La proposta didattica è creare un Ambiente di Apprendimento (ADA) che produca un metodo basato sul prompt engineering e sulla esplicitazione metacognitiva come competenza didattica chiave.
Definiremo progressivamente
1. Idea pedagogica — che cosa deve cambiare nel modo di apprendere con l’IA.
2. Progetto ADA — ruoli, metodo, accessi, attività e responsabilità.
3. Realizzazione tecnica — piattaforma, strumenti, IA, database, sicurezza.
Le linee guida UNESCO sull’educazione all’IA insistono proprio sulla necessità di mantenere l’agenzia umana: lo studente deve sapere che cosa delegare all’IA, che cosa non delegare e come valutarne i risultati.
L’idea di Ambiente di Apprendimento
Io costruirei un Ambiente di Apprendimento IA articolato in questo modo:
DOMANDA → PROMPT → RISPOSTA → VERIFICA → RIELABORAZIONE → NUOVA DOMANDA
L’aspetto decisivo è che il ciclo non termina con la risposta dell’IA.
1. Domanda
Lo studente deve prima formulare che cosa vuole conoscere.
Non:
«Spiegami la Rivoluzione francese.»
ma:
«Voglio capire quali fattori economici e sociali contribuirono alla Rivoluzione francese e distinguere le interpretazioni di Marx e Tocqueville.»
Qui è già avvenuto un primo apprendimento: definire il problema.
2. Prompt
Il prompt diventa un progetto di domanda.
Lo studente deve specificare alcuni di questi aspetti :
– obiettivo;
– contesto;
– livello di approfondimento;
– tipo di risposta;
La letteratura didattica sta già andando in questa direzione: il prompting viene trattato come processo iterativo e metacognitivo, non come semplice tecnica per ottenere una risposta migliore.
3. Risposta dell’IA
La risposta diventa materiale di lavoro, non conoscenza acquisita.
Lo studente deve chiedersi:
È corretta? È completa? Quali affermazioni devo verificare?Quali punti non mi convincono?
Questo passaggio è fondamentale perché evita il rischio dell’IA come macchina delle risposte.
Quindi il passo successivo è la ..
4. Verifica
Nessuna risposta dell’IA diventa automaticamente conoscenza.
Deve essere confrontata con:
– libro di testo;
– fonti primarie;
– articoli scientifici;
– dati;
– altre fonti affidabili.
5. Rielaborazione
Lo studente deve quindi produrre una propria sintesi.
Non:
«ChatGPT mi ha detto che…»
ma:
«Dopo aver confrontato le informazioni, ritengo che…»
Qui l’IA diventa effettivamente strumento cognitivo.
6. Nuova domanda
Il processo termina con una nuova domanda, spesso migliore della prima.
Questo è forse il punto più interessante:
Un buon Ambiente di Apprendimento non deve produrre soltanto risposte migliori, ma domande migliori.
Il ruolo dell’insegnante cambia
In questo modello l’insegnante non viene sostituito ,cambia però funzione.
Passa progressivamente da:
Trasmettitore di informazioni a:
Progettista dell’ambiente cognitivo e controllore della qualità del processo di apprendimento.
L’insegnante deve soprattutto insegnare:
– come formulare problemi;
– come interrogare l’IA;
– come riconoscere una risposta debole;
– come verificare;
– come confrontare interpretazioni;
– come rielaborare autonomamente.
Questo è coerente con gli orientamenti UNESCO, che sottolineano che l’educazione all’IA deve comprendere sia competenze tecniche sia consapevolezza critica ed etica.
« Il Prompt engineering diventa quindi una competenza didattica chiave»
Il prompting come competenza cognitiva e didattica
Perché la vera competenza non è conoscere cento formule di prompt.
È saper fare:
domanda → contestualizzazione → interrogazione.
E questo può diventare un vero metodo
Potremmo chiamarlo provvisoriamente:
Metodo AI di apprendimento iterativo
Il docente non deve soltanto insegnare la materia.
Nel nostro modello deve insegnare anche come utilizzare l’IA per imparare quella materia.
Per questo il docente diventa strategico in almeno tre momenti:
A. Progettare
Decide quale problema cognitivo proporre.
B. Orientare
Aiuta lo studente a costruire un buon prompt.
