Il Grassi a Didamatica 2026
Ultima Revisione in data 6 ott 2026
Comprendere l’intelligenza artificiale progettandola!
Due progetti del nostro liceo saranno presentati e discussi a Padova: dalla costruzione di una storia da giocare alla progettazione di tutor digitali, gli studenti diventano protagonisti della ricerca sull’AI nell’educazione.
Il Liceo di Latina porterà a Didamatica 2026 due esperienze che condividono una domanda: come può la progettazione con l’intelligenza artificiale aiutare gli studenti a comprenderne il funzionamento, valutarne i limiti e assumersi la responsabilità delle proprie scelte? Il convegno si terrà il 7 e l’8 ottobre al Palazzo della Salute di Padova e sarà dedicato al tema AI Literacy ed Etica: la sfida del mondo dell’Istruzione per un nuovo Umanesimo. Informazioni sul convegno. I due contributi raccontano una scuola che sperimenta, documenta e studia le proprie pratiche. Una scuola capace di fare ricerca sull’AI, ponendo domande sul suo ruolo nell’apprendimento e portando risultati, difficoltà e prospettive al confronto con la comunità scientifica.
Una storia da giocare, un’intelligenza artificiale da progettare
Il primo contributo, Dall’uso dell’AI alla progettazione con l’AI: costruire una storia-da-giocare tra narrazione, agenti conversazionali e sviluppo assistito, nasce dall’Officina delle storie da giocare, un laboratorio extracurricolare. Il gruppo ha costruito una storia ambientata nella pianura pontina del 1382, attorno all’assedio e alla distruzione di Ninfa, intrecciando ricerca storica e geografica, scrittura, missioni, regole di gioco e sviluppo di un’applicazione web.
L’AI ha accompagnato l’esplorazione delle idee e la revisione dei materiali ed è diventata anche una componente dell’esperienza: l’Oracolo, un personaggio con cui i giocatori possono dialogare. Progettare l’Oracolo ha richiesto decisioni precise: quali informazioni deve conoscere? Come deve esprimersi? Quali indizi può offrire senza anticipare gli sviluppi della storia? Come verificare che rispetti il mondo narrativo e le regole? Gli studenti hanno così lavorato sulle condizioni che rendono una risposta utile e coerente. Hanno selezionato fonti, definito istruzioni, discusso proposte e corretto risultati. Le conversazioni, i materiali prodotti e il questionario finale documentano un progressivo spostamento dell’attenzione verso obiettivi, vincoli e criteri di verifica.
Imparare progettando un tutor per altri studenti
Il secondo contributo, Learning by designing an AI tutor: studenti progettisti di tutor digitali per i laboratori Research in Action, si inserisce nel percorso di RiA – Research in Action, attivo al Grassi dal 2016.
RiA avvicina gli studenti alla matematica applicata attraverso problemi proposti da ricercatori e docenti universitari, dati reali e strumenti di calcolo. Le esperienze vengono raccolte in fascicoli che permettono alle classi successive di ripercorrere i laboratori. Per facilitarne l’accesso e la fruizione, 25 studenti hanno prima affrontato personalmente i laboratori e poi progettato, in piccoli gruppi, dieci tutor digitali basati su GPT. I temi spaziano dall’astronomia alla crittografia, dai grafi alla cancellazione del rumore.
La progettazione ha richiesto di ripensare la propria esperienza dal punto di vista di chi deve ancora imparare: quali prerequisiti servono? Dove ci si può bloccare? Quale domanda può riavviare il ragionamento? Quanto aiuto offrire perché lo studente conservi iniziativa e autonomia? I tutor sono stati concepiti per proporre spiegazioni e indizi graduali. L’analisi delle istruzioni ha fatto emergere anche contraddizioni, difficoltà nella selezione delle fonti e aspetti da migliorare.
Comprendere l’AI da dentro
Il filo che unisce le due esperienze è il passaggio da utilizzatori a progettisti. Costruendo un agente conversazionale, gli studenti possono osservare come fonti, contesto, istruzioni e vincoli ne orientino le risposte. È in questo senso che imparano a conoscere l’AI “da dentro”: attraverso la progettazione del suo comportamento e la verifica di ciò che produce. Una risposta convincente può contenere errori; un’istruzione può essere ambigua; due richieste possono entrare in conflitto. Riconoscere questi problemi e intervenire rende concreta la consapevolezza dei limiti del sistema e del ruolo delle decisioni umane. Questa prospettiva riprende la riflessione sviluppata in Beyond Answers: How Large Language Models Can Pursue Strategic Thinking in Education: il valore educativo dell’AI si trova anche nella possibilità di sostenere strategie, esplorare alternative e costruire percorsi di apprendimento.
Fare ricerca a scuola significa formulare domande, costruire artefatti, raccogliere evidenze e rivedere le proprie ipotesi. Nei due progetti del Grassi, studenti e docenti condividono questo lavoro, mantenendo al centro creatività, conoscenza disciplinare, giudizio critico e responsabilità.
La partecipazione a Didamatica 2026 sarà un’occasione per discutere queste esperienze e contribuire alla ricerca su un’educazione all’AI nella quale ragazze e ragazzi sappiano comprenderla, orientarla e valutarla consapevolmente.