Trentuno istituti della rete salesiana, 1.600 insegnanti e una popolazione scolastica di oltre 24.500 studenti. Sono i numeri della ricerca italiana presentata da Google il 29 ottobre 2026, dedicata all’impiego dell’intelligenza artificiale nella preparazione delle lezioni e nell’organizzazione delle attività in classe. I risultati indicano una maggiore partecipazione degli studenti, una crescita delle esperienze collaborative e cambiamenti significativi nel lavoro quotidiano dei docenti.
Lo studio, realizzato nell’arco di un anno insieme alla rete educativa dei Salesiani di Don Bosco e all’Università Pontificia Salesiana di Roma, ha osservato l’utilizzo di Gemini for Education in contesti scolastici e formativi differenti. L’obiettivo era comprendere come gli strumenti generativi potessero intervenire sulla progettazione didattica, sul coinvolgimento degli alunni e sul benessere professionale degli insegnanti.
I dati restituiscono un quadro interessante soprattutto per un motivo: le differenze più evidenti riguardano il modo in cui vengono costruite e condotte le lezioni. Non costituiscono invece una dimostrazione generale di un miglioramento delle competenze o dei risultati scolastici.
La ricerca rappresenta così un contributo al dibattito sull’intelligenza artificiale nella scuola italiana, spostando l’attenzione dall’utilizzo individuale dei chatbot alla capacità degli insegnanti di organizzare attività nelle quali gli studenti discutono, collaborano e partecipano alla costruzione delle conoscenze.
Lo studio italiano coinvolge 31 scuole della rete salesiana
Il progetto descritto da Google nasce dall’ampliamento di una precedente sperimentazione condotta nel Nord Italia. Nel maggio 2026 erano già stati comunicati i risultati di una prima esperienza sviluppata attraverso la rete Don Bosco, con circa 700 educatori, 9.000 studenti e oltre 560 attività didattiche documentate.
Il lavoro successivo ha esteso l’osservazione a 31 scuole, coinvolgendo 1.600 docenti e una popolazione di riferimento superiore a 24.500 studenti, indicati nella comunicazione Google nella fascia tra 13 e 18 anni. Gli insegnanti appartengono a percorsi educativi differenti, comprendenti istruzione scolastica e formazione professionale.
Il campione presenta una caratteristica rilevante: gli istituti coinvolti appartengono a una rete educativa con un’identità pedagogica condivisa. Questa condizione può favorire il coordinamento delle attività, la formazione degli insegnanti e la raccolta delle esperienze, ma richiede prudenza quando si confrontano i risultati con quelli dell’intero sistema scolastico nazionale.
La metodologia illustrata nella comunicazione del 29 ottobre comprende la raccolta di attività svolte in classe e di autovalutazioni relative alla progettazione delle lezioni, considerando situazioni con e senza il supporto di Gemini. Le informazioni riguardano principalmente le pratiche didattiche, la partecipazione e le percezioni degli insegnanti.
Lo studio italiano non viene presentato come una sperimentazione randomizzata sull’apprendimento degli studenti. Non è quindi corretto attribuirgli la stessa capacità di dimostrare rapporti causali di un esperimento nel quale classi comparabili vengono assegnate casualmente a differenti condizioni di insegnamento.
La Fondazione CNOS-FAP ha inoltre pubblicato il volume Intelligenza Artificiale nella scuola e nella formazione professionale salesiana. Esperienze, riflessioni e sfide, dedicato al progetto Go Beyond Traditional Education. La pubblicazione descrive un percorso più ampio, con oltre 1.600 educatori, 29.000 studenti raggiunti e più di 500 attività documentate in oltre 50 istituzioni.
Le differenze tra i perimetri numerici delle comunicazioni richiedono di distinguere il campione dello studio presentato da Google dall’insieme delle attività del progetto salesiano. Non devono essere considerate automaticamente popolazioni identiche.
Le lezioni frontali diminuiscono, cresce il lavoro di gruppo
Uno dei risultati più significativi riguarda la distribuzione delle attività didattiche. Nelle esperienze osservate con il supporto di Gemini, le lezioni frontali tradizionali risultano diminuite del 38%, mentre le attività collaborative guidate dagli studenti sono quasi triplicate.
La trasformazione riguarda laboratori, discussioni tra compagni e attività di gruppo che richiedono un contributo diretto degli alunni.
Il dato non significa che la spiegazione dell’insegnante sia diventata marginale. Indica piuttosto una diversa organizzazione del tempo disponibile: una parte delle attività precedentemente dedicate alla trasmissione dei contenuti viene utilizzata per esercitazioni, confronti e lavori nei quali gli studenti devono intervenire.
