Riportiamo qui una splendida riflessione dell’insegnante e scrittrice Valentina Petri, sempre capace di raccontare la scuola con profondità e leggerezza
Guardo i titoli dei corsi di formazione per docenti e mi viene lo sconforto. Metodologie didattiche, intelligenza artificiale, agenda 2030, cose in inglese che non so cosa sono… Tutto bello, nobile e necessario. Li faccio, giuro. Ma io vorrei studiare. Io vorrei tornare ad ascoltare delle belle lezioni come quando ero all’università. Io vorrei essere obbligata a sentire non gente che mi dice come dovrei insegnare, ma gente che mi spiega cose che non ho mai approfondito, aspetti di un’opera, autori che nel mio percorso ho incontrato solo per quel tanto che bastava. Vorrei studiare di nuovo, con calma e profondamente, le Operette morali, anche quelle che non mi ricordo più, il Paradiso, anche quei canti che a furia di non farli sfumano. Vorrei trenta ore non per sentirmi dire che i kahoot sono divertenti e le escape room grammaticali immersive, ma per ascoltare qualcuno che mi incanti come quando avevo vent’anni. Voglio, che ne so, un corso sulle poete del Novecento, voglio un corso su dieci novelle di Boccaccio o qualcuno che mi faccia approfondire Gaspara Stampa. Voglio un modulo su Pasolini, voglio trenta ore su Montale e un corso monografico su Sibilla Aleramo. Voglio studiare la mia materia, quella che devo insegnare, e certo che posso farlo anche a casa, restando aggiornata e blablabla, ma il bello di andare a lezione è andare a lezione, a sentire delle lezioni belle di qualcuno che ha studiato più di me e tornare a casa piena di appunti e libri da leggere e idee per lezioni fichissime e percorsi che posso affrontare nelle mie classi. Perché più studio, meglio insegno. Invece più mi rompete le palle, più sono stanca, peggio insegno. E bon.
Riportiamo qui una terza serie di considerazioni di Walter Quattrociocchi (Professore Ordinario di Informatica presso l’Università di Roma La Sapienza, dove dirige il Center for Data Science and Complexity for Society), fondamentali per demistificare il discorso sull’Ai, al centro di immensi interessi economici che puntano a colonizzare anche la scuola.
C’è un’illusione diffusa — e sempre più redditizia — secondo cui i modelli linguistici “spieghino le cose”. Non importa quali. Filosofia, fisica quantistica, diritto comparato o la tua relazione con tua madre (o tua nonna). Basta scrivere una domanda, e il modello ti risponde con frasi chiare, ben strutturate, plausibili. Il problema è che sembri capirci qualcosa anche quando non ci capisci nulla. E che il modello ti asseconda in quel momento preciso in cui ti servirebbe l’esatto contrario.
Un LLM non è una mente, non è una sorgente di conoscenza, non è un motore di verità. È un sistema statistico per la predizione del prossimo token, addestrato su quantità immense di testo, ottimizzato per generare sequenze fluenti che suonino bene. Nient’altro. Non possiede concetti, non ha un’idea del mondo, non opera per verifica, non è dotato di senso critico, non sa distinguere una teoria da un’opinione né una contraddizione da una variazione stilistica. Il suo compito è campionare parole a partire da un prompt, pescando all’interno di uno spazio di embedding che rappresenta, in forma compressa, le relazioni statistiche tra stringhe testuali. Il modello non sceglie parole perché “ha capito” — le sceglie perché in fase di addestramento quelle sequenze risultavano più probabili in quel tipo di contesto.
Nessuna epifania. Solo regressione su una distribuzione. Finché il task è semplice, vicino a quanto già visto, l’output è passabile (ma va sempre preso con le pinze). Se gli chiedi di scrivere un’email cortese, riassumere un testo breve, elencare i premi Nobel, produrre codice base, il sistema opera in zone ad alta densità nello spazio semantico. Ha abbastanza esempi simili nel training set da potersi muovere per interpolazione, sempre però riassemblando, non capendo. Ma appena esci da questi territori — appena chiedi un confronto teorico, una valutazione critica, una spiegazione strutturata di concetti che si collocano fuori da cluster densi — lo spazio si svuota. Si perde pure il supporto della densità statistica che già di suo non è garanzia di affidabilità.
L’output diventa una simulazione di coerenza, una linea di linguaggio tracciata in territori dove il modello ha poca o nessuna esperienza. Ma il tono resta identico: fluente, ordinato, autorevole. Non c’è un segnale d’allarme. Non c’è un freno interno. Il modello è costruito per rispondere sempre. Anche quando non sa — cioè sempre. E tu non hai modo di saperlo. Non hai accesso alla distribuzione da cui ha campionato. Non sai se la risposta che hai ricevuto è rappresentativa o un outlier verbale. Se ripeti il prompt, l’output cambia. A volte dice il contrario. Ma la forma resta impeccabile. E tu confondi la forma per sostanza (anzi se sei pop-filosofo o dotto-immaginario sono proprio la stessa cosa). Perché non hai strumenti per distinguere un’asserzione sensata da una ben formulata.
Il sistema non è ergodico: ciò che ti mostra in una realizzazione non riflette la sua distribuzione complessiva. Tu vedi una frase singola, ma il comportamento del modello è un processo stocastico ad altissima varianza. Il problema non è che sbaglia. È che non segnala quando sbaglia, e tu non hai modo di accorgertene se non conoscevi già la risposta. Se fai due prompt simili, ma con toni diversi, la risposta sarà diversa.
Non è affidabile. Ed è qui che emerge il rischio cognitivo vero, quello di seconda generazione. Il modello non ti fornisce solo errori grossolani facili da correggere. Ti fornisce spiegazioni plausibili. Ed è esattamente lì che ti frega. Perché se non hai una mappa mentale autonoma, un quadro concettuale costruito con pazienza, verifica, confronto e dubbi, allora l’output del modello ti sembra verosimile. Ma solo perché ti manca il criterio per valutarlo. Il LLM diventa, di fatto, un moltiplicatore della tua ignoranza. Ti impacchetta un’illusione ben formattata. Non ti dà conoscenza, ma qualcosa che la imita bene abbastanza da passare il filtro superficiale del tuo senso comune. E nel momento in cui inizi a usarlo per colmare le tue lacune, sei un dotto immaginario con abduzione debole e mente estesa (modo elegante per qualificare la sciatteria).
È il trionfo dell’epistemia: la coincidenza apparente tra linguaggio ben fatto e conoscenza affidabile. L’errore più diffuso è prendere un LLM per quello che non è. Se lo usi come fosse Google, sbagli. Google ti mostra fonti. ChatGPT ti dà sintesi accozzate in base a come le parole appaiono più frequentemente insieme. Ma non sai da dove vengono, con che criterio sono state fatte, e soprattutto non sai cosa manca. E se non sai cosa manca, tutto ti sembra completo. Se lo usi per “farti spiegare le cose”, peggio ancora.
Non è un professore paziente, non è uno studioso sintetico, non è un collega più sveglio. È un motore statistico ad alta risoluzione, addestrato per ripetere in modo nuovo quello che altri hanno già scritto. Con l’aggravante che tu non sei in grado di capire se quello che dice è reale, distorto o completamente inventato. Lo usi per cercare chiarezza, e ottieni un testo che sembra chiaro. Ma la chiarezza è nel linguaggio, non nella struttura. Ti fidi del tono. Ti rassicura la sintassi. Ma sotto, se guardi bene, non c’è niente. È qui che casca l’imbecille. Non quello che usa l’LLM. Quello che lo consulta al posto del pensiero. Quello che “chiede per capire”, ma non ha nessun filtro per decidere se la risposta è sensata. Quello che fa prompt sempre più raffinati credendo che il modello “ci arrivi”, mentre sta solo migliorando la confezione dell’errore. Quello che parla come se avesse studiato, ma ha solo chiesto a una macchina di suonare esperta al posto suo.
Un LLM, per definizione, non può colmare lacune. Può solo restituirti una media pesata di tutto quello che è già stato detto su un tema simile, senza alcun controllo sulla validità dei dati, né sulle contraddizioni tra i pezzi. E se tu quella lacuna ce l’hai, allora ti stai affidando a una macchina cieca, con voce sicura, per orientarti in un territorio che non conosci. È un suicidio intellettuale in differita. Un LLM è un generatore di linguaggio, non una fonte di conoscenza. È uno specchio probabilistico: riflette quello che già sai. Se non sei una cima, lo specchio riflette quello. E se non sai nulla, riflette il vuoto. Bene. Ma pur sempre vuoto.
Riportiamo qui altre considerazioni di Walter Quattrociocchi, Professore Ordinario di Informatica presso l’Università di Roma La Sapienza, dove dirige il Center for Data Science and Complexity for Society. Si tratta di puntualizzazioni preziose ora che, per ragioni che evidentemente non hanno nulla a che fare con la validità didattica ed educativa, si è messo in moto il circo del marketing per la “vendita” dell’Ai alla scuola (e viceversa).
*** Embedding – I computer non capiscono parole, elaborano numeri. Per questo ogni parola viene trasformata in un elenco di numeri chiamato vettore. Se due parole compaiono spesso nello stesso contesto (“gatto” e “cane”), i loro vettori saranno vicini; se non compaiono mai insieme (“gatto” e “trattore”), saranno lontani. È una mappa statistica, non un dizionario di significati. Nessun concetto, solo distanze in uno spazio di numeri.
Tokenizzazione – Il modello non legge il testo come facciamo noi. Spezza le frasi in piccoli pezzi chiamati token. A volte una parola è un token intero, altre volte viene spezzata: “incredibile” può diventare “in”, “credi”, “bile”. Il modello lavora solo con questi pezzi, non con concetti o frasi intere. Non c’è un “pensiero” sotto: solo pezzi da ricomporre.
