L'intelligenza artificiale è in grado di supportare la formazione dei futuri insegnanti di scuola primaria nell’individuare eventuali disturbi dell’apprendimento negli alunni, in modo che questi possano ricevere al più presto interventi mirati?

TAKEAWAY

• Per poter individuare, nei bambini della scuola primaria, coloro i quali sono affetti da dislessia e deficit di attenzione/iperattività, gli insegnanti devono poter essere formati su competenze specifiche, oltre che su un’ampia pratica di casi, spesso simulati in sede di training e seguiti da interventi altrettanto simulati.
• Uno studio sperimentale condotto dall’Università di Monaco indaga gli effetti del feedback automatizzato – basato sull’elaborazione del linguaggio naturale – alla simulazione dell’atteggiamento diagnostico da parte di futuri insegnanti, rilevando come l’AI sia in grado, anche nella formazione dei docenti all’identificazione dei disturbi dell’apprendimento, di fornire supporto all’elemento umano.
• Lo studio tedesco apre a scenari che vedono, in un futuro forse non troppo lontano, le tecniche di intelligenza artificiale intervenire nei grandi programmi di formazione, come, ad esempio, quelli in ambito medico.

---

Trattare dell’impiego delle tecniche di intelligenza artificiale nell’ambito della formazione degli insegnanti e, più particolare, dei docenti della scuola primaria, significa anche fare riferimento all’acquisizione delle competenze necessarie all’identificazione – attraverso la raccolta di una serie di informazioni – degli alunni con disturbi della sfera dell’apprendimento, tra cui, ad esempio, la dislessia e il deficit di attenzione/iperattività (Attention-Deficit/Hyperactivity Disorder – ADHD).

Competenze fondamentali per intervenire in modo tempestivo, comunicando le proprie osservazioni agli psicologi scolastici e collaborando con questi e con gli psichiatri infantili all’ottimizzazione della didattica e alla gestione dell’eterogeneità delle classi, al fine di poter offrire un supporto individuale a chi ne ha bisogno.

Si tratta, però, di competenze relative ad abilità specifiche, che attingono alla psicologia dell’apprendimento e alla neuropsichiatria infantile, materie talora non trattate in profondità durante l’iter scolastico che segna la formazione degli insegnanti. E, quand’anche fossero discipline affrontate con attenzione, spesso non è possibile offrire – a chi studia per insegnare nella scuola primaria – un’ampia pratica di casi specifici.

A tale riguardo, ad oggi, è la simulazione dei disturbi dell’apprendimento negli allievi – seguita da un intervento “diagnostico” altrettanto simulato – a rappresentare un’opzione valida per superare il gap tra istruzione e pratica, supportata, però, da feedbackmirati, grazie ai quali sarà possibile valutare il proprio livello di preparazione raggiunto nel cogliere e nel valutare i diversi disturbi presi in esame.

Se ne parla in un articolo pubblicato l’11 aprile 2022, dal titolo “Adaptive feedback from artificial neural networks facilitates pre-service teachers’ diagnostic reasoning in simulation-based learning”, in cui il team della Ludwig-Maximilians-Universität München, in Germania, illustra uno studio sperimentale sugli effetti del feedback automatizzato alla simulazione dell’atteggiamento diagnostico da parte di futuri insegnanti della scuola primaria.

Intelligenza artificiale e formazione insegnanti: il supporto fornito dalle tecniche NLP

La letteratura relativa a questo ambito specifico, per “feedbackmirati” a supporto della simulazione dei disturbi dell’apprendimento in sede di formazione degli insegnanti, intende, in particolare, i “feedback adattivi”, tesi a determinare lo stato di conoscenza e il livello delle prestazioni dei futuri docenti, con l’obiettivo di rilevare eventuali errori e lacune e mettere a punto interventi migliorativi.

In tema di intelligenza artificiale e formazione degli insegnanti, lo studio dell’Ateneo tedesco si focalizza sul feedback adattivo basato sull’elaborazione del linguaggio naturale (Natural Language Processing – NLP). Nel dettaglio, il team di ricerca ha sviluppato un algoritmo di intelligenza artificiale il cui compito è fornire ai futuri insegnanti un feedback automatizzato in merito alle proprie valutazioni scritte su un gruppo di alunni che – nella simulazione – presentavano difficoltà di apprendimento.

L’atteggiamento teso alla diagnosi – quello che gli autori della ricerca definiscono “ragionamento diagnostico” degli insegnanti – «è espresso nell’accuratezza e nella qualità delle valutazioni e dei giudizi, vale a dire la misura in cui vengono presentati elementi di prova pertinenti per le diagnosi».

Allo studio sperimentale hanno partecipato 178 insegnanti di scuola primaria tirocinanti in Germania, ai quali è stato chiesto di valutare sei bambini con difficoltà di apprendimento simulate.

Le valutazioni si sono basate sull’analisi dei compiti scolastici svolti dagli alunni, oltre che su informazioni tratte da registrazioni comportamentali e da alcuni passaggi di conversazioni con i loro genitori. Il compito consisteva nell’individuare eventuali elementi correlati alla dislessia o al disturbo da deficit di attenzione/iperattività (ADHD) e nello spiegare il processo che aveva condotto a quel preciso “ragionamento diagnostico”.

Il test ha visto una parte preliminare, in cui a metà degli insegnanti è stato fornito un feedback manuale alle proprie valutazioni, ovvero un riscontro scritto (contenente anche suggerimenti) da parte di professionisti della materia – psicologi scolastici e psichiatri infantili – da confrontare con il lavoro svolto.

