Dichiarazioni sull'uso e la divulgazione dell'IA

Traduzione automatica della pagina in inglese, non ancora rivista da una persona di madrelingua.

Dichiarazioni sull'uso e la divulgazione dell'IA — le politiche, le dichiarazioni e le pratiche attraverso cui si chiede ai discenti (o si lascia che scelgano) di divulgare il loro uso dell'IA generativa nel lavoro accademico. Note anche come dichiarazioni d'uso dell'IA, dichiarazioni di divulgazione dell'IA, o dichiarazioni di trasparenza, questi meccanismi si collocano all'intersezione tra integrità accademica, etica, fiducia e valutazione nell'era dell'IA. La ricerca della knowledge base mostra che la divulgazione è ben lungi dall'essere una formalità amministrativa neutra: è plasmata dalla paura delle sanzioni, politiche ambigue, applicazione incoerente, norme tra pari, stigma, e i costi psicologici dell'autoincriminazione — ed è profondamente intrecciata con l'apprendimento autoregolato e la ricerca di aiuto.

Domande da considerare

• Se fossi uno studente che ha usato l'IA generativa per un compito, lo diresti al tuo docente? Questa pagina suggerisce che la risposta onesta è pesantemente plasmata dalla paura — la ricerca trova che la divulgazione è rara, guidata dall'"ansia da sanzione" e dalle preoccupazioni di autoincriminazione. Quali assunti sul tuo stesso comportamento di divulgazione potresti aver bisogno di mettere in discussione?
• La domanda di design centrale qui è se la divulgazione funzioni come sorveglianza o come impalcatura per l'impegno etico. Prima di leggere, quale delle due assumevi stesse facendo un modulo di divulgazione — e riesci a pensare a un modo in cui lo stesso modulo potrebbe servire allo scopo opposto?
• Un risultato sorprendente è che gli studenti che divulgavano sempre avevano oltre tre volte le probabilità di essere accusati di imbrogliare — la trasparenza invitava il sospetto. Se l'onestà può aumentare il sospetto, che cosa dice questo su come dovremmo progettare la fiducia tra studenti e docenti?
• Questa pagina distingue i meccanismi di conformità obbligatori dalle pratiche di divulgazione formativa che costruiscono alfabetizzazione sull'IA e autoregolazione. Quale delle due pensi che l'approccio della tua istituzione assomigli di più, e che cosa dovrebbe cambiare perché diventi l'altra?
• La ricerca collega l'occultamento all'autoregolazione disadattiva, e la divulgazione alla ricerca di aiuto adattiva — rendere visibile il tuo uso dell'IA può invitare una calibrazione utile da parte di un docente. Quando hai trovato (come discente o insegnante) vantaggioso rendere visibile la tua incertezza o il tuo uso di aiuto, anziché nasconderlo?
• Le norme di divulgazione variano per disciplina, retroterra linguistico e contesto — con implicazioni di equità quando alcuni studenti hanno più probabilità di altri di essere sanzionati per aver occultato. Se tu dovessi progettare una politica di divulgazione, come la impediresti di porre un onere ineguale sui discenti già emarginati?

Introduzione

Le dichiarazioni sull'uso dell'IA sono le dichiarazioni attraverso cui gli studenti riferiscono se e come hanno usato l'IA generativa in un compito — da una casella di spunta su un foglio di copertina a formati strutturati che registrano il modello, l'input, lo scopo e come l'output è stato valutato. I sistemi differiscono nel genere oltre che nel dettaglio: alcuni operano come meccanismi di conformità obbligatori con sanzioni per la mancata divulgazione, altri come pratiche formative che trattano la divulgazione come uno strumento per sviluppare alfabetizzazione sull'IA, trasparenza e giudizio etico. La domanda di design che decide quale delle due diventano è se la divulgazione sia usata per cogliere o per insegnare, che colloca il concetto saldamente dentro l'integrità accademica e le politiche educative sull'IA.

Che cosa sono le dichiarazioni sull'uso dell'IA

Le dichiarazioni d'uso dell'IA richiedono o invitano gli studenti a dichiarare se e come hanno usato l'IA generativa in un compito — tipicamente su un foglio di copertina del corso, un modulo di consegna, o un prompt di riflessione. I framework variano ampiamente, da semplici dichiarazioni con casella di spunta a formati strutturati che documentano il modello, l'input, lo scopo e come l'output è stato valutato (ad es., il framework Model-Input-Evaluation/MInE). Vanno dai meccanismi di conformità obbligatori (con sanzioni per la mancata divulgazione) alle pratiche formative che trattano la divulgazione come uno strumento pedagogico per sviluppare alfabetizzazione sull'IA, trasparenza e auto-regolazione. La domanda di design centrale è se la divulgazione funzioni come sorveglianza o come impalcatura per l'impegno etico.

