Lo scivolo sul marciapiede

Chiunque abbia spinto un passeggino, trascinato un trolley verso la stazione o accompagnato a mano una bicicletta carica di spesa ha usato almeno una volta lo scivolo che interrompe il marciapiede all'altezza delle strisce pedonali, senza chiedersi per chi fosse stato pensato e senza sapere che, una sera dei primi anni Settanta, a Berkeley, Michael Pachovas e alcuni amici in sedia a rotelle ne avevano colato uno nel cemento, rudimentale e abusivo, come gesto di sfida politica e insieme come soluzione pratica per potersi muovere in città.

 L'avvocata e attivista Angela Glover Blackwell ha raccontato questa storia nel 2017 sulla Stanford Social Innovation Review e le ha dato un nome che da allora circola molto anche nel mondo della scuola, curb-cut effect, cioè effetto scivolo: una soluzione progettata per chi è più esposto a una barriera finisce spesso per migliorare la vita di tutti gli altri. 

Negli stessi anni l'architetto Ronald Mace - che aveva contratto la poliomielite a nove anni e che da studente, alla North Carolina State University, doveva farsi portare a braccia su e giù per le scale degli edifici in cui si tenevano le lezioni - contribuiva a scrivere la prima legge statunitense sull'accessibilità degli edifici, approvata in North Carolina nel 1973, e più tardi avrebbe trasformato la stessa intuizione in un principio di progettazione, coniando a metà degli anni Ottanta l'espressione universal design: pensare edifici e oggetti fin dall'inizio per la più ampia varietà di persone, invece di aggiungere rampe a costruzione finita. 

 

Dall'architettura l'idea è passata alla didattica, dove un centro di ricerca statunitense, il CAST, l'ha tradotta nella Progettazione Universale per l'Apprendimento - in inglese Universal Design for Learning, UDL - che chiede di prevedere, quando la lezione è ancora un'idea su un foglio, più modi di presentare un contenuto (la rappresentazione), più modi per dimostrare di averlo capito (l'azione e l'espressione) e più ragioni per restare coinvolti (il coinvolgimento). 

 

L'intelligenza artificiale sembra oggi mantenere la promessa di Mace con un'efficienza che lui non poteva immaginare, perché in pochi secondi un testo diventa audio, una pagina di storia si trasforma in una linea del tempo illustrata e una consegna si riscrive in tre livelli di difficoltà.

 

Eppure uno scivolo costruito su richiesta, per un bambino alla volta e a lezione già scritta, assomiglia parecchio a quella rampa aggiunta dopo che Mace voleva lasciarsi alle spalle. È ancora progettazione universale? Chi decide quale gradino togliere? E se il gradino, in certi casi, fosse proprio l'esercizio? 

 

Il dibattito, come sempre quando l'intelligenza artificiale entra in classe, ci trova divisi fra entusiasti e scettici, e confesso un'inclinazione per il secondo gruppo che va presa come un bias personale più che come una tesi; proprio per questo comincio dagli entusiasti, che hanno argomenti seri. Silvia Saborío-Taylor e Fabián Rojas-Ramírez, docenti alla Universidad Nacional de Costa Rica, hanno proposto nel 2024 una vera e propria guida per insegnanti che abbina a ciascun principio UDL alcuni strumenti di intelligenza artificiale: la sintesi vocale per trasformare in audio il racconto di un evento storico, i generatori di infografiche per ricavarne una linea del tempo, i sottotitoli automatici per chi sente poco o non padroneggia ancora la lingua della classe, fino ai chatbot che permettono di conversare con un personaggio famoso. 

 

L'argomento più forte del loro articolo, almeno per chi insegna, riguarda il tempo: secondo gli autori gli strumenti di intelligenza artificiale alleggeriscono il lavoro di chi deve trovare o produrre materiali adatti a bisogni diversi, e abbassano così un costo reale: chi ha passato una domenica pomeriggio a riscrivere tre volte la stessa verifica sa che non è un dettaglio. 

Angela Lombardo Pontillo, dell'Università di Macerata, e Patrizia Oliva, dell'Università Magna Graecia di Catanzaro, partono invece da un limite della progettazione universale, che a loro giudizio da sola potrebbe non bastare agli studenti con disturbi specifici dell'apprendimento (DSA): rendere accessibile un materiale non equivale a renderlo efficace, e un testo in formato digitale, per uno studente con dislessia, non garantisce di per sé che il contenuto venga compreso, così come per la discalculia una rappresentazione visiva non sostituisce il lavoro sulle abilità numeriche di base. 

