EDU
2026.08.24

EDU — Settimana 24/08–30/08 2026

TL;DR

Il rientro a scuola dell’emisfero nord si apre con due gesti opposti e simultanei: l’IA generativa entra dentro l’infrastruttura didattica (Classroom, Copilot, piattaforme LMS) mentre gli smartphone ne escono per legge (Danimarca dal 2026/27, Inghilterra in arrivo). Sullo sfondo, l’OCSE pubblica il 26 agosto un lavoro che prova a collegare PISA e PIAAC e riapre la domanda scomoda: di quello che misuriamo a quindici anni, quanto resta a trenta?

TL;DR: Il rientro a scuola dell’emisfero nord si apre con due gesti opposti e simultanei: l’IA generativa entra dentro l’infrastruttura didattica (Classroom, Copilot, piattaforme LMS) mentre gli smartphone ne escono per legge (Danimarca dal 2026/27, Inghilterra in arrivo). Sullo sfondo, l’OCSE pubblica il 26 agosto un lavoro che prova a collegare PISA e PIAAC e riapre la domanda scomoda: di quello che misuriamo a quindici anni, quanto resta a trenta?

🔴 Segnale forte

L’IA smette di essere un’app e diventa infrastruttura

La settimana del rientro ha portato con sé un cambio di stato che vale più di qualunque annuncio singolo. Fino allo scorso anno l’IA generativa nella scuola era un’applicazione a lato: si apriva una scheda del browser, si scriveva un prompt, si tornava alla lezione. Gli aggiornamenti di agosto 2026 la spostano dentro il flusso di lavoro. Come riassume Dan Fitzpatrick su Forbes il 22 agosto, Gemini è ora disponibile dentro Google Classroom per studenti di tutte le età (a discrezione dell’amministratore di istituto) e, cosa decisiva, conosce il compito che lo studente sta svolgendo e i materiali che il docente ha assegnato. Microsoft ha rilasciato Study and Learn dentro Copilot, un coach che lavora per domande, flashcard e quiz invece che per risposte, e le Unit Plans che generano una bozza di unità didattica a partire da classe, disciplina, standard e durata.

La differenza tecnica è sottile, la differenza pedagogica non lo è. Un chatbot generico non sa cosa stai studiando e produce risposte. Un sistema che legge il contesto della classe può, in linea di principio, produrre scaffolding. È esattamente la variabile che Bastani e colleghi hanno isolato su PNAS in un esperimento su quasi mille studenti di matematica delle superiori: chi lavorava con ChatGPT senza vincoli risolveva il 48% di esercizi in più durante la pratica, poi crollava del 17% nella verifica successiva; chi lavorava con una versione istruita a dare suggerimenti senza rivelare la soluzione risolveva il 127% di esercizi in più e in verifica arrivava alla pari con il gruppo di controllo. Non meglio, alla pari. Il messaggio è duplice e va tenuto insieme: senza guardrail lo strumento danneggia l’apprendimento, con i guardrail smette di danneggiarlo. Il guadagno netto sull’apprendimento resta, per ora, da dimostrare.

Il contesto d’uso, intanto, è già saturo. La survey del Center for Democracy and Technology trova che l’85% dei docenti e l’86% degli studenti hanno usato IA nell’ultimo anno scolastico, e che il 69% dei docenti ritiene di aver migliorato il proprio insegnamento. Nello stesso dataset, però, metà degli studenti dichiara di sentirsi meno connessa al docente quando l’IA entra in classe, e sette docenti su dieci temono l’erosione di competenze che gli studenti devono ancora costruire. Il capitolo Education dell’AI Index 2026 di Stanford HAI fotografa lo stesso divario tra adozione e governance.

