Base di conoscenze AIEdAIEd KB
In questa pagina

Leggi questa pagina in inglese

Concetti

Comunità di indagine

Creata 2026-10-14

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

Community of Inquiry (CoI) è un framework per concettualizzare un'esperienza educativa significativa come l'interazione dinamica di presenza cognitiva, presenza sociale e presenza didattica. Nato nella ricerca sull'apprendimento online e mediato dal computer (Garrison, Anderson & Archer, 2000), è diventato uno dei modelli più usati per progettare, valutare e studiare l'educazione inquiry-based online e mista. Nell'era della IA generativa il framework è in corso di riconcettualizzazione: il discorso prodotto dalle macchine può imitare una presenza autentica, quindi le presenze vanno intese come realizzazioni sociotecniche di assemblaggi umano-GenAI anziché come attività puramente umana.

Domande da considerare

  • In un corso online, che cosa ti dice che un apprendimento significativo sta davvero avvenendo — e come faresti a sapere se non lo fosse?
  • Il framework Community of Inquiry nomina tre presenze: cognitiva, sociale e didattica. Nelle tue esperienze online, quale presenza manca più spesso — e che effetto ha sull'apprendimento?
  • Se un chatbot di IA scrive risposte fluide dal suono empatico in un forum di discussione, la "presenza sociale" si sta realizzando? O la presenza è qualcosa che solo gli esseri umani possono creare autenticamente?
  • L'IA generativa può produrre spiegazioni così coerenti da sembrare ovviamente giuste — ma la coerenza non equivale alla correttezza. Dove hai visto "scambiare fluidità per fondatezza", e come te ne proteggeresti in un corso inquiry?
  • Questo framework suggerisce che le presenze siano "realizzazioni sociotecniche" del lavoro congiunto di umani e IA anziché attività puramente umana. Questo riframe sposta su chi ricade la responsabilità quando una discussione online resta superficiale o invece funziona bene?

Introduzione

Il framework Community of Inquiry descrive un'esperienza di apprendimento online valida come il prodotto di tre presenze che interagiscono: presenza cognitiva (chi apprende costruisce e conferma significato attraverso riflessione sostenuta e discorso), presenza sociale (i partecipanti si proiettano socialmente ed emotivamente) e presenza didattica (progettazione, facilitazione e direzione del processo). Radicato nelle tradizioni costruttivista e deweyana, tratta l'inquiry come sociale e iterativo, e serve oggi da lente progettuale e valutativa per i corsi mediati dall'IA — dove un agente pedagogico può sostenere una presenza mentre ne erode silenziosamente un'altra.

Le tre presenze

  • Presenza cognitiva — la misura in cui chi apprende costruisce e conferma significato attraverso riflessione sostenuta e discorso, operazionalizzata tramite il modello del practical inquiry (evento scatenante → esplorazione → integrazione → risoluzione).
  • Presenza sociale — la capacità dei partecipanti di proiettarsi socialmente ed emotivamente, espressa attraverso comunicazione affettiva, comunicazione aperta e coesione di gruppo.
  • Presenza didattica — la progettazione, la facilitazione e la direzione dei processi cognitivi e sociali per realizzare esiti personalmente significativi e educativamente validi, inclusi progettazione/organizzazione, facilitazione del discorso e istruzione diretta.

CoI è radicato nelle tradizioni pragmatiche costruttivista e deweyana: l'inquiry è sociale, iterativo e mosso da una difficoltà avvertita che motiva la ricerca di una risoluzione.

CoI come framework per la didattica online

CoI è nato in, e resta più fortemente associato a, l'insegnamento e apprendimento online. Fornisce un vocabolario per diagnosticare perché un corso online funziona o fallisce: il basso engagement e l'isolamento nei corsi asincroni sono di solito fallimenti della presenza sociale e didattica, mentre la discussione superficiale riflette spesso una debole presenza cognitiva. Questo rende CoI una lente progettuale pratica proprio per le condizioni che il mezzo online crea — la rimozione della compresenza fisica, la necessità di una costruzione deliberata di comunità e la strutturazione della discussione che si sostituisce al contatto faccia a faccia. Nell'era della IA generativa, CoI è anche il luogo in cui i docenti online affrontano le nuove domande più difficili: chi è "presente" quando agenti LLM pubblicano, moderano o rispondono, e come mantenere significative le tre presenze quando il discorso generato dalle macchine può imitarle. La pagina della knowledge base sull'insegnamento online tratta perciò Community of Inquiry come il framework centrale per il filone presenza-sociale e costruzione-di-comunità della sua pratica raccomandata.

