IA e valutazione a scuola: perché i rilevatori non bastano

Da quando gli assistenti conversazionali sono a portata di tutti, in ogni classe si è aperta la stessa crepa: una parte dei compiti che arrivano corretti, ordinati e “perfetti” non è più farina del sacco dello studente. La reazione istintiva è cercare un modo per smascherare chi ha usato l’intelligenza artificiale. È una reazione comprensibile, ma è anche la strada che porta più lontano dall’obiettivo.

Il punto, infatti, non è che gli studenti “barano”. Il punto è che una consegna pensata per un mondo senza IA — il tema da svolgere a casa, il riassunto, la relazione — oggi non misura più quello che credeva di misurare. Finché continuiamo a valutare il prodotto finito, avremo sempre il dubbio su chi lo ha davvero prodotto. La via d’uscita non è la sorveglianza, ma la progettazione: cambiare le consegne in modo che tornino a raccontarci qualcosa sull’apprendimento reale. Vediamo come, in concreto.

1. I “rilevatori di IA” non sono la soluzione

I rilevatori di intelligenza artificiale (AI detector) cercano di stabilire se un testo sia stato prodotto, interamente o parzialmente, mediante modelli generativi come ChatGPT, Gemini o Claude. Il loro funzionamento si basa sull’analisi statistica e stilistica del testo, pertanto sistemi di AI detection come Turnitin AI Writing Detection, GPTZero, Copyleaks AI Detector, ed altri, forniscono soltanto una stima probabilistica che un determinato testo analizzato presenti caratteristiche compatibili con la scrittura da parte di un LLMs fornendo risultati non certi: possono classificare come artificiale un elaborato scritto da una persona, producendo un falso positivo oppure un falso negativo non riconoscendo un contenuto generato dall’IA. Gli errori aumentano quando:

• il testo è breve;
• il linguaggio è semplice o schematico;
• il testo è stato tradotto;
• l’autore non scrive nella propria lingua madre penalizzando gli studenti più fragili – gli studenti non madrelingua o fragili tendono a usare strutture linguistiche più semplici o ripetitive spesso scambiate per “artificiali”;
• il testo generato è stato successivamente modificato;
• sono stati utilizzati strumenti di parafrasi –  applicazioni che riscrivono automaticamente un testo mantenendone, almeno in teoria, il significato originale es. Grammarly;
• il contenuto è tecnico e segue formule espressive ricorrenti.

Per questa ragione, la percentuale restituita da un rilevatore non può essere considerata una prova. Il problema assume particolare rilevanza nella scuola quando tale risultato viene utilizzato per attribuire un voto, annullare una verifica o adottare un provvedimento nei confronti di uno studente.

I riferimenti dell’AI Act

L’AI Act europeo adotta una classificazione dei sistemi di IA basata sul livello di rischio. In particolare, l’articolo 6, in collegamento con l’Allegato III, considera ad alto rischio alcuni sistemi impiegati nel settore dell’istruzione.

L’Allegato III, punto 3, comprende espressamente i sistemi destinati a:

• valutare i risultati dell’apprendimento degli studenti;
• orientare il loro percorso formativo;
• determinare il livello di istruzione al quale possono accedere;
• monitorare e individuare comportamenti vietati durante le prove.

Un rilevatore utilizzato per stabilire se uno studente abbia svolto una verifica mediante l’IA potrebbe quindi rientrare tra i sistemi ad alto rischio qualora il suo risultato influisca concretamente sulla valutazione o sull’adozione di una sanzione. La classificazione dipende, tuttavia, dalla finalità effettiva dello strumento e dal peso attribuito al suo risultato. Se viene impiegato soltanto per svolgere un’attività preliminare e non influenza in maniera significativa la decisione del docente, potrebbe non essere considerato ad alto rischio, secondo le condizioni previste dall’articolo 6, paragrafo 3.

L’articolo 14 stabilisce inoltre che i sistemi ad alto rischio devono essere sottoposti a una supervisione umana effettiva. Il docente deve quindi comprenderne capacità e limiti, interpretarne criticamente i risultati ed essere consapevole del cosiddetto automation bias, cioè della tendenza a fidarsi eccessivamente delle indicazioni fornite da un sistema automatico. Deve inoltre poter ignorare, annullare o ribaltare l’output sulla base di ulteriori elementi.

L’articolo 26 attribuisce specifiche responsabilità agli utilizzatori professionali, definiti dall’AI Act deployer. Nel contesto scolastico ciò significa che l’istituzione e il personale incaricato devono utilizzare il sistema seguendo le istruzioni, affidarne la supervisione a persone competenti e monitorarne il funzionamento.

Quando una scuola pubblica introduce un sistema ad alto rischio, può inoltre rendersi necessaria, ai sensi dell’articolo 27, una valutazione preventiva dell’impatto sui diritti fondamentali. Devono essere considerati i possibili effetti sul diritto all’istruzione, sulla non discriminazione, sulla protezione dei dati personali e sulla possibilità per lo studente di comprendere e contestare una decisione.

Il richiamo delle Linee guida del MIM

Anche le Linee guida del Ministero dell’Istruzione e del Merito pongono al centro la persona, la trasparenza, l’equità, la protezione dei dati e la responsabilità del docente. L’impiego automatico e acritico di un rilevatore risulterebbe quindi difficilmente compatibile con questi principi.

