Please enable JavaScript.
Coggle requires JavaScript to display documents.
35 - Intelligenza Artificiale e apprendimento: chatbot e tutor virtuali…
35 - Intelligenza Artificiale e apprendimento: chatbot e tutor virtuali nell\ educazione
Tecnologie conversazionali: definizioni e principi di funzionamento
Introduzione: chatbot e tutor virtuali nell'educazione
Le tecnologie conversazionali nell'apprendimento digitale
Stanno assumendo un ruolo crescente nella progettazione di ambienti educativi evoluti
Tra queste, chatbot e tutor virtuali emergono come strumenti innovativi per l'accompagnamento, il tutoraggio e la personalizzazione dei percorsi formativi
In particolare nell'ambito della Formazione Continua per adulti
Le questioni aperte dalla loro integrazione
Pone interrogativi rilevanti sul piano pedagogico, relazionale ed etico
Per questo la lezione analizza tali strumenti non solo nella dimensione tecnologica
Ma come oggetti formativi da progettare, utilizzare e valutare con consapevolezza critica
Obiettivo della lezione
Favorire una lettura pedagogica dell'intelligenza artificiale
Che valorizzi il ruolo insostituibile del formatore e la centralità del soggetto in apprendimento
Breve storia dell'Intelligenza Artificiale (Fonte: Mazzon, 2023)
Anni '50: primi progetti di ricerca sull'intelligenza artificiale, termine coniato per la prima volta da John McCarthy
Anni '60: il programma Logic Theorist è riconosciuto come il primo programma di intelligenza artificiale della storia
Anni '80-'90: i sistemi esperti rivitalizzano la ricerca sull'AI, che aveva conosciuto un momento di arresto a causa degli scarsi risultati
2000-2010: arrivano i prodotti di riconoscimento vocale, virtual assistant e altre applicazioni, con sviluppo della robotica
2020 in poi: OpenAI lancia GPT-3, un modello che utilizza il Deep Learning per creare codice, poesie e altre attività di linguaggio e scrittura simili a quelle umane
Tecnologie conversazionali: definizioni e principi di funzionamento
Cosa sono le tecnologie conversazionali
Sistemi informatici progettati per simulare una conversazione umana, tramite modalità linguistiche scritte o orali
Lo scopo è offrire supporto, guida o informazione in tempo reale
Si basano su modelli di intelligenza artificiale, in particolare architetture di natural language processing (NLP) e machine learning (Russell & Norvig, 2021)
Consentono di riconoscere, interpretare e produrre linguaggio naturale, rendendo possibile un'interazione fluida e sempre più sofisticata tra uomo e macchina
Il chatbot
Abbreviazione di "chat robot": applicazione che utilizza algoritmi e basi di conoscenza per rispondere a domande, eseguire compiti o guidare gli utenti attraverso procedure predefinite
Può essere rule-based (basato su regole fisse) oppure AI-based (basato su IA)
I chatbot rule-based si limitano a riconoscere input specifici e a fornire risposte standardizzate
Quelli AI-based apprendono nel tempo grazie all'analisi del linguaggio, adattando progressivamente le risposte al profilo dell'utente e al contesto d'uso (Jurafsky & Martin, 2021; Shawar & Atwell, 2007)
Il tutor virtuale
Sistema digitale che integra capacità conversazionali con funzionalità di tutoraggio
Offre supporto più articolato e personalizzato nei processi di apprendimento
A differenza dei chatbot generalisti, è progettato specificamente per i contesti educativi
Può assumere il ruolo di guida nell'organizzazione dello studio, nella selezione dei contenuti, nella motivazione e nel monitoraggio delle prestazioni
È spesso integrato in piattaforme di e-learning, dove funge da mediatore tra contenuto, studente e docente
Come funzionano queste tecnologie
Natural Language Understanding (NLU) (Fryer & Carpenter, 2006): permette al sistema di comprendere il significato degli input ricevuti, anche in linguaggio non standard
Intent recognition: il sistema individua l'obiettivo sottostante alla richiesta dell'utente, formulando una risposta coerente e pertinente
Dialogue management: mantiene la coerenza della conversazione, aggiornando costantemente il contesto e adattando il flusso comunicativo all'evolversi dell'interazione
