The field grew, the programme did not: differential growth and substrate portability in artificial intelligence and education research, 2016–2026
Questo studio mette in discussione il pregiudizio secondo cui la diminuzione delle quote di pubblicazione indichi un declino del campo, dimostrando che mentre la letteratura complessiva sull'IA nell'educazione è cresciuta di cinque volte dal 2016 al 2026, specifici sottocampi hanno sperimentato tassi di crescita differenziati guidati dalla "portabilità del substrato" — l'adattabilità dei costrutti di ricerca a nuovi ambienti di dati — piuttosto che dall'obsolescenza funzionale.
Articolo originale sotto licenza CC BY 4.0 (https://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
Per decenni, i ricercatori hanno cercato di usare i computer per comprendere come le persone apprendano. Hanno costruito sistemi per tracciare il comportamento degli studenti, prevedere chi potesse avere difficoltà e adattare le lezioni in tempo reale. Questo lavoro si è basato pesantemente su piattaforme digitali che registravano ogni clic e pressione di tasti, creando vasti sentieri di dati da analizzare. Intorno al 2022, è arrivata una nuova tecnologia: i modelli linguistici di grandi dimensioni capaci di generare testo, rispondere a domande e creare contenuti istantaneamente. Questo cambiamento ha catturato l'immaginazione di educatori e ricercatori, causando un massiccio aumento di nuovi studi. Ma con l'esplosione del volume della ricerca, è emersa una dinamica confusa. La quota di articoli dedicati ai più vecchi metodi ad alta intensità di dati sembrava svanire, portando molti a credere che quei campi fossero morti. La domanda rimaneva: i vecchi modi di studiare l'apprendimento erano stati abbandonati, o erano stati semplicemente sommersi dalla dimensione colossale della nuova ondata?
Un team di ricercatori si è proposto di rispondere a questo quesito esaminando il numero effettivo di studi pubblicati, non solo la loro proporzione. Hanno raccolto quasi 1.200 articoli accademici dal 2016 alla metà del 2026, dividendo la cronologia in due ere: prima dell'ascesa dell'intelligenza artificiale generativa e dopo. Il loro obiettivo era separare la composizione della letteratura dall'attività reale al suo interno. Immaginate una città che cresce da 100 persone a 1.000. Se un quartiere specifico, che ospitava 30 persone, resta a 30 persone, la sua quota della città scende dal 30% al 3%. A un osservatore che guarda solo le percentuali, quel quartiere sembra essersi rimpicciolito o scomparso. Ma in realtà, il numero di persone che vivono lì non è cambiato affatto; la città è semplicemente diventata molto più grande. I ricercatori hanno applicato questa stessa logica al campo dell'intelligenza artificiale nell'educazione. Hanno scoperto che, sebbene la quota di articoli su argomenti più datati come l'educational data mining e la learning analytics sia effettivamente diminuita drasticamente, il numero effettivo di articoli su questi soggetti non è sempre scomparso. In effetti, per alcuni argomenti, il numero di studi è rimasto stabile o addirittura è cresciuto, solo che non con la stessa velocità dei nuovi temi generativi.
Lo studio ha rivelato una storia di crescita differenziale piuttosto che di sostituzione totale. Il campo nel suo complesso si è espanso di oltre cinque volte nel corso del decennio. I programmi di ricerca più vecchi, che dipendevano dalla raccolta di dati comportamentali a lungo termine dagli studenti, non sono cresciuti con lo stesso ritmo frenetico. Due aree specifiche, l'educational data mining e la learning analytics, hanno visto un calo genuino nel numero di nuovi articoli pubblicati ogni anno. Un'altra area, i sistemi di tutoraggio intelligente (intelligent tutoring systems), ha mantenuto la sua posizione, pubblicando approssimativamente lo stesso numero di articoli di prima, anche se la sua quota del campo totale è diminuita significativamente. Nel frattempo, nuovi argomenti come l'integrità accademica, l'etica e l'uso di strumenti generativi per la creazione di materiali didattici sono esplosi in popolarità, crescendo molto più velocemente della media del settore. I ricercatori hanno scoperto che la sopravvivenza di un argomento di ricerca dipendeva meno dal modo in cui veniva chiamato e più da ciò che richiedeva per esistere. Gli argomenti che necessitavano di piattaforme complesse e strumentate per raccogliere anni di dati sugli studenti hanno faticato a tenere il passo. Gli argomenti che potevano essere esplorati con testi semplici o interazioni immediate, come la discussione sull'etica o la generazione di piani di lezione, hanno prosperato.
Questa distinzione è profondamente importante per chiunque cerchi di comprendere lo stato attuale del campo. Un nuovo ricercatore che entra nel settore oggi potrebbe guardare l'elenco degli argomenti popolari e concludere che la capacità di analizzare i dati degli studenti sia stata abbandonata. Tuttavia, i dati mostrano che questa capacità è ancora in fase di sviluppo, solo a un ritmo più lento e costante rispetto all'entusiasmo suscitato dai nuovi strumenti. Il lavoro più vecchio non è stato cancellato; è stato superato. Lo studio suggerisce che il passaggio non sia un fallimento dei vecchi metodi, ma una conseguenza naturale di una nuova tecnologia che è istantaneamente disponibile per tutti, creando un'ondata di nuove domande che non richiedono la stessa pesante infrastruttura per essere soddisfatte. Per le istituzioni o gli educatori che intendono adottare queste tecnologie, la lezione è chiara: i temi più visibili non sono gli unici esistenti. Il lavoro fondamentale di comprensione dell'apprendimento attraverso i dati continua, anche se non domina più i titoli dei giornali. Il campo non ha perso il suo passato; si è semplicemente espanso attorno ad esso, portando avanti sia il vecchio che il nuovo, ma a velocità molto diverse.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.