Uno studente che deve ripassare il funzionamento degli enzimi può chiedere a ChatGPT di interrogarlo una domanda alla volta, attendere le sue risposte e aiutarlo a individuare gli argomenti da approfondire. È uno degli esempi presentati da OpenAI il 15 ottobre 2026 nell'approfondimento Teaching students to think and learn through questions, dedicato all'impiego dell'intelligenza artificiale nella formazione e al ruolo delle domande nel processo di apprendimento.
Il documento propone un utilizzo degli assistenti AI diverso dalla semplice richiesta di soluzioni. Attraverso la modalità Study Mode, già introdotta nel luglio 2025, ChatGPT può accompagnare lo studente nella comprensione di un argomento mediante quesiti progressivi, suggerimenti, spiegazioni e verifiche intermedie.
L'obiettivo è mantenere attiva la partecipazione di chi apprende. Anziché fornire immediatamente una risposta completa, il sistema può chiedere quali conoscenze siano già disponibili, dove si presenti una difficoltà e quale passaggio possa essere affrontato successivamente.
La pubblicazione del 15 ottobre non annuncia quindi il debutto di una nuova piattaforma educativa. Riprende funzionalità esistenti e ne illustra alcune applicazioni didattiche, attribuendo particolare rilievo al lavoro degli insegnanti, che rimangono responsabili della progettazione delle attività e della valutazione dell'apprendimento.
Come funziona Study Mode e perché utilizza domande progressive
La modalità studio di ChatGPT è stata presentata da OpenAI il 29 luglio 2025 per aiutare gli utenti ad affrontare problemi e argomenti complessi attraverso un percorso guidato.
Il funzionamento si ispira anche al metodo socratico, nel quale le domande vengono utilizzate per esaminare le conoscenze, chiarire le affermazioni e verificare la solidità dei ragionamenti.
Una conversazione può cominciare con la ricostruzione delle conoscenze iniziali dello studente. Se emerge una difficoltà, il sistema può scomporre il problema in passaggi più semplici, proporre un indizio oppure formulare una domanda che permetta di identificare un errore.
Le spiegazioni vengono adattate allo sviluppo della conversazione. Quando lo studente dimostra di aver compreso un concetto preliminare, il sistema può introdurre ulteriori dettagli e collegamenti. Se invece una risposta rivela un'incomprensione, può tornare sui passaggi precedenti.
Questo procedimento viene definito scaffolding, termine utilizzato in pedagogia per indicare un sostegno temporaneo che permette di affrontare compiti inizialmente difficili e che dovrebbe ridursi con l'aumentare dell'autonomia.
OpenAI ha sviluppato Study Mode attraverso istruzioni specifiche per il comportamento del modello, elaborate con il contributo di insegnanti, ricercatori ed esperti di pedagogia. I principi dichiarati comprendono la partecipazione attiva, la gestione del carico cognitivo, la riflessione sul proprio apprendimento e la restituzione di indicazioni utili a correggere gli errori.
Nell'utilizzo pratico, lo studente può chiedere di ricevere una domanda alla volta, essere interrogato su un determinato capitolo oppure ottenere una spiegazione progressiva di un esercizio.
La modalità permette anche di lavorare su materiali caricati dall'utente, come appunti, presentazioni, immagini e documenti PDF. Le funzionalità disponibili includono verifiche con domande aperte e riscontri sulle risposte. Quando la memoria è attiva e disponibile, il sistema può utilizzare informazioni pertinenti delle conversazioni precedenti per adattare le spiegazioni.
Si tratta di caratteristiche tecniche effettivamente descritte nella documentazione di OpenAI. La loro presenza, tuttavia, non dimostra automaticamente che ogni interazione produca un miglioramento delle competenze.
Dalla biologia alle scienze: gli esempi proposti agli insegnanti
L'approfondimento pubblicato il 15 ottobre presenta due situazioni didattiche che chiariscono come le domande possano essere integrate nello studio individuale e nelle attività scolastiche.
La prima riguarda la biologia. Uno studente impegnato nel ripasso degli enzimi può utilizzare Study Mode come strumento di autovalutazione, chiedendo al chatbot di porre singoli quesiti e attendere ogni risposta prima di proseguire.
Il valore dell'esercizio dipende dal lavoro richiesto allo studente. Una domanda sulla funzione degli enzimi, ad esempio, può verificare la conoscenza di una definizione. Un quesito successivo sulle condizioni che influenzano l'attività enzimatica richiede invece di collegare più concetti e di spiegare una relazione.
L'esempio presentato da OpenAI descrive una possibilità di utilizzo, non il risultato di una sperimentazione clinica o pedagogica controllata.
