🤖 AI

Profiles of AI Dependency: A Latent Class Analysis of Filipino Students' Academic Competencies

Questo studio utilizza l'analisi delle classi latenti su 651 studenti universitari filippini di Pampanga per identificare quattro profili distinti di dipendenza dall'IA, rivelando che gli studenti con un elevato affidamento sull'IA mostrano competenze accademiche significativamente più deboli, sottolineando così l'urgente necessità di politiche educative che bilancino l'integrazione dell'IA con la preservazione del pensiero critico e delle competenze accademiche essenziali.

Autori originali: Emerson Q. Fernando, Julius Ceazar G. Tolentino, Maria Anna D. Cruz, Jordan L. Salenga, Vernon Grace M. Maniago, Juvy C. Grume, Erika M. Pineda, Aileen P. De Leon, John Paul P. Miranda

Pubblicato 2026-05-01

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Emerson Q. Fernando, Julius Ceazar G. Tolentino, Maria Anna D. Cruz, Jordan L. Salenga, Vernon Grace M. Maniago, Juvy C. Grume, Erika M. Pineda, Aileen P. De Leon, John Paul P. Miranda

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina un gruppo di studenti come una squadra di esploratori che cerca di risolvere un labirinto. In passato, dovevano usare il proprio cervello, mappe e bussole per trovare la strada. Oggi, hanno un nuovo strumento potente: un "GPS Magico" (Intelligenza Artificiale) che può indicare loro istantaneamente il percorso più breve.

Questo documento è uno studio su come gli studenti universitari filippini stanno utilizzando questo GPS Magico. I ricercatori volevano sapere: Questi studenti stanno ancora imparando a navigare il labirinto da soli, o stanno lasciando che il GPS faccia tutto il lavoro per loro?

Ecco la sintesi dei loro risultati in termini semplici:

La Struttura: Chi e Dove?

I ricercatori hanno esaminato 651 studenti universitari nella provincia di Pampanga, nelle Filippine. Hanno chiesto a questi studenti come utilizzano l'IA per cinque compiti specifici:

Pensiero Critico: Risolvere problemi da soli.
Scrittura: Mettere parole sulla carta.
Indipendenza: Imparare senza aiuto.
Ricerca: Trovare fatti e fonti.
Coinvolgimento: Mantenere l'interesse in classe.

La Grande Scoperta: Quattro Tipi di Esploratori

Utilizzando un metodo statistico speciale (immaginalo come una "macchina di ordinamento" che raggruppa le persone in base alle loro abitudini), i ricercatori hanno scoperto che gli studenti non sono tutti uguali. Si dividono in quattro gruppi distinti:

I "Super Navigatori" (Studenti Indipendenti Altamente Impegnati):
- Chi sono: Questi studenti possiedono le competenze più solide. Usano il GPS Magico solo quando hanno davvero bisogno di una rapida verifica, ma sanno ancora leggere la mappa da soli.
- Risultato: Sono i più abili nel pensiero, nella scrittura e nella ricerca.
I "Copiloti Intelligenti" (Utenti Selettivi dell'IA):
- Chi sono: Questi studenti sono bravi nella scrittura e nella ricerca. Trattano il GPS come un assistente utile: lo usano per velocizzare le cose, ma non lo lasciano guidare l'auto.
- Risultato: Possiedono competenze solide e usano l'IA come uno strumento, non come un supporto.
I "Conducenti alla Deriva" (Utenti Moderati dell'IA):
- Chi sono: Questi studenti sono nella media per la maggior parte delle cose, ma stanno iniziando a fare troppo affidamento sul GPS, specialmente quando si tratta di imparare da soli.
- Risultato: Le loro competenze sono nella media, ma stanno diventando un po' troppo dipendenti dallo strumento.
Gli "Zombie del GPS" (Studenti Dipendenti dall'IA):
- Chi sono: Questo gruppo è in difficoltà. Hanno lasciato che il GPS Magico prendesse completamente il volante. Pensano a malapena da soli, scrivono poco in autonomia e faticano a trovare informazioni senza l'IA.
- Risultato: Hanno le competenze accademiche più deboli di tutti. Sono così abituati a far fare il lavoro all'IA che i loro stessi "muscoli" (competenze) si stanno indebolendo.

