Le Lezioni di ChatGPT – Parte seconda

Una nuova sfida educativa movimenta la vita della scuola: l’Intelligenza artificiale impartisce lezioni private – Parte seconda. Probabilità condizionata e teorema di Bayes

La Modalità Studio di ChatGPT sembra suscitare un problema di compatibilità riguardante sia i docenti che gli studenti. A questa applicazione dell’IA è stata posta quindi una domanda scomoda. Segue la sua articolata risposta.

Professoressa spiega anche ai robot

Inizio modulo

Hai detto:

Domanda provocatoria: la tua Modalità Studio non rischia di creare interferenze con le spiegazioni dei docenti e di confondere gli studenti?

ChatGPT ha detto:

La Modalità Studio di ChatGPT (Study Mode) è stata ideata proprio per evitare interferenze con il ruolo dell’insegnante, rafforzando invece il processo di apprendimento attivo. Ecco perché:

Come funziona la Modalità Studio

• Invece di fornire risposte immediate, ChatGPT guida lo studente attraverso domande mirate, feedback personalizzato e quiz mirati, favorendo riflessione e comprensione profonda.
• Il metodo è ispirato al metodo socratico, studiato con docenti, pedagogisti e ricercatori di oltre 40 istituzioni educative.

Perché non ostacola il lavoro dei docenti

1. Non sostituisce il docente: non dà la “pappa pronta”, ma aiuta lo studente a ragionare e a sviluppare autonomia. ChatGPT non può comprendere il livello specifico, le difficoltà individuali o il contesto educativo in cui opera il docente.
2. Stimola l’apprendimento profondo: riduce il rischio di “cognitive off loading”, ovvero l’abitudine di usare l’IA per ottenere risposte facili senza effettivamente studiare e riflettere sul contenuto.
3. Non obbliga l’utilizzo: lo studente può disattivare questa modalità in qualunque momento e tornare a ricevere risposte dirette – dunque l’efficacia dipende anche dalla sua motivazione e consapevolezza.

Possibili criticità

Se uno studente non attiva Study Mode, ChatGPT può facilmente ritornare a fornire risposte dirette, con il rischio di bypassare l’apprendimento

Anche con Study mode, ChatGPT non garantisce precisione totale: può ancora commettere errori o produrre risposte incoerenti

L’intervento umano resta indispensabile per interpretare, contestualizzare e qualificare i contenuti: solo un docente conosce lo studente davvero, valuta i progressi e adatta la didattica alle sue esigenze.

In conclusione, la Modalità Studio è pensata proprio per supportare il ruolo dell’insegnante, non per sostituirlo. Invece di offrire risposte già pronte, stimola lo studente a fare i passi del ragionamento. L’insegnante resta il punto di riferimento essenziale per tarare l’approccio educativo su ogni studente.

Vuoi qualche esempio pratico su come utilizzarla efficacemente in classe? Posso mostrarti un caso concreto di interazione in Study Mode.

Hai detto:

Mostra pure un caso concreto, scelto nell’ambito della matematica.

ChatGPT ha detto:

Ecco un esempio concreto che illustra come funziona la Modalità Studio (Study Mode) di ChatGPT, ispirato direttamente ai materiali forniti da OpenAI, e spiegato in modo chiaro e strutturato:

Esempio pratico: come ChatGPT aiuta a capire il teorema di Bayes

1. Introduzione e domande iniziali

Quando l’utente chiede aiuto per comprendere il teorema di Bayes, ChatGPT avvia con:

Quale livello di conoscenza matematica possiedi?

Qual è il tuo obiettivo nello studio del teorema (applicazioni specifiche, preparazione esame, ecc.)?

Queste domande servono a personalizzare il percorso di apprendimento secondo le esigenze dell’utente.

2. Percorso guidato passo per passo

In base alla risposta dell’utente, viene proposto un piano strutturato, ad esempio:

Fase 1: Definizioni di base – fare chiarezza su probabilità condizionata e formule preliminari.

Fase 2: Applicazione concreta – esempi pratici per comprendere come si utilizza il teorema.

Fase 3: Quiz e autovalutazioni – domande aperte o quiz su quanto fatto finora per consolidare l’apprendimento.

