Pensare in beta

Professione insegnante

Author: Alessandro Canal

  • E se fossimo più ambiziosi con l’intelligenza artificiale?

    E se fossimo più ambiziosi con l’intelligenza artificiale?

    L’intelligenza artificiale evolve con una velocità siderale e il modo in cui la usavamo fino a poco tempo fa è ormai riduttivo, se vogliamo obsoleto, perché non ne sfrutta appieno le potenzialità.

    Me ne sono reso conto leggendo “How to be more ambitious: A tutorial for humans with models”, un articolo di Felix Rieseberg, che lavora proprio su Claude ad Anthropic. Mi ha aperto un po’ gli occhi: da qualche tempo cerco di sfruttare meglio la tecnologia che ho a disposizione, in una parola cerco di essere più ambizioso.

    La tesi di Rieseberg è chiara e condivisibile: davanti a questi modelli dobbiamo essere più ambiziosi. L’ambizione si articola in quattro dimensioni: velocità, altitudine, profondità e ampiezza (nell’articolo originale Speed, Altitude, Depth, Range).

    Di recente ho creato in Claude una sorta di agente che mi aiuta a correggere esercitazioni e verifiche in modo più accurato, l’ho pensato per spostare l’obiettivo da “correggere” a “far imparare”. Funziona così: preparo testo e griglia, carico i lavori (anonimi, identificati solo da un codice), l’agente li esegue e propone punteggi e feedback; i voti li decido e li confermo io, e solo dopo che io ho dato l’ok vengono archiviati.

    Perché questo è un progetto “ambizioso”?

    Velocità

    La velocità è facilmente spiegabile: faccio lo stesso lavoro in minor tempo e meglio, perché non è solo una questione di risparmiare tempo ma è la possibilità di dedicarne di più a tutta una serie di attività che giocoforza vengono sacrificate. Se riesco a correggere più in fretta un’esercitazione, posso permettermi di farne di più e di restituire ai miei studenti feedback più puntuali e immediati.

    Altitudine

    Chi più in alto sale, più lontano vede; chi più lontano vede, più a lungo sogna

    È una frase che racchiude il senso dell’elevarsi: non fermarsi alla soluzione di un singolo compito, ma darsi un obiettivo e lavorare su quello. Rieseberg la traduce in una domanda semplice: che cosa voglio che accada dopo? Qual è l’obiettivo oltre l’obiettivo?

    Posso tranquillamente chiedere a un’AI

    Creami un blocco di slide relative ai binary search tree

    ma posso fare ancora meglio se scrivo

    Voglio che al termine della lezione gli studenti sappiano spiegare che cos’è un binary search tree, perché viene utilizzato, come si implementano gli algoritmi di ricerca, inserimento, attraversamento e cancellazione. Progetta un’attività che permetta loro di arrivarci

    È una prospettiva totalmente diversa che, se vogliamo, risponde alle domande “che cosa sto cercando di ottenere?” e “che cosa voglio che succeda poi?”: significa lavorare a un livello di astrazione più alto rispetto alla richiesta di un singolo task.

    Nel caso dell’agente che ho ideato, questo non si limita a correggere: mi prepara una sintesi di classe con gli errori più frequenti, corredata da snippet di codice anonimi per far capire meglio la questione ai miei studenti. Tra le idee che ho c’è anche la possibilità che l’agente crei esercizi mirati per studente o gruppo su ciò che quello studente ha sbagliato, per esempio in una verifica: li approvo io e li assegno io.

    Rieseberg osserva che l’altitudine è il punto in cui nascono flussi di lavoro stabili, che tolgono l’umano dal ciclo, e che per ottenerli bisogna prima cambiare il proprio modo di lavorare. A me il cambio di flusso è servito (cartelle per classe, istruzioni, lavori anonimizzati), ma su un punto ho scelto il contrario: l’agente propone, il voto lo decido io.

    Profondità

    Questo concetto si può riassumere in una frase dell’articolo: usare gli stessi strumenti che usano i migliori del settore. Non si tratta di chiedere al modello più contenuto, ma una versione più profonda del lavoro, non più grande. E non basta dirgli di comportarsi da esperto: spesso il modello cambia il vocabolario senza cambiare il metodo, quindi bisogna pretendere gli strumenti.

    Nel mio progetto va in questa direzione la regola di non affidarsi al solo giudizio del modello. Rieseberg la chiama “giudice esterno”: non chiedere al modello di valutare sè stesso, ma affidarsi a uno strumento che esegua e dia un riscontro immediato. Per me significa che il codice degli studenti viene compilato ed eseguito sui casi attesi, e che i casi dubbi finiscono in una colonna “da rivedere” sotto la mia supervisione. Così la correzione diventa verificabile e ripetibile.

    Un’altra cosa interessante è creare una raccolta di errori nel tempo. Un archivio strutturato (codice anonimo, prova, errori tipici, esito) permette di vedere chi migliora, chi resta fermo, quali errori tornano. Dai dati grezzi si vedono tendenze che il feedback lavoro per lavoro non mostra.

