Concorsi a cattedra
La formazione dei docenti prevista dal D.lgs. 179/2026 incontra le domande emerse a Didacta Lanciano. Le ricerche e le proposte dei relatori aiutano a progettare attività nelle quali sia possibile riconoscere ciò che gli studenti hanno imparato.
Dal 23 ottobre 2026 è in vigore il decreto legislativo 7 ottobre 2026, n. 179, che adegua la normativa nazionale al quadro europeo sull’intelligenza artificiale. Per il mondo della scuola, gli articoli 36–38 delineano interventi formativi e responsabilità organizzative destinati a incidere sulle scelte didattiche.
Per i docenti si apre una questione professionale precisa: come riconoscere ciò che uno studente apprende durante un’attività assistita dall’IA? La formazione può aiutare a scegliere quale supporto introdurre e a verificare se le conoscenze esercitate rimangano utilizzabili quando quel supporto viene ridotto.
È il tema affrontato il 21 ottobre, durante l’incontro EdiSES «IA a scuola: freno per la mente o alleata della didattica?» a Didacta Lanciano, al quale sono intervenuti Sonia Cannas, docente di matematica e fisica, ed Emiliano Barbuto, dirigente scolastico. In quella giornata il decreto era già pubblicato; la sua entrata in vigore era prevista due giorni dopo. Dal confronto emerge una questione centrale per leggere le nuove disposizioni: la formazione dovrebbe permettere agli insegnanti di valutare gli effetti delle proprie scelte sull’apprendimento.
Gli argomenti dell'articolo
Decreto 179 e IA a scuola: cosa prevede
L’articolo 36 colloca la formazione sull’IA nell’educazione alla cittadinanza digitale, sin dal primo ciclo. Le scuole possono promuovere attività nella propria autonomia e moduli STEAM coerenti con il PTOF, anche attraverso la formazione scuola-lavoro. Il riferimento alle STEAM comprende l’ambito artistico accanto alle discipline scientifiche e tecnologiche.
Il Ministero deve aggiornare le Linee guida STEM e quelle per l’orientamento. Il comma 6 dispone inoltre l’aggiornamento delle Indicazioni nazionali dei percorsi liceali richiamati, compresi il liceo sportivo e quello del made in Italy. Questi interventi accompagnano la progettazione delle scuole secondo le rispettive competenze.
| Disposizione | Contenuto di interesse scolastico | Attuazione prevista |
| Art. 36 | Le scuole possono promuovere attività sull’IA e moduli STEAM; adottano specifiche iniziative di orientamento. | Il MIM aggiorna le Linee guida STEM e per l’orientamento; sono previsti aggiornamenti delle Indicazioni liceali richiamate. |
| Art. 37 | Formazione sull’uso delle piattaforme digitali e interventi per il benessere degli studenti. | Avvio di un piano ministeriale entro novanta giorni dall’entrata in vigore. |
| Art. 38, commi 1–4 | Formazione del personale docente, inclusi i CPIA, e interventi rivolti agli studenti. | Decreto ministeriale sui criteri e sulle modalità entro novanta giorni; continuità delle linee guida richiamate nel periodo transitorio. |
| Art. 38, commi 5–6 | Autonomia nella gestione delle piattaforme e supporto territoriale alle scuole. | Gli USR possono promuovere comitati tecnico-etici territoriali attraverso reti di istituzioni scolastiche. |
L’articolo 37 affronta anche gli ambienti relazionali basati sull’IA. Il piano comprende interventi educativi con il possibile coinvolgimento delle famiglie e utilizza risorse del PN Scuola e Competenze 2021–2027, entro il limite di 100 milioni di euro e secondo i vincoli del programma. Il limite di spesa riguarda il programma complessivo; le somme destinate alle singole scuole dipenderanno dalle procedure di attuazione.
L’articolo 38 comprende nella formazione la valutazione critica delle informazioni e la progettazione didattica, con attenzione alla protezione dei dati. Gli interventi per gli studenti considerano anche il divario digitale e i bisogni educativi speciali. Fino al decreto attuativo continuano ad applicarsi le Linee guida per l’introduzione dell’IA nelle istituzioni scolastiche, adottate con il D.M. 166/2025. I novanta giorni riguardano gli adempimenti ministeriali: il testo rinvia al successivo provvedimento la definizione delle modalità formative.