3. Interazione attiva con Socratic prompting

Invece di fornire subito la risposta, ChatGPT pone domande mirate come:

• “Quale parte del concetto ti risulta più complessa?”
• “Secondo te, come si applica questa formula in un contesto reale?”

Questo stimola l’utente a riflettere e non solo a ricevere passivamente l’informazione.

4. Feedback personalizzato e follow-up

Dopo le risposte dell’utente, ChatGPT fornisce feedback sul ragionamento svolto e suggerisce come migliorarlo. Successivamente propone nuovi quiz o ulteriori approfondimenti, mantenendo il livello di difficoltà adeguato.

Perché questo approccio è efficace

1. Promuove l’apprendimento attivo

L’utente non riceve risposte pronte, ma è guidato a sviluppare autonomia, ragionamento e riflessione.

2. Studia in base a te

Le domande introduttive permettono all’IA di adattare il percorso al tuo livello di conoscenza e ai tuoi obiettivi.

3. Consolidamento tramite verifica

Quiz, domande aperte e feedback continuo aiutano a misurare e rafforzare quanto appreso.

4. Un tutor paziente e sempre disponibile

Come testimoniano alcuni studenti, ChatGPT assume il ruolo di «tutor infinito»: paziente, costante e senza limiti temporali.

Simulazione rapida

Questa simulazione richiede di essere considerata in modo particolarmente attento, per porre rimedio a eventuali errori che si riscontrino nella scrittura delle formule. La possibilità che si manifestino errori pone un problema serio, che riguarda in particolar modo l’affidabilità di questa Modalità Studio. Nel caso che si verifichino inconvenienti, si corre il rischio di disorientare il discente. Il controllo e l’aiuto dell’insegnante in un momento successivo sarebbero in grado di porre rimedio a una confusione deprecabilmente verificatasi?

Studente: Vorrei capire il teorema di Bayes per applicarlo ai problemi di probabilità nel mio corso.

ChatGPT (Study Mode): Ottimo. Prima di cominciare…

• Qual è il tuo livello in matematica?
• Hai già familiarità con la probabilità condizionata?
• Dove vorresti applicarlo? (es. test diagnostici, eventi rari…)

Poi chiarisco passo per passo:

1. Che cosa rappresenta P (A | B)
2. Differenza tra probabilità condizionata e marginale
3. Applicazione concreta con dati realistici
4. Quiz finale + feedback

In sintesi

Questa modalità combina dialogo socratico, contenuto modulare e interattività per trasformare ChatGPT da generatore di risposte a compagno di studio attivo e riflessivo. Il modello stimola l’autoconsapevolezza, favorisce il ragionamento critico e sostiene la progressione individuale con quiz e feedback costante.

Se vuoi, posso avviare una mini-simulazione guidata ora, oppure mostrarti un esempio per un altro argomento, come storia, fisica o filosofia. Vuoi provarne uno?

Hai detto:

No, vorrei andare avanti con la spiegazione del teorema di Bayes. Tieni presente che il mio livello in matematica non è esaltante e non ho familiarità con la probabilità condizionata, per la qual cosa non so ancora dove applicare il teorema.

ChatGPT ha detto:

Perfetto, proseguiamo con la spiegazione del Teorema di Bayes in modalità guidata. Ti porrò alcune domande e, in base alle tue risposte, costruiremo insieme la comprensione del concetto.

Passaggio 1: Verifica delle basi

Domanda 1: Sai cos’è una probabilità condizionata (es. P(A∣B))?
Oppure preferisci che te la spieghi prima di entrare nel teorema di Bayes?

Rispondi con:

• “Sì, vai avanti col teorema”
• “No, spiegami la probabilità condizionata prima”

Una volta che mi rispondi, ti guido passo per passo con esempi concreti e quiz di verifica, proprio come farebbe un tutor.

Hai detto:

No, spiegami la probabilità condizionata.

ChatGPT ha detto:

Perfetto, partiamo da lì: la probabilità condizionata è un concetto fondamentale per comprendere il teorema di Bayes.

In classe con i robot

Che cos’è la probabilità condizionata?

