EDU
2026.06.22

EDU — Settimana 22/06–28/06 2026

TL;DR

La settimana in cui l’adozione dell’AI a scuola tocca la saturazione e mette a nudo ciò che manca: formazione, impalcatura pedagogica e cornici normative. Il nuovo report Microsoft (alla vigilia di ISTELive) misura un’adozione quasi universale (92% di studenti e dirigenti) accanto a un divario di competenze enorme (il 77% degli studenti senza alcuna formazione). In parallelo la ricerca sull’inclusione riscopre il valore del ‘calore’ del feedback umano per gli studenti neurodivergenti, la GAO ricorda che la formazione docenti che funziona è quella collaborativa, e 27 stati USA legiferano per mettere argini. Il filo che lega tutto: la tecnologia è già in classe, le grammatiche per governarla arrivano adesso.

🎓 EDU — Settimana 22/06–28/06 2026

TL;DR: La settimana in cui l’adozione dell’AI a scuola tocca la saturazione e mette a nudo ciò che manca: formazione, impalcatura pedagogica e cornici normative. Il nuovo report Microsoft (alla vigilia di ISTELive) misura un’adozione quasi universale (92% di studenti e dirigenti) accanto a un divario di competenze enorme (il 77% degli studenti senza alcuna formazione). In parallelo la ricerca sull’inclusione riscopre il valore del “calore” del feedback umano per gli studenti neurodivergenti, la GAO ricorda che la formazione docenti che funziona è quella collaborativa, e 27 stati USA legiferano per mettere argini. Il filo che lega tutto: la tecnologia è già in classe, le grammatiche per governarla arrivano adesso.

🔴 Segnale forte

L’adozione ha raggiunto la saturazione. L’impalcatura no.

Per due anni la domanda è stata “gli insegnanti useranno l’AI?”. Questa settimana arriva la risposta, ed è già vecchia: la usano quasi tutti. Il terzo report annuale “AI in Education” di Microsoft, pubblicato il 24 giugno alla vigilia di ISTELive 2026, fotografa un’adozione che ha smesso di essere notizia: il 92% di studenti e dirigenti scolastici e l’88% dei docenti hanno già usato l’AI per scopi legati alla scuola, e il 58% dei leader dichiara di starla già implementando o scalando. L’indagine, condotta da PSB Insights su 3.345 rispondenti in sei paesi (Stati Uniti, Regno Unito, Australia, Brasile, Giappone, Arabia Saudita), non descrive più una frontiera ma un dato di fatto.

Il punto interessante non è l’adozione: è il vuoto che lascia dietro di sé. Il 77% degli studenti e il 53% dei docenti dichiarano di non aver ricevuto alcuna formazione formale sull’uso dell’AI, mentre il 66% degli insegnanti e il 52% degli studenti vorrebbero che la propria istituzione offrisse formazione con cadenza mensile o trimestrale. E quando si chiede cosa preoccupa di più, la risposta converge: l’integrità accademica è la prima ansia per il 41% degli studenti e il 42% dei docenti. Tradotto: la pratica ha corso più veloce delle competenze, delle regole e della fiducia.

Questo divario assume senso pieno se lo si legge accanto alla cornice concettuale che l’OECD ha consolidato con il Digital Education Outlook 2026. L’OECD è netto su un punto che dovrebbe stare scritto sopra ogni lavagna: completare un compito con l’AI non significa imparare. Gli studi rivisti mostrano che gli studenti che usano strumenti generativi generici producono spesso output di qualità superiore, ma il vantaggio svanisce — o addirittura si inverte — quando l’accesso all’AI viene rimosso, per esempio in sede d’esame. La GenAI migliora l’apprendimento solo quando è guidata da un’intenzione pedagogica chiara; senza, “esternalizzare” il compito alla macchina alza la performance senza produrre alcun guadagno reale di apprendimento. L’OECD propone tre modi di collaborazione uomo-macchina — sostituzione, complementarità, augmentation — e avverte che la differenza non è tecnica ma sta nel ruolo del giudizio professionale del docente. Va ricordato che già nel 2024 la survey TALIS registrava il 37% dei docenti di secondaria inferiore che usava l’AI nel proprio lavoro, con il 72% preoccupato per l’integrità: la traiettoria era scritta, ora tocca il suo punto critico.

Sull’altro versante c’è il monito più severo dell’anno, il “premortem” della Brookings Global Task Force on AI in Education: dopo aver consultato studenti, docenti, famiglie e tecnologi in oltre 50 paesi, la conclusione è che nelle condizioni attuali i rischi dell’AI in educazione superano i benefici — rischi per attenzione, ragionamento, relazioni, privacy e agency dei minori. Non un rifiuto della tecnologia, ma la certificazione che senza impalcatura il saldo è negativo.

