IA Generativa e Futuri Insegnanti: Sveliamo i Segreti dell’Adozione Tecnologica!

Amici, l’intelligenza artificiale generativa è ormai ovunque, vero? Sta cambiando il modo in cui lavoriamo, creiamo e, naturalmente, impariamo. E quando si parla di apprendimento, chi c’è in prima linea se non i nostri insegnanti? Soprattutto quelli che si stanno formando oggi e che plasmeranno le menti di domani. Ma come reagiscono questi futuri docenti di fronte a strumenti così potenti e, per certi versi, rivoluzionari? Li abbracciano a braccia aperte o li guardano con sospetto? È una domanda che mi affascina da tempo, perché capire questo è fondamentale per preparare al meglio il sistema educativo alle sfide del futuro.

Ecco perché, insieme a un team di ricercatori, abbiamo deciso di andare a fondo, cercando di capire quali molle scattano nella testa dei futuri insegnanti quando si parla di adottare l’IA generativa. E per farlo, siamo partiti da un modello solido, ma con l’idea di spingerci un po’ oltre.

Il TAM: Un Classico per Capire l’Adozione Tecnologica

Per capire come le persone – e nel nostro caso, i futuri insegnanti – decidono di usare (o non usare) una nuova tecnologia, c’è un modello che fa da faro da decenni: il Technology Acceptance Model, o TAM. Sviluppato originariamente da Davis nel 1989, il TAM si concentra su due fattori principali:

• La Percezione di Utilità (PU): ovvero, quanto una persona crede che quella tecnologia migliorerà il suo lavoro.
• La Percezione di Facilità d’Uso (PEOU): cioè, quanto ritiene che usare quella tecnologia sarà semplice e richiederà poco sforzo.

Questi due elementi, secondo il TAM, influenzano l’atteggiamento verso la tecnologia e, di conseguenza, l’intenzione comportamentale di usarla. È un modello che ha dimostrato la sua validità in tantissimi contesti, inclusa l’educazione. Ma l’IA generativa non è il solito software. È una rivoluzione. Quindi, ci siamo chiesti: il TAM, da solo, basta? E se aggiungessimo qualche ingrediente in più per renderlo ancora più aderente a questa nuova realtà?

Estendere il TAM: I Nostri “Ingredienti Speciali”

Abbiamo pensato che per cogliere appieno le dinamiche di adozione dell’IA generativa da parte dei futuri insegnanti, dovevamo considerare anche altri aspetti, più legati alla persona e al contesto. Così, abbiamo deciso di integrare nel TAM quattro variabili “esogene”, cioè esterne ma influenti:

1. Autoregolazione Metacognitiva (MSR): Sembra un parolone, ma in pratica è la capacità di una persona di pianificare, monitorare e valutare attivamente i propri processi di apprendimento. Un futuro insegnante con una buona MSR, di fronte a una nuova IA, si chiederà come usarla al meglio per i suoi studenti, come integrarla nei suoi piani di lezione, e così via.
2. Norma Soggettiva (SN): Questa è la percezione della pressione sociale. Quanto i futuri insegnanti sentono che le persone per loro importanti (colleghi, formatori, la società in generale) approvano l’uso di queste tecnologie? L’ambiente collaborativo della scuola può amplificare questo fattore.
3. Motivazione all’Apprendimento (LM): Parliamo della spinta interiore, della passione per imparare cose nuove, per sviluppare nuove competenze. Quanto sono motivati i futuri docenti a padroneggiare l’IA, non perché devono, ma perché vogliono?
4. Agilità di Apprendimento (LA): Questa è la capacità di imparare rapidamente da nuove esperienze, anche complesse, e di adattare quanto appreso a situazioni diverse. Con tecnologie che si evolvono alla velocità della luce come l’IA generativa, l’agilità diventa cruciale. Non basta imparare a usare uno strumento oggi, bisogna essere pronti a “reimparare” domani.

L’idea era che questi fattori potessero influenzare la percezione di utilità e facilità d’uso dell’IA generativa, e quindi, indirettamente, l’intenzione di adottarla.

La Nostra Indagine: Parola ai Futuri Insegnanti

Per mettere alla prova le nostre idee, abbiamo coinvolto ben 748 futuri insegnanti provenienti da 12 università in Turchia, concentrandoci su quelli dei corsi di Laurea in Lingue e Scienze della Formazione Primaria. Abbiamo somministrato loro un questionario dettagliato per misurare tutte queste variabili: dai costrutti classici del TAM (PU, PEOU, Atteggiamento, Intenzione Comportamentale) ai nostri “ingredienti speciali” (MSR, SN, LM, LA). Abbiamo anche raccolto informazioni sulla loro familiarità con l’IA, sulla frequenza d’uso e sugli scopi principali.

I dati demografici ci hanno detto che la maggioranza erano donne (quasi l’80%), un trend comune nei programmi di formazione per insegnanti, e che erano ben distribuiti tra i vari anni di corso. È emerso che una buona parte (56%) si considerava principiante nell’uso dell’IA, mentre un 21% non aveva esperienze precedenti. Gli usi principali? Preparare compiti o progetti e cercare informazioni durante lo studio. Interessante, no?

Cosa Abbiamo Scoperto? I Risultati Chiave

E qui viene il bello! Analizzando i dati con modelli statistici avanzati (Structural Equation Modeling, per i più tecnici), abbiamo ottenuto risultati davvero illuminanti. Il nostro modello esteso è riuscito a spiegare una fetta importante della varianza nell’Atteggiamento (54%) e nell’Intenzione Comportamentale (51%) verso l’IA generativa. Questo significa che i fattori che abbiamo considerato sono davvero rilevanti!