La formazione dei docenti e la lettura delle ricerche
Sul piano pedagogico, il collegamento fra valutazione critica e progettazione, presente nell’articolo 38, suggerisce un impegno formativo: aiutare i docenti a interpretare le ricerche sull’IA. Comprendere come sono stati ottenuti i risultati consente di valutarne la pertinenza per la propria classe. È una lettura educativa della disposizione, dalla quale possono nascere attività di formazione basate sul confronto fra studi e pratica professionale.
Sonia Cannas ha portato a Didacta la ricerca The Generative AI Learning Penalty: Evidence from Chinese Secondary Education, di David Strömberg, Victor Lei e Yanhui Wu. Il discussion paper del CEPR segue 26.811 studenti per 30 mesi, in una contea della Cina centrale. Le classi 7–12 comprendono i livelli inferiore e superiore dell’istruzione secondaria cinese.
Gli autori utilizzano un metodo chiamato difference-in-differences: confrontano i cambiamenti dei risultati nel tempo considerando i diversi momenti di adozione dell’IA. L’assegnazione degli studenti ai gruppi non è casuale; l’interpretazione causale dipende dalle assunzioni del disegno quasi-sperimentale.
Le stime indicano un aumento del 18% nei punteggi dei compiti a casa e una riduzione del 30% nei tempi di completamento. Nei test mensili senza supporti, il calo stimato raggiunge il 20% entro sei mesi. Sono variazioni rispetto ai valori di riferimento dello studio, riferite a specifiche prestazioni scolastiche.
Nella presentazione dello studio su VoxEU, gli autori associano le perdite maggiori a comportamenti compatibili con l’esternalizzazione dei compiti. La rapidità di esecuzione offre un indizio da interpretare insieme alle modalità d’uso. Imporre tempi di studio più lunghi, da solo, potrebbe lasciare irrisolto il problema dell’impegno cognitivo.
Quanto conta la progettazione dell’assistenza
A integrazione della ricerca presentata a Lanciano, è utile considerare lo studio sperimentale di Bastani e colleghi pubblicato su PNAS nel 2025. La ricerca coinvolge quasi mille studenti della scuola secondaria in attività di matematica e confronta anche due configurazioni dell’assistenza basata su GPT-4.
Nella prova successiva, svolta senza assistenza, gli studenti che avevano utilizzato la versione generalista ottengono punteggi inferiori del 17% rispetto al gruppo di controllo. Nel gruppo con il tutor progettato per guidare il ragionamento mediante suggerimenti, l’effetto negativo risulta sostanzialmente eliminato. Per quest’ultimo gruppo, gli autori non rilevano un vantaggio nella prova autonoma rispetto al controllo.
Il risultato invita a esaminare il modo in cui il sistema interviene durante l’esercizio. Il grado di aiuto e il momento in cui viene offerto possono modificare il lavoro richiesto allo studente. Per il docente diventa utile stabilire quali passaggi debbano essere affrontati personalmente e quali possano beneficiare di un suggerimento.
Le conoscenze che permettono di interrogare l’IA
Emiliano Barbuto ha dedicato parte del proprio intervento al rapporto fra conoscenze disciplinari e uso degli strumenti. Una preparazione adeguata aiuta lo studente a formulare richieste pertinenti e a riconoscere le risposte problematiche. Gli consente inoltre di comprendere il lessico utilizzato dal sistema.
Tra le chiavi interpretative proposte dal relatore, la “distanza epistemica” esprime quanto lo studente sia lontano dal comprendere e giudicare autonomamente le informazioni ricevute. Un alunno può, per esempio, ripetere che le stagioni dipendono dall’inclinazione dell’asse terrestre e incontrare difficoltà quando gli viene chiesto di spiegare come questa influisca sull’illuminazione dei due emisferi. La domanda successiva aiuta a individuare ciò che resta da comprendere.
Nella distinzione utilizzata da Barbuto, lo scarico cognitivo consiste nell’affidare alcune operazioni a un supporto mantenendo il controllo delle scelte. La delega cognitiva descrive l’accettazione di un risultato il cui percorso rimane poco compreso. Questa distinzione orienta l’osservazione didattica verso il grado di responsabilità che lo studente conserva durante l’interazione.
Un compito sulle stagioni e le evidenze da osservare
Le proposte di Barbuto collegano l’elaborato alla documentazione del percorso. Per valutare l’apprendimento occorre affiancare a questa documentazione una verifica della comprensione: anche un resoconto dettagliato dell’interazione può essere prodotto con un aiuto esterno.