E quindi, per chi insegna? Tre mosse concrete. Primo: spostare l’investimento dall’accesso allo strumento alla formazione ricorrente e basata sul ruolo — è esattamente ciò che i docenti chiedono, ed è la condizione perché l’adozione diventi apprendimento. Secondo: progettare compiti la cui difficoltà sopravviva alla rimozione dell’AI. Se il vantaggio sparisce all’esame, il compito misurava la macchina, non lo studente: serve riportare il pensiero dove l’AI non può sostituirlo. Terzo: rendere esplicite le regole d’uso compito per compito (quando sì, quando no, con quale tracciabilità), perché l’ansia da integrità non si cura vietando ma chiarendo. La parola che l’OECD mette al centro — augmentation — è la stessa che protegge il mestiere: l’AI vale se amplifica il giudizio del docente, non se lo aggira.

Fonti: Microsoft — AI in Education Report 2026 · OECD Digital Education Outlook 2026 · Brookings — Prosper, Prepare, Protect

📡 Altri fili

Il “calore” che l’algoritmo non ha: inclusione e feedback umano

Mentre il mainstream celebra la personalizzazione AI, la ricerca sull’inclusione introduce un contrappunto che merita attenzione. Uno studio pubblicato il 26 giugno su Frontiers in Computer Science, Exploring inclusive AI in education: perceptions of neurodivergent and neurotypical students, confronta le percezioni di studenti neurodivergenti e neurotipici verso l’AI nell’istruzione superiore. Il risultato è controintuitivo rispetto alla narrazione dominante: gli studenti neurodivergenti, proprio quelli che la personalizzazione dovrebbe avvantaggiare di più, esprimono una preferenza marcata per il feedback umano per via del suo “calore”, e segnalano il rischio che i bias di design delle applicazioni AI ignorino o travisino le loro specifiche esigenze di apprendimento. La raccomandazione degli autori non è “meno AI”, ma approcci ibridi che combinino feedback umano e automatico dentro strategie pedagogiche che tengano conto della variabilità interna alla popolazione neurodivergente. Lo stesso numero ospita un lavoro complementare sulla agency professionale degli operatori nel negoziare tecnologie assistive e AI in contesti neurodivergenti. E quindi? Per chi lavora con BES e neurodivergenza, il messaggio è di non delegare la relazione: l’AI può alleggerire la dimensione tecnica (riformulare, scomporre, ripetere), ma la funzione di “base sicura” del feedback resta umana. L’ibrido ben progettato batte sia il tutto-umano sia il tutto-macchina.

Fonti: Frontiers — Inclusive AI, percezioni di studenti neurodivergenti · Frontiers — Agency professionale e AI in contesti neurodivergenti

La formazione che funziona è quella tra colleghi, non quella in piattaforma

Il report Microsoft dice che i docenti chiedono formazione: la domanda è quale. Arriva utile una sintesi recente della U.S. Government Accountability Office sull’efficacia dello sviluppo professionale K-12, che ricorda due cose scomode. Primo: l’evidenza su quali tipi di formazione migliorino davvero i risultati degli studenti è mista, nonostante i più di 2 miliardi di dollari l’anno che il Dipartimento dell’Istruzione USA eroga in grant. Secondo, e più operativo: interrogati su cosa ha realmente migliorato il loro insegnamento, il 67% dei docenti (survey RAND nazionale) indica le opportunità di apprendimento collaborativo con altri colleghi. Il dato dialoga in tensione con l’espansione globale della formazione online — una ricerca comparativa decennale Cina/USA registra tassi di partecipazione oltre il 75% — e con il fronte dell’accesso, dove UNESCO interviene dove l’infrastruttura manca: il mobile learning per lo sviluppo professionale dei docenti in Sud Sudan lanciato il 23 giugno e la Global Skills Academy che espande competenze digitali e AI nei sistemi TVET in Kenya. E quindi? Se si deve scegliere dove mettere ore e budget, le evidenze suggeriscono comunità di pratica e peer learning prima dei corsi-pillola, e per i sistemi a bassa connettività il canale mobile come leva di equità.

