Le più recenti indicazioni istituzionali in Italia vanno nella stessa direzione: l’adozione dell’IA a scuola viene inquadrata come processo da governare, con requisiti etici, tecnici e normativi, attenzione alla trasparenza, all’equità e alla protezione dei dati, in particolare perché gli studenti sono soggetti vulnerabili. In parallelo, UNESCO insiste su un approccio “human-centred” e sulla necessità di politiche e progettazione didattica che mettano al centro tutela, equità e capacità critica. (UNESCO)
Se la matematica liceale vuole restare formativa (e non ridursi a una competizione con una macchina sul terreno della rapidità), deve esplicitare con maggiore chiarezza quale sia il suo nucleo: non la produzione di un elaborato “ben scritto”, ma la padronanza di pratiche intellettuali specifiche: definire un problema, scegliere un modello, dedurre conseguenze, cercare controesempi, argomentare con rigore, stimare l’errore, controllare la plausibilità.
1. Un equivoco da sciogliere: “ChatGPT fa matematica”
ChatGPT non “fa matematica” nel senso in cui la fa un essere umano formato: non possiede una comprensione semantica garantita dei concetti, e può produrre passaggi formalmente credibili ma scorretti, omettendo condizioni o invertendo implicazioni. Proprio per questo, l’IA generativa è didatticamente interessante: trasforma in oggetto di lavoro ciò che spesso resta implicito. Lo studente è costretto a rispondere a domande che la scuola, talvolta, ha lasciato sullo sfondo:
- Quali ipotesi sto usando?
- Questo passaggio è lecito sempre o solo in un dominio?
- Il risultato è compatibile con una stima a mente o un controllo grafico?
- Esiste un controesempio semplice?
In termini educativi, ChatGPT rende evidente un punto che in matematica è essenziale: la differenza tra un testo “convincente” e un testo “valido”.
2. La competenza che diventa centrale: il controllo
Nel liceo la valutazione ha spesso premiato la correttezza procedurale e la pulizia formale. Con l’IA generativa, la correttezza procedurale isolata perde valore selettivo (perché è facilmente imitabile), mentre acquista valore la capacità di controllo: saper riconoscere errori, mancanze, assunzioni implicite, e saper riparare un ragionamento.
Questa non è una rinuncia alla matematica “tradizionale”: è un suo approfondimento. Significa riportare in primo piano ciò che la matematica è davvero come disciplina: un sistema in cui le affermazioni non valgono perché “sembrano giuste”, ma perché sono dedotte in modo verificabile.
Un modo molto efficace, al liceo, è costruire attività in cui ChatGPT produce deliberatamente una soluzione o una dimostrazione che contiene un difetto realistico (dominio dimenticato, equivalenza non lecita, abuso di “è evidente che…”). Gli studenti non devono “rifare l’esercizio”, ma certificare il testo: evidenziare i passaggi validi, isolare i punti critici, riscrivere in forma rigorosa. In questo scenario l’IA non sottrae lavoro: lo sposta dove è più formativo.
3. Tre usi didatticamente robusti di ChatGPT in matematica liceale
a) Revisione di soluzioni e dimostrazioni (errore come oggetto di studio)
È l’uso più coerente con la disciplina. La classe lavora su un testo “terzo” (prodotto dall’IA), riducendo la pressione valutativa individuale e aumentando la qualità della discussione matematica. La domanda chiave non è “qual è la risposta?”, ma “questa argomentazione regge?”. Si allenano rigore e metalinguaggio (“qui si sta usando un’implicazione inversa”, “qui manca la condizione (x\neq 0)”, “questa trasformazione non è equivalenza”).
b) Ricerca di casi limite e controesempi (matematica come esplorazione controllata)
In terza liceo, dove compaiono con forza funzioni, grafici e disequazioni, l’errore tipico è generalizzare senza controllo. ChatGPT può essere usato per generare rapidamente esempi e non-esempi, ma con un vincolo didattico: ogni esempio deve essere verificato (calcolo, grafico, sostituzione, ragionamento). L’IA accelera la fase esplorativa; la matematica resta nella fase di validazione.
c) Scrittura matematica e “spiegazione” (senza delegare la matematica)
La scrittura è un nodo cruciale nel liceo: molti studenti hanno idee corrette, ma non sanno comunicarle con precisione. Qui ChatGPT può aiutare davvero, purché entri a valle: lo studente produce una bozza di soluzione sua (anche grezza), poi chiede all’IA di migliorarne la chiarezza senza alterare i contenuti. Questo è coerente con un uso “assistivo” e non sostitutivo.