Cosa Ci Dicono i Dati

La Tendenza: Molti studenti stanno usando l'IA per fare il lavoro pesante nella ricerca e nella scrittura. Sebbene questo renda le cose più veloci, lo studio ha rilevato che più si affidano ad essa, più le loro competenze fondamentali si indeboliscono.
Il Problema dei "Senior": Curiosamente, gli studenti più grandi (i senior) erano più dipendenti dall'IA rispetto ai matricole. È come se più a lungo usano il GPS, meno si fidano della propria capacità di navigare.
Nessun Pregiudizio di Genere o Voto: Non importava se lo studente fosse maschio o femmina, o se fosse uno studente con voti eccellenti o in difficoltà. Sia i migliori studenti che quelli con voti più bassi usavano l'IA in modi simili. La differenza era come la usavano (come strumento rispetto a come sostituto).

Il Principale Messaggio

Il documento avverte che, sebbene l'IA sia una scorciatoia comoda, affidarsene troppo è come lasciare che un robot faccia i tuoi compiti. Se fai questo, potresti ottenere la risposta, ma non imparerai a risolvere il problema da solo.

I ricercatori suggeriscono che le scuole devono insegnare agli studenti come usare il GPS con saggezza (alfabetizzazione all'IA) piuttosto che semplicemente vietarlo o lasciarlo usare alla cieca. L'obiettivo è mantenere forti le proprie "abilità di navigazione" (pensiero critico e scrittura) degli studenti, anche mentre utilizzano la nuova tecnologia.

In breve: L'IA è un ottimo strumento, ma se lasci che guidi l'auto interamente, potresti dimenticare come si guida. Lo studio ha rilevato che un gruppo specifico di studenti ha già dimenticato come guidare, e le scuole devono aiutarli a tornare al volante.

1. Enunciato del Problema

Lo studio affronta la crescente preoccupazione secondo cui la dipendenza dagli strumenti di Intelligenza Artificiale (IA), in particolare l'IA generativa (es. ChatGPT), sta erodendo le competenze accademiche fondamentali tra gli studenti dell'istruzione superiore. Sebbene l'IA offra vantaggi come feedback in tempo reale e generazione di contenuti, esiste il rischio di un "scarico cognitivo", che porta a:

Riduzione delle capacità di pensiero critico e di scrittura.
Diminuzione dell'indipendenza nell'apprendimento e delle capacità di ricerca.
Un passaggio dall'apprendimento profondo al completamento superficiale dei compiti.

La letteratura esistente si concentra spesso su atteggiamenti generali o su domini accademici isolati e manca di approcci statistici centrati sulla persona per identificare profili comportamentali, specialmente in regioni sottorappresentate come le Filippine. Questo studio mira a colmare tale lacuna analizzando la dipendenza dall'IA in cinque domini specifici all'interno del contesto filippino.

2. Metodologia

Disegno della Ricerca: Studio quantitativo trasversale.
Partecipanti:
- Dimensione del Campione: 651 risposte valide (su 800 raccolte) provenienti da studenti universitari.
- Dati Demografici: Studenti di 45 istituzioni pubbliche e private accreditate dalla Commissione per l'Istruzione Superiore (CHED) nella provincia di Pampanga, Filippine.
- Profilo: Età media di 20,22 anni; prevalentemente studenti del primo e terzo anno; distribuzione mista per genere.
Strumento: Un questionario di 24 voci che misura cinque dimensioni delle competenze accademiche:
1. Pensiero Critico (CT)
2. Abilità di Scrittura (WS)
3. Indipendenza nell'Apprendimento (LI)
4. Abilità di Ricerca (RS)
5. Impegno Accademico (AE)
- Affidabilità: Alta coerenza interna confermata tramite l'alfa di Cronbach ( $\alpha > 0,92$ per tutti i costrutti).
Raccolta Dati: Sondaggio online (Google Forms) condotto da ottobre 2024 a gennaio 2025 utilizzando il campionamento a palla di neve.
Analisi Statistica:
- Statistiche Descrittive: Per analizzare medie e deviazioni standard dei punteggi di dipendenza.
- Analisi delle Classi Latenti (LCA): Utilizzata per identificare sottogruppi distinti (profili) di studenti basati sui loro modelli di dipendenza dall'IA. L'adeguatezza del modello è stata determinata utilizzando il Criterio di Informazione di Akaike (AIC) e il Criterio di Informazione Bayesiano (BIC).
- Analisi Chi-Quadrato: Per esaminare le relazioni tra variabili demografiche (genere, anno accademico, rendimento) e le classi latenti identificate.

