Modulo 2 — Framework didattici per l'uso dell'IA
I framework operativi (DigComp 2.2, EAS, Inquiry-Based Learning, ruoli IA secondo Mollick, vibe coding didattico) per integrare l'IA nella progettazione.
Obiettivi del modulo¶
- Conoscere i principali framework di integrazione dell'IA in didattica
- Collegare gli strumenti IA al quadro di competenze DigComp 2.2
- Applicare i cinque ruoli IA proposti da Ethan Mollick
- Sperimentare il vibe coding didattico con Gemini Canvas
Ascoltare · Podcast¶
Podcast generato come «Audio Overview». Ideale per fruizione in mobilità.
Guardare · Slide¶
Presentazione del modulo. Usa le frecce per scorrere, clicca sull'immagine per ingrandire.
Vedere · Video tutorial¶
Video tutorial di approfondimento. Guardali in ordine o salta a quello che ti interessa.
Leggere · Dispensa¶
Corso di formazione
IA come co-pilota nella progettazione della didattica inclusiva
Modulo 2
Framework per l'uso dell'IA in didattica
Dispensa didattica
Sessione del 8 maggio 2026 (recupero della lezione del 17 aprile)
Destinatari: docenti scuola primaria e scuola secondaria di I grado
Documento elaborato a partire dalla trascrizione della sessione online. Gli interventi dei partecipanti sono stati anonimizzati e i contenuti riscritti in forma di prosa didattica.
Indice¶
1. Obiettivi formativi
2. Perché servono framework per integrare l'IA in didattica
3. I framework presentati
3.1 Il framework di progettazione orchestrata (generatore di prompt)
3.2 DigComp 2.2 come ancoraggio delle competenze digitali
3.3 Modello RAG e quaderno digitale (Notebook LM)
3.4 Inquiry-Based Learning e Project-Based Learning
3.5 EAS - Episodi di Apprendimento Situato
3.6 Flipped Classroom e gamification
3.7 I cinque ruoli dell'IA secondo Mollick
3.8 Dialogo socratico e didattica per scenari
3.9 Universal Design for Learning (UDL) e accessibilità
3.10 Vibe coding didattico
4. Esempi e prompt-template
5. Domande dal gruppo
6. Sintesi e punti di attenzione
7. Glossario
8. Per approfondire
1. Obiettivi formativi¶
Il secondo modulo del corso affronta il tema dei framework - pedagogici, metodologici e tecnici - che consentono di integrare in modo intenzionale l'intelligenza artificiale generativa nella progettazione didattica disciplinare. Il modulo si pone in continuità con il primo incontro, dedicato all'inclusione e alla costruzione di infografiche attraverso prompting iterativo, e introduce strumenti e schemi di lavoro replicabili nella pratica scolastica quotidiana.
Al termine della sessione il docente è in grado di:
1. individuare i bisogni didattici di partenza (disciplinari, di inclusione, di competenze digitali) e tradurli in parametri di progettazione utilizzabili da un modello linguistico;
2. utilizzare un generatore di prompt strutturato (foglio elettronico condiviso) per comporre richieste coerenti con il proprio contesto-classe;
3. scegliere consapevolmente il modello di progettazione (UDA, piano di lezione, scheda di sceneggiatura didattica, attività breve, template laboratoriale, scheda DigComp);
4. distinguere i sistemi aperti (Gemini, ChatGPT) dai sistemi chiusi tipo RAG (Notebook LM) e comprenderne i diversi rischi di allucinazione;
5. applicare la modalità Canvas per l'intervento editoriale diretto sul testo generato;
6. trasformare un materiale didattico testuale in mappa, infografica, presentazione, quiz interattivo e applicazione interattiva (vibe coding);
7. riconoscere il ruolo dell'IA come tutor, coach, mentore, compagno di squadra o simulatore (modello di Mollick);
8. presidiare la valutazione critica dell'output generato (etica, bias, adeguatezza, allucinazioni).
2. Perché servono framework per integrare l'IA in didattica¶
L'esperienza laboratoriale mostra che l'esito di un'interazione con un sistema di IA generativa dipende quasi interamente dalla qualità della richiesta. Affidarsi alla scrittura libera di un prompt produce risultati standard, spesso poco personalizzati, e tende a delegare al modello scelte che sono invece di pertinenza del docente: la disciplina, la metodologia, la classe di riferimento, i vincoli, gli obiettivi di apprendimento. Un framework, in questo contesto, è un dispositivo che restituisce intenzionalità pedagogica al processo di prompting.
Un secondo motivo per adottare framework riguarda la distanza tra progettazione e azione didattica. Nella pratica scolastica la progettazione è stata a lungo percepita come attività di rendicontazione: una scheda da consegnare, un curricolo da depositare, un documento separato dalle lezioni effettivamente svolte. Gli strumenti presentati in questa sessione invertono il rapporto: progettare bene significa anche generare contestualmente i materiali da portare in aula - mappe, infografiche, presentazioni, quiz, schede operative. Il cambio di paradigma è questo: ciò che si progetta è ciò che si realizza, e i materiali generati sono personalizzabili dal docente prima dell'uso in classe.