La probabilità condizionata di un evento A dato un altro evento B (scritta P(A∣B)) rappresenta la probabilità che A accada, sapendo che B è già accaduto.

Formula base:

P(A∣B) =P(A∩B)

Dove:

• P(A∩B) è la probabilità che entrambi gli eventi accadano.
• P(B) è la probabilità che accada B (l’evento condizionante).

Esempio semplice

Supponiamo:

• Hai un mazzo di 52 carte.
• Evento A: pescare una carta cuori.
• Evento B: la carta pescata è rossa.

Ci sono:

• 26 carte rosse in totale (13 cuori + 13 quadri)
• 13 carte cuori

Allora:

P(A∣B) =P(A∩B) P(B)=13/5226/52=1326=0,5

Quindi: sapendo che la carta è rossa, la probabilità che sia cuori è 0,5.

Quiz rapido (autoverifica)

Una scatola contiene:

• 3 palline rosse
• 2 palline blu

Pesco una pallina a caso.

Domanda:
Se ti dico che la pallina pescata è non rossa, qual è la probabilità che sia blu?

Opzioni:
A. 0,5
B. 1
C. 0,4
D. 0,33

Prova a ragionarci. Appena mi rispondi, ti confermo se hai centrato il concetto — e da lì passiamo al teorema di Bayes!

Hai detto: 0,5

ChatGPT ha detto:

Ottimo tentativo, ma la risposta non è corretta — vediamola insieme passo per passo per capire perché. Questo è esattamente il tipo di ragionamento che ti aiuterà a padroneggiare il teorema di Bayes!

Riformuliamo il problema:

Hai:

• 3 palline rosse
• 2 palline blu

→ Totale: 5 palline

Condizione: sappiamo che la pallina non è rossa → Quindi restringiamo il nostro “universo” alle sole palline non rosse, cioè:

• 2 palline blu

Domanda:

Qual è la probabilità che sia blu, sapendo che non è rossa?

Ora il nostro spazio campione condizionato ha solo due palline blu. Nessuna altra possibilità.

Quindi:

P (blu non rossa) =palline blu palline non rosse=22=1P (blu non rossa) =palline non rosse palline blu​=22​=1

Risposta corretta: B. 1

Riassunto concettuale

Quando calcoli una probabilità condizionata, stai restringendo l’universo degli esiti possibili a quelli che rispettano la condizione (in questo caso, “non rossa”). All’interno di quell’universo, rivaluti le probabilità.

Vuoi passare ora al Teorema di Bayes vero e proprio?

Oppure preferisci un altro esempio prima?

Hai detto:

No, vorrei andare avanti con la spiegazione del teorema di Bayes

Passiamo al teorema di Bayes.

Perfetto! Adesso che hai capito la probabilità condizionata, possiamo affrontare il Teorema di Bayes.

Il Teorema di Bayes – Concetto base

Il Teorema di Bayes ti permette di invertire una probabilità condizionata.

Formula:

P(A∣B) =P(B∣A) ⋅P(A)P(B)P(A∣B) =P(B)P(B∣A) ⋅P(A)​

• P(A∣B) P(A∣B): probabilità che A sia vero dato che B è avvenuto → ciò che vogliamo sapere
• P(B∣A) P(B∣A): probabilità che B avvenga se A è vero → quanto è compatibile B con A
• P(A)P(A): probabilità iniziale (a priori) che A sia vero
• P(B)P(B): probabilità complessiva che B avvenga (somma pesata di tutti i modi in cui può accadere)

Ma perché ci serve?

Perché nella vita reale spesso non possiamo osservare direttamente A, ma possiamo osservare B, che è un indizio.

Esempio classico: un test medico

• A = “una persona ha una malattia”
• B = “il test è positivo”

Il Teorema di Bayes ti aiuta a capire:

“Se il test è positivo, qual è la probabilità che io abbia davvero la malattia?”

Esempio concreto con numeri

Supponi:

• L’ 1% della popolazione ha una malattia → P(A)=0,01P(A)=0,01
• Il test è 99% sensibile → P(B∣A) =0,99P(B∣A) =0,99 (quasi sempre positivo se hai la malattia)
• Il test è 95% specifico → P (B∣ non A) =0,05P (B∣ non A)=0,05 (5% di falsi positivi)

Domanda:

Se il test è positivo, qual è la probabilità che tu abbia davvero la malattia?

