MiReLab

BAD - agosto 26

Rassegna del 21 agosto 2026

La novità più interessante della settimana non è un nuovo risultato sull’“efficacia” dell’IA, ma uno spostamento del problema: dall’IA come strumento isolato alle relazioni che essa riorganizza — attività, materiali, autonomia, attriti e mediazione docente.

1. Dierickx et al. — A Taxonomy of LLM-Supported Tasks for Critical AI Literacy in Journalism

Laurence Dierickx, Fredrik Bjerknes, Andreas L. Opdahl et al.; 18 agosto 2026. Articolo open access

Gli autori articolano l’uso degli LLM secondo quattro momenti del lavoro giornalistico — raccolta, costruzione di senso, editing, pubblicazione — collegando ciascuna attività a operazioni dell’IA, prompt iniziali e rischi epistemici ed etici.

Che cosa cambia: l’AI literacy non è presentata come competenza generale nel “saper usare ChatGPT”, ma come capacità situata di decidere, per ogni passaggio di una pratica professionale, che cosa delegare, controllare o non delegare.

Cautela: è una tassonomia concettuale, non ancora una dimostrazione empirica dei suoi effetti sull’apprendimento.

2. Nygren et al. — Exploring Student Use of Generative AI in Higher Education: A Dual-Institutional Study

Åse Nygren, Anna Eriksson, Jeanette Sjöberg et al.; 15 agosto 2026. Articolo open access

Indagine su 1.097 studenti di due università svedesi differenti. Gli usi prevalenti riguardano ricerca d’informazioni, revisione e analisi dei testi; una parte degli studenti impiega però l’IA come interlocutore, lettore critico o tutor.

Che cosa cambia: le differenze tra le due università risultano limitate. L’uso dell’IA appare ormai incorporato nelle pratiche personali degli studenti, ma ancora poco orientato dalla progettazione istituzionale e didattica.

Perché conta: conferma che non basta fornire regole o accesso. La distinzione decisiva attraversa ogni contesto: l’IA può abbreviare il compito oppure alimentare confronto, revisione e approfondimento. Diventa quindi importante progettare il tipo di relazione con l’IA, non soltanto autorizzarne o vietarne l’uso.

Cautela: questionario autocompilato, tassi di risposta dell’11–14% e nessuna misura diretta dell’apprendimento. Gli autori non possono dimostrare che gli usi dichiarati come “dialogici” producano realmente apprendimento profondo.

3. Christensen, Marchetti e Valente — Foregrounding the Material Element of Literacy

13 agosto 2026. Articolo open access

Tre vignette mostrano studenti di informatica, ingegneria e filosofia impegnati con carta e artefatti analogici. La stessa materialità produce coinvolgimento o resistenza differenti, a seconda delle posizionalità disciplinari e sociali.

Apporto rilevante: analogico e digitale non sono alternative neutre; entrambi partecipano alla configurazione dell’attività. L’inatteso ingresso della carta produce una perturbazione che rende percepibili abitudini e relazioni normalmente invisibili.

Cautela: base empirica molto ridotta ed eterogenea; una vignetta riferisce soltanto la prospettiva del docente. È più generativo come dispositivo concettuale che conclusivo come evidenza.

4. Luo et al. — The Illusion of Agency: Deconstructing AI’s Influence on the Generation of Authentic Agency in Early Childhood ITA

11 agosto 2026. Articolo open access

Sulla base di sei interviste a esperti e di teoria della complessità, ANT e approccio ecologico, il lavoro sostiene che sistemi molto adattivi possano eliminare proprio quegli attriti sociali e materiali attraverso i quali il bambino sviluppa autonomia e resilienza. Propone una pedagogia dell’attrito e il passaggio dallo scaffolding alla progettazione dell’ecosistema di apprendimento.

Perché merita attenzione: offre un ponte molto forte tra postdigitale, complessità e imprevisto. L’attrito non è rumore da eliminare, ma possibile condizione generativa dell’apprendimento.

Cautela: è uno studio esplorativo e teorico; l’espressione “illusione di agency” non è ancora sostenuta da osservazioni longitudinali sui bambini.

Prospettive decoloniali e intersezionali

Resta però evidente una tensione da seguire: i due articoli sull’IA assumono categorie come supervisione umana, autonomia e responsabilità apparentemente universali, senza interrogare a fondo chi definisca tali categorie e quali epistemologie vengano incorporate nei sistemi. È precisamente il punto nel quale la critica decoloniale dovrebbe entrare nella ricerca sull’AI feedback.

La convergenza più promettente è questa: non progettare l’IA perché elimini incertezza e attrito, ma configurare relazioni nelle quali l’attrito resti conoscibile, affrontabile e formativo.

Rassegna del 28 agosto 2026

La novità più rilevante della settimana è una correzione dell’ottimismo sull’IA: gli effetti positivi sull’apprendimento risultano assai meno solidi quando si considerano bias di pubblicazione e differenze nella struttura delle attività. Parallelamente, tre lavori convergono nel mostrare che incertezza, valutazione e tecnologie non sono condizioni neutrali, ma dipendono da contesti, mediazioni e rapporti di potere.

1. Boolzen et al. — Evidence of Impact and Interpretational Limits of Generative AI in STEM Education ITA

Chiara Boolzen, Jochen Kuhn, Salome Flegr, Eva-Maria Rott, Niklas Stausberg e Stefan Küchemann; 25 agosto 2026. Articolo open access

Meta-analisi di 49 studi e 59 effetti, ricavati da 85 ricerche ammissibili.

Che cosa cambia: l’effetto medio apparentemente positivo dell’IA generativa quasi scompare nella correzione bayesiana per il bias di pubblicazione. L’eterogeneità resta enorme: l’intervallo predittivo va da effetti fortemente negativi a fortemente positivi. Il risultato pedagogicamente decisivo è che l’IA appare promettente quando aumenta l’attività cognitiva dello studente, mentre può essere dannosa quando la sostituisce.

Perché conta: impedisce di domandare genericamente se l’IA “funzioni”. Occorre confrontare precisamente che cosa fanno cognitivamente gli studenti con e senza IA. È una base particolarmente forte per distinguere feedback che riapre il ragionamento da feedback che consegna direttamente una soluzione.

Cautela: prevalgono università, discipline STEM e sistemi testuali; alfabetizzazione all’IA, metacognizione, qualità dei prompt e pratiche di verifica sono raramente misurate. L’articolo è inoltre ancora nella versione accettata, precedente all’ultima revisione editoriale.

2. Clark-Stallkamp e Lockee — Toward a Framework of Uncertainty in Ill-Structured Problem Solving ITA

Rebecca Clark-Stallkamp e Barbara B. Lockee; 24 agosto 2026. Articolo open access

Sintesi sistematica qualitativa di 74 articoli.

Che cosa apporta: distingue l’incertezza dalle condizioni che la producono e dalle sue manifestazioni emotive o comportamentali. La definisce come esperienza soggettiva, metacognitiva e psicologica emergente nell’interpretare problemi e regolare l’azione con informazioni incomplete, contraddittorie o mutevoli. Individua sette fonti intrecciate: contesto del problema, esiti, influenze socioculturali, fattori epistemologici, ambiente, dinamicità e complessità.

Perché conta: rende analizzabile l’incertezza senza ridurla a generica imprevedibilità. Soprattutto, la considera una condizione da riconoscere e attraversare produttivamente, non semplicemente un disturbo da eliminare. Potrebbe offrire una griglia utile per rileggere l’imprevisto nel PRE–POST.

Cautela: è una costruzione concettuale ricavata da letterature eterogenee, non una tassonomia già validata mediante osservazioni didattiche. Inoltre privilegia l’esperienza individuale dell’incertezza più delle trasformazioni collettive della situazione.

3. Miller et al. — Exploring Equitable Assessment Practices in Mathematics for Culturally and Linguistically Diverse Students

Jodie Miller, Jodie Hunter, Danielle Armour, Yolanda McLean e Kate Newman; 24 agosto 2026. Articolo open access

Studio esplorativo con bambini aborigeni e delle isole dello Stretto di Torres del terzo anno di primaria, parlanti inglese come lingua o dialetto aggiuntivo.

