C’è un nuovo livello di lettura a cui ci stiamo abituando quando leggiamo (o valutiamo) un testo: l’impulso di cercare indizi che possano suggerire l’uso dell’intelligenza artificiale. Questa attenzione si concentra soprattutto su elementi stilistici: parole ricorrenti, espressioni stereotipate, una sintassi eccessivamente uniforme, segni ortografici spia. Tuttavia, con l’evoluzione dei modelli linguistici questi segnali diventano sempre meno affidabili. E in effetti, la ricerca più recente suggerisce che le differenze più interessanti non si trovano tanto nella superficie linguistica quanto nella struttura della narrazione. Oggi ci concentriamo sulla discussione di alcuni risultati di un recente studio, e soprattutto sul valore didattico legato alle riflessioni sull’AI che scrive e noi (o i nostri studenti) che la leggiamo.
Uno studio intitolato StoryScope: Investigating idiosyncrasies in AI fiction ha affrontato il problema da questa prospettiva, analizzando racconti umani e generati dall’AI attraverso dimensioni narrative come l’organizzazione della trama, la gestione del tempo, l’agency dei personaggi e la costruzione dei conflitti. Ma osserviamo lo studio più nel dettaglio.
I ricercatori hanno costruito un corpus di oltre 61.000 storie (di circa 5.000 parole ciascuna) generate a partire da 10.272 spunti di scrittura (prompt). Ogni spunto è stato sviluppato sia da scrittori umani, sia da cinque dei principali modelli linguistici sul mercato (tra cui Claude, Gemini e GPT). L’algoritmo di analisi ha ignorato le singole parole o la complessità della sintassi, concentrandosi esclusivamente su 304 tratti legati alla struttura profonda del racconto, distribuiti su 10 dimensioni macroscopiche, tra le quali: la costruzione della trama e dei conflitti; la gestione del tempo narrativo (linearità, flashback, salti temporali); il grado di autonomia e iniziativa dei personaggi (agency); la presenza di dilemmi morali; il modo in cui vengono distribuite le informazioni al lettore; il livello di esplicitazione di temi e messaggi. (come la gestione della trama, la psicologia dei personaggi e l’ordine temporale).
All’interno di queste macro-aree, lo studio ha isolato ben 304 tratti specifici (features), trasformati in diverse scale misurabili. Ad esempio, alla feature “Quanto esplicitamente la storia spiega i propri temi o le proprie morali?” è stato associato un valore da 1 a 5. Invece, la feature “In che modo le sottotrame si collegano al tema centrale?” è collegata a opzioni a scelta multipla (in questo caso: paralleli, contrastanti, indipendenti, assenti).
Dopo aver definito le caratteristiche, un modello matematico le ha analizzate per vedere se, basandosi solo su questi elementi narrativi (e non sulle parole usate), fosse in grado di indovinare correttamente l’autore. I risultati numerici hanno mostrato una netta linea di demarcazione: basandosi solo su queste macro-scelte narrative, i modelli statistici sono infatti stati in grado di distinguere un testo umano da uno artificiale con un’accuratezza del 93,2%.
Nel corpus analizzato dagli autori, i testi prodotti dai modelli linguistici mostravano alcune tendenze ricorrenti e differenti dalle storie umane: una maggiore linearità nello sviluppo degli eventi (narrati dall’inizio alla fine senza intervento sull’intreccio), una propensione a esplicitare temi, morali e messaggi, una risoluzione dei conflitti spesso orientata verso esiti rassicuranti e sempre molto binari (cattivi chiaramente cattivi, buoni chiaramente buoni; punizioni giuste, ricompense meritate) e una maggiore dipendenza sulle sensazioni corporee per esprimere le emozioni, invece del nominare le emozioni stesse.
Naturalmente, queste caratteristiche non permettono di stabilire se un singolo testo sia stato scritto con l’AI. Si tratta di tendenze statistiche osservate all’interno di uno specifico corpus, destinate probabilmente a evolvere insieme ai modelli. Proprio per questo, però, lo studio è interessante da un punto di vista didattico.
Più che offrirci un metodo per “beccare” l’AI, queste ricerche riportano l’attenzione su aspetti della narrazione che da sempre costituiscono il cuore dell’analisi del testo: la costruzione della trama, la gestione del tempo, il modo in cui vengono distribuite le informazioni, la caratterizzazione dei personaggi, la presenza di ambiguità, il ruolo dei conflitti, il bilanciamento tra lo showing e il telling. In altre parole, possiamo partire dagli studi sull’intelligenza artificiale che scrive per valorizzare in modo nuovo livelli di analisi che nella didattica della lettura e della scrittura sono già fondamentali.
Questa prospettiva può offrire quindi anche nuove opportunità per l’AI literacy. Analizzare come i modelli generativi costruiscono una storia significa infatti aiutare gli studenti a comprendere non solo il funzionamento dell’intelligenza artificiale, ma anche quello della narrazione stessa. Il confronto tra testi umani e testi generati può diventare un’attività di lettura critica per interrogarsi su come vengono costruiti i testi narrativi tramite l’uso sapiente di caratteristiche proprie di questa tipologia testuale.
Anche dal punto di vista del lavoro didattico sulla produzione scritta emergono spunti interessanti. Alcune delle tendenze osservate nei testi generati dall’AI ricordano difficoltà che si incontrano frequentemente anche nei racconti degli scrittori meno esperti.
Da questa prospettiva, lavorare sulla struttura narrativa assume un valore ancora maggiore. Nella comprensione della lettura, può significare guidare gli studenti a ricostruire la macrostruttura del racconto: individuare come viene manipolato il tempo, osservare quando e perché vengono fornite certe informazioni, analizzare l’evoluzione dei personaggi e la funzione dei conflitti. Nella produzione scritta, invece, si possono progettare attività che incoraggino a sperimentare strutture temporali non lineari, punti di vista differenti, personaggi moralmente complessi o finali aperti.
Per chi si occupa di formazione, allora, il contributo più interessante di queste ricerche non è tanto quello di insegnarci a riconoscere un testo scritto dall’intelligenza artificiale. Piuttosto, è quello di ricordarci che comprendere una narrazione significa andare oltre le parole, osservando che una storia viene costruita attraverso tante piccole scelte umane.
Come lavori sulla struttura narrativa nelle tue classi?
Hai mai utilizzato il confronto tra testi umani e testi generati dall’AI come occasione per sviluppare competenze di lettura critica o di scrittura? Condividi la tua esperienza nei commenti!