La seconda proposta riguarda una lezione di scienze sul fenomeno dell'evaporazione. L'insegnante può invitare la classe a indagare perché i vestiti stesi ad asciugare perdano progressivamente acqua.
Dopo aver esplorato l'argomento attraverso Study Mode, ogni studente deve scrivere autonomamente una spiegazione e formulare una domanda da discutere in classe, senza consultare nuovamente la conversazione con l'AI.
Questa indicazione rappresenta uno degli elementi più significativi della proposta.
La comprensione viene verificata attraverso una produzione individuale, distinta dall'interazione con il sistema. L'insegnante può quindi esaminare gli elaborati, individuare eventuali interpretazioni scorrette e decidere quali argomenti riprendere.
Se uno studente confonde evaporazione ed ebollizione, oppure non riesce a spiegare il ruolo della temperatura e della circolazione dell'aria, la difficoltà può diventare oggetto di una successiva attività didattica.
L'esempio attribuisce all'intelligenza artificiale un compito circoscritto: facilitare l'esplorazione iniziale del problema. La verifica della comprensione e la scelta degli interventi successivi restano affidate al docente.
Il rapporto tra domande, memoria e apprendimento attivo
L'interesse per l'intelligenza artificiale nella formazione si collega a un problema conosciuto da tempo nella ricerca educativa: la differenza tra riconoscere una spiegazione corretta e riuscire a ricostruirla autonomamente.
Uno studente può leggere una soluzione, comprenderne apparentemente i passaggi e incontrare difficoltà quando deve affrontare un problema analogo senza assistenza.
Le metodologie di apprendimento attivo cercano di ridurre questa distanza richiedendo agli studenti di recuperare informazioni dalla memoria, elaborare risposte, confrontare ipotesi e applicare conoscenze a situazioni differenti.
Le domande possono svolgere funzioni diverse. Alcune verificano il ricordo di nozioni, altre richiedono di spiegare un procedimento, riconoscere una relazione causale oppure valutare la correttezza di un'affermazione.
Anche il momento in cui viene presentata la domanda ha un significato didattico. Una verifica immediata permette di individuare incomprensioni mentre l'argomento viene affrontato. Una domanda proposta dopo un intervallo di tempo può invece contribuire a valutare quanto sia stato effettivamente conservato nella memoria.
L'intelligenza artificiale nella formazione permette di costruire sequenze di quesiti adattabili alle risposte ricevute. Un assistente può modificare il livello di difficoltà, proporre un ulteriore esercizio o chiedere allo studente di spiegare il procedimento utilizzato.
La personalizzazione, però, non coincide necessariamente con una diagnosi accurata delle competenze. Il sistema interpreta le informazioni disponibili nella conversazione e può fraintendere una risposta, sottovalutare una difficoltà oppure considerare acquisita una conoscenza ancora fragile.
Un ulteriore elemento riguarda la metacognizione, cioè la capacità di riflettere sui propri processi di apprendimento.
Domande come quelle che chiedono di individuare il passaggio più difficile, spiegare perché una soluzione sia corretta o riconoscere ciò che rimane poco chiaro possono aiutare a sviluppare una maggiore consapevolezza del proprio ragionamento.
Il contributo dell'AI dipende dalla qualità delle domande e dall'impegno richiesto allo studente. Un'interazione che suggerisce immediatamente ogni passaggio rischia di ridurre proprio lo sforzo cognitivo che dovrebbe sostenere.
Cosa dimostrano le ricerche sull'efficacia dei tutor basati sull'AI
Le evidenze scientifiche disponibili invitano a distinguere le possibilità tecnologiche dai risultati effettivi.
L'OECD Digital Education Outlook 2026, pubblicato dall'OCSE nel gennaio 2026, esamina le applicazioni dell'intelligenza artificiale generativa nei sistemi educativi e segnala una differenza fondamentale tra migliorare l'esecuzione di un compito e favorire l'apprendimento.
Un assistente generativo può permettere di completare più rapidamente un esercizio o produrre un elaborato formalmente migliore senza che questo comporti necessariamente un aumento delle conoscenze.
Il rapporto rileva che gli strumenti progettati secondo principi pedagogici possono sostenere l'apprendimento, mentre l'impiego dell'AI come semplice sostituto del lavoro individuale presenta rischi.
Alcuni studi sperimentali hanno comunque individuato risultati incoraggianti.
Una ricerca pubblicata nel giugno 2025 sulla rivista Scientific Reports, condotta da Greg Kestin e altri ricercatori, ha confrontato l'utilizzo di un tutor basato sull'intelligenza artificiale con attività didattiche in presenza fondate sull'apprendimento attivo. Nell'esperimento, gli studenti che utilizzavano il tutor progettato secondo specifici criteri pedagogici hanno ottenuto risultati di apprendimento migliori in un tempo inferiore, riferendo anche maggiore coinvolgimento.
