L'IA a scuola: riconoscere i compiti scritti dall'IA e assegnare consegne che l'IA non può fare al posto tuo

In breve: oggi non esiste un modo affidabile per dimostrare che un testo l'ha scritto un'IA: i rilevatori misurano quanto un testo è prevedibile, non da dove viene, e colpiscono soprattutto gli studenti che scrivono in una seconda lingua. La strategia che funziona non è dare la caccia, ma ripensare le consegne: legale all'esperienza personale, ai dati della tua classe e a una breve discussione orale. Per mostrare che cosa succede quando si punta sulla correzione automatica abbiamo analizzato i più grandi corsi di IA al mondo. Quell'errore lo hanno già fatto, e i loro studenti lo hanno descritto parola per parola.

Perché i rilevatori sono un appoggio fragile

La tentazione è ovvia: incolli il testo, ottieni una percentuale, discorso chiuso. Il problema è che dietro quel numero non c'è nessuna prova. I rilevatori non «vedono» l'origine di un testo: stimano quanto è liscio e prevedibile. E scrivere liscio e prevedibile non è un privilegio delle macchine.

• Falsi positivi con chi non è madrelingua. Uno studente che scrive in una seconda lingua usa costruzioni più semplici e formule standard: esattamente i segnali che un rilevatore legge come «da macchina». Questo è un ragionamento su come funziona lo strumento, non una nostra misurazione: non abbiamo testato i rilevatori sulle classi e non possiamo dare un tasso di errore. Ma la direzione dell'errore discende direttamente dal meccanismo.
• Falsi positivi con gli studenti precisi. Struttura ordinata, tono neutro, nessun errore, e un lavoro onesto si prende una «percentuale di IA» alta.
• Aggirarlo è banale. Chiedi al modello di scrivere più semplice e più vivo, riscrivi un paio di frasi a mano e il punteggio scende. È un filtro al contrario: prende gli onesti e lascia passare chi si è impegnato a nascondersi.
• Una percentuale non è una prova. Un numero su una scala opaca non è una probabilità. Non puoi presentarlo a uno studente come elemento a carico, né sul piano metodologico né su quello etico.

La conclusione è dura, ma conta: su un rilevatore non si costruisce un'accusa. Al massimo è un motivo per guardare il compito con più attenzione e parlarne, e quella conversazione comincia con una domanda, non con una sentenza. Su come funzionano questi strumenti: i rilevatori di testo IA funzionano?.

La nostra ricerca: che cosa succede quando la correzione la fa una macchina

Il 17 luglio 2026 abbiamo raccolto i dati dei più grandi corsi di IA su Udemy e Coursera: numero di iscritti, valutazioni, quota di recensioni negative e le recensioni stesse. Cercavamo concorrenti e abbiamo trovato un caso didattico già pronto. Perché le piattaforme online hanno già fatto l'esperimento che la scuola ha davanti: hanno sostituito la correzione umana con quella automatica. Il risultato lo hanno scritto i loro stessi studenti, alla lettera.

L'ordine di grandezza, per capire di chi parliamo: Google AI Essentials ha 1.876.929 iscritti. Generative AI for Everyone, di DeepLearning.AI (Andrew Ng): 814.083. Prompt Engineering for ChatGPT, di Vanderbilt: 698.444. Generative AI: Prompt Engineering Basics, di IBM: 654.256. Google Prompting Essentials: 365.425. Prompt Engineering Specialization, di Vanderbilt: 138.967. Sono milioni di persone, e tra loro ci sono i tuoi studenti delle superiori e i loro genitori.

«100% correct»: la sentenza sulla correzione automatica

Questa recensione va stampata e appesa in sala professori:

«you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.» — Shinysheep, 21/09/2023, 1★ (Vanderbilt, Prompt Engineering for ChatGPT)

Uno consegna un lavoro, riceve all'istante un «100% correct» e se ne va senza la minima idea di come sia andata. Non è un bug della piattaforma. È un limite strutturale: dentro la lezione di Coursera non c'è nessun modello, quindi lì non c'è fisicamente niente in grado di valutare il prompt di uno studente. L'unica cosa che il sistema sa fare è accettare il file e timbrarlo.