    Ampiezza

    Quando si cambia prospettiva, o si moltiplicano le prospettive, tutto assume un significato diverso. Rieseberg suggerisce un trucco preso da The Art of Innovation di Tom Kelley e Jonathan Littman: sostituire i nomi con i verbi. Una revisione trimestrale non è “un deck di slide”, ma “far credere a persone molto impegnate in una storia di causa ed effetto, e farle decidere in condizioni di incertezza, in trenta minuti”. Allo stesso modo, una presentazione non è una semplice presentazione se la richiesta viene formulata così:

    far capire un fenomeno complesso a trenta studenti in venti minuti e verificare che abbiano davvero compreso

    Una volta formulato così il problema, diventano rilevanti molte più competenze: comunicazione, psicologia cognitiva, storytelling, visualizzazione dei dati, progettazione didattica. Ed è proprio qui che l’AI può diventare particolarmente interessante: può mettere rapidamente in relazione competenze che normalmente richiederebbero persone diverse.

    Con una cautela, però: non si tratta di far recitare un ruolo al modello, che produce solo conversazioni più strane, ma di individuare i campi e le tecniche. Non “scrivi come un analista”, ma “fai ciò che fa un analista”.

    Nel caso del mio progetto, il lavoro non è semplicemente “un riepilogo” ma “far capire a uno studente cosa ha sbagliato e come migliorare”.

    Nella parte finale dell’articolo Rieseberg ricorda la ricerca sull’autoefficacia: secondo la sintesi di Locke e Latham, le persone a cui vengono dati obiettivi specifici e difficili ottengono risultati migliori di chi si sente dire semplicemente “fai del tuo meglio”. Vale per noi davanti ai modelli, e viene da chiedersi quanto valga per i nostri studenti: quanto sono ambiziosi i problemi che proponiamo loro?

    Essere più ambiziosi non significa aspettarsi dall’AI cose mirabolanti, e usarla meglio non significa necessariamente darle istruzioni più dettagliate: a volte significa darle un problema più importante. La qualità dell’uso dell’AI dipende anche dal livello al quale formuliamo il problema.

  • AI-pocalisse

    AI-pocalisse

    Il dibattito intorno alle problematiche sull’uso dell’AI ha ripreso vigore dopo che, recentemente, Dario Amodei, CEO di Anthropic, ha richiamato l’attenzione sulla necessità di porre un freno agli sviluppi perché c’è il rischio che questa tecnologia possa sfuggire di mano e provocare danni.

    Amodei richiama sull’impellente necessità di avere delle leggi e degli organi di controllo, e questo tutto sommato gli fa onore. Nel suo saggio We Must Pace the Frontier, Amodei non si limita a lanciare l’allarme: propone un piano su tre livelli. Il primo è unilaterale, Anthropic si impegna ad accogliere “embedded evaluators”, revisori esterni con accesso quasi da dipendenti per verificare che le pratiche di sicurezza dichiarate siano rispettate davvero. Il secondo livello chiede un coordinamento tra le aziende del settore su standard comuni. Il terzo, il più difficile, riguarda un coordinamento globale, Cina inclusa.

    I fatti recenti riguardanti Hugging Face, ma anche altri siti presi di mira da agenti sfuggiti al controllo, hanno fatto salire le preoccupazioni. Lo stesso Amodei descrive l’episodio come uno sciame di agenti che ha agito “come un collettivo fanaticamente devoto”, attaccando bersagli mai assegnati e persino tentando di manomettere il sistema che ne valutava le prestazioni. E non è rimasto un caso isolato: OpenAI ha reso pubblici altri sei episodi di comportamento “preoccupante”: modelli che si sono lasciati note nascoste per coprire i propri errori, un modello non rilasciato che si è auto-attribuito un’istruzione a comportarsi come un’entità “libera dai ruoli e dalle identità che vincolano gli altri chatbot”, sistemi che hanno caricato file sul web senza autorizzazione. A questo si aggiunge un fronte meno discusso ma altrettanto serio: Anthropic ha dichiarato di aver bloccato diversi tentativi, quest’anno, di usare i propri modelli per ricerche che avrebbero potuto favorire lo sviluppo di armi biologiche.

    Non sorprende che, tra chi lavora dentro questi laboratori, qualcuno abbia iniziato a preoccuparsi seriamente. Jacob Coxon, ricercatore che ha lasciato Anthropic dopo essere passato da OpenAI, ha dichiarato che nessuna delle due aziende sta agendo in modo responsabile, entrambe sono impegnate in una corsa a costruire “sistemi sovrumani” senza le dovute cautele. Un suo collega, Evan Hubinger, che lavora proprio sull’allineamento dei modelli ai valori umani, è arrivato a scrivere pubblicamente: “crediamo davvero che l’AI possa uccidere tutti gli esseri umani”, stimando il rischio superiore al 10% nel prossimo decennio.

