25 Ott La AI Assessment Scale aggiornata: cinque livelli per riprogettare la valutazione con l’IA

Nel precedente articolo di questa serie, dedicato a IA e valutazione a scuola, abbiamo visto perché i rilevatori di testi generati dall’IA non sono uno strumento affidabile e abbiamo accennato all’idea di una “scala d’uso” da condividere con la classe. Oggi entriamo nel dettaglio dello strumento più diffuso a livello internazionale per farlo: la AI Assessment Scale (AIAS), nella versione aggiornata pubblicata a settembre 2025 da Mike Perkins, Jasper Roe e Leon Furze sul Journal of University Teaching and Learning Practice.

Il paper nasce in ambito universitario, ma gli autori lo dicono chiaramente: la scala è un punto di partenza da adattare, non un regolamento da applicare alla lettera. Ed è proprio per questo che funziona bene anche nella scuola secondaria.

Che cos’è l’AIAS

La prima versione dell’AIAS è uscita nel 2024. In poco tempo è stata tradotta in circa 30 lingue e adottata in oltre 300 istituzioni educative nel mondo. L’idea di fondo è semplice: vietare l’IA generativa non è né realistico né utile, perché gli studenti la incontreranno comunque, a scuola e fuori. Serve invece un modo chiaro per decidere, compito per compito, che ruolo l’IA può avere.

La scala svolge due funzioni distinte:

• strumento di comunicazione: rende esplicito, per docenti e studenti, perché, quando e come l’IA può essere usata;
• strumento di riprogettazione: aiuta il docente a ridisegnare la consegna in modo che la valutazione resti valida, cioè misuri davvero ciò che lo studente sa e sa fare.

È questa seconda funzione il cuore della nuova versione.

Cosa cambia nella versione 2025

Gli autori hanno raccolto critiche e riscontri da chi ha usato la scala in contesti diversi, dalla scuola all’università, in cinque continenti. Le modifiche principali sono queste.

• Addio al semaforo. La prima versione usava i colori rosso-giallo-verde, che suggerivano involontariamente che “nessuna IA” fosse un divieto negativo e “IA piena” un traguardo positivo. Ora la palette è neutra e la scala ha anche una rappresentazione circolare: nessun livello è migliore di un altro, conta solo quale è adatto agli obiettivi.
• Un fondamento teorico esplicito. La scala si richiama al socio-costruttivismo di Vygotskij: l’IA è vista come uno strumento di mediazione che può lavorare nella zona di sviluppo prossimale. Con una differenza importante: a differenza dell’impalcatura tradizionale, che si toglie gradualmente, l’IA resta sempre a disposizione dello studente. Per questo bisogna progettare con cura come sostenga l’apprendimento invece di sostituirlo.
• Il livello “Nessuna IA” richiede un ambiente controllato. Dichiarare “senza IA” un compito svolto a casa non basta più: senza sorveglianza, la condizione non è verificabile.
• Via l’appendice “originale”. Nella vecchia versione, al livello 3 lo studente doveva allegare il proprio lavoro prima dell’intervento dell’IA. Poiché non esiste modo affidabile di verificarlo, il requisito è stato eliminato.
• La scrittura con l’IA entra prima nella scala. La co-scrittura con l’IA è ormai una pratica diffusa e, se ben guidata, può sostenere l’apprendimento.
• Un nuovo livello 5, “Esplorazione”. Pensato per un futuro in cui l’IA non è solo uno strumento da usare, ma materia prima per inventare nuovi modi di lavorare.

I cinque livelli in sintesi

Livello	Che cosa significa	Indicazione per lo studente
1 – Nessuna IA	Compito svolto senza IA, in ambiente controllato	Dimostra le tue conoscenze e abilità di base, senza alcun supporto dell’IA
2 – Pianificazione con IA	IA per brainstorming, scaletta, ricerca iniziale	Usa l’IA per generare idee, poi mostra come le hai sviluppate e rielaborate
3 – Collaborazione con IA	IA per bozze, feedback, revisione	Puoi usare l’IA per parti del lavoro, ma devi valutarne e modificarne criticamente i risultati
4 – IA piena	IA usata in modo esteso in tutto il compito	Dirigi l’IA verso gli obiettivi del compito, dimostrando il tuo pensiero critico
5 – Esplorazione con IA	IA usata in modo creativo, con compito co-progettato	Usa l’IA in modo creativo, anche progettando nuovi approcci insieme al docente

Vediamo ora ciascun livello con un esempio pensato per la scuola secondaria di secondo grado.