In tutti e tre i casi, l’obiettivo non è “usare ChatGPT”, ma far emergere competenze matematiche autentiche: controllo, generalizzazione responsabile, argomentazione.
4. La valutazione: ciò che va ripensato
Il problema non è “impedire l’IA”; è progettare compiti in cui l’uso dell’IA non cancelli ciò che vogliamo valutare. Qui la letteratura istituzionale internazionale mostra una tendenza chiara: molti sistemi educativi si stanno orientando verso pratiche che richiedono trasparenza sull’uso dell’IA e, soprattutto, verifiche della comprensione attraverso discussione e controllo in presenza. (OECD)
Una soluzione didatticamente equilibrata, al liceo, è il modello a due tempi:
- Fase di produzione assistita (a casa o in laboratorio): lo studente può usare strumenti, anche IA, per costruire una bozza, esplorare, generare esempi, migliorare la forma.
- Fase di validazione in classe: difesa orale breve, esercizio “specchio” con variazione di parametri, correzione di un passaggio, controllo di un caso limite, spiegazione di un grafico. Qui si valuta la comprensione, non la capacità di produrre un testo elegante.
Questo impianto ha un vantaggio: educa a un uso maturo dell’IA, perché premia chi la utilizza come supporto e non come sostituto.
5. Etica, dati, trasparenza: non sono “accessori”
Nel contesto scolastico la questione non è solo pedagogica, ma anche di tutela. Le linee guida italiane richiamano esplicitamente la necessità di garanzie sul trattamento dei dati personali e di comunicazione chiara alle famiglie quando siano coinvolti dati di minori; insistono su equità e trasparenza e sul diritto a informazioni comprensibili sul funzionamento e sulle ricadute dei sistemi adottati. L’Unione Europea, nelle proprie linee etiche per docenti, sottolinea la necessità di competenze critiche per integrare l’IA in modo responsabile e consapevole. (Area di Educazione Europea)
Tradotto in pratica di classe, questo significa almeno tre scelte operative, semplici ma decisive:
- Non inserire dati personali o sensibili nelle chat (studenti, valutazioni, situazioni individuali).
- Chiedere trasparenza sull’uso: una breve nota nel compito (“ho usato ChatGPT per…, con questi prompt…, ho verificato così…”).
- Dichiarare che l’IA non è autorità: ogni output va verificato con strumenti matematici (calcolo, grafico, ragionamento).
Queste non sono cautele “burocratiche”: sono parte della formazione alla cittadinanza digitale e, in matematica, coincidono con l’educazione alla dimostrazione e al controllo.
6. Un criterio guida per il liceo: progettare compiti “anti-delegabili”
Un compito è fragile rispetto all’IA quando richiede solo esecuzione standard. È robusto quando richiede decisioni, giustificazioni e controlli. In matematica liceale, compiti “anti-delegabili” non significano compiti oscuri o artificiali; significano compiti in cui lo studente deve:
- scegliere tra metodi possibili e motivare;
- discutere condizioni di applicabilità;
- produrre un controllo indipendente (stima, grafico, controesempio);
- spiegare un errore e correggerlo;
- collegare rappresentazioni (algebrica ↔ grafica ↔ tabellare).
In altre parole: ciò che distingue la competenza matematica dall’output testuale.
Conclusione
Per il liceo, la domanda non è se “accettare” ChatGPT, ma come usarlo per rendere più esplicite e valutabili le pratiche matematiche che vogliamo formare. Se l’IA generativa diventa un pretesto per tornare a valorizzare controllo, rigore, senso del limite e qualità dell’argomentazione, allora può rafforzare (non indebolire) la didattica.
L’indicazione più concreta, se si vuole iniziare senza strappi, è introdurre una routine stabile: una volta ogni due settimane un’attività di revisione critica di un testo matematico generato dall’IA (soluzione, dimostrazione, studio di funzione), con consegna finale di riscrittura rigorosa e breve difesa orale. È un uso circoscritto, verificabile, pienamente “matematico” e coerente con un quadro di adozione responsabile.