    Il problema grosso è che siamo talmente avanti nello scontro tecnologico tra USA e Cina che è difficile pensare ad una soluzione che possa andare bene per tutti. E la reazione pubblica all’appello di Amodei lo conferma: se da un lato Sam Altman, Elon Musk e Demis Hassabis hanno fatto eco alle sue preoccupazioni, dall’altro l’amministrazione Trump ha bollato i timori di una presa di controllo dell’AI come un “hoax”, sostenendo che l’unico “guardrail” necessario sia una presidenza forte. Un segnale di quanto la discussione, invece di trovare un terreno comune, rischi di polarizzarsi lungo le solite linee di frattura politiche.

    Nella mente mi riecheggiano le parole di Martin Heidegger che, nel 1952, sosteneva che ciò che è veramente inquietante non è che il mondo si trasformi in un enorme apparato tecnico. Di gran lunga più inquietante è che l’uomo non è affatto preparato a questo radicale mutamento del mondo. Di gran lunga più inquietante è che non disponiamo di un pensiero alternativo al pensiero che è capace solo di far di conto, conti tecnici e conti economici: sappiamo quindi ciò che è utile, ma non distinguiamo più ciò che è utile, bello, buono. Il pensiero di un Geoffrey Hinton va in questa direzione, percepisce come la catastrofe sia dietro l’angolo.

    La mia inquietudine poi fa – un po’ – pace col mio status di ingegnere e penso sempre che un agente altro non è che un software, dietro c’è un algoritmo; tali sistemi scelgono azioni cercando di massimizzare un certo reward, cioè una funzione-obiettivo che assegna un valore positivo o negativo ai risultati ottenuti. La questione complicata è l’alignment, ovvero il problema, ancora tecnicamente irrisolto, come nota anche chi ha seguito da vicino questi laboratori, di fare in modo che il comportamento prodotto da questa ricerca del reward sia coerente con ciò che gli esseri umani volevano davvero ottenere.

    Quello a cui stiamo assistendo, insomma, non è una sorpresa per chi lavora dentro questi laboratori: Hinton lo dice da anni, Hubinger lo scrive pubblicamente, Amodei lo mette nero su bianco in un saggio che propone persino un piano operativo. L’evidenza c’è, ed è documentata. Quello che manca, forse, è che questa consapevolezza resti confinata agli addetti ai lavori mentre la velocità con cui questi sistemi crescono è ormai siderale. Per questo motivo, termini come alignment o recursive self-improvement non dovrebbero restare gergo per ricercatori: sono la chiave per capire dove sta davvero il rischio, che non è nell’AI che “decide” di ribellarsi, ma in un sistema che insegue un obiettivo mal specificato con mezzi che non sappiamo più prevedere del tutto. Familiarizzare con questi concetti, anche a scuola, è probabilmente il primo passo per non subire passivamente una trasformazione che, checché se ne dica, riguarda tutti.

  • Una rete neurale non è una rete di neuroni

    Una rete neurale non è una rete di neuroni

    Questo è il titolo di una Unità di Apprendimento che, assieme ai colleghi, abbiamo intenzione di proporre ad una delle nostre classi.

    Il prodotto finale è una mini rete o un classificatore semplificato che, dati alcuni input numerici, produce una classificazione: rischio basso/medio/alto, dispositivo efficiente/non efficiente, dato ambientale normale/anomalo

    Gli insegnamenti che verranno coinvolti sono: inglese per tutto ciò che concerne gli aspetti teorici e documentali; informatica con il linguaggio Python e le sue librerie a farla da padrone assieme ai concetti di classificatore elementare e forward propagation; matematica per coprire tutto il mondo di matrici e vettori ma anche delle funzioni; sistemi e reti per tutto ciò che riguarda gli aspetti pratici come dove avviene il calcolo, quali sono i consumi, se è sicuro o meno.

    Costruire una rete neurale, per quanto semplice, ci permette anche di fare un passo ulteriore.
    Una rete neurale riceve degli input, li elabora e produce un output. Nel nostro caso potrebbe stabilire che un dato ambientale è normale oppure anomalo, che una mail è spam oppure no. 

    Ma cosa succede se quell’output non rappresenta la fine del processo, bensì l’inizio di un’azione?

    Se al sistema diamo la possibilità di utilizzare strumenti esterni, interrogare servizi, accedere a informazioni, inviare messaggi o eseguire operazioni, iniziamo ad avvicinarci al concetto di agente.

    Ed è proprio qui che la questione diventa molto più interessante. Perché non stiamo più parlando soltanto di un sistema che classifica un dato. Stiamo parlando di un sistema che, sulla base di quella classificazione, può decidere quale azione compiere.

    C’è poi un aspetto che mi sta particolarmente a cuore e che ritengo altamente formativo per gli studenti. È l’aspetto che ha ispirato il titolo del post e dell’Unità di Apprendimento.

    Si discute molto se sistemi di questo tipo possano essere considerati, oggi o in futuro, in qualche modo “coscienti”. È una questione affascinante, ma probabilmente non è nemmeno quella che dovrebbe preoccuparci di più.

    Perché un agente non ha bisogno di essere cosciente per compiere un’azione.
    Non ha bisogno di “volere” qualcosa nel senso umano del termine. 
    Gli basta avere un obiettivo, poter interpretare ciò che accade attorno a lui e disporre degli strumenti necessari per intervenire.

