Apprendimento fragile e superficiale

Negli ultimi anni mi capita sempre più spesso di vedere studenti che consegnano testi scritti e presentazioni quasi perfette: slide ordinate, testo ben scritto, struttura chiara, flusso apparentemente logico, conclusioni ben formulate. A guardarle, sembrano ottimi lavori. Poi però arriva il momento della presentazione orale. E lì emerge il problema.

Gli studenti leggono quello che c’è scritto, seguono la scaletta, passano da una slide all’altra. Ma appena si chiede loro di spiegare davvero un concetto, di collegarlo a quello precedente, di applicarlo a un esempio diverso, molti si bloccano. Basta una domanda semplice: “Perché questo risultato segue da questa ipotesi?” “Che cosa c’entra questo concetto con quello visto la settimana scorsa?” “Qual è il meccanismo economico dietro questa affermazione?” “Come si collega questo punto alla struttura generale del corso?” Spesso la risposta non arriva. E non arriva perché, dietro la presentazione ben costruita, non c’è una comprensione altrettanto solida.

Il problema non è che alcuni studenti non sanno presentare, molti sono davvero bravi. Il problema è che non hanno capito fino in fondo quello che stanno presentando. Questo è uno degli effetti più preoccupanti che vedo oggi nella didattica universitaria: il prodotto finale sembra buono, a volte molto buono, ma il processo di apprendimento è debole. La forma è migliorata. La sostanza no. Molti studenti restano in superficie. Studiano i concetti uno alla volta, separati tra loro, spesso a memoria. Imparano una definizione, poi un modello, poi un grafico, poi un risultato, come se fossero blocchi indipendenti. Ma faticano a vedere la connessione tra quei blocchi.

In economia questo è un problema enorme. Capire economia non significa memorizzare una lista di concetti. Significa capire relazioni: tra incentivi e comportamenti, tra vincoli e scelte, tra preferenze e decisioni, tra istituzioni e risultati, tra teoria e dati. Eppure, vedo studenti che hanno difficoltà evidenti a collegare più di due concetti alla volta. Se chiedo di spiegare un concetto isolato, magari riescono a farlo. Se chiedo di collegarne due, a volte ci arrivano. Ma appena bisogna tenere insieme tre elementi — per esempio un’ipotesi teorica, un meccanismo comportamentale e un’implicazione empirica — molti perdono il filo. È come se mancasse la mappa.

Conoscono pezzi del programma, ma non vedono la scaletta del corso. Hanno studiato (male) capitoli, paragrafi, slide, appunti, ma non hanno capito perché un argomento viene prima di un altro, perché un modello prepara quello successivo, perché una certa distinzione ritorna più avanti, perché il libro o il corso sono costruiti in quel modo. Hanno forse informazioni, ma non struttura. E senza struttura, anche le informazioni corrette diventano fragili.

La tecnologia, e oggi soprattutto l’AI, rende tutto questo più visibile. Uno studente può produrre slide pulite, testo fluido, una presentazione con un buon flow. Può ottenere un output che sembra coerente anche se lui o lei non ha costruito davvero quella coerenza nella propria testa. Questo è il punto centrale. L’AI può scrivere una scaletta. Può migliorare il testo. Può rendere più elegante una spiegazione. Può suggerire una transizione tra una slide e l’altra. Può trasformare materiale confuso in una presentazione convincente. Ma non può imparare al posto dello studente. O meglio: può produrre il risultato esterno dell’apprendimento, senza produrre l’apprendimento interno. Ed è qui che nasce il rischio.

Se uno studente usa l’AI per chiarire qualcosa che ha già provato a capire, può essere uno strumento utile. Se la usa per sostituire il lavoro di comprensione, diventa una scorciatoia pericolosa. Perché la prima volta consegna un buon lavoro. La seconda volta sarà ancora più tentato di farlo. La terza volta avrà ancora meno basi per lavorare da solo. A quel punto il problema si accumula. Se non hai capito i concetti iniziali, come puoi capire quelli avanzati? Se non hai costruito le connessioni nelle prime settimane, come puoi interpretare un modello più complesso alla fine del corso? Se non sai spiegare perché un argomento viene dopo un altro, come puoi davvero dire di aver seguito il corso?

