Come l’IA cambia l’educazione: strategie, ricerca, nodi etici

Il campo dell’educazione e quello della società sono oggi sempre più interdipendenti e interconnessi. Non esiste, infatti, più una relazione unidirezionale tra processi o prodotti educativi e processi sociali, secondo cui l’educazione che avviene nelle principali agenzie di socializzazione (come la scuola e la famiglia), costruisce il modo di “stare” nella società.

I processi sociali, invece, sono ormai in grado di influenzare e costruire a loro volta i processi educativi. Alcuni esempi riguardano la possibilità di affrontare nella scuola tematiche ed argomenti di attualità, che in una visione più tradizionale dell’educazione erano assenti, o addirittura di “ibridare” percorsi educativi con percorsi di inserimento nel mondo del lavoro, nonché la capacità della scuola di essere continuamente presente nella vita quotidiana di ogni persona e in più momenti della vita, non soltanto nei momenti “formalmente” dedicati ad essa. Questo approccio vede una sua contestualizzazione teorica nell’ambito del paradigma sociologico definito “interazionista-comunicativo”, che, riconoscendo il ruolo attivo dell’individuo nella costruzione della realtà sociale, evidenzia come quest’ultima sia costruita attraverso processi micro-sociali e intersoggettivi (Blumer, 1969), contemplando così anche la co-costruzione di processi educativi e processi sociali.

Educazione e società: il ruolo della media education

Questo si verifica grazie anche alla crescente importanza dei media (sia quelli tradizionali che quelli definiti “nuovi”), che permettono ai sistemi sociali e ai singoli individui di essere sempre più interconnessi con quelli tecnologici, moltiplicando in questo modo i punti attraverso cui le persone possono accedere ad informazioni, relazioni e, di conseguenza, contenuti educativi. Nell’ambito della sociologia dell’educazione l’espressione media education indica allo stesso tempo la possibilità di utilizzare i media per cambiare e migliorare processi e prodotti educativi tradizionali e l’esigenza di una comprensione critica delle caratteristiche del nuovo panorama mediale. Secondo il sociologo David Buckingham, tale comprensione avviene attraverso un’analisi critica di 4 elementi dei media: il linguaggio utilizzato nei contenuti veicolati attraverso i media, le rappresentazioni che questi veicolano, le produzioni che gestiscono i media e il pubblico al quale si rivolgono.

Strategie e piani d’azione per l’educazione digitale: il “Digital Education Action Plan”,

L’impatto dei media (specialmente di quelli digitali) sull’educazione è, oggi, un argomento particolarmente discusso a livello di policy pubbliche. Nell’ambito della cosiddetta “Strategia Digitale Europea”, e in particolare nella definizione degli obiettivi di digital inclusion, una particolare attenzione riveste il “Digital Education Action Plan”, che si focalizza sull’esigenza di adattamento dei sistemi educativi nell’era digitale. Tale piano si compone di 13 obiettivi, divisi in due settori: “Promuovere lo sviluppo di un ecosistema educativo digitale ad alte prestazioni” e “Migliorare le abilità e le competenze digitali per la trasformazione digitale”.

Dotare le scuole di dispositivi di rete e tecnologici adeguati

Il primo settore si focalizza non solo sull’esigenza di dotare le scuole di dispositivi di rete e tecnologici adeguati, ma sulla necessità di rafforzare l’interazione tra i diversi stakeholder che si occupano di educazione, includendo non solo la scuola, ma anche la società civile e il settore privato. Tale necessità si sostanzia, tra le altre cose, nella definizione del blended learning, l’apprendimento misto che prevede appunto il coinvolgimento di più ambienti, luoghi e strumenti nel processo educativo, (in linea con quanto spiegato più su).

Migliorare le competenze degli insegnanti

Il secondo settore, invece, pone l’attenzione sull’esigenza di migliorare le competenze degli insegnanti, preparandoli a supportare processi di alfabetizzazione digitale e a combattere la disinformazione, e di conseguenza di migliorare le competenze degli stessi discenti, identificando i metodi più appropriati di formazione digitale.

