Teaching About AI or With AI? In-Service Teachers’ Experiences in a Korean AI Convergence Education Program

Nelle classi di tutta la Corea del Sud, si sta compiendo una silenziosa trasformazione. Per decenni, gli insegnanti sono stati gli esperti nei loro campi, guidando gli studenti attraverso la storia, la scienza o la letteratura. Ma recentemente, è arrivata una nuova materia: l'intelligenza artificiale. Il governo ha deciso che ogni studente deve capire come funzionano queste macchine intelligenti, e il passo logico successivo era formare gli insegnanti. Ciò ha creato una situazione unica in cui educatori esperti, che sanno già come gestire una classe, hanno dovuto tornare a scuola per imparare un linguaggio tecnico completamente nuovo. La domanda centrale che i docenti e i decisori politici si pongono non è solo se gli insegnanti possano apprendere i fatti relativi all'intelligenza artificiale, ma se possano prendere quei fatti e intrecciarli con le lezioni che già insegnano. Un insegnante di storia può usare l'intelligenza artificiale per aiutare gli studenti a comprendere il passato, o la nuova conoscenza rimane chiusa in una scatola separata, utile solo per le classi di informatica?

Questa storia proviene da un angolo specifico della Corea del Sud, dove il governo ha lanciato un massicci cui programma per riqualificare gli insegnanti. Dal 2020, trentotto università offrono lauree specialistiche per insegnanti in servizio, concentrandosi su quella che viene chiamata "educazione alla convergenza dell'IA". L'idea è di fondere l'intelligenza artificiale con le materie tradizionali. Per capire come questo funzioni nel mondo reale, due ricercatori delle università di Seoul e Hannam hanno seguito un piccolo gruppo di insegnanti e un istruttore attraverso questo programma. Non si sono limitati a guardare i punteggi dei test o le liste di controllo; si sono seduti con i partecipanti per ascoltare le loro storie su cosa si fosse provato ad apprendere questo nuovo materiale e nel provare a usarlo nuovamente nelle proprie scuole.

Gli insegnanti che hanno aderito al programma non si sono iscritti perché fossero improvvisamente affascinati dai robot o dal codice. Si sono iscritti principalmente in risposta a pressioni pratiche, come la necessità di confrontarsi con l'IA nelle loro scuole, e perché il governo offriva sussidi per le tasse scolastiche che hanno reso possibile la decisione. Un'insegnante, che lavora in un liceo per studenti scientifici, ha scoperto che i suoi studenti costruivano progetti in linguaggi di programmazione che lei non riusciva a leggere. Si sentiva rimasta indietro e aveva bisogno di mettersi al passo. Un altro insegnante di scuola elementare ha ammesso che la sua motivazione era "impura". Aveva bisogno dei soldi per le tasse offerti dal governo ed era anche impegnata nella preparazione per un esame di promozione. Eppure, sotto le ragioni pratiche, c'era un senso di urgenza condiviso. Sapevano che l'intelligenza artificiale stava arrivando nelle loro scuole e sapevano che ci si sarebbe aspettato da loro di guidare la strada. Sono entrati nel programma di specializzazione sperando di trovare un percorso chiaro da seguire.

All'interno delle aule universitarie, gli insegnanti hanno imparato molto sulla tecnologia stessa. Hanno studiato come le macchine imparano, come analizzare i dati e come scrivere codice in un linguaggio chiamato Python. Gli istruttori, esperti in informatica e dati, sono stati bravi nell'insegnare queste competenze tecniche. Un insegnante ha detto di poter finalmente capire cosa stessero facendo i suoi studenti quando costruivano progetti complessi. Tuttavia, un divario ha iniziato a formarsi tra ciò che avevano imparato all'università e ciò di cui avevano bisogno nelle loro classi. Gli insegnanti hanno descritto il curriculum come "frammentato". Imparavano l'analisi dei dati in una lezione e la programmazione in un'altra, ma il programma non mostrava mai loro come collegare questi pezzi a una lezione di storia o a una discussione sull'etica. Imparavano l'intelligenza artificiale, ma non imparavano come insegnare con essa.

Gli insegnanti si sono ritrovati in una posizione difficile. Comprendevano la tecnologia, ma non riuscivano a capire come farla adattare alle loro materie specifiche. Un insegnante ha descritto la sensazione di essere "spiazzato". Voleva innestare l'intelligenza artificiale nelle sue lezioni, ma non sapeva come farlo senza perdere il focus della sua materia. Un altro insegnante ha provato a usare un'app di disegno per aiutare gli studenti a illustrare una storia, ma si è reso conto che questo era solo l'uso di uno strumento, non una vera fusione della tecnologia con la lezione. Il programma aveva dato loro gli strumenti, ma non il progetto su come costruire qualcosa di nuovo con essi. La responsabilità di trovare la connessione era lasciata interamente al singolo insegnante, che doveva risolvere questo enigma da solo gestendo al contempo un lavoro a tempo pieno.

