L’articolo presenta i risultati di una sperimentazione condotta in due classi del terzo anno della scuola secondaria di secondo grado, finalizzata a valutare l’impiego di un tutor intelligente basato su Large Language Models (LLM) come supporto ai processi di apprendimento. Il tutor, sviluppato come agente pedagogico personalizzato, è stato progettato per adottare una strategia socratica, guidando gli studenti attraverso domande progressive, feedback mirati e attività di problem solving, evitando la semplice fornitura di soluzioni. La ricerca è stata realizzata nell’ambito di un percorso PCTO e ha coinvolto 44 studenti inizialmente, con un campione finale di 35 partecipanti. Il disegno sperimentale adottato è di tipo quasi-sperimentale con approccio waitlist, consentendo il confronto tra gruppi che hanno utilizzato il tutor in momenti differenti del percorso didattico. Parallelamente all’utilizzo del tutor, gli studenti hanno ricevuto una formazione specifica sul Prompt Engineering, inteso come competenza necessaria per formulare richieste efficaci ai sistemi di Intelligenza Artificiale generativa e interpretarne criticamente le risposte. Lo studio ha analizzato sia gli effetti sugli apprendimenti sia la percezione degli studenti rispetto all’utilizzo del tutor. I risultati mostrano un miglioramento delle performance degli studenti nelle attività didattiche supportate dal tutor e una percezione complessivamente positiva dello strumento. In particolare, sono emersi elevati livelli di utilità percepita, efficacia didattica e consapevolezza nell’uso del sistema. L’analisi qualitativa delle risposte aperte ha evidenziato come gli studenti abbiano apprezzato soprattutto la chiarezza delle spiegazioni, il supporto nella risoluzione degli esercizi e la possibilità di ricevere assistenza personalizzata in un ambiente percepito come non giudicante. Il lavoro contribuisce alla ricerca internazionale sull’integrazione dell’Intelligenza Artificiale generativa nei contesti educativi, proponendo un modello di tutor intelligente fondato su principi pedagogici espliciti e fornendo evidenze empiriche raccolte in un contesto scolastico reale.
IEETel Best Presentation Award / Addiucci, L., Temperini, M.. - (2026).
IEETel Best Presentation Award
Luca Addiucci
Primo
;Marco TemperiniSecondo
2026
Abstract
L’articolo presenta i risultati di una sperimentazione condotta in due classi del terzo anno della scuola secondaria di secondo grado, finalizzata a valutare l’impiego di un tutor intelligente basato su Large Language Models (LLM) come supporto ai processi di apprendimento. Il tutor, sviluppato come agente pedagogico personalizzato, è stato progettato per adottare una strategia socratica, guidando gli studenti attraverso domande progressive, feedback mirati e attività di problem solving, evitando la semplice fornitura di soluzioni. La ricerca è stata realizzata nell’ambito di un percorso PCTO e ha coinvolto 44 studenti inizialmente, con un campione finale di 35 partecipanti. Il disegno sperimentale adottato è di tipo quasi-sperimentale con approccio waitlist, consentendo il confronto tra gruppi che hanno utilizzato il tutor in momenti differenti del percorso didattico. Parallelamente all’utilizzo del tutor, gli studenti hanno ricevuto una formazione specifica sul Prompt Engineering, inteso come competenza necessaria per formulare richieste efficaci ai sistemi di Intelligenza Artificiale generativa e interpretarne criticamente le risposte. Lo studio ha analizzato sia gli effetti sugli apprendimenti sia la percezione degli studenti rispetto all’utilizzo del tutor. I risultati mostrano un miglioramento delle performance degli studenti nelle attività didattiche supportate dal tutor e una percezione complessivamente positiva dello strumento. In particolare, sono emersi elevati livelli di utilità percepita, efficacia didattica e consapevolezza nell’uso del sistema. L’analisi qualitativa delle risposte aperte ha evidenziato come gli studenti abbiano apprezzato soprattutto la chiarezza delle spiegazioni, il supporto nella risoluzione degli esercizi e la possibilità di ricevere assistenza personalizzata in un ambiente percepito come non giudicante. Il lavoro contribuisce alla ricerca internazionale sull’integrazione dell’Intelligenza Artificiale generativa nei contesti educativi, proponendo un modello di tutor intelligente fondato su principi pedagogici espliciti e fornendo evidenze empiriche raccolte in un contesto scolastico reale.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