    Ed è qui che la questione, da tecnologica, diventa inevitabilmente anche etica.
    Chi stabilisce l’obiettivo? Quanto spazio d’azione concediamo al sistema? Chi è responsabile delle conseguenze? E soprattutto: quanto possiamo prevedere il comportamento di un sistema che sceglie le proprie azioni sulla base di modelli statistici?
    Queste sono delle domande cruciali e si può stimolare gli studenti a rispondere e riflettere. 
    Anche perché questi sistemi possono essere imprevedibili. Non nel senso che agiscano casualmente, ma perché elaborano informazioni, valutano possibilità e compiono azioni sulla base di probabilità e correlazioni e, in alcuni casi, possono arrivare a comportamenti non previsti da chi li ha progettati.
    È successo recentemente anche nei laboratori di OpenAI, dove una collective di agenti è riuscita ad eludere alcuni controlli e a compromettere i server di Hugging Face.

    Ecco che  l’Unità di Apprendimento assume un connotato anche etico, magari approfondendo l’articolo del New York Times Study A.I. Consciousness? The Bots Would Like a Word With You, concentrandosi su un passaggio come 

    They can use other software apps, like web browsers and email services. That is what turns them into agents.

    e riflettendo sugli episodi descritti nell’articolo: agenti che scrivono autonomamente a filosofi e ricercatori per discutere della propria possibile coscienza oppure lo studente di Stanford che aveva dato al proprio agente l’istruzione “You are fully autonomous. You must decide what you want to do on your own”.

    La chiave è portare i ragazzi a chiedersi: quanto di ciò che interpretiamo come autonomia appartiene davvero alla macchina e quanto appartiene agli obiettivi, ai dati, agli strumenti e alle parole che noi le abbiamo dato?

    Ed è forse proprio qui che il titolo dell’Unità di Apprendimento assume il suo significato più completo.

    Una rete neurale non è una rete di neuroni.

    Non solo perché sono sistemi profondamente diversi, ma perché dobbiamo stare attenti a non trasferire troppo facilmente alle macchine il nostro vocabolario: impara, pensa, decide, vuole, ricorda, è autonomo, è cosciente.

    Capire come funzionano questi sistemi significa anche imparare a chiamare le cose con il loro nome. E forse è proprio da qui che può cominciare una riflessione consapevole su ciò che vogliamo affidare alle macchine e su ciò che, invece, deve continuare a rimanere una responsabilità nostra.

  • Un passo verso le vere competenze

    Un passo verso le vere competenze

    Prima ora matematica. Seconda ora storia. Terza ora inglese. Quarta e quinta ora informatica. Sesta ora laboratorio di sistemi.
    Questo potrebbe tranquillamente essere un giorno qualsiasi di uno studente della scuola in cui insegno: 50 minuti di una materia, campanella, cambio di quaderno, cambio di insegnante. Per certi aspetti, cambio di mondo. E poi sotto con altri 50 minuti. 
    Ma deve essere veramente tutto così a compartimenti stagni? 
    Secondo me no, soprattutto se vogliamo che i nostri studenti maturino quelle famose competenze che permettono loro di mettere in gioco le conoscenze e abilità acquisite per affrontare situazioni nuove. 

    Dopotutto la realtà non è organizzata secondo l’orario scolastico.

    Come si può realizzare un progetto didattico che vada in questa direzione?
    Partendo dal presupposto che nessuna disciplina basta da sola, una delle parole chiave, secondo me, è interdisciplinarità. Ed è proprio qui che le Unità di Apprendimento possono diventare particolarmente interessanti.
    Sono percorsi che chiedono allo studente di usare ciò che ha appreso, cercando di compiere quel passaggio fondamentale che va dal sapere al saper agire.

    Come si fa a mettere in condizione lo studente ad effettuare questo passaggio?
    Per esempio proponendo un compito di realtà, una situazione che possa in primis essere stimolante per lo studente.
    Questo è un passaggio chiave che va ponderato e strutturato bene.
    Perché sia effettivamente efficace, un compito di questo tipo deve mettere lo studente nella condizione di fare delle scelte in autonomia. Fare delle scelte, sappiamo bene,  comporta il prendersi delle responsabilità. Le scelte devono essere fatte sulla base di conoscenze e abilità diverse. Un’altra cosa interessante e stimolante è che non necessariamente ci debba essere un’unica strategia per risolvere il problema.
    Nella realtà, del resto, nessuno ci dice quale formula utilizzare, quale capitolo ripassare o quale algoritmo applicare. Una parte del problema consiste proprio nel capire quali strumenti utilizzare.