Tali strumenti possono essere utilizzati esclusivamente come indicatori preliminari, da accompagnare con il confronto con elaborati precedenti, l’esame delle bozze, la verifica delle fonti e un eventuale colloquio con lo studente.

In definitiva, un rilevatore di IA può suggerire la necessità di un approfondimento, ma non può sostituire il giudizio professionale dell’insegnante né costituire, da solo, il fondamento di una valutazione o di una sanzione.

2. La mossa che funziona: ridisegnare le consegne

Qui sta il cuore del lavoro. Se la valutazione tradizionale è vulnerabile perché guarda solo al risultato, la contromossa è progettare compiti in cui l’apporto personale dello studente torni visibile e verificabile. Quattro strategie concrete, tutte adottabili senza stravolgere la programmazione.

Valuta il processo, non solo il prodotto. Invece di raccogliere un unico elaborato finale, chiedi versioni successive: una scaletta, una prima bozza, la revisione, un breve “diario di bordo” in cui lo studente spiega le scelte fatte. Le consegne a più tappe permettono di seguire il percorso di apprendimento e rendono molto più difficile delegare tutto a una macchina all’ultimo momento.

Riporta parte del lavoro in classe. L’IA non entra in aula al posto dello studente. Una breve difesa orale dell’elaborato, una domanda di approfondimento fatta a voce, un compito autentico svolto e osservato in presenza: sono formati che riportano la valutazione su ciò che lo studente sa davvero sostenere. Non serve trasformare tutto in interrogazione; basta una fase in presenza abbinata al lavoro a casa.

Àncora la consegna al contesto. I modelli generativi sono forti sui compiti generici (“spiega le cause della Rivoluzione francese”) e deboli su ciò che non conoscono. Consegne collegate all’esperienza personale dello studente, a un dato locale, a un’uscita didattica o a materiali visti insieme in classe costringono a ragionare, non a copiare. Più la richiesta è specifica e situata, meno è “delegabile”.

Fai valutare l’IA, poi correggerla. Ribalta la prospettiva: fornisci tu un testo generato dall’intelligenza artificiale — magari con errori o imprecisioni volute — e chiedi agli studenti di individuarli, criticarli e migliorarli. Così il voto si sposta dal produrre contenuto al valutare contenuto, cioè esattamente sulla competenza critica che vogliamo sviluppare. È un compito che, per definizione, l’IA non può fare al posto loro.

3. Una “scala d’uso” da condividere con la classe

Vietare l’IA spinge il suo utilizzo nella clandestinità; permetterla senza regole apre il caos. La terza via è dichiarare, consegna per consegna, quanto uso è consentito. Uno strumento utile in questo senso è la AI Assessment Scale, un modello ormai usato anche nella scuola: prevede cinque livelli, da “Nessuna IA” fino a “IA piena”, che il docente può indicare all’inizio di ogni compito.

Il vantaggio è doppio. Da un lato lo studente sa esattamente cosa gli è permesso, e la trasparenza toglie ossigeno all’uso nascosto. Dall’altro il docente può graduare: la verifica in classe sarà “livello zero”, mentre una ricerca a casa potrà prevedere un uso dichiarato dell’IA, con l’obbligo di indicare come è stata utilizzata. Non è un cedimento: è insegnare a usare uno strumento con criterio, che è poi una competenza richiesta esplicitamente anche dalle norme europee.

4. Il patto con studenti (e famiglie)

Tutto questo funziona se poggia su regole chiare e condivise. Vale la pena costruire, all’inizio dell’anno o del percorso, un piccolo patto d’uso: cosa è consentito, cosa no, come si dichiara l’utilizzo dell’IA, cosa succede in caso di uso scorretto.

Un tassello spesso trascurato sono le famiglie. Molti genitori danno per scontato che “IA” equivalga a “copiare”: è importante comunicare che l’obiettivo della scuola non è vietare la tecnologia, ma insegnare a usarla in modo responsabile e critico. Un messaggio esplicito in questo senso previene malintesi e trasforma le famiglie in alleate.

Su questo punto si innesta anche il quadro normativo, che qui tocchiamo solo per gli aspetti più vicini alla vita di classe: la diffusione non consensuale di immagini o video falsificati con l’IA tra studenti (i cosiddetti deepfake) è oggi un reato, e la tutela dei dati dei minori impone particolare attenzione a quali strumenti si fanno usare in aula. Per il dettaglio delle regole — AI Act europeo, Legge italiana n. 132/2025 e Linee guida ministeriali — rimando all’articolo dedicato: Intelligenza Artificiale: il quadro normativo e le Linee guida per la scuola.

In sintesi

L’integrità scolastica, nell’era dell’intelligenza artificiale, non si difende inseguendo gli studenti con software di rilevazione poco affidabili. Si difende a monte, ripensando le consegne: valutando il processo e non solo il prodotto, riportando parte del lavoro in classe, ancorando i compiti al contesto e spostando il baricentro sul pensiero critico. Il docente non è chiamato a fare il poliziotto, ma il progettista di esperienze di apprendimento che l’IA può accompagnare, non sostituire.

È un lavoro in più, è vero. Ma è anche l’occasione per fare una domanda che vale la pena porsi comunque: le nostre verifiche misurano ciò che gli studenti sanno fare, o solo ciò che sanno consegnare?