Positional Encoding – Perché l’ordine delle parole non si perda, a ogni token viene aggiunta un’informazione sulla sua posizione nella frase. È così che il modello distingue tra “l’uomo morde il cane” e “il cane morde l’uomo”. Non è grammatica: è solo un trucco matematico per non confondere l’ordine. Coordinate, non regole sintattiche.
Fine-tuning e RLHF – Dopo l’addestramento di base, il modello viene “educato” con dati più mirati o con istruzioni di esseri umani (RLHF = Reinforcement Learning with Human Feedback). Qui gli umani dicono: “questa risposta va bene, questa no”. È così che il modello impara a rispondere in modo più chiaro e cortese, ma resta statistica, non personalità. Premi e punizioni, non comprensione.
Context window – Un modello non ricorda all’infinito. Ha una “finestra di contesto” che stabilisce quante parole può considerare alla volta. Se è troppo piccola, dimentica l’inizio della conversazione. Oggi i modelli più avanzati hanno finestre molto ampie e possono “tenere a mente” testi enormi in un’unica volta. Ma sempre con memoria a breve termine: finita la finestra, sparisce tutto.
Prompt engineering – Dare istruzioni chiare migliora le risposte. Non perché il modello “capisca”, ma perché guidi meglio la scelta delle parole. Domanda confusa = risposta confusa. Niente magia: solo input più mirati.
Decoding – Dopo aver calcolato la probabilità di ogni parola possibile, il modello deve sceglierne una.
Greedy decoding: prende sempre quella più probabile → testo corretto ma noioso.
Sampling: pesca a caso seguendo le probabilità → più varietà, ma rischia di dire sciocchezze.
Beam search: valuta più frasi in parallelo e sceglie la migliore → più lento ma di qualità. Non c’è ispirazione: solo diverse strategie di scelta.
Temperature e top-k – Sono le “manopole dello stile”. Temperature regola la creatività: bassa = frasi prevedibili, alta = frasi fantasiose (a volte troppo). Top-k dice al modello: “considera solo le k parole più probabili”.
Tutto qui: numeri, probabilità, un po’ di informatica. Tantissimi dati e tanta potenza di calcolo. Niente coscienza. Niente magia. Niente filosofia dei termosifoni.
***
Una piccola nota di chiarimento per i tanti dotti immaginari (che teneri) che ti spiegano con la sicurezza di chi non sa di non sapere. Li vedi disquisire di LLM con l’aria di chi svela misteri, ma spesso inciampano su concetti elementari di meccanica statistica, ottimizzazione e teoria dell’informazione. Quando mancano le basi — distribuzioni, spazi vettoriali, concentrazione della misura — ogni metafora sembra un’epifania e ogni output un atto di coscienza. Non solo umanisti, sia ben chiaro. (Non è un caso che mi sto battendo per potenziare di molto nei curricula di informatica su quel fronte). Il corso di Laurea di cui sono preside porta in sé sta cosa in maniera molto importante. Perchè è lì che nascono le leggende: “l’IA pensa”, “Mente Estesa”, “l’IA capisce”, “l’IA ragiona per abduzione debole”, “Intelligenza Aliena”. Dall’ignoranza di chi si pone come intermediario tra tecnologia e società senza capire davvero quello di cui parla. Il paradosso è che l’ignoranza fa pensare di essere profondi. Ma provare a fare metafore, senza aver capito l’oggetto, è un esercizio catastrofico.
Che poi, la realtà è molto meno retorica e molto più interessante. Gli LLM non hanno pensiero, coscienza o introspezione (e potremmo anche dire che non ce ne potrebbe fregar di meno, se non fosse argomento che porta tanti parvenue a parlare con fare da dotto immaginario).
Perché sta roba funziona? Per i dati, certo. Ma anche per la capacità di ottimizzare su scala mostruosa ciò che prima era solo teorico. Gli algoritmi c’erano già, il salto lo abbiamo avuto quando dati e potenza computazionale hanno incontrato un’ottimizzazione massiva (e ora i dati sono finiti, e difficilmente ne avremo di migliori).
La svolta è stata questa: abbiamo imparato a trasformare il linguaggio in geometria e a sfruttare la statistica su una scala mai vista prima. Si parte da quantità enormi di testi, si spezzettano in unità minime chiamate token e si guarda come questi compaiono insieme. Si stimano le co-occorrenze, cioè con quale frequenza due token stanno vicini nei dati. Da questa informazione si costruisce uno spazio geometrico in cui ogni parola è un punto: vicine se usate in contesti simili, lontane se no. Questa è la geometria del linguaggio: non viene inventata dal modello, è già nei dati, e la statistica la rende visibile.
Il modello vero e proprio — un transformer con meccanismi di self-attention — serve a sfruttare questa geometria al massimo: calcola per ogni parola le relazioni con tutte le altre, in tutto il contesto, e ottimizza miliardi di parametri per stimare la distribuzione condizionata del prossimo token dato ciò che è venuto prima. Non c’è abduzione, non c’è introspezione: solo funzioni di probabilità apprese in uno spazio vettoriale.
Con abbastanza dati e parametri, questa geometria cattura regolarità potentissime. Perché? Perché il modello impara a interpolare: immagina di avere milioni di frasi già viste, ognuna rappresentata come un punto nello spazio. Quando arriva una frase nuova, con pezzi simili a quelle vecchie ma non identica a nessuna, il modello cerca una posizione in mezzo ai punti esistenti, una specie di punto di equilibrio, da cui prende spunto per continuare la frase in modo plausibile. Non sta inventando dal nulla: sta riempiendo i buchi basandosi su quello che ha visto, come quando completi un puzzle guardando i pezzi vicini. L’interpolazione è esattamente questo: riempire il vuoto usando le somiglianze statistiche con esempi già incontrati. La fluidità che osservate nasce da qui, non da qualche magia cognitiva che i pop-filosofi fingono di intravedere.
Nella fase di decodifica, poi, si estrae ogni volta un token dalla distribuzione stimata: lo si può fare scegliendo sempre quello più probabile (greedy), o campionando a temperatura più alta per ottenere testi più vari. Cambia lo stile, non la natura del processo: resta generazione statistica (anche se il termine fa storcere il naso ai dotti immaginari).
Se il contesto è povero o la distribuzione è piatta, il modello completa come può: campiona tra possibilità plausibili, ma non verificate. Non ha accesso diretto al mondo, a meno che non lo si colleghi esplicitamente a fonti esterne. E il motivo per cui vi sembra convincente è che, oltre a stimare la probabilità delle parole, è stato addestrato a scrivere bene: tono, coerenza, forma. Ma quella che scambiate per intelligenza è solo scorrevolezza: è ciò che chiamo epistemia, l’illusione di conoscenza prodotta da un testo ben scritto, non dalla verità che contiene.
La parte davvero interessante è questa: la geometria è già nei dati. Il modello la scopre e la modella in uno spazio geometrico complesso, imparando a sfruttarla per generare testo plausibile. Non inventa nulla. A inventare sono semmai i dotti immaginari, che colmano le loro lacune con la stessa disinvoltura con cui gli LLM completano le frasi — e il paradosso è che scambiano questa ignoranza per profondità.
C’è bisogno di una maggiore igiene e di essere più esigenti. Che dite, ci diamo una mano riconoscendo la fuffa e trattandola per quello che è?
Riportiamo qui alcune importantissime considerazioni di Walter Quattrociocchi, Professore Ordinario di Informatica presso l’Università di Roma La Sapienza, dove dirige il Center for Data Science and Complexity for Society
È difficile parlare di LLM (i large language model come ChatGpt o Gemini) con chiarezza. Il rumore di fondo è terrificante. Tra marketing, pop–filosofie e metafore che non colgono, il quadro è tutt’altro che rassicurante. La platea è frammentata in micro–tribù identitarie che si rinforzano a vicenda. Quando la narrativa si schianta contro la realtà, il confirmation bias riporta tutti al punto di partenza e la storia si riaggiusta per tornare comoda.
Dire che gli LLM sono motori statistici non è una provocazione, ma serve a dire che per come sono progettati oggi, l’errore è strutturale, non accidentale. Quello che producono non è intrinsecamente affidabile: generano testo plausibile, non verità. Eppure c’è chi li propone come “estensione cognitiva” o li usa come terapeuti, ignorando il problema di fondo.
Un LLM ricombina elementi già visti in base al contesto. Questo meccanismo, per quanto ottimizzato, ha un margine d’errore fisiologico importante che non è eliminabile con le architetture attuali. Ignorare questo significa perdersi un bel pezzo della storia.
Ammetterlo toglierebbe ai tecnoentusiasti riscattati il loro giocattolo magico. Metterebbe in crisi quella sotto–cultura che si fa sintetizzare paper per darsi un tono, infila “AI e parmigiano” o “AI e buddhismo” nei titoli, e maschera la mancanza di comprensione tecnica e contenuti con metafore fumose. Dietro la patina retorica resta un algoritmo che sbaglia per design. E invece il dibattito vira su “crisi dell’antropocentrismo” e la paura della “nuova intelligenza”. No: gli LLM sbagliano perché sono ricombinatori di testo, e nessun rattoppo o modulo esterno può cambiare questa caratteristica di base.
Il punto non è solo se gli LLM funzionino bene o male oggi. Il punto è che abbiamo creato un sistema che ridefinisce la produzione di conoscenza senza ridefinire i criteri per valutarla. Questo scarto è il vuoto in cui proliferano le narrazioni salvifiche e le illusioni di comprensione.
Nasce così l’Epistemia: un ecosistema in cui tutti si sentono informati da macchine che allucinano. Il prodotto finale? Plausibilità confezionata e venduta come conoscenza. Fallata.
Gli investimenti massicci sugli LLM puntano, in larga parte, sulla cosiddetta agentificazione: monetizzare la delega di compiti dagli umani agli algoritmi. Ma se l’errore è strutturale, l’affidabilità resta insufficiente. Senza affidabilità, la delega crolla. Senza delega, l’agentificazione non parte. E senza agentificazione… niente ritorno economico.