Perché la divulgazione conta per l'IA in educazione

La divulgazione è il meccanismo che rende il lavoro assistito dall'IA visibile e quindi governabile — la controparte dell'integrità accademica e la precondizione per la fiducia tra studenti e docenti. Senza trasparenza sull'uso dell'IA, gli educatori non possono distinguere il supporto legittimo dalla cattiva condotta, calibrare il Feedback, o rilevare divari di equità. Ma la ricerca rivela che la divulgazione è anche un processo affettivo e sociale, non solo politico.

Che cosa mostra la ricerca

• La divulgazione è rara e guidata dall'ansia. Attraverso gli studi, la maggior parte degli studenti non divulga l'uso dell'IA ai docenti. Kirsanov et al. (2026) hanno trovato che solo ~34% degli studenti di economia ammettevano l'uso dell'IA e la divulgazione era più rara, guidata dall'"ansia da sanzione." Vetter et al. (2026) hanno trovato che il 66% degli studenti non divulgava mai o raramente, con la paura della sanzione accademica come motivo principale. Gonsalves (2025) ha documentato il 74% di non conformità con una dichiarazione obbligatoria alla Business School di King's.
• Politiche ambigue e punitive guidano l'occultamento. Quando le politiche d'uso dell'IA sono poco chiare, non applicate, o divieti, gli studenti nascondono l'uso anziché impegnarsi. Le politiche di "uso limitato in certe situazioni" predicono meglio la divulgazione; le politiche "non permesso" o "non a conoscenza" predicono l'occultamento. Politiche chiare, coerenti e collaborative sono ripetutamente invocate.
• La divulgazione ha costi psicologici — e costi nascosti. Gli studenti considerano le dichiarazioni come autoincriminazione, e alcuni credono che l'uso dell'IA sia privato come usare una calcolatrice. Vetter et al. (2026) hanno trovato che gli studenti che divulgavano "sempre" avevano oltre 3× le probabilità di essere accusati — la trasparenza può invitare il sospetto. Chang et al. (2026) hanno trovato che la preoccupazione ridirige la divulgazione verso i pari anziché sopprimerla, tagliando fuori gli studenti dal feedback del docente.
• La divulgazione è intrecciata con l'apprendimento autoregolato. Chang et al. (2026) interpretano la divulgazione diretta dal docente come ricerca di aiuto adattiva — rendere l'assistenza visibile e invitare la calibrazione esterna — mentre l'occultamento (specialmente tra gli utilizzatori pesanti dell'IA) assomiglia a una regolazione disadattiva. La divulgazione strutturata e formativa può promuovere la riflessione metacognitiva e il ragionamento etico che caratterizzano l'autoregolazione efficace.
• Le norme di divulgazione variano per disciplina, lingua e contesto. Gli studenti di Educazione, scienze sociali e STEM/Salute divulgano più degli studenti di Business; gli studenti monolingui possono divulgare meno degli studenti multilingui. Gli studenti internazionali in uno studio divulgavano meno, sollevando preoccupazioni di equità. Le norme di divulgazione non si sviluppano automaticamente con la progressione accademica.
• Le norme di divulgazione non sono assestate nei programmi professionali. Gutowski e Hurley (2025) riferiscono che le facoltà di legge statunitensi approvate dall'ABA dissentono sul fatto che qualsiasi uso dell'IA debba essere divulgato, descrivono i moduli di divulgazione degli studenti depositati presso i docenti, e non trovano consenso su come la scrittura accademica o di classe debba citare l'IA — il Bluebook stesso rimane in silenzio. Predicono anche che la divulgazione finirà per sembrare tanto insensata quanto notare che uno studente ha usato un motore di ricerca, una cautela sulla vita utile delle regole scritte ora, e fondano la questione delle norme nell'educazione legale.

La divulgazione non è un meccanismo di rilevamento

Un errore istituzionale ricorrente è trattare le dichiarazioni come un modo per cogliere l'uso proibito. Non possono servire a quella funzione: dipendono dalla candore, e farle applicare riporta alla stessa indetectabilità, poiché un'istituzione generalmente non può provare che un uso non dichiarato sia avvenuto. Teichmann (2026) colloca il loro reale valore altrove — negli impegni di integrità visibili incorporati in una cultura di fiducia, e nella trasparenza, nelle aspettative condivise, e nella riflessione dello studente anziché nell'applicazione. Il meccanismo educativo è normativo, non forense.

