Mio figlio ha sostenuto l’esame di scrittura dello stato dell’Arizona. Il browser è bloccato. Schede chiuse. Il telefono è andato. Nessuna nota, nessuna ricerca. Solo un bambino e uno schermo.
Poi è uscito nel mondo reale.
Il lavoro lì non inizia con una pagina bianca. Un promemoria inizia con la ricerca, magari con un suggerimento dell’intelligenza artificiale, quindi con modifiche, verifiche dei fatti e revisione umana. Una riunione diventa una trascrizione, un riassunto, un elenco di azioni.
Ciò che conta come lavoro sta cambiando.
I sistemi di valutazione non si sono adeguati. Presumono che un test debba essere sicuro per essere valido. È sbagliato. Un test può essere perfettamente bloccato ed essere comunque inutile. Il problema non è il tradimento. È che i test si comportano come se l’intelligenza artificiale non esistesse.
Il dibattito si concentra sulla cattiva condotta. Un chatbot può scrivere un saggio? Le scuole dovrebbero vietare l’intelligenza artificiale?
Queste sono le domande sbagliate.
Il vero problema è il costrutto. Gli specialisti della valutazione usano questa parola per descrivere ciò che stiamo effettivamente misurando. La comunicazione non è statica. I costrutti sono mappe di capacità. Se il terreno cambia, ridisegni la mappa.
Come l’intelligenza artificiale cambia il significato di essere competenti
L’intelligenza artificiale non è solo un sofisticato correttore ortografico.
Cambia la paternità. Cambia il modo in cui dimostriamo la competenza. Le attività senza strumenti mostrano cosa può fare uno studente da solo. Fermarsi lì confonde l’isolamento con l’autenticità. Puoi preservare la purezza e perdere rilevanza.
Xiaoming (Madeline) Xi, studiosa di valutazione, lo ha detto chiaramente.
“Ciò che misuriamo deve adattarsi alle realtà aumentate dall’intelligenza artificiale degli studenti.”
L’obiettivo è la capacità mediata dalla tecnologia. Sapere quando lavorare da soli. Quando sollecitare. Quando co-creare, verificare o rifiutare.
La scrittura è uno degli usi più comuni dell’intelligenza artificiale, basato su milioni di conversazioni di Claude.
I test tradizionali guardano al paragrafo finito. La richiesta è chiara? La grammatica è giusta?
Questo non ti dice più nulla.
La prosa raffinata nasconde il processo. Le prove significative sono a monte.
Lo studente ha definito il pubblico? Confrontare alternative? Verificare le affermazioni? Rilevare le allucinazioni? Rifiutare un output errato?
Lo scrittore ora è un editore. Un fact-checker.
La voce è ciò che resta. È ciò che si preserva dalla spinta della macchina verso un’uniformità liscia e gradevole.
Il cambiamento nell’ascolto e nel parlare
Anche l’ascolto è cambiato.
Il discorso viene registrato, trascritto, cercato, convertito in compiti.
I buoni ascoltatori hanno bisogno di sentire il tono. Esitazione. Ironia. Ciò che non è stato detto.
Devono individuare quando una trascrizione non coglie il punto. Quando una sintesi appiattisce il disaccordo. Quando un follow-up trasforma l’ambiguità in falsa fiducia.
A proposito di?
Ciò rimane umano.
La consegna in tempo reale si basa sui tempi. Credibilità. Leggere la stanza.
Ma il lavoro di preparazione? Ricerca, prove, traduzione, didascalie? Tutto mediato.
Testare solo la consegna non riesce a completare la preparazione. Manca l’adattamento. Manca la responsabilità.
L’intelligenza artificiale non ha cancellato le abilità umane. Lo ha spostato.
La valutazione deve individuare cosa nasconde la fluidità. Argomentazioni deboli. Fonti fabbricate. Riassunti distorti. Una sciocchezza plausibile.
Le scuole hanno bisogno di tre tipi di prove:
1. Cosa possono fare gli studenti da soli.
2. Cosa possono fare con l’intelligenza artificiale.
3. Se possono usarlo in modo responsabile.
L’ultimo è il più difficile da falsificare.