Un terzo motivo è il rischio. I modelli linguistici producono allucinazioni, riportano link non funzionanti, includono bias e pregiudizi nei testi generati. Un buon framework prevede sempre una fase di valutazione critica dell'output. Nel corso della sessione è stato richiamato un protocollo, in via di sperimentazione, che articola la verifica su quattro parametri: presenza di allucinazioni, adeguatezza dell'attività alla fascia d'età, etica del testo, presenza di bias o pregiudizi. Nessun output viene accettato senza una modifica e una calibrazione finale sul gruppo classe reale.
La sequenza di lavoro proposta segue quindi una catena coerente:
1. definizione del bisogno (contesto, disciplina, classe, presenza di BES o DSA);
2. scelta pedagogica (modello di progettazione, metodologia, tecniche, strategie);
3. generazione di una bozza tramite prompt strutturato;
4. valutazione critica dell'output (correttezza, adeguatezza, etica, bias);
5. intervento editoriale diretto (modalità Canvas, riformulazione, esempi);
6. calibrazione finale sul gruppo classe e produzione degli artefatti per l'aula.
3. I framework presentati¶
Nelle sezioni che seguono ciascun framework viene presentato in forma essenziale: una definizione, lo schema operativo, un'indicazione di applicazione in classe e un esempio tratto dalla sessione. I framework non sono alternativi tra loro: possono essere combinati nello stesso percorso didattico.
3.1 Il framework di progettazione orchestrata (generatore di prompt)¶
Definizione.
Si tratta di un sistema sviluppato dal formatore in forma di foglio elettronico (Excel o Google Fogli) che funziona come modulo da compilare. Selezionando alcune voci da menu a tendina - modello di progettazione didattica, livello scolastico, disciplina, tema, metodologia, tecniche, verifiche, life skill, area DigComp, tempistica, contesto-classe - il foglio compone automaticamente, tramite una formula di concatenazione, un prompt strutturato che viene poi copiato e incollato nel sistema di IA generativa scelto (Gemini, ChatGPT, Copilot, Claude).
Schema operativo.
1. scegliere il modello di progettazione didattica (UDA, piano di lezione, attività breve, scheda di sceneggiatura, template laboratoriale, EAS, scheda DigComp per le STEM, analisi comparativa di testi, ecc.);
2. indicare livello scolastico e disciplina;
3. compilare il tema o lasciarlo libero, chiedendo suggerimenti;
4. selezionare metodologia, tecniche, materiali di studio, attività, verifiche;
5. indicare eventuali life skill o aree DigComp da agganciare;
6. specificare tempistica, livello di abilità, composizione della classe (BES, DSA);
7. copiare la cella azzurra contenente il prompt generato e incollarla nel sistema di IA;
8. valutare l'output, intervenire con Canvas, esportare in documento.
Applicazione in classe.
Il foglio è pensato come banca dati personalizzabile. Le colonne dei dati (metodologie, tecniche, life skill, ecc.) possono essere modificate per accogliere le tecniche realmente utilizzate dal docente. La tecnica Cornell per la presa di appunti, il Jigsaw puzzle, lo storyboarding, i sei cappelli per pensare, le 5W e una H sono esempi di voci che ciascun docente può inserire a partire dalla propria esperienza. Questa operazione di personalizzazione dà semantica alla progettazione: il docente conserva il controllo sugli ingredienti, l'IA esegue l'assemblaggio.
Esempio dalla sessione.
Partendo dal tema "chimica delle piante" sono stati generati, modificando soltanto alcuni campi del foglio, output didattici molto diversi: un'attività laboratoriale di terza media con metodologia Inquiry-Based Learning ("Il mistero del verde: i colori nascosti", con fase di trigger, consegna operativa di cromatografia su carta, riflessione guidata); un'attività breve di scienze in prima elementare centrata sulla life skill creatività ("Il fiore che beve", esperimento con colorante alimentare e gambo di sedano); una scheda di sceneggiatura didattica per la stessa fascia di età, con sequenza di fasi, descrizione delle attività del docente, della classe e dei gruppi.
3.2 DigComp 2.2 come ancoraggio delle competenze digitali¶
Definizione.
DigComp è il quadro europeo delle competenze digitali per i cittadini. Nel generatore di prompt è stato inserito sotto forma di elenco di learning outcome e di aree (navigare, ricercare, comunicazione efficace, ecc.), così che l'IA possa essere istruita a produrre attività ancorate al framework di riferimento.
Schema operativo.
Il docente seleziona l'area DigComp da sviluppare (per esempio "navigare, ricercare e filtrare informazioni"), indica il livello (base, intermedio, avanzato) e chiede al sistema di declinare l'attività in conoscenze, attitudini e contenuti, secondo i descrittori del quadro. È stato segnalato che alcuni modelli citano ancora i descrittori di DigComp 2.2, mentre il riferimento attuale è alla versione 3.0: il docente deve verificare gli ancoraggi.
Applicazione in classe.
Particolarmente utile per le progettazioni di Educazione civica digitale, per i percorsi di curricolo digitale verticale e per le attività STEM trasversali. Consente di costruire compiti di realtà in cui le competenze digitali non sono uno strato decorativo ma il nucleo dell'azione formativa.
Esempio dalla sessione.
