Il controverso caso del sistema di intelligenza artificiale implementato nelle scuole del Nevada sta facendo discutere l’America intera. In un solo anno, il numero di studenti classificati come “a rischio” è precipitato da 270.000 a meno di 65.000, sollevando interrogativi etici e pratici sulla gestione dei fondi scolastici e sull’utilizzo dell’IA nel sistema educativo.
Nel tentativo di ottimizzare la distribuzione delle risorse, lo Stato del Nevada – che detiene il poco invidiabile primato della più alta disparità di finanziamenti scolastici tra distretti ricchi e poveri negli USA – ha affidato a un algoritmo di intelligenza artificiale il compito di identificare gli studenti più vulnerabili. Il risultato? Una riduzione del 76% degli studenti considerati “a rischio”, con conseguenze drammatiche per molte scuole che si sono viste tagliare i fondi.
Il sistema, sviluppato dalla società Infinite Campus, analizza oltre 70 parametri per ogni studente, tra cui la media dei voti, le assenze ingiustificate, gli episodi disciplinari e persino la frequenza con cui i genitori accedono al portale scolastico. L’algoritmo assegna un “punteggio di diploma” da 50 a 150, dove i numeri più bassi indicano una maggiore probabilità di abbandono scolastico.
Il caso della Somerset Academy nel campus di Henderson è emblematico: nonostante conti oltre 250 studenti a basso reddito e una dozzina di senzatetto, secondo il nuovo sistema nessuno dei suoi studenti è considerato “a rischio”. “È stato uno shock”, ha dichiarato il preside David Fossett, “e ancora non sappiamo veramente come funzioni il sistema”.
La mancanza di trasparenza è uno dei principali punti critici: Infinite Campus mantiene riservati i dettagli sul funzionamento dell’algoritmo, considerandoli proprietà intellettuale. Inizialmente, il sistema considerava anche fattori come genere, razza e paese di nascita, poi rimossi in seguito alle pressioni politiche.
Gli educatori sollevano preoccupazioni legittime: il sistema potrebbe non rilevare rischi importanti come depressione e autolesionismo. “Uno studente può avere buoni voti ma essere in difficoltà in altri modi”, sottolinea Paul Johnson, membro della commissione per i finanziamenti scolastici del Nevada.
Il nuovo approccio ha portato a un aumento significativo dei fondi per studente “a rischio” (da 303 a 2.900 dollari), ma ha drasticamente ridotto il numero dei beneficiari. Alcune scuole, come la Mater Academy of Nevada, hanno visto il numero di studenti classificati “a rischio” precipitare da oltre 2.000 a soli 70.
Il caso del Nevada solleva interrogativi fondamentali sul ruolo dell’IA nell’educazione e sulla definizione stessa di “studente a rischio”. Mentre alcuni esperti, come Jordan Abbott di New America, vedono potenziale nell’uso del machine learning per ottimizzare le risorse educative, altri sottolineano la necessità di maggiore trasparenza e meccanismi di valutazione più robusti.
La vicenda evidenzia un dilemma più ampio: è meglio concentrare le risorse sugli studenti più in difficoltà o distribuirle in modo più uniforme? In un’epoca di risorse limitate e crescenti sfide educative post-pandemia, la risposta a questa domanda potrebbe plasmare il futuro dell’istruzione americana.
Immagine generata tramite Flux.
Leggi la notizia completa sul New York Times:
