Towards an AI-Enabled Inclusive Educational Leadership (AIIEL) Framework: Integrating Responsible AI Governance, Disability Inclusion, and Gender Equality in Higher Education

Le università si trovano attualmente nel mezzo di una rivoluzione silenziosa. Per decenni, queste istituzioni hanno fatto affidamento sul giudizio umano per decidere chi viene ammesso, come vengono promossi gli insegnanti e come vengono supportati gli studenti. Ora, l'intelligenza artificiale sta entrando in quei ruoli, offrendo di smistare le domande, valutare i compiti e gestire gli orari con velocità ed efficienza. Ma mentre questi strumenti digitali diventano parte del tessuto quotidiano dell'istruzione superiore, è emersa una domanda inquietante: stanno rendendo il sistema più equo o stanno silenziosamente rafforzando le vecchie disuguaglianze? Il problema centrale è che, mentre la tecnologia si muove velocemente, le persone al comando spesso si sentono impreparate a guidarla. Temono che, senza una supervisione attenta, questi sistemi intelligenti possano accidentalmente trattare in modo ingiusto le donne, le persone con disabilità o altri gruppi marginalizzati, semplicemente perché i dati da cui imparano riflettono pregiudizi passati. La sfida non è solo usare la tecnologia, ma garantire che essa serva tutti equamente.

Due ricercatori, Wafa Muhammed Alajaji e Obby Phiri, sono intervenuti per affrontare questo vuoto. Sostengono che le università non possano semplicemente acquistare un nuovo software e sperare nel meglio; hanno bisogno di un nuovo modo di pensare la leadership. Nel loro recente lavoro, propongono un piano completo chiamato quadro di "AI-Enabled Inclusive Educational Leadership" (Leadership educativa inclusiva abilitata dall'IA). Questo non è un pezzo di software o un insieme di regole di programmazione. È invece una guida per le persone che gestiscono le università, progettata per aiutarle a prendere decisioni che proteggano l'equità pur abbracciando l'innovazione. Gli autori suggeriscono che l'attuale approccio alla gestione dell'intelligenza artificiale nelle scuole sia troppo frammentato. Le guide esistenti trattano spesso la diversità e l'inclusione come un piccolo articolo in una lunga lista di controllo, separato dal lavoro principale di governance. Alajaji e Phiri ritengono che questo sia un errore. Sostengono che l'inclusione debba essere intrecciata in ogni singola decisione, dal momento in cui un nuovo strumento viene immaginato fino al giorno in cui viene utilizzato in classe.

Per costruire questo nuovo approccio, i ricercatori hanno esaminato sei diversi ambiti di studio che erano stati precedentemente tenuti separati. Hanno esaminato come i leader costruiscono culture inclusive, come l'intelligenza artificiale viene utilizzata nelle scuole, come funziona l'inclusione della disabilità, come viene mantenuta l'uguaglianza di genere, come governare la tecnologia in modo responsabile e come le università si trasformano digitalmente. Unendo questi fili separati, hanno creato un modello a quattro livelli che funge da ciclo di processo decisionale. Il primo livello si concentra sulle persone e sulla visione. Chiede ai leader di considerare chi siede al tavolo quando viene scelto un nuovo sistema. Le studentesse disabili e le docenti donne vengono consultate prima che uno strumento venga acquistato, o vengono consultate solo dopo che il danno è stato fatto? Questo livello enfatizza che la leadership riguarda la costruzione della fiducia e la garanzia che tutti sentano di avere una voce.

Il secondo livello riguarda la progettazione degli strumenti stessi. Qui, il quadro pone una domanda semplice ma profonda: questo sistema aiuta davvero uno studente con una disabilità a riuscire, o finge solo di lasciarlo entrare? I ricercatori attingono all'idea di "capacità", il che significa guardare oltre l'accesso formale per vedere se una persona ha la reale libertà di utilizzare una risorsa per raggiungere i propri obiettivi. Ad esempio, un sistema di valutazione automatizzato potrebbe tecnicamente accettare un saggio da uno studente con un deficit visivo, ma se il sistema non è in grado di leggere il formato specializzato utilizzato dallo studente, lo strumento ha fallito. Questo livello insiste sul fatto che i leader debbano valutare la tecnologia in base al fatto che essa espanda le reali opportunità per tutti, non solo se soddisfi un requisito legale minimo.

Il terzo livello si concentra su come la tecnologia viene governata e controllata. Chiede se gli esseri umani siano ancora al posto di guida. Il quadro suggerisce che per le decisioni ad alto impatto, come l'assunzione di un professore o il rifiuto di una laurea, debba esserci una linea chiara dove un essere umano possa intervenire e scavalcare la macchina. Esamina anche come la tecnologia sia stata costruita, esortando i leader a garantire che le persone che ne saranno influenzate abbiano contribuito alla sua creazione. Ciò evita la situazione in cui uno strumento viene costruito in un laboratorio da un piccolo gruppo di ingegneri e poi calato su una popolazione universitaria diversificata senza alcun test di equità. L'ultimo livello guarda ai risultati. Chiede ai leader di monitorare i dati, ma non solo i numeri generali. Devono osservare attentamente come il sistema influenzi diversi gruppi di persone simultaneamente, come ad esempio le donne con disabilità, per vedere se lo strumento sta creando nuove barriere o risolvendo quelle vecchie.

Accanto a questo quadro principale, gli autori propongono due strumenti pratici per aiutare le università a mettere in pratica le idee. Il primo è un elenco di competenze che i leader universitari devono apprendere. Queste non sono solo competenze tecniche su come funzionano i computer, ma competenze umane su come individuare i pregiudizi, come ascoltare le voci marginalizzate e come interpretare i dati in modo da rivelare le disuguaglianze nascoste. Il secondo strumento è un modello di maturità, che funge da mappa per il percorso di un'istituzione. Descrive cinque stadi, partendo da un luogo in cui l'università non è consapevole dei rischi e non ha un piano, passando attraverso stadi in cui reagiscono ai problemi man mano che si presentano, fino a raggiungere lo stadio di "eccellenza inclusiva". A questo livello più alto, l'università non si limita a evitare il danno; sta attivamente usando l'intelligenza artificiale per rendere l'istituzione migliore per tutti, e può dimostrarlo con i dati.

I ricercatori precisano con cura che il loro lavoro è una proposta, non un prodotto finito che sia stato testato nel mondo reale. Riconoscono che le loro idee si basano su teorie esistenti e che non hanno ancora visto se questi modelli specifici funzionino nella pratica in diversi tipi di università. Notano che gran parte della ricerca attuale proviene da paesi ricchi e non sanno ancora se il loro quadro funzionerà in luoghi con meno risorse o norme culturali diverse. Tuttavia, sostengono che la situazione attuale sia troppo rischiosa per aspettare una prova perfetta. La velocità con cui le università stanno adottando l'intelligenza artificiale sta superando lo sviluppo delle competenze di leadership e, senza una guida chiara, il settore rischia di allargare il divario tra i privilegiati e i vulnerabili.

In definitiva, questo articolo è un appello all'azione per le persone che dirigono le università. Suggerisce che il futuro dell'istruzione superiore dipenda meno dalla sofisticazione degli algoritmi e più dalla saggezza dei leader che li scelgono. Trattando l'inclusione come una parte centrale della leadership piuttosto che come un elemento secondario, le università possono garantire che l'ascesa dell'intelligenza artificiale sollevi tutti, invece di lasciare indietro qualcuno. Gli autori offrono una tabella di marcia per questo viaggio, una che dia priorità alla dignità umana e all'equità in un mondo sempre più automatizzato. Sebbene il percorso avanti richieda più ricerca e test, la direzione è chiara: la leadership inclusiva è l'unico modo per garantire che la promessa dell'intelligenza artificiale sia mantenuta per tutti.