Su una seconda media di tecnologia/educazione civica è stata generata l'attività "Detective delle informazioni: costruiamo un glossario visuale per cercare bene online". Tre lezioni da un'ora, livello base, due alunni BES nella classe. Prodotto finale: un glossario visuale digitale con parole chiave della ricerca online - motore di ricerca, parola chiave, fonte, autore, attendibilità, pertinenza - ciascuna spiegata con definizione ed esempio in forma di flash card.
3.3 Modello RAG e quaderno digitale (Notebook LM)¶
Definizione.
Il modello RAG (Retrieval-Augmented Generation) descrive un sistema in cui la risposta del modello linguistico è ancorata a un insieme chiuso di fonti caricate dal docente. Notebook LM, lo strumento Google adottato nel corso, è di fatto un RAG: ogni quaderno (notebook) lavora solo sui materiali presenti nelle fonti, riducendo drasticamente il rischio di allucinazioni.
Schema operativo.
1. creare un nuovo notebook;
2. caricare le fonti: libri di testo in digitale, schede, materiali didattici, video, link;
3. etichettare automaticamente le fonti (funzione disponibile da poco in Notebook LM);
4. configurare la chat impostando lo stile delle risposte (lunghezza, registro, destinatari);
5. interrogare il quaderno per produrre mappe mentali, infografiche, presentazioni, quiz, riassunti adattati;
6. salvare ogni artefatto sul Drive prima di passare al successivo, perché la sessione di chat può sovrascrivere o perdere i contenuti precedenti.
Applicazione in classe.
Permette di realizzare quaderni digitali disciplinari: il docente carica i libri di testo (o le parti rilevanti) e usa il notebook come fonte per costruire materiali differenziati. Nella prospettiva dell'inclusione, lo stesso testo può essere adattato per alunni con BES o DSA semplicemente modificando le istruzioni ricorrenti della chat ("utilizza un linguaggio adatto a bambini della scuola dell'infanzia", "rispondi in modo breve", "fai esempi concreti").
Esempio dalla sessione.
A partire da un notebook con i libri di tecnologia della scuola secondaria di I grado, è stata generata un'infografica dettagliata sui difetti naturali del legno (nodi, eccentricità, cipollatura, fenditure, imbarcamento) con linguaggio adatto alla scuola dell'infanzia. L'analogia "piccoli ombelichi" per descrivere i nodi è stata mantenuta dal sistema in tutti i materiali successivi (mappa concettuale, presentazione, quiz, app interattiva), garantendo coerenza lessicale lungo il percorso.
3.4 Inquiry-Based Learning e Project-Based Learning¶
Definizione.
L'Inquiry-Based Learning (IBL) è una metodologia centrata sull'investigazione guidata da una domanda-stimolo. Il Project-Based Learning (PBL) organizza l'apprendimento intorno alla realizzazione di un prodotto. Nel generatore di prompt entrambe sono voci selezionabili nel campo metodologia.
Schema operativo.
Indicare nel prompt la metodologia desiderata e chiedere al sistema di strutturare l'attività di conseguenza. Per l'IBL il sistema produce una fase di trigger ("the hook"), una domanda stimolo, una consegna operativa e una riflessione guidata. Per il PBL il sistema articola ruoli, fasi di lavoro di gruppo e prodotto finale.
Applicazione in classe.
L'IBL è particolarmente coerente con le attività laboratoriali (scienze, tecnologia). Il PBL si presta ai percorsi interdisciplinari e ai compiti di realtà. Quando il docente non conosce la metodologia più adatta, può chiedere al sistema di consigliarla a partire dal tema e dal livello scolastico.
Esempio dalla sessione.
Sull'attività di cromatografia su carta in terza media, il prompt con metodologia IBL ha prodotto la domanda stimolo: "Se le foglie servono a fare la fotosintesi e la clorofilla è verde, come fanno le foglie rosse e gialle a sopravvivere? Il colore che vediamo è davvero l'unico presente?". L'attività è poi stata articolata in quattro ruoli di gruppo - il pestatore, il versatore, il raccoglitore, il custode - secondo una logica PBL.
3.5 EAS - Episodi di Apprendimento Situato¶
Definizione.
Gli EAS, secondo il modello di Pier Cesare Rivoltella, sono unità brevi di apprendimento articolate in tre momenti: anticipatorio (preparazione/consegna iniziale), operatorio (produzione da parte degli studenti), ristrutturativo (riflessione e sistematizzazione). Nel generatore di prompt sono disponibili come modello di progettazione selezionabile.
Schema operativo.
Scegliere "scheda didattica con gli episodi di apprendimento di Rivoltella" come modello e indicare disciplina, livello e tema. Il sistema produce una scheda strutturata nei tre momenti.
Applicazione in classe.
Coerente con percorsi brevi (singola lezione o sequenza di poche lezioni) in cui si vuole valorizzare la produzione attiva degli studenti. Si combina facilmente con la flipped classroom (momento anticipatorio a casa).
3.6 Flipped Classroom e gamification¶
Definizione.
La flipped classroom inverte il rapporto tra lezione frontale e compito: i contenuti vengono fruiti a casa (video, letture, mappe) e l'aula è dedicata all'elaborazione attiva. La gamification è l'uso di elementi ludici (punteggio, competizione, feedback immediato) per sostenere la motivazione.