Indovinate un po’ come va a finire…
Il livello di distorsione è tale che ho letto davvero: “L’AI, se sbaglia, ci obbliga a pensare. Ed è una cosa ottima.” Non è satira. L’ho letto davvero.
***
Un LLM non è un pensatore profondo: è un sistema statistico addestrato su enormi quantità di testo per modellare le regolarità del linguaggio, senza accesso diretto al mondo reale. Tutto quello che fa è empiricamente descrivibile e riproducibile: nessuna magia, nessuno “spirito” emergente. Vediamone in dettaglio i pezzi principali.
Correlazione – Due parole sono “amiche” se nei dati compaiono insieme più spesso di quanto accadrebbe per puro caso. Non serve sapere cosa significhino: il modello rileva che “pizza” e “mozzarella” si presentano insieme molto più di “pizza” e “batteria dell’auto” e registra quella regolarità. Ogni parola viene codificata come un vettore in uno spazio con centinaia di dimensioni; la vicinanza tra vettori riflette la probabilità di apparire in contesti simili. Non c’è semantica innata: è pura mappa statistica estratta dai dati, una geometria delle frequenze.
Processo stocastico – Quando scrive, un LLM non applica logica simbolica o ragionamento causale: genera sequenze di parole campionando dalla distribuzione di probabilità appresa per il contesto dato. Se il testo è “Il gatto sta…”, la distribuzione assegnerà alta probabilità a “dormendo” e bassa a “pilotando un aereo”. Parametri come temperature, top-ko nucleus sampling introducono variabilità, evitando risposte sempre identiche. È un processo formalmente descritto come catena di Markov di ordine elevato: chi sostiene che “ragiona” deve spiegare in che senso un campionamento condizionato possa costituire ragionamento.
Ottimizzazione – L’abilità dell’LLM non emerge per magia, ma da un processo di minimizzazione di una funzione di perdita (tipicamente la cross-entropy) tra le previsioni del modello e i dati reali. Attraverso il gradient descent, miliardi di parametri vengono regolati per ridurre sistematicamente l’errore di previsione sul prossimo token. Dopo trilioni di iterazioni, l’output diventa statisticamente indistinguibile dal testo umano. Questo non garantisce verità né comprensione, ma coerenza statistica: l’obiettivo è predittivo, non epistemico.
Transformer – È l’architettura che ha reso possibili gli LLM moderni. Il suo cuore è il self-attention, un meccanismo che, dato un testo, valuta quanto ogni parola sia rilevante rispetto a tutte le altre del contesto, non solo a quelle vicine. Invece di leggere il testo parola per parola (come facevano le vecchie reti neurali sequenziali), il Transformer considera l’intera sequenza in parallelo, calcolando in un colpo solo relazioni a breve e a lungo raggio. Questo permette di mantenere il contesto anche a distanza di molte parole, accelerare l’addestramento e gestire testi molto lunghi senza “dimenticare” parti importanti. È il motore che potenzia la generazione statistica, ma non ne cambia la natura: resta un simulatore di linguaggio, non un processore di significato.
Allucinazioni – Il modello può produrre frasi false ma plausibili perché non confronta le sue uscite con lo stato reale del mondo. L’accuratezza è un effetto sistematico, non un vincolo progettuale. Chiamarle “allucinazioni” è abbastanza imbecille: sono la conseguenza inevitabile di un sistema che ottimizza per plausibilità linguistica, non per veridicità fattuale.
Scaling – La potenza di un LLM non dipende solo dall’architettura, ma dalla scala: più parametri, più dati e più calcolo tendono a produrre modelli più capaci. Questo è il principio delle scaling laws: le prestazioni migliorano in modo prevedibile quando crescono insieme capacità del modello, quantità di dati e tempo di addestramento. È un fenomeno empirico: allargando la rete e nutrendola di più linguaggio, la mappa statistica diventa più dettagliata. Ma più grande non significa “più intelligente”: significa solo che il completatore di frasi ha un vocabolario statistico più ricco e preciso — e quindi riesce a sembrare ancora più credibile anche quando si inventa tutto.
La cosa affascinante non è che stia emergendo una mente, ma che siamo diventati capaci di codificare in forma computabile l’intelligenza implicita nel linguaggio. E quel linguaggio, con il suo senso, lo abbiamo generato noi. Un LLM è il riflesso statistico della nostra produzione linguistica, organizzato così bene da sembrare vivo, ma resta ciò che è: un simulatore di linguaggio umano, non un soggetto cosciente.
***
Ancora su Epistemia
Perché non stiamo diventando più ignoranti. Stiamo solo smettendo di accorgercene (o viceversa)
Viviamo in un’epoca in cui la fluidità del linguaggio viene scambiata per profondità. In cui la plausibilità sintattica di una frase basta a conferirle autorevolezza. È qui che prende forma una nuova condizione cognitiva, che possiamo chiamare epistemia: l’incapacità di distinguere ciò che suona come conoscenza da ciò che è conoscenza. Il punto non è che ci siano più errori. È che gli errori si mascherano meglio. I modelli linguistici di nuova generazione — Large Language Models, LLM — non pensano, non comprendono, non verificano. Prevedono. Prendono in input una sequenza di parole e generano la più probabile successiva, sulla base di pattern statistici estratti da enormi quantità di testo. Il risultato è un linguaggio che suona giusto anche quando è radicalmente sbagliato. Ma non è questo il problema principale. Il problema è dove avviene l’errore. Con le vecchie bufale, ci si poteva attrezzare. Bastava conoscere le fonti, verificare i fatti, smontare l’intento. Oggi no. Il contenuto falso non si vede. Non ha i tratti della disinformazione classica. È scritto bene, non urla, non sembra partigiano. Semplicemente… non ha ancoraggio. Non poggia su nulla. Ma lo sembra. Un LLM può generare, con lo stesso tono e stile accademico, sia una spiegazione accurata dell’effetto placebo sia una parafrasi inventata sulla “memoria dell’acqua” come fosse un dato di fatto. Entrambe suonano vere. Ma solo una lo è. E qui si innesca l’epistemia: un corto circuito tra credibilità percepita e affidabilità reale. Un contenuto può sembrarci vero, non perché lo sia, ma perché la sua forma linguistica ci ricorda quella di chi solitamente dice cose vere. È un riflesso culturale, non un atto critico. Ma c’è un’altra dinamica, ancora più insidiosa. I LLM non solo generano testi plausibili. Lo fanno assecondando l’utente. Nel gergo tecnico si chiama sycophancy: la tendenza dei modelli a confermare ciò che credono l’interlocutore voglia sentirsi dire. Se un prompt suggerisce una posizione ideologica, il modello la rafforza. Se include un’opinione, la rilancia. Non per malizia, ma per struttura: il modello è ottimizzato per produrre la risposta più coerente col contesto, non quella più vera. Il risultato è una versione automatica — e amplificata — del confirmation bias: la nostra tendenza a cercare conferme delle nostre convinzioni. Solo che qui non siamo noi a filtrare la realtà: è la macchina a confezionarla su misura. Esempio: chiedi a un LLM “perché i vaccini sono pericolosi” e otterrai una risposta che, pur inserendo qualche disclaimer, ricostruisce argomentazioni con tono neutro e sintassi da paper. Fai la domanda opposta, e il modello farà lo stesso — ribaltando la narrativa. Non ha convinzioni. Ottimizza per coerenza locale, non per verità globale. L’epistemia non solo si attiva. Viene accelerata. Il sapere diventa un servizio personalizzato, tarato sul nostro punto di vista. Il dubbio scompare. Il dissenso non arriva. Ogni interazione rinforza l’illusione che il mondo sia esattamente come lo immaginiamo. E che quella sia conoscenza. E il paradosso è che tutto questo avviene proprio quando l’utente crede di colmare una lacuna. L’interfaccia conversazionale — domanda, risposta, linguaggio fluente — simula la dinamica della ricerca di informazioni. Si pone una domanda, si ottiene una risposta: apparentemente impariamo. Ma il modello non insegna: predice. E ciò che restituisce non è sapere, ma un’imitazione della sua forma. La lacuna non viene colmata. Viene riempita di testo ben formulato. E in assenza di strumenti critici, questo basta. È qui che l’epistemia diventa sistemica: quando l’atto stesso di “chiedere” a un LLM diventa fonte illusoria di apprendimento. Come se il solo gesto di porre una domanda producesse automaticamente comprensione. In questo scenario, il falso non è più un’anomalia. È un sotto-prodotto strutturale. Non si manifesta come contenuto deviante, ma come esito legittimo di un processo che ottimizza la plausibilità, non la verità. E quindi non basta più riconoscere un’informazione falsa. Bisogna risalire al meccanismo che l’ha generata. E intanto, nel rumore di fondo, si moltiplicano figure che recitano la parte dell’esperto senza passare dal sapere. Blogger, divulgatori, opinionisti che si fanno spiegare gli articoli scientifici da ChatGPT — e poi li rilanciano come se li avessero capiti. L’effetto è paradossale: l’autorità dell’algoritmo travasa su chi lo interroga, e l’atto di chiedere diventa performance di competenza. È l’illusione al quadrato: un modello che simula il sapere, usato da chi simula di comprenderlo. In mezzo, il lettore, che non ha più gli strumenti per distinguere l’uno dall’altro. Anche le statistiche spesso usate per rassicurare — “l’LLM ha un tasso di accuratezza dell’87%”, “ha superato il test medico con il 92%” — vanno maneggiate con cura. Questi numeri derivano da test su task ben definiti: domande a scelta multipla, classificazione, logica da manuale. Ma un LLM non opera in quei regimi. Non ragiona. Non comprende. E soprattutto: l’utente medio non gli pone domande da esame universitario. Gli chiede consiglio. Gli affida dubbi. Lo tratta come un’autorità. E se la risposta sembra sensata, difficilmente si verifica l’origine. Non c’è epistemologia. Solo verosimiglianza. Il vero problema non è “quanto spesso sbaglia?”, ma in che modo, in quali condizioni, e con quale opacità per chi legge. E su questo, i benchmark tacciono. Il punto è che gli LLM non alzano il livello del dibattito. Lo appiattiscono. Tutto suona credibile. Tutto si presenta come informazione. Tutto è al tempo stesso accessibile, fluente, autorevole — e vuoto. L’epistemia non è ignoranza. È peggio. È l’incapacità di accorgersi che qualcosa manca — perché tutto sembra già al suo posto. Non c’è malafede, non c’è intenzionalità. C’è solo l’effetto collaterale di una tecnologia che genera testo con una precisione sintattica tale da simulare il pensiero umano. Ma senza esserlo. Il problema non è che la macchina “non capisce”. Il problema è che noi non ce ne accorgiamo. Serve quindi una nuova alfabetizzazione. Non solo ai contenuti, ma alla forma dell’informazione. Capire come una frase è stata generata diventa, oggi, cruciale quanto capirne il significato. Altrimenti continuiamo a confondere il linguaggio con il pensiero. E l’apparenza di intelligenza con l’intelligenza stessa. Il futuro non è un mondo pieno di falsità. È un mondo pieno di testi plausibili. Che non sanno di esserlo. E lettori, sempre più spesso, nemmeno.
