Il ripensamento della valutazione

Dalle essay mills AI-driven al contract cheating automatizzato

Il fenomeno della frode accademica basata su AI non si limita all’uso individuale dei chatbot da parte degli studenti. Un’industria in espansione di essay mills alimentate dall’AI offre elaborati su misura, spesso non rilevabili dai tradizionali sistemi anti-plagio. Come evidenziato da un’analisi di Frontiers in Education, queste “fabbriche di saggi” utilizzano AI avanzata per produrre testi che si adattano allo stile di scrittura dello studente, evitano i pattern tipici dell’AI, e incorporano riferimenti bibliografici apparentemente legittimi ma talvolta completamente inventati.

Questo fenomeno ha implicazioni che vanno oltre la singola valutazione: mina la credibilità delle qualifiche accademiche stesse. Come osserva una revisione sistematica pubblicata su ScienceDirect nel 2025, l’AI non solo supporta gli studenti nel completamento di compiti accademici, ma rischia di violare le regole fondamentali dell’integrità accademica. Questo influisce sulle qualifiche offerte dagli istituti: se un diploma o una laurea possono essere ottenuti con l’assistenza massiccia dell’AI, cosa certifica realmente il titolo di studio?

Ripensare la valutazione: dalla conoscenza alla competenza

La risposta più promettente alla crisi del cheating AI non è tecnologica ma pedagogica. La ricerca converge su una conclusione chiara: è necessario un passaggio dalle valutazioni basate sulla conoscenza nozionistica a quelle centrate sull’applicazione, perché gli strumenti AI sono meno capaci di mimare la creatività e il pensiero applicativo umano. Le istituzioni educative che hanno riprogettato le proprie valutazioni riportano il 40% in meno di problemi di integrità legati all’AI rispetto agli approcci basati solo sul rilevamento.

Questo approccio include la valutazione attraverso progetti, presentazioni orali, lavori di gruppo con componenti individuali identificabili, portfolio progressivi che documentano il processo di pensiero, e assessment in classe sotto supervisione. Non si tratta di tornare indietro all’era pre-digitale, ma di progettare valutazioni che l’AI non possa sostituire: quelle che richiedono giudizio contestuale, esperienza personale, interazione dal vivo, e sintesi originale. L’obiettivo non è impedire l’uso dell’AI, ma ridefinire cosa significa apprendere in un mondo dove l’AI è onnipresente.

Estratto da Infanzia Algoritmica: Intelligenza Artificiale, Minori e Salute di Giuseppe Siciliani Disponibile su Amazon