 

Da qui la loro proposta, che affida all'adaptive learning - i sistemi che modificano in tempo reale difficoltà e sequenza dei contenuti in base alle risposte di chi studia - il compito di completare ciò che la progettazione universale lascia aperto, con un esempio italiano come BESPECIAL, una piattaforma per studenti universitari con dislessia che combina un motore adattivo e la realtà virtuale e regola gli esercizi su velocità di lettura, accuratezza e carico cognitivo. La conclusione è conciliante: universalità e personalizzazione possono lavorare insieme, a patto che l'insegnante resti al centro del processo. 

Il ragionamento fila: la progettazione universale apre la porta a tutti, l'intelligenza artificiale accompagna ciascuno fino al proprio banco. 

 

Chi potrebbe obiettare? A guardare da vicino che cosa misurano i sistemi adattivi, più d'uno, e un caso di mezzo secolo fa lo mostra con particolare chiarezza. Il caso di Benny Nel 1973 Stanley Erlwanger, ricercatore in didattica della matematica, pubblicò il resoconto di una serie di colloqui con Benny, un alunno di sesta classe - l'equivalente della nostra prima media - inserito in un programma di matematica individualizzato chiamato IPI, Individually Prescribed Instruction, in cui ciascuno procedeva al proprio ritmo su schede e libretti e passava all'unità successiva solo dopo aver superato un test di padronanza. 

Secondo il programma Benny andava bene, ma bastò sedersi accanto a lui e chiedergli come ragionava per scoprire che convertiva le frazioni in decimali sommando numeratore e denominatore, sicché nove decimi diventavano 1,9, e che considerava la matematica un insieme di regole arbitrarie da indovinare: nelle frazioni, spiegò a Erlwanger, abbiamo cento tipi di regole diverse, e quando una risposta non coincideva con la chiave di correzione lui la cambiava finché non coincideva. 

 

Il programma, costruito sulla diagnosi continua e sulla verifica costante, certificava i progressi di Benny proprio mentre lui consolidava un sistema di regole sbagliate ma coerenti, e la domanda che Erlwanger si poneva - come avesse potuto un ragazzo con quell'idea delle frazioni avanzare tanto - vale ancora oggi per qualunque strumento che adatta il percorso sulla base delle risposte: un sistema che misura l'esattezza della risposta può registrare l'avanzamento senza vedere il ragionamento. 

Lo so che un programma a schede degli anni Settanta non è una piattaforma di adaptive learning di oggi, e che metterli sullo stesso piano può sembrare ingeneroso; a dirla tutta, però, la parentela con le macchine per insegnare di metà Novecento la riconoscono gli stessi studiosi del settore.

 

Lombardo Pontillo e Oliva riprendono infatti la classificazione di Fan Ouyang e Pengcheng Jiao, studiosi di intelligenza artificiale in educazione, che distinguono tre modi di far entrare la macchina nell'insegnamento: diretto dalla macchina, di impronta comportamentista e discendente dalle macchine per insegnare dello psicologo Burrhus F. Skinner, la stessa famiglia a cui apparteneva il programma di Benny; supportato dalla macchina, in cui lo strumento affianca uno studente che costruisce conoscenza insieme all'insegnante; potenziato dalla macchina, in cui lo strumento allarga l'autonomia di chi impara. 

 

Le due autrici riconoscono loro stesse che il modello diretto si adatta male agli studenti con DSA, che quello supportato presuppone capacità metacognitive e un insegnante che interpreti gli output, e che fra i rischi della personalizzazione c'è l'iper-personalizzazione, cioè un percorso che propone soltanto contenuti e strategie in linea con le preferenze dello studente, senza mai spingerlo a sviluppare competenze nuove. 

Anche BESPECIAL, del resto, è nato per l'università, e ciò che funziona con uno studente universitario che ha già una diagnosi di dislessia non si trasferisce da sé a un bambino della primaria, che spesso una diagnosi non ce l'ha ancora.

 

Quale gradino togliere 

 

Gli psicologi Elizabeth e Robert Bjork, dell'Università della California a Los Angeles, hanno chiamato difficoltà desiderabili quelle fatiche che rallentano la prestazione immediata ma migliorano l'apprendimento nel lungo periodo, come sforzarsi di ricordare un'informazione invece di rileggerla o alternare tipi diversi di esercizi invece di ripeterne uno solo: è una delle idee più solide della psicologia dell'apprendimento, e da qui nasce una diffidenza ragionevole verso gli strumenti che tolgono ogni fatica. 

Letta senza la lente della progettazione universale, tuttavia, la teoria delle difficoltà desiderabili presuppone studenti che decodificano un testo senza sforzo, perché per un bambino con dislessia la fatica della decodifica non ha niente di desiderabile: è la barriera che gli impedisce di arrivare al contenuto. Resta da capire quale fatica togliere, e qui aiuta una distinzione fra la fatica d'accesso, che separa il bambino dal contenuto, e la fatica d'apprendimento, quella in cui il contenuto si impara davvero. 