E quindi, per chi insegna? La domanda utile per settembre non è se usare l’IA, ma dove collocare l’attrito. L’evidenza disponibile dice che il valore didattico non sta nello strumento ma nel vincolo che gli si impone: suggerimenti progettati dal docente al posto delle soluzioni, richiesta di mostrare il processo, verifica dell’apprendimento in condizioni in cui lo strumento non c’è. Quest’ultimo punto merita attenzione: se la pratica avviene con l’assistente e la valutazione senza, il salto va progettato, non subito.

Fonti: Forbes, 10 Back-to-School AI Updates · Microsoft EDU Back to School August 2026 · PNAS, Generative AI without guardrails · CDT, Hand in Hand · Stanford AI Index 2026, Education

📡 Altri fili

Settembre mobile-free: la Danimarca passa dalla raccomandazione all’obbligo

Mentre l’IA entra, il telefono esce. Con l’anno scolastico 2026/27 che si apre in questi giorni, la Danimarca applica per la prima volta l’obbligo di legge concordato dal Folketing: scuola primaria, secondaria di primo grado e servizi extrascolastici devono essere mobile-free, con il vincolo esteso agli altri dispositivi personali connessi ma non a computer e tablet usati nella didattica, e con eccezioni per necessità sanitarie come il monitoraggio glicemico (scheda Eurydice). Il dettaglio interessante è procedurale: la norma non impone un modello unico, obbliga consigli di istituto e componente genitoriale a scrivere una politica locale, su un template ministeriale. Il divieto arriva accompagnato da un dispositivo di negoziazione, non al posto di esso.

L’Inghilterra ha annunciato ad aprile 2026 l’intenzione di introdurre un divieto per via legislativa. Il quadro complessivo è nel report analitico ENESET sulla diffusione dei divieti nell’UE, che stima intorno al 40% i sistemi educativi mondiali con qualche forma di restrizione a fine 2024 e, soprattutto, è prudente sugli effetti: l’evidenza su una riduzione durevole del tempo-schermo complessivo o dell’uso problematico è limitata, mentre i benefici più plausibili riguardano il perimetro della scuola, cioè meno distrazione in aula e minore esposizione a conflitti online durante l’orario scolastico.

E quindi, per chi insegna? Il divieto libera attenzione, non la riempie. Se la scuola non progetta cosa mettere nelle finestre che si aprono (intervalli non mediati, lavoro cooperativo, momenti di noia produttiva) il guadagno resta un fatto disciplinare. Vale anche l’inverso: la stessa scuola che vieta il telefono personale sta introducendo assistenti IA nel LMS. La coerenza del messaggio educativo va costruita esplicitamente, altrimenti gli studenti la leggono come arbitrio.

Fonti: Eurydice, Danimarca mobile-free · European School Education Platform, Mobile phone bans across the EU

Quanto resta di quello che misuriamo? L’OCSE prova a legare PISA e PIAAC

Il 26 agosto l’OCSE ha pubblicato Towards a stronger link between PISA and PIAAC: Two assessments, one story? (catalogo della Direzione Educazione e Competenze), 47 pagine che sfruttano i dati del ciclo 2 di PIAAC per chiedersi quanto le competenze misurate a quindici anni predicano quelle osservate in età adulta. Il lavoro confronta risultati contemporanei, pseudo-coorti appaiate e traiettorie temporali paese per paese. È un documento tecnico, ma la posta in gioco è di sistema: se le due fotografie non raccontano la stessa storia, la domanda diventa se stiamo misurando la stessa cosa, oppure se una parte di quello che PISA cattura non sopravvive all’uscita dalla scuola.

Il pezzo si incastra con A Conceptual Foundation for the Development of a Lifelong Learning Measurement Framework, pubblicato a fine luglio, che elenca senza giri di parole i limiti dei sistemi di dati attuali: copertura anagrafica stretta, assenza di tracciamento longitudinale, sovrappeso degli esiti occupazionali, misurazione insufficiente dell’apprendimento informale. E indica proprio nella mancanza di raccordo longitudinale tra PISA e PIAAC uno dei buchi strutturali.