Schema operativo.
Per la flipped classroom: il docente prepara con Notebook LM un quaderno con fonti e mappe da condividere con gli studenti, in modo che possano consultarlo prima della lezione. Per la gamification: il quiz interattivo prodotto da Notebook LM o da Gemini in modalità Canvas viene utilizzato in aula come dispositivo di rilevazione condivisa, oppure assegnato come autovalutazione.
Applicazione in classe.
Nella sessione è stata discussa la differenza tra quiz competitivi tipo Kahoot, centrati sul punteggio e privi di feedback formativo, e quiz integrati nei quaderni digitali, in cui ogni risposta è accompagnata dalla spiegazione e dal rimando alla fonte. Quest'ultima modalità trasforma il quiz da dispositivo valutativo a dispositivo formativo: lo studente non solo verifica la propria preparazione, ma può approfondire l'errore consultando il testo di riferimento.
Esempio dalla sessione.
Dal quaderno sul legno è stato generato un quiz a cinque domande adattato alla scuola dell'infanzia. La risposta a "Cosa rappresenta un nodo che troviamo su una tavola di legno?" include sia la correzione (non è il segno di una malattia, è naturale e legato alla struttura della pianta), sia il rimando alla fonte da cui il concetto è stato estratto. Al termine, il sistema propone di approfondire argomenti correlati o di generare il quiz successivo.
3.7 I cinque ruoli dell'IA secondo Mollick¶
Definizione.
Il ricercatore Ethan Mollick, della Wharton School, ha proposto un framework che individua cinque ruoli che un sistema di IA può assumere in contesti di apprendimento: tutor, coach, mentore, compagno di squadra (team-mate) e simulatore. Ognuno richiede istruzioni iniziali (prompt di sistema) diverse e si presta a usi didattici diversi.
Schema operativo.
1. Tutor: guida lo studente nello studio di un concetto attraverso domande progressive.
2. Coach: sostiene lo sviluppo di una competenza con feedback mirati e domande di consapevolezza.
3. Mentore: offre una prospettiva esperta su scelte strategiche o di metodo.
4. Compagno di squadra: collabora alla realizzazione di un prodotto, contribuendo come pari.
5. Simulatore: interpreta un ruolo in uno scenario realistico in cui lo studente è chiamato a prendere decisioni e a misurarne le conseguenze.
Applicazione in classe.
I ruoli si attivano impostando il prompt di sistema in modo coerente. La configurazione può essere salvata come Gem (Gemini) o come GPT personalizzato (ChatGPT), così da renderla riutilizzabile e condivisibile con gli studenti. Particolare attenzione va dedicata alla definizione del contesto (età degli studenti, disciplina, classe), perché il sistema modella in base a esso registro e contenuti generati.
Esempio dalla sessione.
È stato attivato in tempo reale un simulatore impostato per interpretare il ruolo di Platone in uno scenario adolescenziale (il concorso di poesia ad Atene). L'esperimento ha messo in evidenza un punto cruciale: senza una definizione esplicita del contesto ("alunni di scuola primaria" oppure "alunni di scuola secondaria di I grado"), il modello tende a produrre scenari non adatti alla fascia d'età. Il prompt deve sempre dichiarare il target.
3.8 Dialogo socratico e didattica per scenari¶
Definizione.
Il dialogo socratico è una tecnica di insegnamento basata su domande progressive che portano lo studente a esplicitare e ad affinare le proprie idee. La didattica per scenari mette lo studente di fronte a situazioni problematiche in cui deve prendere decisioni con conseguenze.
Schema operativo.
Per il dialogo socratico: istruire il sistema con un prompt del tipo "Tu interpreterai il ruolo di [autore/personaggio], io interpreterò il ruolo dello studente. L'obiettivo è mettere in pratica il concetto di [tema]". Per la didattica per scenari: aggiungere al prompt "Crea uno scenario in cui posso esercitarmi ad applicare questa competenza. Dovrei incontrare problemi, prendere una decisione conseguenziale, ricevere feedback".
Applicazione in classe.
Le due tecniche possono essere combinate, ma vanno tarate sull'età. Nella scuola primaria e secondaria di I grado il dialogo socratico si presta a esplorare concetti disciplinari (giustizia, amicizia, energia, tempo); lo scenario si presta a temi di educazione civica, cittadinanza digitale, cyberbullismo.
3.9 Universal Design for Learning (UDL) e accessibilità¶
Definizione.
Le metodologie UDL invitano a progettare materiali didattici in modo che siano accessibili a tutti gli studenti, indipendentemente dalle loro caratteristiche. Tre principi guida: offrire molteplici mezzi di rappresentazione, di azione/espressione e di coinvolgimento. Nel corso questo framework è stato richiamato come orizzonte trasversale: ogni artefatto generato dall'IA dovrebbe rispettare criteri di semplicità, ridondanza dei codici (testo + immagine + audio), feedback immediato.
Schema operativo.
