Compiti e verifiche al tempo dell’intelligenza artificiale

Introduzione: un cambiamento nel problema della valutazione

Per molto tempo è stato ragionevole presumere che un elaborato svolto a casa rappresentasse, con un margine accettabile di incertezza, il lavoro dello studente che lo consegnava. Copiare era possibile, ma richiedeva accesso a una persona o a un materiale adatto, comportava un costo in termini di tempo e lasciava spesso tracce riconoscibili.

L’intelligenza artificiale generativa cambia la scala del fenomeno: testi, esercizi, programmi, analisi e argomentazioni possono essere prodotti in pochi secondi e adattati alle richieste dell’insegnante. I sistemi multimodali hanno eliminato anche la necessità di trascrivere una consegna: basta fotografare una pagina o una lavagna perché il problema venga acquisito e interpretato.

Il punto critico non è che gli studenti possano “copiare con l’IA”., già lo fanno, ma stabilire quale relazione esista tra un prodotto consegnato e le competenze effettivamente possedute da chi lo consegna.

Lo stesso problema riguarda le verifiche in presenza: smartphone, smartwatch e auricolari miniaturizzati possono teoricamente trasferire all’esterno domande e immagini, restituendo risposte durante una prova. La sorveglianza resta necessaria, ma non può essere l’unica risposta. Quanto più i dispositivi diventano piccoli e integrati, tanto più costoso diventa controllarne la presenza.

La questione diventa quindi pedagogica prima che tecnologica: come costruire situazioni nelle quali ciò che viene valutato mantenga una relazione affidabile con ciò che lo studente sa comprendere, fare e spiegare?

Dal prodotto all’evidenza di apprendimento

Un elaborato non è una competenza: è un’evidenza da cui si cerca di inferire una competenza. Un testo corretto non dimostra necessariamente che chi lo consegna sappia scriverlo; un programma funzionante non dimostra che sappia progettarlo. Allo stesso tempo, l’uso dell’IA non implica automaticamente assenza di apprendimento: uno studente può usarla per ricevere spiegazioni, confrontare strategie, individuare errori o criticare una propria soluzione.

La distinzione rilevante non passa quindi tra uso e non uso dell’IA, ma tra attività che producono evidenze attendibili e attività che non permettono più di attribuire con sicurezza il risultato allo studente. Ne deriva un principio generale: conviene costruire una catena di evidenze distribuita nel tempo, ( appunti, tentativi, errori, revisioni, brevi prove in aula, elaborato finale, spiegazione orale ) piuttosto che affidarsi a una singola prova. L’affidabilità nasce dalla coerenza reciproca tra questi elementi, non da uno di essi preso isolatamente.

Progettare compiti meno delegabili

Le consegne generiche (“riassumi il capitolo”, “scrivi un programma che ordini una lista”) sono facilmente delegabili. La situazione cambia quando il compito dipende dal percorso svolto in classe:, comprensivo di errori prodotti intenzionalmente dall’insegnante e dei materiali rielaborati a lezione.

L’aggancio al lavoro svolto in classe non rende un compito impossibile da delegare, anche informazioni specifiche possono essere fornite all’IA, ma introduce una dipendenza dal contesto didattico e costringe lo studente a comprendere cosa trasferire allo strumento.

Ancora più efficace è chiedere trasformazioni successive dello stesso lavoro: non solo risolvere un problema, ma modificare un parametro e prevedere cosa cambia; non solo scrivere un programma, ma correggerlo quando viene introdotto un errore. La competenza emerge più chiaramente quando lo studente deve manipolare ciò che ha prodotto, non solo consegnarlo. Anche in questo caso non si può essere sicuri che lo studente non abbia delegato allo strumento, ma comunque avrà dovuto fare lo sforzo di tradurre la richiesta per renderla comprensibile allo strumento.

Rendere la consegna parte dell’apprendimento

Una consegna scritta, completa e immediatamente copiabile si trasforma quasi automaticamente in un prompt. Può quindi essere utile fornire parte delle istruzioni oralmente in classe, chiedendo agli studenti di prendere appunti e ricostruire obiettivi e vincoli. Questo passaggio richiede ascoltare, selezionare e riformulare.