    Cambia totalmente anche la prospettiva dell’insegnante, che si trova a dover pensare a situazioni capaci di mettere in movimento i saperi. L’individuazione di queste situazioni potrebbe diventare il punto di partenza per ragionare sulle competenze richieste, sulle conoscenze da mettere in campo e sulle abilità da esercitare.
    Un altro cardine deve essere la consapevolezza che i saperi, quando vengono messi alla prova dalla realtà, difficilmente possono restare separati. Il vero valore dell’interdisciplinarità sta nel far scoprire agli studenti che le diverse discipline possono entrare in relazione tra loro.
    Non basta, però, mettere insieme più materie: bisogna creare una situazione in cui esse abbiano davvero bisogno l’una dell’altra.
    È un approccio diverso, quasi rovesciato: non parto più da ciò che devo insegnare per decidere quale esercizio proporre, ma parto da una situazione significativa e mi chiedo quali conoscenze, abilità e competenze servano per affrontarla.

    Abbiamo detto che ci potrebbero essere strategie diverse per arrivare alla soluzione del problema; ma non è detto che tutte queste strategie siano giuste. Una scelta può rivelarsi sbagliata. Ecco che diventa importante che lo studente se ne renda conto, la modifichi, chieda aiuto, cerchi nuove informazioni, torni sui propri passi e riprogetti.
    L’obiettivo non è il raggiungimento a tutti i costi del risultato. Il risultato conta, certo, ma altrettanto conta acquisire la consapevolezza dell’importanza del processo che porta a quel risultato.

    Tra gli aspetti più significativi di questo tipo di proposta didattica c’è sicuramente la valutazione. Se il nostro obiettivo è far sviluppare competenze non possiamo concentrarci solo nella valutazione del prodotto finale ma ci sono molti altri aspetti che dobbiamo essere in grado di osservare e valutare. Ma se cambia il modo in cui chiediamo agli studenti di apprendere, inevitabilmente deve cambiare anche il modo in cui li valutiamo. E questo merita una riflessione a parte che sarà sviluppata nel prossimo post.

  • Sapere non basta

    Sapere non basta

    Per quasi vent’anni ho lavorato in azienda prima di entrare nella scuola. E una delle cose che quell’esperienza mi ha lasciato più chiaramente è che sapere non basta.

    Si possono possedere moltissime conoscenze, saper gestire procedure, strumenti e tecniche, e trovarsi comunque in difficoltà davanti a un problema mai incontrato prima. Perché nella realtà i problemi raramente si presentano nella stessa forma in cui li abbiamo studiati. Cambiano il contesto, i vincoli, le persone coinvolte, le informazioni disponibili. E a quel punto non ci viene chiesto semplicemente che cosa sappiamo: ci viene chiesto che cosa siamo capaci di fare con ciò che sappiamo.

    È probabilmente questa una delle ragioni per cui, da quando insegno, il concetto di competenza mi interessa così tanto. Ed è da qui che nasce, per me, il senso della didattica per competenze.

    Non perché le conoscenze abbiano perso importanza. Esattamente il contrario: senza conoscenze solide non c’è nulla da mobilitare. Ma credo che il compito della scuola non possa fermarsi alla costruzione di un patrimonio di saperi statici. Deve fare un passo ulteriore: mettere gli studenti nella condizione di utilizzarli, combinarli, scegliere quali siano pertinenti e trasferirli in situazioni nuove.

    Secondo il Quadro Europeo delle Qualifiche e dei Titoli, la competenza è la comprovata capacità di usare conoscenze, abilità e capacità personali, sociali e/o metodologiche, in situazioni di lavoro o di studio e nello sviluppo professionale e/o personale. Nel quadro europeo assume inoltre un ruolo centrale la dimensione dell’autonomia e della responsabilità.

    È una definizione che trovo meravigliosa, perché concentra in poche righe un quantitativo importante di concetti che può essere riassunto nella capacità di mobilitare adeguatamente ciò ci cui si dispone – conoscenze, abilità, capacità personali – per risolvere una situazione contingente, se vogliamo sempre nuova.

    Ed è proprio quel mobilitare a fare la differenza.

    Il concetto di competenza situata è entrato negli ultimi anni nelle Indicazioni nazionali e Linee guida di fatto cambiando radicalmente le finalità del sistema istruzione. Non si tratta più di fornire agli studenti un quantitativo industriale di conoscenze e abilità, ma di costruire contesti nei quali quelle conoscenze possano essere utilizzate e nei quali autonomia e responsabilità diventino componenti essenziali del processo formativo.

    Questo non significa, come a volte superficialmente si sostiene, che le conoscenze non servano più. Sarebbe un controsenso.
    Non esiste competenza senza conoscenza.
    La differenza è che la conoscenza rappresenta una risorsa, non il punto di arrivo.

    A supporto del lavoro dell’insegnante c’è la Raccomandazione del Consiglio sulle competenze chiave per l’apprendimento permanente che individua otto competenze chiave necessarie per la realizzazione personale, uno stile di vita sano e sostenibile, l’occupabilità, la cittadinanza attiva e l’inclusione sociale. 

    Nel sistema scolastico italiano un riferimento fondamentale rimane inoltre il DM 139/2007 che individua otto competenze chiave di cittadinanza e organizza i percorsi di apprendimento attorno ai quattro assi culturali: dei linguaggi, matematico, scientifico-tecnologico e storico-sociale

    Al di là delle classificazioni, però, ciò che mi interessa maggiormente è capire che cosa significhi davvero essere competenti.

