6927.2 – DM 219/2025 – Snodi Formativi Progetto “Dai Dati alla Decisione: Come Funziona l’Intelligenza Artificiale”

• Promuovere l’uso critico, etico e responsabile dell’intelligenza artificiale
• Comprendere principi di funzionamento, potenzialità e limiti dell’IA generativa
• Sperimentare l’utilizzo dell’IA generativa nella didattica dell’italiano e della storia
• Progettare attività inclusive e trasferibili in classe
• Creare risorse educative multimediali, multimodali e multilivello

Articolazione degli incontri

1° incontro  – IA a scuola: quadro normativo, competenze e responsabilità. Il primo incontro introduce i principali framework nazionali e internazionali per un uso consapevole dell’intelligenza artificiale in ambito scolastico (Linee guida MIM sull’IA, AI Act, DigComp 3.0, UNESCO AI Competency Framework e AI Literacy). Saranno affrontati i temi della responsabilità del docente, della tutela degli studenti, della trasparenza d’uso e della sostenibilità didattica degli strumenti. La parte operativa sarà dedicata a una prima esplorazione guidata delle potenzialità didattiche dell’IA generativa.

2° incontro – Come funziona l’IA generativa e come integrarla nella didattica. Il secondo incontro sarà dedicato alla comprensione dei principi di funzionamento, delle potenzialità e dei limiti dell’intelligenza artificiale generativa. Saranno, inoltre, illustrati i principali framework per l’integrazione delle tecnologie digitali in ambito educativo (DigCompEdu, TPACK e SAMR). La sezione laboratoriale sarà dedicata alla sperimentazione di alcune piattaforme di IA per la didattica.

3° incontro – Progettare lezioni inclusive con l’IA. Il terzo incontro sarà incentrato sulla progettazione didattica inclusiva in ambito umanistico. La cornice metodologica farà riferimento all’Universal Design for Learning e ad altre strategie inclusive, per mostrare come l’IA possa supportare la costruzione di percorsi accessibili e personalizzati. La parte laboratoriale sarà dedicata alla progettazione di lezioni e materiali con il supporto dell’IA.

4° incontro – Metodologie attive e IA per sviluppare competenze umanistiche. Il quarto incontro sarà dedicato ad alcune metodologie didattiche particolarmente coerenti con l’insegnamento dell’italiano e della storia. L’attenzione sarà rivolta all’integrazione dell’IA per progettare attività di comprensione, interpretazione, scrittura, argomentazione, analisi delle fonti, verifica delle informazioni e confronto tra punti di vista.

5° incontro  – Creazione di artefatti digitali con l’intelligenza artificiale. L’ultimo incontro intende valorizzare la dimensione creativa dell’IA nella didattica dell’italiano e della storia. I docenti sperimenteranno strumenti e strategie per realizzare artefatti multimediali e multimodali, come immagini, video brevi, booktrailer, fumetti, interviste impossibili e podcast. L’obiettivo sarà trasformare queste produzioni in attività trasferibili in classe, affinché gli studenti possano rielaborare contenuti disciplinari attraverso linguaggi differenti.

Formatrice: Lara Corvatta – Docente di materie umanistiche, formatrice esperta in didattica innovativa e intelligenza artificiale
Durata: 20 ore
Articolazione: 5 incontri da 4 ore ciascuno

Il laboratorio, della durata complessiva di 10 ore, è finalizzato a sviluppare nei docenti le conoscenze e le competenze necessarie per comprendere il funzionamento dell’intelligenza artificiale, integrarla nella didattica in modo pedagogicamente fondato e progettare attività in grado di sviluppare negli studenti un’autentica AI Literacy. Il percorso si articola in tre incontri: il primo dedicato alla comprensione dell’IA, il secondo alla sua integrazione nei processi di apprendimento e il terzo alla progettazione di attività, compiti e pratiche valutative adeguati al nuovo scenario educativo.

Obiettivi

• comprendere i principi essenziali di funzionamento dell’intelligenza artificiale generativa, riconoscendone potenzialità, limiti e rischi;
• conoscere i principali framework nazionali e internazionali relativi all’AI Literacy e alle competenze per l’uso educativo dell’IA;
• utilizzare l’IA per progettare attività e creare risorse educative personalizzate, multimodali, accessibili e inclusive;
• progettare attività finalizzate allo sviluppo dell’AI Literacy degli studenti;
• ripensare compiti, verifiche e pratiche valutative per rendere visibili il ragionamento, le scelte e il processo di apprendimento.

