Il secondo episodio della nostra serie « LA trasforma gli scambi ». IA e correzione scolastica: dietro la promessa di copie annotate in pochi secondi, gli studi disegnano diverse trasformazioni. Strumenti facilitare la preparazione dei corsi e fornire feedback utili. La loro capacità di assegnare un punteggio stabile rimane più irregolare. Per gli insegnanti, il lavoro si sta muovendo verso la definizione dei criteri, il controllo delle risposte e gli studenti che accompagnano.
Una decisione di valutazione, valutazione e orientamento non comporta la stessa responsabilità. Mettendoli insieme sotto la parola « correzione » sfoca il dibattito. Un commento può aiutare uno studente a ripetere un ragionamento. Una nota classifica la sua produzione secondo una scala. Una decisione scolastica può cambiare il suo corso. I risultati disponibili nel novembre 2026 suggeriscono che questi usi siano esaminati separatamente.
IA e correzione scolastica: quali esperienze misurano
In quattro corsi universitari americani in scienze politiche, i ricercatori hanno testato un’organizzazione che coinvolge insegnanti e GPT-4. Il loro studio, pubblicato il 19 agosto 2025, copre 271 studenti e 3.080 risposte brevi. Lo strumento ha ricevuto la domanda, i criteri di correzione ed esempi già noti dagli insegnanti. Lo schema confidò circa l’88% delle risposte all’IA.
I risultati sostengono la possibilità di assistenza in questo quadro specifico. Diverse caratteristiche di notazione rimangono simili a quelle osservate con correttori umani. Gli studenti potrebbero richiedere una nuova correzione da parte di una persona. Essi ritenevano tuttavia che i commenti umani fossero leggermente più utili.
Pertanto, questo protocollo non ha comportato la consegna di una pila di copie al software senza preparazione. Il lavoro di insegnamento ha preceduto l’automazione. I ricercatori non hanno stabilito una percentuale universale di tempo salvato. Né hanno dimostrato un progresso sostenibile nell’apprendimento. Il piccolo numero di sfide da solo non misura l’assenza di errori.
In matematica, note che non sempre coincidono
Uno studio pubblicato il 28 ottobre 2026 ha un risultato meno rassicurante. Hasan Fehmi Özdemir ha confrontato tre insegnanti e quattro strumenti sulle risposte da 196 studenti universitari di Şırnak, Turchia. Gli esercizi richiedevano ragionamenti matematici, oltre la scelta di una risposta. Le copie erano dell’anno scolastico 2024-2025.
GPT-4o, Gemini 2.5 Flash, Microsoft Copilot e DeepSeek avevano la stessa scala, ma senza esempi corretti. Gli strumenti hanno trovato alcune classifiche generali tra gli studenti. Il loro esatto accordo con le note umane era solo circa tre in dieci casi. Ciò non significa che sette su dieci note erano oggettivamente false: gli insegnanti potevano anche divergere.
Variazioni riapparso quando i ricercatori hanno presentato le stesse copie più volte. Alcuni strumenti attribuivano anche il ragionamento assente dalle risposte. Lo studio riguarda un particolare campo, versioni e protocolli specifici. Non condanna alcuna correzione assistita. Indica perché la lettura del ragionamento e l’applicazione di una scala richiede la validazione, soprattutto quando diversi approcci possono portare al risultato giusto.
Un commento utile non è necessariamente una buona valutazione
L’interesse educativo appare anche senza notazione automatica. Un esperimento pubblicato il 30 ottobre 2026 ha diviso 312 studenti in tre gruppi. Uno ha ricevuto commenti da un’intelligenza artificiale, un altro da un insegnante, l’ultimo nessun feedback sostanziale. L’analisi finale ha selezionato 287 partecipanti.
Dopo la revisione di un testo argomentativo, i due gruppi di accompagnamento hanno raggiunto risultati migliori del gruppo di controllo. L’esecuzione del feedback umano e automatizzato era all’interno del margine di equivalenza stabilito dai ricercatori. Tuttavia, la motivazione dichiarata rimase più alta dopo il ritorno dell’insegnante.