I ricercatori hanno scoperto che la difficoltà non riguardava solo la mancanza di competenze, ma la natura stessa delle materie. Per un insegnante di scienze, i dati sono ovunque, quindi trovare un posto per l'intelligenza artificiale è relativamente facile. Ma per un insegnante di lingua o letteratura, la connessione è molto più difficile da trovare. Un istruttore del programma, che insegna studi sociali, ha ammesso che avrebbe potuto aiutare un insegnante di matematica o di scienze, ma si sentiva perso quando un insegnante di lingua chiedeva aiuto. Poteva mostrare loro come analizzare un testo, ma non riusciva a trovare una direzione su come utilizzare gli algoritmi più profondi dell'intelligenza artificiale in un modo che avesse senso per la letteratura. Ciò suggerisce che la sfida non è che gli insegnanti stiano fallendo nell'apprendimento, ma che il legame tra l'intelligenza artificiale e certe materie non sia ovvio, e il programma non abbia fornito abbastanza supporto per costruire quel ponte.

Un altro ostacolo importante era la struttura delle scuole stesse. Anche quando un insegnante riusciva a creare un ottimo piano di lezione che mescolava l'intelligenza artificiale con la propria materia, il sistema scolastico spesso rendeva impossibile attuarlo. Nelle scuole elementari, gli insegnanti vengono spostati in classi e materie diverse ogni anno dal preside. Un insegnante che ha trascorso due anni imparando l'intelligenza artificiale potrebbe essere assegnato a un grado diverso l'anno successivo, senza tempo per implementare ciò che ha appreso. Nei licei, il sistema dei crediti rende difficile per gli insegnanti di materie diverse lavorare insieme su un singolo progetto. La politica assumeva che, se si formano alcuni specialisti, questi diffonderanno la conoscenza a tutti gli altri. Ma la realtà della vita scolastica quotidiana significava che questa conoscenza spesso restava con l'individuo, incapace di mettere radici nella più ampia comunità scolastica.

Lo studio ha inoltre evidenziato una confusione su quale fosse l'obiettivo reale e una mancanza di supporto pratico. Il programma era chiamato "educazione alla convergenza dell'IA", il che implica una profonda fusione tra tecnologia e materia trattata. Tuttavia, gli insegnanti hanno scoperto che il programma insegnava principalmente come usare gli strumenti di intelligenza artificiale o come comprendere i principi di base. Raramente veniva mostrato loro come usare la tecnologia per risolvere problemi specifici delle proprie materie. Un insegnante ha notato che gli istruttori sembravano non essere d'accordo sull'obiettivo: alcuni dicevano che bisognava prima capire la tecnologia, altri dicevano che il focus doveva essere sulla materia. Questa mancanza di una visione chiara e unificata ha lasciato gli insegnanti con la sensazione di cercare di montare un puzzle con pezzi mancanti. Inoltre, i partecipanti hanno riferito che la guida pratica sull'etica dell'IA era insufficiente. Invece di un supporto dettagliato, i materiali politici venivano spesso semplicemente "lanciati" agli insegnanti con l'istruzione di insegnare il contenuto, trovare siti adatti e utilizzare i fondi forniti, trasformando l'iniziativa in un nuovo lavoro senza la necessaria guida per renderlo significativo. Imparavano la tecnologia, ma non imparavano come renderla significativa per i loro studenti.

I ricercatori hanno concluso che il pezzo mancante in tutto questo processo è ciò che chiamano "traduzione pedagogica". Si tratta del duro lavoro di prendere la conoscenza tecnica e trasformarla in una lezione che si adatti a una materia specifica. Non si tratta solo di sapere come funziona una macchina; si tratta di sapere come usare quella macchina per aiutare uno studente a comprendere una poesia, un evento storico o un concetto scientifico. Gli attuali programmi sono bravi nell'insegnare la prima parte, ma non sono bravi nell'insegnare la seconda. Gli insegnanti non stanno fallendo; il sistema sta semplicemente chiedendo loro di fare un lavoro che nessuno ha mostrato loro come fare.

Questo studio suggerisce che aggiungere semplicemente più formazione tecnica agli insegnanti non sia sufficiente. Per far sì che l'educazione all'intelligenza artificiale funzioni, la formazione deve cambiare. Deve concentrarsi meno sulla tecnologia in isolamento e più su come quella tecnologia possa servire gli obiettivi specifici delle classi di storia, lingua o scienze. Deve anche riconoscere che gli insegnanti non possono fare questo lavoro da soli. Hanno bisogno di supporto dalle loro scuole e dai programmi che li formano, con esempi chiari di come fondere questi mondi. Finché il divario tra l'imparare l'intelligenza artificiale e l'imparare come insegnare con essa non sarà colmato, la promessa di questa nuova educazione rimarrà fuori portata per molte classi. Gli insegnanti sono pronti a imparare, ma hanno bisogno di una mappa che mostri loro come attraversare la distanza tra l'aula universitaria e i propri banchi di scuola.