Base di conoscenze AIEdAIEd KB
In questa pagina

Leggi questa pagina in inglese

Concetti

Cognizione distribuita

Creata 2026-10-14

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

La cognizione distribuita — la prospettiva teorica secondo cui la cognizione non è confinata a una mente individuale ma è distribuita tra persone, strumenti, artefatti e ambienti. Nella ricerca sull'educazione con IA, questo framework è diventato centrale per comprendere la collaborazione umano–IA: anziché vedere l'IA come uno strumento neutrale che supporta un discente altrimenti autonomo, la cognizione distribuita tratta il pensiero come emergente dall'interazione tra discenti, sistemi di IA, pari e il loro contesto condiviso. Riformula le domande di Agentività di chi apprende, responsabilità e esiti di apprendimento in termini di come il lavoro cognitivo viene ripartito in un sistema umano–IA.

Domande da considerare

  • La cognizione distribuita dice che il pensiero non è confinato a una sola mente ma è distribuito tra persone, strumenti e ambienti. Quando usi una calcolatrice, un'app di appunti o un assistente IA, dove avviene effettivamente il "pensiero"?
  • Se la cognizione è distribuita tra un essere umano e un'IA, chi è responsabile quando il risultato è sbagliato — e chi è responsabile dell'apprendimento?
  • Un framework distingue l'"agenzia funzionale" dell'IA (può influenzare gli esiti) dalla "responsabilità morale" (che resta umana). Questa distinzione regge nella pratica, o la responsabilità si confonde quando gli esseri umani non possono capire ciò che il sistema ha fatto?
  • I sistemi umano–IA che distribuiscono il ragionamento nel modo più efficiente tendono a produrre la performance di compito più alta ma il minimo apprendimento auto-regolato. Perché rendere un sistema più "intelligente" a livello di gruppo renderebbe più debole il singolo discente?
  • L'argomentazione del "Cognitive Commons" sostiene che la padronanza distribuita dipende dall'esperienza interiorizzata — non si può supervisionare efficacemente un sistema di IA che non si comprende profondamente. In che modo questo sfida l'idea che l'IA ci permetta di saltare il lavoro duro dell'apprendimento?

Introduzione

Questo è un concetto di teoria dell'apprendimento all'interno del filone Teorie dell'apprendimento della base di conoscenza, strettamente correlato a Apprendimento Incarnato, Apprendimento situato e Offloading cognitivo. La cognizione distribuita (DCog), originatasi nel lavoro di Edwin Hutchins e colleghi, descrive come processi cognitivi come memoria, ragionamento e Risoluzione dei problemi siano distribuiti tra molteplici agenti e sistemi materiali anziché risiedere in una sola testa. Nell'educazione con IA questo conta perché i sistemi di IA funzionano sempre più come autentici partner cognitivi che portano parte del carico di pensiero, sollevando la domanda su dove l'apprendimento avvenga effettivamente e su chi ne sia responsabile.

Come l'IA sposta la distribuzione della cognizione

I sistemi di IA generativa e interattiva ridistribuiscono il lavoro cognitivo in modi in cui strumenti precedenti non lo facevano. La base di conoscenza documenta diverse dimensioni di questo spostamento:

  • L'IA come partner cognitivo e co-regolatore. L'IA può agire come impalcatura, supporto metacognitivo, sistema di memoria esterna e partner nelle decisioni nella co-La regolamentazione dell'IA nell'istruzione del pensiero e dell'apprendimento.(Artificial intelligence as a cognitive partner: a developmental framework for human-AI co-regulation in learning) Questo posiziona la cognizione come co-regolata tra discente e sistema anziché gestita individualmente.
  • Ridistribuzione di agenzia e responsabilità. Framework come la cognizione d'insieme riconcettualizzano il pensiero come emergente dalla dinamica interazione umano–IA, distinguendo l'agenzia funzionale dell'IA (la sua capacità di influenzare gli esiti senza coscienza) dalla responsabilità morale (che resta umana).(Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments) La cognizione distribuita riformula così chi è responsabile dell'apprendimento.
  • La tensione efficienza–regolazione. Il lavoro empirico mostra un trade-off: i sistemi umano–IA che distribuiscono il ragionamento nel modo più efficiente (per esempio tramite ragionamento delegato) raggiungono una performance di compito più alta ma possono ridurre il coinvolgimento auto-regolato dei discenti.(Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective) Questo è il volto empirico dei rischi di Offloading cognitivo e di sovraffidamento che la base di conoscenza documenta.
  • La mediazione nella collaborazione. L'IA può agire come mediatore pedagogico che orchestra l'interazione, la costruzione di senso epistemico e i processi regolatori nell'apprendimento collaborativo, ridistribuendo agenzia, autorità e responsabilità tra attori umani e non umani.(Beyond Automation: AI as a Pedagogical Mediator in Collaborative Learning)
  • La configurazione dell'accesso distribuisce la cognizione dentro il gruppo. Xu et al. (2026) mostrano che come un team condivide la GenAI determina la distribuzione della cognizione: il lavoro sincrono su un'unica interfaccia condivisa sostiene un modello cognitivo comune (prompt collettivi, memoria esterna condivisa), mentre l'uso privato asincrono lo frammenta, con gli output ri-etichettati selettivamente prima della condivisione. La GenAI funziona così sia come partecipante cognitivo distribuito sia come spazio collaborativo interattivo la cui permeabilità deve essere progettata (il contesto condiviso entra, le intuizioni private non rifluiscono automaticamente).
  • Anche gli insegnanti sperimentano una distribuzione dominata dall'IA versus complementare. La stessa logica efficienza–regolazione si applica al lato insegnante della progettazione della lezione: Choi et al. (2026) hanno trovato che gli insegnanti novizi delegano una grande quota del carico cognitivo della progettazione didattica al sistema di IA (una distribuzione dominata dall'IA, che accetta largamente le risposte), mentre gli insegnanti esperti e competenti nell'IA raggiungono una distribuzione complementare in cui l'esperienza pedagogica e il supporto computazionale dell'IA si rafforzano reciprocamente — e poiché la GenAI genera e co-costruisce anziché meramente immagazzinare informazioni, essi inquadrano questo come cognizione condivisa partecipativa, non mero uso di strumenti.
  • I tipi di interazione, non gli esiti, come unità. Willcox, Lane e Arikan (2026) hanno costruito il Cognitive Distribution Framework a partire da 53 log di uso auto-diretto di ChatGPT: cinque tipi di interazione (estensione, outsourcing, allineamento, trasformazione, disaccoppiamento) e quattro ruoli utente, così che lo stesso studente può fare offloading in uno scambio e co-pensare nel successivo.

Cognizione distribuita e prospettive correlate

La base di conoscenza tratta la cognizione distribuita insieme alle tradizioni teoriche vicine, che si sovrappongono ma non sono identiche:

  • Apprendimento situato / cognizione situata enfatizza che cognizione e apprendimento sono inseparabili dal contesto autentico e dalle comunità di pratica in cui avvengono — un complemento al focus della DCog sulla distribuzione cognitiva attraverso i sistemi.
  • Cognizione incarnata sottolinea il ruolo del corpo e dell'interazione sensomotoria, sostenendo che il pensiero è radicato nell'impegno corporeo anziché nella manipolazione astratta di simboli.
  • Offloading cognitivo è il meccanismo pratico con cui il lavoro cognitivo viene trasferito a sistemi esterni (inclusa l'IA), ed è la controparte carica di rischi rispetto al resoconto descrittivo della DCog.
  • Cognizione estesa / tesi della mente estesa (usata nel lavoro postumanista) sostiene che gli artefatti esterni possono essere parti costitutive di un sistema cognitivo, non meri strumenti — un'affermazione più forte, che l'IA è parte della mente stessa del discente.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI)

Perché conta per il design e la valutazione dell'IA

La cognizione distribuita fornisce sia una lente di design sia una lente di valutazione. Per il design, chiede come ripartire il lavoro cognitivo tra discenti e IA per preservare (non erodere) l'agenzia, la Metacognizione e l'auto-regolazione del discente umano. Per la valutazione, riformula le metriche di successo: anziché chiedere solo "la performance è migliorata?", la DCog chiede se la distribuzione della cognizione supporti apprendimento duraturo, agenzia epistemica e giustizia educativa — una prospettiva che si collega alle preoccupazioni della base di conoscenza su Valutazione dell'IA in educazione e Teorie dell'apprendimento.

Fowlin et al. (2026) operazionalizzano quella ripartizione come una sequenza a due fasi: costruire prima le competenze fondamentali senza IA, poi introdurre l'IA come partner cognitivo i cui suggerimenti gli studenti valutano criticamente, per prevenire la dequalificazione legata all'automazione (Fowlin et al. (2026)).

Padronanza interiorizzata contro padronanza distribuita. Il framework Cognitive Commons (Lovett 2026) distingue la Padronanza Interiorizzata (conoscenza profonda del dominio nelle menti individuali) dalla Padronanza Distribuita (orchestrare sistemi umano–IA) e sostiene che la seconda dipende dalla prima attraverso un "Validation Tether": la supervisione efficace di sistemi distribuiti/di IA presuppone l'esperienza interiorizzata che quegli stessi sistemi possono minare. Questo acuisce la domanda di design della DCog — la distribuzione della cognizione non deve avvenire al costo dell'esperienza che la valida.

Concetti collegati

Articoli collegati

Metadati

Apprendimento e istruzioneCognizione distribuita, Apprendimento Incarnato, Teorie dell'apprendimento, Metacognizione, Apprendimento situato
Basi dell’IA nell’educazioneAgentività di chi apprende, Offloading cognitivo, Collaborazione tra esseri umani e IA
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.