Gemini è stato impiegato principalmente nella preparazione delle lezioni. Gli insegnanti hanno utilizzato gli strumenti generativi per elaborare materiali, adattare contenuti e progettare attività più interattive.
Il meccanismo è diverso dall’affidare a un sistema automatico la conduzione della classe. Il docente continua a definire gli obiettivi educativi, scegliere gli argomenti, verificare l’adeguatezza dei materiali e gestire il rapporto con gli studenti.
L’intelligenza artificiale nella scuola italiana viene quindi osservata come supporto alla progettazione didattica, attraverso un utilizzo che precede e accompagna l’attività educativa.
Questa distinzione aiuta anche a interpretare l’aumento della collaborazione. Un sistema generativo può facilitare la preparazione di esercizi e tracce di discussione, ma il lavoro cooperativo nasce dalle modalità con cui l’insegnante organizza la classe.
Senza una progettazione coerente, la disponibilità di contenuti generati automaticamente non produce necessariamente un confronto più approfondito tra studenti.
Partecipazione degli studenti dal 77 all’84%
La ricerca registra un cambiamento anche nel coinvolgimento degli alunni. Nelle lezioni progettate con Gemini, la partecipazione attiva dichiarata dagli studenti passa dal 77% all’84%.
Si tratta di una crescita di 7 punti percentuali, associata a una maggiore presenza di discussioni tra pari e occasioni nelle quali gli studenti esprimono punti di vista differenti.
Il dato merita attenzione perché misura una dimensione importante della vita scolastica, ma deve essere interpretato correttamente. La partecipazione dichiarata non equivale automaticamente a una maggiore padronanza delle discipline.
Uno studente può intervenire più frequentemente durante una lezione senza necessariamente ottenere risultati migliori in una successiva verifica. Allo stesso modo, una classe nella quale aumentano le discussioni può sviluppare competenze relazionali e argomentative che non vengono rilevate immediatamente dai normali test disciplinari.
Per valutare l’efficacia educativa occorre quindi distinguere il coinvolgimento durante le attività dai risultati di apprendimento, verificando entrambi attraverso strumenti adeguati.
Questa differenza interessa direttamente il dibattito sull’intelligenza artificiale nella scuola italiana. Le tecnologie possono modificare l’esperienza della lezione e il rapporto degli studenti con i contenuti, ma la qualità di tali cambiamenti dipende anche dalla capacità di trasformare la partecipazione in conoscenze utilizzabili.
Un’attività di gruppo, per esempio, richiede criteri per valutare la correttezza delle informazioni, il contributo individuale e la capacità di sostenere un ragionamento. La semplice produzione di un elaborato collettivo non permette di stabilire quanto ciascun partecipante abbia effettivamente compreso.
Gli insegnanti dichiarano maggiore creatività nella preparazione
Il cambiamento emerge anche dalle valutazioni dei docenti.
Il 79% degli insegnanti che hanno utilizzato Gemini nella progettazione delle lezioni riferisce di essersi sentito più creativo del consueto. Nelle attività senza Gemini la stessa percezione viene indicata dal 30%.
La differenza riguarda un’esperienza professionale dichiarata, non un punteggio oggettivo di creatività. Descrive tuttavia una possibile conseguenza dell’impiego degli strumenti generativi: la disponibilità di proposte, materiali alternativi e adattamenti può ampliare le possibilità considerate durante la preparazione.
L’insegnante può confrontare differenti impostazioni di uno stesso argomento, modificare il livello di difficoltà di un esercizio o costruire attività destinate a gruppi con esigenze diverse.
La qualità del risultato resta legata alla revisione umana. I modelli generativi possono produrre spiegazioni inesatte, materiali poco coerenti con il programma o esercizi che non rispettano il livello di preparazione della classe.
Nella pratica scolastica il controllo dei contenuti rappresenta quindi una parte integrante del lavoro di progettazione. L’utilità di Gemini non elimina la necessità di verificare accuratezza, linguaggio, progressione didattica e adeguatezza delle consegne.
La sperimentazione salesiana offre ulteriori informazioni sull’organizzazione del lavoro. Nella precedente fase comunicata a maggio, gli insegnanti avevano riferito una riduzione del 70% del tempo dedicato alle attività amministrative considerate nello studio, dichiarando di aver destinato parte del tempo recuperato al sostegno individuale degli studenti.
Il dato appartiene alla fase precedente e non deve essere confuso con i risultati della ricerca annuale presentata a ottobre.
Il rapporto tra intelligenza artificiale e benessere dei docenti
La ricerca più recente affronta una questione meno discussa rispetto ai risultati degli studenti: l’impegno richiesto agli insegnanti per mantenere viva l’attenzione durante le lezioni.