Che cosa significa per la tua classe: un voto assegnato senza che una persona abbia letto il compito non dice niente allo studente. Zero informazione. E vale anche al contrario: pure la percentuale di un rilevatore viene assegnata senza che nessuno abbia letto il compito. Cambia solo il segno: di là un dieci automatico, di qua un'accusa automatica. Non valgono niente entrambi, e per lo stesso motivo.

Ecco che cosa succede a chi studia quando la correzione è automatica e il riscontro non c'è:

«Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience.» — Laurie J Phillips, 12/04/2024, 3★ (IBM)

«quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'» — Cory Covino, 04/05/2024, 2★ (IBM)

«All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter.» — Cornelius Griggs, 1★ (Generative AI with LLMs)

Tre recensioni, tre sintomi che ogni insegnante riconosce: mandare a memoria per passare un test, un riscontro che si riduce a «riguarda il video» e un esercizio in cui è già tutto fatto e basta premere un tasto. Nessuno dei tre parla di IA. Tutti e tre parlano di una valutazione che ha smesso di essere una conversazione. L'IA non è la causa, è l'acceleratore: dove un compito si chiude con un pulsante, lo studente il pulsante lo trova.

«Legge solo la slide»: che cosa vuol dire per la tua lezione

Il motivo più ricorrente nelle recensioni negative che abbiamo raccolto (§4.1 della nostra ricerca) non è la difficoltà e non è il prezzo. È la sensazione che il docente non serva:

«why read straight from the slide? I can do that. This was not a helpful course at all» — Janie I., 02/07/2026, 1★ (Justin Barnett, 152.821 iscritti)

«50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website» — Shashank T., 13/04/2026, 1★ (The Complete AI Guide)

«Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word» — Bradley M., 16/04/2026, 1★ (RPATech, 118.803 iscritti)

La lezione per la scuola è sgradevole, ma utile: se il contenuto della tua ora si può leggere da una slide, l'IA lo legge meglio: più in fretta, a qualsiasi ora, tutte le volte che serve. La parte dell'insegnare che consiste nel trasmettere informazioni te l'hanno già tolta, e non torna. Resta la parte che nessun modello sa fare: accorgerti che proprio quel ragazzo si è bloccato proprio su quel passaggio, fargli una domanda, prendere l'errore nel ragionamento e non nella frase. È esattamente lì che ripensare le consegne rende.

«Solo teoria che sappiamo già»

Un secondo gruppo di recensioni spiega perché lo studente si rivolge alla macchina fin dall'inizio:

«The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models.» — Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

«Didnt meet expectations, only theory is discussed which we already know.» — Aditya Nagavolu, 19/11/2023, 1★ (Generative AI for Everyone)

Una consegna che non chiede altro che ripetere il noto verrà chiusa nel modo più economico possibile. Non è una questione di morale, è economia dello sforzo. «Scrivi un tema sull'amicizia» annuncia con tutta onestà: qui non si vuole niente di personale, niente di verificabile, niente di tuo. Il modello è il primo a sentire l'annuncio.

I contenuti scadono, e i test scadono con loro

Un altro gruppo, importante per chi ha in mente una lezione sull'IA:

«Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models.» — Jose C., 12/05/2026, 1★ (Barnett)

«The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed.» — Harsh A., 09/04/2026, 1,5★ (The Complete AI Guide)

«Most content is from 2024. This course is not bad for its time, but just too dated now.» — Martin F., 27/05/2026, 2★ (Generative AI for Beginners, con un «aggiornato il 18/04/2026» in scheda)

La prima è la più tagliente. L'errore sta nei video e nei test: cioè lo studente deve scegliere la risposta sbagliata per prendere il punto. Conseguenza pratica per una lezione: non costruirla intorno agli screenshot delle interfacce e a un elenco di modelli alla moda. Scade entro il quadrimestre prossimo. Costruiscila intorno a ciò che non scade: come si verifica un'affermazione, da dove salta fuori un numero, perché a certe domande non si risponde con un prompt solo.