La scala è documentata: attraverso 7.462 domande a un programma magistrale statunitense di public policy, un'attestazione firmata di non uso dell'IA non ha impedito al 56,1% dei candidati del 2025 di consegnare un saggio che un rilevatore commerciale classificava come principalmente scritto dall'IA, e ogni saggio segnalato era associato a 1,5-2,6 punti percentuali di probabilità di ammissione inferiore (Isley, Gaebler e Goel (2026)).

Il lavoro di modellizzazione di Mohamed e Temimi (2026) fornisce la condizione sotto cui la divulgazione funziona, espressa come una soglia di design anziché una speranza: l'uso divulgato batte l'uso nascosto solo quando il costo dell'onestà rimane sotto il deterrente che compra. Poiché quel limite cresce con la credibilità del rilevamento, rilevamento e sicurezza della divulgazione si rafforzano a vicenda — ma solo se il rischio di falso positivo dell'essere segnalati ricade allo stesso modo sulle risposte oneste e disoneste, nel qual caso l'onestà conserva la sua protezione comparativa. La loro implicazione di design è diretta: trattare un uso dichiarato dell'IA come contesto anziché come confessione, il che mantiene basso il costo dell'onestà proprio nelle situazioni in cui il monitoraggio è più forte, e leggere la divulgazione come dimostrazione di giudizio valutativo anziché come ammissione. Permesso e divulgazione sono leve separate — il permesso cambia il confine formale dell'uso accettabile, la divulgazione cambia la visibilità — e il successo dell'una non dice nulla dell'altra.

AlGhamdi (2026) offre un test suggestivo dell'effetto della divulgazione stessa. Lo stesso corso ha condotto uno studio in cieco (AlGhamdi 2024) e uno trasparente, e solo la coorte trasparente ha esplicitamente delimitato il ruolo dell'IA e messo in discussione l'autorità valutativa. Poiché le coorti e gli anni differiscono, l'autore definisce il contrasto suggestivo anziché causale, ma sostiene che la divulgazione ha operato come un prompt istruttivo anziché come un disclaimer — trasformando il feedback da atto dato per scontato a oggetto di riflessione, senza alcun segno di disimpegno o resistenza.

Passando in rassegna le linee guida GenAI delle 50 università statunitensi classificate come più innovative, Qian (2026) colloca la divulgazione al confine tra assistenza e travisamento: dove l'IA è permessa, le istituzioni istruiscono gli studenti a riconoscere, citare o altrimenti documentare l'assistenza dell'IA anziché presentare gli output come interamente propri, con le biblioteche — non gli uffici di integrità — a detenere l'autorità sugli standard di citazione e provenienza. L'inquadramento delle Biblioteche del MIT che l'IA non è un autore, lasciando agli autori la responsabilità di documentare come gli strumenti hanno contribuito, esemplifica il modello, e Qian legge la divulgazione simultaneamente come norma di integrità, principio di design che riduce l'ambiguità prima della consegna, e uno dei quattro pilastri di integrità accanto a responsabilità, equità e privacy. Questo è lo stesso uso non forense che la sezione descrive, ed è perché Qian raccomanda di istituzionalizzare le biblioteche come autorità di citazione anziché espandere il rilevamento.

• La divulgazione comporta una penalità di fiducia, e la legittimità è il meccanismo argomentato. In tredici esperimenti, per lo più con panelist online statunitensi e raccolti a 4.093 osservazioni (θ = 0,81, z = 10,52, 95% CI [0,66, 0,96]), un attore che divulgava l'uso dell'IA era ritenuto meno affidabile di uno che restava in silenzio (Schilke e Reimann (2025)). L'effetto è sopravvissuto a sei inquadramenti di divulgazione, a un valutatore che già sapeva che l'IA era stata usata, e a regimi sia obbligatori sia volontari. È la controparte sperimentale del risultato del sondaggio sopra riportato che gli studenti che divulgavano sempre affrontavano oltre tre volte le probabilità di un'accusa: la trasparenza stessa può costare a chi divulga. L'unico risultato dello studio rivolto agli studenti è che gli studenti si fidavano meno di un professore quando lei divulgava la valutazione con l'IA.