L’intelligenza artificiale nelle policy europee

Un argomento trasversale ai due settori del “Digital Education Action Plan” è rappresentato dall’Intelligenza Artificiale (IA), che rappresenta il topic specifico di questo contributo. Da un lato occorre “guidare” l’impatto dell’IA nei processi educativi, dall’altro bisogna identificare e formare le competenze utili a gestire quest’impatto nel prossimo futuro. 

Il presente contributo intende da un lato approfondire la direzione delle politiche pubbliche sull’argomento e dall’altro esplorare i modi in cui l’IA in ambito educativo sia stata affrontata nella letteratura accademica. L’obiettivo è quello di far emergere alcuni insight, che saranno utili nella formulazione di una survey che avrà l’obiettivo di indagare la posizione degli studenti sull’argomento.

Incoraggiare lo sviluppo di soluzioni human-centered

Come già accennato, il tema dell’IA è sempre più presente nelle policy europee. L’obiettivo non è solo quello di supportare l’implementazione di questa tecnologia, ma anche di incoraggiare lo sviluppo di soluzioni che, in un’ottica human-centered, si focalizzino sulla risoluzione dei reali bisogni delle persone (Estevez Almenzar et al., 2022), al fine di ottenere un impatto sociale significativo (Tangi et al., 2022). In generale, il riferimento normativo più importante a livello europeo, è senza dubbio l’AI Act (2024), che definisce i diversi livelli di rischi dell’IA e come regolamentarli, le responsabilità dei fornitori dei sistemi di IA, nonché i diritti e i doveri degli utenti.

L’importanza di una IA centrata sulle persone, specialmente nel settore educativo è una prerogativa importante anche dell’UNESCO, che sottolinea l’importanza di avere un’IA in grado di rispettare i valori umanistici fondamentali che promuovono l’azione umana, l’inclusione, l’equità, l’uguaglianza di genere e le diversità linguistiche e culturali, nonché di rispettare opinioni ed espressioni plurali. L’UNESCO invita la comunità internazionale a riflettere sulle implicazioni di questa tecnologia sul lungo periodo in termini di conoscenza, insegnamento, apprendimento e valutazione, e offre raccomandazioni concrete ai decisori politici e alle istituzioni educative su come l’uso degli strumenti di IA possa essere progettato per proteggere l’azione umana e avvantaggiare realmente studenti, insegnanti e ricercatori.

A livello europeo, esiste il già citato “Digital Education Action Plan”.

L’importanza della comprensione dell’impatto dell’IA nell’istruzione e nella formazione

Nel primo settore, quello che intende “Promuovere lo sviluppo di un ecosistema educativo digitale ad alte prestazioni”, il piano prevede di arrivare ad una migliore comprensione dell’impatto dei sistemi di IA nell’istruzione e nella formazione, riconoscendo il potenziale impatto positivo che può avere nei processi di apprendimento, nella personalizzazione dei percorsi e addirittura nella riduzione dell’abbandono scolastico.

Per contribuire al raggiungimento di questi obiettivi sono state pubblicate alcune linee guida sull’utilizzo etico dell’IA e dei dati nell’insegnamento e nell’apprendimento. Le “Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators” (European Commission, 2022), forniscono un supporto agli insegnanti delle scuole primarie e secondarie che non conoscono ancora bene l’IA, orientato a capire come utilizzare l’IA nelle scuole, sia nell’attività didattica e nell’apprendimento, sia nelle procedure amministrative. La Commissione Europea presenta, infatti, in queste linee guida, una serie di casi di studio e applicativi orientati all’insegnamento (es. sistemi di tutoraggio), al sostegno (ambienti di apprendimento esplorativi e collaborativi), al supporto all’insegnante e all’intero sistema (es. per l’allocazione delle risorse, per le diagnosi di difficoltà, per i servizi di orientamento, etc.).

Particolare importanza viene data agli aspetti etici, fornendo un supporto nella valutazione delle performance etiche di questi sistemi in merito alla trasparenza, al rispetto delle diversità, alla garanzia del benessere generale e al rispetto della privacy. Infine, le linee guida focalizzano l’attenzione sulle azioni preparatorie all’applicazione dell’IA in ambito educativo, orientate alla sensibilizzazione e al coinvolgimento della comunità, poiché un aspetto considerato particolarmente importante è la preparazione delle risorse umane (personale, collaboratori e beneficiari, etc.).