In Notebook LM, configurare le istruzioni della chat affinché le risposte siano brevi e con linguaggio adatto al destinatario. In Gemini Canvas, intervenire direttamente sui paragrafi troppo schematici per arricchirli di esempi, oppure sui paragrafi troppo estesi per semplificarli. Aggiungere ai materiali interattivi la lettura immersiva (TTS - Text-To-Speech), in modo che gli studenti che non sanno ancora leggere o che presentano difficoltà di decodifica possano fruirne.
Esempio dalla sessione.
Lo stesso contenuto sui difetti del legno è stato declinato in cinque artefatti diversi (testo adattato, mappa concettuale, infografica con stile sketch, quiz con feedback, app interattiva con audio) partendo dalla medesima fonte di tecnologia. Il principio UDL della ridondanza dei codici risulta così implementabile a costo molto basso.
3.10 Vibe coding didattico¶
Definizione.
Il vibe coding è una pratica recente che consiste nel produrre piccole applicazioni interattive descrivendole a parole a un sistema di IA generativa, senza scrivere codice direttamente. Il termine "vibe" rinvia all'idea da trasferire al sistema, che si occupa della scrittura del codice eseguibile.
Schema operativo.
1. aprire Gemini, attivare la modalità Canvas;
2. descrivere l'app desiderata (per esempio: un quiz interattivo a partire da un testo dato);
3. specificare i requisiti didattici: feedback immediato, spiegazione approfondita, immagini per ogni domanda, eventualmente lettura immersiva;
4. lasciar generare l'app, testarla, iterare chiedendo modifiche (aggiunta dell'audio, della cache, di pulsanti, ecc.);
5. salvare il link condivisibile per portare l'app in aula.
Applicazione in classe.
Particolarmente utile per la scuola primaria e dell'infanzia, dove i quiz di Notebook LM (che non supportano immagini) risultano poco adatti. Con vibe coding è possibile generare un quiz illustrato, con feedback narrativo e lettura automatica delle domande, in pochi minuti.
Esempio dalla sessione.
Sul testo dei difetti del legno è stata generata, in diretta, un'app dal titolo "La magia del legno". Domanda di apertura: "Cosa sono i nodi del legno?" con tre opzioni e disegni generati al volo. La risposta corretta è accompagnata dall'immagine evocativa dell'"ombelichino" e dalla spiegazione sul punto di attacco del ramo al tronco. È stata poi aggiunta, in una seconda iterazione, la lettura immersiva con TTS.
4. Esempi e prompt-template¶
Vengono riportati di seguito i prompt-template più rappresentativi emersi durante la sessione. Ciascun template è stato ricostruito dalla trascrizione e può essere adattato cambiando le voci tra parentesi quadre.
Template 1 - Attività laboratoriale¶
"Usa il modello di progettazione didattica 'template per attività laboratoriale'. Agisci come esperto di didattica laboratoriale in [disciplina]. Configura durata, numero di partecipanti, materiali, spazi. Struttura il laboratorio in fase di trigger, motivazione, consegne operative, riflessione guidata. Livello: [classe]. Tema/titolo: [tema]. Metodologie: [IBL, PBL, ecc.]. Livello di abilità: [base/intermedio/avanzato]. Dopo aver creato l'attività, definisci anche le verifiche e le valutazioni."
Template 2 - Attività breve¶
"Comportati come un esperto in progettazione didattica. Costruisci un'attività breve con: titolo, livello educativo, obiettivi formativi in termini di abilità e competenze, attività e contenuti. Disciplina: [disciplina]. Tema: [tema]. Livello: [classe]. Life skill da integrare: [creatività, comunicazione, ecc.]. Suggerisci una metodologia coerente con il tema."
Template 3 - Scheda di sceneggiatura didattica¶
"Agisci come esperto di progettazione didattica. Genera una scheda di sceneggiatura didattica con la seguente struttura tabellare: sequenza di fasi, descrizione sintetica dell'attività, attività del docente, attività della classe, attività dei gruppi, asset/strumenti utilizzati. Tema: [tema]. Classe: [classe]. Composizione della classe: [presenza di BES/DSA, numero di studenti]."
Template 4 - Scheda DigComp per le STEM¶
"Comportati come progettista didattico esperto in curricolo digitale. Genera una scheda di progettazione STEM ancorata al DigComp. Disciplina: [tecnologia/educazione civica]. Classe: [classe]. Area DigComp: [navigare, ricercare e filtrare informazioni]. Livello: [base]. Tempistica: [N lezioni da un'ora]. Trova tu il tema e suggerisci anche verifiche e tecniche. Includi una situazione problema iniziale, il prodotto finale, i descrittori delle competenze."
Template 5 - Adattamento per BES/DSA in Notebook LM¶
Configurazione delle istruzioni ricorrenti della chat: "Utilizza un linguaggio semplice e adatto a bambini della [fascia d'età]. Rispondi in modo breve. Suddividi i contenuti in flussi brevi e numerati. Fornisci un piccolo glossario delle parole nuove. Fai esempi concreti."
