1. Introduzione
L’Intelligenza Artificiale (IA) è entrata rapidamente nei contesti educativi attraverso piattaforme adattive, sistemi di sintesi e riconoscimento vocale, strumenti di analisi dell’apprendimento e, più recentemente, modelli generativi capaci di produrre testi, immagini, schemi, spiegazioni ed esercizi. La sua introduzione non comporta soltanto l’adozione di nuove tecnologie: modifica il modo in cui si progettano le attività, si rappresentano i contenuti, si osservano i progressi e si costruisce la relazione tra docente, studente e conoscenza.
Nel caso degli studenti con Disturbi Specifici dell’Apprendimento, l’IA può assumere una funzione particolarmente significativa. Le difficoltà nella decodifica del testo, nella correttezza ortografica, nella produzione grafica o nell’automatizzazione del calcolo possono infatti ostacolare l’accesso ai contenuti, pur in presenza di capacità cognitive adeguate. Quando uno strumento digitale riduce il peso della prestazione strumentale, lo studente può dedicare maggiori risorse cognitive alla comprensione, alla rielaborazione e alla soluzione dei problemi.
L’obiettivo pedagogico, tuttavia, non consiste nel sostituire lo sforzo dello studente con una risposta automatica. Una tecnologia inclusiva deve sostenere l’autonomia, rendere visibili i passaggi del ragionamento e offrire forme diverse di accesso e di espressione. Per tale ragione l’IA deve essere integrata in un progetto educativo intenzionale, nel quale il docente conserva la responsabilità delle scelte, verifica l’affidabilità dei risultati e accompagna lo studente nell’uso critico dello strumento (UNESCO, 2023).
2. Disturbi Specifici dell’Apprendimento e quadro normativo
I Disturbi Specifici dell’Apprendimento sono disturbi del neurosviluppo che riguardano specifiche abilità scolastiche. La Legge 8 ottobre 2010, n. 170 riconosce la dislessia, la disgrafia, la disortografia e la discalculia e garantisce agli studenti il diritto a una didattica individualizzata e personalizzata, all’impiego di strumenti compensativi e all’adozione di misure dispensative.
- La dislessia interessa la correttezza e la rapidità della lettura.
- La disortografia riguarda la correttezza della codifica ortografica.
- La disgrafia coinvolge la componente esecutivo-motoria della scrittura.
- La discalculia interessa l’elaborazione numerica, il recupero dei fatti aritmetici e le procedure di calcolo.
La presenza di un DSA non implica una riduzione dell’intelligenza né una mancanza di motivazione. Le difficoltà emergono soprattutto quando l’ambiente richiede un’unica modalità di accesso ai contenuti o attribuisce eccessivo peso alla velocità e all’automatizzazione. Una prospettiva inclusiva sposta l’attenzione dal deficit individuale all’interazione tra caratteristiche dello studente, richieste del compito e barriere presenti nel contesto.
Il Piano Didattico Personalizzato (PDP) traduce i bisogni dello studente in scelte operative condivise tra scuola, famiglia e, quando necessario, professionisti sanitari. Nel PDP vengono indicati gli strumenti compensativi, le misure dispensative, le metodologie, le modalità di verifica e i criteri di valutazione. L’IA può essere inserita nel PDP non come generica concessione tecnologica, ma specificando la funzione educativa dello strumento, le attività nelle quali è consentito, il livello di supervisione e le competenze che lo studente deve progressivamente acquisire.
3. Dalla didattica tradizionale alla didattica aumentata dall’IA
La didattica tradizionale è stata a lungo organizzata secondo una sequenza relativamente uniforme: spiegazione, studio individuale, esercitazione e verifica. Questo modello può risultare poco flessibile per chi necessita di tempi più lunghi, rappresentazioni alternative o feedback frequenti. I sistemi di IA rendono possibile una didattica aumentata, nella quale i materiali e le attività possono essere adattati in modo più rapido alle caratteristiche dello studente.
L’IA può graduare la complessità linguistica di un testo, proporre esercizi progressivi, offrire esempi aggiuntivi e modificare il tipo di feedback sulla base degli errori commessi. La personalizzazione non deve però trasformarsi in isolamento. Gli obiettivi culturali e sociali della classe rimangono comuni; cambiano i percorsi, i tempi, i mediatori e le modalità con cui ciascuno può raggiungerli.
I contenuti possono essere presentati in forma scritta, orale, iconica, schematica o interattiva. Uno stesso argomento può essere spiegato mediante un testo semplificato, una sintesi vocale, una mappa concettuale e una serie di domande guidate. Questa pluralità è particolarmente utile per gli studenti con DSA perché riduce la dipendenza da un singolo canale e permette di scegliere la modalità più funzionale al compito.
