Riceviamo e pubblichiamo l’articolo di Francesco D’Anna Docente di Matematica e Fisica
L’irruzione dell’intelligenza artificiale generativa nel mondo dell’istruzione sta ridisegnando le coordinate dell’accesso al sapere. In questo scenario, l’insegnamento delle discipline STEM (matematica, fisica, ingegneria e tecnologia) a studenti con disturbi specifici dell’apprendimento (DSA), bisogni educativi speciali (BES) o barriere linguistiche rappresenta una delle sfide pedagogiche più delicate e ricche di opportunità.
Nelle aule bilingui e internazionali, come in qualsiasi contesto scolastico eterogeneo, la personalizzazione dell’apprendimento è sempre stata legata all’investimento di tempo del docente: preparare schede differenziate, semplificare i testi, scomporre i compiti. L’IA generativa introduce una svolta: la possibilità di adattare dinamicamente i contenuti. Un problema di fisica può essere riscritto con sintassi più accessibile; un concetto matematico può essere affiancato da rappresentazioni grafiche, verbali o tabellari; un errore può diventare il punto di partenza per un dialogo personalizzato.
Personalizzare non significa semplificare
La vera opportunità dell’IA non risiede nella capacità di sfornare soluzioni pronte, ma nel rendere flessibile la mediazione didattica. Tuttavia, emerge un rischio strutturale: confondere la personalizzazione con la semplificazione o, peggio, con la sostituzione del processo cognitivo dello studente.
Se un software risolve un’equazione o traccia un diagramma delle forze al posto dello studente, l’esercizio è svolto, ma l’apprendimento non è avvenuto. Nelle discipline scientifiche, dove la competenza consiste nel costruire autonomia nell’uso di simboli e modelli, la tecnologia deve agire come scaffolding (supporto temporaneo), fornendo una struttura d’aiuto che deve progressivamente scomparire.
Semplificare il linguaggio di un testo per rimuovere una barriera di comprensione è un intervento sulla forma che preserva il rigore disciplinare; ridurre la complessità concettual-fisica di un problema significa invece abbassare gli obiettivi educativi.
Il modello a quattro livelli e il dialogo socratico
Per integrare l’IA in modo efficace, si riscontra la necessità di adottare un modello strutturato su quattro livelli di supporto:
- Accesso: riformulare il testo, chiarire il lessico e segmentare la consegna per superare le barriere iniziali.
- Orientamento: guidare il ragionamento mediante domande (“Quali grandezze conosci?”), senza mostrare la soluzione.
- Feedback formativo: analizzare il procedimento dello studente per aiutarlo a individuare autonomamente un errore (ad esempio nella distribuzione di un segno algebraico).
- Autonomia: la progressiva rimozione dei supporti finché lo studente gestisce il compito da solo.
In questo schema, l’IA smette di essere un “risolutore automatico” e diventa un “interlocutore socratico”. In un problema di cinematica o dinamica, il sistema non deve fornire la formula finale, ma guidare l’allievo nella costruzione del modello concettuale: identificare le forze, scegliere il sistema di riferimento, interpretare i grafici.
Il traguardo dell’autonomia
L’intelligenza artificiale non risolve automaticamente le difficoltà di apprendimento né sostituisce il ruolo centrale del docente. La sua efficacia pedagogica dipende da come viene progettata la sua interazione con gli studenti. L’obiettivo delle STEM nell’era digitale rimane invariato: non insegnare a delegare il pensiero a una macchina, ma usare la tecnologia come leva per consentire a ogni studente di sviluppare un pensiero scientifico critico, rigoroso e indipendente.
