Fino ad ora, gli enti di formazione hanno utilizzato l’IA soprattutto per la pianificazione della propria offerta e per la creazione di materiali d’apprendimento, come mostra lo studio FOCUS della FSEA. Cerstin Mahlow, esperta in materia, valuta la situazione.<\/p>\n\n\n\n
I risultati del sondaggio presso gli enti di formazione continua del 2024 hanno mostrato che l’IA viene utilizzata nei contesti di insegnamento\/apprendimento finora principalmente per la creazione di materiali di apprendimento e per la pianificazione dell’offerta (stato aggiornato alla primavera 2024). In quali aree dei setting di insegnamento\/apprendimento vede il maggiore potenziale dell’IA?<\/em><\/strong>Attualmente, “IA” viene spesso usata come sinonimo di “IA generativa” – e questa, a sua volta, viene molto spesso equiparata a “ChatGPT”. OpenAI ha avuto un grande successo con la sua applicazione, inducendo molte persone almeno a provarla. Il nome del prodotto viene insomma utilizzato per riferirsi alla tecnologia: in linguistica, questo fenomeno viene chiamato “antonomasia”, ed \u00e8 per esempio gi\u00e0 accaduto con Google o Bostitch. ChatGPT \u00e8 semplicemente un chatbot che cerca di mantenere un dialogo con la controparte umana. Naturalmente pu\u00f2 essere utilizzato anche in setting di insegnamento\/apprendimento: si ha cos\u00ec a disposizione un interlocutore instancabile e sempre disponibile, che senza perdere la pazienza pu\u00f2 verificare anche una quarta, quinta o sesta volta se la mia bozza di testo soddisfa i requisiti richiesti – che si tratti di un’analisi, di un business plan o di un progetto di formazione continua. Ci\u00f2 che si tende spesso a dimenticare \u00e8 che i feedback relativi all’apprendimento formulati in sede di valutazione sono tuttavia stati automatizzati con successo gi\u00e0 da molto tempo. Domande a risposta multipla, testi da completare ed esercizi di abbinamento – tanto in contesti testuali quanto in contesti visivi – vengono valutati gi\u00e0 da tempo in maniera automatica allo scopo di fornire feedback o aiuto alle persone in formazione. Con i modelli di IA pi\u00f9 recenti, questo processo \u00e8 soltanto leggermente pi\u00f9 veloce. Oltre a ci\u00f2, questi compiti sono pi\u00f9 “generosi” riguardo, per esempio, all’ortografia oppure se si tratta di formulare frasi complete. Ci\u00f2 va oltre le semplici domande a risposta multipla: \u00e8 possibile inserire un semplice testo, che normalmente dovrebbe essere letto e analizzato da qualcuno, per determinare se la risposta va nella giusta direzione.<\/p>\n\n\n\n Il sondaggio presso gli enti di formazione continua della FSEA mostra che la maggior parte di essi non dispone di direttive o linee guida relative a se e come l’IA generativa debba essere utilizzata. Studi e sondaggi dimostrano che, in assenza di linee guida o in presenza di indicazioni vaghe, alcune persone preferiscono non utilizzare una tecnologia, cos\u00ec da evitare l’incertezza. Credo pertanto che, se pi\u00f9 enti di formazione continua si sedessero intorno a un tavolo con i propri collaboratori per sviluppare insieme delle buone linee guida, l’impiego dell’IA aumenterebbe. Tipicamente, associamo la “creazione di materiali di apprendimento” ai compiti di pertinenza dei docenti. Tuttavia anche le persone in formazione possono creare ulteriori materiali per se stesse: scenari aggiuntivi in cui possono esercitarsi nel riconoscere o nell’eseguire operazioni, ulteriori testi da completare, domande di comprensione del testo, materiale aggiuntivo per calcoli statistici, ecc. Questi materiali sono simili a quelli forniti dai docenti. Spesso, chi cerca una formazione continua si chiede: che cosa mi interessa? Che cosa si adatta a me, alle mie conoscenze pregresse, al mio tempo disponibile? Anche in questo caso, l’IA pu\u00f2 aiutare a suggerire le opzioni pi\u00f9 adatte. Ci\u00f2 che \u00e8 importante per me – come anche per gli assesment, ovvero i test di valutazione – \u00e8 che l’IA sia impiegata per fornire suggerimenti. La decisione finale deve rimanere umana. Non deve accadere che, se entro in una nuova organizzazione, debba superare alcuni test e poi debba frequentare una o due formazioni.<\/p>\n\n\n\n Gli enti di formazione continua sperano di ottenere il massimo beneficio dall’IA per la personalizzazione dei setting di insegnamento\/apprendimento. Tuttavia, nella pratica, l’uso dell’IA porta principalmente a risparmi di tempo lavorativo, mentre le aspettative sulla personalizzazione si sono realizzate solamente in parte. Come valuta questo risultato?