L’intelligenza artificiale nella valutazione dell’apprendimento in università

Fondamenti etici, quadro normativo e prospettive di governance

Abstract

Il contributo esamina le implicazioni etiche, normative e operative dell’intelligenza artificiale applicata alla valutazione dell’apprendimento in ambito universitario, attraverso un approccio a studi multipli che integra analisi bibliometrica, revisioni della letteratura e sviluppo teorico di framework. L’analisi bibliometrica condotta su 334 documenti Scopus (2019-2025) documenta una crescita sostenuta dell’interesse scientifico sull’intersezione tra IA spiegabile e valutazione universitaria (R² = 0,73), evidenziando la persistente frammentazione dei framework etici di riferimento. A partire da una revisione narrativa di 121 studi (2015-2025) vengono identificate dieci dimensioni etiche ricorrenti, raggruppabili attorno a tre aree principali: principi fondamentali di sistema, dimensioni centrate sullo studente e governance. Il quadro normativo europeo, in particolare l’EU AI Act e il GDPR, viene analizzato nelle sue implicazioni per i sistemi ibridi umano-algoritmo, mostrando l’assenza di linee guida operative adeguate. Sul piano teorico-operativo, il contributo ricostruisce il percorso che ha condotto da una prima formalizzazione operativa, il Framework XAI-ED, a un modello di governance teoricamente più solido, il XAI-ED Consequential Assessment Framework (XAI-ED CAF), che integra i sette requisiti ALTAI con validità consequenziale di Messick, del modello di Kirkpatrick e del framework CIPP di Stufflebeam. Vengono discusse le ricadute pratiche per chi opera nella formazione e nella ricerca sulla didattica universitaria.