L’illusione del rendimento scolastico nell’era dell’IA: come l’outsourcing dei compiti sta erodendo le competenze reali degli studenti

L’integrazione dell’intelligenza artificiale generativa nei percorsi di istruzione sta delineando un paradosso pedagogico senza precedenti. Se da un lato gli strumenti di Generative AI permettono agli studenti di completare le attività domestiche con una velocità sorprendente e con risultati formali apparentemente eccellenti, dall’altro lato la ricerca scientifica sta evidenziando un crollo drastico delle competenze cognitive acquisite. Il fenomeno, definito dagli esperti come AI learning penalty, mette in luce una frattura profonda tra la produttività immediata e l'apprendimento effettivo, trasformando il compito a casa da strumento di consolidamento in un mero esercizio di outsourcing tecnologico.

Uno studio di ampio respiro, condotto dagli economisti David Strömberg, Victor Lei e Yanhui Wu, ha analizzato i dati di 26.811 studenti delle scuole secondarie cinesi nell'arco di 30 mesi. La ricerca, che monitora il passaggio dall'uso quasi nullo dell'IA a una penetrazione di circa l'80% tra gli studenti, rivela che la facilità d'uso di queste tecnologie sta creando una "illusione di competenza". Gli studenti che delegano il lavoro alle macchine ottengono voti più alti sui compiti, ma mostrano una riduzione del rendimento negli esami in classe del 20% in soli sei mesi, un dato che riflette una perdita di apprendimento di 1,4 deviazioni standard, un valore estremamente significativo per la ricerca educativa.

La dinamica del declino cognitivo: dalla velocità del compito al vuoto dell'esame

Il cuore del problema risiede nella dinamica temporale dell'adozione dell'IA. I dati mostrano che, dopo soli sei mesi di utilizzo costante, i voti dei compiti a casa aumentano del 18%, mentre il tempo necessario per completarli crolla drasticamente dal 64 ai 45 minuti. Questo accorciamento dei tempi non è un segno di efficienza, ma la prova di un bypass dello sforzo cognitivo necessario per interiorizzare le nozioni. Gli studenti imparano a usare l'IA per evitare il "lavoro duro", ma la ricerca evidenzia che questo effetto negativo non è immediato: gli studenti hanno bisogno di tempo per perfezionare le tecniche di outsourcing, motivo per cui gli esperimenti a breve termine spesso sottostimano il danno reale.

Il fenomeno diventa ancora più critico quando si osservano gli esami di Stato, ovvero le prove ad alto valore certificativo che determinano l'accesso alle università e alle scuole superiori. Per gli studenti che utilizzano l'IA in modo sistematico per due anni o più, il crollo dei punteggi è ancora più marcato: si registra una perdita del 24% per l'esame di accesso alle superiori (Zhongkao) e del 18% per quello universitario (Gaokao). Questo accade perché gli esami di Stato testano la conoscenza accumulata nel tempo. Chi usa l'IA solo negli ultimi mesi compromette solo l'apprendimento recente, ma chi la usa per anni mina le fondamenta stesse del proprio percorso formativo, creando un vuoto di competenze che la tecnologia non può colmare.

La distinzione tra utilizzo produttivo e "outsourcing" dei compiti

La ricerca identifica una distinzione fondamentale tra due modalità di interazione con l'intelligenza artificiale. L'81% degli utilizzatori rientra nella categoria dell'outsourcing dei compiti: questi studenti completano le consegne in tempi inferiori rispetto ai più veloci tra i non-utenti e ricevono voti altissimi, coerenti con le capacità della macchina, ma ottengono risultati miserabili nelle prove chiuse. In questo scenario, lo studente non sta imparando, ma sta semplicemente delegando la produzione del contenuto a un agente esterno.