C. Far riflettere
Aiuta lo studente a rendere esplicito ciò che ha imparato e come ci è arrivato.
con cinque competenze fondamentali:
| 1. Problematizzare | Definisce il problema | Che cosa voglio capire? | Una domanda precisa |
| 2. Interrogare | Costruisce il prompt | Come posso chiedere all’IA di aiutarmi a capire? | Un prompt efficace |
| 3. Confrontare | Esamina la risposta dell’IA | La risposta risponde davvero alla mia domanda? | Individuazione di lacune, errori, punti da approfondire |
| 4. Verificare | Controlla informazioni e fonti | Come posso verificare che ciò che dice l’IA sia corretto? | Conoscenza verificata |
| 5. Rielaborare | Costruisce una propria spiegazione | Che cosa ho capito e come lo spiego con parole mie? | Elaborato personale |
| 6. Riformulare | Individua ciò che ancora non sa | Che cosa non ho ancora capito? Quale nuova domanda posso fare? | Nuova domanda |Bisogna fare una distinzione: l’ADA non è semplicemente una piattaforma con ChatGPT dentro. È un ambiente con una precisa architettura di ruoli, responsabilità e progressione degli accessi.
In forma ancora più sintetica
PROBLEMA ,DOMANDA ,PROMPT ,RISPOSTA IA ,CONFRONTO ,VERIFICA ,COMPRENSIONE PERSONALE ,NUOVA DOMANDA.
1. Domanda :Lo studente deve prima formulare che cosa vuole conoscere.
Non: «Spiegami la Rivoluzione francese.»
ma: «Voglio capire quali fattori economici e sociali contribuirono alla Rivoluzione francese e distinguere le interpretazioni di Marx e Tocqueville.»
Qui è già avvenuto un primo apprendimento: definire il problema.
Esempio
Domanda dello studente:
Perché è scoppiata la Rivoluzione francese?
Prompt:
«Spiegami le principali cause della Rivoluzione francese, distinguendo quelle economiche, sociali e politiche. Poi indicami quali sono maggiormente condivise dagli storici.»
La domanda contiene il problema cognitivo.
Il prompt aggiunge le istruzioni necessarie per ottenere dall’IA una risposta utile a quel problema.
Quindi:
Domanda = competenza cognitiva fondamentale.
Prompt = strumento operativo per dialogare con l’IA.
La letteratura didattica sta già andando in questa direzione: il prompting viene trattato come processo iterativo e metacognitivo, non come semplice tecnica per ottenere una risposta migliore.
Gli studenti fanno un primo tentativo con un prompt generico e ottengono una risposta generica. Poi costruiscono un prompt molto più preciso, specificando ruolo, contesto, struttura e tono. Il confronto fra i due risultati permette loro di capire perché il prompt modifica il comportamento dell’IA.
Qui possiamo introdurre una cosa che secondo me dovrebbe diventare fondamentale nell’ADA:
Non valutare soltanto la risposta dell’IA, ma anche l’evoluzione del prompt.
Per esempio:
Prompt 1 → Risposta 1
Che cosa non funziona?
Prompt 2 → Risposta 2
Che cosa è migliorato?
Che cosa ho imparato sul problema e sul modo di interrogare l’IA?
Questo è esattamente il tipo di esercizio che può insegnare il prompt engineering come competenza cognitiva, non come semplice tecnica informatica.
3. Risposta dell’IA
La risposta diventa materiale di lavoro, non conoscenza acquisita.
Lo studente deve chiedersi: È corretta? È completa? Quali affermazioni devo verificare? Quali punti non mi convincono?
Questo passaggio è fondamentale perché evita il rischio dell’IA come macchina delle risposte.
4. Verifica
Nessuna risposta dell’IA diventa automaticamente conoscenza.
Deve essere confrontata con:
– libro di testo;
– fonti primarie;
– articoli scientifici;
– dati;
– altre fonti affidabili.
5. Rielaborazione
Lo studente deve quindi produrre una propria sintesi.
Non: «ChatGPT mi ha detto che…»
ma: «Dopo aver confrontato le informazioni, ritengo che…»
Qui l’IA diventa effettivamente strumento cognitivo.
In questa fase e per alcuni progetti più avanzati sarebbe possibile introdurre la
Esplicitazione metacognitiva : Aiuta lo studente a rendere esplicito ciò che ha imparato e come ci è arrivato.
Quindi
Il prompt orienta l’IA.
La metacognizione orienta lo studente.
6. Nuova domanda
Il processo termina con una nuova domanda, spesso migliore della prima.
Questo è forse il punto più interessante:
Un buon Ambiente di Apprendimento non deve produrre soltanto risposte migliori, ma domande migliori.