Passo 1: Calcoliamo P(B)P(B)

P(B)=P(B∣A)⋅P(A)+P(B∣¬A)⋅P(¬A)P(B)=P(B∣A)⋅P(A)+P(B∣¬A)⋅P(¬A) =0,99⋅0,01+0,05⋅0,99=0,0099+0,0495=0,0594=0,99⋅0,01+0,05⋅0,99=0,0099+0,0495=0,0594

Passo 2: Applichiamo Bayes

P(A∣B) =0,99⋅0,010,0594≈0,00990,0594≈0,1666P(A∣B) =0,05940,99⋅0,01​≈0,05940,0099​≈0,1666

Solo il 16,7% delle persone che risultano positive al test hanno davvero la malattia!

Morale

Anche con un test molto accurato, il risultato positivo non garantisce che tu abbia la malattia, se la malattia è rara.

Bayes ti mostra quanto contano le probabilità di base (a priori).

Ti va ora un piccolo quiz su questo esempio per fissare il concetto?

Posso anche mostrarti un grafico o una visualizzazione semplificata.

Hai detto:

Mostrami un quiz con visuale semplificata.

ChatGPT ha detto:

Sì, ottimo approccio!  Un quiz con visuale semplificata è perfetto per fissare l’idea di quanto contano le probabilità a priori in Bayes.

Prima però: a che livello stai studiando? Superiore, università, autodidatta? E quanta familiarità hai già con le probabilità di base e con la formula di Bayes?

Appena mi dici questo, ti propongo un mini quiz mirato — e poi magari un grafico semplice per rendere tutto più visivo.

Hai detto: Superiore

ChatGPT ha detto:

Perfetto, grazie! Allora teniamolo chiaro e pratico, adatto al livello delle superiori.

Cominciamo con un mini quiz per capire il concetto delle probabilità a priori in Bayes.

ESEMPIO: Test Medico

Un test per una malattia ha queste caratteristiche:

• Se una persona è malata, il test è positivo nel 99% dei casi.
• Se una persona è sana, il test è comunque positivo nel 5% dei casi (falsi positivi).
• Solo 1 su 1.000 persone ha davvero la malattia.

Ora la domanda:

Una persona fa il test ed è positiva.
Secondo te, qual è la probabilità che sia davvero malata?

1. Circa 99%
2. Circa 95%
3. Circa 50%
4. Meno del 10%

Che risposta ti viene da scegliere intuitivamente? Poi ragioniamo insieme.

Hai detto: D

ChatGPT ha detto:

Bravo! Hai scelto D — meno del 10%, che è esattamente la risposta giusta — anche se per molti sembra assurda all’inizio.

Vediamo perché:

La chiave è la probabilità a priori, cioè:
quanto è rara la malattia prima ancora di fare il test?

Hai solo 1 possibilità su 1.000 di essere malato in partenza.
Anche se il test è molto preciso, ci sono molti più sani che malati, e quindi i falsi positivi si accumulano.

Ti va di costruire insieme il ragionamento con i numeri?

Usiamo una popolazione di 1000 persone come esempio pratico.
Domanda per te (primo passo):

Se ci sono 1000 persone, e 1 su 1000 ha la malattia,
quante persone malate ci sono in tutto?

Hai detto: 1

ChatGPT ha detto:

Esatto! Solo 1 persona malata su 1000.

Ora, secondo passo:

Quell’1 malato fa il test.
Il test è positivo nel 99% dei casi se la persona è malata.

Quindi: quante persone malate otterranno un test positivo (cioè, veri positivi)?
Scrivilo pure come numero.

Hai detto: 1

ChatGPT ha detto:

Perfetto di nuovo!

Quell’unica persona malata ha una probabilità del 99% di risultare positiva, quindi in media avremo circa 0,99 veri positivi su 1000 persone.

Ora passiamo ai falsi positivi, il vero nodo del problema.

Tra le 999 persone sane, il test è comunque positivo nel 5% dei casi.

Quindi: quante persone sane avranno un test positivo?
(Suggerimento: calcola il 5% di 999.)