Questa strategia non deve però trasformarsi in un occultamento delle informazioni: la comprensione della consegna non deve diventare accidentalmente l’abilità principale valutata, e va garantita l’accessibilità per studenti con bisogni specifici. Meglio pensare a una consegna distribuita: alcuni elementi restano scritti e consultabili, altri derivano dall’esperienza svolta in classe, così il compito domestico diventa prosecuzione di un processo iniziato in presenza.

Il lavoro domestico come preparazione, non necessariamente come prova

Se non è possibile stabilire con affidabilità chi abbia prodotto un elaborato domestico, attribuirgli un forte peso valutativo diventa problematico, ma questo non significa che perda utilità: può cambiare funzione, servendo a preparare una discussione, raccogliere informazioni, produrre una prima soluzione da rielaborare in classe.

Si realizza così una separazione utile tra spazio dell’apprendimento (dove diversi strumenti sono ammessi) e spazio della certificazione (dove alcune prestazioni devono poter essere attribuite con maggiore sicurezza allo studente).

Tecniche di tracciamento del processo

Tra gli strumenti che disincentivano l’uso degli LLM ci soono i documenti condivisi con cronologia delle versioni. Qui è importante mantenere un giudizio equilibrato: la cronologia delle modifiche non costituisce una prova d’autenticità in senso stretto, perché può essere simulata. Un testo generato con un LLM può essere digitato manualmente, o incollato in più tranche a intervalli plausibili, per costruire una parvenza di lavorazione progressiva. Il suo valore non sta dunque nella capacità di dimostrare la genuinità del lavoro, ma nell’aumentare il costo dell’inganno: aggirare in modo credibile un sistema di versioning richiede più sforzo che completare onestamente il compito, e questo squilibrio, se percepito, scoraggia la scorciatoia in una parte non trascurabile degli studenti. La cronologia funziona meglio non come prova isolata, ma come traccia da confrontare con quanto emerge nel colloquio orale: una discrepanza tra il pattern di scrittura e la capacità di argomentare le proprie scelte diventa un segnale, non una condanna.

Costruire campioni autentici in aula

Bastano dieci minuti ( una scaletta, un passaggio da risolvere, poche righe di codice ) per costruire nel tempo un profilo operativo dello studente (lessico, errori ricorrenti, strategie preferite) da confrontare con i prodotti consegnati a casa. Non si tratta di cercare un’”impronta stilistica” infallibile: un salto qualitativo improvviso non è di per sé prova di delega, ma può suggerire una semplice verifica oppure chiedere allo studente di riprodurre o spiegare una parte del lavoro.

La verifica attraverso variazioni

La classica strategia di modificare, anche solo leggermente, un problema già affrontato (eliminare una componente di un progetto, cambiare un dato, introdurre una fonte che contraddice una lettura) continua a mantenere la sua validità. Una verifica in cui si chiede non l’intero esercizio, ma che cosa cambia rispetto agli esercizi preparatori, consente di valutare se dietro il prodotto esiste un modello mentale stabile. La domanda non è più solo “come è stata ottenuta questa risposta?”, ma “cosa succede se il problema cambia?”. È nel trasferimento a una situazione vicina ma non identica che l’apprendimento diventa osservabile.

Il colloquio breve come strumento ordinario

Non serve l’interrogazione tradizionale di lunga durata: pochi minuti e tre domande ben scelte possono dire più di un sistema di rilevazione automatica. Le domande più informative chiedono di giustificare una scelta, individuare il punto debole del proprio prodotto, proporre un’alternativa. La richiesta di indicare cosa non funziona nel proprio lavoro è spesso un indicatore di comprensione più robusto della semplice descrizione. Il colloquio diventa così una forma di autenticazione cognitiva: non stabilisce chi abbia digitato ogni parola, ma chi sia in grado di assumersene la responsabilità intellettuale.

Dimostrazione e “difesa” del prodotto

In diverse discipline si può chiedere di modificare il codice in tempo reale, ricostruire un passaggio alla lavagna, collegare l’elaborato a un documento non precedentemente analizzato. Il lavoro viene considerato pienamente valutabile quando chi lo presenta dimostra di saperlo usare, modificare e giustificare, diventando meno rilevante stabilire se l’IA abbia contribuito a una frase, perché la valutazione si concentra sulla padronanza finale.