La base dati può essere costruita in modo statico (risposte predefinite) o dinamico (con aggiornamenti e arricchimenti continui)
Spesso attraverso reti neurali artificiali e modelli linguistici generativi come i modelli GPT (Generative Pre-trained Transformer)
Una riflessione pedagogica necessaria (Pereira et al., 2021)
Le tecnologie conversazionali possono ampliare le opportunità di apprendimento
Offrendo disponibilità 24/7, accessibilità personalizzata e maggiore autonomia nello studio
Ma impongono anche una rinnovata responsabilità progettuale da parte degli educatori
Non si tratta di delegare la funzione educativa a una macchina, ma di integrare questi strumenti in una cornice intenzionale e riflessiva (Smutny & Schreiberova, 2020)
Aspetti psicologici dell'interazione
È fondamentale interrogarsi su come l'interazione con un chatbot venga percepita dall'adulto in apprendimento
La qualità dell'interazione (empatia simulata, tempestività, coerenza, accuratezza) incide fortemente sull'engagement e sulla motivazione
L'efficacia delle tecnologie conversazionali è legata alla percezione di utilità e alla credibilità dell'agente virtuale (Niu et al., 2024)
Oltre che alla sua capacità di rispettare i tempi cognitivi ed emotivi del discente
La visione implicita dell'apprendimento incorporata nel chatbot
Nonostante l'apparente "neutralità" tecnologica, ogni chatbot porta con sé una visione implicita dell'apprendimento
Un chatbot costruito per fornire solo risposte corrette trasmette un'idea nozionistica e trasmissiva della conoscenza
Un tutor progettato per porre domande, stimolare riflessione e suggerire fonti alternative promuove invece un approccio critico e partecipativo
Per questo è importante il coinvolgimento consapevole dei formatori nella fase di progettazione
La necessità di una riflessione etica
La raccolta e l'elaborazione di dati personali da parte dei chatbot, la trasparenza degli algoritmi, il rischio di dipendenza o di deumanizzazione del rapporto educativo sono nodi critici
Da qui la necessità di formare gli educatori non solo sul piano tecnico ma anche su quello etico e relazionale
Affinché siano in grado di abitare consapevolmente gli ambienti digitali e garantire esperienze formative autenticamente umane
Tutor virtuali: scenari d'uso e grado di interattività formativa
Tutor virtuali: scenari d'uso e grado di interattività formativa
I tutor virtuali come frontiera dell'innovazione didattica
A differenza dei chatbot, che generalmente rispondono a domande puntuali o guidano lungo percorsi predefiniti
I tutor virtuali integrano una gamma più ampia di funzionalità formative, combinando tutoring, mentoring e facilitazione personalizzata
Sono progettati per simulare il ruolo del tutor umano, ma in modalità automatizzata mediata da interfacce digitali (Van Lehn, 2011)
Perché nascono i tutor virtuali
La crescente diffusione della formazione online e delle piattaforme di e-learning ha sollecitato la ricerca di dispositivi capaci di garantire presenza, orientamento e supporto anche in assenza del docente
I tutor virtuali rispondono a questa esigenza agendo come interfacce intelligenti in grado di seguire il discente nel tempo
Monitorano i progressi, propongono contenuti adeguati al livello raggiunto e talvolta personalizzano lo stile comunicativo (Van Lehn, 2011)
Principali scenari d'uso
Ambito accademico: università telematiche, MOOC, corsi post-laurea
Ambito aziendale: formazione professionale, onboarding, aggiornamento continuo
Contesti informali: apprendimento linguistico, preparazione a test e certificazioni, sviluppo di soft skills
Nei setting formativi strutturati sono integrati nei Learning Management Systems (LMS)
Interagiscono con bacheche, calendari, ambienti collaborativi e archivi personalizzati
La loro funzione è duplice: pedagogica (supporto all'apprendimento) e logistica (gestione di tempi, scadenze e risorse)
Il grado di interattività
I modelli più semplici seguono percorsi lineari, suggerendo materiali e fornendo feedback standardizzati