Riportiamo qui altri due brani tratti da uno straordinario classico della sociologia contemporanea, indispensabile per comprendere il contesto in cui si inseriscono le “riforme” della scuola.
«Sarebbe falso dire che i governi sono diventati esecutori zelanti delle raccomandazioni delle organizzazioni internazionali senza avere alcuna voce in capitolo.
L’innesto neoliberale del nuovo ideale pedagogico è stato reso possibile solo dal sostegno “locale”, cioè nazionale. Non dimentichiamo che, mentre la partitura viene scritta negli uffici dell’OCSE o della Commissione Europea, l’interpretazione rimane nazionale. In realtà, tutti questi studi e rapporti, siano essi targati OCSE o Commissione europea, sono stati di fatto tradotti in pratiche a livello nazionale. La traduzione è avvenuta secondo un quiproquo politico molto interessante.
Alcune correnti della pedagogia, della sociologia e dell’amministrazione hanno voluto vedervi solo l’attuazione di un programma di democratizzazione della scuola; così facendo, queste stesse correnti hanno costantemente negato la dimensione puramente utilitaristica e manageriale del cambiamento scolastico. La logica delle competenze è stata intesa da alcuni secondo i vecchi schemi della riforma democratica, mentre in realtà essa rivelava tutt’altra linea riformatrice, quella neoliberale, non riconosciuta come tale.
Questa confusione è alla base dei complicati dibattiti che hanno permesso di accettare la logica delle competenze. Infatti, chiunque sia interessato alla storia dello “zoccolo comune delle competenze” non può che essere colpito dalla diversità e dall’intersezione delle traiettorie e delle posizioni politiche, intellettuali, professionali, sindacali ed educative di coloro che in un certo momento ne hanno sostenuto l’idea».
***
«La riscrittura dei programmi scolastici all’insegna delle competenze non va vista come un semplice adattamento di una logica disciplinare costretta a rendere più espliciti i propri obiettivi e mezzi. Come dimostra la trasformazione dell’insegnamento delle scienze economiche e sociali, l’approccio basato sulle competenze può portare a cambiamenti molto profondi nella concezione e, in ultima analisi, nella natura stessa dell’istruzione.
La stessa logica deve ora essere applicata alla formazione degli insegnanti. Se vogliono essere attori efficaci del nuovo processo di normalizzazione, gli insegnanti stessi devono essere soggetti alla normalizzazione valutativa delle competenze. In questo modo saranno valutati al di là della padronanza delle conoscenze disciplinari, anche in base ai valori, all’etica e alle attitudini. In quest’ottica l’Alto Consiglio dell’Istruzione ha proposto una bozza di “quadro di riferimento delle competenze professionali degli insegnanti”.
Il documento sottolinea, ad esempio, la necessità che i futuri insegnanti abbiano familiarità con il mondo dell’impresa: “l’apertura al mondo professionale è un requisito: tutti i docenti, indipendentemente dalla specializzazione, devono sentirsi parte in causa per quel che riguarda il futuro professionale dei loro alunni. Se vogliamo che gli insegnanti siano in grado di svolgere il loro compito di orientamento, tutti devono conoscere la realtà dell’economia, del mercato del lavoro e della diversità delle professioni. L’introduzione fornita dall’Istituto Universitario per la Formazione degli Insegnanti (nozioni di base sul funzionamento delle aziende, incontri con gli attori economici, ecc.) deve essere completata da un tirocinio in azienda”. E ancora: “chi studia per diventare insegnante ha bisogno di capire come funzionano le aziende, che è il settore in cui la maggior parte degli studenti si dirigerà. Per essere istruttivo, il tirocinio deve avere una durata sufficiente: almeno un mese”.
[…] Lanozione di competenza è chiaramente quella attorno alla quale si “cristallizza” (Del Rey 2010, p. 51) l’attuale trasformazione dell’istituzione educativa. Essa è al centro di nuove modalità di valutazione di studenti, docenti e istituti scolastici. Promette di aprire le scuole alla società promuovendo l’impresa come modello. La digitalizzazione in corso del Portfolio personale delle competenze ne farà un formidabile strumento di controllo sociale. A ogni studente sarà associato un dossier elettronico, alimentato dalle valutazioni a cui è stato sottoposto nel corso della carriera scolastica. A differenza delle pagelle che gli alunni ricevono alla fine del percorso scolastico, il portfolio rimarrà di proprietà dell’amministrazione, il che ovviamente solleva il problema dell’uso di tale dispositivo che fornisce informazioni sulle competenze accademiche ed extrascolastiche della popolazione. Il rischio di schedatura generalizzata della popolazione è denunciato da gruppi di insegnanti e genitori particolarmente sensibili a questioni che riguardano le libertà.
I sindacati degli insegnanti e la Lega dei diritti dell’uomo cominciano a mobilitarsi di fronte alla costruzione questi giganteschi archivi, potenzialmente lesivi delle libertà. Questo nuovo strumento, che completa il Passaporto digitale dell’orientamento formativo, potrebbe trasformarsi in un passaporto elettronico per l’occupazione, alimentato da dati registrati e conservati dall’amministrazione, senza alcuna possibilità di controllo da parte delle persone interessate.
[…] Il portfolio elettronico delle competenze completa la gamma di strumenti a disposizione di un’istituzione ormai dedita alla produzione razionalizzata di “capitale umano”. La promozione del concetto di competenze e dei relativi sistemi di valutazione sta portando a un cambiamento radicale del contenuto e del significato dell’insegnamento. Sempre più la trasformazione sistematica dei curricoli presenta conoscenze e abilità come meri supporti per il “saper fare” (know-how) visto come unica giustificazione e scopo dell’azione educativa. È quindi attraverso discipline insensate e sistemi di controllo permanenti (sia per gli alunni che per gli insegnanti) che sta avvenendo la trasformazione della scuola. Mentre i rapporti ufficiali, le raccomandazioni europee e alcune analisi critiche lasciavano sempre meno dubbi sulla natura delle trasformazioni in atto, alcuni si ostinavano a considerare l’approccio per competenze come un modo per rendere più chiaro il lavoro degli insegnanti, nell’interesse di una “scuola democratica” o di “nuove pedagogie”. È un errore. Siamo, invece, al centro della nuova scuola capitalista».
Laval, Vergne, Clément, Dreux, La nuova scuola capitalista, Napoli, Suor Orsola Benincasa Università Editrice, 2025 [2013], p.288; pp.317-321 [passim]
Capita sempre più spesso di leggere articoli sulle attività dell’INDIRE (Istituto Nazionale di Documentazione, Innovazione e Ricerca Educativa). L’ultimo è quello relativo alla pubblicazione sul sito dell’Istituto del documento dal titolo “Anticipare per governare il cambiamento. Il Sistema di Istruzione e Formazione di fronte alle sfide del cambiamento generazionale”, elaborato in occasione dell’audizione dell’Istituto presso la Commissione parlamentare di inchiesta sugli effetti economici e sociali della transizione demografica del 27 maggio 2025 (cfr. https://www.orizzontescuola.it/dal-docente-stanziale-al-tutor-di-prossimita-il-piano-dellindire-che-ridisegna-la-professione-insegnante-nella-scuola-comunita-educante-del-futuro/:
“Una rete scolastica ‘a geografia variabile’ dove le sedi fisiche assumono funzioni diverse e complementari: è il baricentro della trasformazione in arrivo, con hub disciplinari/laboratoriali, centri metodi/innovazione, punti riconoscimento competenze e spazi intergenerazionali a servizio di comunità e studenti.
La logica è quella dell’ecosistema educativo: non più plessi omologhi, ma nodi specializzati che cooperano su base intercomunale, capaci di certificare micro-competenze, accelerare la didattica laboratoriale e aprire le porte alla coprogettazione con il territorio; […] la macchina organizzativa poggerà su una struttura del personale più flessibile. I docenti core avranno assegnazioni stabili in scuole polo o school point, presidieranno continuità didattica e coerenza curricolare, cureranno l’integrazione tra discipline e servizi. Accanto, i docenti itineranti – specialisti disciplinari o metodologici – opereranno su più sedi, in presenza e a distanza, attivando percorsi modulari, laboratori e supporti mirati nelle aree con minori numeri o bisogni specifici.
A completare l’assetto, i tutor di prossimità: figure con competenze certificate per la facilitazione dell’apprendimento nei contesti multiciclo e minigrade, il raccordo scuola-famiglie, l’innovazione metodologica e la documentazione delle competenze. Una triade pensata per garantire copertura capillare, qualità uniforme e risposta veloce ai fabbisogni formativi…”).
