Entrata ormai prepotentemente nella nostra vita quotidiana attraverso strumenti di uso sempre più comune come Alexa o Siri (e non solo) è facile prevedere come l’intelligenza artificiale (IA) diventerà parte integrante anche della sfera educativa, attraverso una transizione alimentata da un approccio multidisciplinare e da attente riflessioni. Riflessioni che non si limiteranno ad aspetti meramente tecnologici, ma si concentreranno sulla risoluzione di problemi etici, pedagogici, sociali, culturali ed economici.
L’intelligenza artificiale al servizio dell’istruzione: educare tutti e meglio
A preconizzarlo è uno dei massimi esperti nel mondo dell’educazione, nonché storico contemporaneo, Anthony Seldon: nel suo “The Fourth Education Revolution: Will Artificial Intelligence Liberate or Infantilize Humanity”, afferma come quella dell’IA sia paragonabile alle grandi rivoluzioni del settore educativo, quali la nascita delle prime forme di trasferimento orale della conoscenza, l’adozione della scrittura, la diffusione della stampa e l’avvio della scolarizzazione di massa.
L’AI per l’istruzione: scenari applicativi
I modelli educativi attuali, seppur consolidati, presentano diverse criticità, come la scarsa disponibilità di risorse didattiche e la mancanza di personale docente. Tali modelli definiscono quindi un sistema educativo che fatica a scalare e che evolve trascurando la qualità dell’offerta formativa, per favorire la sostenibilità dei servizi. Una sorta di “catena di montaggio” dell’istruzione, che non tiene conto delle individualità, bensì vincola ogni studente agli stessi tempi e a modalità identiche di apprendimento.
Lo scenario descritto mette in evidenza la necessità di sviluppare innovativi processi mirati alla personalizzazione dell’apprendimento, per fornire, inoltre, un maggior livello di inclusività per studenti con necessità speciali e garantire accesso universale ad avanzati strumenti educativi. L’innovazione in questo ambito deve quindi volgere lo sguardo ad un sistema educativo più efficace, dal punto di vista dell’insegnamento come dell’apprendimento, e ad un settore amministrativo più efficiente, che valorizzi il più possibile le informazioni a disposizione per affrontare delicate questioni istituzionali e non solo.
Proprio l’IA offre oggi l’opportunità di realizzare sistemi intelligenti per l’educazione, che incontrino le necessità descritte e che soddisfino i requisiti di una scuola all’avanguardia. L’IA può agire ad ampio raggio nel mondo dell’istruzione, coinvolgendo tutte le fasi e tutti gli attori del percorso educativo, e trovando spazio in molteplici campi d’applicazione. Nello specifico, i nuovi strumenti di IA per l’istruzione possono essere classificati sulla base dell’utente finale che viene supportato e che interagisce con le entità artificiali.
Sistemi di IA per lo studente
Strumenti di supporto all’apprendimento tramite sistemi adattivi e personalizzati. Applicazioni di questa categoria comprendono per esempio i sistemi di tutoraggio intelligenti, i quali possono suggerire o prendere decisioni sul percorso formativo dello studente, fornendo inoltre supporto e assistenza personalizzata. Con l’ormai consueta erogazione di corsi a distanza e su larga scala, ove quindi il tutoraggio personalizzato è irrealizzabile, questi sistemi intelligenti promettono di porre nuovamente lo studente al centro dell’attenzione.
Altre possibili applicazioni riguardano l’apprendimento collaborativo a supporto dell’idea di apprendimento come processo sociale. Tale processo può avvalersi del contributo dell’IA per la formazione adattiva di gruppi di studenti e per la facilitazione delle interazioni al loro interno.
Vi sono inoltre i sistemi di realtà virtuale intelligente, attraverso i quali gli studenti diventano protagonisti di un ambiente interattivo per lezioni frontali e laboratori, popolato da agenti virtuali quali insegnanti, tutor e studenti stessi.