Framework per la valutazione dell’alfabetizzazione in materia di intelligenza artificiale
Lo capisce il quadro AI LiterACY 2026 della Commissione europea e dell’OCSE.
Tratta l’alfabetizzazione dell’intelligenza artificiale non come una semplice pressione di pulsanti. È la capacità di coinvolgere, creare, gestire e modellare l’intelligenza artificiale. Valuta i rischi rispetto ai benefici.
Si va oltre il consumo verso l’agenzia.
La valutazione necessita di una scala di preparazione.
Gli studenti fondamentali hanno bisogno di spazi protetti. Costruiscono vocabolario e ragionamento senza esternalizzare la lotta.
Gli studenti di livello intermedio utilizzano l’intelligenza artificiale per la critica limitata. Controdeduzioni. Revisioni.
Le valutazioni avanzate misurano l’utilizzo dell’intelligenza artificiale per problemi complessi. Verifica. Adattamento del pubblico. Raffinatezza retorica.
L’architettura dovrebbe essere a doppio binario.
Traccia uno: attività limitate dall’intelligenza artificiale. Misurare le prestazioni indipendenti.
Traccia due: attività inclusive di intelligenza artificiale. Misurare il giudizio in condizioni realistiche.
Immagina uno studente che disegna da solo. Quindi chiedere a un modello una controargomentazione. Verificarne le prove. Spiegare quali revisioni ha accettato.
O confrontare una lezione con la sua trascrizione automatizzata. Identificazione di ciò che il record ha perso.
In questi compiti, il processo è la prestazione.
Guarda gli obiettivi. Le sollecitazioni. Le bozze. Le decisioni di accettare o rifiutare.
Il College Board lo fa con AP Seminar e AP Research. Emergono decisioni. Tracciano il lavoro. Lo scopo? Accesso al pensiero che il prodotto finale nasconde.
Rischi di una cattiva progettazione della valutazione dell’IA
Ci sono tre rischi principali.
Primo: resa cognitiva. Steven Shaw e Gideon Nave lo definiscono distinto dallo scarico cognitivo. Succede quando gli studenti adottano la risposta della macchina senza formarsi una propria opinione.
Il risultato è il debito di comprensione. Più linguaggio prodotto che compreso.
Secondo: la fluidità dello strumento varia. Gli studenti hanno diversi “dialetti” di suggerimento.
Terzo: omogeneizzazione. Se premi lo smalto sterile, alleni gli studenti a sembrare dei robot.
Questi pericoli sostengono la progettazione, non la negazione.
Le aule sono laboratori. I test a bassa posta in gioco possono sperimentare.
I sistemi ad alto rischio che controllano i crediti o l’ammissione dovrebbero aspettare. Devono muoversi solo quando le prove dimostrano che misurano le competenze, non i privilegi.
Cosa resta umano?
Cosa non può fare una macchina?
Può redigere la sentenza. Riepilogare l’incontro. Genera diapositive.
Non può assumersi la responsabilità.
Non può sostenere un reclamo. Risposta per un’omissione. Entra in empatia con il pubblico. Riparare una relazione interrotta.
Il giudizio non può essere esternalizzato.
Questo è il resto umano responsabile.
Proprietà dello scopo. Precisione. Voce. Conseguenza.
Torna da mio figlio nel browser bloccato.
Il vecchio esame chiede: puoi farcela da solo?
A volte abbiamo bisogno di quella risposta.
Ma il mondo chiede di più.
È possibile utilizzare uno strumento senza essere utilizzati? Riesci a preservare la precisione e la voce quando la fluidità è istantanea? Puoi rimanere responsabile delle parole in parte modellate da un codice?
Il futuro non è un proibizionismo nostalgico. Non è una resa tecnologica.
L’intelligenza artificiale può ampliare il costrutto della comunicazione. Oppure può svuotarlo.
Il design decide.
Una scuola che rifiuta le nuove domande protegge un’illusione.
Misura il passato.