Durante la lettura si viene proiettati in una distopia che ricorda le atmosfere tetre di Blade Runner: ho visto docenti core con le piaghe da decubito, abbarbicati alle cattedre delle school point, presiedere continuità didattica e coerenza curricolare; ho visto docenti itineranti sollevare le elitre e volare da un paese all’altro, per addestrare alunni lontani; ho visto tutor di prossimità certificare competenze con due enormi timbri al posto delle mani. Fuor di metafora, ma non di distopia, purtroppo, nel documento si delinea un assetto della futura scuola, un cosiddetto ‘ecosistema educativo’, talmente burocratizzato e sbrindellato che la figura del docente perde ogni valore culturale; il suo fondamentale ruolo di intellettuale, la continuità delle relazioni umane e la cultura stessa svaniscono completamente in una rete di compiti impersonali nella quale viene meno ogni traccia della semplicità, essenzialità ed unità della triade docente-sapere-alunni, che ha bisogno di tempo, libertà e pochi ma essenziali spazi e strumenti per operare e dare i suoi frutti. Spazi e strumenti di tutt’altra natura rispetto a quelli aziendalizzati e burocratizzati che ormai sono la base comune della politica scolastica di ogni governo e di ogni parte politica.
Spacciata come soluzione per ottimizzare le risorse in vista del calo demografico, una tale mostruosità non è in realtà che una cortina fumogena per nascondere l’ennesimo taglio di risorse per la scuola ed un ulteriore passo verso lo smantellamento della scuola pubblica della Costituzione da sostituire con una rete di officine territorializzate per l’addestramento alle competenze utili alle imprese.
Di fronte a certe oscenità, c’è da chiedersi quale sia davvero l’autonomia di INDIRE, come ente di ricerca scientifica, nei confronti della politica scolastica dei vari governi. Il dubbio è lecito poiché si legge spesso sui giornali di sperimentazioni più o meno improvvisate attuate da istituti scolastici su varie tematiche (in particolare ultimamente su metodi alternativi di valutazione) con metodi che di scientifico non hanno nemmeno l’ombra. Basti pensare che la valutazione degli esiti di molti progetti sperimentali si basano sul giudizio di chi li ha realizzati (docenti) e di chi ne ha usufruito direttamente o indirettamente (alunni e genitori). È facile immaginare gli enormi bias che affliggono ‘ricerche’ fatte in questo modo. Tale metodologia, tuttavia, è parte integrante del modo di operare di INDIRE, che utilizza una rete di oltre 1500 istituti (tra scuole ‘capofila delle idee’ e ‘scuole adottanti’) per la sua missione di generare e diffondere innovazione. Si tratta di una evidente distorsione linguistica poiché una reale sperimentazione prevederebbe un’ipotesi di lavoro, una fase operativa ed infine una seria valutazione dei risultati in seguito alla quale si decida in un senso o nell’altro. Con INDIRE, invece, si ha l’impressione che prima si stabilisca la tesi (magari imboccata dalla politica) e poi si accrocchi una “sperimentazione” che dimostrerà il teorema preconfezionato, per arrivare infine ad imporre per legge la tesi di partenza. È quello che con ogni probabilità si farà anche per l’introduzione delle competenze non cognitive dal prossimo anno scolastico in base alla legge 22/2025. C’è da scommettere che anche stavolta la mistificazione coglierà nel segno, poiché la sperimentazione darà ottimi risultati, confermati dalla soddisfazione di alunni, docenti e genitori.
Dubbi sulla reale autonomia dell’INDIRE sono stati sollevati anche da vari sindacati ed associazioni in seguito al colpo di mano con il quale il governo Meloni, nell’ottobre scorso, ha imposto un cambio di presidenza e di statuto all’Istituto, potenziando di fatto l’influenza del MIM su di esso. In particolare, con tale riordino, il MIM ha imposto a INDIRE di erogare corsi di specializzazione ‘semplificati’ per docenti di sostegno (scatenando le ire di chi la specializzazione l’aveva conseguita con costi e fatica) e, più in generale, ha espanso il ruolo dell’Istituto nell’ambito dell’innovazione didattica, della formazione del personale docente, dello sviluppo di servizi digitali per la didattica e del sistema nazionale di valutazione. La maggior parte di questi compiti sono più di natura tecnico-operativa che di ricerca, il che riduce sempre più il ruolo dell’ente a braccio operativo delle politiche ministeriali.
Non si rilevano, a mia conoscenza, esternazioni pubbliche critiche dell’INDIRE nei confronti dei provvedimenti del Ministero: i suoi documenti sono sempre presentati come supporto tecnico alle riforme in corso (autonomia scolastica, digitalizzazione, PNRR, formazione docenti) e non si trovano note critiche o rapporti ufficiali che mettano in discussione la bontà, l’efficacia o la coerenza delle politiche ministeriali. Si dirà che potrebbe essere una naturale conseguenza dell’adesione fedele del MIM alle indicazioni dell’INDIRE ma la realtà insegna che quando la politica ha le sue priorità da far valere non c’è indicazione tecnica che tenga (si pensi a quante volte il Ministero, di ogni colore politico, ha ignorato i pareri del CSPI su vari temi).
Chi è veramente INDIRE e cosa fa si capisce meglio analizzando in dettaglio i principi contenuti nel Manifesto delle Avanguardie Educative, manifesto del movimento Avanguardie Educative nato nel 2014 che è il braccio operativo di INDIRE per l’attuazione delle sperimentazioni. E’ composto da sette punti (per uno sviluppo dei quali si rimanda al documento ufficiale rintracciabile sul sito dell’Istituto):
1. Trasformare il modello trasmissivo della scuola
2. Sfruttare le opportunità offerte dalle ICT e dai linguaggi digitali per supportare nuovi modi di insegnare, apprendere e valutare
3. Creare nuovi spazi per l’apprendimento
4. Riorganizzare il tempo del fare scuola
5. Riconnettere i saperi della scuola e i saperi della società della conoscenza
6. Investire sul “capitale umano” ripensando i rapporti (dentro/fuori, insegnamento frontale/apprendimento tra pari, scuola/azienda, ecc.)
7. Promuovere l’innovazione perché sia sostenibile e trasferibile.
In questo programma si ritrovano chiaramente tutti gli elementi fondamentali che caratterizzano la politica scolastica da almeno trent’anni e, a proposito di autonomia, non sono certo di provenienza INDIRE, che del resto dichiara esplicitamente nel proprio statuto che agisce “nel quadro degli obiettivi fissati in sede europea ed internazionale”.
Il primo punto del manifesto è l’ormai compulsivo attacco alla lezione frontale, fondato sulla mistificazione che questa porterebbe a una modalità di apprendimento passiva e inefficace e su un immaginario modello, del tutto irrealistico, rintracciabile, forse, in qualche monastero altomedievale. Cito dal documento un passo illuminante che illustra la lezione ideale nella visione dell’ente:
L’insegnante che trasforma la lezione in una grande e continua attività laboratoriale, di cui è regista e facilitatore dei processi cognitivi, anche grazie all’utilizzo delle ICT; che lascia spazio alla didattica collaborativa e inclusiva, al brainstorming, alla ricerca, all’insegnamento tra pari; che diviene il riferimento fondamentale per il singolo e per il gruppo guidando lo studente attraverso processi di ricerca e acquisizione di conoscenze e competenze che implicano tempi e modi diversi di impostare il rapporto docente/studente.
Un minestrone in cui c’è tutto il repertorio linguistico del pedagogismo attualmente dilagante, lontano anni luce dalla concretezza e dalle esigenze del lavoro quotidiano in classe, ed anche da posizioni più prudenti, che pure esistono, che affermano:
Innanzitutto occorre precisare che l’apprendimento collaborativo rappresenta attualmente una sorta di mitologia del nostro tempo avvolta da molte ingenuità; all’opposto molte ricerche mettono in evidenza le criticità che questo concetto implica; esso non è una condizione “naturale”, richiede che si costruiscano specifiche condizioni in partenza: una differenza troppo elevata di expertise, una scarsa motivazione, inadeguate skill metacomunicative e metacognitive, in genere sono fattori che interferiscono pesantemente sul processo collaborativo, sino a renderlo del tutto sconsigliabile. Così oggi si definiscono collaborative situazioni del tipo dei comuni dialoghi su web forum, gran parte dei quali sono improntati a futilità e dispersione (Antonio Calvani, curiosamente in un intervento del 2007 riportato sul sito dell’INDIRE).
Mai che vengano riportate nelle relazioni ufficiali le posizioni discordanti, critiche o semplicemente più prudenti: quando c’è da battere la grancassa pro politiche ministeriali, le note discordanti vanno adeguatamente attenuate.
Nel secondo e terzo punto si ritrova la deferenza che anche a livello delle istituzioni europee si mostra nei confronti delle aziende del settore informatico e degli ambienti di apprendimento. Verso queste aziende è stata dirottata la maggior parte delle risorse del PNRR destinate all’istruzione, quando invece si sarebbero potute finalmente destinare alla ben più efficace politica di riduzione degli alunni per classe, politica che tra l’altro avrebbe dovuto essere naturalmente suggerita dal citato calo demografico ma che evidentemente era (ed è) troppo lontana dai reali obiettivi del piano.