La Tassonomia
La tassonomia tradizionale di Bloom distingue, semplificando:
Ricordare ( richiamare alla mente)→ Comprendere ( Afferrare il significato del materiale appreso)→ Applicare (utilizzare le conoscenze e le regole anche in situazioni diverse) → Analizzare (scomporre le informazioni per capire come sono collegate) → Valutare (esprimere giudizi critici) → Creare (riorganizzare gli elementi in un nuovo schema).
Con l’IA possiamo trasformarla in un processo iterativo:
Hmoud e Shaqour propongono di reinterpretare i livelli cognitivi di Bloom alla luce delle possibilità offerte dall’IA nell’educazione. L’idea di fondo è che l’IA può intervenire in diverse fasi e a diversi livelli del processo cognitivo, dalla semplice acquisizione di informazioni fino ad attività più complesse di analisi, valutazione e creazione.
Se un’intelligenza artificiale può scrivere un saggio, comporre una melodia o fare un disegno in pochi secondi, l’atto creativo umano cambia natura.
Cosa cambia: Il focus si sposta sull’ideazione originaria, sulla formulazione di prompt efficaci e sulla capacità di rielaborare e rifinire ciò che l’AI propone. Lo studente diventa un regista o un co-creatore attivo, che unisce la velocità dell’algoritmo alla sensibilità e all’intuito umano.
Potremmo proporre di ridefinire una nuova tassonomia così articolata :
Domanda (Cosa voglio sapere) →Prompt (Come chiedo all’IA di aiutarmi a saperlo?) → Ottenere (La risposta di AI) → Confrontare e Verificare ( Confrontare = mettere a confronto due o più informazioni, spiegazioni o risposte.- Verificare = stabilire se una determinata affermazione è corretta, sulla base di una fonte, di un calcolo, di un esperimento o di un’evidenza. → Criticare e Rielaborare (Adesso che ho verificato, che cosa ho capito e come lo spiego con parole mie) → Creare (Realizzare il proprio punto di vista con un documento finale in una qualsiasi forma).
In definitiva Bloom descrive la profondità cognitiva dell’obiettivo. ADA descrive il percorso attraverso il quale lo studente può raggiungerlo con l’IA.
Facciamo degli esempi
Livello 1 – Comprendere
«Spiegami la fotosintesi.»
Livello 2 – Analizzare
«Confronta la spiegazione della fotosintesi con quella della respirazione cellulare e indica le differenze fondamentali.»
Livello 3 – Valutare
«Controlla la spiegazione precedente. Individua eventuali semplificazioni o errori e indicami quali affermazioni devono essere verificate attraverso fonti scientifiche.»
Livello 4 – Creare
«Sulla base delle informazioni verificate, costruisci una spiegazione della relazione tra fotosintesi e respirazione destinata a uno studente di 15 anni.»
A questo punto l’IA non sta facendo il compito al posto dello studente.
Sta diventando uno strumento attraverso il quale lo studente percorre i diversi livelli cognitivi.
Altro esempio per la Fotosintesi
Ecco come l’interazione con l’Intelligenza Artificiale trasforma radicalmente l’apprendimento della fotosintesi clorofilliana, risalendo i gradini della Tassonomia di Bloom (versione rivista).
In questo scenario, la domanda iniziale “Spiegami la fotosintesi” non è più il punto d’arrivo, ma diventa semplicemente il gradino di partenza.
- Livello 1 – Comprendere
«Spiegami la fotosintesi.»
- Approccio tradizionale: Lo studente memorizza la spiegazione generale i termini chiave (clorofilla, stomi, anidride carbonica, glucosio, ossigeno).
- Azione guidata dall’AI:
Prompt dello studente: “Voglio capire in primo luogo il concetto generale e poi elencami i componenti chimici necessari e i prodotti finali della fotosintesi.”
Output AI: Genera all’istante il concetto generale e poi l’elenco dei reagenti:
2. COMPRENDERE (Understand)
- Approccio tradizionale: L’insegnante spiega il concetto e lo studente prova a ripeterlo a parole sue.
- Con l’AI: Lo studente usa l’AI come un tutor personalizzato e flessibile per colmare i propri dubbi in tempo reale.
- Azione guidata dall’AI:
Prompt dello studente: “Spiegami la fotosintesi come se fossi un bambino di 10 anni / un fumettista / uno chef.”