Per l’insegnante
Strumenti di supporto all’insegnante per ridurre il carico di lavoro. Con tale obiettivo, applicazioni di IA possono automatizzare attività amministrative, di valutazione, rilevamento del plagio ed estrazione di informazioni sui progressi di apprendimento degli studenti, permettendo l’intervento tempestivo dell’insegnante quando necessario.
Per il sistema
Applicazioni per l’estrazione e l’analisi di informazioni utili ad amministratori e manager a livello istituzionale per facilitare i loro processi decisionali. Sebbene complessi, problemi di natura istituzionale possono essere affrontati con l’IA, tenendo in considerazione il comportamento degli studenti, l’andamento dei corsi e al contempo l’efficacia dei programmi proposti.
Sistemi per la profilazione dello studente: i vantaggi
Più in generale, tecniche di IA possono essere utilizzate per realizzare sistemi per la profilazione dello studente, che offrano, a educatori e settori amministrativi, la possibilità di intervenire prontamente laddove necessario. Tali sistemi possono contribuire nel contesto della didattica come in quello istituzionale, suggerendo strategie per affrontare anche i più complessi problemi socio-economici. Per esempio, nei paesi che prediligono l’istruzione privata, sistemi di IA potrebbero suggerire agevolazioni economiche mirate per studenti in difficoltà, così da ridurre il numero di abbandoni.
La profilazione e il monitoraggio continuo sul percorso dello studente favoriscono la raccolta di grandi volumi di dati, utili all’addestramento di algoritmi di IA. Questi ultimi saranno capaci di fornire non solo informazioni puntuali sul profitto, ma in ottica proattiva, anche predizioni sull’andamento futuro dello studente stesso. È importante evidenziare come l’obiettivo di questi algoritmi non sia il controllo sugli studenti, bensì la facilitazione e il miglioramento del percorso educativo, il quale grazie all’IA potrà implementare paradigmi didattici innovativi. Un’attività cruciale della didattica come quella della valutazione, per esempio, segue oggi criteri e metodi tradizionali dispendiosi in termini di tempo e risorse. Il risultato è che la verifica sull’apprendimento degli studenti avviene in modo sporadico, con il solo obiettivo di giudicare le conoscenze acquisite, trascurando la qualità del processo educativo. A dispetto di ciò e attraverso il monitoraggio continuo, l’IA pone le basi per la transizione alla valutazione formativa, paradigma didattico che predilige la valutazione “per” l’apprendimento, particolarmente focalizzato all’analisi dei metodi e dei processi con i quali lo studente apprende.
Applicazioni sul mercato
Diverse sono, ad oggi, le aziende e le startup che hanno investito risorse ed energie nello sviluppo di applicazioni di IA per l’istruzione.
MATHia di Carnegie Learning
Tra queste, Carnegie Learning, azienda statunitense che si occupa della realizzazione di soluzioni per l’apprendimento personalizzato, propone un insieme di piattaforme digitali di supporto ai percorsi di apprendimento per tutti i livelli di istruzione. Tali piattaforme, tra cui la più famosa MATHia per la matematica, utilizzano strumenti di IA per rilevare le lacune di conoscenza, scegliere i test più opportuni e produrre suggerimenti mirati e personali per ogni studente.
Presentation Translator di Micrrosoft
In prima linea sul tema troviamo anche Microsoft con il suo Presentation Translator, plugin sviluppato per la traduzione di presentazioni in tempo reale. Quest’ultimo, sfruttando tecniche di IA per il processamento di linguaggio naturale, offre all’oratore la possibilità di esprimersi in lingua madre e al pubblico la possibilità di ottenere la traduzione simultanea in una delle 60 lingue disponibili, sotto forma di audio o sottotitoli. Questa applicazione ha l’obiettivo di abbattere le barriere di accesso ai contenuti per studenti con disabilità uditiva, riducendo al contempo il divario creato dalle conoscenze linguistiche, il quale spesso vincola l’apprendimento.
