Quando l’IA entra in Aula: come Professori e Università stanno riscrivendo le regole dell’insegnamento

Un articolo di Nature, pubblicato questa settimana: “From Trojan horses to AI-proof exams: how professors are tackling students’ AI use” racconta come docenti e atenei stiano ridefinendo insegnamento e valutazione nell’era dell’intelligenza artificiale generativa.

Secondo quanto riportato da Nature, l’intelligenza artificiale generativa non è più un’eccezione nei campus: è la norma. E mentre studenti di tutto il mondo usano chatbot per scrivere saggi, risolvere problemi e generare codici, docenti e atenei si trovano di fronte a una domanda inevitabile: come insegnare e valutare quando chiunque ha accesso a un “tutor” onnipresente, instancabile e spesso invisibile come la tecnologia “intelligente”?

Il dato che cambia il gioco

I numeri aiutano a capire la posta in gioco. In un sondaggio 2026 su 1.054 studenti universitari nel Regno Unito, il 94% dichiara di usare strumenti di IA generativa per lavori che verranno valutati; il 12% ammette di inserire direttamente testo prodotto dall’IA nei propri elaborati. Uno studio più ampio, su oltre 95.000 studenti in 20 università statunitensi, stima che il 9% utilizzi l’IA sui propri compiti pur sapendo di violare le regole.

I segnali di abuso sono diventati quasi un linguaggio a sé: riferimenti bibliografici “allucinati”, stili di punteggiatura tipici dei modelli, saggi in cui metà della letteratura citata non esiste. Nikita Bezrukov, studente al MIT, racconta di aver letto paper in cui i link a studi citati portavano a pagine vuote o inesistenti.

Eppure, molti professori lo dicono chiaramente: l’IA non se ne andrà. È già parte del mondo del lavoro, della ricerca, della produzione culturale. Il punto non è eliminarla, ma insegnare a governarla.

Dalla caccia al plagio alla progettazione “AI-aware”

La prima mossa è spostare il baricentro della valutazione: meno enfasi sul prodotto finale (il saggio, il codice, la relazione) e più sul processo che lo genera. Alcuni docenti chiedono agli studenti di consegnare, insieme al lavoro, i log delle conversazioni con i chatbot, annotando cosa è stato utile, cosa fuorviante, cosa hanno scelto di scartare e perché. Altri fanno costruire mappe concettuali che mostrino come le idee si sono evolute, passo dopo passo, tra lettura, discussione e uso dell’IA.

La logica è semplice: se il voto premia solo l’output, l’IA può rubare la scena; se invece si valuta il percorso, il ruolo dello studente torna centrale.

Esami “AI-proof” e compiti che l’IA non sa fare

Molti atenei stanno reinventando gli esami. La tendenza è chiara: più prove in aula, senza dispositivi, e più valutazioni orali o semi-orali. Presentazioni impromptu, pitch di pochi minuti, discussioni faccia a faccia su ciò che è stato prodotto a casa: tutto serve a verificare che lo studente padroneggi davvero il contenuto, non solo la capacità di assemblare un testo con un chatbot.

Allo stesso tempo, i compiti stessi cambiano forma. Invece di domande generiche (“Spiega la teoria X”), si pongono quesiti aperti e contestuali che i modelli faticano a gestire bene: “Perché questo sito è lento?”, “Come miglioreresti questo esperimento dato il budget e i vincoli etici del nostro laboratorio?”. Si valutano competenze che i chatbot non possiedono: metodologia, capacità di adattare soluzioni al contesto, giudizio su sostenibilità e implicazioni reali.

Valutare il “team studente–IA”

Alcuni docenti hanno scelto una strada ancora più esplicita: accettare che lo studente lavori in coppia con l’IA e progettare task in cui l’output grezzo del chatbot è palesemente insufficiente. Nicholas Mattei, alla Tulane University, fa analizzare e criticare le risposte di tre modelli linguistici diversi, chiedendo agli studenti di evidenziare errori, bias e contraddizioni. Daniel Silver, all’Università di Toronto, ha sostituito il classico saggio su Adam Smith con una simulazione in cui agenti IA interagiscono in un mercato: gli studenti devono progettare, osservare e interpretare i risultati, non solo raccontare una teoria.

Ruben Verborgh, all’Università di Gand – importante atenei nella regione fiamminga del Belgio – mantiene esami open internet ma valuta competenze di “building sostenibile” che i chatbot non garantiscono: efficienza energetica, scelte architetturali, compromessi reali. In questi casi, l’IA diventa un attore del processo, non un sostituto dello studente.

Tracciare la revisione, non solo il risultato

Un’altra leva è tecnologica: piattaforme come Google Docs permettono di tracciare la history di un documento, distinguendo tra un uso legittimo dell’IA (correzioni grammaticali, polishing, suggerimenti) e la generazione integrale di contenuti. Alcuni professori riducono il peso dei take-home e aumentano quiz offline o brevi conversazioni individuali dopo la consegna, in cui lo studente deve dimostrare di comprendere ciò che ha prodotto.

L’obiettivo non è la sorveglianza fine a sé stessa, ma la trasparenza: rendere visibile come il testo è nato, chi ha fatto cosa, e dove sta il valore aggiunto umano.

Cosa significa per la cultura digitale

Il messaggio di fondo, raccontato da Nature attraverso voci di docenti di tutto il mondo, è che l’IA sta costringendo a ridefinire cosa conta come apprendimento e come competenza. Non basta più produrre un testo corretto: serve saper interrogare, selezionare, integrare e criticare ciò che l’IA genera. Non basta più “sapere”: serve saper fare, in contesti reali, con vincoli reali.