Output AI: Adatta il linguaggio, usando l’analogia di una “cucina solare” dove la luce è il forno e il glucosio è la torta. Lo studente capisce il concetto oltre la formula.
3. APPLICARE (Apply)
- Approccio tradizionale: Si risolve un problema standard sul libro o si fa un disegno sul quaderno.
- Con l’AI: Si mette in pratica la conoscenza simulando scenari o risolvendo problemi concreti.
- Azione guidata dall’AI:
Prompt dello studente: “Se metto una pianta di fagiolo in una stanza completamente buia ma ricca di anidride carbonica, la fotosintesi avviene? Spiegami l’applicazione della formula in questo caso.”
Output AI: Aiuta lo studente ad applicare la regola teorica alla situazione pratica (manca l’energia solare, quindi il processo si blocca).
4. ANALIZZARE (Analyze)
- Approccio tradizionale: Si studia la differenza teorica tra la respirazione cellulare e la fotosintesi.
- Con l’AI: L’AI aiuta a fare collegamenti complessi, analizzare dati o scomporre i processi in macro e micro fasi.
- Azione guidata dall’AI:
Prompt dello studente: “Crea una tabella comparativa tra la fase luminosa e la fase oscura della fotosintesi, evidenziando cosa fanno i cloroplasti e quali scambi di energia comportano.”
Output AI: Struttura i dati in modo da mostrare le relazioni di causa-effetto e la scomposizione del ciclo.
5. VALUTARE (Evaluate) – Il pilastro critico nell’era dell’AI
- Approccio tradizionale: L’insegnante interroga; il voto definisce se lo studente sa il fatto.
- Con l’AI: Lo studente deve giudicare l’AI, individuare errori o valutare l’impatto di un fenomeno. Il pensiero critico è al massimo potenziale.
- Azione guidata dall’AI:
Prompt dello studente: “Generami un testo sulla fotosintesi che contenga volutamente 3 errori scientifici sottili. Io proverò a trovarli e a spiegarti perché sono sbagliati.”
Oppure: “Valuta l’efficienza della fotosintesi artificiale rispetto a quella naturale come soluzione al cambiamento climatico.”
6. CREARE (Create)
- Approccio tradizionale: Scrivere un saggio o fare una ricerca cartacea (oggi facilmente superabili copiando dall’AI).
- Con l’AI: Lo studente usa l’AI come assistente alla progettazione per dare vita a qualcosa di totalmente nuovo, originale e interdisciplinare.
- Azione guidata dall’AI:
Prompt dello studente: “Voglio progettare un videogioco platform in cui il protagonista è un fotone che deve attivare la fotosintesi clorofilliana. Aiutami a strutturare i livelli di gioco basandoti sulle reali reazioni chimiche e scrivi la sceneggiatura del primo livello.”
In sintesi: cosa è cambiato?
Se prima lo studente spendeva l’80% del tempo nei livelli 1 e 2 (ascoltare la spiegazione della fotosintesi, memorizzarla e ripeterla), con l’AI i primi due livelli si superano in pochi minuti. Lo studente viene proiettato immediatamente verso i livelli più alti: analizzare i dati, valutare criticamente le risposte della macchina e creare progetti originali partendo da quel concetto.
L’uso didattico dell’IA non dovrebbe essere finalizzato alla produzione automatica di risposte, ma alla costruzione di percorsi cognitivi nei quali lo studente impara a formulare domande, verificare risposte, confrontare fonti, riconoscere errori e produrre una propria elaborazione.
Questo permette anche di superare una possibile debolezza di Bloom: la tassonomia non deve essere interpretata come una scala rigida, nella quale si sale semplicemente dal ricordare al creare. Con l’IA, i livelli possono diventare ricorsivi: una nuova informazione può generare una nuova domanda, che richiede nuova analisi e nuova verifica.
«Presentami un caso nel quale una spiegazione basata esclusivamente sull’adattamento sarebbe insufficiente.»
Poi:
«Controlla la risposta precedente e indicami quali affermazioni devono essere verificate.»
Infine:
«Costruisci una spiegazione dell’evoluzione utilizzando l’esempio che abbiamo analizzato.»
Qui compare un elemento fondamentale: lo studente impara anche a mettere in discussione l’IA.
