🟢⚪🔴 Un primo kit di strumenti per parlare di IA con i giovani

Dopo diversi mesi di progetto, questa prima fase ha già portato a un’importante produzione collettiva. Dal lancio a La Rochelle stiamo costruendo un kit di strumenti pensato per essere riutilizzato e adattato, nel rispetto delle licenze indicate per ciascuna risorsa. Ogni elemento risponde a esigenze concrete del progetto: come affrontare l’IA generativa con i giovani? Come valutare ciò che i partecipanti apprendono? Come permettere, in futuro, ad altri gruppi di riprendere quanto abbiamo avviato?

Un metodo pedagogico condiviso

Abbiamo formalizzato la nostra metodologia attorno a un approccio scientifico in sei fasi, pensato per consentire ai giovani di assumere il ruolo di ricercatori di fronte all’IA. Il percorso comincia con una fase di osservazione e documentazione dell’IA presente nella vita quotidiana (P1), prosegue con la formulazione di ipotesi attraverso attività senza dispositivi digitali (P2), la sperimentazione con modelli linguistici (P3), la validazione mediante attività di robotica (P4), la riflessione sulle questioni sociali ed etiche (P5) e si conclude con una fase di comunicazione e valorizzazione dei progetti sviluppati dai giovani durante le prime cinque fasi (P6). Ogni tappa è associata a competenze specifiche tratte dal nostro albero delle competenze, a esempi di attività adattabili e a punti di attenzione emersi sul campo. Il documento è attualmente disponibile in inglese e nelle quattro lingue del progetto sul nostro sito: youth-ai-lab.eu.

L’approccio pedagogico di Youth AI Lab è strutturato in sei fasi complementari.

Schede di idee per progettare le attività

Le schede di idee presentano attività facili da comprendere, adattare e sperimentare con pubblici diversi. Saranno progressivamente integrate da schede di protocollo, più dettagliate e arricchite dai riscontri raccolti sul campo.

Le schede di idee sono disponibili in inglese. Nel wiki potranno essere consultate, grazie alla traduzione automatica, in tutte le lingue del progetto. Le schede di protocollo saranno invece proposte direttamente nella lingua locale in cui vengono applicate. Le attività delle fasi successive saranno aggiunte man mano che verranno pubblicate.

Le schede di idee attualmente disponibili sono presentate qui di seguito, suddivise secondo le diverse fasi del percorso.

Osservare l’IA intorno a noi

• Keep an Eye on AI: un’indagine sul campo facile da adattare, per aiutare un gruppo a individuare l’IA nel proprio ambiente e a distinguere l’intelligenza artificiale dall’automazione.

• AI Lab - Inside the Machine: tre giochi senza schermo per scoprire attraverso l’esperienza come una macchina individua regole e produce previsioni.

• Looks Right… Is It Right?: un’attività di verifica per sviluppare il pensiero critico di fronte alle risposte convincenti, ma talvolta false, prodotte dall’IA.

• Illusion Is All That Matters: un dibattito guidato per interrogarsi sul significato di «pensare» e avviare una riflessione sugli usi dell’IA e della robotica.

Formulare ipotesi sul suo funzionamento

• AI Detectives: How Do Machines Learn?: una semplice attività pratica per mostrare come la scelta e la qualità degli esempi influenzino ciò che una macchina apprende.

• Bio-inspired Algorithms: Reinforce Your Learnings: un’attività corporea e ludica per comprendere l’apprendimento per rinforzo prima di passare alla programmazione di un robot.

• Bias: Genre Matters: un’attività concreta per far emergere gli stereotipi di genere di un modello e imparare poi a osservarli, misurarli e discuterli.

• The Bias Bounty Hunt Challenge: una stimolante sfida di prompting che trasforma la ricerca dei bias in un’indagine collettiva e invita il gruppo ad affinare le proprie domande.

• Who Does NOT Want to Be My Business Partner?: un gioco di creazione e presentazione per esplorare il potere persuasivo dell’IA e imparare a mantenere uno sguardo critico.

• Make Cities Great Again: un progetto che unisce robotica, sensori e città sostenibile, ideale per collegare l’IA a questioni concrete del territorio.

Sperimentare con modelli e dati

• From Data to the Machine’s Brain: un percorso graduale per addestrare un modello, osservarne gli errori e rendere tangibile il funzionamento di un neurone artificiale.

• WikiYouthBot: una sequenza collaborativa che guida un gruppo dalla ricerca delle fonti alla creazione di un chatbot esperto su un tema locale.

Validare attraverso la progettazione e la robotica

• Designing an AI with a Robot: un quadro progettuale per accompagnare i giovani da una sfida di sviluppo sostenibile fino a un prototipo robotico capace di riconoscere, decidere e agire.

La raccolta continuerà ad arricchirsi nei prossimi cicli, in particolare con attività dedicate alle fasi di riflessione e comunicazione.

Anteprima in inglese della raccolta di schede di attività proposta da Youth AI Lab.

Protocolli nati dall’esperienza sul campo

Quando un’idea di laboratorio viene sperimentata sul campo, viene poi documentata in una forma più completa: la scheda di protocollo. Questa riprende la scheda di ideazione e la arricchisce con uno svolgimento dettagliato, tappa dopo tappa, i riscontri dei partner che l’hanno testata, adattamenti in base al pubblico e al contesto e relativi materiali didattici (modelli stampabili, giochi, esercizi, tutorial). Queste schede costituiranno la raccolta dei protocolli di esplorazione prevista per la fine del progetto.

Una valutazione su più livelli

La valutazione riguarda l’intero dispositivo e tutti i pubblici del progetto: questionari prima e dopo i laboratori per i giovani ricercatori, i mentor e gli educatori, integrati da strumenti di autovalutazione durante le attività, diari di attuazione per gli animatori e griglie di analisi dei percorsi individuali. Questo approccio, rivolto a più pubblici e articolato in più fasi, permette di incrociare i punti di vista e documentare con precisione l’impatto del dispositivo.

Un wiki multilingue in preparazione

A partire dal settembre 2026 prende il via un progetto di più ampia portata: la creazione di un wiki completo destinato a educatori e animatori che desiderano adottare l’approccio Youth AI Lab nel proprio contesto. Accanto alle schede di ideazione, il wiki proporrà contenuti metodologici di accompagnamento per aiutare ciascuno a strutturare il proprio laboratorio, selezionare e formare i mentor, progettare il percorso pedagogico e valutarne l’impatto. Sarà accessibile nelle quattro lingue del progetto e rappresenterà il nostro principale strumento di diffusione oltre il consorzio.