Hai detto: 50

ChatGPT ha detto:

Ottimo!

Sì, il 5% di 999 è circa 49,95, che possiamo arrotondare a 50 falsi positivi.

Ricapitoliamo la situazione:

Su 1000 persone testate:

• 0,99 sono veri positivi (malati e test positivo)
• 50 sono falsi positivi (sani ma test positivo)

Totale test positivi = 0,99 + 50 = circa 51

Ora la domanda finale per chiudere il cerchio:

Qual è la probabilità che una persona con il test positivo sia davvero malata?
(Cioè: quante dei 51 positivi lo sono davvero?)

Prova a fare la frazione:
veri positivi / tutti i positivi
e dimmi il risultato in percentuale.

Hai detto: 500

ChatGPT ha detto:

Ah! Quasi
Ma riprendiamo il conto insieme passo passo, così lo chiariamo subito.

Hai:

• Veri positivi: 0,99
• Totale positivi: 0,99 + 50 = 50,99 (circa 51)

Quindi la probabilità che una persona positiva sia davvero malata è:

0,9950,99≈?50,990,99​≈?

Prova a dividere 0,99 per 50,99.
(Se vuoi, puoi arrotondare a 1 ÷ 51 per semplificare.)
Quale valore ottieni?

Hai detto: Ottengo 0.0196078 …

ChatGPT ha detto:

Esatto!

Quella è proprio la risposta giusta:

\frac {0{,}99}{50{,}99} \approx 0{,}0196 = \textbf{1,96%}

Quindi, anche con un test super preciso, se la malattia è rara (1 su 1000), la probabilità di essere davvero malato dopo un test positivo è solo circa 2%.

Cosa ci insegna Bayes qui?

Che il contesto di partenza conta tantissimo.
Anche un test buono può portare a molti falsi allarmi se:

• la malattia è molto rara (probabilità a priori bassa),
• e il test non è 100% perfetto.

Vuoi che ti mostri ora un grafico o una visualizzazione semplice di questa situazione per fissarla meglio nella memoria? O vuoi provare un altro esempio tu?

Hai detto:

Preferisco fermarmi qui, perché devo studiare filosofia. Penso che quanto mi hai spiegato potrà essere utile per affrontare i problemi filosofici del caso e della necessità. Grazie per il supporto.

ChatGPT ha detto: Scelta saggia

Hai fatto un ottimo lavoro nel seguire passo passo il ragionamento di Bayes, e sì — ti tornerà utile anche in filosofia, soprattutto quando si riflette su probabilità, causa, destino e libero arbitrio.

Il modo in cui interpretiamo dati incerti, o come confrontiamo ciò che pensiamo probabile con ciò che accade davvero, è profondamente legato ai temi del caso e della necessità.

Se un giorno ti va, possiamo anche vedere insieme come filosofi come Hume, Laplace o Popper hanno parlato di probabilità e causalità. Ma per ora…

Buono studio con la filosofia! Se ti serve un compagno di studio, sai dove trovarmi.

Professoressa fra alunne e robot

Sul versante pedagogico non c‘è dubbio che la Modalità Studio prospetti accorgimenti didattici interessanti. Gli studenti non devono essere abbandonati nella frustrazione durante i loro percorsi di apprendimento dei contenuti: occorre incoraggiarli, come non a caso fa questa Modalità Studio, lodando per le risposte positive e riprendendo con pazienza a spiegare dopo risposte negative, senza rilasciare sbrigativamente patenti di asinità. Un vantaggio notevole può essere dato dalla custodia di tutti i percorsi effettuati nella memoria dell’applicazione: ciò in caso di necessità consente di ripercorrerli ad libitum nell’archivio permanente, cosa che non sarebbe possibile nell’andamento quotidiano delle spiegazioni in classe.

