Teorie e quadri di riferimento

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

Teorie e quadri di riferimento — l'inventario operativo delle strutture esplicative e organizzative che questa knowledge base utilizza effettivamente. Le teorie spiegano perché avviene l'apprendimento (Teorie dell'apprendimento, Teoria dell'autodeterminazione, Apprendimento socioculturale, teoria dell'attività); i quadri di riferimento organizzano le decisioni di progettazione, insegnamento e adozione (Conoscenza Tecnologica Pedagogica dei Contenuti (TPACK), SAMR, modelli di adozione della tecnologia, ICAP, universal design for learning); i modelli rendono testabili e calcolabili le ipotesi sull'apprendimento (teoria della risposta all'item, Validità della valutazione, Tracciamento delle conoscenze). Usa questa pagina per trovare la lente su cui poggia uno studio, o per sceglierne una per il tuo lavoro.

Domande da considerare

• Una teoria prevede cosa accade quando qualcosa cambia; un quadro di riferimento indica a cosa prestare attenzione. Quando uno studio riporta un guadagno sotto la bandiera di un quadro di riferimento ma non avanza alcuna previsione che avrebbe potuto fallire, che cosa si è realmente appreso?
• TPACK, SAMR, UDL, i modelli di adozione e ICAP precedono tutti i grandi modelli linguistici. Quali parti reggono ancora quando lo strumento può scrivere, spiegare e adattarsi da solo, e come lo si può verificare?
• Diverse delle teorie catalogate di seguito sono state coniate per l'IA negli ultimi anni. Cosa servirebbe perché una di esse sia sbagliata, e qualcuno ha tentato di dimostrarlo?
• L'adozione è spesso riportata come un movimento attraverso stadi. Se un collega riferisce che il suo corso è passato "dalla sostituzione alla ridefinizione" quest'anno, quali prove indipendenti chiederesti prima di crederci?
• Gran parte di questo campo applica teoria presa a prestito piuttosto che verificarla. Scegli un risultato su cui ti basi: potrebbe essere riformulato come un test di una teoria, e quale misurazione richiederebbe?

Introduzione

Ogni tutor di IA, sistema di feedback e dashboard incorpora ipotesi su come apprendono le persone, che i progettisti lo dichiarino o meno. Questa pagina raccoglie le teorie, i quadri di riferimento e i modelli da cui derivano tali ipotesi, ordinati approssimativamente in base a quanta parte dell'attuale letteratura di ricerca si appoggia a essi, e dice brevemente a cosa serve ciascuno. Le distinzioni tra le tre etichette sono reali ma minori, e sono riassunte verso la fine anziché trattate come il soggetto. Ciò che conta praticamente è quale lente sorregge un'affermazione, e se quella lente può sorreggerla.

Teorie dell'apprendimento applicate dalla letteratura

Queste spiegano i meccanismi: nominano le parti che fanno il lavoro e prevedono cosa segue quando quelle parti cambiano. Nella letteratura sull'IA sono per lo più prese a prestito dalla psicologia e dalle scienze dell'apprendimento, e usate come cornici interpretative attorno a un nuovo strumento.

