
  • LO: Riflettere criticamente su benefici, limiti e rischi degli strumenti IA; comprendere l’IA come guidata dall’uomo; delineare il ruolo degli umani nello sviluppo dell’IA; comprendere la necessità di proteggere l’agenzia umana.
• 2.1 Etica dell’IA: Etica incarnata
  • CG: Illustrare dilemmi etici, facilitare la comprensione scenario-based dei principi etici (es. “non nuocere”, proporzionalità, non discriminazione, sostenibilità, determinazione umana, trasparenza ed esplicabilità), guidare la riflessione per l’interiorizzazione dei principi.
  • LO: Esemplificare controversie etiche, spiegare i principi etici fondamentali e interiorizzarli, dare priorità alle azioni per minimizzare l’impatto negativo dell’IA sull’equità e l’inclusione.
• 3.1 Tecniche e applicazioni dell’IA: Fondamenti dell’IA
  • CG: Esemplificare la definizione e lo scopo dell’IA, sviluppare conoscenze concettuali su come l’IA viene addestrata (dati, algoritmi), promuovere un pensiero aperto e interdisciplinare.
  • LO: Dimostrare conoscenze concettuali su come i sistemi IA sono sviluppati; esemplificare cosa sia e cosa non sia l’IA; localizzare e utilizzare strumenti IA; spiegare l’importanza di valutare gli strumenti IA; iniziare a consolidare una collezione personale di strumenti IA affidabili.
• 4.1 Progettazione di sistemi di IA: Definizione del problema
  • CG: Promuovere il pensiero critico su quando l’IA non dovrebbe essere usata, supportare l’acquisizione di abilità nella definizione del problema, sviluppare abilità di valutazione dei requisiti di dati, algoritmi e risorse di calcolo per sistemi IA.
  • LO: Comprendere l’importanza della definizione del problema; esaminare se l’IA dovrebbe essere usata da prospettive legali, etiche e logiche; acquisire conoscenze e abilità di pianificazione del progetto.

Livello 2: Applicare

Obiettivo Generale: Supportare gli studenti a costruire una solida e trasferibile struttura di conoscenze concettuali e set di abilità sull’IA, e ad abituarsi all’applicazione di una mentalità incentrata sull’essere umano e principi etici.

• 1.2 Mentalità incentrata sull’essere umano: Responsabilità umana
  • CG: Sviluppare la comprensione della responsabilità umana come obbligo legale e sociale, e coltivare l’atteggiamento personale che la responsabilità umana richiede competenze per guidare l’uso mirato dell’IA.
  • LO: Comprendere che la responsabilità umana è un obbligo legale; applicare quadri normativi per esaminare se un sistema IA diminuisce la responsabilità umana; fare riferimento a politiche per difendere la responsabilità umana; dimostrare la responsabilità umana nei cicli decisionali.
• 2.2 Etica dell’IA: Uso sicuro e responsabile
  • CG: Promuovere l’autoconsapevolezza e la conformità abituale ai principi etici per l’uso responsabile dell’IA; offrire opportunità per rafforzare l’autodisciplina; approfondire le conoscenze pratiche sull’uso sicuro dell’IA e sulle normative applicabili.
  • LO: Spiegare questioni di sicurezza dell’IA; dimostrare familiarità con le normative locali; implementare misure di salvaguardia della privacy dei dati; applicare linee guida per l’uso responsabile dell’IA.
• 3.2 Tecniche e applicazioni dell’IA: Abilità di applicazione
  • CG: Offrire opportunità per rafforzare conoscenze e abilità sulla modellazione, ingegneria e analisi dei dati; fornire abilità tecniche appropriate all’età nella programmazione AI; incoraggiare lo sviluppo di abilità analitiche e di sintesi per sfruttare dataset e strumenti AI open-source.
  • LO: Costruire una struttura di conoscenza appropriata all’età su dati, algoritmi e programmazione; valutare criticamente e sfruttare strumenti, librerie e dataset AI open-source.
• 4.2 Progettazione di sistemi di IA: Progettazione dell’architettura
  • CG: Supportare l’acquisizione di conoscenze metodologiche e abilità tecniche sull’architettura AI; preparare abilità tecniche avanzate e competenze di gestione del progetto necessarie per la costruzione di sistemi IA.
  • LO: Coltivare conoscenze metodologiche e abilità tecniche di base per configurare un’architettura di sistema AI scalabile, manutenibile e riutilizzabile, applicando valori umani ed etici.