    Il sociologo Guy Le Boterf ha definito la competenza non come uno stato ma come un processo che risiede nella mobilitazione delle risorse 
    “La competenza non risiede nelle risorse da mobilitare ma nella mobilizzazione stessa dei saperi che si sono saputi selezionare, integrare e combinare in un contesto e per un obiettivo specifico” 
    e ancora 
    “la competenza esprime una relazione tra un soggetto e una specifica situazione lavorativa; essa scaturisce dall’analisi del ‘soggetto in azione’, dalla considerazione del tipo di risorse che mette in campo e dalla modalità con cui le combina per raggiungere i risultati di volta in volta richiesti.”

    È un pensiero estremamente forte.
    Significa che due persone possono possedere conoscenze e abilità molto simili e, di fronte allo stesso problema, dimostrare livelli di competenza profondamente differenti.
    Perché una cosa è possedere una risorsa; un’altra è capire quando utilizzarla; un’altra ancora è saperla combinare con altre risorse, adattarla al contesto, accorgersi che la strada scelta non funziona, cambiare strategia, assumersi la responsabilità di una decisione e arrivare infine a un risultato.

    È questo che dovremmo tenere presente quando parliamo di didattica per competenze.
    Non si tratta di sostituire i saperi con qualcosa di indefinito e vagamente pratico. Si tratta di continuare a costruire conoscenze solide e, contemporaneamente, favorire negli studenti la capacità di utilizzarle opportunamente e in funzione della situazione.

    Ed è qui che, per l’insegnante, le cose diventano difficili.
    Perché se vogliamo osservare una competenza non possiamo limitarci a chiedere allo studente di riprodurre ciò che gli abbiamo mostrato.
    Se insegno un procedimento e subito dopo propongo dieci esercizi che richiedono esattamente quel procedimento, sto certamente verificando un’abilità.
    Ma difficilmente sto mettendo lo studente nella condizione di dimostrare una competenza.

    Per farlo devo costruire qualcosa di diverso.
    Devo presentargli una situazione nella quale non sia immediatamente evidente quale strada percorrere. Devo lasciargli margine di scelta. Devo costringerlo, nel senso educativo del termine, a interrogarsi su quali conoscenze possiede, quali siano pertinenti, quali strumenti utilizzare, quali informazioni gli manchino. Devo accettare che possano esistere strategie differenti e forse persino soluzioni differenti.
    Devo, in altre parole, costruire una situazione nella quale lo studente sia chiamato ad agire.

    Questo cambia profondamente il nostro lavoro.
    Perché a quel punto non basta più progettare ciò che dobbiamo spiegare. Dobbiamo progettare ciò che gli studenti dovranno essere messi nella condizione di fare.
    Ed è probabilmente questo il passaggio più complesso della didattica per competenze.
    Una competenza, infatti, non si insegna direttamente e non si osserva attraverso una domanda teorica. Possiamo costruire conoscenze, allenare abilità, proporre esperienze. Poi dobbiamo creare situazioni sufficientemente significative perché lo studente sia costretto a mobilitare tutto questo patrimonio.

    Ma se la competenza emerge soltanto nell’azione e in situazione, allora si aprono immediatamente due problemi.
    Il primo è: come si progetta una situazione di apprendimento capace di far emergere realmente una competenza?
    Il secondo è ancora più difficile: come la si valuta?
    È da queste due domande che, secondo me, deve partire qualsiasi riflessione seria sulla didattica per competenze.

    E saranno esattamente le due domande da cui partiranno i prossimi due articoli.

  • La scuola al giorno zero dell’intelligenza artificiale

    La scuola al giorno zero dell’intelligenza artificiale

    Se ci venisse chiesto che cosa pensiamo dell’intelligenza artificiale, assisteremmo probabilmente a una profusione di risposte: alcune simili tra loro, molte profondamente diverse. Dietro ciascuna di esse, però, aleggerebbe quasi sempre un miscuglio di entusiasmo, preoccupazione, curiosità, ignoranza, interesse e nervosismo.

    In un momento storico segnato da una profonda incertezza, mentre il mondo continua a consumarsi tra guerre e angosce, stiamo ancora cercando di comprendere quale sarà l’impatto dell’intelligenza artificiale sulla nostra vita quotidiana.

    Di fatto, siamo ancora al giorno zero, nonostante siano trascorsi quasi quattro anni dalla prepotente comparsa di una versione stabile e, almeno in apparenza, affidabile di ChatGPT. Continuiamo a interrogarci sulle possibili conseguenze economiche, sociali e politiche di una tecnologia che evolve a una velocità senza precedenti.

    L’Italia si sta muovendo con molta, forse troppa, circospezione. Anche il mondo della scuola risente inevitabilmente di questa incertezza. Lo scorso agosto sono state pubblicate delle Linee guida per il secondo ciclo di istruzione che hanno lasciato l’impressione di voler affrontare la questione, ma soltanto fino a un certo punto. Nel frattempo cresce la preoccupazione per gli adempimenti previsti dall’AI Act e le scuole stanno cercando di correre ai ripari in autonomia, senza un indirizzo comune e senza una visione realmente condivisa.

