Per generazioni, l’istruzione ha operato sulla base di un errore di calcolo fondamentale: presumere che i test standardizzati misurino accuratamente le abilità. La realtà è molto più complessa. Da Isaac Newton alle prese con un esame di fisica su tablet agli studenti neurodivergenti ingiustamente penalizzati da formati rigidi, i nostri sistemi attuali spesso misurano barriere piuttosto che capacità cognitiva. L’ascesa dell’intelligenza artificiale rappresenta sia un pericolo che un’opportunità. Se non risolviamo i difetti sottostanti nella valutazione, l’intelligenza artificiale semplicemente automatizzerà e amplificherà i pregiudizi esistenti, consolidando narrazioni dannose sul potenziale degli studenti.
Il mito della misurazione oggettiva
L’educazione tradizionale si basa su una premessa errata: il talento è scarso, i geni dettano il destino e le capacità possono essere classificate con precisione su una curva a campana. La scienza dell’apprendimento contemporanea lo smentisce. Il potenziale umano è profondamente malleabile, modellato dinamicamente dall’ambiente e abbondantemente distribuito. Ogni bambino è programmato per imparare, ma i nostri sistemi spesso gli dicono il contrario.
Questa disconnessione deriva da una misurazione inadeguata. I test standardizzati misurano spesso la capacità di uno studente di navigare nel test stesso piuttosto che le sue conoscenze di base. Ciò genera “spiegazioni patologiche”, incolpando falsamente le differenze di apprendimento invece di riconoscere i limiti della valutazione. Nel campo della psicometria questo si chiama Costruisci varianza irrilevante : quando il test oscura, anziché rivelare, la vera abilità.
Tre principi per una valutazione equa
Per districare il segnale dal rumore, dobbiamo abbracciare tre proposizioni fondamentali:
- Equità non significa identico: Costringere ogni studente alle stesse condizioni ignora la natura stessa della neurodiversità. Una gara di ortografia che richiede una recitazione udibile punisce gli studenti con disturbi del linguaggio: la barriera soffoca l’effettiva capacità di ortografia. Consentire l’input da tastiera rimuove questo ostacolo irrilevante senza compromettere il rigore.
- Condizioni equivalenti non garantiscono prove equivalenti: un esame oculistico standardizzato richiede una distanza fissa dalla tabella. Ma costringere uno studente non vedente a leggere dalla stessa distanza mette semplicemente alla prova la sua vista, non la sua conoscenza dell’alfabeto. Il test quindi misura la visione, non l’apprendimento.
- La variazione dei principi fornisce prove equivalenti: Adeguare intenzionalmente l’erogazione dei compiti per diversi studenti può produrre risultati più accurati. Se allo stesso Isaac Newton fosse stata data una simulazione fisica al computer, il suo genio sarebbe stato oscurato dalla sua mancanza di padronanza del digitale. Fornire formati alternativi ci permette di misurare la brillantezza, non il comfort tecnologico.
Il bivio dell’IA
Per decenni, il rumore irrilevante è stato un difetto inevitabile nei test cartacei. Ora, l’intelligenza artificiale ci offre un potere computazionale senza precedenti per personalizzare la valutazione ed eliminare queste barriere su larga scala. Ma l’intelligenza artificiale è un motore di inferenza. Amplificherà qualunque dato gli forniamo.
Ci troviamo di fronte ad una scelta cruciale:
- Percorso B: scalare il danno: L’inserimento cieco di test non funzionanti negli algoritmi automatizzerà la misurazione scadente, potenziando l’ordinamento distorto e cementando false narrazioni con autorità algoritmica.
- Percorso A: mantenere la promessa: L’ottimizzazione dell’intelligenza artificiale per eliminare il rumore e isolare il segnale fornirà feedback personalizzati, responsabilizzando gli studenti e promuovendo il miglioramento continuo.
Se un test richiede il superamento di una barriera non correlata, è un test imperfetto. Modificando i nostri modelli psicometrici, possiamo passare dal patologizzare gli studenti al responsabilizzarli. La domanda non è “Cosa c’è che non va in questo studente?” ma “In che senso questa valutazione deve essere migliorata?”
Il futuro dell’apprendimento dipende dalla nostra capacità di riconoscere che l’intelligenza non è una caratteristica fissa ma un potenziale dinamico e che i nostri strumenti devono adattarsi per rivelare, e non oscurare, la genialità umana.