<\/em><\/strong> Negli enti di formazione continua svizzeri, gli strumenti di IA pi\u00f9 utilizzati finora sono quelli specializzati nell’elaborazione del linguaggio, come ChatGPT, DeepL, Gemini e Copilot. Come valuta il valore aggiunto di altre applicazioni di IA (quali sistemi di raccomandazione o sistemi di valutazione automatica) per la formazione continua?<\/em><\/strong> Cerstin Mahlow \u00e8 professoressa di linguistica digitale e ricerca sui processi di scrittura presso l’Universit\u00e0 di Scienze Applicate di Zurigo (ZHAW, Z\u00fcrcher Hochschule f\u00fcr Angewandte Wissenschaften). Nel campo della linguistica computazionale, i suoi studi si concentrano sulla modellazione linguistica sistematica di dati empirici provenienti da processi di scrittura e sull’influenza di strumenti intelligenti sulla scrittura. \u00c8 responsabile del CAS Testi (CAS Texten) presso la stessa ZHAW e, insieme ad altri colleghi, offre due volte all’anno un corso di formazione continua su “Intelligenza artificiale generativa nell’insegnamento e nella formazione continua”.<\/p>\n\n\n\n
La riduzione del tempo lavorativo inizialmente promessa del 30, 50 o 70 percento in tutti gli ambiti non \u00e8 dimostrabile. Tali promesse accompagnano ogni nuova ondata tecnologica, ma poi raramente si avverano, come dimostra uno studio canadese – anche se relativo all’IA prima del 2022. Di fatto, solamente pochi aspetti dell’insegnamento e dell’apprendimento possono essere automatizzati. Valutare domande a risposta multipla \u00e8 fattibile, ma creare buone domande a risposta multipla richiede tempo. Generare automaticamente scenari simili a quelli gi\u00e0 esistenti \u00e8 altres\u00ec fattibile, ma non \u00e8 una vera personalizzazione. Servono pi\u00f9 lavoro e soprattutto pi\u00f9 riflessione. I materiali generati con l’uso dell’IA devono essere controllati e, se necessario, adattati – e questo richiede tempo. In generale, l’impiego dell’IA generativa (testi, immagini, audio) cambia il modo di lavorare. Si pu\u00f2 investire pi\u00f9 tempo in attivit\u00e0 creative, esplorare diverse opzioni e ottenere rapidamente una prima bozza da valutare. Ma alla fine, il tempo investito resta lo stesso: \u00e8 solamente distribuito diversamente. Questo promesso aumento di efficienza del 30% o del 50% non pu\u00f2 quindi essere dimostrato – anche se si ha la sensazione che alcune cose vadano pi\u00f9 veloci e ci\u00f2 viene poi indicato come risparmio di tempo di lavoro. Per poter procedere a un’individualizzazione, un ente di formazione continua deve sapere molto sulle persone partecipanti a un corso. All’interno di un’organizzazione, ci\u00f2 \u00e8 possibile: una persona ricopre un determinato ruolo con un determinato profilo, per cui informazioni od opportunit\u00e0 di formazione possono venire integrate in modo perfetto nella sua giornata lavorativa. Vale a dire: sono rese disponibili o vengono offerte attivamente soltanto quando si apre una corrispondente finestra temporale. Qui giungiamo tuttavia molto rapidamente alla sorveglianza e al controllo. Le (potenziali) persone partecipanti dovrebbero poter controllare molte cose, richiedere attivamente un’offerta e indicare da s\u00e9 di quanta capacit\u00e0 dispongono al momento e per cosa. Ci\u00f2 sarebbe s\u00ec individualizzato, ma anche laborioso e, soprattutto, presupporrebbe una cultura diversa da quella a cui siamo abitati. Per consentire l’individualizzazione al di fuori di questi contesti, un ente di formazione continua deve fare molte supposizioni, che la singola persona deve poi confermare o ignorare, oppure ricavare molto rapidamente molte informazioni dalle prime interazioni (sia che ci\u00f2 avvenga automaticamente sia che avvenga tramite feedback da parte delle persone) e integrarle, per cos\u00ec dire, “live” nella successiva pianificazione. Tutto ci\u00f2 non \u00e8 affatto facile – ed \u00e8 inoltre dispendioso. In alternativa, si potrebbero preparare molte offerte, che si differenziano leggermente l’una dall’altra, e consentire alle persone interessate di scegliere quella che si adatta a loro perfettamente. Insomma: garantire che ce ne sia per tutti. Ci\u00f2 comporterebbe tuttavia un grande sforzo di preparazione, a fronte del fatto che poi ogni singola offerta completamente