In che modo misuriamo l’impatto dell’IA sull’apprendimento, nel lungo periodo?
In un recente articolo pubblicato sul loro sito, OpenAI riporta un lavoro che hanno in corso proprio su questo tema.
Hanno iniziato da un assunto: quando i ricercatori cercano di misurare se l’IA aiuti gli studenti a imparare, di solito guardano a un unico fattore, ossia i risultati dei test.
Questa metodologia però ha tutta una serie di limitazioni. Non è infatti scontato desumere l’apprendimento dai soli risultati dei test, anche perché le verifiche misurano i risultati in un momento dato, puntuale. Non misurano il fatto che l’apprendimento (durevole nel tempo) sia effettivamente avvenuto.
A questi fini, hanno introdotto quella che chiamano la Learning Outcomes Measurement Suite (Suite di misurazione dei risultati dell’apprendimento). Si tratta di un framework per analizzare l’apprendimento su un arco di tempo più lungo e in modo più ampio:
-
Come si comporta l’IA. Sta effettivamente supportando l’apprendimento in modo utile? Fornisce una struttura (scaffolding), verifica la comprensione e guida lo studente invece di offrire scorciatoie?
-
Come si comporta lo studente. Lo studente partecipa attivamente, è persistente, riflette, pone domande migliori?
-
Cosa cambia nel tempo. (Performance, motivazione, metacognizione, memorizzazione e coinvolgimento).
Per misurare l’apprendimento usando questo framework, stanno conducendo uno studio a lungo termine con 20.000 studenti in Estonia, tra i 16 e i 18 anni. Non è chiaro quando questo test finirà e quando pubblicheranno i risultati, ma nel frattempo possiamo farci qualche domanda:
Cosa ne pensi di questo framework?
Pensi che ci aiuti a rispondere alla domanda fondamentale - e cioè, se l’uso dell’AI sostenga o impedisca l’apprendimento?
Se tu usi l’AI in classe, quale metodo utilizzi per misurare l’apprendimento?