Il secondo settore del Piano (“Migliorare le abilità e le competenze digitali per la trasformazione digitale”), invece, si rivolge ai cittadini, e si focalizza sull’esigenza che essi conoscano tali strumenti per essere in grado di interagire con esse in modo sicuro e critico.

In questo caso l’obiettivo è stato quello di aggiornare il quadro delle competenze digitali, per includere competenze e conoscenze legate all’IA e all’uso dei dati. Le linee guida appena richiamate, ad esempio, presentano alcuni indicatori che sarà possibile includere nelle future versioni di DigCompEdu, vale a dire il Quadro delle Competenze Digitali degli Educatori, attualmente fermo alla versione del 2017. Questi indicatori riguardano, tra le altre cose: la governance dell’IA e dei relativi dati, i modelli di apprendimento, gli obiettivi dell’istruzione, la valutazione, il coinvolgimento degli studenti, etc.Oltre al supporto agli insegnanti, le policy in materia di IA in ambito educativo evidenziano anche l’importanza di un orientamento diretto ai cittadini, al fine di supportarli nelle nuove modalità di interazione attraverso le nuove tecnologie. Questo aspetto risulta particolarmente centrale, dal momento che è connesso ad una concezione dell’educazione che non ha a che fare unicamente con la formazione e l’istruzione, ma che è collegata direttamente alla società. In tal senso, il  DigComp, il Quadro delle Competenze Digitali (versione 2.2) include riferimenti a sistemi nuovi ed emergenti come quelli guidati dall’IA, prevedendo strumenti e azioni utili a permettere ai cittadini di aumentare la consapevolezza della presenza dell’IA nella società e di come essa influenzi le loro vite, di interagire in maniera corretta ed efficace con le tecnologie che si basano sull’IA, di costruire la fiducia, specialmente sulle modalità di raccolta e trattamento dei dati.

L’Intelligenza Artificiale nell’educazione: uno sguardo accademico

L’applicazione dell’IA in ambito educativo è ampiamente trattata nella letteratura accademica. Di seguito si riportano alcuni studi svolti nel corso degli ultimi 3 anni.

Anzitutto la letteratura ha analizzato i benefici dell’applicazione dell’IA sia per gli insegnanti che per gli studenti. Lo studio di Algabri et al. (2021) evidenzia come, attraverso l’applicazione dell’IA nell’educazione, i primi possano: interagire più frequentemente con gli studenti, assisterli in diversi compiti elementari, velocizzare le valutazioni, pianificare meglio le lezioni, coinvolgere studenti con diverse abilità e caratteristiche, creare percorsi di apprendimento personalizzato, essere supportati nella preparazione dei test. Gli studenti, dal canto loro possono: avere un supporto adeguato ai propri ritmi di apprendimento, accedendo quindi a programmi individualizzati, avere obiettivi personalizzati, apprendere in base ai propri interessi (essendo stimolati sulla base di ciò che ritengono più interessante), avere accesso a materiali aggiuntivi che possano completare eventuali carenze, avere valutazioni più veloci. Anche lo studio di Alam (2021) evidenzia come l’IA sia utilizzata in vari modi dalle organizzazioni, consentendo agli insegnanti di migliorare la qualità complessiva del loro lavoro didattico, l’efficienza e la velocità, al contempo personalizzando il percorso degli studenti e fidelizzandoli (Alam, 2021). In generale, gli studi evidenziano, quindi, gli effetti benefici dell’IA sia sulla qualità dell’insegnamento che sui risultati di apprendimento degli studenti (Alam, 2022).