• Teorie dell'apprendimento (ombrello) — la famiglia nel suo insieme, inclusi i poli classici del comportamentismo e del costruttivismo e la lacuna "costruttivismo a parole, comportamentismo nei fatti" che ricorre nelle implementazioni di IA. Anche il connettivismo e la teoria del carico cognitivo sono trattati qui.
• Costruttivismo — l'apprendimento come costruzione attiva della conoscenza. Sostiene il lavoro basato su progetti, la tutoring di IA dialogica, e la critica secondo cui i sistemi di esercitazione e feedback violano la pedagogia che dichiarano.
• Teoria socioculturale — l'apprendimento come mediato da strumenti e interazione sociale, ed è per questo che l'IA viene teorizzata come artefatto mediatore anziché come semplice ausilio.
• Teoria dell'attività — assume l'intero sistema di attività, contraddizioni incluse, come unità di analisi. Comune negli studi sull'IA rivolti agli insegnanti, dove il risultato interessante è di solito la tensione tra strumenti, regole e comunità.
• Apprendimento situato e apprendimento incarnato — l'apprendimento come legato al contesto e al corpo, il contrappeso al trattare l'IA come un mezzo puramente linguistico.
• Cognizione distribuita — il pensiero distribuito tra persone e artefatti, che inquadra l'assistenza dell'IA come una ridistribuzione del lavoro cognitivo anziché come una sua sostituzione.
• Community of inquiry — le presenze sociale, cognitiva e didattica che fanno funzionare un'esperienza online; una teoria dell'esperienza e una cornice di progetto allo stesso tempo.
• Teoria dell'autodeterminazione — autonomia, competenza e relazionalità come precondizioni motivazionali. Spesso la spiegazione offerta quando l'uso dell'IA accresce il coinvolgimento senza accrescere l'apprendimento.
• Cognitivismo — elaborazione dell'informazione, memoria di lavoro, e il divario tra la sensazione di apprendere e l'apprendimento effettivo.

Modelli dello studente e del processo di apprendimento

• Apprendimento autoregolato — pianificare, monitorare e valutare il proprio apprendimento. Il costrutto di punta per chiedersi se il supporto dell'IA raggiunga le fasi che contano o solo l'esecuzione.
• Metacognizione — pensare al proprio pensiero, e il costrutto più spesso invocato quando si accusa l'IA di pensare al posto degli studenti.
• Motivazione — perché gli studenti si impegnano, e il costrutto che separa il coinvolgimento dall'apprendimento negli studi sull'IA.
• Autoefficacia — la convinzione nella propria capacità, distinta dalla competenza, e un frequente mediatore tra uso dell'IA e risultati.
• Agentività — chi dirige il lavoro: il costrutto dietro la tensione controllo-contro-autonomia del campo, e dietro il meccanismo di agentività delegata nella teoria più recente.
• Difficoltà desiderabili, recupero, spaziatura e interleaving e testo di confutazione — risultati che rendono la frizione preziosa dal punto di vista pedagogico, applicati alle decisioni su quanto un'IA debba fare.
• Transfer dell'apprendimento — se la capacità persista una volta ritirato il supporto, ciò che la teoria recente tratta come il criterio che separa l'apprendimento dall'assistenza anziché come un esito tra gli altri.

Quadri di riferimento per insegnamento, integrazione e adozione

• TPACK — la conoscenza dell'insegnante che fonde tecnologia, pedagogia e contenuto; il quadro di riferimento predefinito per gli studi sull'IA rivolti agli insegnanti.
• Modelli di adozione — l'intenzione come funzione dell'utilità percepita e della facilità d'uso. Usati così ampiamente che la dipendenza del campo dall'intenzione anziché dal comportamento è una critica ricorrente.
• ICAP — classifica il coinvolgimento come passivo, attivo, costruttivo, interattivo; utile per chiedersi quale modalità un'interazione con l'IA offra effettivamente.
• SAMR — dalla sostituzione alla ridefinizione. Popolare come storia di maturità, debole come strumento di misurazione.
• Universal design for learning, apprendimento inclusivo e accessibilità — cornici di progetto per chi viene servito, e le più spesso invocate nel lavoro su disabilità ed equità.
• Progettazione dell'apprendimento, progettazione curricolare e design thinking — come sono strutturati compiti, sequenze e programmi prima che venga scelto qualsiasi strumento.
• Gestione del cambiamento — se un sistema viene effettivamente adottato, che è di solito una questione istituzionale anziché pedagogica.