 

Sul marciapiede il gradino è soltanto un ostacolo, e toglierlo non costa niente a nessuno; nella palestra di un centro di riabilitazione, dove si insegna a una persona a risalire le scale dopo un intervento, la stessa rampa porterebbe via proprio l'esercizio. Con un testo semplificato da un'intelligenza artificiale succede lo stesso: se l'obiettivo è conoscere la trama di un racconto, la sintesi vocale toglie una barriera e lascia intatto il lavoro, mentre se l'obiettivo è capire perché un personaggio si comporta in un certo modo, una versione semplificata che lo dice esplicitamente ha tolto la scala.

 

È la stessa obiezione che Lombardo Pontillo e Oliva muovono alla progettazione universale, quando osservano che un testo digitale non garantisce la comprensione, rivolta però contro lo strumento che dovrebbe rimediare: anche l'adattamento può fermarsi all'accesso, oppure andare oltre e abbassare l'obiettivo senza che nessuno se ne accorga, come le schede di Benny abbassavano la matematica a un gioco di regole da indovinare. 

 

 

Il terzo articolo sposta la domanda su un piano diverso, e non a caso viene da chi si occupa da anni di inclusione nell'insegnamento dell'informatica: Yukyeong Song e il gruppo dell'Università della Florida coordinato da Maya Israel hanno applicato i principi UDL all'insegnamento dell'intelligenza artificiale come materia, in un campo estivo, Camp Dialogs, dove trentadue ragazze e ragazzi che stavano per cominciare la seconda o la terza media costruivano un proprio chatbot su un tema scelto da loro. Ne sono usciti, fra gli altri, un chatbot sulla storia afroamericana e uno, progettato da due gemelli, che raccontava curiosità sui gemelli; si lavorava in coppia alternandosi alla tastiera, ci si preparava con attività unplugged - cioè senza computer - fatte di mattoncini Lego, yoga e recitazione, e un pulsante dell'ambiente di sviluppo mostrava come il modello aveva classificato ciascuna frase e con quale grado di sicurezza. Rispetto alla guida costaricana colpisce una differenza: anche quando Saborío-Taylor e Rojas-Ramírez arrivano all'azione e all'espressione, accanto alla dettatura vocale molti degli strumenti che propongono generano per lo studente una storia o un'illustrazione a partire da un'istruzione, mentre a Camp Dialogs sono i ragazzi a costruire, provare e correggere qualcosa di loro. È quello che abbiamo osservato anche negli stessi laboratori con Logon: strumenti come NotebookLM e Gemini sono bravissimi a riassumere, a trasformare un testo in audio, a disegnare mappe, e molto meno utili quando si tratta di far fare qualcosa a chi impara, sicché un uso limitato alla produzione di materiali semplificati rischia di confermare l'immagine dello studente con bisogni educativi speciali come destinatario passivo di contenuti già pronti. 

Il pulsante che a Camp Dialogs mostrava il ragionamento della macchina è, a ben vedere, proprio ciò che le schede di Benny non offrivano per il ragionamento del bambino. 

Il limite, gli autori lo dichiarano con onestà: Camp Dialogs era un contesto informale, con un facilitatore per ogni coppia, una condizione poco realistica in una classe in cui un solo insegnante guida tutto il gruppo. Resta poi un nodo che nessuno dei tre articoli scioglie, perché gran parte della letteratura che abbiamo attraversato - compreso l'entusiasmo per l'adaptive learning - riguarda ragazzi più grandi o adulti, mentre nella scuola primaria, dove una diagnosi di DSA non arriva prima della fine della seconda classe, si lavora soprattutto sull'osservazione e sul potenziamento, ben prima che sugli strumenti compensativi. 

 

 

Provate, la prossima volta che chiederete a uno strumento di semplificare un testo, di trasformarlo in audio o di riscriverlo per livelli, a scrivere prima su un foglio l'obiettivo della lezione in una sola riga, e poi a rileggere il materiale ottenuto con una domanda precisa: per arrivare in fondo, il bambino deve ancora fare la cosa che volevate insegnargli? Se la risposta è sì, lo scivolo ha tolto un gradino e si può usare con tranquillità; se è no, ha tolto la scala, e conviene tornare al testo originale e lavorare sulla barriera - con la sintesi vocale, con una lettura condivisa, con una spiegazione a voce - lasciando al bambino l'inferenza. Accanto a questa verifica ce n'è una seconda, più lenta, che non richiede alcuno strumento ed è la stessa usata da Erlwanger: almeno una volta alla settimana, su un esercizio corretto e non soltanto su quelli sbagliati, chiedere a un bambino di raccontare come ci è arrivato, e affidare all'intelligenza artificiale, quando la si usa con lui, il compito di aiutarlo a dire, a registrare e a costruire qualcosa di suo, prima ancora di quello di preparargli il contenuto già pronto.