Apprendimento socio-emotivo

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

Apprendimento socio-emotivo (SEL) — il processo di sviluppo delle competenze che consentono agli individui di sincronizzare pensieri, emozioni e azioni per favorire interazioni positive con sé stessi e con gli altri: consapevolezza di sé, autogestione, consapevolezza sociale, abilità relazionali e assunzione responsabile di decisioni (il framework CASEL). Nell'IA nell'educazione, il SEL è sempre più riconosciuto come critico perché la rapida integrazione dell'IA generativa nell'apprendimento solleva interrogativi sul benessere degli studenti, sulla loro socievolezza, empatia e fiducia — e perché la sola alfabetizzazione tecnica sull'IA è insufficiente per orientarsi negli ambienti di apprendimento mediati dall'IA.

Domande da considerare

Il framework CASEL elenca cinque competenze — consapevolezza di sé, autogestione, consapevolezza sociale, abilità relazionali e assunzione responsabile di decisioni. Quali di queste pensi che un tutor IA potrebbe sostenere, e quali sospetti che non possa?
La pagina distingue l'apprendimento socio-emotivo dall'intelligenza emotiva. Prima di proseguire nella lettura, come descriveresti la differenza, e perché la distinzione potrebbe contare per il modo in cui le scuole li affrontano?
Se la sola alfabetizzazione tecnica sull'IA è "insufficiente" per orientarsi nell'apprendimento mediato dall'IA, cosa pensi che manchi — e cosa implica per come prepari gli studenti (o te stesso)?
In che modo un forte affidamento sull'IA potrebbe rimodellare la socievolezza, l'empatia o il senso di fiducia di uno studente — e sono cambiamenti per i quali l'educazione dovrebbe progettare attivamente?
La ricerca suggerisce che il SEL sostiene le dimensioni relazionali dell'apprendimento che l'IA deve "complementare anziché sostituire". Dove hai visto la tecnologia rafforzare una relazione umana, e dove si è silenziosamente sostituita a una?

Introduzione

L'apprendimento socio-emotivo è strettamente correlato, ma distinto, dall'intelligenza emotiva (IE): il SEL/SEC (competenze socio-emotive) comprende la capacità di sincronizzare pensieri, emozioni e azioni per interazioni positive, mentre l'IE è la capacità di un individuo di elaborare informazioni emotive (concettualizzata attraverso modelli di abilità — ragionamento e risoluzione di problemi — o modelli di tratto — disposizioni e comportamenti emotivi). Nell'era dell'IA, il SEL conta perché l'IA può rimodellare l'apprendimento in modi che incidono sullo sviluppo relazionale ed emotivo degli studenti, e perché gli educatori hanno bisogno sia di competenza tecnologica sia di intelligenza emotiva per sostenere efficacemente chi apprende.

Come il SEL appare nella ricerca

Integrare le SEC nell'alfabetizzazione sull'IA: la revisione narrativa di Palmquist et al. propone un framework integrato che combina l'alfabetizzazione sull'IA con le competenze socio-emotive, sostenendo che la sola competenza tecnica è insufficiente — educatori e studenti hanno bisogno sia di intelligenza tecnologica sia emotiva per orientarsi negli ambienti di apprendimento mediati dall'IA, favorendo l'apprendimento personalizzato, la collaborazione e il coinvolgimento etico degli studenti.
Insegnanti e pratica relazionale: La ricerca sui framework di alfabetizzazione sull'IA e sulla fiducia insegnante-studente sottolinea che il SEL sostiene le dimensioni relazionali dell'apprendimento (le relazioni insegnante-studente e studente-studente), che l'IA deve complementare anziché sostituire.
Cosa un agente pedagogico può e non può sostenere nel SEL. Su 108 osservazioni valutate in cieco, un agente pedagogico di IA generativa si è dimostrato più coerente degli educatori nel mantenere un tono rispettoso e un supporto procedurale di routine, mentre gli educatori lo hanno superato nel guidare la riflessione e nel promuovere la conoscenza socio-emotiva — a sostegno di una divisione del lavoro, non di una sostituzione (Raave et al., 2026).
Benessere e impatto affettivo dell'IA: La ricerca esamina come l'uso crescente dell'IA generativa incida sulle competenze socio-emotive degli studenti, sul benessere, sulla socievolezza e sul senso di fiducia ed empatia — preoccupazioni che hanno motivato l'appello dell'OCSE a un'alfabetizzazione sull'IA fondata su valori umanistici, sociali ed emotivi.
Dimensioni affettive dell'IA: Il SEL si collega alla ricerca sull'calcolo affettivo e sul Benessere, esaminando come i sistemi di IA possano sostenere o minare l'apprendimento emotivo e relazionale.
Deficit di policy nell'intersezione IA × SEL: Una revisione sistematica di 65 articoli all'intersezione IA–SEL (Tran, Liu & Nguyen 2026) rileva un sostanziale "deficit di policy": quasi tre quarti degli studi non dichiara alcuna implicazione di policy, e i pochi che lo fanno spesso mancano di indicazioni specifiche per attore. La revisione collega l'impegno sulle policy alla sede di pubblicazione e mette in guardia da una trappola "tecnosoluzionista" in cui il potenziale tecnico viene messo in primo piano mentre le condizioni istituzionali per un'implementazione responsabile restano sotto-specificate. Propone un framework delle "domande WH" (Who, What, Why, When/Where, How) per passare da "implicazione-come-ripensamento" a "implicazione-come-metodologia", collegando l'innovazione IA-per-il-SEL alla policy educativa e alla governance.

Potenziali sottoargomenti del SEL nella ricerca dell'era dell'IA

La ricerca della knowledge base raggruppa il SEL in diversi sottoargomenti distinti, ciascuno con la propria base di evidenze:

Autoefficacia e fiducia

Una competenza SEL fondamentale (consapevolezza di sé/autogestione) che condiziona fortemente il modo in cui gli studenti interagiscono con l'IA. La dipendenza degli studenti dall'IA (478 studenti israeliani dell'istruzione superiore) ha rilevato che, mentre le dimensioni di alfabetizzazione sull'IA basate sulle abilità erano associate positivamente alla dipendenza dall'IA, sia l'autoefficacia accademica sia quella specifica per l'IA e la regolazione dello sforzo erano associate negativamente — il che significa che la sola alfabetizzazione sull'IA non protegge dalla dipendenza; l'autoefficacia sì. Cen et al. (EC-TEL 2026) hanno trovato che gli studenti con autoefficacia iniziale più bassa ottenevano guadagni di apprendimento maggiori indipendentemente dal formato di pratica, e che il favore verso il tutor contava di più nella pratica basata sul tutor — sottolineando il valore di calibrare la pratica sui profili motivazionali. Concetti collegati: Autoefficacia, motivazione, agentività.

Motivazione e l'effetto "disponibilità dell'IA"

La motivazione si interseca con l'assunzione responsabile di decisioni e l'autogestione proprie del SEL. La ricerca su disponibilità dell'IA e motivazione degli studenti e su motivazione e autoefficacia di studenti e insegnanti mostra che la mera disponibilità dell'IA può rimodellare l'orientamento motivazionale degli studenti e lo sforzo percepito — rilevante per come l'IA potrebbe minare o sostenere la motivazione intrinseca. La ricerca sull'autoefficacia inquadra la regolazione dello sforzo come contrappeso alla dipendenza dall'IA.

Regolazione delle emozioni e supporto affettivo

La regolazione emotiva è una competenza SEL chiave con conseguenze dirette sull'apprendimento, che forma un legame diretto SEL→risultati. Strumenti di calcolo affettivo come MathBuddy modellano le emozioni degli studenti per plasmare le risposte pedagogiche, e gli strumenti di benessere per il campus basati sull'IA (ad es. PsychoGPT, AURA) coprono prevenzione e intervento.

Vergogna, senso di colpa e risposte emotive all'uso dell'IA

Le emozioni regolano come gli studenti rendono visibile il proprio uso dell'IA. "Stuck in a Spiral" (19 studenti di informatica) ha rilevato che vergogna e senso di colpa agiscono come regolatori sociali dell'uso dell'IA, alimentando comportamenti di nascondimento e rivelazione selettiva e creando cicli di ridotta agentività. L'ansia da IA può essere trasformata in regolazione strategica dell'IA come risorsa di apprendimento. Questi elementi collegano la consapevolezza sociale e l'autogestione del SEL all'integrità accademica e all'uso responsabile dell'IA.