Primo incontro – Comprendere l’intelligenza artificiale: funzionamento, potenzialità e rischi

Durata: 3 ore

• Definizione di intelligenza artificiale e principi essenziali del funzionamento dei sistemi generativi.
• Potenzialità dell’IA nei processi di insegnamento e apprendimento.
• Limiti e rischi: allucinazioni, bias, stereotipi, opacità dei sistemi, delega cognitiva, dipendenza dallo strumento e possibile riduzione dell’autonomia dello studente.

Secondo incontro – Integrare pedagogicamente l’IA nella didattica

Durata: 3 ore

• Principali framework di riferimento: UNESCO per studenti e docenti, OCSE–Commissione europea sull’AI Literacy e DigComp 3.0.
• Principi di responsabilità, trasparenza, inclusione, sicurezza e centralità della persona nelle Linee guida MIM.
• Uso dell’IA per progettare attività didattiche e creare risorse educative personalizzate, multimodali, accessibili e inclusive.

Terzo incontro – Progettare attività di AI Literacy per gli studenti

Durata: 4 ore

• Rimodulazione di compiti, verifiche e pratiche valutative nell’era dell’IA.
• Progettazione di attività di AI Literacy per gli studenti, finalizzate alla comprensione del funzionamento, delle potenzialità, dei limiti e dei rischi dell’IA.

Dall’alfabetizzazione all’uso operativo dell’Intelligenza Artificiale sostituisce: Prompt Design Educativo e Generazione di Risorse Didattiche

1. Il laboratorio è rivolto ai docenti che intendono acquisire conoscenze e competenze di base sull’Intelligenza Artificiale e sulle sue possibili applicazioni nella didattica. Il percorso accompagnerà i partecipanti nella comprensione dei principi di funzionamento dell’AI generativa, delle opportunità e dei limiti delle tecnologie emergenti e delle implicazioni etiche connesse al loro utilizzo in ambito educativo.
Particolare attenzione sarà dedicata agli strumenti e alle strategie operative immediatamente trasferibili nella pratica quotidiana: costruzione di prompt efficaci, supporto alla progettazione didattica, creazione di materiali, personalizzazione dei contenuti e ottimizzazione del lavoro docente.

Formatore: Roberto Sconocchini
Durata:10 ore

2. Il secondo laboratorio costituisce un approfondimento del percorso iniziale e si propone di accompagnare i docenti verso un utilizzo più evoluto dell’Intelligenza Artificiale come strumento di innovazione metodologica e didattica.
Saranno approfondite applicazioni avanzate dell’AI nella progettazione interdisciplinare, nella costruzione di attività creative, nello storytelling digitale, nella produzione di contenuti multimediali e nella gamification. Il laboratorio favorirà la sperimentazione di modelli didattici innovativi orientati alla partecipazione attiva degli studenti e alla trasformazione degli ambienti di apprendimento.
Competenze attese:
• Integrare l’AI nella progettazione didattica
• Utilizzare strumenti avanzati di AI generativa
• Progettare attività interdisciplinari innovative
• Sviluppare pratiche didattiche coinvolgenti e collaborative
Formatore: Roberto Sconocchini
Durata:10 ore

I corso “LEGO AI Explorers – Classificazione e Machine Learning” si svolge in presenza e coinvolge attivamente docenti e classi in attività laboratoriali con i kit LEGO. Attraverso esperienze pratiche, gli studenti esplorano il ciclo dei dati: raccolta, ganizzazione e interpretazione in contesti significativi. Il percorso guida alla costruzione di un primo modello di machine learning in modo tangibile: addestramento di un classificatore, test e validazione. Docenti e studenti co-progettano attività e Unità di Apprendimento coerenti con il curricolo. Il focus è su pensiero computazionale, competenze scientifiche e comprensione dei sistemi intelligenti.

