Di cosa hanno paura i docenti?
Ogni anno, all'inizio di ogni semestre, i docenti universitari si trovano ad affrontare, in una forma o nell'altra, la stessa domanda: gli studenti stanno imparando davvero o si limitano a seguire le procedure per conseguire la laurea? Quest'anno, la questione assume una nuova dimensione. Un sondaggio condotto nel novembre 2025 su 1,057 docenti dall'American Association of Colleges and Universities e dalla Elon University ha rilevato che il 90% ritiene che l'intelligenza artificiale generativa ridurrà le capacità di pensiero critico degli studenti, l'83% crede che ne diminuirà la capacità di attenzione e il 95% prevede che aumenterà la loro eccessiva dipendenza dagli strumenti stessi. Quasi tre su quattro, il 73%, hanno personalmente affrontato un problema di integrità accademica legato all'IA. Non si tratta di preoccupazioni marginali di una minoranza restia. Rappresentano l'opinione della maggioranza dei docenti e sono specifiche: non si tratta di un'affermazione astratta come "l'IA è dirompente", ma di una percezione condivisa che qualcosa di misurabile stia accadendo al modo di pensare degli studenti.
Cosa stanno già facendo gli studenti
Nemmeno gli studenti si nascondono da questo fenomeno. Il sondaggio HEPI 2026 sull'IA generativa studentesca, basato su 1,054 studenti universitari del Regno Unito, ha rilevato che il 95% ora utilizza l'IA in qualche forma e il 94% la utilizza per i lavori valutati. Solo il 12% ammette di presentare direttamente testi generati dall'IA, sebbene questa cifra sia quadruplicata dal 2024, quando si attestava al 3%, il che suggerisce che il confine tra "usare l'IA per aiutare" e "lasciare che sia l'IA a farlo" si sta spostando rapidamente. Mettere a confronto due citazioni tratte dal sondaggio stesso è eloquente. Uno studente ha descritto l'utilizzo dell'IA per riassumere testi complessi in modo da potersi "concentrare sull'analisi critica e su una comprensione più approfondita". Un altro ha scritto, semplicemente: "Non sto usando affatto il cervello". Stesso strumento, stesso semestre, due esperienze di apprendimento completamente diverse, e il sondaggio non fornisce alcuna indicazione che nessuno dei due studenti stesse facendo qualcosa di insolito.
Perché il meccanismo non è cambiato
Ciò che distingue quei due studenti non è lo strumento. È ciò che la classe ha chiesto loro dopo averlo utilizzato. L'intelligenza artificiale può rispondere al "cosa" più velocemente di qualsiasi lezione, più velocemente di qualsiasi libro di testo, più velocemente delle ore di ricevimento. Ciò che non può fare è sostituirsi a uno studente nel momento in cui gli viene chiesto di prevedere un risultato, difendere una scelta o spiegare qualcosa con parole proprie, perché quei momenti funzionano solo se è lo studente stesso a recuperare le informazioni. Questa è l'idea di fondo: la pratica del recupero, a volte chiamata effetto test, la consolidata scoperta che richiamare attivamente le informazioni dalla memoria costruisce una comprensione molto più forte e duratura rispetto al semplice riproporle. Non è una novità e non riguarda l'intelligenza artificiale. È solo che l'intelligenza artificiale rende insolitamente facile saltare questo passaggio.
Uno studio del 2025 della Drexel University quantifica questo divario. I ricercatori hanno sottoposto agli studenti di data science domande di esercitazione generate dall'IA durante le pause delle lezioni, stimoli a basso rischio che costringevano gli studenti a ricordare e applicare quanto appena appreso, e hanno confrontato i loro risultati in un successivo quiz con quelli di un gruppo di controllo che non aveva ricevuto tale esercitazione. Il gruppo che aveva ricevuto l'esercitazione ha ottenuto un punteggio dell'89%. Il gruppo di controllo ha ottenuto un punteggio del 73%. Una differenza di 16 punti che i ricercatori hanno definito statisticamente e praticamente significativa, ottenuta senza modificare il contenuto, ma solo la necessità per gli studenti di richiamarlo alla memoria. Questo risultato non è cambiato con l'esistenza dell'IA. Anzi, spiega esattamente cosa è in gioco: il meccanismo che produce un apprendimento reale si basa ancora sul richiamo attivo delle informazioni, e l'utilità dell'IA per uno studente dipende interamente dal fatto che venga utilizzata per stimolare tale sforzo o per sostituirlo.
Dove la politica si esaurisce
Ecco perché mettere in discussione la tecnica, e non le politiche sull'IA, potrebbe rivelarsi la leva meno sfruttata dell'istruzione superiore. Nel sondaggio dell'AAC&U, l'87% dei docenti ha affermato di aver redatto politiche esplicite sull'uso dell'IA, eppure il 59% ha dichiarato che il proprio istituto non era ben preparato ad aiutare gli studenti ad affrontare ciò che li attende. Le politiche sono necessarie, ma regolano ciò che uno studente presenta a posteriori. Hanno ben poca utilità nei novanta minuti che precedono la presentazione, nell'aula magna o nella sala seminari, dove avviene o non avviene il vero pensiero, e dove nessun documento programmatico ha mai spinto nessuno a riflettere più a fondo.
Niente di tutto ciò giustifica la resistenza all'intelligenza artificiale in classe, e i dati non supportano nemmeno questa conclusione; molti studenti la utilizzano già con successo. Piuttosto, suggerisce di essere molto più consapevoli di quali momenti debbano ancora appartenere esclusivamente allo studente, e di progettare lezioni, seminari e valutazioni in modo da tutelare intenzionalmente tali momenti, come dimostra l'esempio di un docente che, nella rubrica "Storie dietro le diapositive" di questo numero, sta già facendo, una domanda di recupero alla volta.
Referenze
American Association of Colleges and Universities e Imagining the Digital Future Center della Elon University. (21 gennaio 2026). Indagine nazionale: il 95% dei docenti universitari teme un eccessivo affidamento degli studenti sull'IA e una diminuzione del pensiero critico tra gli studenti che utilizzano strumenti di IA generativa. AAC&U. https://www.aacu.org/newsroom/national-survey-95-of-college-faculty-fear-student-overreliance-on-ai-and-diminished-critical-thinking-among-learners-who-use-generative-ai-tools
An, Y., Liu, J., Acharya, N., & Hashmi, R. (2025). Migliorare l'apprendimento degli studenti con domande di pratica di recupero generate da LLM: uno studio empirico nei corsi di scienza dei dati. arXiv. https://arxiv.org/abs/2507.05629
Stephenson, R., & Armstrong, C. (2026, 12 marzo). Indagine sull'intelligenza artificiale generativa degli studenti 2026 (Rapporto HEPI 199). Higher Education Policy Institute. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/
