Exploring Teacher-Chatbot Interaction and Affect in Block-Based Programming

Questo studio analizza le prospettive di insegnanti di scuola media sull'uso di chatbot basati su modelli linguistici in attività di programmazione a blocchi, identificando tre profili di interazione e proponendo raccomandazioni di progettazione per bilanciare i benefici nell'apprendimento con i rischi per il pensiero critico.

L'essenziale

🎓 Il Grande Esperimento: Insegnanti, Robot e Blocchi di Codice

Immagina di essere un insegnante di scuola media. Ti viene chiesto di insegnare ai tuoi studenti a programmare, ma non con la solita noiosa scrittura di codice, bensì usando un sistema a "blocchi" (come i LEGO digitali). E ora, c'è un nuovo ospite nella stanza: un Chatbot (un assistente AI) che può scrivere codice per te, rispondere a domande e darti suggerimenti.

Gli autori di questo studio (un gruppo di ricercatori americani) hanno invitato 11 coppie di insegnanti a provare questo nuovo assistente. L'obiettivo? Capire come si sentono gli insegnanti quando usano questa tecnologia: sono entusiasti? Confusi? O si sentono come se avessero un assistente che fa più danni che bene?

Ecco cosa è emerso, spiegato con delle metafore.

---

🧩 1. I Tre "Personaggi" degli Insegnanti

Durante l'esperimento, gli ricercatori hanno notato che gli insegnanti non reagivano tutti allo stesso modo. Hanno creato tre "profili" o personaggi, come se fossero in un film:

• 🕵️‍♀️ L'Esploratore (The Explorer):
  • Chi è: È l'insegnante curioso che dice: "Vediamo cosa sa fare questo robot!".
  • Cosa fa: Prova a fare domande strane, cambia le impostazioni, clicca su tutto. Si diverte a scoprire i trucchi.
  • Sentimento: È eccitato, curioso e si sente capace. Per lui, il chatbot è un nuovo parco giochi.
• 🎯 Il Focalizzato sul Compito (The Task-Focused):
  • Chi è: È l'insegnante pragmatico che dice: "Ho un compito da fare, dammi la soluzione veloce".
  • Cosa fa: Usa il chatbot solo per quello che serve, segue le istruzioni e finisce il lavoro. Non perde tempo a giocare.
  • Sentimento: È soddisfatto e tranquillo. Per lui, il chatbot è un utensile efficiente.
• 😫 Il Frustrato (The Frustrated):
  • Chi è: È l'insegnante che si sente come se stesse cercando di aprire un barattolo di marmellata con un coltello di plastica.
  • Cosa fa: Prova e riprova, il codice non funziona, il chatbot sembra non capire. Chiede aiuto continuamente.
  • Sentimento: È confuso, arrabbiato e si sente in colpa. Per lui, il chatbot è un muro che lo blocca.

La morale: Non tutti gli insegnanti sono uguali. Alcuni hanno bisogno di più guida, altri di più libertà. Un sistema "taglia unica" non funziona.

---

⚖️ 2. Il Bilancio: Pro e Contro (La Bilancia della Fiducia)

Gli insegnanti hanno discusso a lungo sui vantaggi e i rischi. Immagina una bilancia:

🟢 I Vantaggi (Il lato luminoso):

• Il "Super-Eroe" per la fiducia: Gli insegnanti hanno notato che gli studenti, quando usano il chatbot, si sentono più sicuri di sé. È come se avessero un tutor personale che dice: "Ehi, ce la puoi fare!".
• Imparare a "parlare" con l'AI: Usare il chatbot insegna agli studenti una nuova abilità fondamentale: il prompting (saper chiedere le cose giuste). È come imparare a scrivere una lettera perfetta a un mago: se chiedi bene, ottieni la magia giusta.
• Tempo per gli insegnanti: Il chatbot può rispondere alle domande semplici, liberando l'insegnante per aiutare chi ha davvero bisogno di aiuto.

🔴 I Rischi (L'ombra):

• La trappola della "pigrizia mentale": C'è il timore che gli studenti usino il chatbot per copiare il codice senza capire come funziona. È come se uno studente facesse i compiti a casa con l'AI e poi dicesse: "Ho imparato la matematica!", ma in realtà non ha mai fatto un calcolo.
• Perdita della "lotta produttiva": Imparare a programmare richiede di sbagliare, impazzire e poi risolvere il problema da soli. Se il robot fa tutto al posto tuo, perdi la soddisfazione di aver risolto il puzzle.
• Il mistero del "come": A volte il chatbot dà la risposta, ma non spiega perché. È come se ti desse la soluzione di un indovinello senza dirti il ragionamento.