Dichiarare l’uso dell’IA invece di renderlo clandestino

Quando l’uso dell’IA è compatibile con gli obiettivi, conviene renderlo esplicito: quale strumento, per quale scopo, quali suggerimenti sono stati accettati o respinti. L’obiettivo non è certificare l’autenticità attraverso la dichiarazione, ma trasformare l’uso dello strumento in oggetto di riflessione, introducendo una competenza ulteriore: saper valutare criticamente l’output dell’IA, individuarne errori, respingere soluzioni inadatte.

Attività integrata con l’IA ed errore come evidenza

Utile costruire attività in fasi distinte: risposta autonoma, poi uso dell’IA, poi confronto tra le due, infine applicazione senza assistenza. Oppure il percorso inverso: fornire una risposta generata dall’IA e chiedere di criticarla, trovarne le omissioni.

Anche l’errore diventa fonte di evidenza preziosa: chiedere di conservare un errore significativo e spiegare come è stato individuato, o confrontare una prima soluzione con quella finale, rende visibile una traiettoria di miglioramento, spesso più informativa di un prodotto perfetto fin dall’inizio.

Il limite dei rilevatori automatici

I rilevatori di testi generati dall’IA presentano un problema strutturale: deducono l’origine da caratteristiche linguistiche, ma stile e struttura possono essere modificati e i testi umani possono presentare tratti statisticamente simili. Un punteggio di probabilità non dovrebbe mai essere trattato come prova sufficiente. Anche indizi come un improvviso salto di qualità possono giustificare una verifica ulteriore, mai una conclusione automatica: la risposta pedagogicamente solida resta chiedere allo studente di spiegare o riprodurre il lavoro.

Evitare la corsa agli armamenti tecnologica

Restrizioni sui dispositivi e ambienti controllati restano necessari per alcune prove ad alta rilevanza certificativa. Come strategia generale, però, una corsa agli armamenti tra controllo ed elusione ha rendimenti decrescenti e aumenta il carico organizzativo. Nella normale attività didattica è più sostenibile progettare valutazioni in cui ottenere clandestinamente una risposta esterna sia poco vantaggioso, perché quella risposta dovrà comunque essere spiegata o applicata subito.

La combinazione delle evidenze e il problema del tempo di valutazione

Nessuna tecnica è risolutiva da sola: un compito personalizzato può essere comunque delegato, una cronologia simulata, un colloquio preparato. La robustezza nasce dalla triangolazione: elaborato domestico, produzione autonoma in aula, discussione orale verificano aspetti differenti, e la loro convergenza rende l’inferenza sulla competenza molto più affidabile.

Applicare tutte le tecniche a tutti i compiti sarebbe però insostenibile in termini di tempo docente. Può bastare introdurre piccoli punti di autenticazione nel percorso: cinque minuti di scrittura autonoma, una domanda orale casuale, una modifica improvvisa al problema. Non serve osservare continuamente l’intero processo: basta che lo studente sappia che, in momenti non del tutto prevedibili, potrebbe dover dimostrare di essere l’autore di ciò che ha consegnato. Cambia così il calcolo di convenienza: delegare interamente un compito diventa rischioso non perché esista un sistema che lo scopre automaticamente, ma perché in seguito potrebbe servire padroneggiare davvero il risultato.

Conclusione: verso un nuovo patto valutativo

L’IA generativa rende meno sostenibile il patto implicito su cui si è basata la scuola : prodotto assegnato, realizzato individualmente, usato come indicatore della competenza. La risposta non richiede l’eliminazione del lavoro domestico né il ritorno esclusivo a prove sorvegliate, ma una separazione più chiara tra esercizio, produzione e certificazione: strumenti diversi ammessi durante l’esercizio, documentazione di decisioni e revisioni durante la produzione, una quota sufficiente di prestazione personale osservabile nei momenti di certificazione.

Il principio di fondo:

non cercare soltanto di stabilire chi abbia prodotto la risposta, ma costruire condizioni che permettano di osservare chi è in grado di comprenderla, sostenerla, modificarla e riutilizzarla.

È su questo spostamento, dal controllo dell’autorità alla raccolta di evidenze di competenza, che si può costruire una valutazione più resistente alla delega, e più coerente con un mondo in cui lavorare con strumenti intelligenti sarà una condizione ordinaria.