Fiducia e senso di appartenenza

Il SEL sostiene l'apprendimento relazionale e la coesione sociale. La Principled AI education e gli chatbot IA per l'apprendimento collaborativo si collegano al senso di appartenenza e all'efficacia collettiva — la convinzione condivisa nella capacità di una squadra di portare a termine i compiti. Il premortem di Brookings sottolinea che l'eccessivo affidamento sull'IA minaccia il benessere socio-emotivo, le relazioni fra insegnanti e pari e la privacy/sicurezza degli studenti — dimensioni del senso di appartenenza e della connessione. La fiducia insegnante-studente è centrale nel determinare se l'IA è percepita come di supporto.

Persistenza, mindset e lotta produttiva

Il SEL si sovrappone alla dimensione faticosa dell'apprendimento. Framing the 5% problem identifica la bassa persistenza degli studenti come una sfida ricorrente nella tecnologia educativa, plasmata da motivazione/adesione, blocchi cognitivi, resilienza sotto sfida e connessione. Favero et al. avvertono che un'IA che si sostituisce allo sforzo erode le stesse capacità che l'educazione costruisce — in linea con la metacognizione e con il valore della lotta produttiva rispetto all'eccessivo affidamento.

Implicazioni per docenti e progettazione didattica

Tratta il SEL come un obiettivo progettuale di primo piano, non come un'aggiunta. Integra le competenze socio-emotive nei curricoli di alfabetizzazione sull'IA (secondo Palmquist et al.), così che gli studenti imparino non solo come usare l'IA ma quando e perché — con attenzione alle proprie emozioni, al proprio sforzo e alle proprie relazioni.
Progetta per l'autoefficacia e l'agentività. Poiché l'alfabetizzazione sull'IA basata sulle abilità può aumentare la dipendenza mentre l'autoefficacia e la regolazione dello sforzo proteggono da essa, l'istruzione dovrebbe costruire deliberatamente la fiducia e l'autogestione degli studenti accanto alla competenza tecnica — ad es. pratica sostenuta da supporti, successi a bassa posta in gioco, e richieste che obblighino gli studenti a verificare e a fare proprio l'output dell'IA.
Usa l'IA per sostenere, non soppiantare, l'apprendimento relazionale. Gli strumenti di IA dovrebbero complementare le relazioni insegnante-studente e studente-studente, e i docenti dovrebbero mantenere il ruolo relazionale — monitorando affetto e senso di appartenenza — anziché delegarlo interamente.
Emotion-aware e progettazione sensibile agli affetti. I sistemi consapevoli degli affetti possono rilevare e rispondere agli stati emotivi (ansia, frustrazione, confusione), ma l'evidenza mostra che i benefici non sono universali — moderati da competenza e profilo di chi apprende — quindi la progettazione emotiva deve essere calibrata, non data per scontata.
Affronta il lato emotivo dell'uso dell'IA. Progetta contro le spirali di vergogna/senso di colpa e l'ansia da IA normalizzando la discussione sull'uso dell'IA, favorendo la trasparenza e riducendo le risposte basate sulla sorveglianza che erodono fiducia e agentività.
Sostieni la persistenza e la lotta produttiva. Supporta anziché sostituire (secondo Favero et al.), così che l'IA approfondisca anziché aggirare l'apprendimento faticoso — in linea con la metacognizione e le difficoltà produttive.
Allena la mossa verbale nel momento. Il supporto al SEL tende a essere inquadrato come progettazione o come rilevamento degli affetti da parte dell'IA, ma i docenti hanno bisogno anche di cosa dire quando lo stato emotivo di uno studente minaccia di interrompere il coinvolgimento — trattando quello stato come qualcosa con cui lavorare in tempo reale anziché come precondizione per l'apprendimento. La guida pratica di Parlant chiama questi interventi micro-emotivi: brevi atti verbali che convalidano il sentimento, riformulano la valutazione che lo sorregge e ricollegano la lotta all'identità professionale, preparati attraverso un rituale di ricognizione prima della lezione e un repertorio di frasi riutilizzabile che l'IA generativa può aiutare a stendere perché il docente lo personalizzi.
Prepara la competenza SEL degli insegnanti. Gli educatori hanno bisogno sia di competenza tecnologica sia di intelligenza emotiva (competenza IA degli insegnanti); la formazione professionale dei docenti dovrebbe costruire la capacità di sostenere il SEL degli studenti in contesti mediati dall'IA.