I sistemi più avanzati analizzano in tempo reale le risposte dell'utente, pongono domande riflessive, generano nuovi contenuti sulla base dell'interazione
E in alcuni casi simulano empatia attraverso linguaggio motivante, rinforzi positivi e strategie di regolazione emotiva
La qualità dell'interattività dipende dal motore semantico del tutor, ma soprattutto dalla filosofia educativa con cui è stato progettato (Holmes et al., 2019)
Gli Intelligent Tutoring Systems (ITS)
Esempio efficace di tutor virtuale con alta interattività
Non solo rispondono, ma diagnosticano le difficoltà cognitive dello studente, proponendo itinerari di apprendimento alternativi
Si basano su modelli cognitivi, mappe concettuali, algoritmi predittivi e, in alcuni casi, reti neurali
Assumono un ruolo proattivo nella costruzione del percorso formativo, avvicinandosi alla funzione svolta da un tutor umano esperto
La personalizzazione come tratto distintivo
Non riguarda solo l'adattamento dei contenuti, ma anche l'accompagnamento del processo di apprendimento
Modula ritmo, motivazione, stile cognitivo, capacità di autoregolazione
Il tutor può fungere da mediatore metacognitivo, stimolando lo studente a riflettere sulle proprie strategie e a riformulare gli obiettivi (Holmes et al., 2019)
Questa funzione è particolarmente rilevante negli adulti, dove esperienza, storia formativa ed emozioni incidono profondamente sulla capacità di apprendere
La qualità della relazione formativa
L'efficacia del tutor virtuale non si misura solo in termini di prestazione tecnica
Nonostante la natura automatizzata, può promuovere un senso di presenza, coinvolgimento e responsabilità
A condizione che il suo design integri dialogicità, riconoscimento e interazione significativa
I tutor virtuali sono più efficaci quando co-progettati con gli educatori e percepiti come alleati, non come sostituti (Luckin et al., 2016)
Il rapporto tra tutor virtuale e autonomia del discente
Se ben calibrato, il tutor può favorire l'auto-direzione e il senso di autoefficacia
Se mal progettato, può invece indurre dipendenza, delega cognitiva o saturazione informativa
Per questo l'introduzione di tali strumenti va sempre accompagnata da momenti di formazione e consapevolezza critica (Kulik & Fletcher, 2016)
Questioni etiche e professionali
L'adozione di tutor virtuali solleva interrogativi circa la responsabilità educativa, la trasparenza algoritmica e la protezione dei dati personali
È fondamentale che tali strumenti operino all'interno di un quadro regolativo chiaro
Che preveda il rispetto della dignità del discente e la tutela della relazione educativa come spazio umano, non riducibile a mere procedure
Sintesi
I tutor virtuali rappresentano un'opportunità preziosa per sostenere l'apprendimento degli adulti nei contesti digitali
A patto che vengano pensati come risorse pedagogiche intenzionali, capaci di arricchire e non impoverire l'esperienza formativa
Il loro valore non risiede tanto nella tecnologia in sé, quanto nella qualità della progettazione educativa che li integra
Chatbot come supporto all'apprendimento autonomo e continuo
Chatbot come supporto all'apprendimento autonomo e continuo
L'apprendimento in età adulta è per natura autodiretto
Flessibile e orientato a obiettivi specifici e contestualizzati
I chatbot educativi si configurano come strumenti promettenti per sostenere questo tipo di apprendimento continuo e autonomo
Non per sostituire l'intervento umano, ma per potenziarlo, offrendo canali aggiuntivi per l'accesso alla conoscenza
Disponibilità costante (Van Lehn, 2011)
I chatbot sono attivi 24 ore su 24, sette giorni su sette
Possono rispondere in tempo reale a dubbi, fornire chiarimenti, proporre risorse aggiuntive o esercizi
Questo è particolarmente rilevante nei percorsi asincroni, dove lo studente adulto interagisce con i contenuti secondo le proprie esigenze familiari, lavorative e cognitive
Il chatbot come agente metacognitivo (Holmes et al., 2019)
Aiuta il discente a monitorare il proprio progresso, riformulare obiettivi, riflettere sui propri errori e consolidare strategie efficaci