Riid e Liulishuo
Ancora una volta sfruttando tecniche per il riconoscimento e l’interpretazione del linguaggio naturale, Riid e Liulishuo (attualmente disponibile solo in Cina), startup di fama mondiale i cui servizi contano diversi milioni di utenti, sviluppano percorsi personalizzati all’apprendimento della lingua inglese. Tali servizi possono contare su algoritmi di IA capaci di cogliere con impressionante sensibilità i difetti di pronuncia e le imprecisioni del parlato.
Le sfide
Benché sia facile riscontrare un interesse crescente sul tema, sia da parte del settore scientifico che da quello industriale, sistemi di IA nel contesto dell’istruzione trovano, ad oggi, poco spazio nei processi educativi attuali. Tra le principali cause della scarsa adozione di questi sistemi nella pratica didattica, ve ne sono sicuramente alcune che vale la pena esaminare: le divergenze di interesse tra settore educativo e ricerca scientifica, la complessità dei problemi che i produttori di applicazioni devono affrontare e le relative questioni di natura etica da tenere in considerazione durante sviluppo di queste tecnologie.
La ricerca
Come spesso accade nel più generale campo della ricerca sulle tecnologie educative, i quesiti più interessanti per i ricercatori non sono direttamente correlati alle esigenze degli insegnanti. Sebbene ormai si abbia contezza di quanto tali tecnologie possano contribuire al miglioramento dei processi educativi, in molti casi si riscontra la mancanza di evidenze scientifiche che quantifichino i loro effetti. In particolare, vi sono pochi studi che si occupano della valutazione degli strumenti più efficaci e dei miglioramenti effettivi che essi apportano. Basti pensare alla recente emergenza sanitaria dovuta al Covid-19, durante la quale la tecnologia ha dato uno straordinario contributo al mondo dell’istruzione, permettendo la continuità delle attività educative. Tuttavia risultano essere pochi gli studi scientifici che si occupano di analizzare l’impatto che l’utilizzo capillare degli strumenti digitali ha avuto sull’apprendimento. Sarà quindi essenziale, nei prossimi anni, uno sforzo della comunità scientifica sul tema, con l’obiettivo di facilitare e rendere più efficace l’introduzione, ad ampio raggio, di tecnologie basate su IA nel mondo dell’istruzione. I risultati scientifici non potranno prescindere da un approccio multidisciplinare che va ben oltre le conoscenze nei singoli ambiti dell’IA e dell’educazione, e che prenderà in considerazione i contributi di esperti di comunicazione, psicologi, umanisti e designer per la più profonda comprensione di un settore così complesso come quello educativo.
I problemi etici
Proprio la complessità dei processi educativi e le interazioni che avvengono nel loro contesto tra i vari agenti coinvolti danno vita a delicate questioni etiche legate all’utilizzo e alla progettazione di soluzioni di IA per l’istruzione.
La logica implementata da diversi modelli di IA —in particolare quelli di deep learning— risulta spesso incomprensibile all’uomo, il quale non è in grado di interpretare i processi decisionali che stanno alla base delle decisioni prese dall’entità artificiale. La natura black-box di questi modelli è in contrasto con uno dei requisiti etici fondali nel contesto dell’istruzione, ovvero la trasparenza. Nel caso specifico di sistemi automatici per la valutazione e la verifica di idoneità per l’accesso a corsi di studio o a corsi di alta formazione, allo studente deve essere garantita la possibilità di capire le ragioni per le quali è stato ammesso o rifiutato. Per quanto dirompente, l’Explainable Artificial Intelligence (XAI), insieme di metodi per l’interpretazione dei meccanismi decisionali dell’IA, non ha ancora raggiunto un livello di maturità tale da soddisfare pienamente i requisiti di trasparenza richiesti.