La maggior parte dei ricercatori che si sono occupati di questo argomento hanno svolto literature review focalizzate sull’identificazione dei principali ambiti applicativi dell’IA nell’educazione (Zhang et al., 2021). Dallo studio di Chen et al. (2020) emerge come l’IA sia stata ampiamente adottata nelle procedure istruttive (vale a dire di gestione dei corsi da parte degli insegnanti), in quelle amministrative e nelle fasi di apprendimento da parte dei discenti. Nell’istruzione, l’IA ha utilizzato principalmente chatbot e addirittura robot per eseguire compiti specifici, indipendentemente o meno dalla presenza di educatori. Inoltre, utilizzando queste piattaforme, gli insegnanti sono stati in grado di svolgere diverse funzioni amministrative (ad esempio, la revisione e la valutazione dei compiti degli studenti), e di ottenere una qualità più elevata nelle loro attività didattiche, nonché di personalizzare i contenuti in linea con le esigenze degli studenti, migliorando così la loro esperienza e la qualità complessiva dell’apprendimento. Inoltre, l’IA fornisce agli studenti esperienze di apprendimento pratiche o esperienziali, in particolare se utilizzata insieme ad altre tecnologie. L’IA è attualmente considerata un assistente educativo nella fase iniziale dell’apprendimento, mentre le pratiche istruttive sono supportate dall’IA man mano che i requisiti di apprendimento cambiano.

Con l’interazione sempre più frequente del processo educativo, tali sistemi genereranno sempre più dati, consentendo l’accesso a contenuti di sempre maggiore qualità a insegnanti e studenti. Secondo lo studio, in futuro, l’IA potrebbe modellare l’immaginazione e la creatività degli studenti, analizzando il loro stile di apprendimento, la condizione emotiva e l’iniziativa, per migliorare le capacità di apprendimento e la creatività e stimolare l’iniziativa soggettiva, al di là dell’assistere gli studenti nella comprensione di conoscenze specifiche.

Lo studio di Huang et al. (2021) sembra confermare tali indicazioni. Dall’analisi della letteratura accademica presente nello studio emerge che l’IA in ambito educativo è stata applicata in diversi campi, quali:

• l’adaptive learning, raccogliendo dati sul comportamento degli studenti e pianificando il percorso di apprendimento ottimale;
• il teaching evaluation, non solo generando domande d’esame, ma anche correggendo automaticamente i compiti e le prove;
• la virtual classroom, che prevede l’applicazione della realtà virtuale e della realtà aumentata per integrare lo spazio educativo fisico e creare aule virtuali e laboratori;
• lo smart campus, per la gestione degli spazi e delle attività al loro interno;
• intelligent tutoring robot.

Lo studio focalizza l’attenzione anche sulle necessità in termini di garanzia di equità nell’applicazione dell’IA nell’istruzione, sull’importanza di affrontare le questioni etiche, di supportare gli insegnanti nell’impiego di tali strumenti, nonché gli studenti in termini di autonomia nell’apprendimento, anche in forma collaborativa.

Lo studio di Holmes et al. (2023) identifica le seguenti aree di applicazione: istruzione, supporto allo studente e supporto all’insegnante, identificando diverse tecnologie applicate, quali: intelligent tutoring system, applicazioni mobile, chatbot, realtà aumentata e virtuale, etc.

Lo studio di Chiu (2023) evidenzia come l’IA sia stata applicata per assegnare compiti in base alle competenze individuali, analizzare il lavoro degli studenti per ottenere feedback, aumentare l’adattabilità e l’interattività negli ambienti digitali, fornire strategie di insegnamento adattative, migliorare la capacità degli insegnanti di insegnare e sostenere lo sviluppo professionale degli insegnanti, supportare il lavoro degli insegnanti sulla valutazione fornendo voti automatici e prevedendo le prestazioni degli studenti, migliorare le prestazioni delle piattaforme di gestione, fornire servizi personalizzati e supportare il processo decisionale educativo con prove evidenti.

L’IA nell’istruzione superiore online

Dallo studio di Ouyang et al. (2022) emerge che l’IA nell’istruzione superiore online include la previsione dello stato di apprendimento, delle prestazioni o della soddisfazione, la raccomandazione di risorse aggiuntive, la valutazione automatica e il miglioramento dell’esperienza di apprendimento. Secondo lo studio, gli effetti generati dalle applicazioni di IA riguardano la qualità di previsione, le raccomandazioni basate sulle caratteristiche degli studenti, un miglioramento del rendimento accademico e un miglioramento del coinvolgimento online e della partecipazione. Un altro lavoro di Ouyang et al. (2021) evidenzia tre paradigmi di applicazione dell’IA nell’educazione: AI-directed, quando viene utilizzata per rappresentare modelli di conoscenza e dirigere l’apprendimento cognitivo; AI-supported, per supportare il momento dell’apprendimento; AI-empowered, per potenziare l’apprendimento.