Template 6 - Simulatore (Mollick)¶
"Voglio mettere in pratica la mia conoscenza di un concetto. Tu interpreterai il ruolo di [personaggio/autore], io interpreterò il ruolo dello studente. La mia fascia d'età è [primaria/secondaria di I grado]. Crea uno scenario in cui posso esercitarmi ad applicare questa conoscenza. Dovrei incontrare problemi, prendere una decisione conseguenziale. Dammi dilemmi durante lo scenario. Dopo quattro interazioni, presenta una scelta consequenziale che devo fare. Poi concludi dicendomi come ho seguito lo scenario."
Template 7 - Vibe coding (quiz con feedback)¶
"Costruisci un'app interattiva per un quiz su questo testo: [testo della fonte]. Il quiz deve dare un feedback immediato sulle risposte (esatte o sbagliate) e anche una spiegazione approfondita. Genera immagini per ogni domanda. Aggiungi la lettura immersiva (TTS) delle domande e delle risposte."
Template 8 - Modalità Canvas per intervento editoriale¶
Dopo aver generato la scheda, attivare la modalità Canvas dagli strumenti e scrivere: "apri la scheda in modalità Canvas". Sui singoli paragrafi sono disponibili tre azioni: suggerisci modifiche, modifica tono, modifica lunghezza. Per intervento mirato, selezionare la porzione di testo e digitare istruzioni specifiche del tipo: "fai degli esempi adatti a un alunno di prima primaria" oppure "semplifica l'attività mantenendo gli obiettivi".
5. Domande dal gruppo¶
Sono di seguito riportati, in forma anonimizzata e riformulata in prosa, gli scambi più significativi emersi nel laboratorio. Le risposte sono ricostruite a partire dagli interventi del formatore.
|
Domanda dal gruppo Lavoro su una scheda di progettazione e poi quel testo lo voglio modificare. Devo cancellare e riscrivere a mano oppure posso intervenire in altro modo? Risposta L'opzione consigliata è la modalità Canvas. Negli strumenti di Gemini si seleziona Canvas; il testo diventa editabile come un documento e sulla destra compaiono tre azioni: suggerisci modifiche, modifica tono, modifica lunghezza. Selezionando una porzione si possono dare istruzioni puntuali (semplificare un passaggio, estenderlo, aggiungere esempi). Solo al termine, dal pulsante di condivisione, si esporta in Documenti per la versione finale. |
|
Domanda dal gruppo Ho compilato il foglio del generatore solo nei campi essenziali - classe, titolo, materia - e ho lasciato tutto il resto come era. Da dove genero il prompt vero e proprio? Risposta Il prompt non si trova in un campo separato: viene composto automaticamente nella cella azzurra in alto. Si seleziona quella cella, si copia con tasto destro e si incolla nel sistema scelto (Gemini o ChatGPT). Lasciare invariati i campi non compilati è possibile, ma riduce la qualità dell'output: si consiglia di attivare almeno il flag dei suggerimenti per chiedere all'IA di completare i campi lasciati liberi. |
|
Domanda dal gruppo Dopo aver generato la scheda, come faccio a riprenderla in Notebook LM per trasformarla in mappa, infografica o presentazione? Risposta Prima si esporta la scheda dal Canvas come documento Google (Drive). Poi si apre Notebook LM, si crea un nuovo notebook e si caricano le fonti scegliendo "da Drive" e selezionando il documento appena salvato. A quel punto, dal pannello di destra, si possono generare mappa mentale, infografica e presentazione: ogni artefatto eredita lo stile e i contenuti della scheda di partenza. |
|
Domanda dal gruppo Avevo costruito un'infografica con Canvas, poi ho cliccato per generare un quiz e la prima è sparita. Come si recupera? Risposta Ogni nuova generazione in Canvas sovrascrive lo stato precedente nella sessione di chat. La regola operativa è: salvare ogni artefatto prima di chiederne uno nuovo (Condividi > Esporta in documenti). Risalendo nella chat è talvolta possibile ritrovare la versione precedente, ma non sempre il sistema la ripristina come Canvas attivo: il salvataggio sul Drive resta l'unica garanzia. |
|
Domanda dal gruppo Ho preparato dei quiz tipo Kahoot per la scuola primaria e funzionavano benissimo, ma mi chiedo: c'è una differenza tra quei quiz e quelli che genera Notebook LM? Risposta I quiz competitivi tipo Kahoot funzionano sulla logica del punteggio e della gamification: i bambini si divertono, ma la riflessione sull'errore è ridotta. I quiz generati da Notebook LM o tramite vibe coding aggiungono il feedback immediato con spiegazione e il rimando alla fonte: l'errore diventa occasione di approfondimento. Si possono usare entrambi in fasi diverse della stessa lezione: Kahoot per la motivazione iniziale, quiz formativo per la verifica di comprensione. |
|
Domanda dal gruppo Sto provando a costruire un chatbot per fare arrangiamenti musicali a partire da uno spartito XML. Ha senso? Quali strumenti usare? Risposta Il caso è coerente con l'idea di Gem (su Gemini) o GPT personalizzato (su ChatGPT): un agente conversazionale istruito a chiedere informazioni iniziali (strumenti disponibili, tonalità, livello degli alunni), elaborare il file caricato e restituire la partitura adattata. È stato segnalato anche l'uso di agenti più tecnici (tipo Codex di OpenAI) per chi è abituato a interagire con ambienti di scrittura di codice. In ogni caso vale la regola generale: ciò che l'agente produce va verificato dal docente prima dell'uso in aula. |
