L'IA in classe: cosa ha rivelato il primo grande test di Google DeepMind in Sierra Leone

La promessa dell'Intelligenza Artificiale nell'istruzione è immensa, ma le prove rigorose del suo impatto in classi reali sono state finora scarse. A giugno 2026, Google DeepMind e l'organizzazione non-profit Fab AI hanno pubblicato i risultati di un innovativo trial randomizzato controllato (RCT) condotto in Sierra Leone, offrendo uno degli sguardi più dettagliati su come uno strumento di IA strutturato possa affiancare il lavoro degli insegnanti .

Lo studio ha scoperto che integrare la modalità "Guided Learning" di Gemini nelle lezioni di matematica ha migliorato significativamente i punteggi dei test degli studenti. Tuttavia, i risultati hanno anche illuminato sfumature critiche: gli studenti già più bravi in matematica hanno tratto i maggiori benefici, gli insegnanti hanno dovuto adattare il proprio ruolo, e l'intervento attentamente progettato è difficile da separare dalle sue componenti di supporto.

Il disegno dello studio: un test sul campo meticoloso

Condotto in partnership con il Ministero dell'Istruzione della Sierra Leone, il trial è stato uno studio randomizzato controllato a due bracci, pre-registrato e con randomizzazione a grappolo. Si è svolto per otto settimane, dal 6 ottobre al 5 dicembre 2025, in 12 scuole secondarie pubbliche nel distretto di Port Loko .

Lo studio ha coinvolto 1.763 studenti di prima e seconda media (Grade 7 e 8, di età pari o superiore a 13 anni) in 48 classi di matematica . All'interno di ogni scuola e anno, le classi sono state assegnate casualmente al gruppo di trattamento, che ha utilizzato Gemini Guided Learning, o al gruppo di controllo, che ha continuato con l'istruzione standard. Per evitare di confondere l'effetto dello strumento IA con la qualità dell'insegnante, tutti i docenti hanno ricevuto le stesse 5-6 ore di formazione .

L'obiettivo era che gli studenti usassero lo strumento di IA durante due delle quattro ore settimanali di matematica, per un totale di 12 ore di apprendimento guidato nelle otto settimane .

Una lezione in quattro fasi con ruoli ben definiti

L'intervento non si riduceva a dare un chatbot in mano agli studenti. Seguiva un rigoroso quadro pedagogico progettato per rendere l'IA un partner in un processo di apprendimento collaborativo:

1. Introduzione dell'insegnante: L'insegnante stabiliva gli obiettivi di apprendimento e verificava le conoscenze pregresse degli studenti.
2. Attività principale a coppie: Gli studenti lavoravano in coppia con un unico dispositivo (con un rapporto di 2 studenti per dispositivo). Fondamentale era l'assegnazione di ruoli definiti: il "pilota" (driver) digitava le domande su Gemini, mentre il "navigatore" prendeva appunti e guidava l'indagine. I ruoli venivano scambiati a ogni lezione per garantire una partecipazione equilibrata.
3. Discussione in classe: L'insegnante guidava una sessione per consolidare quanto appreso.
4. Riepilogo finale: L'insegnante chiudeva la lezione con una sintesi conclusiva .

Per prepararsi, gli insegnanti definivano gli obiettivi della lezione, scrivevano prompt iniziali e abbozzavano possibili domande sulla lavagna per guidare l'interazione degli studenti con Gemini .

I risultati: un miglioramento significativo, ma non per tutti

Il trial ha prodotto guadagni statisticamente significativi, ma la dimensione dell'effetto dipendeva molto da quanto lo strumento veniva usato e dal punto di partenza dello studente.

