IA a scuola, perché i docenti aiutano sempre gli stessi studenti

AGI - Anche con l’uso dell’IA a scuola, le dinamiche tradizionali in classe cambiano poco: gli insegnanti tendono ad aiutare sempre gli stessi studenti, invece di distribuire in modo equo la loro attenzione.

È quanto emerge da uno studio della North Carolina State University, guidato dalla ricercatrice Qiao Jin, che ha analizzato l’utilizzo dei sistemi di tutoraggio intelligente (ITS) nelle lezioni di matematica.

Che cosa sono i tutor intelligenti

Gli ITS sono software basati su IA in grado di monitorare le prestazioni degli studenti e fornire suggerimenti personalizzati in tempo reale, segnalando difficoltà o cali di attenzione.

Ma il ruolo dell’insegnante resta centrale nel decidere quando e chi aiutare. «Gli strumenti basati sull’IA sono sempre più diffusi, ma i docenti svolgono ancora una funzione fondamentale», spiega Jin.

Come i docenti scelgono chi seguire

La ricerca si è svolta in due fasi. Nella prima, i ricercatori hanno intervistato nove insegnanti di matematica della scuola media che utilizzano sistemi ITS.

Dalle interviste emerge una consapevolezza diffusa: seguire ogni studente individualmente sarebbe ideale, ma è difficile nelle condizioni reali di classe. «Non è realistico riuscire a dedicare tempo a tutti», ammette Jin.

Le decisioni dipendono da vari fattori, tra cui il comportamento passato dello studente e il suo livello di coinvolgimento.

I segnali inviati dall’IA

I sistemi ITS segnalano situazioni di “struggle”, quando uno studente fornisce molte risposte errate, o di “idle”, quando smette di interagire con il programma.

Questi indicatori influenzano le scelte degli insegnanti, ma non determinano automaticamente chi riceverà aiuto.

L’analisi di 1,4 milioni di interazioni

Nella seconda fase, il team ha analizzato oltre 1,4 milioni di interazioni tra studenti e sistemi ITS, riferite a 339 studenti in 14 classi di scuole medie e superiori di 10 istituti statunitensi, nell’anno scolastico 2022-2023.

I dati, visibili anche agli insegnanti tramite dashboard digitali, hanno permesso di osservare i comportamenti reali in classe.

L’effetto dell’“aiuto ricorrente”

I risultati mostrano un chiaro effetto di “aiuto ricorrente”: i docenti tendono a tornare sugli stessi studenti già aiutati in precedenza.

«Se un insegnante ha aiutato uno studente una volta, è più probabile che lo aiuti di nuovo, anche tenendo conto del livello di coinvolgimento», spiega Jin.

Equità e percezioni individuali

Secondo i ricercatori, questo comportamento riflette una combinazione di abitudini, percezioni personali di equità e valutazioni soggettive dei bisogni degli studenti.

«Gli insegnanti hanno una propria idea di equità, costruita attraverso formazione ed esperienza», osserva Jin.

Come migliorare l’uso dell’IA a scuola

Lo studio suggerisce di potenziare le tecnologie educative con strumenti capaci di aiutare i docenti a monitorare la distribuzione del loro tempo tra gli studenti.

Dashboard più avanzate potrebbero segnalare automaticamente eventuali squilibri, favorendo un’attenzione più equa in classe.

Verso una didattica più inclusiva

«Gli insegnanti svolgono un lavoro complesso e sviluppare strumenti migliori per supportarli è fondamentale», conclude Jin.

I risultati dello studio potrebbero contribuire allo sviluppo di nuove soluzioni educative capaci di integrare intelligenza artificiale e didattica inclusiva in modo più efficace.