L’altra metà, invece, ha ricevuto un feedback generato in tempo reale dal sistema di elaborazione del linguaggio naturale che, avvalendosi di una rete neurale artificiale, è stato in grado di effettuare l’analisi automatica dei testi scritti elaborati dai singoli tirocinanti, passandone al vaglio terminologia, interi periodi e idee espresse, «evidenziando le parti corrette della loro valutazione e soluzione e segnalando gli aspetti da migliorare».

Feedback manuale e feedback automatizzato a confronto

Al termine degli esercizi preliminari, i due gruppi di insegnanti di scuola primaria hanno sostenuto due test di verifica simili, senza, però, ricevere alcun feedback, né manuale né automatico.

Test che sono stati poi esaminati dagli autori della ricerca in tema di intelligenza artificiale e formazione degli insegnanti, per vagliarne sia la correttezza dell’identificazione dei casi di dislessia o ADHD, sia la pertinenza della linea del ragionamento diagnostico e giungere a quantificare, dare un punteggio sull’utilizzo dei due feedback ricevuti in precedenza (manuale e automatizzato) nell’esprimere il giudizio sui sei alunni di scuola primaria.

Ciò che è emerso è che «il punteggio medio attribuito al ragionamento diagnostico degli insegnanti che avevano ricevuto un feedback dal sistema di intelligenza artificiale durante i sei esercizi preliminari, era stimato di 10 punti percentuali in più rispetto a coloro che avevano lavorato con le soluzioni di esperti scritte».

La motivazione di queste diverse performance – osservano i ricercatori – risiede, in realtà, nella «natura adattiva dell’intelligenza artificiale». Il sistema di elaborazione del linguaggio naturale infatti, ha semplicemente “analizzato” le valutazioni e le spiegazioni degli insegnanti, senza suggerire, né consigliare. E questo, agli occhi di coloro che hanno partecipato alla ricerca, è stato percepito come un supporto più chiaro, pratico e lineare:

«Il feedback generato dal sistema NLP sembra avere aiutato gli insegnanti a concentrarsi su ciò di cui avevano bisogno a livello pratico per imparare a riconoscere e a valutare i due disturbi dell’apprendimento considerati»

Il che non significa che la macchina, in futuro, andrà a sostituire psicologi dell’età evolutiva e psichiatri infantili, né, tanto meno che i suggerimenti e i consigli di questi ultimi sono meno efficaci di quelli automatizzati. Ma solo che dall’AI, anche in questo dominio, ci si può aspettare un rinforzo, un sostegno forte. Se, naturalmente, opportunamente utilizzata.

L’addestramento della rete neurale

Il gruppo di studio in tema di intelligenza artificiale e formazione degli insegnanti, per l’addestramento della rete neurale, cuore del sistema NLP messo a punto, ha utilizzato le risposte fornite in passato – durante un esercizio simile – da un altro gruppo di insegnanti di scuola primaria in fase di tirocinio.

Più nello specifico, tali risposte sono state segmentate, affinché il sistema AI fosse allenato a riconoscere la presenza o l’assenza di determinati punti e passaggi chiave nelle valutazioni e nelle soluzioni fornite dagli insegnanti in passato in merito ai disturbi di apprendimento nei bambini.

Ulteriori punteggi assegnati dal team riguardano il lavoro individuale e a coppie, svolto dai partecipanti sia negli esercizi preliminari che nei compiti di verifica, in cui, coloro che hanno lavorato da soli e hanno ricevuto feedback manuali da parte degli esperti di disturbi dell’apprendimento, hanno poi ottenuto, in media, una valutazione in merito alla correttezza delle valutazioni pari al 33%. Al contrario, coloro che hanno ricevuto il feedback dal sistema NLP hanno ottenuto un punteggio più alto, pari al 43%.

«E, allo stesso modo, il punteggio medio attribuito ai tirocinanti che hanno lavorato in coppia è stato del 35% con la soluzione da parte dell’esperto, ma del 45% col supporto della macchina».

Intelligenza artificiale e formazione insegnanti: studi futuri

In tema di intelligenza artificiale e formazione degli insegnanti, lo studio illustrato non pretende certo di essere esaustivo. È, piuttosto, un test, un esperimento, al quale ha preso parte un campione poco significativo dal punto di vista numerico e sotto il profilo dell’area geografica considerata (178 insegnanti tedeschi e sei allievi tedeschi), tuttavia eloquente sotto il profilo qualitativo.

Rimane ancora molta strada da compiere. E fino a che punto le tecniche di intelligenza artificiale possono fungere da strumenti pratici per supportare, in generale, la formazione degli insegnanti, resta un grosso nodo da sciogliere.

Tra gli obiettivi futuri del team, ulteriori studi di maggiore ampiezza, con maggiori partecipanti e maggiore variabili, a dimostrare ipotesi di partenza sempre più complesse in materia. «Il feedback automatico nell’ambito della formazione basata sulla simulazione può essere utilizzato anche per promuovere il ragionamento diagnostico degli insegnanti delle scuole superiori», osservano i ricercatori. Ma non solo:

«Nei grandi programmi di formazione, come lo sono quelli in ambito medico, ad esempio, l’utilizzo dell’AI per supportare l’apprendimento da parte dei futuri medici potrebbe davvero avere un valore reale»

Certamente, lo sviluppo di sistemi di elaborazione del linguaggio naturale e di reti neurali artificiali per questo scopo, richiede ingenti risorse in termini di tempo e di capitale umano, «ma se aiuta a migliorare le capacità di valutazione dei futuri professionisti, potrebbe rivelarsi uno sforzo ben ripagato».