Metrica	Risultato
Intention-to-treat (ITT)	In media, gli studenti assegnati al Guided Learning hanno registrato un miglioramento di +0,258 deviazioni standard (SD). Ciò equivale a spostare uno studente dal 50° al 60° percentile .
Relazione dose-risposta	Il 69% degli studenti che ha completato l'obiettivo di 12 ore o più ha ottenuto un effetto molto maggiore, pari a +0,380 SD. Ogni ora aggiuntiva di utilizzo è stata associata a un guadagno di +0,016 SD .
Livello di partenza in matematica	Il dato più critico: gli studenti con competenze matematiche iniziali più solide hanno beneficiato significativamente di più. L'effetto del trattamento aumentava di 0,195 SD per ogni deviazione standard aggiuntiva nella competenza matematica di base dello studente .
Analisi per sottogruppi	Non sono emerse differenze significative nell'effetto dell'IA in base alla capacità di lettura iniziale, al genere o all'età degli studenti .

Come gli studenti hanno interagito con Gemini

Una delle parti più rivelatrici dello studio è stata l'analisi delle trascrizioni di oltre 113.000 interazioni tra studenti e Gemini. Ha dipinto l'immagine di un'IA che agisce non come una macchina per dare risposte, ma come un tutor.

La stragrande maggioranza delle conversazioni—il 91,4%—era focalizzata sulla comprensione matematica . Il comportamento di Gemini era guidato con precisione dalla funzione Guided Learning: ha posto domande guida nel 76,4% dei messaggi, spingendo gli studenti a ragionare da soli, e ha fornito una soluzione diretta solo nel 2,1% dei casi .

Il rischio di ampliare i divari di apprendimento

La scoperta che gli studenti inizialmente più bravi abbiano guadagnato di più ha spinto i ricercatori a segnalare una preoccupazione significativa. Senza strategie deliberate per supportare gli studenti con maggiori difficoltà, l'intervento rischia di ampliare i divari di rendimento esistenti anziché colmarli .

L'esperienza degli insegnanti

Il feedback qualitativo raccolto nei focus group con gli insegnanti ha aggiunto un'altra dimensione ai risultati. I docenti hanno segnalato un notevole aumento del coinvolgimento degli studenti e una partecipazione più attiva in classe . Molti hanno iniziato a usare Gemini per preparare le lezioni, scoprendo nuovi modi per spiegare argomenti complessi come le frazioni .

Fondamentalmente, gli insegnanti hanno descritto un cambiamento nella propria identità professionale, percependo un'evoluzione del loro ruolo da "docente" a "facilitatore" che si muoveva tra i banchi per supportare le coppie di studenti .

Non tutti i feedback sono stati positivi. Alcuni insegnanti hanno segnalato difficoltà, tra cui la tendenza di Gemini a introdurre occasionalmente contenuti fuori tema o a rallentare il progresso della classe nel programma previsto .

I limiti dello studio: cosa non ci dice

Nonostante i risultati positivi, i ricercatori sono attenti a delineare diversi limiti che devono contestualizzare i risultati:

• Intervento "pacchetto": Il trial ha combinato l'apprendimento guidato con la formazione degli insegnanti, una nuova struttura delle lezioni, la fornitura di dispositivi e il monitoraggio in classe. Il disegno dello studio non può isolare l'effetto del solo strumento di IA da questi altri supporti cruciali .
• Generalizzabilità: Il campione proviene da un singolo distretto della Sierra Leone e non è rappresentativo a livello nazionale. I risultati sono più applicabili a scuole con infrastrutture comparabili, tra cui tablet, connessione Internet affidabile e preparazione degli insegnanti .

Modello per una ricerca globale

Il trial in Sierra Leone è solo l'inizio. È il primo di una pianificata serie internazionale di studi pre-registrati da Google DeepMind e Fab AI per studiare il Guided Learning in diversi sistemi educativi . In un'ottica di trasparenza e scalabilità, i partner hanno rilasciato pubblicamente il loro materiale per la formazione degli insegnanti e un manuale per condurre RCT rapidi, fornendo un modello per altri ricercatori e sistemi educativi .