Ten recommendations for the use of generative artificial intelligence into epidemiology teaching: Results from an expert workshop
A seguito di un workshop di esperti del 2026, questo articolo presenta dieci raccomandazioni basate su evidenze, organizzate nei domini della governance, delle competenze e del feedback, per guidare gli istruttori di epidemiologia nell'integrare responsabilmente l'IA generativa nell'insegnamento, preservando al contempo le competenze scientifiche fondamentali e affrontando le preoccupazioni etiche.
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
Nello studio di come si diffondono le malattie e di come le popolazioni rimangano in salute, un campo noto come epidemiologia, il lavoro centrale si è sempre basato sul giudizio umano. Gli esperti devono esaminare i dati, individuare modelli e decidere cosa significhino quei modelli per la salute pubblica. Ciò richiede una profonda comprensimento di causa ed effetto, la capacità di individuare errori nel modo in cui le informazioni vengono raccolte e la competenza nel spiegare chiaramente i risultati complessi. Per decenni, insegnare queste abilità significava guidare gli studenti attraverso il duro lavoro di pensare con la propria testa, assicurando che potessero costruire una solida base di conoscenze prima ancora di provare a risolvere un problema. Ora è arrivata una nuova sorta di tecnologia in grado di scrivere testi, analizzare numeri e generare risposte quasi istantaneamente. Questa tecnologia, chiamata intelligenza artificiale generativa, offre potenti strumenti che possono aiutare l'apprendimento, ma porta con sé un pericolo nascosto. Se gli studenti usano questi strumenti troppo presto o troppo facilmente, potrebbero saltare il duro lavoro del pensare, rimanendo incapaci di risolvere problemi da soli quando la tecnologia non c'è. La domanda che i docenti si pongono oggi non è se usare questi strumenti, ma come usarli senza perdere proprio le abilità che rendono un esperto tale.
Un gruppo di esperti provenienti da università e istituti di ricerca in Germania, Norvegia e Austria si è riunito per rispondere a questa domanda. Si sono incontrati per tre giorni in un workshop per creare un insieme di regole per l'insegnamento dell'epidemiologia nell'era dell'intelligenza artificiale. Queste dieci raccomandazioni sono progettate per aiutare gli istruttori a bilanciare i benefici della nuova tecnologia con la necessità di mantenere gli studenti acuti e capaci. Il gruppo, che comprendeva insegnanti esperti, studenti e specialisti in intelligenza artificiale, ha deciso che l'obiettivo non è vietare questi strumenti, ma integrarli con cura affinché gli studenti imparino a usarli responsabilmente pur padroneggiando le basi del loro campo.
Il primo e più importante passo che gli esperti raccomandano è stabilire regole chiare. Ogni corso ha bisogno di una politica scritta che indichi agli studenti esattamente cosa possono e non possono fare con l'intelligenza artificiale. Ciò include regole su che tipo di dati possono essere condivisi con questi strumenti, poiché alcune informazioni sono private e devono essere protette. Le regole devono anche spiegare come gli studenti debbano ammettere quando hanno usato la tecnologia, proprio come uno scienziato deve ammettere quando ha usato un metodo specifico per ottenere un risultato. Se uno studente usa lo strumento per controllare la grammatica o per ottenere aiuto nel comprendere un concetto difficile, deve dichiararlo. Se lo usa per scrivere un intero compito, ciò è solitamente proibito. Anche i docenti stessi devono seguire queste stesse regole, mostrando agli studenti come usare la tecnologia in modo onesto e trasparente.