Progettare una divulgazione efficace

• Chiarezza e coerenza battono la deterrenza. Sviluppare politiche sull'IA chiare, coerenti e costruite collaborativamente con esempi concreti di uso accettabile e di come dichiararlo; evitare framework punitivi o vaghi che motivano l'occultamento.
• Affrontare la barriera affettiva. Le politiche di divulgazione che prendono di mira solo il comportamento sono insufficienti — normalizzare l'uso dell'IA, ridurre il giudizio percepito e lo stigma, e rassicurare gli studenti che la divulgazione onesta non sarà sanzionata.
• Rendere la divulgazione formativa, non solo conformità. Usare prompt di riflessione e dichiarazioni strutturate (modello/input/valutazione) così che la divulgazione costruisca alfabetizzazione sull'IA e autoregolazione anziché funzionare come sorveglianza.
• Formare il corpo docente a costruire fiducia, non a fare affidamento sul rilevamento. La divulgazione non dovrebbe mai essere seguita da un'accusa; il corpo docente dovrebbe apprendere conversazioni di costruzione della fiducia anziché appoggiarsi a rilevatori di IA inaffidabili.
• Progettare per l'equità. Attenzione alla divulgazione differenziale tra discipline, status linguistico e retroterra degli studenti, ed evitare meccanismi che pongono oneri ineguali sui discenti già emarginati.

Connessioni

L'uso e la divulgazione dell'IA si collocano all'intersezione tra integrità accademica (la sua preoccupazione genitoriale), etica, fiducia e Calibrazione della fiducia (la divulgazione come atto di vulnerabilità), governance e politiche educative sull'IA (framework di politica istituzionale), e valutazione (dove la divulgazione è operazionalizzata). Si collega all'Alfabetizzazione sull'IA (gli studenti hanno bisogno di capire che cosa e come divulgare), all'apprendimento autoregolato e alla ricerca di aiuto (la divulgazione come ricerca di aiuto visibile), e all'equità (divulgazione differenziale). È distinta da, ma correlata a, uso improprio dell'IA e danno all'apprendimento (il danno che la divulgazione intende rendere visibile) e all'rilevamento dell'IA (le alternative basate sul rilevamento che i framework di divulgazione sostituiscono sempre più).

Concetti collegati

• Integrità accademica
• Etica
• Fiducia
• Calibrazione della fiducia
• Governance dell'IA
• Politica sull'IA nell'istruzione
• Valutazione
• Valutazione autentica
• Alfabetizzazione sull'IA
• Apprendimento autoregolato
• Ricerca di aiuto
• Equità
• IA generativa
• Istruzione superiore
• Uso improprio dell'IA e danno all'apprendimento — il danno che la divulgazione intende rendere visibile
• Rilevamento dell'IA
• Genitori e famiglie
• Norme sociali nell'uso dell'IA — perché i discenti scelgono di nascondere anziché divulgare

Articoli collegati

• Beyond Detection: How Students Use—and Hide—AI in Online Assessments and What Authentic Tasks Can Do About It — Oltre il rilevamento: come gli studenti usano e nascondono l'IA nelle valutazioni online
• "Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education — Divulgazione dell'IA da parte degli studenti, stigma e apprendimento autoregolato
• The Hidden Cost of Disclosure: A Multi-institutional Study on Undergraduate Students' Generative AI Usage and Faculty Accusations — Il costo nascosto della divulgazione: divulgazione e accuse del corpo docente
• Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher — Non conformità degli studenti con le dichiarazioni d'uso dell'IA
• Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI — Le dichiarazioni come educazione anziché rilevamento
• Assessment Design Under Imperfect Information: Generative AI, Disclosure, and Student Response in Higher Education — Il costo dell'onestà come soglia di design nella valutazione
• Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education — Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education
• Governing generative AI in higher education: Emerging policy approaches and support ecosystems at innovative U.S. universities — La divulgazione come confine tra assistenza e travisamento in 50 università statunitensi innovative (Qian 2026)
• Forging ahead or proceeding with caution: Developing policy for generative artificial intelligence in legal education — Nessun consenso su divulgazione e citazione dell'IA nelle politiche delle facoltà di legge (Gutowski & Hurley 2025)
• AI-written admissions essays are widespread but penalized — I saggi di ammissione scritti dall'IA sono diffusi ma sanzionati
• The transparency dilemma: How AI disclosure erodes trust — Tredici esperimenti: divulgare l'uso dell'IA abbassa l'affidabilità di chi divulga, tramite la legittimità