Modelli di misurazione e computazionali

• Teoria della risposta all'item — stima di item e abilità, e il modello che rende interpretabili i numeri di un test.
• Misurazione educativa — il panorama degli strumenti, incluse le misure costruite specificamente per la literacy in materia di IA.
• Validità — se uno strumento misuri il costrutto che dichiara, ciò che decide se un esito riportato sostiene l'affermazione teorica a esso collegata.
• Misure di autovalutazione — la fonte di evidenza dominante e più fragile in questa letteratura; diversi costrutti sopra indicati sono noti per divergere nettamente tra autovalutazione e performance.
• Tracciamento delle conoscenze e modellazione dello studente — stimare lo stato di uno studente nel tempo a partire dai dati di interazione.
• Diagnosi cognitiva — attribuire la performance a specifiche componenti di abilità, la controparte modellistica dell'insegnamento diagnostico.
• Benchmark, valutazione dell'educazione all'IA e consapevolezza psicometrica nella progettazione dell'IA — come sistemi e interventi vengono punteggiati, confrontati e verificati.
• Design-based research — il metodo che genera teoria da interventi progettati anziché verificarla in anticipo.

Teorie coniate per l'era dell'IA

Quattro proposte nella knowledge base costruiscono teoria anziché prenderla a prestito. Sono pagine di articoli anziché nodi concettuali, perché ciascuna è un singolo argomento:

• Generativismo — una nuova teoria dell'apprendimento che sostiene che i quattro classici mostrano limiti concettuali significativi con la proliferazione dell'IA generativa.
• Co-agentività epistemica — un modello di come studenti e sistemi di IA producono congiuntamente conoscenza e comprensione.
• La linea di base cognitiva assente — teorizza perché gli studenti nativi digitali con l'IA sovrastimino il proprio apprendimento quando l'IA gonfia la performance.
• Agentivismo — una teoria di medio raggio che nomina quattro meccanismi (agentività delegata, monitoraggio e verifica epistemica, interiorizzazione ricostruttiva, e transfer con supporto ridotto) e enuncia sei proposizioni verificabili.

Distinguere le tre etichette

Le parole sono usate liberamente nella letteratura, e la differenza merita un paragrafo più che un'intera pagina:

• Una teoria spiega un meccanismo e prevede cosa accade quando le sue parti cambiano. Può fallire, ed è per questo che gli studi che ne verificano una possono riportare dimensioni dell'effetto.
• Un quadro di riferimento organizza o prescrive. Nomina le componenti a cui prestare attenzione, di solito senza prevedere magnitudini, e non può essere falsificato.
• Un modello è una rappresentazione formale, per lo più di misurazione o dello stato dello studente. Può essere calibrato, confrontato e mostrato errato in un modo in cui un quadro di riferimento non può.
• Le etichette si sovrappongono. Community of inquiry è insieme una teoria e una cornice di progetto; la teoria dell'attività è esplicativa e analitica. Tratta l'etichetta come un indizio di ciò che una fonte afferma, non come una categoria di archiviazione.

Livelli collegati

Due pagine vicine riguardano deliberatamente qualcos'altro. La filosofia dell'IA nell'educazione pone domande normative e concettuali — a cosa serve l'educazione, se una macchina può insegnare — e non prevede dimensioni dell'effetto; uno studio può essere filosoficamente ingenuo e teoricamente solido, o il contrario. Lo sviluppo della teoria è la meta-attività di costruire, prendere a prestito e rivedere teoria, inclusa la critica ricorrente che gran parte del lavoro in AIED applica teoria esistente anziché verificarla. Questa pagina è l'inventario; lo sviluppo della teoria riguarda il produrre e rivedere l'inventario.