Un altro approccio :
Opzione 1: Il Prompt Socratico per la Fotosintesi
Copia questo testo:
“Agisci come un tutor di biologia basato sulla Tassonomia di Bloom. Il mio obiettivo è capire a fondo la fotosintesi clorofilliana. Non darmi spiegazioni lunghe e non darmi subito le risposte. Inizia ponendomi una domanda o un problema pratico che richieda di applicare o analizzare il concetto di fotosintesi. Aspetta la mia risposta. Quando rispondo, valutala criticamente, evidenzia eventuali imprecisioni concettuali e ponimi una nuova domanda progressivamente più complessa per stimolare il mio pensiero critico.”
Opzione 2: La Tassonomia applicata a una materia umanistica
Per capire l’universalità di questo metodo, vediamo come si trasforma una classica domanda di letteratura o storia (es. La Rivoluzione Francese) con l’uso dell’AI:
- 1. Ricordare: Invece di costringere a memorizzare tutte le date a memoria, lo studente chiede all’AI una linea del tempo interattiva delle tappe principali (1789-1799) per avere un quadro visivo immediato.
- 2. Comprendere: Lo studente chiede all’AI: “Spiegami le cause della Rivoluzione Francese dal punto di vista di un contadino del Terzo Stato e poi dal punto di vista di un nobile di Versailles”. Questo permette di comprendere l’empatia storica e le diverse prospettive.
- 3. Applicare: Si chiede alla macchina: “Se applicassimo i principi della Dichiarazione dei Diritti dell’Uomo e del Cittadino del 1789 a una moderna azienda tecnologica di oggi, quali regole cambierebbero per i lavoratori?”.
- 4. Analizzare: Si usa l’AI per scompattare i dati: “Confronta i fattori economici (il debito pubblico) con i fattori ideologici (l’Illuminismo) nel far scoppiare la rivoluzione. Quale ha pesato di più nel breve termine?”.
- 5. Valutare (Critica all’AI): Lo studente genera un saggio sulla figura di Robespierre tramite l’AI e poi agisce da storico: analizza il testo per verificare se l’AI ha mostrato dei bias (ad esempio giudicandolo in modo troppo spietato o troppo indulgente) e corregge la narrazione basandosi sui libri di testo.
- 6. Creare: Lo studente e l’AI co-creano un progetto: “Scriviamo il copione per un podcast di 3 puntate in cui un giornalista del tempo intervista segretamente il Re Luigi XVI pochi giorni prima della sua esecuzione”.
2. Scienze — cambiamento climatico
Comprendere
«Spiegami l’effetto serra.»
Applicare
«Utilizza questo concetto per spiegare perché l’aumento della CO₂ modifica il bilancio energetico terrestre.»
Analizzare
«Analizza i dati sulla concentrazione atmosferica di CO₂ dal 1950 a oggi e individua le principali variazioni.»
Verificare
«Quali di queste affermazioni sono direttamente sostenute dai dati? Quali sono invece interpretazioni?»
Valutare
«Confronta le principali spiegazioni scientifiche sull’attuale riscaldamento globale e indicami quali sono sostenute dal consenso scientifico.»
Creare
«Costruisci un modello concettuale che spieghi il rapporto tra emissioni, concentrazione di CO₂, effetto serra e temperatura.»
Qui compare una competenza fondamentale: distinguere dati, interpretazioni e conclusioni.
3. Letteratura — Dante
Ricordare
«Qual è la struttura dell’Inferno di Dante?»
Comprendere
«Spiegami il significato del contrappasso.»
Analizzare
«Analizza il comportamento di Ulisse nel canto XXVI.»
Confrontare
«Confronta la figura di Ulisse in Dante con quella dell’Ulisse della tradizione classica.»
Valutare
«È corretto interpretare l’Ulisse dantesco come simbolo della ricerca della conoscenza? Presenta argomenti a favore e contro.»
Creare
«Scrivi una breve interpretazione personale del significato di Ulisse nella Commedia, distinguendo ciò che deriva dal testo da ciò che è una tua interpretazione.»
Qui l’IA può diventare interlocutore critico, non autore del tema.
4. Matematica — equazioni
Qui l’approccio è ancora più interessante.
Lo studente chiede:
«Risolvi questa equazione.»
L’IA dà la soluzione.
Ma questo sarebbe il livello più basso.
Lo studente può invece chiedere:
«Risolvi l’equazione mostrando tutti i passaggi.»
Poi:
«Risolvi lo stesso problema con un metodo diverso.»
Poi:
«Spiegami perché i due metodi portano allo stesso risultato.»
Infine:
«Costruisci un problema reale che possa essere rappresentato dalla stessa equazione.»