Sulla quota di recensioni negative, e un'obiezione onesta contro noi stessi

Abbiamo calcolato la quota di voti pari o inferiori a 3,5★ nei corsi Udemy più grandi: 9,61% per Generative AI for Beginners (409.492 iscritti, voto 4,53), 10,36% per The Complete AI Guide (376.845 iscritti, 42 ore, 545 lezioni) e almeno il 4,00% per Prompt and Context Engineering 101 di Mike Wheeler (84.942 iscritti, 4,31: il voto peggiore del campione). Su Coursera la quota negativa è nettamente più bassa: 1,5–3,5%.

L'obiezione senza cui questi numeri non si leggono: il filtro per stelle di Coursera gira nel browser, e il server restituisce sempre la prima pagina di recensioni. Le citazioni qui sopra vengono quindi dalla vista predefinita che vede qualsiasi visitatore, non da un campione completo dei negativi. La distanza tra «1,5–3,5%» e «9,61%» non si legge come «su Coursera insegnano meglio»: le piattaforme hanno pubblici diversi, barriere d'ingresso diverse e modi diversi di raccogliere le recensioni. La riportiamo come misura, non come giudizio sulla qualità.

Che cosa funziona davvero

Sposta il fuoco: non «come li becco», ma «come rendo inutile copiare». L'IA è ottima con le consegne spersonalizzate: «scrivi un tema sull'amicizia», «prepara una ricerca sui vulcani». È scarsa con le consegne legate a una persona precisa, a un momento preciso e a dati precisi che non stanno su internet.

Sei modi per ripensare una consegna

1. Legala all'esperienza personale. Non «un tema sull'amicizia», ma «un momento della tua vita in cui hai capito che l'amicizia non è sempre divertente: descrivi il luogo, il momento e che cosa hai provato esattamente». Il modello se lo inventerà, e l'invenzione crolla alla prima domanda di chiarimento. Errore tipico: aggiungere la parola «personale» alla vecchia formulazione e considerare la consegna ripensata. «Scrivi della tua esperienza personale dell'amicizia» si chiude con la stessa facilità di prima.
2. Legala alla lezione. «Usa i tre esempi che abbiamo visto giovedì e spiega perché il quarto esempio del libro qui non va bene.» L'IA il tuo giovedì non ce l'ha. La forza sta nella seconda metà: spiegare perché una cosa non va bene è molto più difficile che elencare quelle che vanno bene.
3. Dai loro i tuoi dati. Un sondaggio in classe, le misure del laboratorio, una tabella che hai costruito tu. Lo studente lavora con l'IA sopra quei dati, e questa è già una competenza legittima, non una copiatura. In più: tutta la classe ha gli stessi dati e conclusioni diverse, e i disaccordi diventano la lezione.
4. Chiedi il processo, non il prodotto. Una bozza, una scaletta, un elenco di idee scartate e il perché sono cadute. Il testo finale l'IA lo scrive in un secondo; la storia dei tuoi dubbi no. Obiezione contro noi stessi: anche il processo si può falsificare, con un «inventami tre idee scartate». Per questo il processo non funziona da solo: funziona in coppia con una discussione orale.
5. La discussione orale. Tre minuti, due domande sul testo: «spiegami questo paragrafo con parole tue» e «che cosa cambieresti se…». È il modo più onesto e più rapido per capire di chi è il lavoro, e non richiede nessuna tecnologia. Ed è esattamente ciò la cui assenza ha fatto scrivere a Shinysheep «I am still speechless».
6. Legalizza l'IA e pretendi una riflessione. «Puoi usare l'IA. Allega i tuoi prompt, allega quello che ha prodotto il modello e scrivi che cosa hai corretto e perché.» Copiare diventa analisi e, sinceramente, una lezione migliore. In più vedi chi in classe sa notare gli errori del modello e chi copia senza guardare.