Lo studio di Hwang et al. (2020) identifica 4 categorie di AI applicate all’educazione: intelligent tutor, ovvero sistemi di tutoraggio intelligenti, di apprendimento adattivo/personalizzato e di raccomandazione; intelligent tutee, ovvero sistemi che incoraggiano gli studenti ad aiutare gli altri; intelligent learning tool or partner, strumenti che aiutano gli studenti a raccogliere e analizzare i dati in modo efficiente ed efficace, consentendo loro di concentrarsi su punti critici o su pensieri di ordine superiore; policy-making advisor, per informare e guidare lo sviluppo di politiche o leggi.

In termini generali, l’IA rappresenta un supporto all’istruzione, non negando in alcun modo il ruolo centrale dell’insegnante, evidenziando addirittura come tale tecnologia abbia il potenziale per rendere l’istruzione più umana, non meno (Cope et al., 2021). Tale posizione è condivisa anche da Yang et al. (2021), che evidenzia come l’IA possa evolversi in secondo una prospettiva umana, che quindi consideri anche le condizioni e i contesti umani.

Il ruolo e l’importanza dei chatbot

Altri studi si sono focalizzati su tecnologie specifiche. Una particolare importanza rivestono i chatbot (Wollny et al., 2021; Okonkwo et al. 2021). Secondo lo studio di Perez (2020), esistono diversi tipi di chatbot educativi attualmente in uso che influenzano l’apprendimento degli studenti o migliorano i servizi in vari ambiti, sebbene lo studio di Hwang (2023) evidenzi come si sia ancora in una fase iniziale. Particolare attenzione riceve, nella letteratura scientifica ChatGPT. Dalla review di Baidoo-Anu (2023) emerge che i vantaggi di ChatGPT riguardano principalmente l’apprendimento personalizzato e interattivo e la generazione di suggerimenti per attività di valutazione formativa che forniscono feedback. I limiti riguardano la generazione di informazioni errate, la possibile creazione di pregiudizi, i problemi di privacy, etc. potrebbe essere utilizzato come aiuto (assistente) per discutere i problemi incontrati durante la risoluzione di un compito o per accelerare il processo di apprendimento (Malinka et al. 2023). L’analisi di Fitria (2021) mostra che l’IA è stata ampiamente applicata a varie piattaforme tecnologiche educative come virtual mentor, voice assistant (e.g.: Google Assistant, Siri, Cortana), traduttori, piattaforme di e-learning (e.g.: MOOCs, Udemy, Google AI, Alison, Khan Academy, edX, Udacity, Coursera, etc.), sistemi di automatic assessment, educational games e intelligent tutoring system.

Gli aspetti etici dell’applicazione dell’IA all’educazione

Altri studi si sono focalizzati sugli aspetti etici dell’applicazione dell’IA all’educazione. Lo studio di Nguyen et al. (2023) evidenzia come i principi etici più importanti riguardino:

• governance & stewardship, ovvero gli aspetti relativi al necessario coinvolgimento di più stakeholder, in fase di implementazione dei sistemi, monitoraggio e valutazione;
• transparency and accountability, che si concentra sulla necessità di rendere “spiegabile” l’IA, nonché di definire le responsabilità dei soggetti;
• sustainability & proportionality, che mira alla definizione degli impatti sul lungo periodo, nonché sull’economia, sul lavoro e sull’ambiente;
• privacy dei dati condivisi e in particolar modo di quelli dei bambini;
• security & safety dei sistemi tecnologici;
• inclusiveness, ovvero accessibilità, diversità, dati non discriminatori, gender equality, etc.