Fonti: GAO — Effectiveness of Teacher Professional Development · UNESCO — News educazione · UNESCO — Digital education

L’anno dei guardrail: la legge entra in classe

Se il segnale forte è il vuoto normativo, questo filo ne mostra il riempimento in corso. FutureEd, nel suo Legislative Tracker 2026, monitora 71 disegni di legge in 27 stati USA sull’AI nell’istruzione, con due direttrici. La prima è l’alfabetizzazione AI come requisito: diversi stati la inseriscono tra i crediti di diploma (Iowa per la coorte 2030-31, Illinois H.B. 4411 con un anno pieno di informatica e AI dal 2028-29, Ohio H.B. 594 dal 2029), spesso dentro i corsi di computer science con moduli su fondamenti, etica e impatto sociale. La seconda è la governance protettiva: la South Carolina H.B. 5253 disegna gli argini più severi — consenso opt-in dei genitori, divulgazione pubblica annuale degli strumenti AI e delle pratiche sui dati, divieto di sostituire docenti abilitati nell’istruzione di base e nella valutazione, stop alle decisioni automatizzate ad alto impatto senza supervisione umana significativa, minimizzazione dei dati e divieto d’uso commerciale dei dati degli studenti. L’aggiornamento legislativo del 26 giugno della Transparency Coalition conferma il ritmo. E quindi? La cornice sta passando da “è permesso” a “ecco i limiti”, e in molti casi i limiti proteggono il ruolo docente (niente AI che sostituisce o valuta al posto dell’insegnante). Per chi insegna in Italia ed Europa, è un anticipo di dibattiti che arriveranno, utile per posizionarsi prima.

Fonti: FutureEd — Legislative Tracker 2026 · Transparency Coalition — Update 26/06/2026 · MultiState — AI in Education 2026

🧭 Tendenze della settimana

Tre dati apparentemente lontani — una survey di vendor, uno studio sull’inclusione, un tracker legislativo — raccontano la stessa storia. La tecnologia è già dentro la classe; le grammatiche per governarla arrivano solo adesso. Il 2026 si sta rivelando l’anno in cui le istituzioni costruiscono a posteriori l’impalcatura attorno a una pratica già di massa: formazione (ciò che manca secondo Microsoft), pedagogia (ciò che l’OECD prescrive), relazione (ciò che gli studenti neurodivergenti rivendicano), diritto (ciò che 27 stati legiferano).

La tensione di fondo è tra velocità di adozione e lentezza dell’apprendimento istituzionale: gli strumenti si diffondono in mesi, le competenze, le norme e le evidenze in anni. Ed è proprio in questo scarto che si annida il rischio segnalato da Brookings.

Due segnali deboli da tenere d’occhio. Il primo è semantico ma rivelatore: parole come “calore” (il feedback umano), “agency” (del docente e dell’apprendente), “augmentation” (non sostituzione) stanno diventando i criteri con cui si discrimina il buon uso dell’AI dal cattivo. È un argine umanistico che torna dal basso, non un freno luddista. Il secondo è la standardizzazione delle competenze AI dei docenti: il fatto che la credential di AI Literacy di Microsoft sia co-costruita con ISTE e ASCD e ancorata ai framework di Commissione Europea e OECD segnala che la formazione docente sull’AI sta passando dall’improvvisazione a uno standard condiviso. Chi definisce lo standard, definisce la pratica.

🔬 Dalla ricerca

1. Exploring inclusive AI in education (Frontiers in Computer Science, 26 giugno 2026). Lo studio confronta come studenti neurodivergenti e neurotipici percepiscono l’AI nell’istruzione superiore. Cosa hanno trovato: l’AI è vista come promettente per l’inclusività, ma gli studenti neurodivergenti preferiscono il feedback umano per il suo “calore” e temono bias di design che ne ignorino i bisogni; la raccomandazione è l’ibrido umano-AI dentro strategie pedagogiche sensibili alla variabilità. Cosa significa in classe: la personalizzazione automatica non basta e può persino respingere chi dovrebbe servire; il valore aggiunto sta nel combinare la precisione tecnica della macchina con la funzione relazionale dell’insegnante. Leggi lo studio.

2. Effectiveness of Professional Development (U.S. GAO, gao-26-107874). Sintesi delle evidenze sull’efficacia della formazione docenti K-12 negli USA. Cosa hanno trovato, con quale metodo: a partire da survey nazionali (incl. RAND) e revisione dei programmi federali, emerge che l’evidenza su quali formati funzionino è mista, ma il 67% dei docenti indica l’apprendimento collaborativo tra pari come ciò che ha migliorato insegnamento e risultati. Cosa significa in classe: a parità di risorse, investire in comunità di pratica e collaborazione strutturata tende a rendere più dei corsi erogativi isolati. Leggi il report.

📌 Da tenere d’occhio