Livello 1 – Nessuna IA

È la valutazione tradizionale, ma con una precisazione decisiva: il divieto deve essere garantito dalle condizioni, non dalla fiducia. Quindi verifica in classe, sorvegliata, senza dispositivi connessi. Serve quando vogliamo misurare competenze di base senza alcun supporto: il calcolo, la dimostrazione, la padronanza della lingua, l’esposizione orale.

Un punto di attenzione che gli autori sottolineano: “nessuna IA” non deve diventare “nessuna tecnologia” per chi ne ha bisogno. Gli strumenti compensativi previsti da PDP e PEI vanno garantiti, distinguendo tra ciò che altererebbe la validità della prova e ciò che rende equa la partecipazione.

Esempio: in matematica, una prova scritta in classe sullo studio di funzione, seguita da un breve colloquio in cui lo studente spiega il procedimento scelto.

Livello 2 – Pianificazione con IA

L’IA supporta la fase iniziale: generare idee, costruire una scaletta, orientarsi su un argomento. La consegna però deve essere essa stessa un compito di pianificazione, in cui si valuta la capacità di selezionare, criticare e sviluppare le idee. Dire semplicemente “l’IA si può usare solo per pianificare” su un compito invariato non serve a nulla: nessuno può verificare dove finisce la pianificazione e dove inizia la stesura.

Esempio: per un’indagine statistica di classe, gli studenti usano l’IA per produrre un elenco ampio di possibili domande di ricerca. La valutazione riguarda la scelta motivata di una domanda, il piano di raccolta dati e la giustificazione delle variabili, con le note di pianificazione consegnate insieme al progetto.

Livello 3 – Collaborazione con IA

L’IA può contribuire alla realizzazione del compito: bozze, feedback, revisione, analisi dei dati. Il focus non è più “dimostrare che il testo è tuo”, ma sviluppare la valutazione critica e mantenere la propria voce. Gli autori parlano di “illusione di definitività”: la tendenza ad accettare il testo prodotto dall’IA come completo e autorevole. Combatterla è l’obiettivo didattico di questo livello.

Esempio: relazione di laboratorio di fisica. Gli studenti raccolgono i dati in laboratorio, poi usano l’IA per l’analisi e la revisione della forma. Consegnano anche un breve registro dei prompt utilizzati e una riflessione su cosa hanno corretto o scartato delle proposte dell’IA.

Livello 4 – IA piena

L’IA può essere usata in modo esteso in tutte le fasi. Qui si valuta quanto efficacemente lo studente dirige l’IA per risolvere un problema, dimostrando comunque conoscenze disciplinari e pensiero critico. È il livello che apre a prodotti multimodali, simulazioni, giochi di ruolo con l’IA, assistenti personalizzati.

Il nodo critico è l’equità di accesso: chi ha un abbonamento a un modello avanzato parte avvantaggiato. La soluzione suggerita è fornire strumenti istituzionali, oppure progettare compiti che si possano svolgere bene anche con strumenti gratuiti, dichiarando sempre quali strumenti sono ammessi.

Esempio: in informatica, una classe quinta sviluppa una piccola applicazione con un assistente di programmazione messo a disposizione dalla scuola. La valutazione riguarda sia la progettazione della soluzione sia l’uso consapevole dello strumento: verifica del codice, test, gestione degli errori dell’IA.

Livello 5 – Esplorazione con IA

È il livello più innovativo e, per ammissione degli stessi autori, volutamente proiettato nel futuro. L’IA non serve solo a fare meglio un compito esistente, ma a inventare nuovi metodi, prodotti e percorsi di indagine. Cambia anche il ruolo del docente: da chi fissa i parametri del compito a collaboratore che co-progetta la valutazione con gli studenti.

Nella scuola secondaria è adatto soprattutto a progetti avanzati e di lungo periodo, come quelli interdisciplinari o legati ai percorsi per le competenze trasversali e l’orientamento.