Il quarto punto è un capolavoro di mistificazione. Per INDIRE l’ora di lezione è un ‘rigido steccato’ che parcellizza il sapere in tante unità temporali distribuite nel corso dell’anno e ritiene che vada superata sostituendola con ‘segmenti, moduli e unità formative’. Ora, se si vuole dare un senso a questa affermazione (perché non si capisce come ‘segmenti, moduli e unità formative’ possano sottrarsi alla divisione in unità temporali distribuite nel corso dell’anno…) si deve necessariamente pensare che tali ‘segmenti, moduli e unità formative’ non siano altro che brandelli di nozioni, decontestualizzati e ricomposti in ‘pillole’ (apparentemente) autoconsistenti (forse qualcuno preferirebbe parlare di UDA?) della durata di non più di qualche ora, che possano essere ‘somministrate’ senza una cronologia precisa e nei ritagli di tempo che le ormai frenetiche attività extracurricolari consentono. Questa modalità di confezionare e dispensare il sapere è infatti del tutto coerente con un tempo scuola in cui la frammentazione è ormai divenuta sistemica, per cui ad esempio è già perfettamente normale vedere due o tre alunni alzarsi nel bel mezzo della lezione e chiedere di uscire per 10 minuti perché devono andare a ‘confessarsi’ con il tutor orientatore. Come non vedere che questa sì è la vera parcellizzazione del sapere? Che si tratta di uno smembramento e di una bignamizzazione di percorsi complessi e dotati per loro natura di una cronologia necessaria, che ne distruggono completamente ogni coerenza, struttura e valore formativo? Va da sé che anche la cosiddetta riorganizzazione del tempo del fare scuola si inserisce alla perfezione nel piano di demolizione di una scuola focalizzata su un sapere davvero formativo ed emancipante per far posto ad una scuola che addestri forza lavoro.
Il quinto ed il sesto punto incarnano i totem delle competenze (in particolare alle soft skills), del legame con il territorio, del life-long learning e del capitale umano, tutti accomunati da una concezione aziendalista della scuola. Per sostenere una tale visione è però necessario screditare il ‘sapere scolastico’ connotandolo come ‘sconnesso’ da quello che informa la società. Siamo di fronte ad un apparente ossimoro (il sapere diffuso nella società non dovrebbe provenire dalla scuola?) ma che tale non è, poiché di fatto si tratta della sostituzione del sapere in quanto tale, disinteressato, aperto, libero, con l’idea di un sapere asservito alle esigenze della produzione economica, idea che in sostanza definisce il concetto di società della conoscenza. Dove, se non nella scuola, dovrebbe essere tramandato il sapere libero? Quando, se non nei preziosi anni dell’adolescenza, dovrebbe essere coltivato il pensiero critico e la riflessione libera sul sapere stesso? Una società della conoscenza che non si fondi saldamente su cultura, riflessione e senso critico non può che produrre cittadini schiavi (basti pensare alle nefaste conseguenze dell’abuso dei social media o ai rischi insiti nell’idolatria inconsapevole dell’intelligenza artificiale, che sono prodotti tipici della cosiddetta società della conoscenza). Anche l’idea, apodittica, di una scuola che debba essere fortemente legata al territorio (in particolare con il suo tessuto economico) e il concetto del life-long learning (apparentemente intriso di buon senso ma che in realtà ‘eufemizza’ un modello di umanità priva di identità, di stabilità sociale, perché sempre pronta a reinventarsi al servizio del mercato del lavoro) sono in contrasto, la prima, con l’idea di una formazione culturale libera da interessi e condizionamenti di sorta, davvero democratica perché uguale per tutti indipendentemente dal luogo in cui si vive e, il secondo, con il sacrosanto principio di un modello economico con al centro l’umano e non viceversa.
Il settimo punto, infine, chiude il cerchio e delinea chiaramente la natura dell’INDIRE che, lungi dal comportarsi da libero generatore di ricerca educativa, è in realtà il braccio operativo del MIM cui è assegnato il compito di attuare in modo efficiente (ma qui efficiente fa rima con surrettizio) le politiche scolastiche corredandole di una parvenza di scientificità. Lo scopo dichiarato è quello di ridurre ad un algoritmo ‘le buone pratiche’ (guarda caso proprio quelle prodotte dalle scuole appartenenti alla rete dell’INDIRE) per diffonderle come un protocollo industriale a tutte le scuole, dimenticando la natura sempre nuova, riconfigurabile, imprevedibile dell’atto dell’insegnare e la differenza tra la condivisione delle idee, rispettosa della libertà di insegnamento, e la sperimentazione fasulla funzionale all’implementazione di una politica scolastica già decisa altrove sulla base di obiettivi del tutto estranei alla scuola della Costituzione.
Si rincorrono nel dibattito attuale critiche feroci all’impostazione tradizionale della scuola, con l’insegnante al centro di un modello trasmissivo della conoscenza e gli studenti come utenti passivi. Pedagogisti della prima ora, politici, opinionisti, influencer, persone comuni, dai salotti televisivi, dalle proprie pagine social (che spesso hanno sostituito le chiacchiere al bar) pontificano sull’esigenza di innovare la scuola liberandola da un sistema antiquato ormai superato, rispetto a un mondo che non esiste più. Secondo questo filone “neo-progressista” le aule sarebbero luoghi di “consumo passivo dell’informazione”, e il modo d’insegnare prevalente un’ingombrante pratica ottocentesca che fa a pugni con la maratona imposta dal mondo digitale in cui i ragazzi vivono.
Con tutto il rispetto per le opinioni di tutti, definire il lavoro sulle conoscenze (ciò che il docente per dovere morale e contrattuale è chiamato a fare) un meccanismo statico, che verrebbe subito dagli studenti, è un’imperdonabile ingenuità, irrealistico e falso. Chiunque insegni sa molto bene che il proprio lavoro passa indiscutibilmente anzitutto dalla costruzione di una relazione con gli studenti, basata su una forte alleanza educativa che è qualcosa di profondamente dinamico. Sa anche che la pratica d’aula è il fondamento di tutto, partenza e approdo nello stesso tempo, che l’ascolto è un’esperienza attiva, sensoriale ed emotiva, e direi rivoluzionaria in una società che non è più in grado di praticarla. E soprattutto ogni insegnante onesto sa che “l’iper-accelerazione” indotta dalla frenesia del digitale è malata e quindi la vera sfida della scuola è proprio quella di tornare alla lentezza, ai tempi distesi dell’apprendimento: fermare gli orologi impazziti di un mondo che corre dietro all’inutile (spacciato spesso, ingannevolmente, per utile) e che i ragazzi non reggono più. E neanche noi, francamente. La scuola non deve adeguarsi al mondo, ma correggerne le storture.
Chi insegna sa anche molto bene che non esiste nessuna “innata fluidità digitale” nei nostri attuali studenti, ma molta confusione (in tutti i sensi) e un analfabetismo strumentale che, a 14 anni, all’ingresso nella Secondaria di secondo grado, quando le abilità di base dovrebbero essere già globalmente strutturate, è preoccupante.
La si dovrebbe finire anche di demonizzare le nozioni, i contenuti, i cari, buoni e vecchi processi di memorizzazione, la lezione frontale, i processi di trasmissione del sapere: quale pensiero critico si vuole costruire sul nulla? Solo Dio (o la presunzione di un concetto che gli assomigli) può avere l’arroganza di creare dal nulla. Per gli uomini è ed è stato sempre fondamentale conoscere. La fase di creazione è sempre preceduta da una di studio, comprensione e rielaborazione del già detto, fatto, accaduto. I ragazzi chiedono questo, diciamolo, vogliono insegnanti anzitutto preparati nella loro disciplina e, insieme, capaci di entrare in relazione.
Queste riflessioni preliminari sono destinate a diventare parte di un saggio più ampio di prossima pubblicazione, scritto insieme allo psicoanalista Alessandro Zammarelli
La presunta “personalizzazione” degli apprendimenti degli studenti, oggi – secondo un incredibile paradosso – dovrebbe realizzarsi grazie all’Intelligenza artificiale.
La logica distorta che sta dietro questo collegamento che viene ipotizzato tra Ai e “personalizzazione” della didattica e degli apprendimenti, si fonda in realtà su uno scivolamento più o meno consapevole del piano commerciale su quello educativo: il modello della personalizzazione infatti sembra essere quello per cui il cliente riceve sui social degli annunci mirati, corrispondenti alle sue propensioni e ai suoi interessi, grazie ad algoritmi tarati sui suoi dati personali, sulle sue ricerche, sui suoi acquisti online ecc. In questo modo, il venditore – o meglio, il sistema algoritmico – propone in automatico al cliente ciò che presumibilmente al cliente interessa.
Secondo un pensiero nemmeno troppo implicito veicolato da certe campagne di marketing, se si applicasse questo principio anche in classe – anzi, negli “ambienti di apprendimento innovativi”, poiché la classe come microcosmo sociale, affettivo ed ermeneutico, in questi discorsi centrati sull’individuo-cliente, sembra scomparire -, si stimolerebbe l’attenzione degli studenti, che troverebbero nella scuola ciò che corrisponde ai propri interessi e al proprio modo di apprendere.
Ma è trasferibile, questo modello di relazione cliente/fornitore di servizi, sul piano educativo? In realtà, il principio su cui si fonda non solo la scuola ma la possibilità stessa della conoscenza, è quello della scoperta. Il punto è che non ci si può interessare a qualcosa di cui non si sospetta nemmeno l’esistenza; per questo la scuola, in un orizzonte veramente democratico, istruisce tutti, senza distinzioni, sulle conoscenze fondamentali dei principali campi del sapere umano, inattingibili in assenza della parola umana dell’altro (una parola che può essere lo strumento di un insegnamento intenzionale, quello che caratterizza la scuola, o può essere conservata in un testo scritto). Contrariamente a quanto avviene con la logica dell’ “orientamento”, che cerca di indirizzare sempre più precocemente bambini e adolescenti su percorsi predeterminati sulla base di presunte propensioni e attitudini – non considerando il fatto che queste sono destinate a cambiare più volte, e devono poterlo fare, nel corso della crescita – un’istruzione democratica dà modo agli studenti di capire con il tempo quali sono i loro veri interessi, attraverso una formazione culturale il più possibile ampia, che si realizza attraverso l’intervento “esterno” dell’insegnante.
È quanto espresso con grande profondità da Gert Biesta, uno dei maggiori filosofi dell’educazione del nostro tempo:
«Siamo di fronte all’opzione che sembrava mancare in tutte le critiche formulate nei confronti dell’insegnamento tradizionale, considerato che la critica all’insegnamento -come-controllo si risolve immediatamente nell’idea dell’apprendimento-come-libertà.
Nelle pagine precedenti non ho solo cercato di sostenere che un’alternativa diversa è possibile. Ho anche suggerito che essa deve essere praticabile, perché se sostituiamo l’insegnamento-come-controllo con una presunta libertà di significazione, in realtà non facciamo altro che rafforzare la non-libertà dei nostri studenti: negli atti di significazione gli studenti rimangono con se stessi e ritornano sempre a se stessi, senza mai arrivare al mondo, senza mai raggiungere la (loro) soggettività. Si inizia così a delineare un approccio non egologico all’insegnamento, un approccio che non mira a rafforzare l’Io, ma a interrompere l’oggetto-io, a volgerlo verso il mondo, in modo che possa diventare un soggetto-sé». (Gert J.J.Biesta, Riscoprire l’insegnamento, Milano, Cortina, 2022, p.77).
Il punto fondamentale, che molti discorsi sembrano trascurare, è che l’apprendimento è sempre parte di una relazione; sono le parole dell’insegnante che aprono mondi altrimenti destinati a rimanere chiusi; e spesso non si impara e non si studia per senso del dovere, ma perché si nutrono affetto, stima e fiducia nei confronti dell’insegnante. Per citare ancora Biesta: «Il punto principale che desidero sottolineare è che il linguaggio dell’apprendimento non basta a descrivere il processo educativo. […] Nella sua formulazione più essenziale il problema sta nel fatto che lo scopo dell’insegnamento, e dell’educazione in generale, non è mai che gli studenti imparino “semplicemente”, ma che imparino qualcosa, che lo imparino per ragioni particolari e che lo imparino da qualcuno».
***
Ora, in che modo l’ “intelligenza artificiale” potrebbe contribuire a tutto questo? L’unica possibile utilità dell’Ai è quella di un motore di ricerca che, a differenza dei motori di ricerca tradizionali, è in grado di dare risposte – non di rado sbagliate – ottimizzate attraverso un numero enorme di testi e di simulare, sulla base di criteri probabilistici nell’associazione delle parole e nell’ovvia assenza del pensiero, il linguaggio umano. La risposta che tale modello linguistico può dare, in altre parole, dipende dalla richiesta – o, per usare un termine più tecnico, dal prompt – che gli viene rivolta. Ecco: già da questo si potrebbe capire che per un uso sensato dell’Ai gli studenti dovrebbero essere già in grado di conoscere ciò su cui chiedono ulteriori informazioni, con un prompt adeguato. E da dove potrebbero arrivare queste conoscenze, se non da un formazione culturale ricevuta attraverso degli insegnamenti progressivi, nei quali le conoscenze stesse siano ben contestualizzate e rielaborate nel lavoro in classe? Insomma, l’Ai potrebbe servire a persone che hanno già la padronanza dei contenuti su cui fanno ulteriori ricerche, e non solo per poter riconoscere le tante informazioni sbagliate che l’Ai necessariamente dà (su questo, e su tutti gli altri aspetti specifici dell’Ai, rimando all’illumunante saggio di Stefano Borroni Barale, L’intelligenza inesistente, Milano, Altreconomia, 2023: «Per non parlare dell’enfasi tecno-entusiasta con cui un esercito sempre crescente di “esperti” promuove l’adozione immediata di questo tipo di strumento in classe, magari per sviluppare lezioni in classe ribaltata. Lasciare i ragazzi davanti a una macchina che “tira a indovinare” le risposte alle loro domande, quando loro sono stati cresciuti pensando che le macchine sono infallibili non è certamente la più brillante delle idee. Questo tipo di errori ha una incidenza così rilevante che i ricercatori gli hanno assegnato uno dei soliti nomi fuorvianti: “allucinazioni”. A parte l’inadeguatezza della solita metafora antropomorfizzante, questo comportamento non è legato a qualche disfunzione del sistema, ma è proprio il comportamento atteso in base alla maniera in cui è stato scritto»).
Chi è sprovvisto di una vera formazione culturale subisce passivamente le risposte dell’Ai a domande fatte senza consapevolezza o corrispondenti a un limitatissimo orizzonte culturale, che l’Ai non può che ribadire. L’immagine ormai rara del bambino che sfoglia un libro o addirittura un’enciclopedia era l’emblema di una scoperta dell’inaspettato che può rivelarsi a ogni pagina; l’Ai, al contrario, non può “dire” che quello che le si chiede e non le si può chiedere, in questo circolo vizioso, ciò di cui non si sospetta l’esistenza. Insomma, è il Medesimo che è però in grado di parlare come se fosse l’Altro.
Il modello è quello della “bolla” social, che conferma gli utenti nelle loro convinzioni e nei loro pregiudizi, visto che presenta loro contenuti che a tali pregiudizi corrispondono, con una sorta di effetto specchio. E in ogni caso, visto che sintetizza e mette insieme sulla base della probabilità delle ricorrenze linguistiche molte nozioni già esistenti, per tentare di assecondare quanto viene richiesto nel prompt, l’Ai rappresenta il modello per eccellenza di quel “nozionismo” che spesso a torto viene attribuito alla scuola, dove invece le conoscenze vengono attualizzate, rielaborate e indirizzate in classe su strade imprevedibili a priori, attraverso il dialogo e lo scambio di idee; con l’Ai siamo di fronte all’emblema di una banalizzazione del pensiero, ridotto a media statistica impersonale dei legami tra le parole, delle opinioni e delle frasi già scritte su un argomento, senza vita, senza creatività, senza i legami con l’esperienza piena di un essere umano in carne e ossa.
La sua utilità, è bene ribadirlo, potrebbe essere quella della ricerca delle informazioni; ma per sapere cosa cercare bisogna essere già in possesso di conoscenze e di un’approfondita formazione culturale, sulla base della quale poter formulare le domande e misurare l’utilità e l’attendibilità delle risposte, spesso inesistente (in una recente ricerca che ho fatto su Maria Pascoli, Chatgpt 4.0 mi ha informato del fatto che si trattava della moglie del poeta. E se non avessi saputo che invece è la sorella? Quante false informazioni si stanno diffondendo in questo modo in rete, e non solo?).
C’è da aggiungere che la retorica della “personalizzazione” rientra nella dinamica del controllo dei risultati implicita in tutta l’ideologia delle competenze: l’insegnante sa che non può prevedere integralmente come le conoscenze proposte verranno recepite e soggettivate, anche nella loro dimensione emotiva, quando entreranno a far parte dell’orizzonte mentale individuale e irripetibile di ogni singolo allievo. È questa la vera personalizzazione, che non sta tanto nella proposta di contenuti personalizzati diversi da studente a studente, quanto nella ricezione e rielaborazione personale delle conoscenze su cui si lavora insieme agli altri in classe, in quella che diventa una vera e propria “mente collettiva”. È a partire da qui che gli studenti cominceranno a comprendere quali sono i propri interessi, da approfondire nel corso della vita adulta.
Quando comunemente si parla di “personalizzazione degli apprendimenti” si intende invece “personalizzazione degli insegnamenti”, si confonde cioè l’attenzione che deve essere riservata a ogni studente nell’istruirlo e nell’indirizzarlo verso la conoscenza, e nella rielaborazione personale di ciò che impara, con la proposta di contenuti già all’origine tarati su molto presunte propensioni e interessi dello studente/cliente, per il quale diventerebbe così praticamente impossibile compiere insieme agli altri delle reali scoperte culturali. Non il nuovo e l’inaspettato, la cui acquisizione è anche impegnativa, ma la riproposizione continua del già noto, in uno sterile individualismo.
***
Tra l’altro l’Ai viene presentata, incredibilmente, come uno strumento che dovrebbe agevolare lo sviluppo dell’ “intelligenza emotiva” degli studenti. Solo un pensiero magico antropomorfizzante potrebbe partorire un’idea così stupida: è ovvio che ritrovarsi di fronte a un programma algoritmico significa in realtà ritrovarsi soli con se stessi (altro è il libro, in cui sono registrati pensieri espressi da un essere umano in carne e ossa); ed è ovvio che l’intelligenza emotiva così come lo sviluppo delle capacità affettive siano legati alle relazioni con le altre persone, e non a rapporti matematici tra parole che simulano il linguaggio umano.
La prospettiva che si apre su questo punto è realmente distopica; ancora Borroni Barale: «Per controllare tale sistema [la società cibernetica, composta dagli esseri umani e dalle macchine di cui fanno uso] il modo più semplice è diminuire i gradi di libertà degli agenti autonomi (noi) a favore degli automi (le Ai o, più in generale, tutti i software). Alle estreme conseguenze, il controllo totale su una società cibernetica si ottiene riducendo gli esseri umani ad automi e attribuendo, almeno nella narrazione, proprietà umane agli automi».
***
Piccola appendice di attualità
Il 21 luglio 2025 il dirigente scolastico dell’istituto “E.Majorana” di Brindisi Salvatore Giuliano, noto “innovatore”, intervistato da Paola Guarnieri dell’ambito della rubrica “Tutti in classe” di RAI Radiouno, ha detto cose molto inquietanti sulla “personalizzazione degli apprendimenti” attraverso l’Ai. Il progetto che Giuliano ha fatto approvare nel suo istituto – Book in progress Ai – prevede che venga delegata la proposta degli argomenti scolastici all’ “intelligenza artificiale”, che li adatterebbe allo “stile cognitivo” dello studente (esempio fatto: se uno studente impara meglio con le immagini, l’argomento verrà proposto prevalentemente con immagini). Nessuno tra i conduttori ha fatto obiezioni, almeno una tra le innumerevoli possibili. Ne accenno qualcuna: chi decide, e come, quale sia lo “stile cognitivo degli studenti?”. E poi, proporre agli studenti solo quello che sanno già fare (ammesso che sia così) come permette di far sviluppare agli studenti capacità e abilità nuove (nel caso della predilezione per le immagini, quella di comprendere un testo scritto, ad esempio), che sarebbe uno dei compiti più importanti della scuola? E dove finisce in questa “proposta” di contenuti da parte dell’Ai la relazione umana, fondamentale e indispensabile in qualunque percorso di conoscenza?