Oltre a stabilire le regole, gli esperti sottolineano che i docenti devono rimanere aggiornati. La tecnologia cambia così velocemente che un docente che ne ha imparato a conoscere una versione l'anno scorso potrebbe già essere indietro. Gli istruttori hanno bisogno di una formazione regolare per capire come funzionano questi strumenti, quali sono i loro limiti e come usarli in modo che aiutino l'apprendimento piuttosto che sostituire il processo di apprendimento. Questa formazione non deve riguardare solo come digitare una domanda nel computer, ma come giudicare se la risposta che il computer fornisce sia corretta. I docenti devono anche imparare a individuare quando uno studente si affida troppo alla macchina, un problema che i ricercatori chiamano "never-skilling", ovvero quando uno studente non impara mai realmente la competenza perché la macchina ha fatto il lavoro per lui.
Per prevenire questo, gli esperti suggeriscono che gli studenti debbano prima imparare le basi senza alcun aiuto dall'intelligenza artificiale. Prima di essere autorizzati a usare gli strumenti per scrivere codice o analizzare dati, devono essere in grado di fare queste cose a mano o con software standard. Devono capire come calcolare un rischio, come individuare un difetto in uno studio e come interpretare un risultato da soli. Solo dopo aver costruito questa base dovrebbero essere autorizzati a usare gli strumenti per controllare il proprio lavoro, perfezionare la propria scrittura o esplorare nuove idee. Ciò assicura che la tecnologia agisca come un aiutante, non come una stampella. Se uno studente non è in grado di spiegare perché ha preso una determinata decisione nella sua analisi, non ha veramente appreso il materiale, anche se il risultato finale sembra corretto.
Per quanto riguarda la valutazione di ciò che gli studenti hanno appreso, gli esperti avvertono che i vecchi metodi come i saggi a casa non sono più sufficienti, perché uno studente potrebbe semplicemente chiedere al computer di scrivere il saggio. Invece, i docenti dovrebbero utilizzare modi diversi per testare gli studenti, come esami orali, presentazioni in presenza o sessioni di scrittura supervisionate in cui l'uso dell'intelligenza artificiale non è consentito. Questi metodi costringono gli studenti a mostrare il proprio pensiero e a spiegare il proprio ragionamento in tempo reale. Gli esperti sconsigliano anche l'uso di software che pretendono di rilevare se uno studente ha usato l'intelligenza artificiale. Questi strumenti di rilevamento sono spesso inaffidabili e possono commettere errori, punendo ingiustamente gli studenti che non hanno violato l'integrità accademica. È meglio fare affidamento su regole chiare, dichiarazione onesta e giudizio umano per garantire l'equità.
Le raccomandazioni evidenziano anche l'importanza di insegnare agli studenti come parlare efficacemente con il computer. Questo è noto come prompt engineering, che è semplicemente la capacità di porre le domande giuste per ottenere la risposta migliore. Uno studente che pone una domanda vaga otterrà una risposta vaga, mentre uno studente che pone una domanda specifica e ben strutturata può ottenere un risultato molto migliore. I docenti dovrebbero guidare gli studenti in questa competenza, mostrando loro come scomporre problemi complessi in passaggi più piccoli e come verificare le informazioni fornite dal computer. Ciò include il controllo dei fatti, la ricerca di errori e la verifica che il computer non abbia inventato fonti o dati inesistenti.
Infine, gli esperti esortano i docenti a condividere ciò che imparano l'uno con l'altro. Poiché questo è un campo nuovo, nessuno ha ancora tutte le risposte. I docenti dovrebbero provare diversi approcci, vedere cosa funziona e cosa no, e poi comunicarlo ai propri colleghi. Ciò potrebbe significare condividere un piano di lezione che ha funzionato bene, o ammettere che un certo strumento ha causato più problemi di quanti ne abbia risolti. Lavorando insieme e imparando dalle esperienze reciproche, l'intero campo dell'epidemiologia può adattarsi a questa nuova tecnologia in un modo che mantenga gli studenti sicuri, competenti e pronti per il futuro. L'obiettivo finale è produrre epidemiologi che sappiano usare questi potenti strumenti per svolgere un lavoro migliore, ma che possiedano anche le capacità di pensiero critico per sapere quando fidarsi della macchina e quando fidarsi del proprio giudizio.
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.