In questo caso l’IA diventa uno strumento per passare da esecuzione → comprensione → controllo → generalizzazione → applicazione.
5. Biologia — evoluzione
Domanda iniziale:
«Che cos’è la selezione naturale?»
Poi:
«Fammi un esempio concreto.»
Poi:
«Qual è la differenza tra selezione naturale e adattamento?»
Poi:
«Presentami un caso nel quale una spiegazione basata esclusivamente sull’adattamento sarebbe insufficiente.»
Poi:
«Controlla la risposta precedente e indicami quali affermazioni devono essere verificate.»
Infine:
«Costruisci una spiegazione dell’evoluzione utilizzando l’esempio che abbiamo analizzato.»
Qui compare un elemento fondamentale: lo studente impara anche a mettere in discussione l’IA.
6. Filosofia — libero arbitrio
Domanda iniziale:
«Che cos’è il libero arbitrio?»
Poi:
«Confronta la posizione di Spinoza, Kant e Sartre.»
Poi:
«Individua le principali differenze tra le tre concezioni.»
Poi:
«Costruisci l’argomento più forte a favore del determinismo.»
infine:
«Sulla base dei due argomenti, formula una possibile posizione personale e indica quali passaggi sono deduzioni e quali sono giudizi.»
Questo è un uso dell’IA socratico: l’IA non decide quale posizione sia corretta, ma costringe lo studente a confrontarsi con posizioni diverse.
7. Educazione civica — immigrazione
Domanda:
«Quali sono le cause dell’immigrazione?»
Poi:
«Distingui dati demografici, cause economiche, cause politiche e interpretazioni ideologiche.»
Poi:
«Quali affermazioni della risposta precedente possono essere verificate statisticamente?»
Poi:
«Confronta due interpretazioni politiche opposte dello stesso fenomeno.»
Infine:
«Costruisci una posizione argomentata distinguendo fatti, interpretazioni e giudizi di valore.»
Questo insegna una competenza fondamentale della cittadinanza:
fatto ≠ interpretazione ≠ opinione.
8. Un esempio particolarmente importante: l’IA stessa
Potremmo addirittura utilizzare l’IA per insegnare come valutare l’IA.
Lo studente chiede:
«Dammi una risposta alla domanda X.»
Poi:
«Ora comportati come un revisore critico della tua risposta. Cerca errori, omissioni, affermazioni non sufficientemente documentate e possibili allucinazioni.»
Poi:
«Indicami quali affermazioni dovrei verificare su fonti esterne.»
Poi lo studente verifica.
Infine:
«Confronta la tua risposta originale con le informazioni che ho verificato e spiegami che cosa cambierebbe.»
La competenza fondamentale nell’uso didattico dell’IA non è saper ottenere una risposta, ma saper costruire un percorso attraverso il quale quella risposta possa diventare conoscenza.
Riepiloghiamo Il ciclo di apprendimento con l’IA
| Fase | Che cosa fa lo studente | Domanda che si pone | Risultato |
| 1. Problematizzare | Definisce il problema | Che cosa voglio capire? | Una domanda precisa |
| 2. Interrogare | Costruisce il prompt | Come posso chiedere all’IA di aiutarmi a capire? | Un prompt efficace |
| 3. Confrontare | Esamina la risposta dell’IA | La risposta risponde davvero alla mia domanda? | Individuazione di lacune, errori, punti da approfondire |
| 4. Verificare | Controlla informazioni e fonti | Come posso verificare che ciò che dice l’IA sia corretto? | Conoscenza verificata |
| 5. Rielaborare | Costruisce una propria spiegazione | Che cosa ho capito e come lo spiego con parole mie? | Elaborato personale |
| 6. Riformulare | Individua ciò che ancora non sa | Che cosa non ho ancora capito? Quale nuova domanda posso fare? | Nuova domanda |
Bibliografia essenziale :
- UNESCO – AI Competency Framework for Students → competenze e progressione.
- OECD/European Commission 2026 – AI Literacy Framework → AI literacy e pensiero critico.
- UNESCO – Guidance for Generative AI in Education and Research → uso pedagogico e human-centred.
- European School Education Platform – Learning activity ideas using AI → attività concrete.
- European School Education Platform – Creative classrooms with AI → IA come partner del processo creativo.
- European School Education Platform – Project Kits → modello per la futura biblioteca di attività.
ADA si colloca nel solco delle esperienze europee emergenti, ma propone di organizzarle in un ciclo didattico unitario e progressivo.