Il feedback immediato può aiutare lo studente a individuare l’errore quando il processo è ancora attivo. Per essere educativo, il feedback non dovrebbe limitarsi a segnalare la risposta corretta, ma dovrebbe indicare quale passaggio rivedere, offrire un indizio e invitare lo studente a formulare una nuova ipotesi. L’IA risulta utile quando sostiene il ragionamento; diventa controproducente quando anticipa sempre la soluzione.
4. Trasformazioni pedagogiche: personalizzazione, UDL e metacognizione
Le teorie di Vygotskij e Bruner sottolineano il carattere attivo, sociale e mediato dell’apprendimento. In questa prospettiva, l’IA può funzionare come uno strumento di scaffolding: scompone il compito, pone domande, propone esempi e riduce gradualmente l’aiuto. Il valore pedagogico non risiede quindi nella capacità della macchina di produrre un elaborato, ma nella qualità delle interazioni che aiutano lo studente a costruire significati.
L’Universal Design for Learning (UDL) propone di progettare fin dall’inizio ambienti accessibili, offrendo molteplici modalità di coinvolgimento, rappresentazione e azione/espressione (CAST, 2024). L’IA può supportare questi principi generando versioni alternative dei materiali, consentendo risposte orali o visuali e offrendo diversi livelli di guida. In questo modo l’adattamento non è un intervento successivo riservato al singolo, ma una caratteristica ordinaria della progettazione.
Gli studenti con DSA sviluppano una percezione negativa delle proprie capacità dopo ripetute esperienze di insuccesso. Un uso metacognitivo dell’IA li aiuta a riconoscere le strategie efficaci: chiedere una spiegazione più semplice, trasformare un testo in domande, pianificare le fasi di un compito, confrontare una prima bozza con una griglia di criteri. Lo studente non delega il lavoro, ma impara a governare strumenti e strategie.
5. L’IA come strumento compensativo e supporto cognitivo
Gli strumenti compensativi tradizionali permettono di aggirare una difficoltà funzionale senza modificare l’obiettivo di apprendimento. L’IA amplia questa funzione perché può adattarsi al contesto, dialogare con lo studente e integrare più modalità. Le applicazioni principali possono essere organizzate come segue.
| Bisogno | Funzione dell’IA | Esempio didattico | Condizione di efficacia |
| Lettura | Sintesi vocale, semplificazione e segmentazione | Ascolto di un brano con parole chiave evidenziate | Controllo della fedeltà del testo |
| Scrittura | Dettatura, revisione ortografica e pianificazione | Produzione di una bozza da una scaletta | Distinguere contenuto e correzione formale |
| Studio | Mappe, domande e riassunti graduati | Trasformazione del capitolo in una mappa gerarchica | Confronto con la fonte originale |
| Calcolo | Spiegazioni passo-passo e rappresentazioni | Verbalizzazione della procedura di un problema | Non sostituire l’esercizio autonomo |
| Organizzazione | Agenda, scomposizione e promemoria | Piano di studio in blocchi brevi | Obiettivi realistici e verificabili |
L’efficacia dipende dalla corrispondenza tra strumento e bisogno. Una funzione di sintesi automatica, ad esempio, può facilitare la comprensione iniziale ma non sostituisce il lavoro sul lessico, sui collegamenti logici e sulla capacità di selezionare le informazioni. Analogamente, un correttore avanzato può migliorare la leggibilità di un testo, ma il docente deve distinguere ciò che è stato prodotto dallo studente da ciò che è stato modificato dal sistema.
6. Il nuovo ruolo del docente e la progettazione nel PDP
La presenza dell’IA non riduce la centralità dell’insegnante; ne rende più complesso il ruolo. Il docente diventa progettista di ambienti di apprendimento, mediatore critico e garante dell’equità. Deve stabilire quando l’uso dell’IA è funzionale all’obiettivo e quando, invece, impedisce di osservare la competenza.
Nel PDP è opportuno descrivere l’uso dell’IA in termini osservabili. Non basta scrivere «uso di strumenti di Intelligenza Artificiale». È preferibile indicare, per esempio: utilizzo della sintesi vocale per l’accesso ai testi; generazione di mappe da verificare con il manuale; revisione ortografica con segnalazione delle modifiche; tutor conversazionale per la preparazione orale; divieto di generare integralmente elaborati valutativi.
- Fase 1: il docente modella l’uso dello strumento e mostra come verificare una risposta.
- Fase 2: docente e studente formulano insieme prompt e criteri di controllo.