Che cosa apporta: mostra concretamente che una prova standardizzata può occultare la comprensione matematica. Manipolativi, semplificazione linguistica, modalità alternative di risposta e contestualizzazione nelle esperienze degli alunni rendono visibili conoscenze che la prova originaria non intercettava. Particolarmente significativa è la co-costruzione di alcuni quesiti con i bambini.

Perché conta: collega giustizia epistemica, materialità e concezione ricorsiva dell’apprendimento. Il manipolativo non “facilita” abbassando la richiesta, ma permette allo studente di ritornare a strati precedenti della comprensione e riorganizzarli. L’oggetto valutativo emerge così dall’interazione fra conoscenza, linguaggio, materiali e contesto.

Cautela: solo dieci bambini, due scuole appartenenti alla stessa comunità e appena due partecipanti alla co-costruzione. Poiché le modifiche sono introdotte insieme, non è possibile isolare l’effetto di ciascuna.

4. Salamah — Ethical Implications of Artificial Intelligence-Based Academic Integrity Systems in Palestinian Higher Education

Walid Salamah; 26 agosto 2026. Articolo open access

Revisione sistematica di 33 studi su rilevazione automatizzata delle scorrettezze accademiche.

Che cosa apporta: sposta la questione dai soli errori tecnici alla giustizia contestuale. Falsi positivi per studenti non anglofoni, opacità delle decisioni, sorveglianza e assenza di procedure di contestazione non sono effetti laterali, ma componenti dell’intero dispositivo valutativo. L’assenza di studi palestinesi viene letta essa stessa come ingiustizia epistemica.

Perché conta: mette direttamente in tensione IA, feedback/valutazione e prospettiva decoloniale. Un sistema formalmente identico può distribuire rischi e possibilità di difesa in modo profondamente diseguale; la supervisione umana, da sola, non risolve il problema se manca una governance contestuale.

Cautela importante: nessuno degli studi inclusi riguarda la Palestina. Le indicazioni per le università palestinesi sono quindi estrapolazioni teoriche; inoltre la ricerca bibliografica si ferma al dicembre 2024 ed è stata condotta da un solo revisore.

Convergenze e tensioni

I quattro lavori convergono su un principio nettamente postdigitale: non è lo strumento, preso isolatamente, a produrre apprendimento o ingiustizia, ma la configurazione di attività, linguaggi, materiali, regole, contesti e poteri.

Emerge anche una tensione feconda:

  • Clark-Stallkamp e Lockee trattano l’incertezza soprattutto come esperienza del soggetto;
  • Miller et al. mostrano che quella stessa esperienza può essere prodotta artificialmente da una prova linguisticamente e culturalmente inadeguata;
  • Boolzen et al. mostrano che l’IA diventa positiva o negativa secondo l’attività cognitiva che sostituisce o rende possibile;
  • Salamah aggiunge che la configurazione tecnologica decide anche chi viene creduto, sorvegliato o posto nella condizione di difendersi.

Non è emerso, dopo il 21 agosto, un nuovo contributo esplicitamente riconducibile alla pedagogia postdigitale che superasse la soglia di rilevanza; tuttavia, tutti questi lavori ne rafforzano empiricamente l’impostazione relazionale e sociomateriale.

Priorità di lettura

  1. Boolzen et al., perché modifica il quadro probatorio sull’efficacia educativa dell’IA e offre la distinzione operativa più importante: aumentare o sostituire l’attività dello studente.
  2. Clark-Stallkamp e Lockee, immediatamente dopo: fornisce il lessico più sistematico per distinguere fonti, esperienza e manifestazioni dell’incertezza.
  3. Miller et al., per vedere queste questioni dentro una situazione concreta e per il nesso molto originale tra materialità, ricorsività, co-costruzione e giustizia valutativa.
  4. Salamah, da approfondire come cornice etico-politica dell’IA istituzionale, mantenendo presente la mancanza di evidenze palestinesi dirette.

Da tenere d’occhio: l’articolo appena accettato di Moses Mhide Kpum e Velisiwe Gasa, Epistemic Justice in Educational Assessment, dedicato alla decolonizzazione della valutazione attraverso sistemi indigeni di conoscenza e paradigmi afrocentrici. La versione definitiva non è ancora stata pubblicata, ma l’abstract estende esplicitamente la critica anche agli strumenti valutativi digitali e basati sull’IA.