durata: 10 ore

a cura di Campusstore/Scuola di Robotica

l laboratorio prevede una prima parte introduttiva dedicata ai concetti fondamentali dell’Intelligenza Artificiale, con una panoramica sulle tecniche di Machine Learning e Deep Learning fino ad arrivare all’IA Generativa e ai Large Language Models (LLM). In questa fase saranno illustrate, attraverso esempi concreti, le potenzialità dell’IA applicata al settore moda, con particolare attenzione alla generazione di contenuti creativi, all’analisi delle tendenze, al supporto della creatività umana e alle nuove possibilità offerte dalla generazione di immagini e modelli 3D per il fashion. La seconda parte del laboratorio sarà dedicata alla sperimentazione pratica di strumenti basati su IA generativa e LLM, attraverso attività ed esercitazioni guidate orientate alla creazione di testi, immagini e contenuti 3D applicati al settore moda. I partecipanti esploreranno inoltre l’utilizzo dell’IA come supporto alla didattica, sperimentando strumenti e metodologie per la progettazione di lezioni, la creazione di materiali formativi e lo sviluppo di attività laboratoriali innovative. L’obiettivo del percorso è fornire ai docenti una conoscenza di base delle principali tecnologie AI e competenze operative per integrarle nella propria attività didattica nel settore moda.

durata 10h

formatori: ing. Emanuele Balloni, ing. Luca Giorgetti

Il percorso unisce l’impiego degli strumenti di IA generativa e quello dei droni – uno strumento versatile, didatticamente efficace e innovativo e al contempo richiesto in numerosi settori professionali. I docenti impareranno a raccogliere immagini e dati con il drone, ad analizzarli attraverso strumenti di IA, e a trasformare questi dati in materiali didattici, database e percorsi disciplinari. Il percorso include una parte introduttiva sull’uso degli strumenti di IA generativa per la didattica, funzionale a fornire le basi operative necessarie per affrontare il modulo centrale sull’integrazione con i droni.

Introduce la logica matematica e algoritmica dietro gli assistenti virtuali autonomi e i Large Language Models (LLM), decostruendo la “scatola nera” dell’IA.

durata 10h

formatori: ing. Luca Violini (univPM)

Articolazione dei 5 incontri in presenza (5 x 2h):

– Inc. 1 (2h) – Preparazione e Grounding dei Dati: Come ripulire e strutturare un database di testi scolastici, dispense o dati tecnici per “alimentare” l’agente virtuale senza incorrere in allucinazioni (tecniche di RAG – *Retrieval-Augmented Generation*).

– Inc. 2 (2h) – Prototipazione in Ambiente Sandbox: Sviluppo pratico dell’Agente d’istituto utilizzando interfacce di programmazione visiva e scripting Python assistito, impostando parametri di creatività e vincoli normativi.

– Inc. 3 (2h) – Sessione di Sviluppo Collaborativo Docenti-Studenti: Gli studenti degli indirizzi tecnici affiancano i docenti nell’ottimizzazione del prototipo, testando l’efficacia delle risposte e modificando le istruzioni di sistema (System Prompt).

– Inc. 4 (2h) – Debugging e Stress-Testing dell’Agente: Simulazione di casi limite d’aula per testare la stabilità dell’Agente. Ottimizzazione delle risposte e blocco dei comportamenti anomali del software (Guardrails).

– Inc. 5 (2h) – Rilascio, Demo Day e Validazione Sperimentale: Presentazione in presenza dell’Agente IA funzionante creato dal team. Analisi accademica delle metriche di accuratezza del sistema e piano di adozione nello Snodo.

durata 10h

formatori: ing. Luca Violini (univPM)

Articolazione dei 5 incontri in presenza (5 x 2h):
Inc. 1 (2h) – Come la macchina “vede” il mondo (Computer Vision): Introduzione ai sistemi di visione artificiale e classificazione delle immagini. Capire come gli algoritmi interpretano pixel, contorni e forme geometriche.
Inc. 2 (2h) – Raccolta e Labelling dei Dati con Python: Esercitazione pratica di programmazione e classificazione di un piccolo dataset di immagini reali (es. componenti meccanici, campioni ambientali o rilievi fotografici del territorio).
Inc. 3 (2h) – Addestramento del Modello di Machine Learning: Utilizzo di librerie Python open-source standard guidate dal ricercatore per allenare un piccolo modello predittivo o di riconoscimento in tempo reale nel laboratorio informatico della scuola.
Inc. 4 (2h) – Analisi dell’Accuratezza e Ottimizzazione: Comprendere metriche scientifiche reali (Precision, Recall, F1-Score) attraverso esperimenti pratici. Modificare i dati di input per correggere gli errori di classificazione della macchina.
Inc. 5 (2h) – Connessione Territorio-Ricerca-Scuola: Tavolo di co-progettazione finale tra scuola e università su come applicare il Machine Learning e la Computer Vision a progetti reali di PCTO e transizione digitale industriale del territorio di Ancon