3. Contributi Chiave

Profilazione Centrata sulla Persona: A differenza di studi precedenti focalizzati su approcci centrati sulla variabile, questo studio utilizza l'LCA per categorizzare gli studenti in profili comportamentali distinti riguardo all'uso dell'IA.
Insight Contestuale: Fornisce dati empirici sulla dipendenza dall'IA all'interno del sistema di istruzione superiore filippino, una regione spesso sottorappresentata nella letteratura globale sull'IA nell'educazione.
Valutazione Multidimensionale: Valuta l'impatto dell'IA su uno spettro olistico di competenze accademiche (pensiero critico, scrittura, indipendenza, ricerca e impegno) piuttosto che su compiti isolati.
Quadro Politico: Offre una base per interventi educativi mirati basati su profili specifici di studenti piuttosto che su un approccio "taglia unica".

4. Risultati

Risultati Descrittivi:

Gli studenti hanno mostrato una dipendenza da moderata ad alta dall'IA, in particolare nell'accettazione acritica degli output ( $M=3,23$ ), nei suggerimenti di ricerca ( $M=3,13$ ) e nella sostituzione dell'impegno accademico ( $M=3,06$ ).
La dipendenza era sistematica piuttosto che sporadica, indicando un'ampia erosione delle competenze fondamentali.

Profili dell'Analisi delle Classi Latenti (LCA):
Il modello ottimale ha identificato quattro profili distinti di studenti:

Apprenditori Indipendenti Altamente Impegnati (Classe 3):
- Caratteristiche: Competenze più forti in tutti e cinque i domini; minima dipendenza dall'IA; uso selettivo dell'IA.
- Stato: Performer accademici ideali.
Utenti Selettivi dell'IA (Classe 2):
- Caratteristiche: Forti abilità di ricerca e scrittura; alto impegno; usano l'IA come strumento complementare piuttosto che come risorsa primaria.
- Stato: Utenti equilibrati e strategici.
Utenti Moderati dell'IA (Classe 0):
- Caratteristiche: Competenze moderate in tutti i domini ma con segni di dipendenza, in particolare nell'indipendenza nell'apprendimento.
- Stato: A rischio di scivolare nell'eccessiva dipendenza; necessitano di formazione sulla verifica.
Apprenditori Dipendenti dall'IA (Classe 1):
- Caratteristiche: Competenze accademiche più deboli in tutti i domini (in particolare CT, scrittura e ricerca); dipendenza dall'IA molto alta; bassa indipendenza nell'apprendimento e impegno.
- Stato: Alto rischio di erosione delle competenze accademiche; probabile sostituzione delle competenze fondamentali con contenuti generati dall'IA.

Correlazioni Demografiche:

Genere: Nessuna differenza significativa nei modelli di dipendenza dall'IA ( $p = .237$ ).
Rendimento Accademico: Nessuna associazione significativa tra voti auto-dichiarati e livelli di dipendenza. Sia gli studenti con voti alti che quelli bassi utilizzano l'IA in modo simile, sebbene gli studenti con voti alti possano usarla strategicamente mentre quelli con voti bassi potrebbero farvi affidamento per compensare.
Anno Accademico: È stata trovata una variazione significativa ( $p = .003$ ). Gli studenti degli ultimi anni hanno mostrato livelli più elevati di dipendenza dall'IA, probabilmente a causa dell'aumento del carico di lavoro accademico e della prolungata esposizione agli strumenti di IA.

5. Significato e Implicazioni

Politica Educativa: Sottolinea l'urgente necessità di programmi di alfabetizzazione sull'IA integrati precocemente nel curriculum. Le politiche devono bilanciare l'adozione tecnologica con la preservazione delle competenze cognitive essenziali.
Interventi Mirati:
- Apprenditori Dipendenti dall'IA: Richiedono supporto focalizzato per ricostruire il pensiero critico e le abilità di ricerca.
- Utenti Moderati: Beneficiano di formazione nella validazione delle informazioni e nel ragionamento analitico.
- Apprenditori Indipendenti: Possono fungere da tutor tra pari per modellare un uso equilibrato dell'IA.
Adattamento del Curriculum: Le istituzioni devono ridisegnare le valutazioni per dare priorità al pensiero critico e al processo rispetto agli output finali, assicurando che l'IA agisca come strumento di supporto piuttosto che come sostituto dell'apprendimento.
Ricerca Futura: Gli autori chiedono studi longitudinali per tracciare gli impatti a lungo termine della dipendenza dall'IA e per sviluppare quadri per mitigare l'erosione delle competenze in un panorama educativo guidato dalla tecnologia.