Se programmato correttamente non si limita a rispondere, ma stimola l'elaborazione attiva e rinforza la motivazione
Grazie al meccanismo del prompting dialogico
In questo senso diventa un facilitatore della self-regulated learning
Modulazione dei contenuti (Kulik & Fletcher, 2016)
I chatbot possono adattare linguaggio, quantità di informazioni e complessità degli esercizi in base al livello dello studente
Questo processo, noto come adaptive learning, calibra l'intervento educativo in modo progressivo
Evita sia la frustrazione data da contenuti troppo difficili, sia la noia legata a materiali troppo semplici
Possono anche suggerire risorse ulteriori, fungendo da nodi di orientamento nel percorso
Il linguaggio motivazionale
I chatbot possono essere programmati per incoraggiare, rinforzare i progressi, validare le risposte corrette, normalizzare gli errori e stimolare la perseveranza
Questa funzione è particolarmente utile per chi ha vissuto esperienze educative fallimentari o presenta bassi livelli di autoefficacia
Attraverso formule empatiche e rinforzanti, può contribuire al recupero della fiducia
Un ambiente percepito come meno minaccioso (Holmes et al., 2019)
L'interazione con un chatbot può essere percepita come meno minacciosa rispetto alla comunicazione con un docente o un pari
Il chatbot garantisce un ambiente non giudicante, dove l'errore non è esposto pubblicamente
Questa dinamica è coerente con un modello di apprendimento centrato sulla sicurezza psicologica (Amy Edmondson, 2018)
Considerata un prerequisito fondamentale per l'engagement e la partecipazione attiva
Il limite del design educativo
L'efficacia del chatbot dipende strettamente dalla qualità del design educativo che lo sostiene
Un chatbot "vuoto", costruito senza una chiara visione pedagogica, rischia di ridurre l'esperienza formativa a un quiz ripetitivo
Un chatbot progettato in modo riflessivo può invece offrire un'interazione significativa, stimolare la curiosità epistemica e sostenere una postura attiva del discente
La questione della multimodalità
I chatbot possono essere integrati con video, infografiche, audio-narrazioni e ambienti immersivi
Favoriscono così un apprendimento multisensoriale
Si inseriscono in ecosistemi educativi ricchi, capaci di stimolare la costruzione attiva di significati e promuovere una didattica centrata sull'interazione
Limiti strutturali e cognitivi
Se il chatbot non è sufficientemente sofisticato, può fornire risposte ambigue, fuorvianti o inappropriate, generando confusione o sfiducia
Non è in grado di sostituire l'ascolto profondo, la mediazione culturale e l'intelligenza emotiva di un formatore umano
Per questo l'uso educativo dei chatbot va sempre collocato all'interno di progetti formativi integrati
Dove la componente automatizzata è complementare, e mai sostitutiva, della relazione educativa
Sintesi
I chatbot possono rappresentare un valido supporto all'apprendimento continuo solo se progettati con attenzione alle dimensioni pedagogiche, relazionali ed etiche
Richiedono una regia formativa consapevole, capace di valorizzarne le potenzialità senza trascurarne le criticità
L'educatore resta il regista dell'esperienza, mentre il chatbot può agire come copilota nell'esplorazione del sapere
Relazione educativa mediata da strumenti automatici
Relazione educativa mediata da strumenti automatici
Il tema centrale nel dibattito sulla digitalizzazione della formazione
Se da un lato chatbot e tutor virtuali ampliano l'accesso all'apprendimento
Dall'altro pongono interrogativi profondi sul significato stesso della relazione formativa
Che nella tradizione pedagogica è intesa come incontro umano, presenza viva, riconoscimento reciproco
La relazione come elemento costitutivo dell'apprendere (Edwards et al., 2019)
La relazione non è solo un mezzo per trasmettere contenuti, ma è costitutiva dell'apprendere stesso
Genera fiducia, attiva la motivazione, costruisce senso
La relazionalità è ciò che consente al discente di sentirsi visto, ascoltato, accompagnato