Secondo i dati diffusi da Google, nelle attività progettate con Gemini la dipendenza dal continuo intervento dell’insegnante per sostenere il coinvolgimento della classe diminuisce del 66%.
Contemporaneamente, la quota di lezioni nelle quali è la struttura stessa dell’attività a favorire la partecipazione passa dal 23,2% al 52,2%.
È una differenza sostanziale nell’organizzazione didattica. Una lezione costruita attorno a un laboratorio o a un confronto guidato può distribuire tra gli studenti una parte dell’iniziativa, mentre l’insegnante mantiene il compito di supervisionare, correggere e approfondire.
L’osservazione suggerisce una possibile riduzione della pressione legata alla gestione continua della partecipazione. Non dimostra, tuttavia, una diminuzione generalizzata dello stress professionale né consente di quantificare eventuali benefici clinici o psicologici.
La percezione del benessere dipende da numerose variabili, comprese le dimensioni delle classi, il numero di ore di insegnamento, gli adempimenti amministrativi e le condizioni organizzative dell’istituto.
L’interesse del risultato sta soprattutto nel collegamento tra progettazione didattica e distribuzione del lavoro durante la lezione.
L’intelligenza artificiale nella scuola italiana può essere valutata anche attraverso questo parametro: quanto tempo e quante risorse riesce a liberare per attività educative che richiedono una relazione diretta tra insegnante e studente.
Per rispondere in modo definitivo servirebbero osservazioni indipendenti e confronti sistematici nel tempo, capaci di misurare il carico complessivo di lavoro e non soltanto alcune sue componenti.
Il confronto con il Regno Unito chiarisce i limiti dei risultati
La comunicazione del 29 ottobre comprende anche uno studio britannico, realizzato insieme alla piattaforma educativa Eedi e dedicato al tutoraggio matematico.
La sperimentazione ha coinvolto 1.179 studenti tra 12 e 15 anni in dieci scuole statali, attraverso dieci settimane di lezioni nell’ambito di un trimestre di dodici settimane.
A differenza dell’indagine italiana, il progetto è stato impostato come studio controllato randomizzato. Gli studenti ricevevano differenti forme di supporto dopo una risposta errata: un suggerimento statico, l’assistenza di un tutor umano oppure un tutor interattivo basato su Gemini e sulle risorse didattiche di Eedi.
Ogni risposta dell’intelligenza artificiale veniva verificata in tempo reale da esperti umani prima di essere mostrata agli studenti.
Nelle attività svolte sulla piattaforma e nei quiz intermedi, gli studenti assistiti dal tutor AI hanno ottenuto prestazioni simili a quelle dei compagni seguiti da tutor umani.
Il miglioramento non è però emerso nei punteggi dei test standardizzati STAR durante il periodo osservato.
Una possibile spiegazione, proposta dai ricercatori, riguarda il tempo dedicato a ciascun esercizio. Gli studenti assistiti dall’AI affrontavano mediamente circa 14 problemi per sessione, contro i 19 di chi riceveva suggerimenti statici.
L’accompagnamento passo dopo passo poteva quindi favorire una maggiore elaborazione dei singoli quesiti, riducendo però la quantità complessiva di argomenti affrontati nel periodo sperimentale.
Questa interpretazione richiede ulteriori verifiche. I ricercatori stanno valutando sperimentazioni estese all’intero anno scolastico.
Il confronto con l’esperienza italiana è utile proprio per la diversità degli obiettivi. Nel Regno Unito è stato valutato un tutor digitale attraverso prove di apprendimento; in Italia l’attenzione si è concentrata sulla progettazione delle lezioni, sulle dinamiche collaborative e sulle percezioni degli insegnanti.
I due studi non consentono di concludere che l’impiego di Gemini produca automaticamente risultati scolastici migliori. Documentano effetti e associazioni osservati in condizioni differenti, attraverso metodi di rilevazione che non sono direttamente sovrapponibili.
I risultati della rete salesiana non rappresentano tutte le scuole italiane
L’estensione della ricerca a 31 istituti costituisce un elemento significativo rispetto alle sperimentazioni limitate a singole classi. Rimane tuttavia aperta la questione della rappresentatività.
Le scuole coinvolte appartengono a una rete educativa specifica e condividono un’organizzazione che può agevolare l’introduzione coordinata di nuovi strumenti. Non è detto che gli stessi risultati emergano in istituti con dotazioni tecnologiche differenti, minori opportunità di formazione o condizioni organizzative più complesse.
Anche il ruolo della motivazione iniziale merita attenzione. Gli insegnanti che partecipano a progetti sperimentali possono essere particolarmente interessati all’innovazione didattica e più disponibili a modificare le proprie pratiche professionali.
La ricerca non permette di stabilire in quale misura questa predisposizione abbia contribuito ai risultati osservati.