---

🛠️ 3. Cosa Suggeriscono gli Insegnanti? (Le Regole del Gioco)

Gli insegnanti non hanno detto "buttate via il robot". Hanno detto: "Fateci gestire noi il robot". Ecco le loro idee principali:

1. Il "Interruttore Magico": Gli insegnanti vogliono poter accendere o spegnere certe funzioni. Ad esempio, potrebbero dire: "Oggi i ragazzi devono imparare a scrivere il codice da soli, quindi spegnete la funzione che scrive il codice per loro".
2. Un'Introduzione Graduale: Non puoi dare un'auto sportiva a un bambino che non sa guidare. Prima gli studenti devono imparare le basi (i blocchi), e poi possono usare il chatbot come aiuto.
3. Adattarsi a Tutti: Il chatbot deve parlare in modo semplice, magari usando immagini o voce, per aiutare chi ha difficoltà di lettura o non parla bene l'inglese. Deve essere un assistente per tutti, non solo per i geni.

---

💡 La Conclusione in Pillole

Questo studio ci dice che l'Intelligenza Artificiale nelle scuole è come un nuovo strumento musicale.

• Se lo dai a qualcuno senza spiegargli come funziona, potrebbe suonare una nota stonata e arrabbiarsi (il profilo "Frustrato").
• Se sai come usarlo, può creare una sinfonia meravigliosa e aiutare tutti a suonare meglio (il profilo "Esploratore").

Il segreto non è vietare il robot, ma insegnare agli insegnanti come dirigerlo. Se gli insegnanti si sentono al comando e capiscono quando e come usare l'AI, allora l'AI diventa un superpotere per l'educazione, non un nemico.

In sintesi: L'AI è un ottimo copilota, ma l'insegnante deve rimanere al volante. 🚗🤖

Sommario tecnico

Titolo: Esplorazione dell'Interazione e dell'Affettività tra Insegnanti e Chatbot nella Programmazione a Blocchi

1. Problema e Contesto

L'integrazione dell'Intelligenza Artificiale (IA) e dei Modelli Linguistici su Grande Scala (LLM) nell'istruzione K-12 ha accelerato rapidamente, sollevando preoccupazioni pedagogiche ed etiche. Sebbene i chatbot possano accelerare l'apprendimento, il loro uso non strutturato rischia di:

• Ridurre lo "sforzo cognitivo produttivo" (productive struggle), essenziale per l'acquisizione di competenze profonde, specialmente nella programmazione.
• Creare dipendenza dagli strumenti, bypassando il pensiero critico e la risoluzione dei problemi.
• Generare incertezza negli insegnanti riguardo all'integrità accademica e al controllo pedagogico.

La ricerca attuale si concentra spesso sugli studenti, lasciando un vuoto nella comprensione di come gli insegnanti percepiscano, interagiscano e integrino questi strumenti nei loro flussi di lavoro didattici, specialmente in ambienti di programmazione a blocchi (come Scratch).

2. Metodologia

Lo studio è stato condotto durante un workshop di sviluppo professionale (PD) estivo 2025 rivolto a 25 insegnanti di scienze delle scuole medie (8 insegnanti leader esperti e 17 partecipanti principianti).

• Ambiente Sperimentale: È stato utilizzato Stax.fun, un ambiente di programmazione a blocchi integrato con un copilot IA basato su LLM. Il chatbot offriva quattro modalità:
  • Code: Generazione di blocchi da descrizioni testuali.
  • Q&A: Risposte a domande sui concetti di programmazione.
  • Coach: Guida passo-passo per costruire progetti.
  • Prompts: Raffinamento dei prompt dell'utente.
• Attività: Gli insegnanti hanno completato un'attività di 50 minuti in cui dovevano simulare l'interazione delle onde (luce e suono) con diversi materiali (tende, vetro, specchi, sacchetti di plastica) utilizzando blocchi di codice.
• Raccolta Dati:
  • Registrazioni video/audio (Zoom) e tracce dello schermo.
  • Protocolli "think-aloud" (pensare ad alta voce).
  • Tracce di interazione con il chatbot (prompt, revisioni, cambi di tab).
  • Discussioni post-attività focalizzate su percezioni, rischi e pratiche pedagogiche.
• Analisi:
  • Analisi Temporale e Affettiva: Segmentazione delle sessioni per tracciare emozioni (Positive, Neutrali, Negative) e comportamenti (esitazione, richiesta di aiuto).
  • Creazione di Personae: Identificazione di tre profili comportamentali basati su tempo, strategia e affettività.
  • Analisi Tematica: Codifica qualitativa delle discussioni per estrarre temi sui benefici, rischi e pratiche didattiche.
  • Quadro Teorico: I risultati sono stati mappati sui modelli TAM (Technology Acceptance Model) e TPB (Theory of Planned Behavior) per interpretare le intenzioni di adozione.