Esempio: un gruppo di studenti raccoglie dati ambientali con sensori e, insieme ai docenti di scienze e informatica, progetta un sistema basato sull’IA che li interpreta e segnala anomalie. Criteri di valutazione e tappe del progetto vengono definiti insieme alla classe.

L’errore più comune: l’etichetta senza riprogettazione

La critica più seria mossa alla prima versione della scala è che rischiava di restare un intervento solo “dichiarativo”. Corbin, Dawson e Liu (2025) distinguono tra cambiamenti discorsivi, cioè regole che gli studenti possono semplicemente ignorare, e cambiamenti strutturali, che modificano il funzionamento del compito. Mettere l’etichetta “Livello 3” su una consegna rimasta identica crea solo l’illusione del controllo.

Gli autori dell’AIAS accolgono la critica e la rendono un principio: la scala deve produrre cambiamenti concreti nel compito, non “teatro della sicurezza”. Lo stesso vale per i rilevatori: non affidabili, con conseguenze potenzialmente gravi per chi viene accusato ingiustamente, non vanno usati nella valutazione sommativa.

AIAS e modello “a due corsie”

Chi segue il dibattito internazionale avrà sentito parlare anche del modello a due corsie dell’Università di Sydney: da un lato le valutazioni “sicure” e sorvegliate, dall’altro quelle “aperte”, in cui si dà per scontato che l’IA verrà usata. Secondo i suoi ideatori non esiste una via di mezzo praticabile.

Gli autori dell’AIAS non vedono contraddizione: il livello 1 corrisponde alla corsia sicura, i livelli dal 2 al 5 alla corsia aperta. I due modelli rispondono a domande diverse. Le due corsie riguardano la sicurezza della valutazione; l’AIAS riguarda la progettazione, cioè quale ruolo dare all’IA dentro la corsia aperta. Usati insieme, si completano.

Come usarla da lunedì: una procedura in sei passi

1. Parti dagli obiettivi di apprendimento, non dallo strumento. Che cosa deve dimostrare lo studente con questa prova?
2. Scegli il livello coerente con quegli obiettivi. Se devi verificare una competenza di base senza aiuti, il livello è 1, e la prova va fatta in classe.
3. Riprogetta la meccanica del compito: ruolo dell’IA, evidenze del processo richieste (registro dei prompt, note, riflessione), tappe intermedie, griglia di valutazione.
4. Comunica in modo semplice. La scala è uno strumento per il docente, non un copione per gli studenti: le istruzioni possono essere semplificate, anche senza citare il numero del livello.
5. Pianifica verifiche di livello 1 nei momenti chiave del percorso, per tenere ancorata la validità complessiva della valutazione.
6. Insegna etica e privacy: gestione dei dati, consenso, dichiarazione dell’uso dell’IA, proprietà intellettuale. Prima di proporre uno strumento, verifica condizioni d’uso ed età minima richiesta.

Perché vale la pena adottarla

L’AIAS non risolve da sola il problema della valutazione nell’era dell’IA, e gli autori sono i primi a riconoscerlo: servono ulteriori studi sulla sua efficacia nei diversi contesti. Ma offre tre cose di cui la scuola ha bisogno subito: un linguaggio comune tra docenti e studenti, un metodo per riprogettare le prove e un’alternativa concreta alla logica del sospetto. Invece di inseguire chi usa l’IA di nascosto, si decide apertamente quando usarla, come, e cosa si valuta.

Il passo più utile, a livello di istituto, è condividerla nei dipartimenti e costruire una piccola raccolta di consegne già riprogettate per ciascun livello. Materiali e risorse ufficiali sono disponibili sul sito aiassessmentscale.com.

---

Fonti

• Perkins, M., Roe, J., & Furze, L. (2025). Reimagining the Artificial Intelligence Assessment Scale (AIAS): A refined framework for educational assessment. Journal of University Teaching and Learning Practice, 22(7). https://doi.org/10.53761/rrm4y757
• Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment. Journal of University Teaching and Learning Practice, 21(06). https://doi.org/10.53761/q3azde36
• Corbin, T., Dawson, P., & Liu, D. (2025). Talk is cheap: Why structural assessment changes are needed for a time of GenAI. Assessment & Evaluation in Higher Education. https://doi.org/10.1080/02602938.2025.2503964