Esiste invece una minoranza di studenti che pratica un approccio di non-outsourcing. Questi ragazzi, pur utilizzando l'IA, impiegano lo stesso tempo dei non-utenti per completare i compiti. Per loro, l'IA non riduce l'efficienza dell'apprendimento perché non viene usata per saltare lo sforzo cognitivo, ma probabilmente come supporto o tutor. Tuttavia, il dato più allarmante è che, dopo soli cinque mesi di utilizzo, nessuno studente in questa categoria è rimasto. L'IA sembra esercitare una pressione costante che erode la capacità di impegnarsi nello studio approfondito, spingendo quasi tutti verso la scorciatoia della delega immediata.

Impatto differenziato per materie, genere e livello di preparazione

L'erosione delle competenze non colpisce in modo uniforme tutte le aree del sapere o tutti i profili di studenti. Le materie umanistiche e sociali sono quelle che subiscono i danni maggiori, con una riduzione media dei voti del 27%. Seguono le materie STEM con un calo del 22%, mentre le lingue mostrano perdite inferiori (inglese -17%, cinese -9%). Questo risultato è sorprendente, poiché la letteratura precedente si era concentrata prevalentemente su matematica e programmazione, dove l'IA è spesso percepita come uno strumento di supporto tecnico.

Un dato particolarmente inquietante riguarda il livello di preparazione iniziale degli studenti. La ricerca evidenzia che gli studenti con i voti più alti all'inizio del periodo di studio sono quelli che subiscono le perdite maggiori, con un divario del 50% tra il terzile più alto e quello più basso. L'IA sembra quindi comprimere la distribuzione delle competenze, colpendo più duramente i migliori, che potrebbero essere più inclini a utilizzare strumenti avanzati per gestire carichi di lavoro complessi, finendo però per sacrificare la profondità dell'apprendimento.

Impatto sulla scuola e sui docenti: nuove sfide per la valutazione

Per il corpo docente e i dirigenti scolastici, questi dati evidenziano una necessità urgente di cambiare i paradigmi di monitoraggio. Poiché i voti sui compiti a casa non sono più un indicatore affidabile del progresso cognitivo, la scuola deve spostare il focus dai risultati finali (il prodotto consegnato) agli input di apprendimento (il processo svolto). Monitorare il tempo dedicato e lo sforzo profuso diventa più rilevante che valutare la correttezza formale di un testo generato da un algoritmo.

In concreto, per le famiglie e gli insegnanti, ciò significa che le verifiche in presenza, senza accesso a supporti digitali e monitorate, diventano l'unico strumento possibile per ripristinare il legame tra sforzo e ricompensa. Senza queste prove, il rischio è quello di certificare competenze che non esistono realmente, creando una generazione di studenti "campioni di compiti" ma privi delle basi necessarie per affrontare sfide accademiche reali o professionali. È fondamentale fornire dati credibili ai genitori sul costo a lungo termine dell'outsourcing, poiché molti non sono consapevoli che la facilità immediata dell'IA sta compromettendo la capacità di pensiero critico dei propri figli.

Strategie operative per la classe

• Monitoraggio del processo: Valutare la tracciabilità del lavoro svolto, richiedendo bozze, mappe concettuali e riflessioni personali che l'IA fatica a simulare in modo coerente.
• Verifiche "Closed-Book": Incrementare la frequenza di prove scritte in classe per contrastare l'erosione delle competenze di memoria e sintesi.
• Educazione all'uso critico: Insegnare agli studenti a distinguere tra l'IA come "tutor" (che guida il pensiero) e l'IA come "sostituto" (che lo annulla).

Sebbene l'effetto negativo dell'IA sull'apprendimento sembri mostrare una lieve flessione nel tempo (passando dal 25% del 2023 al 16% del 2025), il margine di miglioramento rimane ampio. La sfida per la scuola italiana sarà quella di integrare queste tecnologie senza permettere che diventino una scorciatoia cognitiva che svuota di significato il percorso educativo.

Attenzione: Il calo del 20% nei voti degli esami mensili è un dato straordinario che, sebbene possa apparire contenuto in una singola materia, diventa devastante quando considerato sulla media complessiva delle competenze dello studente.

Il dato più critico è la perdita di 1.4 deviazioni standard negli esami mensili dopo soli sei mesi di uso dell'IA, un segnale d'allarme che richiede interventi immediati sulle metodologie di valutazione.