Akgun et al. (2022) evidenziano i problemi etici sottostanti l’applicazione dell’IA nell’educazione, principalmente relativi a: privacy degli studenti; bias, dal momento che tali sistemi potrebbero perpetuare discriminazioni sociali e stereotipi; surveillance, attraverso il monitoraggio continuo delle attività degli studenti; autonomy, che potrebbe essere ridotta dall’applicazione di sistemi predittivi. Una particolare attenzione rivestono gli algoritmi, in particolare in merito ai pregiudizi algoritmici (relativamente ai concetti di razza/etnia, genere e nazionalità, questioni socio-economiche, disabilità, etc.) e alla creazione di bias cognitivi, nonché ai possibili rimedi (Baker e Hawn, 2021). Lo studio di Berendt et al. (2020) si focalizza sulle implicazioni dell’IA nell’educazione per i diritti umani fondamentali e per la libertà di insegnanti e studenti, evidenziando la necessità di bilanciare benefici e rischi man mano che gli strumenti vengono sviluppati, commercializzati e distribuiti. Alcuni contributi si focalizzano, poi, anche su aspetti più specifici. Lo studio di Perrotta et al. (2020) si concentra sull’applicazione del deep learning alla previsione della performance educativa, evidenziando diverse problematiche quali: dati errati, metodi computazionali parzialmente incomprensibili, forme ristrette di conoscenza educativa inserite negli ambienti online e un discorso riduzionista della scienza dei dati con evidenti ricadute economiche. I rischi legati alle questioni propriamente etiche dell’IA nell’educazione possono, secondo lo studio di Khosravi et al. (2022), essere mitigati attraverso la cosiddetta eXplainable AI (XAI), che promuove l’uso di metodi che producono spiegazioni e ragionamenti trasparenti per le decisioni prese dai sistemi di IA. Lo studio di Holmes (2021) evidenzia, infine, come la maggior parte delle persone che attualmente lavora sull’applicazione dell’IA nell’educazione non è formata ad affrontare le questioni etiche emergenti e come sia necessario definire un approccio multidisciplinare e una serie di solide linee guida a supporto.

Analisi degli stakeholder nell’IA educativa

Infine, una particolare importanza rivestono, nell’ambito della letteratura accademica, gli studi riferiti all’analisi degli stakeholder coinvolti nel settore dell’IA applicato all’educazione, evidenziando come gli organi di governance dovrebbero sostenere l’apprendimento permanente, offrire programmi di formazione per gli insegnanti, definire norme utili a proteggere i dati personali e sviluppare relazioni per rafforzare la collaborazione tra mondo accademico e industria. Un esempio è rappresentato dal lavoro di Gulson et al. (2022) che, riportando alcuni esempi di come gli algoritmi e le macchine stiano trasformando la governance dell’istruzione, fornisce una discussione e critica dei dati e del loro ruolo nella politica educativa, evidenziando come il maggior numero dei dati e l’IA potrebbero intervenire nella governance dell’istruzione. Il lavoro di Willamson (2020) presenta un’analisi storica che evidenzia come, nel corso degli anni il campo dell’IA nell’educazione sia uscito dal settore della ricerca e sviluppo e dai laboratori accademici, coinvolgendo anche le aziende commerciali e, chiaramente, investendo politiche e governance.

Occorre, secondo Iacono (2024) investire su un cambiamento delle metodologie didattiche e degli ambienti di apprendimento, aumentando l’indipendenza degli studenti ma collegandoli ugualmente ad un sistema più ampio e fitto di relazioni e soggetti attivi (Ferrero, 2024).

Alcuni elementi da approfondire con i discenti

Sulla base dell’analisi della letteratura accademica, nonché delle policy in materia di IA in ambito educativo, sono stati identificati alcuni elementi che saranno approfonditi con i discenti. Il presente studio intende, infatti, proseguire l’analisi conducendo una ricerca sociale tramite survey, in particolare orientata a studenti universitari nell’ambito delle scienze umane. Gli elementi da indagare saranno:

• i problemi reali degli studenti che l’applicazione dell’IA potrebbe risolvere (ad esempio per particolari categorie di studenti), nonché le fasi di apprendimento potenzialmente più interessate;
• le tecnologie promettenti, non ancora opportunamente esplorate (superando, quindi, il paradigma secondo il quale IA=chatbot), nonché l’associazione tra IA e altre tecnologie digitali;
• le paure e le resistenze all’utilizzo di questa tecnologia;
• le potenziali applicazioni dell’IA nelle attività degli insegnanti e delle istituzioni
• i cambiamenti sistemici necessari;
• le azioni necessarie in termini di competenze (di insegnanti e discenti) utili ad affrontare il cambiamento.

