L’apprendimento comincia spesso da un’immagine: uno schema, una mappa, un esempio svolto. In questa ricerca del 2024 mi chiedo come l’IA possa cambiare il modo in cui queste immagini vengono create e utilizzate. L’opportunità non è semplicemente illustrare più lezioni, ma rendere la spiegazione visiva capace di rispondere alle domande di chi apprende, preservando lo sforzo della comprensione.

Uno schema potrebbe semplificarsi, rivelare un altro livello o proporre un esempio diverso quando qualcuno incontra una difficoltà. Un tutor basato sull’IA potrebbe generare esercizi su un problema specifico. Servirebbe attenzione a conoscenze pregresse, ritmo e accessibilità, anziché assegnare a ciascuno uno stile di apprendimento fisso. Un’immagine più attraente non è necessariamente una spiegazione migliore: conta se chi impara riesce a usare il concetto in autonomia.

Gli insegnanti potrebbero usare l’IA per preparare materiali, adattare esempi e ridurre parte della burocrazia ordinaria. Il tempo risparmiato potrebbe favorire discussioni e riscontri individuali, ma anche verificare i contenuti generati richiederebbe lavoro. I dati sull’apprendimento potrebbero aiutare a riconoscere le difficoltà, purché clic e tempo davanti allo schermo non vengano confusi con la comprensione. Una previsione dovrebbe orientare l’indagine dell’insegnante, non fissare il futuro di uno studente in un profilo.

Realtà virtuale, realtà aumentata e modelli interattivi potrebbero permettere di esplorare una struttura, variare le condizioni di un esperimento o osservare una ricostruzione storica. Le lezioni di lingua potrebbero collegare parole, scene e contesti culturali. Queste esperienze richiederebbero confini chiari tra prove, interpretazione e invenzione. Una scena immersiva può essere memorabile senza essere accurata, e una cultura non si riduce a una raccolta di immagini riconoscibili.

Biblioteche e archivi visivi potrebbero diventare più facili da esplorare tra lingue e discipline. Gli studenti potrebbero confrontare come comunità diverse rappresentano la stessa idea, collegando scienza, storia e arte. Traduzioni ed esempi generati potrebbero ampliare la partecipazione, ma anche ripetere convenzioni dominanti. Fonti, prospettive locali e interpretazioni alternative dovrebbero restare visibili, senza dissolversi in un vocabolario visivo uniforme.

Un’altra possibilità riguarda il riscontro sul lavoro visivo: un sistema potrebbe segnalare testi illeggibili o invitare a ripensare una composizione. Non dovrebbe diventare il giudice finale della creatività. Né un punteggio di somiglianza dovrebbe essere trattato come prova di plagio. Discutere schizzi, fonti e scelte aiuterebbe gli studenti a spiegare il processo e a distinguere assistenza e autorialità.

Didascalie, audiodescrizioni, impaginazioni regolabili e comandi alternativi potrebbero ampliare l’accesso, anche nell’apprendimento permanente. Esercizi di tipo ludico potrebbero incoraggiare la pratica quando servono alla materia, invece di premiare soltanto l’uso continuato. Queste scelte vanno verificate con persone diverse. Costo dei dispositivi, accesso agli insegnanti e riservatezza dei dati degli studenti resterebbero parte del problema progettuale.

Vedo la possibilità più preziosa nell’insegnare a interrogare le immagini, oltre che a crearle. Chi ha prodotto questa rappresentazione, che cosa esclude e come si potrebbe mostrare diversamente? L’IA potrebbe rendere più accessibile il linguaggio ereditato dalla cultura visiva, attraverso le discipline. L’istruzione dovrebbe comunque sviluppare il giudizio necessario a scegliere, interpretare e mettere in discussione quel linguaggio.