- Fase 3: lo studente utilizza l’IA con una checklist e documenta i passaggi.
- Fase 4: l’aiuto viene ridotto e lo studente sceglie autonomamente quando lo strumento è necessario.
7. Valutazione, rischi, etica e protezione dei dati
Con l’IA generativa il prodotto finale non dimostra necessariamente ciò che lo studente sa fare. La valutazione deve quindi includere tracce del processo: scalette, bozze, fonti consultate, prompt utilizzati, revisioni e breve spiegazione orale. È utile distinguere le attività nelle quali l’IA è vietata, consentita come strumento compensativo o richiesta come oggetto di apprendimento critico.
I modelli generativi possono produrre errori, semplificazioni eccessive, stereotipi o fonti inesistenti. Lo studente con DSA, attratto dalla fluidità della risposta, può faticare a riconoscere l’inesattezza. Occorre insegnare una routine di verifica: confrontare con il manuale, controllare i dati, chiedere le fonti, distinguere fatti e interpretazioni e segnalare i punti incerti.
Nei sistemi pubblici non devono essere inseriti diagnosi, certificazioni, nomi completi, elaborati contenenti informazioni sensibili o altri dati identificativi, salvo che l’istituzione abbia adottato una soluzione conforme e regolamentata. La scuola deve applicare i principi di minimizzazione, trasparenza e proporzionalità previsti dalla normativa sulla protezione dei dati. Per i minori sono necessarie regole particolarmente chiare, account gestiti e un coinvolgimento informato delle famiglie.
L’IA può favorire l’inclusione, ma può anche aumentare le disuguaglianze quando accesso, dispositivi, connessione o competenze familiari sono distribuiti in modo diseguale. Gli strumenti previsti nel PDP devono essere realmente disponibili a scuola e, se richiesti per lo studio domestico, devono essere garantite alternative equivalenti.
8. Conclusioni
L’Intelligenza Artificiale può contribuire a rendere la scuola più accessibile agli studenti con DSA, ma il suo valore non è automatico. Essa è educativa quando riduce le barriere senza ridurre le attese, offre modalità alternative senza isolare, sostiene il processo senza sostituirlo e aumenta la capacità dello studente di comprendere e scegliere.
Il cambiamento più importante riguarda la pedagogia: dalla standardizzazione alla flessibilità, dalla correzione del deficit alla progettazione delle opportunità, dalla centralità del prodotto alla valorizzazione del processo: l’algoritmo supporta spiegazioni, mappe, feedback e pianificazione, ma richiedono supervisione, verifica e regole condivise.
La relazione educativa rimane insostituibile. Il docente interpreta bisogni, motiva, osserva, attribuisce significato all’errore e tutela l’equità. L’IA non è dunque un docente alternativo, ma un possibile mediatore. La sfida della scuola consiste nel trasformarla da scorciatoia produttiva a strumento di autonomia, pensiero critico e partecipazione.
Riferimenti bibliografici
Anthropic. (2025, April 2). Introducing Claude for Education. https://www.anthropic.com/news/introducing-claude-for-education
Bruner, J. S. (1996). The culture of education. Harvard University Press.
CAST. (2024). Universal Design for Learning guidelines version 3.0. https://udlguidelines.cast.org
Cornoldi, C. (2019). I disturbi dell’apprendimento. Il Mulino.
Dewey, J. (1916). Democracy and education. Macmillan.
European Parliament & Council of the European Union. (2016). Regulation (EU) 2016/679 of 27 April 2016 (General Data Protection Regulation). Official Journal of the European Union, L 119, 1–88.
Google for Education. (2026). Gemini for Education. https://edu.google.com/ai/gemini-for-education/
Legge 8 ottobre 2010, n. 170. Nuove norme in materia di disturbi specifici di apprendimento in ambito scolastico. Gazzetta Ufficiale della Repubblica Italiana, n. 244 del 18 ottobre 2010.
Microsoft. (2025). Personalize learning for students with disabilities using AI. Microsoft Learn. https://learn.microsoft.com/en-us/training/modules/personalize-learning-students-disabilities-using-ai/
Ministero dell’Istruzione, dell’Università e della Ricerca. (2011). Linee guida per il diritto allo studio degli alunni e degli studenti con disturbi specifici di apprendimento.
OpenAI. (2024, May 30). Introducing ChatGPT Edu. https://openai.com/index/introducing-chatgpt-edu/
Organizzazione Mondiale della Sanità. (2022). ICD-11 for mortality and morbidity statistics: Developmental learning disorder. https://icd.who.int
Rose, D. H., & Meyer, A. (2002). Teaching every student in the digital age: Universal Design for Learning. ASCD.
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