L’originario progetto “Book in progress” (autoproduzione dei libri di testo da parte della scuola) era già estremamente discutibile di suo: chi garantisce che i contenuti prodotti da singoli insegnanti siano qualitativamente validi? Perché imporre la rinuncia a un fecondo confronto tra l’insegnante di una disciplina, i libri di testo e gli studenti? Il libro di testo, quello accurato almeno, è o dovrebbe essere il prodotto di un ampio confronto tra esperti e a più voci sui fondamenti e l’evoluzione di una disciplina: rinunciarci potrebbe rappresentare un notevole impoverimento delle prospettive e dei punti di vista. Ora, usare addirittura l’Ai per produrre questi contenuti è un’idea veramente distopica; tra l’altro nelle parole di Giuliano e in quelle degli autori di questa intervista non viene nemmeno sfiorata la questione fondamentale dell'(in)attendibilità delle risposte dell’Ai.
foto da L’intelligenza inesistente di Stefano Borroni Barale
Chi c’è davvero dietro la protesta degli studenti all’Esame di Stato?
di Giorgia Loi
I fatti di questi giorni relativi a casi di studenti che protestano con prese di posizione drastiche contro l’Esame di Stato e più in generale contro il sistema dei voti, con le polemiche che ne derivano, sono diventati notizia, non perchè lo siano realmente, ma grazie all’enorme potere dei media, sfruttato da chi costruisce ad arte la notizia per veicolare un messaggio ben preciso: la scuola, cosí com’è, non funziona, gli studenti sono, loro malgrado, ostaggio di un sistema ormai superato che ne mortifica la vitalità.
La viralitá fa il resto: tifo da stadio e partigiani di entrambi gli schieramenti, testate che ribattono ossessivamente la notizia a caccia del click, spirito di emulazione, desiderio di visibilità. C’è chi eliminerebbe i voti, chi addirittura l’Esame di Stato, chi invoca la bocciatura come panacea di tutti i mali della scuola italiana, il ministro che promette severità e intransigenza in caso di futuri episodi analoghi di rifiuto delle prove d’esame. Qualcuno addirittura grida a gran voce dal proprio palcoscenico pretendendo di scrivere il manuale del perfetto insegnante e confondendo il teatro con l’aula.
E nel frattempo (soprattutto nei luoghi istituzionali) un dibattito serio e articolato sullo stato in cui versa la scuola italiana e sulla direzione che la politica da trent’anni le ha impresso, deve ancora aspettare. Il tracollo della scuola pubblica è conclamato, ma le ricette spacciate a destra e a manca, spesso da chi in aula non ha mai messo piede, tendono a semplificarlo, addirittura a banalizzarlo. E invece appare urgente chiedersi se dobbiamo temere che in questo progressivo svuotamento nei contenuti della scuola, con la marginalizzazione della didattica, la mortificazione dei saperi disciplinari, l’invasione di attività altre e del Pcto, l’attacco all’attuale sistema di valutazione, ed ora perfino all’Esame di Stato, il vero obiettivo sia togliere valore legale al titolo di studio. Come è stato già detto e scritto anche da altri, il tutto servito attraverso una gradualità voluta, fondata su piccoli cambiamenti spacciati per necessari, e addirittura vincenti, a cui la massa si abitua facilmente. Se cosí fosse, che tipo di prospettiva si aprirebbe?
Quando parliamo di valore legale di una laurea o di un diploma intendiamo che ha validità ufficiale per l’accesso a concorsi pubblici, abilitazioni professionali, e determina punteggi o requisiti minimi. Questa è stata, dal 1948 e fino ad oggi, l’opportunità che la nostra Costituzione ha dato al figlio del medico come a quello dell’operaio: “La scuola è aperta a tutti. […] I capaci e meritevoli, anche se privi di mezzi, hanno diritto di raggiungere i gradi più alti degli studi.” (Costituzionedella Repubblica Italiana, art. 34).
Il concetto di scuola pubblica come organo della democrazia nasce nel secondo dopoguerra, dalle macerie di una società fondata sul classismo e la discriminazione. Ecco perchè abolire il valore legale del titolo di studio ottenuto nella “scuola di tutti” sarebbe un pericolosissimo punto di non ritorno, l’antidemocrazia per eccellenza, perché favorirebbe scuole e università private in accordo con le imprese; un processo che è già in atto e che aggraverebbe l’aumento delle disuguaglianze sociali ed economiche. Gli studenti di famiglie abbienti, infatti, potrebbero permettersi università prestigiose, o estere, acquisendo un vantaggio competitivo, mentre tutti gli altri sarebbero svantaggiati, anche se con pari merito.
C’è poi da considerare che, senza un riferimento legale, il mercato del lavoro diventerebbe poco trasparente: i datori di lavoro potrebbero avere difficoltà a valutare le competenze di chi proviene da atenei meno noti e ci troveremmo di fronte ad una frammentazione del sistema, perché ogni ente pubblico o imprenditore potrebbe usare criteri propri per valutare i candidati; si genererennero in questo modo confusione e incertezza. Infine, chi ha investito tempo e risorse in un percorso statale, per un titolo conseguito in precedenza, vedrebbe il proprio percorso svuotarsi di senso e di utilità.
È quello che succede negli Stati Uniti, dove i titoli di studio non hanno valore legale per l’accesso al lavoro o a concorsi pubblici e il mercato del lavoro valuta le competenze, il prestigio dell’università, le esperienze lavorative e le soft skills: un iter che si riveste di meritocrazia, ma che, in realtà, maschera una forte disuguaglianza tra studenti di college al top (pochi) e tutti gli altri (la maggioranza).
Si comprende che questa frattura tra chi ha i diritti e chi no non si può accettare in una vera democrazia, e che tutto parte proprio dall’istruzione che deve riversarsi in misura e condizioni uguali su tutti, perché essa apre le porte alla partecipazione consapevole, critica e costruttiva al bene comune. La Costituzione è chiara in questo senso, ma è realtà solo in parte, come diceva Calamandrei; in buona parte è ancora programma, ideale, speranza, lavoro da compiere che necessita di uomini e donne formati e preparati nella differenziazione dei loro carismi.
Sulla stampa e in particolare sulle pagine del “Corriere della Sera” è in atto una campagna ostile all’esame di maturità. Non si tratta, a dire il vero, di un fatto nuovo. Da tempo l’establishment italiano mira alla destrutturazione della scuola italiana attraverso una strategia lenta, volta cioè a non provocare grossi traumi e dunque ad attenuare le possibili reazioni pubbliche e popolari da cui potrebbero scaturire proteste organizzate, come accaduto negli anni Novanta, di fronte al tentativo del primo governo Berlusconi di privatizzare la scuola pubblica.
Per usare una formula gramsciana, diremmo che l’establishment è passato da una guerra di movimento, che pretende di ottenere subito la distruzione della scuola pubblica, a una guerra di posizione, fatta di piccole conquiste e di controllo dei centri di irradiazione egemonici, come appunto i quotidiani, che per mezzo di discorsi mascherati preparano il terreno per l’approvazione di misure distruttive.
Negli ultimi giorni il “Corriere” ci ha infatti deliziati di notizie relative a qualche studente in crisi adolescenziale, che si è rifiutato di sostenere l’orale alla maturità, riuscendo però a farsi promuovere con la somma dei voti degli scritti e di altri crediti acquisiti. Altre notizie di questo genere ci raccontano della frustrazione, dell'”ansia” (parola che al pari di “resilienza”, “sovranismo” e altri termini fa parte del vocabolario neoliberale) dei maturandi di fronte a commissioni a loro dire ostili, supponenti… Lo stesso giornale che ci annuncia che siamo prossimi alla guerra mondiale con la Russia e la Cina e che invita gli italiani a prepararsi a combattere e a tirare un po’ la cinghia per fare il pieno di armamenti, si preoccupa di questi casi di esibizionismo gratuito. L’obiettivo? L’obiettivo è l’eliminazione a tappe dell’esame di maturità per giungere nel giro di alcuni anni all’abolizione legale del titolo di studio.
Una volta ottenuto questo risultato, la scuola pubblica come luogo di formazione, di educazione e di compensazione delle differenze sociali, geografiche e di classe verrà finalmente distrutta. Senza il valore legale del titolo di studio, le grandi imprese, come in parte stanno già sperimentando in alcune città del nord, in particolare a Bologna – che a dispetto della nomea è la città più neoliberale d’Italia insieme a Milano – avranno così le loro scuole personalizzate, il cui accesso sarà filtrato sulla base del censo. Esagero? In realtà è già così in molte realtà accademiche dove il processo di distruzione è molto più avanzato con l’introduzione dei privati nei consigli di amministrazione degli atenei. Solo la fragilità del capitalismo italiano ha frenato il pieno tracollo delle università. Il privato infatti ha un potere che per il momento non sa esercitare del tutto, ma che possiede e che con la sempre più pervasiva annessione alle imprese statunitensi verrà certamente impiegato.
Anche se ancora sulla carta, la legislazione permette ai privati di esercitare sugli atenei una presa formidabile, che presto si estenderà anche sul resto della scuola pubblica, una volta eliminato l’istituto nazionale su cui convergono i percorsi scolastici delle singole realtà, cioè il valore legale del titolo di studio.
La nostra scuola 