Gli studenti conoscevano l’origine del commento. L’esperimento ha coinvolto una singola istituzione e un ciclo di riscrittura, con un modello locale. Non dimostra quindi che l’IA è un miglioramento sostenibile delle prestazioni scolastiche. Essa distingue due dimensioni della professione: aiutando a rielaborare un testo e facendolo desiderare di continuare questo sforzo. Una valutazione rilevante non sostituisce automaticamente la relazione pedagogica.
La preparazione delle preoccupazioni di risparmio di tempo più costose
La valutazione britannica di Aila, pubblicata il 6 ottobre 2026, fornisce un altro punto di riferimento. Questo assistente è usato per preparare i corsi e i loro materiali. Il processo ha distribuito a caso 464 insegnanti primari in 108 scuole a due gruppi. L’analisi principale ha selezionato 416 insegnanti. Il monitoraggio ha avuto luogo per 10 settimane nell’autunno 2025.
La sintesi di Education Endowment Foundation stima una riduzione del 24% dei tempi di preparazione per i compiti studiati. I partecipanti stavano guardando i documenti di lavoro. Entrambi i gruppi potrebbero utilizzare altri strumenti AI: il processo ha valutato l’assunzione di Aila, non tutta l’intelligenza artificiale contro la sua assenza.
Questo risultato non significa 24% meno lavoro di insegnamento o 24% tempo salvato su copie. L’uso è rimasto limitato e le opinioni sono state divise. La qualità delle risorse valutate non è peggiorata, ma l’esperienza non ha dimostrato un miglioramento dell’apprendimento. Ha misurato un compito di preparazione, non l’intero lavoro.
I cambiamenti di lavoro prima della quantificazione dell’occupazione
Questi esperimenti non consentono il calcolo di un certo numero di posizioni che l’IA avrebbe sostituito. Descrivono i compiti in condizioni specifiche. Trasferirsi da questo a una previsione della forza lavoro richiederebbe ulteriori dati: organizzazione dell’aula, tempo di audit, costo degli strumenti e selezione delle istituzioni.
La correzione assistita muove tuttavia i passi da esaminare. Prima dell’uso, l’insegnante deve specificare cosa vuole valutare. Dopo la generazione, deve verificare che il commento è sulla copia. Una formulazione fluida può mascherare una cattiva lettura. Un suggerimento corretto può anche riferirsi a un concetto che la classe non ha ancora affrontato.
Il guadagno netto dipende quindi dal lavoro tenuto intorno allo strumento. Produrre più annotazioni non è sufficiente se ciascuno richiede un lungo recupero. Al contrario, un primo ritorno rilevante può lasciare più spazio per una spiegazione mirata. Il tempo totale deve essere misurato, dalla preparazione dei criteri alla restituzione, piuttosto che dall’unica velocità di generazione.
Regole separate per gli aiuti e la valutazione
In Francia, il quadro pubblicato nel giugno 2025 consente l’assistenza in preparazione e correzione, sotto la responsabilità degli insegnanti. Ha chiesto di controllare le produzioni. Gli usi che hanno un effetto significativo sulla valutazione o sul corso degli studenti richiedono la supervisione umana e la convalida preventiva da parte dell’autorità competente.
Lo stesso quadro esclude l’invio di dati personali o confidenziali ad una AI pubblica generale. Una copia non diventa necessariamente anonima perché il suo nome è scomparso. Il suo contenuto può ancora identificare lo studente. La scelta del servizio, i dati trasmessi e la loro conservazione fanno parte delle modalità da controllare.
In Inghilterra, Ofqual mantiene un limite più specifico nella sua dottrina aggiornata il 16 luglio 2026. L’AI non può essere l’unico correttore di una valutazione che rientra in una qualifica regolamentata. Questa regola non costituisce un divieto generale per gli assistenti di classe. Questi quadri francesi e inglesi non sono di per sé regole applicabili al Libano.
Per un istituto libanese considerando questi strumenti, studi stranieri offrono punti di confronto, non di validazione pronta all’uso. La lingua, il livello degli alunni e la scala devono corrispondere alla prova effettuata. Prima di estendere l’uso, c’è ancora la necessità di documentare le differenze nelle valutazioni, le correzioni necessarie e la possibilità di una revisione umana. Questi risultati locali permetteranno di distinguere un vero sollievo da un carico di controllo aggiuntivo.
Commenti