Tracce proposte per la seconda prova scritta della maturità scientifica e discussione sulla sua adeguatezza.
IA e tracce di modellizzazione: introduzione
Il contributo di ChatGPT ha generato due problemi di modellizzazione innovativi per una simulazione di seconda prova del Liceo scientifico. Si tratta di due tracce che, pur toccando argomenti classici – lo svuotamento di un serbatoio d’acqua (legge di Torricelli) e l’ottimizzazione del volume di una scatola aperta – contengono spunti originali. Come sottolineato nel documento, «i testi trattano argomenti classici, […] ma presentano qualche suggerimento interessante e sono adatti a una riflessione sulla formulazione delle tracce e sulle potenzialità dei contributi di AI». In altre parole, queste tracce offrono uno stimolo didattico anche in chiave innovativa, mettendo al centro la modellizzazione e il ruolo della tecnologia.
Valore didattico delle tracce
I due problemi propongono competenze chiave per il percorso liceale, integrando contenuti di matematica e fisica. In particolare, il primo problema è «un classico problema di analisi matematica applicata alla Fisica, con un buon livello di complessità e di applicazione di tecniche di integrazione e risoluzione di equazioni differenziali».
La seconda traccia, pur più “classica”, propone il problema di massimizzare il volume di una scatola senza coperchio, ricavata da un foglio quadrato di cartone. Si tratta di un esercizio tipico di ottimizzazione, che richiede di definire una funzione di volume in funzione di x, delimitarne il dominio e trovare il massimo.
In sintesi, entrambe le tracce sono coerenti con i percorsi didattici del liceo scientifico e «si prestano perfettamente come esercizi d’esame».
Contributo innovativo delle intelligenze artificiali
L’aspetto davvero innovativo di questo studio è il confronto con due chatbot avanzati: ChatGPT e Gemini. Le tracce sono state create da ChatGPT, poi sottoposte a discussione sia con ChatGPT stesso sia con Google Gemini. Il documento descrive come «nella discussione sulla formulazione e sui contenuti del testo è stato coinvolto anche Gemini», evidenziando il dialogo tra intelligenze artificiali. Questo approccio permette di esplorare come diverse AI generino soluzioni alternative, mettendo in luce pregi e difetti di ciascuna proposta.
Per esempio, l’intervento delle AI ha mostrato che entrambe producono soluzioni sostanzialmente corrette ma non prive di imprecisioni; è stato infatti necessario intervenire per correggere alcune risposte o approfondimenti nelle soluzioni elaborate. Proprio questa collaborazione evidenzia limiti e potenzialità dell’uso dell’AI in ambito didattico: da un lato ChatGPT ha fornito risposte dettagliate e schematiche, dall’altro Gemini ha proposto formulazioni leggermente diverse. Le differenze osservate (e le correzioni richieste) «presentano alcune differenze che possono indirizzare le eventuali scelte del docente». In pratica, il confronto ChatGPT–Gemini diventa un’occasione per riflettere criticamente su come definire una traccia d’esame: per rendere il problema più equo o per trasformarlo in domande a scelta multipla, come suggerito dalle AI stesse.
In conclusione, questo lavoro mette in risalto sia il valore pedagogico delle tracce proposte – classiche ma articolate e interdisciplinari – sia la novità di averle elaborate e discusse con l’aiuto di intelligenze artificiali. L’esperimento dimostra come l’AI possa affiancare docenti e studenti nella progettazione di esercizi di livello elevato, offrendo spunti e riflessioni inedite sulla didattica delle materie scientifiche.
COMMENTS