Singapore insegna a usare l’IA senza delegare il pensiero

La sfida, quindi, non è più soltanto distribuire dispositivi. Gli studenti devono imparare a mettere in discussione le risposte di un sistema, riconoscerne gli errori e capire quando il suo impiego finirebbe per svuotare l’obiettivo di un esercizio.

Il rischio è la delega cognitiva

La delega cognitiva non è sempre negativa. Nella vita quotidiana usiamo strumenti esterni per ridurre il carico mentale non necessario: una calcolatrice, un manuale o un correttore ortografico possono lasciare più attenzione alle attività complesse.

Il problema nasce quando lo studente affida all’IA il nucleo dell’operazione di apprendimento prima di aver provato a svolgerla da solo. Può accadere quando chiede allo strumento di costruire l’argomentazione, interpretare le prove, risolvere un problema nuovo o scrivere una spiegazione prima di aver formulato una risposta provvisoria.

Il risultato visibile può essere migliore: un testo più fluido, una consegna più rapida e meno errori apparenti. Ma dietro una risposta ben confezionata può nascondersi un apprendimento fragile. Lo studente potrebbe non avere il modello mentale necessario per:

• riconoscere un’affermazione plausibile ma falsa;
• adattare un’idea a un problema nuovo;
• spiegare perché un’argomentazione è convincente;
• individuare le prove mancanti;
• difendere il proprio lavoro senza l’aiuto dello strumento.

È qui che entra in gioco la “productive struggle”, lo sforzo produttivo: ricordare, tentare, sbagliare, ricevere un feedback e correggersi. Eliminare ogni difficoltà può rendere un compito più semplice, ma anche cancellare la pratica attraverso cui si sviluppa il ragionamento.

Cosa mostrano le ricerche — e cosa non dimostrano

Le evidenze giustificano prudenza, ma non sostengono l’idea semplicistica che l’IA indebolisca sempre il pensiero critico.

Una scoping review sull’IA generativa nell’istruzione superiore individua benefici per scrittura, feedback, problem solving e ricerca, ma anche preoccupazioni legate a delega cognitiva, dipendenza e autonomia dello studente. Una revisione sistematica più ampia, che ha analizzato 89 studi, rileva effetti condizionati e non uniformi: il 40,4% degli studi riporta risultati positivi, mentre il 23,6% descrive effetti misti o dipendenti dal contesto. Tra i rischi più citati figurano eccessiva dipendenza, riduzione dell’autonomia analitica e delega cognitiva.

Anche altre sintesi arrivano a una conclusione cauta. Una rassegna sull’apprendimento in classe avverte che le competenze di ordine superiore — analisi, ragionamento e creatività — possono essere compromesse quando l’IA generica aggira lo sforzo necessario per acquisire una competenza. Le raccomandazioni includono il consolidamento delle conoscenze di base, l’insegnamento dell’alfabetizzazione all’IA e un’introduzione graduale degli strumenti.

La ricerca, tuttavia, è ancora in evoluzione. Le revisioni segnalano definizioni non omogenee di “pensiero critico” e differenze tra materie, fasce d’età, compiti e forme di assistenza dell’IA. La conclusione più solida è quindi condizionale:

L’IA tende a sostenere l’apprendimento quando funziona da impalcatura, partner per il feedback o strumento di confronto con il ragionamento dello studente; rischia invece di indebolirlo quando sostituisce l’interpretazione e l’analisi fondamentali.

Il divario più importante potrebbe essere quello tra prestazione sul compito e apprendimento duraturo. Uno studente può completare un esercizio in modo più efficace senza acquisire le conoscenze o il giudizio che quell’esercizio avrebbe dovuto sviluppare.

Dalla caccia al plagio alla progettazione dell’apprendimento

Dopo il lancio pubblico di ChatGPT nel 2022, la risposta iniziale di molte istituzioni si è concentrata su plagio, imbrogli e sistemi di rilevamento. Le politiche delle università di Singapore mostrano ora un modello più articolato.

L’uso dell’IA può essere consentito in alcuni corsi, ma le regole restano specifiche per insegnamento e valutazione. Gli studenti sono comunque responsabili dell’accuratezza, dell’integrità e dell’attribuzione del lavoro consegnato.

Le linee guida della National University of Singapore (NUS) chiedono agli studenti di dichiarare l’uso dell’IA, verificare le aspettative con i docenti e assumersi la responsabilità della qualità e dell’integrità del proprio lavoro. La relativa policy considera scorretto sia presentare direttamente l’output dell’IA come proprio sia parafrasarlo senza dichiararne l’origine.

Stanno emergendo con maggiore chiarezza anche i limiti dei rilevatori. La Nanyang Technological University (NTU) ha annunciato che interromperà nel 2027 l’uso del proprio rilevatore istituzionale, citandone l’inaffidabilità e l’assenza di validità empirica sufficiente per dimostrare una violazione accademica. L’università intende dare più peso alla documentazione del processo di lavoro e a dichiarazioni standardizzate sull’uso dell’IA.

Il cambiamento porta verso una diversa filosofia della valutazione. Invece di cercare di dedurre chi abbia scritto un testo finale, i docenti possono rendere visibile il percorso attraverso:

• primi tentativi svolti senza assistenza;
• bozze successive e cronologia delle revisioni;
• fonti annotate;
• note di riflessione sul processo;
• spiegazioni orali o discussioni individuali;
• prove locali, disciplinari o personali;
• esercizi che chiedono di applicare concetti a situazioni nuove.

L’obiettivo non è rendere una verifica “a prova di IA”, ma fare in modo che sia visibile l’apprendimento che la verifica dovrebbe misurare.