Prompt 1: verificare se una consegna è copiabile

Parti dalla diagnosi, non dal rifacimento. Questo prompt gira così com'è: la consegna è già dentro; sostituiscila con la tua quando avrai visto come si comporta.

Sei un progettista didattico. Qui sotto c'è un compito
scolastico. Prima svolgilo come lo farebbe uno studente che
lo affida a un'IA: scrivi una risposta di 150 parole.
Poi valuta te stesso con onestà.

Compito (storia, 15 anni): «Scrivi un tema di 500 parole
sulle cause della Prima guerra mondiale».

Dopo la tua risposta, fai l'analisi:
1. Un voto di copiabilità da 1 a 10, dove 10 significa
   «si consegna senza toccare niente».
2. Che cosa esattamente nella formulazione te l'ha permesso.
3. Tre versioni rifatte del compito che renderebbero inutile
   la tua risposta qui sopra. Per ognuna indica: che cosa
   lega il lavoro all'esperienza personale dello studente, ai
   dati della classe o a una lezione precisa; quale artefatto
   del processo consegna lo studente; due domande per una
   discussione orale di tre minuti.
4. Per ogni versione, prova a scardinarla e di' da dove
   fa acqua lo stesso.

Non proporre divieti né rilevatori. Conserva l'obiettivo
didattico.

Il punto 4 è quello che conta. Stai chiedendo al modello di attaccare la propria proposta. Senza quel passaggio ti consegna tre versioni eleganti, due delle quali si copiano con la stessa facilità dell'originale.

Prompt 2: una dimostrazione di allucinazione in classe

Cinque minuti che battono dieci prediche sull'onestà. Lancialo dal vivo e mostra lo schermo.

Parlami in dettaglio del romanzo «Le lettere salate del
porto», di Miriam Aldecoa, uscito nel 1934. Riassumi la
trama, elenca i personaggi principali e spiega perché la
critica dell'epoca discuteva sul finale.

Poi, in un blocco a parte intitolato «Verifica»:
- di' chiaramente se questo libro esiste davvero;
- se non sei sicuro, spiega da dove vengono i dettagli
  che hai scritto sopra;
- elenca i segnali che avrebbero permesso a un lettore di
  sospettare che la risposta fosse inventata.

Quel libro non esiste. Gli esiti possibili sono due e sono entrambi una buona lezione. O il modello si inventa con sicurezza trama e personaggi (e poi si smaschera da solo nel blocco «Verifica»), o ammette onestamente che quel libro non gli risulta. Il secondo esito non rovina la dimostrazione: chiedi alla classe perché il modello ha esitato qui e non esita quando sputa una data o una fonte nei loro compiti. La meccanica: le allucinazioni dell'IA.

Prompt 3: quindici varianti di un problema in un minuto

L'altra faccia: la routine che si mangia le tue serate. Questo prompt è autosufficiente e gira così com'è.

Prepara 15 varianti di un problema per ragazzi di 11-12 anni
sullo stesso metodo, ma con numeri e situazioni diversi.

Problema modello: «La biblioteca della scuola ha 240 libri.
Il 35% sono narrativa, il resto sono libri di testo. Durante
l'anno la biblioteca compra altri 60 libri di testo. Che
percentuale del fondo è narrativa adesso?»

Requisiti:
- scegli i numeri in modo che le risposte non superino
  le due cifre decimali;
- le situazioni devono essere varie e quotidiane, senza
  ripetizioni;
- fai cinque varianti un passo più semplici e cinque più
  difficili (aggiungi un dato che non serve per risolverle);
- chiudi con una tabella di risposte separata che mostri lo
  svolgimento completo di ognuna.

Controlla i conti prima di stampare e segna con un
asterisco le varianti di cui non sei sicuro.

L'ultima riga pesa più di quanto sembri: questi modelli calcolano peggio di quanto scrivano. Le risposte controllale comunque, ma ridurre il controllo alle varianti segnate ti salva già una serata.