Per questo l'introduzione di strumenti automatici richiede una riflessione critica sul valore pedagogico della relazione
Cosa accade nella Formazione Continua per adulti
Spesso svolta in modalità asincrona, ibrida o a distanza
Gli strumenti automatici come chatbot e tutor virtuali svolgono una funzione sostitutiva o complementare rispetto al formatore
Ma ciò che si genera non è una relazione nel senso pieno del termine, bensì una relazione simulata
Fondata su script, algoritmi e intelligenze artificiali progettate per produrre risposte verosimilmente dialogiche
L'aspetto emotivo, empatico e simbolico tipico della relazione educativa umana tende a essere attenuato o assente
Relazione educativa autentica e relazione simulata (Knox et al., 2020)
Nella relazione autentica il formatore si espone, si lascia toccare dall'altro, modula il proprio intervento in base a segnali verbali e non verbali
Rinegozia i significati in tempo reale
Nella relazione simulata il dispositivo risponde secondo una logica predefinita, eventualmente adattiva, ma sempre vincolata alla struttura del codice
La relazione simulata può essere efficace per fornire supporto informativo, orientamento e rinforzo
Ma non può sostituire l'intenzionalità pedagogica che nasce dal contatto umano
Verso la relazione aumentata
Ciò non implica un rifiuto aprioristico della tecnologia
È necessario interrogarsi su come costruire ambienti digitali in cui la relazione, pur mediata, conservi una dimensione etica e formativa
Si stanno sviluppando approcci orientati alla relazione aumentata, in cui strumenti automatici e presenza umana si integrano
Il tutor virtuale può svolgere una funzione di primo orientamento, mentre il formatore umano approfondisce, chiarisce e accoglie l'emotività
Il limite della personalizzazione relazionale (Selwyn et al., 2021)
I sistemi di intelligenza artificiale possono essere programmati per riconoscere pattern comportamentali, rilevare segnali di difficoltà, modulare il tono del linguaggio
Ma resta aperta la questione dell'autenticità: quanto di questa personalizzazione è reale, e quanto è una replica algoritmica di scelte predeterminate?
Il rischio è una relazione standardizzata che, pur apparendo empatica, non coglie la complessità e l'unicità della persona in formazione
Il nodo della responsabilità educativa
In un contesto in cui la relazione è mediata da un algoritmo, a chi spetta la responsabilità dell'accompagnamento formativo?
Se il formatore abdica al proprio ruolo, delegando troppo alla tecnologia, si rischia una desertificazione relazionale
In cui il sapere è frammentato e il soggetto apprendente è trattato come semplice utente
Da qui il concetto di mediazione educativa consapevole (Selwyn et al., 2021)
Intesa come capacità del formatore di presidiare il confine tra ciò che è demandabile alla tecnologia e ciò che resta specificamente umano
Una visione dialogica anche nei contesti mediatizzati
È essenziale progettare esperienze in cui il discente sia riconosciuto non come destinatario passivo, ma come co-autore del processo di apprendimento
Anche in ambienti digitali, la relazione educativa può essere costruita attraverso scelte progettuali attente
Interazioni sincrone con il formatore, feedback personalizzati, spazi di riflessione condivisa, momenti di ascolto e co-costruzione del sapere
Sintesi
La relazione educativa mediata da strumenti automatici rappresenta una sfida pedagogica e culturale di grande rilevanza
Chiede al formatore di sviluppare competenze digitali critiche, ma anche una forte consapevolezza relazionale
Solo così sarà possibile abitare lo spazio digitale senza rinunciare alla qualità educativa della relazione
Progettare chatbot educativi: limiti, potenzialità e criteri etici
Progettare chatbot educativi: limiti, potenzialità e criteri etici
Una riflessione che va oltre gli aspetti tecnici
La progettazione di chatbot educativi deve abbracciare anche le dimensioni pedagogiche, relazionali ed etiche
Diventa fondamentale porsi alcune domande
Quali finalità formativo-educative vogliamo affidare ai chatbot?
