Negli ultimi tre anni, l’uso dell’intelligenza artificiale generativa tra gli studenti delle scuole secondarie cinesi è passato da quasi zero a circa l’80%. Un salto epocale che ha trasformato radicalmente il modo di fare i compiti a casa. Ma a quale prezzo?
Uno studio appena pubblicato da David Strömberg, Victor Lei e Yanhui Wu, basato su 30 mesi di dati di 26.811 studenti cinesi dalla prima media all’ultimo anno di superiori, offre una risposta chiara e inquietante: l’IA rende i compiti più veloci e i voti dei compiti più alti, ma riduce in modo drastico ciò che gli studenti imparano realmente.
I numeri parlano chiaro. Dopo sei mesi di utilizzo dell’IA generativa, i voti dei compiti a casa aumentano del 18%, mentre il tempo necessario per completarli crolla del 30%, passando da 64 a 45 minuti. Nello stesso periodo, però, i voti negli esami in classe senza libri crollano del 20%, equivalenti a 1,4 deviazioni standard. Un effetto devastante.
Più veloci, ma più vuoti
Il dato più sorprendente riguarda la dinamica temporale. L’effetto negativo sull’apprendimento non è immediato, ma si manifesta gradualmente nell’arco di sei mesi. Questo spiega perché i brevi esperimenti randomizzati condotti finora hanno sottostimato il costo reale dell’IA sull’apprendimento: gli studenti hanno bisogno di tempo per imparare a usare efficacemente l’IA per evitare lo sforzo cognitivo.
Ma il vero dramma emerge quando si guarda agli esami di Stato, quelli che determinano l’ammissione alle scuole superiori e all’università. Per gli studenti che hanno utilizzato l’IA per due anni o più, i punteggi crollano del 24% per l’esame di accesso alle superiori (Zhongkao) e del 18% per quello universitario (Gaokao). E questi effetti, a differenza di quelli sugli esami mensili, richiedono due anni per manifestarsi pienamente.
Perché? Perché gli esami di Stato coprono materiale accumulato nel tempo. Chi ha iniziato a usare l’IA solo pochi mesi prima dell’esame ha compromesso solo l’apprendimento recente. Ma chi l’ha usata per anni ha minato progressivamente le fondamenta stesse della propria preparazione.
La frattura tra due modi di usare l’IA
La ricerca identifica due comportamenti radicalmente diversi tra gli studenti che usano l’IA. L’81% degli utilizzatori rientra nella categoria che i ricercatori definiscono di “outsourcing dei compiti”: studenti che completano i compiti in un tempo inferiore a quello dei più veloci tra i non-utenti, ricevono voti altissimi (coerenti con le capacità dell’IA generativa) ma poi ottengono punteggi miserabili negli esami chiusi. Questi studenti non stanno imparando. Stanno delegando.
Esiste però un altro gruppo, quello che i ricercatori chiamano “non-outsourcing”. Sono studenti che, pur utilizzando l’IA, impiegano lo stesso tempo dei non-utenti per completare i compiti. Questi studenti ottengono voti nei compiti più alti e, cosa cruciale, mantengono lo stesso rendimento negli esami. L’IA, per loro, non riduce l’efficienza dell’apprendimento.
Il problema è che dopo cinque mesi di utilizzo, nessuno studente nella categoria “non-outsourcing” è rimasto. Tutti hanno imparato a usare l’IA per tagliare i tempi. L’IA, in altre parole, sembra progressivamente erodere la capacità di impegnarsi nello studio approfondito.
Materie, genere e livello: chi perde di più
L’impatto dell’IA sull’apprendimento non è uniforme. Le materie umanistiche e sociali subiscono i danni maggiori, con una riduzione media del 27% nei voti. Seguono le materie STEM (-22%) e poi le lingue: inglese (-17%) e cinese (-9%). Un risultato che sfida le aspettative, dato che la maggior parte degli studi sperimentali si è concentrata su matematica e programmazione.
Anche le caratteristiche degli studenti fanno la differenza. Gli studenti delle medie inferiori soffrono più di quelli delle superiori. I ragazzi, che usano l’IA con maggiore intensità, perdono più terreno delle ragazze (effetto maggiore del 17%). Ma il dato più controintuitivo riguarda il livello di preparazione iniziale: gli studenti con i voti più alti all’inizio del periodo di studio sono quelli che subiscono le perdite maggiori, con un divario del 50% tra il terzile più alto e quello più basso. L’IA comprime la distribuzione delle competenze, ma lo fa colpendo più duramente i migliori.
Un problema di incentivi, non solo di strumenti
La ricerca solleva una domanda fondamentale: perché gli studenti continuano a usare l’IA in un modo che danneggia il loro apprendimento? La risposta è complessa.
In Cina, come in molti altri Paesi, esistono strumenti di IA progettati come tutor personalizzati, che potenzialmente potrebbero migliorare l’apprendimento. Ma gli studenti non li scelgono; preferiscono gli strumenti generalisti che danno risposte immediate e permettono di saltare lo sforzo cognitivo.
I ricercatori ipotizzano che gli studenti non percepiscano il danno che l’IA sta causando. Gli studi mostrano, infatti, che quando gli studenti sperimentano lo sforzo cognitivo richiesto dall’apprendimento attivo, tendono a interpretarlo come un segnale di scarso apprendimento, anche quando in realtà stanno imparando di più. Parallelamente, chi usa l’IA per i compiti ha la percezione di imparare, anche quando i voti negli esami dimostrano il contrario.
C’è poi un problema di visibilità. Per un insegnante che segue una sola materia, un calo del 20% nei voti è grande ma non eccezionale: capita al 4% degli studenti non-utenti in una singola materia. È solo guardando alla media su tutte le materie che il crollo diventa straordinario. Ma gli insegnanti non vedono quella media.
Cosa fare?
Lo studio suggerisce che vietare l’IA o ignorarla non sono opzioni praticabili. Piuttosto, servono interventi che agiscano sugli incentivi. La prima lezione è che monitorare i risultati (i voti dei compiti) non funziona più: con l’IA, voti alti nei compiti possono coesistere con un apprendimento scarso. Servono monitoraggi sugli input: il tempo dedicato, lo sforzo profuso.
La seconda lezione è che l’informazione conta. Gli studenti e i genitori potrebbero non essere consapevoli del costo a lungo termine dell’outsourcing dei compiti. Fornire dati credibili su questo costo potrebbe cambiare i comportamenti. La terza lezione è che le verifiche in presenza, senza libri e monitorate, diventano ancora più cruciali. Sono l’unico modo per ripristinare il legame tra sforzo e ricompensa.
Infine, i ricercatori notano un dato incoraggiante: l’effetto negativo dell’IA sull’apprendimento sembra diminuire nel tempo. Nel 2023 era del 25%; nel 2025 è sceso al 16%. Questo suggerisce che studenti e insegnanti stanno imparando ad adattarsi. Ma il margine di miglioramento è ancora ampio.
Lo studio
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Giuseppina Bonadies
Source link