Un ulteriore aspetto etico al quale prestare particolare attenzione riguarda l’affidabilità delle decisioni. I modelli di IA vengono tipicamente addestrati su dataset limitati e sono quindi capaci di apprendere nei limiti delle informazioni che i dataset stessi contengono. Nello specifico, un’IA addestrata su una determinata collezione di dati, contenente, per esempio, informazioni su soli studenti europei, potrebbe risultare inaccurata se utilizzata per studenti provenienti da altre parti del mondo. La scelta dei dati per lo sviluppo di IA per l’istruzione è quindi cruciale, oltre ad essere specifica per il gruppo di interesse, deve rispettare le politiche di privacy e sicurezza previste dal contesto legislativo di applicazione. È inoltre importante sottolineare quanto, su scala globale, il contesto dell’educazione sia per sua natura molto vario, basti pensare alle sole differenze socio-economiche tra i vari paesi. Risulta quindi estremamente difficile definire modelli generali accurati per contesti educativi differenti. Una strategia più efficace potrebbe prevedere lo sviluppo di soluzioni con dimensione locale, su misura per le singole realtà, ove studenti e insegnanti diventano parte del processo di addestramento dell’IA più che utenti di un sistema preconfezionato.
Tuttavia, sebbene l’obiettivo sia quello di sviluppare sistemi di IA sempre più precisi e affidabili, va sempre presa in considerazione l’eventualità di errore. In uno scenario simile, nel quale gli algoritmi effettuano scelte critiche, sono necessarie quindi attente riflessioni in materia di responsabilità. Nel contesto dei processi educativi, l’errore commesso da un’IA può influenzare in maniera significativa diversi aspetti del percorso di studio di uno studente. Occorre quindi definire formalmente il processo di attribuzione delle responsabilità, che, in caso di inaccuratezza, possa identificare le entità responsabili dell’errore tra tutti gli agenti coinvolti (l’algoritmo, il gestore del sistema, l’insegnante, il settore amministrativo, ecc.).
Per la realizzazione di un innovativo sistema educativo, è essenziale che queste riflessioni accompagnino il processo di realizzazione di soluzioni di IA per l’istruzione in tutte le sue fasi: dalla progettazione, allo sviluppo sino al rilascio e all’analisi del suo impatto.
Conclusioni
Abbiamo fin qui descritto, in estrema sintesi, una nuova visione di mondo dell’istruzione, che sfrutta il potenziale dell’IA su vari fronti del sistema educativo. Malgrado le grandi aspettative, l’adozione di questa tecnologia è, ad oggi, limitata a pochi esempi reali attraverso applicazioni che agiscono in contesti circoscritti.
Le nuove frontiere dell’istruzione volgono tuttavia lo sguardo all’integrazione di entità di IA nei processi educativi, non solo come strumento di supporto alle attività, ma come veri e propri agenti in grado di apprendere dalle interazioni con studenti, docenti e diversi attori del sistema educativo. L’introduzione di nuovi metodi e nuove dinamiche educative metterà quindi in discussione lo stesso tema dell’apprendimento, nella sua forma più tradizionale, alimentando, inoltre, il dibattito e lo studio nel campo della relazione tra uomo e IA.
Bibliografia
BAKER, T., SMITH, L., & ANISSA, N. (2019). Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges. https://www.nesta.org.uk/report/education-rebooted/
LUCKIN, R., HOLMES, W., GRIFFITHS, M., & FORCIER, L. B. (2016). Intelligence unleashed: An
argument for AI in education. Pearson.
JONASSEN, D., DAVIDSON, M., COLLINS, M., CAMPBELL, J., & HAAG, B. B. (1995). Constructivism
and computer‐mediated communication in distance education. American journal of distance education, 9(2), 7–26.
PEREZ, S., MASSEY-ALLARD, J., BUTLER, D., IVES, J., BONN, D., YEE, N., & ROLL, I. (2017).
Identifying productive inquiry in virtual labs using sequence mining. In International Conference on Artificial Intelligence in Education (pp. 287–298). Springer, Cham.
https://opentalk.iit.it/lintelligenza-artificiale-e-il-futuro-delleducazione/
https://iulresearch.iuline.it/index.php/IUL-RES/article/view/43