E quindi, per chi insegna? Poco nell’immediato, molto nel medio periodo. Se l’OCSE si muove verso un’infrastruttura di misura che segue le persone nel tempo invece di fotografare coorti, cambia il criterio con cui si valuterà la qualità di un sistema scolastico, e con esso l’indicatore su cui i decisori chiederanno conto alle scuole. Vale la pena osservare da vicino cosa entra e cosa resta fuori da quella definizione di apprendimento.

Fonti: OECD, Directorate for Education and Skills (working papers) · OECD, PIAAC · OECD, Lifelong Learning Measurement Framework · OECD Digital Education Outlook 2026

L’attenzione come ecosistema, non come tratto individuale

Fra i lavori usciti nell’ultimo mese su Education Sciences merita una sosta il Cognitive Ecology of Learning Framework, che propone di leggere l’attenzione in classe come proprietà dell’ambiente e non del singolo studente. Il framework articola tre dimensioni a livello di classe: domanda cognitiva disciplinare, condizioni di frammentazione attentiva, opportunità di ripristino. La tesi centrale è che la combinazione di alta domanda cognitiva, frammentazione persistente e assenza di momenti di consolidamento produca quello che gli autori chiamano cognitive malnourishment, mentre l’endurance cognitiva si rafforza dove l’ambiente preserva continuità attentiva, indagine prolungata ed elaborazione riflessiva.

È un vocabolario nuovo per un problema che chi insegna conosce da anni, ma ha un pregio operativo: sposta la domanda da “questo studente non riesce a stare attento” a “questa lezione offre condizioni in cui l’attenzione può ricostituirsi?”. La convergenza con il filo sul mobile-free è evidente, e non è casuale: entrambi trattano l’attenzione come risorsa a bilancio, con voci in entrata e in uscita.

E quindi, per chi insegna? Progettare almeno un blocco per lezione a bassa densità di stimoli e alta densità di elaborazione. Non è un vezzo contemplativo, è manutenzione della capacità di lavoro cognitivo, e per gli studenti con ADHD o con profili di funzionamento esecutivo fragile è la differenza tra partecipare e sopravvivere.

Fonti: Educ. Sci. 16(8), The Cognitive Ecology of Learning

Curricoli che si muovono in Europa, mentre l’accesso resta il problema globale

Il rientro europeo porta con sé alcune modifiche strutturali. In Polonia l’educazione alla salute diventa materia obbligatoria dagli anni 4-8 della primaria e per due anni della secondaria a partire dal 2026/27. In Finlandia entra in vigore da agosto la one study place rule nell’istruzione terziaria, si aprono corsi di secondaria superiore in inglese accanto a finlandese e svedese, e si introducono tasse per i nuovi studenti extra UE/SEE nella formazione professionale (schede Eurydice). In Inghilterra si attende la risposta formale del DfE alla consultazione sul capitolo SEND dello Schools White Paper Every Child Achieving and Thriving, chiusa il 18 maggio, che sposta il baricentro del sostegno verso l’inclusione nel mainstream con un Inclusive Mainstream Fund da 1,6 miliardi di sterline su tre anni e un servizio Experts at Hand da 1,8 miliardi che porta logopedisti e psicologi scolastici dentro le scuole comuni (briefing House of Commons Library).

Sullo sfondo resta il quadro del GEM Report 2026 Countdown to 2030: Access and equity, che stima 272 milioni tra bambini, adolescenti e giovani ancora fuori dalla scuola. È il promemoria che la discussione su assistenti IA e divieti di smartphone è la discussione di una parte del mondo.

E quindi, per chi insegna? Il modello inglese di Experts at Hand è quello che vale la pena guardare da vicino anche da qui: sposta risorse specialistiche dentro la scuola comune invece che in percorsi separati, ed è la stessa direzione, con altri mezzi, in cui si muove il dibattito italiano sulla qualificazione del sostegno.