Un’ulteriore cautela riguarda le autovalutazioni. Le risposte di studenti e insegnanti sono informazioni preziose per comprendere l’esperienza educativa, ma possono risentire delle aspettative legate all’introduzione di uno strumento nuovo.
Per misurare gli effetti sull’apprendimento servirebbero verifiche indipendenti delle competenze, valutazioni a distanza di tempo e confronti con gruppi che adottano metodologie didattiche analoghe senza utilizzare sistemi generativi.
La discussione sull’intelligenza artificiale nella scuola italiana richiede inoltre di distinguere le caratteristiche del software dagli effetti del metodo di insegnamento. Se un docente progetta più lavori di gruppo utilizzando Gemini, una parte del cambiamento osservato può derivare dalla scelta di adottare una didattica collaborativa, indipendentemente dallo strumento impiegato per prepararla.
Per isolare il contributo specifico dell’AI occorrerebbe confrontare classi nelle quali si svolgono attività pedagogicamente equivalenti, preparate rispettivamente con e senza il supporto generativo.
Formazione, dati degli studenti e responsabilità educativa
La diffusione degli strumenti AI nelle scuole pone questioni operative che vanno oltre la disponibilità delle applicazioni.
Le linee guida europee sull’utilizzo etico dell’intelligenza artificiale e dei dati nell’insegnamento, aggiornate nel 2026, invitano gli istituti a valutare finalità pedagogiche, protezione delle informazioni personali, affidabilità degli strumenti e competenze necessarie per utilizzarli responsabilmente.
Un insegnante che prepara materiali attraverso un modello generativo deve poter controllare le informazioni elaborate e conoscere le modalità di trattamento degli eventuali dati inseriti.
Questo aspetto diventa particolarmente delicato quando i contenuti riguardano studenti minorenni, difficoltà individuali di apprendimento o altre informazioni personali.
L’utilizzo di materiali anonimizzati, la verifica delle impostazioni del servizio e il rispetto delle regole sulla protezione dei dati rappresentano condizioni da considerare prima dell’introduzione operativa degli strumenti.
Anche l’UNESCO, nelle indicazioni dedicate all’intelligenza artificiale generativa nell’istruzione, richiama la necessità di preservare la centralità umana dell’educazione e di definire adeguate tutele per gli studenti.
Il Consiglio dell’Unione europea, nelle conclusioni del maggio 2026 dedicate agli insegnanti nell’era dell’AI, ha inoltre ribadito che queste tecnologie devono rafforzare la dimensione umana dell’insegnamento senza sostituire il ruolo pedagogico dei docenti.
Per gli istituti italiani la questione assume una dimensione organizzativa concreta. L’introduzione di Gemini o di altri strumenti generativi richiede procedure condivise per la revisione dei materiali, percorsi formativi e criteri che consentano agli insegnanti di valutarne l’effettiva utilità.
L’autonomia professionale rimane determinante soprattutto nella scelta delle attività adatte alla classe e nel controllo della qualità delle risposte prodotte dai sistemi automatici.
Dalla sperimentazione alla valutazione dei risultati scolastici
L’esperienza salesiana aggiunge elementi alla conoscenza dell’impiego dell’intelligenza artificiale nella scuola italiana, documentando una relazione tra progettazione assistita, partecipazione e organizzazione delle attività collaborative.
Per comprendere se tali cambiamenti producano benefici stabili occorrerà osservare anche la qualità degli apprendimenti e la loro permanenza nel tempo.
Le ricerche future potranno distinguere le competenze disciplinari dalle abilità collaborative, verificando se gli studenti riescano ad applicare autonomamente quanto appreso anche in assenza degli strumenti digitali.
Un’altra dimensione riguarda le differenze tra studenti. Le attività costruite con il supporto dell’AI potrebbero risultare particolarmente utili in alcune situazioni didattiche e meno efficaci in altre. Il volume pubblicato dalla Fondazione CNOS-FAP riporta, per esempio, che il 41,7% dei docenti ha osservato miglioramenti nei risultati degli studenti con bisogni educativi speciali. Anche in questo caso si tratta di valutazioni degli insegnanti, non di una misura sperimentale universalmente applicabile.
La prospettiva più interessante riguarda quindi la possibilità di comprendere quali modalità di utilizzo siano realmente efficaci, per quali gruppi di studenti e in quali condizioni scolastiche.
I risultati comunicati il 29 ottobre mostrano che una parte degli insegnanti coinvolti ha modificato sensibilmente l’organizzazione delle lezioni attraverso Gemini. Rimane da misurare quanto queste modifiche incidano sulle competenze acquisite e se possano essere riprodotte in scuole esterne alla rete salesiana, mantenendo gli stessi livelli di partecipazione e collaborazione.