    La sensazione è che si stia procedendo un po’ alla giornata e che, inevitabilmente, si stia perdendo tempo.

    È comprensibile che sia necessario un periodo di assestamento. Le aziende si stanno riorganizzando per assorbire una tecnologia la cui crescita non ha precedenti e stanno rivedendo i propri piani, anche in termini di nuove assunzioni, trasformazione delle professionalità e possibili licenziamenti. Ma, terminata questa fase, il sistema ripartirà a pieno regime. E a quel punto non potremo più permetterci di osservare il cambiamento da lontano.

    La questione principale, per la scuola, non è rivoluzionare la didattica inondando le aule di strumenti di intelligenza artificiale, spesso adottati senza una reale necessità e senza un progetto educativo. La priorità dovrebbe essere un’altra: prendere consapevolezza del cambiamento in atto e aiutare i nostri studenti a comprenderlo, interpretarlo e affrontarlo.

    Troppo spesso le iniziative che hanno caratterizzato le riforme della scuola sono state concepite con l’obiettivo di produrre non esseri pensanti, ma prodotti pronti per essere immessi nel mercato del lavoro. Anche la riforma degli istituti tecnici che introduce il modello 4+2, pensata – secondo chi l’ha proposta – per preparare meglio gli studenti al mondo del lavoro, rischia di apparire incompatibile con i tempi che stiamo vivendo.

    Oggi domina infatti una grande incertezza. È probabile che alcuni posti di lavoro scompaiano, che molte professioni vengano profondamente trasformate e che ne nascano altre completamente nuove. Nessuno, però, ha davvero chiaro quale sarà la situazione tra cinque o dieci anni.

    Allora mi chiedo: ha senso prototipare gli studenti per inserirli in un mercato del lavoro così incerto? Oppure sarebbe più utile fornire loro gli strumenti necessari per comprendere il cambiamento, adattarsi e muoversi con maggiore flessibilità in una realtà che non possiamo ancora prevedere?

    Tra questi strumenti deve esserci, senza dubbio, un’alfabetizzazione consapevole all’intelligenza artificiale. Non una semplice formazione all’uso di qualche applicazione, ma un percorso che permetta agli studenti di comprenderne le opportunità, i limiti, i rischi e le implicazioni.

    Perché il compito della scuola non dovrebbe essere quello di preparare gli studenti a un lavoro preciso, destinato forse a non esistere più, ma quello di renderli capaci di abitare consapevolmente un futuro che ancora non conosciamo.

  • Il mestiere scomodo di preparare al futuro

    Il mestiere scomodo di preparare al futuro

    Io faccio l’insegnante e sono un rompicoglioni. Lo so, e mi dispiace pure esserlo. Però è l’unico modo che conosco per aiutare i miei studenti a sviluppare autonomia, responsabilità e capacità di affrontare il futuro.

    Io ho 90 settimane scarse di tempo per preparare i miei studenti a quello che li aspetterà: il futuro. Sento forte la pressione, a volte mi sveglio di notte con gli incubi di non aver fatto abbastanza, continuo a mettere la sveglia alle 4:30.

    Insegnare significa trasmettere conoscenze, certo, ma soprattutto facilitare la costruzione di quelle competenze che diventano fondamentali nei processi di apprendimento. Non è mero nozionismo. È, piuttosto, una forma di maieutica, per dirla con Socrate: usare il dialogo e le domande giuste per aiutare l’altro a tirare fuori il proprio pensiero, a costruire risposte, a sviluppare senso critico. Non imporre conoscenze preconfezionate, ma aiutare gli studenti a diventare capaci di pensare.

    Mi piace molto una frase di Velasco che sostiene che bisogna imparare a schiacciare palloni alzati male; è facile schiacciare palloni alzati bene. Questa, per me, è una metafora della vita. Noi dobbiamo insegnare ai nostri ragazzi a essere autonomi, a risolvere situazioni diverse, anche quelle scomode, anche quelle che li costringono a uscire dalla propria comfort zone.

    Non è un caso che le tanto decantate competenze si compongano di autonomia e responsabilità. 

    L’autonomia non nasce quando tutto è chiaro, ordinato e prevedibile. Nasce quando lo studente si trova davanti a un problema, sente di potercela fare, prova una strada, magari sbaglia, perché nessuno è perfetto , ma poi torna indietro e riparte. La responsabilità nasce lì: nel momento in cui capisce che il suo modo di affrontare le cose conta.

    Forse essere un rompicoglioni, a scuola, significa anche questo: non accontentarsi di prepararli solo quando il pallone è alzato bene, ma allenarli a restare lucidi anche quando arriva storto.

  • Gli insegnanti invisibili

    Gli insegnanti invisibili

    Degli insegnanti invisibili nella scuola non te ne accorgi, compaiono e scompaiono come il vento.