3. Risultati Chiave

A. Profili di Interazione (Personae)
L'analisi ha rivelato tre profili distinti di insegnanti:

1. Esploratori (Explorer): Hanno mostrato alta curiosità, emozioni positive, hanno sperimentato diverse funzionalità del chatbot, affinato i prompt e richiesto poco aiuto. Hanno dedicato più tempo all'esplorazione profonda.
2. Focalizzati sul Compito (Task-Focused): Hanno completato le attività in modo efficiente, con emozioni prevalentemente positive/neutre, seguendo le istruzioni e interagendo con il chatbot solo quando necessario.
3. Frustrati (Frustrated): Hanno mostrato alti livelli di confusione e frustrazione, spesso dovuti a problemi di interfaccia (es. prompt che scompaiono, chat che copre il codice) o mancanza di chiarezza. Hanno richiesto aiuto frequente e hanno mostrato segni di abbandono o stallo.

B. Percezioni di Benefici e Rischi

• Benefici:
  • Aumento dell'autoefficacia e della fiducia degli studenti.
  • Sviluppo delle competenze di prompting (essenziali per il futuro lavoro con l'IA).
  • Supporto alla differenziazione didattica (aiutare studenti con diverse abilità o lingue).
  • Riduzione del carico di lavoro per gli insegnanti (debugging, risposte immediate).
• Rischi:
  • Perdita dello "sforzo produttivo": gli studenti potrebbero copiare il codice senza comprenderlo.
  • Diminuzione del pensiero critico e delle capacità di debug.
  • Rischio che l'insegnante perda il controllo pedagogico se il chatbot fornisce risposte troppo rapide o complete.

C. Fattori Emotivi e Tecnici
Le emozioni negative sono state spesso legate a problemi di Situational Awareness (SA) di livello 1 e 2:

• L1 (Interfaccia): Prompt che spariscono, finestre di chat che occupano troppo spazio, difficoltà nel ridimensionare.
• L2 (Contenuto Cognitivo): Difficoltà nel comprendere la logica scientifica o di programmazione generata.
• L3 (Istruzioni): Ambiguità nelle istruzioni passo-passo.
  Gli insegnanti hanno espresso la necessità di maggiore trasparenza su come e perché il chatbot genera un certo codice.

4. Contributi Principali

1. Classificazione dei Profili Insegnanti: Identificazione empirica di tre profili (Esploratore, Frustrato, Misto) che riflettono diverse esigenze di scaffolding (supporto strutturato) nell'uso dell'IA.
2. Quadro Integrato Teorico: Applicazione combinata di TAM e TPB per spiegare come le emozioni, la percezione di utilità e il controllo comportamentale influenzino l'intenzione degli insegnanti di adottare i chatbot.
3. Analisi Multimodale: Integrazione di dati comportamentali (tracce di click, tempo), affettivi (emozioni verbali) e contestuali per una comprensione olistica dell'interazione uomo-IA in ambito educativo.
4. Raccomandazioni di Design Concrete: Proposte specifiche per migliorare l'usabilità e l'integrazione pedagogica.

5. Significato e Raccomandazioni di Design

Lo studio sottolinea che l'adozione dell'IA in classe non è solo una questione tecnica, ma dipende fortemente dall'esperienza emotiva e dal senso di controllo dell'insegnante. Per massimizzare i benefici e mitigare i rischi, il paper propone:

• Supporto alla Differenziazione: Il chatbot dovrebbe adattarsi al livello dello studente (es. iniziare con prompt guidati e diventare più autonomo man mano che le competenze crescono).
• Controllo Pedagogico per l'Insegnante: Implementare interruttori (toggle) per abilitare/disabilitare funzioni specifiche (es. disabilitare la generazione diretta di codice per favorire il pensiero critico, mantenendo attiva la sezione Q&A).
• Adattamento ai Diversi Apprendenti: Supporto per studenti con difficoltà di lettura o lingua (output vocali, visuali, o in lingue diverse) per evitare sovraccarico cognitivo.
• Miglioramento della Situational Awareness: Il sistema dovrebbe fornire spiegazioni trasparenti sul codice generato (commenti automatici, evidenziazione delle modifiche) per aiutare gli insegnanti a comprendere il "perché" delle risposte dell'IA.
• Scaffolding dell'Introduzione: È fondamentale introdurre il chatbot con esempi guidati e materiali preparatori prima di lasciarlo agli studenti, per evitare che diventi un "tappabuchi" invece che uno strumento di apprendimento.

In conclusione, il paper evidenzia che per integrare con successo i chatbot LLM nella programmazione a blocchi, è necessario un design centrato sull'umano che bilanci l'efficienza dell'IA con la necessità di mantenere l'agenzia cognitiva degli studenti e il controllo pedagogico degli insegnanti.