Scegliere una lente quando la domanda è pratica

• Gli insegnanti che partono da un problema possono procedere a ritroso: se gli studenti non si impegnano, ICAP e SDT nominano cause diverse e suggeriscono soluzioni diverse; se la domanda è se adottare uno strumento, i modelli di adozione e SAMR pongono domande diverse su di esso.
• I progettisti dell'apprendimento traggono il massimo dalle cornici di progetto — UDL, Progettazione dell'apprendimento e Scaffolding (impalcatura) — abbinate a una teoria che preveda cosa accade quando lo scaffolding viene rimosso.
• I ricercatori dovrebbero dichiarare quale nodo uno studio rivendica e se il progetto possa effettivamente verificarlo; i modelli di misurazione (IRT, Validità della valutazione, Misure di autodichiarazione) decidono se un esito riportato sostiene quell'affermazione.
• Gli amministratori incontrano questi quadri di riferimento come domande di adozione e cambiamento, dove un modello a stadi è spesso usato come storia di maturità anziché come strumento.

Cosa i quadri di riferimento non possono fare

I quadri di riferimento non sono evidenza. Sono di solito presi a prestito da contesti pre-LLM e adattati da chi li applica, possono funzionare da marchio, e i modelli a stadi invitano a un'adozione a caselle di spunta che riporta il movimento tra livelli anziché l'apprendimento. Le affermazioni che poggiano su un quadro di riferimento andrebbero lette insieme a i limiti trasversali del campo, alla validità di qualunque strumento abbia misurato l'esito, e ai limiti noti delle misure di autovalutazione.

L'allineamento tra meccanismo e teoria può comunque essere decisivo: una sintesi tematica di 55 studi sull'apprendimento basato sul gioco supportato dall'IA ha rilevato che l'efficacia dipendeva dal fatto che il meccanismo di IA attuasse la pedagogia che avrebbe dovuto servire, anziché dalla raffinatezza algoritmica (Kaşarcı e Yurt (2026)).

Concetti collegati

• Sviluppo della teoria nell'IA nell'educazione — costruire e rivedere teoria nel campo
• Filosofia dell'IA nell'educazione — lo strato normativo e concettuale
• Teorie dell'apprendimento — l'ombrello della teoria dell'apprendimento
• Scienze dell'apprendimento — il campo vicino da cui la maggior parte della teoria è presa a prestito
• Limiti nella ricerca AIEd — cosa la base di evidenze può e non può sostenere
• Conoscenza Tecnologica Pedagogica dei Contenuti (TPACK) — quadro di riferimento sulla conoscenza dell'insegnante
• Modelli di adozione della tecnologia — quadri di riferimento sull'adozione
• Teoria della risposta agli item — un modello di misurazione
• Progettazione universale per l'apprendimento — un quadro di riferimento di progetto
• Metodi di ricerca nell'AIED — come la teoria viene verificata

Articoli collegati

• Effectiveness of AI-Supported Game-Based Learning: A Systematic Review of Outcomes, Challenges, and Future Directions — L'allineamento tra meccanismo e teoria, non la raffinatezza algoritmica, ha determinato l'efficacia in 55 studi sull'apprendimento basato sul gioco con IA
• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — quattro decenni di AIED attraverso il framework AI×Ed
• Educating minds with generative AI — sintesi densa di teoria sull'IA generativa e l'apprendimento
• An Activity-Theoretical Approach to Teacher Professional Development in Pedagogical AI Agent Design — teoria dell'attività applicata allo sviluppo professionale degli insegnanti
• Activity theory as a lens on teachers' adoption of AI technologies: A structural equation modeling — teoria dell'attività e adozione da parte degli insegnanti
• Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — una teoria dell'apprendimento proposta per l'era dell'IA generativa
• Learning with machines: Toward a theory of epistemic co-agency — verso una teoria della co-agentività epistemica
• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — teorizzare un divario strutturale nell'autovalutazione degli studenti nativi digitali con l'IA
• Agentivism: a learning theory for the age of artificial intelligence — una teoria dell'apprendimento di medio raggio per l'interazione umano-IA
• Measuring Artificial Intelligence Literacy: A Systematic Review of Instrument Development, Conceptual Foundations, and Psychometric Quality — sviluppo di strumenti per un costrutto giovane
• Control vs. Agency: Exploring the History of AI in Education — la tensione fondativa del campo tra controllo e agentività