|
Domanda dal gruppo Non riesco a far comparire i suggerimenti di Canvas: ho cliccato 'suggerisci modifiche' ma non vedo nulla. Risposta I suggerimenti vengono evidenziati in arancione direttamente nel testo del Canvas, e l'elenco delle modifiche proposte compare nella colonna di sinistra scorrendo fino in fondo. Se non si vedono, può dipendere dalla lunghezza del testo o dal fatto che il sistema non ha individuato porzioni da migliorare. Conviene allora selezionare manualmente un paragrafo e chiedere modifiche puntuali (per esempio: "fai degli esempi adatti a una prima primaria"). |
|
Domanda dal gruppo Sto provando a far leggere ad alta voce le domande del quiz costruito con vibe coding, ma c'è un ritardo: il tempo che lo studente schiaccia il pulsante e aspetta l'audio, in classe diventa ingestibile. Risposta Un possibile miglioramento è chiedere al sistema di tenere l'audio in cache (caricato in anticipo all'apertura della pagina) anziché generarlo on demand a ogni clic. Si tratta di una funzionalità da richiedere esplicitamente in una successiva iterazione del prompt; va testata caso per caso, perché non tutti i modelli la implementano in modo stabile. |
6. Sintesi e punti di attenzione¶
Sintesi¶
Il modulo ha mostrato come l'integrazione consapevole dell'IA in didattica passi da una progettazione strutturata. Il punto di partenza è la chiarezza degli ingredienti: contesto, disciplina, classe, obiettivi, metodologia, tecniche, vincoli, output atteso. Su questa base si possono attivare framework diversi - DigComp, EAS, IBL/PBL, flipped classroom, ruoli di Mollick, UDL - combinandoli a seconda dell'attività. Il sistema di IA non sostituisce la progettazione: la supporta nella generazione di una bozza ricca e personalizzabile, che il docente modifica con la modalità Canvas e poi declina in più artefatti (mappa, infografica, presentazione, quiz, app) tramite Notebook LM o vibe coding.
Punti di attenzione¶
1. Controllare sempre l'output. I link generati possono non funzionare; i descrittori normativi possono essere obsoleti; possono comparire bias o pregiudizi. Nessun documento va portato in aula senza una revisione editoriale.
2. Dichiarare il contesto. Senza una definizione esplicita della fascia d'età, il modello produce contenuti potenzialmente inadatti (è accaduto nello scenario socratico costruito in diretta).
3. Salvare ogni artefatto. Le sessioni di chat sovrascrivono lo stato; conviene esportare in Documenti dopo ogni generazione e organizzare il Drive in modo coerente.
4. Personalizzare il foglio dati. La banca dati di metodologie, tecniche, life skill, aree DigComp va aggiornata con le voci che il singolo docente effettivamente padroneggia. La semantica della progettazione è del docente, non del sistema.
5. Distinguere sistemi aperti e chiusi. Gemini e ChatGPT sono sistemi aperti: utili per la generazione iniziale, ma più esposti ad allucinazioni. Notebook LM è di fatto un RAG: l'output è ancorato alle fonti caricate. La scelta va fatta in base allo scopo.
6. Progettare per ridondanza dei codici. Lo stesso contenuto in più formati (testo, mappa, infografica, audio, quiz) implementa concretamente il principio UDL dei molteplici mezzi di rappresentazione.
7. Spostare il focus sul processo, non sul prodotto. Una consegna che chiede di produrre un testo finito porta gli studenti alla delega totale; una consegna che chiede di analizzare un output dell'IA, riconoscerne limiti e bias, riscriverlo, produce apprendimento.
7. Glossario¶
Allucinazione. Produzione, da parte di un modello linguistico, di contenuti formalmente plausibili ma non corrispondenti al vero (link inesistenti, fatti inventati, citazioni inesatte).
Artefatto didattico. Materiale prodotto per la didattica (scheda, mappa, infografica, presentazione, quiz, app). In questa accezione include sia i materiali tradizionali sia gli artefatti digitali generati con IA.
Canvas (modalità di Gemini). Modalità di lavoro in cui il testo generato diventa editabile come un documento. Permette di intervenire su singoli paragrafi con tre azioni rapide: suggerisci modifiche, modifica tono, modifica lunghezza.
CLIL. Content and Language Integrated Learning: metodologia di insegnamento integrato di disciplina e lingua straniera.
Compito di realtà. Compito autentico, situato, che richiede di mobilitare competenze in un contesto vicino al mondo reale.
DigComp. Framework europeo delle competenze digitali per i cittadini. Versione di riferimento attuale 3.0; molti modelli di IA citano ancora la 2.2.
EAS - Episodi di Apprendimento Situato. Modello di Pier Cesare Rivoltella, articolato in fase anticipatoria, operatoria e ristrutturativa.
Flipped classroom. Modello in cui la fruizione dei contenuti avviene a casa e l'aula è dedicata all'elaborazione attiva.
Gamification. Uso di elementi ludici (punti, livelli, sfide) in contesti non ludici, compresa la didattica.