Vediamo i punti salienti:

• I pilastri del TAM reggono alla grande: Come previsto, la Percezione di Utilità (PU) e la Percezione di Facilità d’Uso (PEOU) hanno un forte impatto sull’atteggiamento e sull’intenzione di usare l’IA. Se un futuro insegnante pensa che l’IA sia utile per il suo lavoro e facile da usare, è molto più propenso ad adottarla. E la facilità d’uso rende l’IA anche più utile ai suoi occhi!
• Autoregolazione Metacognitiva (MSR) e Motivazione all’Apprendimento (LM) sono superstar: Questi due fattori hanno mostrato un effetto significativo sia sulla Percezione di Utilità che sulla Percezione di Facilità d’Uso. In pratica, i futuri insegnanti che sanno come gestire il proprio apprendimento e che sono intrinsecamente motivati a imparare, vedono l’IA generativa come più utile e più facile da usare. Questo ci dice che i fattori cognitivi e motivazionali interni sono potentissimi!
• Agilità di Apprendimento (LA) e Norma Soggettiva (SN) giocano un ruolo più specifico: Entrambe queste variabili hanno influenzato positivamente la Percezione di Facilità d’Uso. Se i futuri docenti sono agili nell’apprendere e se sentono che il loro ambiente sociale supporta l’uso dell’IA, allora percepiscono questi strumenti come più semplici da maneggiare. Tuttavia, e questo è un punto cruciale, non abbiamo trovato un effetto diretto di LA e SN sulla Percezione di Utilità. Sembra che l’agilità e la pressione sociale ti aiutino a superare le barriere tecniche, ma non ti convincono di per sé che lo strumento sia utile per i tuoi scopi didattici. Per quello, contano di più la tua capacità di autoregolarti e la tua motivazione intrinseca.

In sintesi, i nostri risultati suggeriscono che quando si tratta di valutare l’utilità dell’IA generativa, i futuri insegnanti si affidano molto di più alle loro risorse interne (cognitive e motivazionali) che alle influenze sociali esterne. L’agilità, d’altro canto, è una chiave importante per percepire questi strumenti come accessibili e non troppo complessi.

Implicazioni Pratiche: Come Formare i Docenti del Futuro?

Quindi, che ce ne facciamo di tutte queste scoperte? Beh, le implicazioni sono enormi, soprattutto per chi forma i docenti di domani. Se vogliamo che i futuri insegnanti integrino efficacemente l’IA generativa nella loro pratica didattica, non basta insegnare loro le caratteristiche tecniche degli strumenti.

Dobbiamo puntare su altro:

• Attività pratiche e hands-on: I programmi di formazione dovrebbero dare priorità a esperienze concrete che rafforzino le capacità di autoregolazione e la motivazione intrinseca. Far sperimentare ai futuri insegnanti come l’IA può aiutarli a creare piani di lezione innovativi, a personalizzare l’apprendimento, a fornire feedback più efficaci.
• Coltivare l’adattabilità e le competenze metacognitive: Bisogna creare ambienti di apprendimento che nutrano l’agilità mentale e la capacità di riflettere sul proprio apprendimento. Questo li aiuterà non solo ad adottare l’IA oggi, ma ad adattarsi alle evoluzioni future.
• Focus sull’utilità pedagogica: È fondamentale che i futuri insegnanti vedano il valore aggiunto dell’IA per la didattica. L’enfasi deve essere su come questi strumenti possono migliorare l’insegnamento e l’apprendimento, non sulla tecnologia fine a se stessa.
• Supporto sociale sì, ma non basta: Creare un ambiente di supporto è utile per ridurre le barriere iniziali, ma per un’adozione profonda e convinta, bisogna lavorare sulle leve interne.

In pratica, si tratta di formare insegnanti che siano non solo tecnologicamente competenti, ma anche riflessivi, motivati e agili, pronti a diventare veri e propri “innovatori adattivi” nell’era dell’intelligenza artificiale.

Limiti e Prospettive Future

Come ogni ricerca, anche la nostra ha dei limiti. Ci siamo basati su dati auto-riferiti, il che potrebbe introdurre qualche distorsione. Inoltre, il campione, seppur numeroso, era limitato ai futuri insegnanti in Turchia, quindi generalizzare i risultati richiede cautela. Sarebbe fantastico vedere studi simili in contesti culturali diversi e magari con misure più oggettive dell’uso dell’IA.

In futuro, si potrebbero esplorare anche altri fattori, come l’autoefficacia specifica per l’IA, le preoccupazioni etiche (che sono tantissime e importanti!) o le barriere sistemiche all’interno delle istituzioni formative. E studi longitudinali ci direbbero come queste percezioni e intenzioni cambiano nel tempo, magari seguendo i futuri insegnanti nel loro passaggio alla professione.

Nonostante ciò, credo che il nostro studio offra spunti preziosi. Abbiamo dimostrato che estendere il TAM con variabili cognitive, motivazionali e sociali ci aiuta a dipingere un quadro più ricco e sfumato dell’adozione dell’IA generativa in contesti educativi. E questo, spero, possa contribuire a formare insegnanti sempre più pronti ad abbracciare le potenzialità di queste tecnologie straordinarie, per il bene dei nostri studenti.

Fonte: Springer