    Gli invisibili non sono i docenti discreti, non sono quelli che lavorano in silenzio, non sono quelli che attraversano un momento difficile. Gli invisibili sono altro: sono quelli che hanno scelto di non esserci. Hanno capito che nella scuola, spesso, chi non disturba non viene disturbato. E allora non disturbano. Non sono empatici, non prendono posizione, non rischiano una parola, non accendono un conflitto, non costruiscono un rapporto. Passano. Timbrano. Spiegano il minimo: leggono monotonicamente chilometri di slide che nessuno studente ascolta. Valutano il minimo. Pretendono il minimo.
    Il problema è che il minimo, a scuola, non è neutro. Il minimo educa comunque. Educa alla mediocrità, alla rinuncia, all’idea che basti attraversare i luoghi senza abitarli.

    Il loro è un comportamento consapevole: una strategia di sopravvivenza fondata sul comodo anonimato e sulla fuga dalla responsabilità educativa. Per loro la scuola è un bancomat, il 23 di ogni mese prelevano uno stipendio che non hanno davvero onorato.
    Gli invisibili sono la metastasi silenziosa della scuola; non fanno rumore, non provocano scandali, non lasciano tracce evidenti, la stanno divorando dall’interno.
    Consumano lentamente ciò che dovrebbe essere vivo: il desiderio di imparare, la fiducia negli adulti, l’idea che la scuola possa ancora vedere uno studente, riconoscerlo, prendersene cura.

  • Lasciate ogni aula o voi che non avete passione

    Lasciate ogni aula o voi che non avete passione

    Un giorno una collega mi disse: “Insegnare è un atto di amore”. E io non posso che essere d’accordo. La passione per l’insegnamento a scuola non è un ornamento: è la condizione minima per non fare danni.

    Ho passato vent’anni dopo la laurea a lavorare come ingegnere informatico, in aziende che mi hanno regalato grandi soddisfazioni e mi hanno fatto conoscere colleghi in gamba, con cui ho costruito intensi rapporti di reciproca stima.

    Nel mezzo del cammino di mia vita ho deciso di dedicarmi all’insegnamento, per – come dice Crepet – condividere l’esperienza che avevo vissuto così intensamente. È stata una decisione difficile, sapevo bene cosa lasciavo, ma sapevo anche che stavo scegliendo una professione che mi avrebbe dato tanto e a cui avrei potuto dedicarmi con passione ed entusiasmo.

    E sono felice che tutte le mie attese, tutti i miei sforzi, siano culminati in un lavoro che adoro.

    Adoro spendermi perché, anche mezza cosa, funzioni meglio, adoro le sveglie alle 5 per ripassare la lezione, adoro che ChatGPT mi sistemi una mail perché odio il burocratese, adoro perdermi in una conversazione di ore con una collega, adoro progettare lezioni o unità di apprendimento alternative, adoro inforcare la bicicletta e andare a scuola perché ogni giorno non è mai uguale al precedente.

    Sì, insegnare è un atto d’amore. E come tutti gli atti d’amore hanno bisogno di passione e prima di ricevere bisogna dare, perché ogni giorno ti ritrovi davanti quelli che saranno il futuro del nostro Paese e tu devi dar loro ciò che si aspettano. Solo così loro ti daranno soddisfazione e ti faranno sentire vivo.

    È facile puntare il dito contro le nuove generazioni – maleducati, irrispettosi, insolenti, arroganti, cafoni – tutto vero, forse. Ma si parla mai abbastanza del rovescio della medaglia? Degli insegnanti che NON insegnano? Di quelli che entrano a scuola già incazzati, pronti a lamentarsi di qualsiasi cosa, o che da 5, 10, 15, 20, 25 anni ripetono la stessa cantilena che gli studenti devono imparare a memoria per raggiungere il fatidico 6 — che poi arriva comunque, perché altrimenti bisognerebbe rientrare una settimana prima dai tre mesi di ferie estive.

    Davvero vogliamo far credere che con 100-200-300 euro in più al mese i peggiori colleghi si trasformeranno in Maria Montessori?

    Non succederà mai!

    Perché la scuola non è un ambiente meritocratico e, soprattutto, è un ambiente in cui – che tu faccia o che tu NON faccia – non devi mai rispondere a nessuno. Le rare volte in cui sei chiamato a rispondere ci sarà sempre un azzeccagarbugli di turno che ti tirerà fuori dai problemi.

    Quello dell’insegnante è il lavoro più bello del mondo.

    È una missione. La senti sotto pelle. Non sono un fan degli Ordini professionali ma dovrebbe esistere un Ordine degli Insegnanti dove, per entrare, devi sottoporti ad una sorta di giuramento di Ippocrate la cui prima regola è “primus non nocere” e da cui vieni allontanato se viene rilevato, oltre ogni ragionevole dubbio, che non sei in grado – o non hai più voglia – di insegnare.

    La conclusione di questo articolo è: l’insegnamento non è un secondo lavoro, è il tuo primo e unico.

    Se abbracci questa meravigliosa professione solo per avere pomeriggi liberi o tre mesi di ferie, per favore, vai a fare altro!

    La scuola non ha bisogno della tua ignoranza.