Gem. Configurazione personalizzata di Gemini, salvata con istruzioni iniziali e fonti, riutilizzabile come chatbot dedicato.
IBL - Inquiry-Based Learning. Metodologia centrata sull'investigazione guidata da una domanda-stimolo.
Jigsaw puzzle. Tecnica di apprendimento cooperativo in cui ogni studente è esperto di una parte e contribuisce al puzzle complessivo del gruppo.
LLM - Large Language Model. Modello linguistico di grandi dimensioni. È la tipologia di IA generativa alla base di Gemini, ChatGPT, Claude e Copilot.
Mappa mentale. Rappresentazione grafica radiale di un concetto e dei suoi rami. Generabile automaticamente da Notebook LM a partire dalle fonti.
Metaprompt. Prompt che chiede al sistema di costruire a sua volta un prompt: utilizzato per generare richieste complesse partendo da un'intenzione di alto livello.
Modello di Mollick (cinque ruoli). Tutor, coach, mentore, compagno di squadra, simulatore. Schema di riferimento per orientare l'uso dell'IA in apprendimento.
Notebook LM. Strumento Google che opera in logica RAG: la chat lavora esclusivamente sulle fonti caricate dall'utente.
One-shot prompting. Tecnica in cui si formula una richiesta unica, ben strutturata, e si accetta il primo output (senza iterazioni).
PBL - Project-Based Learning. Metodologia centrata sulla realizzazione di un prodotto/progetto come ambiente di apprendimento.
Prompt. Istruzione testuale che l'utente fornisce al sistema di IA. La qualità del prompt è determinante per la qualità dell'output.
RAG - Retrieval-Augmented Generation. Architettura in cui il modello linguistico recupera informazioni da un insieme chiuso di fonti prima di generare la risposta.
Scheda di sceneggiatura didattica. Modello di scheda strutturato per sequenze di attività con colonne per docente, classe, gruppi, asset. Utilizzato in alcune reti scolastiche per la progettazione curricolare.
Storyboarding. Tecnica narrativa che articola un percorso in scene/vignette.
TTS - Text-To-Speech. Sintesi vocale che trasforma il testo scritto in audio. Componente chiave per l'accessibilità.
UDL - Universal Design for Learning. Quadro di principi per la progettazione di materiali accessibili a tutti gli studenti.
Vibe coding. Pratica di descrivere a parole un'applicazione interattiva a un sistema di IA, che genera il codice eseguibile. Non richiede competenze di programmazione.
5W e una H. Tecnica di analisi basata sulle domande Who, What, Where, When, Why, How.
Sei cappelli per pensare. Tecnica di Edward de Bono per esplorare un problema da sei prospettive diverse.
Metodo Cornell. Tecnica di presa appunti articolata in tre aree: appunti, parole chiave, sintesi.
8. Per approfondire¶
Le indicazioni che seguono ripercorrono gli strumenti e i riferimenti effettivamente citati durante la sessione, e che il docente è invitato a esplorare in autonomia.
1. Generatore di prompt (foglio Google condiviso dal formatore): da duplicare nel proprio Drive e personalizzare nelle tabelle dati. La logica di compilazione resta valida anche se cambiano le voci.
2. Notebook LM (https://notebooklm.google.com): caricare le proprie fonti disciplinari e configurare le istruzioni della chat per ottenere mappe, infografiche, presentazioni e quiz coerenti con i propri testi.
3. Gemini (https://gemini.google.com): per la generazione aperta, la modalità Canvas e la creazione di Gem personalizzate; attivare la condivisione delle Gem per il riuso fra colleghi.
4. Canva (Education): integrazione disponibile per le scuole, utile per la generazione di infografiche e materiali visuali in alternativa a Notebook LM.
5. Ethan Mollick, ricercatore alla Wharton School: per il framework dei cinque ruoli dell'IA (tutor, coach, mentore, compagno di squadra, simulatore) e per la pratica del vibe coding applicato all'apprendimento.
6. DigComp 3.0 (Joint Research Centre della Commissione Europea): documento di riferimento aggiornato sulle competenze digitali.
7. Pier Cesare Rivoltella, Gli Episodi di Apprendimento Situato (EAS): modello pedagogico richiamato nel generatore come uno dei possibili template di progettazione.
8. Protocollo di valutazione dell'output IA (sperimentazione in corso): documento interno in via di sperimentazione che articola la verifica su quattro parametri (allucinazioni, adeguatezza, etica, bias). Sarà oggetto di approfondimento nel prossimo corso.
La dispensa documenta i contenuti della sessione di lavoro. È pensata come supporto alla riflessione personale e all'applicazione in classe: gli esempi e i prompt-template vanno adattati alla propria disciplina, alla propria classe e ai propri studenti.
Approfondisci nel Wiki IA a scuola¶
Pagine collegate del wiki
Verificare · Quiz¶
Il quiz è in una pagina separata per evitare che si possa cercare la risposta nella dispensa (Ctrl+F).
Soglia di superamento: 60% di risposte corrette. Puoi riprovare se non passi al primo tentativo.
Ripassare · Flashcard¶
Clicca sulla carta per scoprire la definizione. Usa le frecce per scorrere.
Scaricare · Risorse¶
Approfondisci nel Wiki IA a scuola