Livello 3: Creare

Obiettivo Generale: Sfida e consente agli studenti di sviluppare competenze avanzate per configurare soluzioni IA o creare nuovi strumenti IA, rafforzando il senso di appartenenza a una comunità più ampia di co-creatori IA.

• 1.3 Mentalità incentrata sull’essere umano: Cittadinanza nell’era dell’IA
  • CG: Promuovere la consapevolezza di essere un cittadino AI critico; coltivare responsabilità personali e sociali nelle società AI; promuovere il senso di auto-realizzazione come cittadino AI e l’attitudine all’apprendimento permanente.
  • LO: Valutare criticamente l’impatto dell’IA sulla società; contribuire attivamente alla formazione di politiche sull’IA nell’istruzione; personalizzare e attualizzare le responsabilità sociali e civiche nell’era dell’IA.
• 2.3 Etica dell’IA: Co-creazione di regole etiche
  • CG: Costruire consapevolezza e comprensione sull'”etica by design”; migliorare l’esame critico delle guide utente esistenti; aggiornare le conoscenze sull’etica dell’IA e le abilità per guidare ulteriori iterazioni di regole e standard etici.
  • LO: Adottare un approccio di “etica by design”; valutare la conformità etica di uno strumento IA; rivedere le normative IA e informare l’adattamento.
• 3.3 Tecniche e applicazioni dell’IA: Creazione di strumenti AI
  • CG: Sfida e abilita abilità avanzate nello sviluppo di strumenti IA basati su compiti; migliora la creatività degli studenti nell’applicazione di conoscenze e abilità AI per personalizzare kit di strumenti e codici; equipaggia gli studenti con abilità per testare e ottimizzare i loro strumenti IA auto-creati.
  • LO: Approfondire e applicare conoscenze e abilità su dati e algoritmi per personalizzare kit di strumenti IA esistenti o creare strumenti specifici; integrare una mentalità centrata sull’essere umano e considerazioni etiche; sviluppare abilità sociali ed emotive.
• 4.3 Progettazione di sistemi di IA: Iterazione e feedback
  • CG: Sviluppare abilità per criticare i sistemi IA; supportare la costruzione di abilità tecniche e responsabilità sociali nell’ottimizzazione, riconfigurazione o spegnimento di un sistema IA; promuovere l’identità degli studenti come co-creatori nell’era dell’IA.
  • LO: Migliorare e applicare conoscenze interdisciplinari e metodi pratici per valutare l’appropriatezza umanistica e la robustezza metodologica di un modello IA; acquisire abilità tecniche per migliorare la qualità dei dataset; rafforzare il senso di co-creazione.

Metodologie Pedagogiche e Ambienti di Apprendimento

Il quadro suggerisce che le metodologie pedagogiche dovrebbero essere basate su un approccio incentrato sullo studente e sull’indagine, promuovendo il pensiero critico, la collaborazione e l’apprendimento basato su progetti. Vengono raccomandati ambienti di apprendimento che supportino sia soluzioni “unplugged” (senza tecnologia) che attività con IA, fornendo accesso a risorse open-source e collaborando con istituzioni e il settore privato. L’apprendimento dovrebbe seguire una sequenza curricolare a spirale, con un impegno spaziato e iterato sui concetti fondamentali dell’IA per un apprendimento duraturo.

Valutazione delle Competenze IA

La valutazione dovrebbe essere basata sulle competenze e orientata ai criteri, misurando il livello di padronanza degli studenti rispetto a standard predefiniti. Si raccomanda di utilizzare compiti di valutazione autentici che misurino sia le prestazioni osservabili che le competenze latenti (come il pensiero critico o le abilità di risoluzione dei problemi). Per il livello “Comprendere”, i compiti possono concentrarsi sulla comprensione concettuale; per “Applicare”, sulle abilità pratiche basate su problemi; e per “Creare”, sulla sintesi, la programmazione algoritmica, la creazione di prototipi e le abilità di ingegneria. Il quadro fornisce esempi di tipi di valutazione per ciascun aspetto e livello. È inoltre importante considerare l’uso di strumenti IA per la valutazione, pur esaminando e regolando le questioni etiche relative alla raccolta e all’uso dei dati degli studenti.

---