Quali tipi di relazione e di apprendimento possono realmente favorire?
Come tutelare la dignità, l'autonomia e la privacy dei discenti?
Le potenzialità dei chatbot educativi
Forniscono un supporto continuo, accessibile e scalabile
Possono rispondere a domande frequenti, orientare i percorsi, proporre attività su misura e fornire feedback immediato
Nei contesti della formazione continua, dove adulti con background differenti accedono a corsi a distanza in momenti diversi
Queste funzioni permettono un'assistenza personalizzata e flessibile
Possono contribuire alla motivazione intrinseca, stimolando la curiosità e alleggerendo il carico cognitivo legato all'organizzazione del percorso
Applicazioni promettenti
Integrazione del chatbot in percorsi di apprendimento autoregolato
Lo studente riceve suggerimenti personalizzati, monitoraggio del progresso e stimoli metacognitivi
Alcuni chatbot simulano una presenza dialogica empatica
Modulano il tono comunicativo, rinforzano i successi, suggeriscono strategie in caso di difficoltà
In questo senso il chatbot può funzionare come scaffold cognitivo ed emotivo, accompagnando il discente nei momenti critici
Limiti significativi
I chatbot attuali sono ancora lontani dal poter sostituire l'intenzionalità educativa e la complessità relazionale di un formatore umano
L'interazione resta guidata da modelli predittivi e script programmati
Che non possono interpretare in profondità il contesto emotivo, culturale e personale dell'utente
La comprensione semantica è spesso superficiale: i chatbot riconoscono parole e frasi, ma non necessariamente i significati o le sfumature implicite
Questo può generare fraintendimenti, risposte incongruenti o comunicazioni poco rilevanti
Il rischio di standardizzazione dei percorsi formativi
Se il chatbot diventa il mediatore principale tra il discente e il sapere
Può inavvertitamente orientare l'apprendimento verso modelli prescrittivi, riducendo la varietà e la ricchezza dell'esperienza formativa
Questo è particolarmente critico nella formazione degli adulti, dove il valore dell'esperienza soggettiva e del dialogo educativo è centrale
L'interazione con il chatbot può anche indurre una riduzione dell'interazione tra pari, elemento essenziale per la costruzione del significato nei contesti collaborativi
Una cornice etica esplicita necessaria
Trasparenza: lo studente deve essere pienamente consapevole di interagire con un'intelligenza artificiale, conoscendone funzioni, limiti e scopi
Tutela dei dati: le informazioni raccolte vanno trattate in conformità alle normative sulla privacy
Con attenzione pedagogica, evitando che gli studenti si sentano monitorati o manipolati
Rispetto della soggettività: il chatbot non deve ridurre l'identità del discente a un profilo algoritmico
Deve invece riconoscere e valorizzare l'unicità del percorso di apprendimento, stimolando autodeterminazione, riflessione critica e libertà di scelta
Il chatbot come alleato, non come sostituto
La sua funzione è di estendere, facilitare, sostenere, ma non di esautorare la mediazione educativa
Il formatore resta la figura centrale nella progettazione dell'esperienza formativa
È lui a decidere come, quando e per quali obiettivi usare il chatbot, garantendo coerenza con la visione pedagogica
Solo in questa sinergia può emergere un uso trasformativo della tecnologia, in cui l'intelligenza artificiale è al servizio dell'intelligenza educativa
Sintesi
Progettare chatbot educativi richiede una competenza multidisciplinare: pedagogica, tecnologica, relazionale ed etica
È necessario immaginare dispositivi non solo efficaci, ma anche sostenibili e umanizzanti
Ciò che conta non è tanto la tecnologia in sé, quanto l'uso che se ne fa: consapevole, intenzionale e ancorato a una visione dell'apprendimento come esperienza umana complessa e trasformativa