Prompt 4: domande per la discussione orale

Sei un insegnante. Qui sotto c'è un paragrafo preso dal
lavoro di uno studente. Scrivi cinque domande per una
discussione orale di tre minuti a cui non si possa rispondere
semplicemente rileggendo il paragrafo ad alta voce.

Paragrafo: «La rivoluzione industriale cambiò la struttura
della società. Nacque una nuova classe, gli operai
industriali, la cui condizione era dura: giornate lunghe,
lavoro minorile, nessuna assicurazione. Nello stesso tempo
crebbero le città, e questo creò problemi di igiene e di
alloggi».

Per ogni domanda indica:
- che cosa verifica davvero (comprensione della causa,
  capacità di portare un esempio, capacità di accorgersi di
  una semplificazione);
- come suona la risposta di chi ha capito;
- come suona la risposta di chi ha consegnato un testo
  altrui.

A parte, indica tre punti del paragrafo in cui l'autore ha
smussato qualcosa, e come chiedere di ciascuno.

Quest'ultima istruzione è la parte più utile. I punti smussati ci sono in ogni testo, e una domanda mirata lì blocca sia lo studente che ha copiato sia quello che ha scritto da solo senza pensarci. Proprio quella distanza tra «testo consegnato» e «persona che ha capito» è quello che stai cercando di misurare.

Lingua d'insegnamento: il numero che cambia lo sguardo sui non madrelingua

Se in classe hai ragazzi per cui la lingua d'insegnamento non è quella materna, questo risultato sottoposto a revisione paritaria vale la pena. Bälter, Kann, Mutimukwe e Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) hanno condotto uno studio randomizzato controllato su 2.263 studenti svedesi: lo stesso corso online di programmazione, erogato in svedese e in inglese.

• Abbandono in lingua materna: 57%. Abbandono in inglese: 71% (φ=0,2; p<0,00001).
• Punteggio medio di chi è rimasto attivo: 16,9 contro 14,3 (δ=0,085: una dimensione dell'effetto trascurabile).

Leggilo con attenzione: la lingua non ha danneggiato la comprensione: chi è rimasto ha preso quasi gli stessi punti. Ha fatto andare via. Un altro dettaglio: la padronanza dichiarata da sé non proteggeva dall'abbandono in più.

Da qui due conseguenze per la scuola. Prima: quando uno studente che scrive in una seconda lingua produce una prosa più semplice e più asciutta, non è un segno di pigrizia e non è un segno di modello. È il prezzo che paga per lavorare nella lingua di un altro. Seconda: un rilevatore che reagisce alla semplicità colpirà sistematicamente proprio lui. La combinazione, più rischio di abbandono e più rischio di accusa infondata, ne fa la persona più esposta della tua classe. È l'unica categoria in cui un errore dell'insegnante costa il massimo.

Come capire se il rifacimento ha funzionato

Un test di onestà semplice: prendi la tua nuova consegna, incollala per intero in una chat e guarda che cosa esce. Se il modello produce un testo che uno studente potrebbe consegnare così com'è, la consegna non l'hai ripensata: l'hai solo allungata. Se il modello produce un guscio vuoto ma verosimile, che crolla alla domanda «e questi numeri da dove vengono?», sei sulla strada giusta.

Secondo segnale: uno studente che ha fatto il lavoro onestamente deve saperlo difendere per tre minuti senza preparazione. Se non ci riesce, o non ha capito, o la consegna verifica qualcosa di diverso da quello che volevi verificare. Entrambe le conclusioni servono, e nessuna delle due ha bisogno di un rilevatore.

Terzo segnale, il più severo: due studenti che fanno la tua consegna onestamente devono consegnare lavori diversi. Se i lavori onesti non si distinguono l'uno dall'altro, la consegna misura l'obbedienza e non il pensiero, e una macchina la chiude.