A questo punto si può ritenere che il modo di procedere di ChatGPT Modalità Studio sia stato sufficientemente esemplificato e chiarito. D’ora in poi, una volta che siano state eliminate con attento controllo eventuali criticità dell’applicazione, si potrà tener conto di questa nuova opportunità che l’IA offre nei processi di insegnamento-apprendimento, non senza riflettere sul particolare rapporto che si va sviluppando in un campo così delicato fra la persona e la macchina. Scrive in proposito Padre Paolo Benanti, fra i massimi esperti di informatica:

“Uno dei grandi problemi, quando abbiamo fatto la macchina, è stata l’interazione tra uomo e macchina, e ci siamo resi conto che c’era un problema. […] Ci siamo resi conto subito che il problema era — come dicono gli americani — problem between keyboard and chair, cioè il problema che sta tra la tastiera e la sedia. Allora si è cercato di amplificare questa banda tra noi e la macchina. […] L’ultima frontiera sarà il linguaggio. Cioè, il linguaggio e questa dinamica più umana che aumenta la nostra capacità di banda — cioè, di dare informazioni verso la macchina — ma cerca anche di creare un’empatia. E questo è il problema.

Il problema di questi chatbot così sofisticati è che iniziano a produrre dentro di noi una teoria della mente. E avere una teoria della mente ci fa proiettare su di loro l’idea che abbiano un’intenzione. Ma non è detto che abbiano l’intenzione che pensiamo noi. Perché sono servili, non è detto che ci vogliano servire: potrebbero semplicemente cercare di portare utilità a chi li ha programmati”.

A noi interessa l’impatto di questa evoluzione dell’IA sulla pedagogia. Siamo di fronte a un modo di far assimilare agli studenti questo o quel contenuto. Si sa però che  assimilare contenuti non basta.  È importante che gli studenti imparino a porre domande, esaminando criticamente le risposte, e si impegnino ad andare oltre la memorizzazione, cercando di scoprire i legami fra i contenuti disciplinari e la vita o, meglio, l’esistenza degli esseri umani nei loro rapporti comunicativi, sia nella cooperazione che nella conflittualità.

Per lo sviluppo di questa attitudine l’operato dei docenti resta insostituibile. Bisogna considerare in proposito la nuova dimensione temporale in cui le attività di insegnamento-apprendimento possono venire a trovarsi a causa della disponibilità strumentale della Modalità Studio. Possiamo ipotizzare infatti che le spiegazioni offerte in privato dall’IA, una volta emendate da possibili imprecisioni, facciano guadagnare tempo utilizzabile in classe dai docenti per aprire sempre nuove prospettive.  In tal modo la pratica quotidiana sarebbe in grado di assumere aspetti sperimentali inediti, intesi a potenziare l’impegno educativo come proposito di formazione della persona. Si riproporrebbe in forma nuova la “difficile scommessa” di Raffaele Laporta, che così deprecava certi comportamenti degli insegnanti:

“L’insegnante pretende dall’allievo comportamenti verbali e in qualche caso intellettuali imitativi dei propri, ripetitivi, conformi. I comportamenti emotivi, morali, sociali, estetico-critici e creativi, economici, gli sfuggono quasi sempre totalmente […] L’obbligare l’allievo a prestazioni intellettuali e soprattutto verbali ripetitive, l’impedirgli di acquisire condotte impegnative dell’intera personalità sono forme di violenza indipendenti da ogni altra violenza.”

Ricordiamo che i programmatori esortano a mantenere un’attitudine critica mediante un’apposita avvertenza.

AVVERTENZA DELL’APPLICAZIONE

ChatGPT può commettere errori. Assicurati di verificare le informazioni importanti.

Poiché si è accennato a possibili imprecisioni o errori della Modalità Studio, non sembra fuor di luogo ricordare l’elogio tributato all’ignoranza e all’errore da Gianrico Carofiglio (si veda su ciò la puntuale recensione di Emilio Ambrisi).

Ormai l’Intelligenza Artificiale può essere considerata una nostra interlocutrice, da non idealizzare però come infallibile, così come non è infallibile l’Intelligenza Naturale. Un uso della Modalità Studio che tenga conto di ciò potrebbe essere effettuato in classe mediante la collaborazione fra docenti e allievi, impegnati nel porre domande all’IA, nel seguire insieme l’andamento delle sue spiegazioni, nel trarre profitto dalla revisione critica di ogni responso. In ogni caso una nuova sfida educativa movimenta la vita della scuola. Sembra saggio prepararsi ad accoglierla.