La presentazione perfetta diventa allora una maschera. E per un docente è una maschera difficile da gestire, perché non basta più guardare il prodotto finale. Bisogna andare dietro il prodotto. Bisogna chiedere: sai difendere quello che hai scritto? Sai spiegarlo con parole tue? Sai collegarlo al resto del corso? Sai usarlo in un contesto diverso? Sai dirmi perché questo passaggio è importante? Preferisco una presentazione meno elegante, ma in cui lo studente dimostra di aver capito. Preferisco una risposta esitante ma ragionata a una frase impeccabile che non appartiene davvero a chi la pronuncia.

Il problema, però, non riguarda solo gli studenti. Riguarda anche noi docenti. Se assegniamo compiti che possono essere completati producendo un buon output formale, otterremo buoni output formali. Se valutiamo troppo la chiarezza apparente, premieremo la chiarezza apparente. Se costruiamo corsi in cui gli studenti possono sopravvivere studiando tutto a compartimenti stagni, molti studieranno a compartimenti stagni. Dobbiamo quindi ripensare la valutazione.

Non possiamo limitarci a chiedere una presentazione. Dobbiamo chiedere una difesa della presentazione. Non solo “che cosa avete scritto?”, ma “perché lo avete scritto?” Non solo “qual è la definizione?”, ma “come si collega a quello che abbiamo visto prima?” Non solo “qual è il risultato?”, ma “quale meccanismo lo produce?” Dobbiamo fare domande che costringano a uscire dalla superficie. Domande che obblighino a collegare concetti. Domande che rivelino se lo studente ha una mappa mentale del corso o solo una lista di contenuti. Domande che distinguano chi ha memorizzato da chi ha capito.

Questo non significa demonizzare l’AI. Non credo che la soluzione sia semplicemente vietarla. Gli studenti useranno questi strumenti. Probabilmente li useranno nel lavoro. Il punto è insegnare loro a usarli senza rinunciare al pensiero. Il vero problema non è che l’AI aiuta a fare testi e slide migliori. Il problema è che può aiutare a nascondere il fatto che non si è imparato.

E allora la domanda diventa: quali attività didattiche costringono ancora gli studenti a pensare davvero? Quali compiti non possono essere risolti solo con una bella forma? Quali valutazioni mostrano se uno studente sa collegare, applicare, criticare, ricostruire? Perché l’apprendimento profondo non è sapere ripetere un contenuto. È sapere dove quel contenuto sta dentro una struttura più ampia.

Un deep learner non studia un concetto e poi lo dimentica quando passa al successivo. Cerca relazioni. Si chiede perché quel concetto è lì, che cosa spiega, che cosa non spiega, come si collega agli altri pezzi del corso. Un surface learner, invece, procede per blocchi separati. Studia per la prossima scadenza, per la prossima slide, per la prossima domanda possibile. Può anche ottenere buoni risultati formali, ma resta fragile appena il contesto cambia. Oggi vedo troppi studenti in questa seconda condizione.

Non tutti, naturalmente. Ci sono ancora studenti curiosi, profondi, capaci di fare domande vere, di collegare teoria e realtà, di andare oltre la richiesta minima. Ma sono pochi. O comunque meno di quanti vorrei. E questo dovrebbe preoccuparci. Perché l’università non dovrebbe servire solo a produrre materiali ben confezionati. Dovrebbe servire a costruire menti capaci di orientarsi tra concetti complessi.

In economia, come in molte altre discipline, il valore non sta nel sapere ripetere un modello, ma nel capire quando usarlo, quando non usarlo, che cosa illumina e che cosa lascia fuori. Una slide perfetta può dare l’impressione di competenza. Ma la competenza vera si vede quando la slide non basta più. Quando arriva una domanda imprevista. Quando bisogna collegare tre concetti. Quando bisogna spiegare la logica del corso, non solo il contenuto di una pagina. Quando bisogna ragionare.

Ed è lì che oggi, troppo spesso, scopriamo che sotto una superficie molto lucida c’è un apprendimento molto fragile.