Cinque errori tipici nel rifare una consegna

• Allungare invece di ripensare. La regola «minimo 1000 parole» punisce solo lo studente che scrive da solo.
• «Con parole tue» come formula magica. I modelli sono bravissimi «con parole loro». Quella frase è un desiderio, non un vincolo.
• Vietare l'IA senza poterlo verificare. Una regola di cui non puoi vedere il rispetto insegna esattamente una cosa: che le regole si possono non rispettare.
• Puntare su un tema raro. «Di questo su internet di sicuro non c'è niente» è quasi sempre falso e si smonta in un minuto. Raro devono essere i dati, non il tema.
• Accusare in base a una percentuale. Il più costoso. Un'accusa infondata costa la fiducia di un'intera classe per anni; una copiatura che ti sfugge costa un voto.

Come parlarne con la classe

Un secco «l'IA è vietata» fallisce per lo stesso motivo per cui è fallito il divieto delle calcolatrici: lo strumento ce l'hanno tutti in tasca, e gli studenti lo usano a prescindere dalla tua opinione. Funziona un accordo detto ad alta voce.

• Di' le regole in modo esplicito. Dove l'IA va bene (cercare idee, farsi spiegare un punto oscuro, controllare l'ortografia), dove no (consegnare testo generato come proprio) e che cosa va dichiarato se la si è usata.
• Spiega il perché. Non «perché è disonesto», ma «perché quello che consegni non è un testo, è la tua comprensione; un testo senza comprensione non vale niente né per me né per te».
• Racconta le allucinazioni. Gli studenti davvero non sanno che i modelli inventano fatti, date e fonti con la massima sicurezza. Una dimostrazione in classe vale dieci prediche: il prompt 2 qui sopra parte direttamente da questa pagina.
• Mostra loro la recensione di Shinysheep. Sul serio. «I put all that effort in and have no idea whether I my answer was correct or not» è esattamente ciò che prova uno studente a cui arriva un voto senza commento. La conversazione sul perché serva una correzione umana parte meglio dall'esempio di un altro che dal tuo registro.
• Non accusare mai in base a una percentuale. Se un lavoro solleva dubbi, chiedi: «raccontami come l'hai scritto».

Dove l'IA aiuta l'insegnante stesso

La routine che si mangia le tue serate si automatizza sorprendentemente bene.

• Generare 15 varianti dello stesso tipo di problema con numeri diversi (prompt 3 qui sopra)
• Riscrivere un testo al livello della tua classe, o adattarlo per uno studente in difficoltà
• Costruire una griglia di valutazione e domande per la discussione orale (prompt 4 qui sopra)
• Inventare un riscaldamento, un dibattito o un gioco di ruolo da 5 minuti
• Scrivere una bozza di commento a un lavoro, che poi riscrivi per quel ragazzo preciso

Un confine netto: non incollare in chat lavori degli studenti con nomi, voti o qualsiasi dettaglio personale. Sono dati personali di minori, e norme come il GDPR si applicano per intero. Anonimizza prima di inviare, oppure usa strumenti approvati dalla scuola. Di più: la privacy quando si lavora con l'IA.

E un secondo confine, che discende dai nostri stessi dati: una bozza di commento è una bozza. La macchina che assegna un voto senza che una persona legga il compito si chiama «100% correct» e non insegna niente a nessuno. Non ripetere l'errore altrui sul tuo materiale.

L'essenziale

Dare la caccia non serve, i rilevatori sono inaffidabili, i divieti non funzionano. Funziona altro: consegne in cui il valore lo crea una persona e l'IA è solo uno strumento. I più grandi corsi di IA al mondo, che contano gli studenti a centinaia di migliaia e a milioni, hanno già mostrato dove finisce la correzione automatica: «100% correct» e zero riscontro. Su di loro hai esattamente un vantaggio, ed è enorme: puoi fare una domanda e sentire la risposta. Se prima vuoi capire tu questi modelli, parti dalla guida a ChatGPT per principianti, dal nostro articolo sui prompt e dall'analisi delle allucinazioni.