pianificata sia richiesta molto raramente. Dal punto di vista dell’ente di formazione non ne vale la pena. Gi\u00e0 negli anni 2000 c’erano molti progetti di ricerca e sviluppo tesi a modularizzare in modo molto dettagliato le offerte di insegnamento e di formazione continua \u2013 non a livello di corso, ma perfino dividendo le singole lezioni in piccole unit\u00e0 e ricomponendole automaticamente in base alle esigenze e alle conoscenze pregresse delle persone partecipanti, cos\u00ec che input e compiti potessero essere offerti a livelli distinti. La produzione di tali piccole unit\u00e0 a pi\u00f9 livelli \u00e8 tuttavia dispendiosa e impegnativa. Ci\u00f2 che ha portato al fallimento finale di questi progetti sono stati due fattori: da un lato gli elevati costi di produzione per ogni singola unit\u00e0 di insegnamento\/apprendimento, dovuti alle elevate esigenze da parte degli autori dei materiali didattici; dall’altro la questione irrisolta di come tali elementi possano poi essere assemblati nella realt\u00e0 in modo da creare un insieme coerente e significativo sia per i docenti sia per i partecipanti. Riguardo a quest’ultimo punto, l’odierna IA potrebbe essere d’aiuto; tuttavia, in termini di tempo, questa non \u00e8 la parte pi\u00f9 consistente di questi processi.<\/p>\n\n\n\n
Nei prossimi mesi, ci allontaneremo da applicazioni specifiche che vengono usate come strumenti aggiuntivi. L’IA generativa \u00e8 gi\u00e0 integrata in applicazioni consolidate come funzionalit\u00e0 aggiuntiva, che pu\u00f2 essere richiamata manualmente o che si attiva perfino da s\u00e9. Strumenti di correzione linguistica come Grammarly e Antidote, che si possono integrare in Word o in altre applicazioni, utilizzano gi\u00e0 l’IA generativa per fornire suggerimenti e miglioramenti. Lo stesso vale per DeepL. Se si scrive qualcosa in MS Teams (che si tratti di un messaggio o di un compito in un corso), l’editor si offre automaticamente di apportare miglioramenti. Se non si vuole usare questa funzione, \u00e8 piuttosto difficile, se non perfino impossibile, disattivarla. Lo vedremo anche nei programmi di posta elettronica, in PowerPoint, ecc. – peraltro non soltanto per il testo, ma anche per la struttura di diapositive e grafici o per la selezione dei colori. Anche Adobe lo fa nei suoi prodotti, in cui funzioni di intelligenza artificiale compaiono ovunque e in qualsiasi momento. Quanto osservato ormai decenni fa con i programmi di controllo ortografico\/grammaticale, si ripeter\u00e0 anche qui: ci sono utenti che ignorano (possono ignorare) queste funzioni e ce ne sono altri (pochi) che le disattivano (possono disattivarle). La maggior parte delle persone, tuttavia, adatter\u00e0 la propria scrittura in modo che il programma non fornisca pi\u00f9 obiezioni. In questo modo, per\u00f2, la creativit\u00e0 e la giocosit\u00e0 scompaiono, e ci ritroveremo nell’uniformit\u00e0. Questo \u00e8 esattamente ci\u00f2 che del resto si vede nei testi e nelle immagini generati dall’IA, che in qualche modo sono sempre simili fra loro. Spesso non riusciamo a dire esattamente che cos’\u00e8 che non ci convince – ma se siamo abbastanza attenti sviluppiamo una certa capacit\u00e0 di intuizione. Tuttavia, anche questa possibilit\u00e0 di distinzione, scomparir\u00e0 man mano che testi e immagini (cos\u00ec come audio e video) generati dall’IA ci circonderanno sempre di pi\u00f9. Ci adatteremo, e finiremo per formulare e progettare i nostri contenuti alla stessa maniera. Se questo possa essere un valore aggiunto, dipender\u00e0 dal contesto e dallo scopo. Bisogna conformarsi a certe direttive oppure mantenere l’uniformit\u00e0 con documenti film, ecc. prodotti in precedenza? \u00c8 importante che le conversazioni si svolgano sempre in modo strutturato secondo lo stesso schema? Allora l’attuale intelligenza artificiale generativa \u00e8 ovviamente di enorme utilit\u00e0: e possiamo imparare questi testi standard, e adottare questi processi, ecc. e lasciando che l’IA ci aiuti. Se al contrario, come persona o come organizzazione o azienda, sono alla ricerca di qualcosa di insolito, di ci\u00f2 che nessuno ha ancora provato, allora l’attuale intelligenza artificiale generativa non \u00e8 affatto d’aiuto. O forse, paradossalmente, s\u00ec – in quanto mi mostra ci\u00f2 che non devo fare, perch\u00e9 gi\u00e0 tutti gli altri lo fanno.<\/p>\n\n\n\nMaggiori informazioni<\/h2>\n\n\n\n