Lo studio riguarda però un sistema e un contesto educativo determinati. Non consente di estendere automaticamente i risultati a qualsiasi chatbot o alla modalità Study Mode di ChatGPT.
Una sperimentazione pubblicata nel luglio 2026 sul Journal of Economic Education ha esaminato l'impiego di un tutor AI specifico per un corso universitario di macroeconomia, confrontando attività individuali e collaborative. I gruppi sperimentali hanno conseguito risultati migliori rispetto al gruppo di controllo, con i miglioramenti maggiori nella condizione che combinava intelligenza artificiale e lavoro di gruppo.
Anche questa ricerca è stata progettata prima della disponibilità pubblica di Study Mode e non ne costituisce una valutazione diretta.
I risultati non sono comunque uniformemente positivi. Uno studio randomizzato diffuso nell'ottobre 2026 dall'Annenberg Institute della Brown University ha analizzato l'accesso a un tutor generativo integrato nei corsi di un grande ateneo pubblico statunitense, coinvolgendo 2.379 studenti universitari e 30 docenti.
In quel contesto, l'accesso allo strumento è risultato associato sperimentalmente a una diminuzione dei voti finali e della partecipazione alle attività registrate sulla piattaforma didattica.
Le differenze tra gli studi dipendono da numerosi fattori, tra cui la progettazione del tutor, le modalità di utilizzo, il ruolo degli insegnanti e il tipo di attività previste.
Queste ricerche non dimostrano né che l'AI migliori sempre l'apprendimento né che lo ostacoli inevitabilmente. Indicano piuttosto quanto sia decisivo il modo in cui lo strumento viene inserito nel percorso educativo.
Il ruolo degli insegnanti nella progettazione delle attività
Il documento OpenAI del 15 ottobre dedica particolare attenzione ai docenti e al loro contributo nel trasformare le interazioni con l'intelligenza artificiale in attività utili alla classe.
Gli insegnanti possono sperimentare Study Mode su argomenti che conoscono approfonditamente, valutando la pertinenza dei quesiti, la precisione delle spiegazioni e l'adeguatezza del linguaggio rispetto all'età degli studenti.
Questa verifica preliminare permette di individuare eventuali errori prima che il materiale venga utilizzato durante una lezione.
Nella scuola primaria e secondaria, la costruzione delle domande richiede inoltre di considerare conoscenze pregresse, difficoltà linguistiche e obiettivi curricolari. Una sequenza adatta a studenti universitari potrebbe risultare eccessivamente complessa per una classe della scuola secondaria di primo grado.
L'intelligenza artificiale nella formazione richiede quindi una progettazione didattica che preceda l'utilizzo dello strumento.
Il docente deve stabilire quali attività possano essere svolte con assistenza, quali richiedano un confronto tra studenti e quali debbano essere completate senza supporti digitali.
OpenAI affianca a Study Mode un percorso denominato AI for Educators, disponibile sulla piattaforma gratuita OpenAI Academy. Il 15 ottobre 2026 ne è stata annunciata anche la versione in portoghese brasiliano.
Il corso è rivolto a insegnanti della scuola primaria, secondaria e dell'istruzione superiore. Le attività comprendono l'utilizzo dell'AI per preparare lezioni, costruire esercitazioni e valutazioni e organizzare comunicazioni legate al lavoro scolastico.
La proposta mantiene il giudizio pedagogico degli educatori come riferimento per le decisioni didattiche.
L'impiego dell'AI nella preparazione dei materiali può ridurre alcuni passaggi operativi, ma richiede comunque il controllo dell'accuratezza dei contenuti e della loro coerenza con gli obiettivi del programma.
Un quesito formulato correttamente dal punto di vista grammaticale, ad esempio, potrebbe risultare ambiguo sul piano scientifico oppure richiedere conoscenze che gli studenti non hanno ancora affrontato.
Pensiero critico e autonomia: il rischio delle risposte troppo facili
Il rapporto tra intelligenza artificiale nella formazione e pensiero critico presenta una tensione evidente. Gli strumenti generativi permettono di ottenere spiegazioni in pochi secondi, ma questa disponibilità può ridurre la necessità di formulare autonomamente ipotesi e verificare soluzioni.
Study Mode cerca di intervenire su tale problema attraverso un'interazione nella quale le risposte vengono costruite progressivamente.
La qualità del percorso dipende tuttavia anche dal comportamento dello studente. Poiché la modalità può essere disattivata e il sistema può talvolta fornire risposte dirette, non esiste un meccanismo che garantisca il mantenimento dello sforzo individuale.
Il pensiero critico richiede inoltre competenze che vanno oltre la capacità di rispondere alle domande di un chatbot.