Collegamenti ai guadagni di apprendimento e ad altre misure

L'autoefficacia modera i guadagni. Cen et al. hanno trovato che gli studenti con autoefficacia iniziale bassa ottenevano i guadagni di apprendimento maggiori, e che la favorevolezza verso il tutor prediceva i guadagni nella pratica basata sul tutor — mostrando che i profili motivazionali plasmano chi trae beneficio da quale formato.
Benessere e coinvolgimento come esiti intermedi. Gli esiti legati al SEL (motivazione, Benessere, senso di appartenenza, coinvolgimento, autoefficacia) spesso funzionano da mediatori dei risultati a valle, e la ricerca sull'IA li misura sempre più accanto — o in alcuni casi al posto — dei punteggi grezzi nei test.
Gli effetti sono condizionali, non universali. La ricerca mette in guardia che gli interventi orientati al SEL possono aiutare alcuni studenti (per profilo/competenza) e non altri, quindi le affermazioni sui guadagni di apprendimento basati sul SEL andrebbero esaminate per gli effetti dei moderatori.
Il lato del danno nel bilancio. Il premortem di Brookings mette in guardia che l'eccessivo affidamento sull'IA guidato dall'IA minaccia il benessere socio-emotivo, le relazioni e il senso di appartenenza — esiti che, se erosi, possono minare le stesse fondamenta dell'apprendimento e dei risultati a lungo termine.

Collegamenti ai concetti correlati

Il SEL si collega all'alfabetizzazione sull'IA (come complemento che rende relazionale ed etica l'alfabetizzazione sull'IA), al calcolo affettivo e al benessere (le dimensioni affettive dell'IA), all'apprendimento autoregolato (autogestione e regolazione dello sforzo), all'autoefficacia e alla motivazione (credenze di chi apprende che moderano l'interazione con l'IA), all'agentività (proteggere il controllo di chi apprende dalla dipendenza), all'etica (assunzione responsabile di decisioni), alla competenza IA degli insegnanti (capacità degli educatori di sostenere il SEL), all'esperienza dello studente (benessere e senso di appartenenza) e ai guadagni di apprendimento (l'evidenza che il SEL sostiene i risultati). Si relaziona all'istruzione superiore e alla scuola K-12 come contesti in cui si coltiva l'alfabetizzazione sull'IA infusa di SEL.

Concetti collegati

Articoli collegati

Exploring interfaces and implications for integrating social-emotional competencies into AI literacy for education: a narrative review — Integrating Social-Emotional Competencies Into AI Literacy
Mind the Trust Gap: Identifying (Mis)alignments in Teacher-Student Views Toward Control and Agency in K-12 Classroom AI — Mind the Trust Gap: Teacher-Student Views
The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education — The Scaffolded AI literacy (SAIL) framework
Teacher education for artificial intelligence literacy through a self-determination theory perspective — Teacher Education for AI Literacy (SDT)
Understanding Student Dependency on AI: The Role of AI Literacy, Academic Self-Efficacy, and Resource Management Strategies — Student Dependency on AI, Self-Efficacy, and Resource Management
Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice — Self-Efficacy and Favorability Shape Learning from Tutoring
Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education — Shame and Guilt as Social Regulators of AI Use
From Substitution to Scaffolding: Breaking the Self-Reinforcing Harm Cycle of AI in Education (and Beyond) — From Substitution to Scaffolding
AI chatbot design principles to enhance the collective efficacy in collaborative learning — AI Chatbots and Collective Efficacy
MathBuddy: Affective Math Tutoring — MathBuddy: Affective Math Tutoring
New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — AI-Driven Campus Well-being Tools
The Policy Deficit in AI × Social-Emotional Learning Research — The Policy Deficit in AI × SEL Research
An Experimental Study Exploring Human–AI Complementarity in Early Social-Emotional Learning — Human–AI complementarity in early social-emotional learning (Raave et al. 2026)
Can You Feel It? A Practical Guide to Emotional Micro-Interventions for Higher Education Teachers — Real-time emotional micro-interventions and a phrasebook for instructors

FAQ collegate

Metadati

Livello	Higher Ed
Destinatari previsti	Learners
Apprendimento e istruzione	Apprendimento autoregolato, Benessere
Tecnologie e tecniche	Computazione affettiva
Equità, etica e uso responsabile	Etica
Basi dell’IA nell’educazione	Alfabetizzazione sull'IA, Competenza in IA dei docenti

Source History Edit Chat