Bibliografia

• S. Akgun, C. Greenhow, “Artificial intelligence in education: Addressing ethical challenges in K-12 settings”, in AI Ethics, vol. 2, pp. 431–440, 2022
• A. Alam, “Should Robots Replace Teachers? Mobilisation of AI and Learning Analytics in Education”, 2021 International Conference on Advances in Computing, Communication, and Control (ICAC3), Mumbai, India, 2021, pp. 1-12
• A. Alam, “Employing Adaptive Learning and Intelligent Tutoring Robots for Virtual Classrooms and Smart Campuses: Reforming Education in the Age of Artificial Intelligence”. In: Shaw, R.N., Das, S., Piuri, V., Bianchini, M. (eds) Advanced Computing and Intelligent Technologies. Lecture Notes in Electrical Engineering, vol. 914. Springer, Singapore, 2022
• H.K. Algabri, K. Kharade, R. Kamat, “Promise, Threats, And Personalization In Higher Education With Artificial Intelligence”, Webology, vol. 18/6, 2021
• R.S. Baker, A. Hawn, “Algorithmic Bias in Education”, Int J Artif Intell Educ vol. 32, pp. 1052–1092, 2022
• D. Baidoo-Anu, L. Owusu Ansah, “Education in the Era of Generative Artificial Intelligence (AI): Understanding the Potential Benefits of ChatGPT in Promoting Teaching and Learning”, Journal of AI, vol. 7(1), pp. 52-62, 2023
• B. Berendt, A. Littlejohn, M. Blakemore, “AI in education: learner choice and fundamental rights”, Learning, Media and Technology, vol. 45:3, pp. 312-324, 2020
• H. Blumer, “Symbolic Interactionism”, Berkeley, University of California, 1969
• D. Buckingham, “Un manifesto per la media education”, Mondadori Università, 2020
• Digital Education Action Plan: https://education.ec.europa.eu/focus-topics/digital-education
• L. Chen, P. Chen, Z. Lin, “Artificial Intelligence in Education: A Review,” in IEEE Access, vol. 8, pp. 75264-75278, 2020
• T.S.K.F. Chiu, Q. Xia, X. Zhou, C. S. Chai, M. Cheng, “Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education”, in Computers and Education: Artificial Intelligence, vol. 4, 2023
• B. Cope, M. Kalantzis, D. Searsmith, “Artificial intelligence for education: Knowledge and its assessment in AI-enabled learning ecologies”, in Educational Philosophy and Theory, vol. 53:12, pp. 1229-1245, 2021
• M. Estevez Almenzar, D. Fernandez Llorca, E. Gomez Gutierrez, F. Martinez Plumed, “Glossary of human-centric artificial intelligence”. Luxembourg: Publications Office of the European Union, 2022
• European Commission, Directorate-General for Education, Youth, Sport and Culture, Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators, Publications Office of the European Union, 2022, https://data.europa.eu/doi/10.2766/153756
• I. Ferrero, “Intelligenza artificiale nell’apprendimento: le sfide per docenti e ragazzi”, AgendaDigitale.eu, 2024
• T.N. Fitria, “ARTIFICIAL INTELLIGENCE (AI) IN EDUCATION: USING AI TOOLS FOR TEACHING AND LEARNING PROCESS”, in Prosiding Seminar Nasional & Call for Paper STIE AAS, vol. 4(1), pp. 134–147, 2021
• K.N. Gulson, et al., “Algorithms of Education: How Datafication and Artificial Intelligence Shape Policy”, University of Minnesota Press, 2022
• W. Holmes, K. Porayska-Pomsta, K. Holstein, et al., “Ethics of AI in Education: Towards a Community-Wide Framework”, Int J Artif Intell Educ., vol. 32, pp. 504–526, 2022
• W. Holmes, M. Maya, C. Fadel, “Artificial intelligence in education”, Data ethics: building trust: how digital technologies can serve humanity, pp. 621-653, Globethics Publications, 2023
• J. Huang, S. Saleh, Y. Liu, “A Review on Artificial Intelligence in Education”, Academic Journal of Interdisciplinary Studies, vol. 10(3), 206, 2021