CoI sotto la pressione dell'IA generativa

La GenAI destabilizza l'assunto che gli indicatori di presenza possano essere attribuiti primariamente a studenti e docenti umani (vedi Ba, Gašević, Lim & Anderson). Può:

  • Gonfiare la presenza cognitiva — le spiegazioni fluide generate dalle macchine accelerano la costruzione di senso ma rischiano una chiusura prematura quando la coerenza viene scambiata per fondatezza.
  • Imitare la presenza sociale — le espressioni prodotte dalle macchine possono somigliare a empatia e reattività con un'alta credibilità linguistica, complicando la responsabilità relazionale.
  • Ridistribuire la presenza didattica — progettazione, facilitazione e istruzione diretta diventano realizzazioni distribuite, con i docenti che modellano come interrogare gli output generati e individuare citazioni allucinate.

Evidenze empiriche di rete si collocano ora sotto queste affermazioni: in un quasi-esperimento in cui 63 studenti undergraduate cinesi (33 con, 30 senza un chatbot GPT-4o mini) annotavano letture condivise su CollaboRead attraverso cinque compiti settimanali, l'analisi di rete epistemica ha mostrato la classe assistita legare la presenza sociale all'integrazione e alla risoluzione mentre la classe di controllo la legava all'evento scatenante e all'esplorazione (asse X U = 25,00, p = 0,01, r = 1,00; asse Y U = 13,00, p = 1,00, r = 0,04), con un engagement cognitivo ed emotivo auto-riferito più alto nella classe assistita. Le presenze poi si separano all'interno della condizione anziché tra le condizioni: i gruppi ad alto rendimento hanno avviato 1.407 richieste di feedback su 2.319 annotazioni (60,7%) contro 737 su 2.167 (34,0%) nel gruppo a basso rendimento, che è rimasto in un circuito auto-referenziale e ha sfruttato debolmente l'impalcatura.(Pan et al., 2026)

Anziché uno strumento, un partner dialogico o una speculativa "quarta presenza", la GenAI si comprende al meglio come una condizione epistemica — un'influenza pervasiva che riconfigura il modo in cui le presenze sono messe in atto, interpretate, evidenziate e governate, attraverso sia gli output visibili sia le logiche invisibili dei dati di addestramento, degli algoritmi e delle piattaforme.

Gli stessi autori del framework forniscono una tassonomia di ruoli per quella condizione: Stenbom e Garrison (2026) collocano l'IA come supporto alla progettazione didattica, risorsa autonoma per chi apprende, funzione di supporto al docente tramite analitiche, membro della comunità e partner dialogico sostenuto, e propongono la metacognizione condivisa — l'auto- e co-regolazione — come ciò che mantiene chi apprende nella verifica critica dell'output dell'IA.

Implicazioni pratiche

  • Il rapporto tra coinvolgimento della GenAI e qualità dell'inquiry è condizionato dalla responsabilità umana, non lineare: una presenza forte può verificarsi con un coinvolgimento alto o basso della GenAI quando la responsabilità è forte, e una presenza debole con l'uno o l'altro quando la responsabilità è debole.
  • La valutazione dell'inquiry dovrebbe spostarsi dagli output finali rifiniti a evidenze sensibili al processo — tracce di prompting e revisione, pratiche di divulgazione e attribuzione, mosse di verifica e log di interazione. Questo si allinea al più ampio movimento della knowledge base verso una valutazione autentica, rivelatrice del processo e lontano da risposte fondate sul rilevamento.
  • Dal punto di pedagogico, chi apprende ha spesso bisogno di una formazione esplicita (ad esempio pratica basata su simulazioni con ruoli scriptati e punti decisionali sulla GenAI) per sostenere un inquiry autentico in condizioni di GenAI — e i docenti dovrebbero modellare come interrogare gli output generati, il che dipende dalla costruzione di alfabetizzazione sull'IA, valutazione critica e fiducia calibrata.

Concetti collegati

Articoli collegati

FAQ collegate

Metadati

LivelloHigher Ed
Apprendimento e istruzioneDidattica e apprendimento online, Pedagogie e strategie didattiche
Tecnologie e tecnicheIA generativa
Basi dell’IA nell’educazionePensiero critico
SourceHistoryEditChat

Incorpora questa pagina

Copia il codice qui sotto per incorporare questa pagina in un sistema di gestione dell’apprendimento o in un altro sito. La versione incorporata mostra solo il contenuto della pagina — nasconde header, navigazione e footer del sito.