a cura di Anselmina Cerella*
Nelle scuole italiane l’intelligenza artificiale è ormai una presenza quotidiana: entra nelle ricerche, nei compiti, nelle attività creative, nelle discussioni in classe. Insieme alle opportunità emergono, però, nuove responsabilità educative. Una delle più urgenti riguarda la capacità di riconoscere i bias, quei pregiudizi che possono insinuarsi nelle risposte dei modelli generativi e che rischiano di trasformarsi in distorsioni culturali, sociali o valoriali. Per questo nasce “Caccia ai Bias”, un laboratorio pensato per i docenti che desiderano affrontare l’Intelligenza Artificiale Generativa (IAG) non come una semplice risorsa tecnologica, ma come un oggetto di educazione civica, un terreno fertile per sviluppare consapevolezza critica e competenze di cittadinanza digitale.
Un laboratorio che trasforma gli studenti in investigatori digitali
Quando uno studente chiede a un modello di descrivere un ingegnere o una maestra, di generare l’immagine di un leader politico o di raccontare una storia ambientata in un Paese lontano, la risposta non è mai neutrale[1]. Dietro ogni output c’è un universo di dati, spesso sbilanciati, talvolta stereotipati, quasi sempre incompleti. L’IAG non inventa i pregiudizi: li eredita. Rendere visibile questo meccanismo è il primo passo per educare gli studenti a un uso consapevole della tecnologia. “Caccia ai bias” non è un’attività confinata all’informatica. È un laboratorio che parla a tutte le discipline:
- all’italiano, quando si analizzano narrazioni e rappresentazioni
- alla storia e alla geografia, quando emergono stereotipi culturali
- alle scienze umane, quando si discutono ruoli sociali e identità
- all’educazione civica, quando si affronta la normativa europea
È un percorso che sviluppa pensiero critico, media literacy, capacità argomentativa e consapevolezza digitale. Soprattutto restituisce agli studenti un ruolo attivo: non consumatori di tecnologia, ma cittadini capaci di interrogare il mondo digitale.
Il laboratorio nasce proprio da qui: dall’idea che la scuola debba offrire strumenti per leggere criticamente ciò che l’IAG produce, non per accettarlo in modo passivo. L’attività si sviluppa come un’indagine. Gli studenti, organizzati in piccoli gruppi, testano diversi modelli di IAG generativa. Non cercano la risposta “giusta”, ma osservano come il modello costruisce la realtà. Un prompt come “Genera l’immagine di un medico e di un’infermiera” può rivelare ruoli di genere stereotipati.
Una richiesta come “Racconta una storia ambientata in Africa” può far emergere narrazioni semplificate o stereotipate. Una descrizione di professioni, famiglie o contesti geografici può mostrare quanto i modelli tendano a riprodurre schemi culturali dominanti.
Il laboratorio diventa così un esercizio di lettura critica: gli studenti confrontano le risposte, discutono, annotano ricorrenze e anomalie. Scoprono che l’IAG non è un oracolo, ma un sistema che riflette — e talvolta amplifica — i limiti dei dati da cui apprende.
La seconda parte dell’attività introduce la classificazione europea dei sistemi di IAG, che distingue tra basso rischio, alto rischio e rischio inaccettabile. Non si tratta di un approfondimento giuridico, ma di un esercizio di cittadinanza: comprendere che l’IAG non è solo una questione tecnica, ma anche etica, sociale e normativa.
Per rendere questo passaggio significativo, la classe viene coinvolta in un lavoro di analisi e discussione strutturata. Ogni gruppo riceve una scheda con la descrizione sintetica delle tre categorie di rischio previste dall’AI Act e un set di esempi reali o verosimili: un chatbot scolastico, un sistema di riconoscimento facciale, un generatore di immagini, un algoritmo di selezione del personale. Gli studenti devono decidere in quale categoria collocare ciascun caso, motivando la scelta con argomentazioni chiare e riferimenti alle possibili conseguenze per le persone coinvolte.