Fonti: Eurydice, riforme nazionali Finlandia · Eurydice, riforme nazionali Polonia · House of Commons Library, Schools White Paper 2026 SEND · GEM Report 2026

🧭 Tendenze della settimana

Il filo che tiene insieme la settimana è la gestione dell’attenzione come politica pubblica. Nel giro di poche settimane i sistemi educativi stanno facendo due cose che sembrano contraddittorie e non lo sono: rimuovono per legge un dispositivo che frammenta l’attenzione e introducono nell’infrastruttura didattica un dispositivo che promette di orchestrarla. La scommessa implicita è che l’attenzione tolta al telefono personale sia recuperabile e che un assistente integrato nel LMS sappia usarla meglio. Nessuna delle due premesse ha oggi un supporto empirico solido, e vale la pena dirlo con chiarezza: sul primo fronte l’analisi ENESET è esplicitamente cauta, sul secondo il dato PNAS mostra che il migliore dei casi è la parità, non il guadagno.

La seconda tensione è tra velocità di adozione e velocità di validazione. L’IA arriva nelle classi con cicli di rilascio trimestrali, mentre il ciclo di produzione dell’evidenza didattica misura anni. Il risultato è una scuola che decide sull’uso di uno strumento leggendo studi condotti su versioni precedenti di quello strumento. Non è una ragione per astenersi, è una ragione per attrezzarsi: chi insegna ha bisogno meno di liste di strumenti e più di criteri stabili con cui valutare lo strumento successivo. Il criterio che emerge dai dati di questa settimana è uno solo, ed è il rapporto tra facilitazione e costruzione: se lo strumento riduce lo sforzo nel momento della pratica, va compensato altrove.

Segnale debole da monitorare: nel documento OCSE sulla misurazione dell’apprendimento permanente e nel framework CELF compare la stessa insoddisfazione verso indicatori che catturano prestazioni istantanee e non capacità durevoli. Sono due letterature che non si parlano, ma stanno convergendo sulla stessa domanda, cioè cosa resta dell’apprendimento quando togliamo il supporto. È la traduzione, a livello di sistema, di quello che il risultato PNAS mostra a livello di singolo studente.

🔬 Dalla ricerca

Adaptive learning: effetto medio-positivo, ma la variabilità conta più della media. Wang, Tigelaar, Ye e Admiraal firmano su Journal of Computer Assisted Learning una meta-analisi sui moderatori degli effetti dell’apprendimento adattivo tecnologicamente supportato nella scuola primaria e secondaria: 69 studi pubblicati tra 2012 e 2021, 9.095 studenti. Il risultato aggregato è un effetto medio-positivo su esiti cognitivi, affettivi e comportamentali. Il contributo utile, però, non è la media ma la mappa dei moderatori: l’effetto varia con il grado scolastico, la disciplina, la durata dell’intervento e il tipo di adattamento implementato. Per chi lavora in classe significa che la domanda “l’adaptive learning funziona?” è mal posta, e che la sola risposta pratica è verificare se le condizioni del proprio contesto assomigliano a quelle degli studi in cui ha funzionato. Da leggere con una cautela: il corpus si ferma al 2021, quindi precede completamente l’ondata generativa.

Guardrail come variabile indipendente. Torna il lavoro di Bastani e colleghi su PNAS, che merita di essere riletto proprio ora che l’IA entra nel LMS, perché è il disegno sperimentale più pulito disponibile sulla domanda che si stanno ponendo tutti i collegi docenti di settembre. Il design è un esperimento sul campo con tre condizioni (nessun accesso, accesso libero a GPT, accesso a una versione con suggerimenti progettati dai docenti), la misura è la performance in una verifica successiva senza strumento. Il pattern conta più dei numeri: la performance durante la pratica e la performance in verifica si muovono in direzioni opposte quando manca il vincolo. Chi progetta valutazione formativa ha qui un avvertimento operativo preciso, cioè che il dato di pratica assistita, da solo, sovrastima sistematicamente l’apprendimento.

📌 Da tenere d’occhio