• G.-J. Hwang, H. Xie, B. W. Wah, D. Gašević, “Vision, challenges, roles and research issues of Artificial Intelligence in Education”, in Computers and Education: Artificial Intelligence, vol. 1, 2020
• G.-J. Hwang & Ching-Yi Chang, “A review of opportunities and challenges of chatbots in education”, Interactive Learning Environments, vol. 31:7, pp. 4099-4112, 2023
• N. Iacono, “Intelligenza Artificiale, perché è urgente cambiare il sistema educativo e come”, AgendaDigitale.eu, 2024
• H. Khosravi, S. Buckingham Shum, G. Chen, C. Conati, Y. Tsai, J. Kay, S. Knight, R. Martinez-Maldonado, S. Sadiq, D. Gašević, “Explainable Artificial Intelligence in education”, in Computers and Education: Artificial Intelligence, vol. 3, 2022
• H. Luan, P. Geczy, H. Lai, J. Gobert, SJH Yang, H. Ogata, J. Baltes, R. Guerra, Li P and Tsai C-C, “Challenges and Future Directions of Big Data and Artificial Intelligence in Education” in Front. Psychol., 11:580820, 2020
• K. Malinka, M. Peresíni, A. Firc, O. Hujnák, F. Janus, “On the educational impact of ChatGPT: Is artificial intelligence ready to obtain a university degree?” In Proceedings of the 2023 Conference on Innovation and Technology in Computer Science Education V. 1 (ITiCSE ’23). Association for Computing Machinery, New York, NY, pp. 47–53, 2023
• A. Nguyen, H.N. Ngo, Y. Hong, et al., “Ethical principles for artificial intelligence in education”, in Educ Inf Technol vol. 28, pp. 4221–4241, 2023
• C.W. Okonkwo, A. Ade-Ibijola, “Chatbots applications in education: A systematic review, Computers and Education: Artificial Intelligence”, vol. 2, 2021
• F. Ouyang, P. Jiao, “Artificial intelligence in education: The three paradigms”, in Computers and Education: Artificial Intelligence, vol. 2, 2021
• F. Ouyang, L. Zheng, P. Jiao, “Artificial intelligence in online higher education: A systematic review of empirical research from 2011 to 2020”, Educ Inf Technol, vol. 27, pp. 7893–7925, 2022
• J. Q. Pérez, T. Daradoumis, J.M. Marquès Puig, “Rediscovering the use of chatbots in education: A systematic literature review”, in Computer Applications in Engineering in Education, vol. 28/6, 2020
• C. Perrotta & Neil Selwyn, “Deep learning goes to school: toward a relational understanding of AI in education”, Learning, Media and Technology, vol. 45:3, pp. 251-269, 2020
• Y. Punie, C. Redecker, “European Framework for the Digital Competence of Educators: DigCompEdu”, EUR 28775 EN, Publications Office of the European Union, Luxembourg, 2017
• L. Tangi, C. van Noordt, M. Combetto, D. Gattwinkel, F. Pignatelli, “AI Watch. European landscape on the use of Artificial Intelligence by the Public Sector”, Joint Research Centre, 2022
• R. Vuorikari, S. Kluzer, Y. Punie, Y., “DigComp 2.2: The Digital Competence Framework for Citizens – With new examples of knowledge, skills and attitudes”, Luxembourg: Publications Office of the European Union, 2022
• B. Williamson, R. Eynon, “Historical threads, missing links, and future directions in AI in education, Learning, Media and Technology”, vol. 45:3, pp. 223-235, 2020
• S. Wollny, J. Schneider, D. Di Mitri, J. Weidlich, M. Rittberger, H. Drachsler, “Are We There Yet? – A Systematic Literature Review on Chatbots in Education”, Front Artif Intell. 2021
• S.J.H. Yang, H. Ogata, T. Matsui, N.-S. Chen, “Human-centered artificial intelligence in education: Seeing the invisible through the visible”, in Computers and Education: Artificial Intelligence, vol. 2, 2021
• K. Zhang, A. Begum Aslan, “AI technologies for education: Recent research & future directions”, Computers and Education: Artificial Intelligence, vol. 2, 2021
• J. Huang, S. Saleh, Y. Liu, “A Review on Artificial Intelligence in Education”, Academic Journal of Interdisciplinary Studies, vol. 10(3), 206, 2021