Successivamente, i gruppi confrontano le loro classificazioni con gli strumenti di IAG testati nella prima parte del laboratorio. Devono chiedersi: Quali rischi emergono dai bias osservati? In quali contesti questi strumenti potrebbero diventare problematici? Quali tutele sarebbero necessarie? La discussione si trasforma così in un esercizio di responsabilità civica: gli studenti imparano a valutare non solo ciò che l’IAG fa, ma l’impatto che può avere sui diritti digitali, sulla trasparenza e sulla tutela delle persone. Questo passaggio li aiuta a collegare l’esperienza pratica a un quadro più ampio, trasformando un’attività tecnica in un percorso di consapevolezza democratica. L’IAG smette di essere un oggetto misterioso e diventa un tema di cittadinanza attiva, su cui gli studenti possono prendere posizione in modo informato e critico.
Conclusione
Educare ai bias dell’IAG significa educare alla democrazia digitale, ma anche lavorare sulla capacità di riconoscere come le risposte dei sistemi algoritmici possano riflettere distorsioni presenti nei dati o nei modelli. In classe questo tema si traduce in attività di analisi e confronto, in cui gli studenti osservano come le stesse domande producano risposte differenti a seconda delle fonti e delle istruzioni utilizzate. In questo modo, il problema del bias non resta astratto, ma emerge direttamente dall’interazione con gli strumenti. Il lavoro si concentra sul far emergere le condizioni che rendono una risposta attendibile o problematica. Gli studenti imparano a interrogare i sistemi non solo per ottenere informazioni, ma per verificarne la coerenza rispetto alle fonti e al contesto. L’uso dell’IAG assume così la forma di una lettura critica mediata: le risposte vengono confrontate con documenti di riferimento, mettendo in evidenza omissioni, semplificazioni o inferenze non supportate. Parallelamente, l’attenzione si sposta sulla struttura dei dati e sulle istruzioni fornite ai modelli. L’analisi di casi concreti mostra come piccoli elementi — formati incoerenti, ambiguità nei testi, prompt poco precisi — possano influenzare in modo significativo l’output. L’errore diventa occasione di indagine sul funzionamento del sistema, attraverso cicli di ipotesi, verifica e revisione. Il lavoro sugli aspetti etici e normativi, incluso il riferimento all’AI Act, è integrato nella pratica laboratoriale. Più che come contenuto teorico, viene affrontato come strumento di lettura critica dei sistemi, osservando come le scelte progettuali influenzino il comportamento degli algoritmi e le loro conseguenze nell’uso reale.
Nel lavoro dei docenti, questo approccio richiede di costruire situazioni didattiche in cui gli studenti possano osservare direttamente il legame tra dati, modelli e risultati. Ne emerge una forma di educazione alla complessità, in cui la tecnologia non è presentata come neutra, ma come sistema situato, interpretabile e modificabile.
In questa prospettiva, la cittadinanza digitale non si configura come un insieme di principi astratti, ma come un insieme di pratiche osservabili: interrogare i sistemi, verificarne le risposte, analizzare le fonti e discutere le conseguenze delle scelte tecnologiche.
Educare ai bias dell’IAG significa formare studenti che non si limitano a usare la tecnologia, ma che sanno leggerla, interpretarla e metterla in discussione. È un percorso che restituisce alla scuola il suo ruolo di presidio culturale e democratico, capace di generare consapevolezza, responsabilità e partecipazione nel mondo digitale.
*Anselmina Cerella, Docente di scuola primaria, laureata in Scienze della Comunicazione, affianca alla carriera di docente quella di giornalista pubblicista, collaborando con diverse testate, occupandosi sia di articoli tecnici e informatici, sia di cronaca e cultura. Esperta e formatrice nell'Equipe Formativa Territoriale della Lombardia, dove si occupa, in particolare, di temi legati alla didattica digitale, come il digital storytelling e il pensiero computazionale. Curriculum vitae
[1] Prompt1/Immagine1: “genera l’immagine di un leader politico. Immagine generata a relativa spiegazione “Ecco un'immagine realistica di un leader politico generico mentre tiene un discorso a un podio. Ho cercato di catturare l'autorità e il carisma, evitando riferimenti a partiti o nazioni specifiche. Spero sia adatta alla tua richiesta.”
Prompt2/Immagine2: “racconta una storia ambientata in un Paese lontano”