Significa saper distinguere un'informazione verificata da un'ipotesi, individuare errori logici, confrontare interpretazioni e riconoscere quando le prove disponibili non permettono di raggiungere una conclusione certa.
Su questi aspetti interviene anche il rapporto Empowering Learners for the Age of AI, pubblicato il 18 giugno 2026 dall'OCSE e dalla Commissione europea.
Il documento presenta un quadro di riferimento per l'alfabetizzazione all'intelligenza artificiale nella scuola primaria e secondaria. Tra gli obiettivi compare la capacità di comprendere il funzionamento dei sistemi AI, valutarne criticamente i risultati e utilizzarli in modo responsabile.
Un esercizio didattico potrebbe quindi prevedere l'analisi di una spiegazione generata automaticamente, il confronto con il manuale scolastico e la ricerca di eventuali incongruenze.
In questo caso, il chatbot diventa anche un oggetto di osservazione critica. Gli studenti devono valutare ciò che produce, anziché considerarlo una fonte automaticamente attendibile.
Si tratta di un'applicazione pedagogicamente plausibile, distinta dagli esempi specifici riportati nell'approfondimento OpenAI del 15 ottobre.
La differenza è rilevante perché la capacità di un sistema di generare spiegazioni convincenti non equivale alla sua affidabilità in ogni disciplina.
Verifiche individuali, privacy e utilizzo responsabile
L'introduzione dell'intelligenza artificiale nella formazione pone questioni operative che coinvolgono scuole, università e famiglie.
La prima riguarda la valutazione. Se un elaborato viene realizzato con il supporto di un assistente generativo, il risultato finale potrebbe non rappresentare fedelmente le conoscenze possedute dallo studente.
Occorre quindi distinguere le attività nelle quali l'AI costituisce uno strumento di apprendimento da quelle destinate ad accertare competenze individuali.
Le prove svolte senza assistenza, le interrogazioni e le discussioni in classe possono contribuire a verificare la capacità di recuperare e applicare autonomamente quanto studiato.
La seconda questione riguarda la gestione dei materiali e dei dati. Le funzioni che permettono di caricare documenti, appunti e immagini richiedono attenzione quando i contenuti comprendono informazioni personali, elaborati di altri studenti o materiali soggetti a limitazioni di utilizzo.
Le istituzioni educative devono inoltre considerare l'età degli utenti, le condizioni di accesso ai servizi e le proprie regole sull'impiego degli strumenti digitali.
Anche l'accuratezza delle risposte richiede una verifica. La documentazione ufficiale di Study Mode riconosce che il sistema può commettere errori e che, in determinate situazioni, può fornire direttamente la soluzione anziché accompagnare lo studente attraverso le domande.
Questo limite assume particolare rilievo nelle discipline scientifiche, dove un'imprecisione iniziale può compromettere la comprensione dei passaggi successivi.
L'utilizzo di materiali didattici controllati, il confronto con fonti affidabili e la supervisione degli insegnanti possono ridurre tali problemi, senza eliminarli completamente.
Come cambia la preparazione delle lezioni con l'apprendimento guidato
L'esperienza proposta da OpenAI porta l'attenzione su una possibile evoluzione delle attività didattiche: una parte delle esercitazioni individuali può essere organizzata attraverso conversazioni guidate, mentre il tempo in classe viene utilizzato per discutere errori, confrontare interpretazioni e approfondire i problemi più complessi.
La possibilità di costruire domande personalizzate permette di differenziare alcuni esercizi. Studenti che incontrano difficoltà sullo stesso argomento potrebbero ricevere spiegazioni e quesiti di complessità diversa, pur lavorando verso obiettivi comuni.
Per verificare l'efficacia di questa organizzazione servono però criteri di valutazione indipendenti dalla quantità di interazioni con il chatbot.
Il numero di domande affrontate, la durata delle conversazioni o la soddisfazione dichiarata dagli utenti non sono misure sufficienti dell'apprendimento. Occorre accertare se le conoscenze vengano conservate nel tempo e se possano essere applicate a problemi nuovi senza assistenza.
Il rapporto OCSE del 2026 richiama proprio la necessità di progettare l'uso dell'intelligenza artificiale secondo finalità pedagogiche esplicite, evitando che l'automazione delle attività sostituisca l'acquisizione delle competenze.
Nel caso di Study Mode, la verifica più significativa rimane quindi esterna alla conversazione: ciò che uno studente sa spiegare, argomentare e risolvere quando il sistema non interviene.
È anche il principio alla base dell'esercizio sull'evaporazione descritto da OpenAI. Dopo il confronto con l'assistente, gli studenti devono produrre una spiegazione personale e una nuova domanda, che l'insegnante utilizzerà per orientare il lavoro successivo in classe.