Il tema delle stagioni permette di sviluppare un esempio. Il docente raccoglie una spiegazione iniziale dell’alunno e introduce un confronto guidato con una risposta dell’IA. Il manuale e un modello del sistema Terra-Sole consentono di controllarne il contenuto. L’obiettivo è comprendere come l’inclinazione dell’asse, durante il moto di rivoluzione, influisca sulla durata del dì e sull’angolo di incidenza della radiazione solare nei diversi periodi dell’anno.
La tabella propone uno sviluppo operativo da adattare alle conoscenze della classe. I criteri indicati costituiscono un’elaborazione didattica dell’esempio.
| Passaggio | Attività dello studente | Evidenza da osservare |
| Spiegazione iniziale | Descrive il fenomeno senza assistenza, anche attraverso un disegno. | Rende riconoscibili le proprie idee sul rapporto fra Terra e Sole. |
| Controllo della risposta | Confronta una spiegazione dell’IA con il manuale e il modello. | Individua eventuali errori; collega l’inclinazione dell’asse alle condizioni di illuminazione. |
| Revisione | Commenta un passaggio significativo del proprio ragionamento. | Spiega quale idea abbia modificato e quale elemento giustifichi la modifica. |
| Verifica autonoma | Risponde alla domanda: perché a dicembre nell’emisfero australe è estate? | Applica la spiegazione al diverso orientamento degli emisferi rispetto ai raggi solari. |
La discussione finale permette al docente di approfondire le risposte incerte. Una domanda analoga proposta a distanza di tempo può offrire ulteriori indicazioni sulla stabilità dell’apprendimento. Nella valutazione, gli eventuali supporti previsti per l’alunno vanno mantenuti secondo il suo percorso educativo.
La documentazione dell’interazione può restare breve. Alcuni passaggi commentati sono sufficienti per avviare il confronto, purché il docente chieda allo studente di chiarire le ragioni delle proprie scelte.
Formazione e condizioni di accesso
Il richiamo del decreto ai divari rende necessario considerare le condizioni concrete delle attività. La scelta delle piattaforme richiede una verifica delle condizioni del servizio, compresi i limiti di età e l’impiego dei dati. La scuola dovrebbe inoltre accertare che gli strumenti siano accessibili agli alunni e prevedere modalità equivalenti di partecipazione quando emergano ostacoli economici o bisogni specifici.
La tutela dei dati accompagna queste scelte. Il GDPR, in particolare all’articolo 5, richiede che i dati trattati siano limitati a quanto necessario rispetto alle finalità. Per esercitarsi sulla qualità delle risposte si possono utilizzare situazioni fittizie o materiali predisposti dal docente, evitando di trasferire in servizi generalisti documenti personali degli alunni.
Per le attività iniziali è possibile lavorare collettivamente su un output selezionato dall’insegnante. Questa modalità permette di avviare l’educazione all’IA anche attraverso l’analisi guidata, secondo le condizioni organizzative della scuola.
Verificare gli apprendimenti dopo l’attività assistita
L’attuazione del decreto 179 può diventare un’occasione per organizzare la formazione intorno a problemi didattici circoscritti. Un gruppo di docenti può progettare un’attività con l’IA. L’esame delle risposte degli alunni, attraverso criteri condivisi, permette poi di discuterne gli esiti. Il confronto con la ricerca aiuta a formulare ipotesi da verificare nel contesto scolastico.
Dal dibattito di Lanciano emerge soprattutto l’importanza di programmare fin dall’inizio una verifica successiva al lavoro assistito. Sapere quale conoscenza si intende osservare consente di regolare l’aiuto durante l’esercizio. Se lo studente incontra ancora difficoltà nell’utilizzarla, il docente dispone di un’indicazione per rivedere la consegna o prolungare l’accompagnamento.
La formazione prevista dal decreto potrà sostenere questo lavoro quando offrirà agli insegnanti occasioni per esaminare gli apprendimenti effettivamente raggiunti. È su queste evidenze che la scuola può fondare le proprie decisioni sull’impiego dell’IA e aggiornare la progettazione.
Approfondisci l’IA in classe con EdiSES
Se ti interessa approfondire il tema dell’Intelligenza Artificiale a scuola, il volume Intelligenza Artificiale in classe offre agli insegnanti e ai dirigenti scolastici un quadro organico e aggiornato sulle molteplici dimensioni dell’IA applicata alla scuola. Dalle definizioni di base fino alle applicazioni pratiche in classe.