Come usare l’IA senza smettere di pensare

Per gli studenti, la regola pratica è semplice: usare l’IA dopo, insieme o contro il proprio ragionamento — non al suo posto.

Per gli studenti

1. Cominciare senza IA. Preparare una scaletta, tentare di risolvere il problema, individuare le fonti o formulare una posizione provvisoria prima di aprire lo strumento.
2. Usare l’IA come interlocutore. Chiederle di proporre controargomentazioni, individuare presupposti, suggerire parole chiave per la ricerca, creare domande di esercitazione o criticare una bozza.
3. Considerare l’output un’affermazione, non una prova. Verificare fatti, citazioni, riferimenti, calcoli e interpretazioni attraverso fonti primarie o autorevoli.
4. Tenere traccia dell’uso. Annotare lo strumento, i prompt, gli output rilevanti, ciò che è stato accettato o scartato e il modo in cui è stato verificato. Le linee guida NUS richiedono già riconoscimento dell’uso e responsabilità personale; alcuni dipartimenti impongono dichiarazioni più dettagliate.
5. Mantenere il controllo dei contenuti. Lo studente deve essere in grado di spiegare e difendere ogni affermazione importante senza affidarsi allo strumento.

Per docenti e istituzioni

Scuole e università possono rendere più chiare le aspettative assegnando a ogni attività un livello di autorizzazione:

• Vietata: il compito misura memoria, calcolo, scrittura autonoma o un’altra competenza fondamentale.
• Consentita con dichiarazione: l’IA può aiutare nella ricerca, nel feedback o nella revisione, ma lo studente deve documentarne l’uso e verificare il risultato.
• Richiesta: lo studente viene valutato sulla capacità di interrogare, migliorare o contestare l’output dell’IA.

Un percorso efficace può seguire questa sequenza: primo tentativo senza aiuti, feedback guidato dell’IA, revisione autonoma e riflessione sui punti in cui lo strumento era corretto, incompleto o sbagliato.

È importante anche distinguere la capacità di scrivere prompt dalla comprensione della materia. Un prompt sofisticato non dimostra, da solo, che lo studente abbia capito l’argomento. Al contrario, una decisione ben motivata di rifiutare una risposta plausibile ma errata può essere una prova più forte dell’apprendimento.

Per i più giovani, il MOE stabilisce che l’uso dell’IA debba favorire l’apprendimento, essere intenzionale, adeguato all’età e allo sviluppo, sicuro e responsabile. Secondo notizie recenti, gli strumenti sviluppati dal MOE vengono introdotti gradualmente dalla Primary 4, sotto la supervisione degli insegnanti, insieme a una formazione più ampia sull’IA per i docenti. Per i bambini, quindi, servono attività guidate e supporto degli adulti, non un accesso privato e senza limiti.

Avere accesso non significa saper usare bene l’IA

L’infrastruttura digitale centralizzata di Singapore può contribuire a ridurre le differenze nell’accesso a dispositivi e strumenti approvati. Il MOE afferma che le scuole ricevono sostegno per reti, dispositivi e software, mentre gli studenti possono utilizzare lo SLS in tutto il sistema scolastico.

Ma l’accesso uniforme non garantisce un uso critico uniforme. Gli studenti le cui famiglie dispongono di più tempo, sicurezza o esperienza educativa possono ricevere maggiore aiuto nel mettere in discussione una risposta, controllare una fonte o riconoscere una spiegazione superficiale. Senza un insegnamento esplicito, queste differenze rischiano di diventare una nuova forma di disuguaglianza educativa.

Le scuole possono ridurre il divario rendendo visibili e insegnabili i comportamenti degli utenti esperti:

• mostrare in classe come verificare le informazioni e valutare le fonti;
• offrire prompt strutturati ed esempi di uso efficace e inefficace dell’IA;
• insegnare la metacognizione, cioè come capire se si è davvero compreso qualcosa;
• garantire accesso supervisionato a strumenti gestiti dall’istituzione;
• formare gli insegnanti, così che la guida agli studenti non dipenda dalla sicurezza individuale dei singoli docenti.

L’orientamento attuale del MOE sull’alfabetizzazione all’IA include la comprensione di vantaggi, limiti e rischi, la capacità di interrogare gli output e il riconoscimento di pregiudizi, informazioni false o fuorvianti.

La direzione di Singapore fino al 2029

I segnali delle politiche pubbliche indicano una maggiore integrazione dell’IA, non un ripensamento in senso restrittivo. Singapore dovrebbe continuare a inserire l’alfabetizzazione all’IA nei diversi livelli di apprendimento, ampliare gli strumenti approvati e utilizzare lo SLS per esercizi personalizzati e feedback formativo.

Anche le università probabilmente continueranno a privilegiare dichiarazione, responsabilità e regole definite per corso, invece di affidarsi ai rilevatori. Le valutazioni daranno più valore al processo, all’applicazione, al dialogo e al giudizio, soprattutto quando l’obiettivo è misurare il ragionamento indipendente.

La prova decisiva sarà capire se l’IA amplia la capacità degli studenti di pensare o sostituisce silenziosamente la pratica necessaria per sviluppare quel pensiero. Il modello più solido per Singapore non è dunque “IA ovunque” né “IA da nessuna parte”, ma un uso strutturato con tempo protetto per lo sforzo individuale.

Gli studenti dovrebbero arrivare alla fine del percorso sapendo collaborare efficacemente con l’IA, riconoscere quando sbaglia, decidere quando non usarla e costruire ragionamenti solidi anche quando lo strumento non è disponibile. È questa la differenza tra imparare con l’IA e delegare all’IA il proprio apprendimento.