Un gruppo di ricercatori della North Carolina State University e della Elon University ha sviluppato Socratic Challenger, un percorso strutturato che utilizza l’intelligenza artificiale generativa per aiutare gli studenti universitari a formulare domande di ricerca più precise, verificabili e sostenibili dal punto di vista metodologico. Il sistema non è progettato per generare direttamente il quesito scientifico al posto dello studente, ma per accompagnarlo attraverso una sequenza di passaggi nei quali idee iniziali, fonti, ipotesi e fattibilità vengono progressivamente sottoposte a verifica. Il metodo è stato sperimentato con 45 studenti iscritti a un corso universitario di ecologia e i risultati sono stati pubblicati sulla rivista Frontiers in Education.
Socratic Challenger è organizzato in otto fasi, cinque delle quali prevedono l’impiego dell’intelligenza artificiale. Il percorso parte dalla scelta di un argomento di interesse e procede attraverso la definizione dei sottoargomenti, l’ampliamento delle parole chiave da utilizzare nella ricerca bibliografica, l’analisi e il confronto della letteratura disponibile, l’individuazione di eventuali lacune nella conoscenza, la formulazione e il progressivo affinamento della domanda di ricerca, la verifica finale delle fonti e il feedback di altri studenti e docenti. Le fasi assistite dall’IA vengono quindi alternate a momenti nei quali il sistema viene escluso e lo studente deve controllare autonomamente le informazioni, confrontarle con la letteratura scientifica e decidere come modificare il proprio lavoro.
L’intelligenza artificiale svolge soprattutto il ruolo di interlocutore critico. Invece di proporre una domanda pronta, il sistema spinge lo studente a giustificare le proprie scelte e a verificare se ciò che sta definendo come problema scientifico rappresenti effettivamente una lacuna nella conoscenza disponibile. Può inoltre mettere in discussione la novità della domanda, chiedere quali risorse sarebbero necessarie per rispondere, evidenziare eventuali problemi metodologici o suggerire aspetti che devono essere ulteriormente verificati. La progettazione del workflow parte quindi dall’idea che l’utilità dell’IA nella formazione non consista necessariamente nel produrre una risposta, ma possa essere maggiore quando il modello viene utilizzato per costringere lo studente a rendere esplicito il proprio ragionamento.
La sperimentazione è stata condotta nell’autunno 2025 all’interno del corso AEC 400, frequentato da 45 studenti. Tutti hanno completato il percorso e hanno successivamente autorizzato l’impiego a fini di ricerca dei propri elaborati dopo la conclusione della valutazione accademica. Il workflow è stato sviluppato nell’arco di nove settimane e ha portato alla preparazione di un abstract relativo a una proposta di ricerca. Lo studio ha adottato un approccio misto, combinando valutazioni quantitative sull’utilità percepita di ciascuna fase e analisi qualitative delle riflessioni scritte dagli studenti.
I partecipanti dovevano valutare ciascuno degli otto passaggi utilizzando una scala composta da quattro livelli: nessun impatto, un piccolo aiuto, grande aiuto oppure miglioramento sostanziale del lavoro. La mediana delle valutazioni è risultata pari a “grande aiuto” per tutte le fasi. Più della metà delle risposte relative a ciascun passaggio si è concentrata nelle due categorie più elevate, mentre le valutazioni di completa inutilità sono rimaste minoritarie. Le differenze tra le varie fasi sono risultate statisticamente rilevabili nel confronto complessivo, ma di dimensioni molto contenute e nessun confronto diretto tra due singoli passaggi è rimasto statisticamente significativo dopo la correzione per confronti multipli.
Tra i passaggi maggiormente apprezzati figurano l’analisi comparativa della letteratura e la fase conclusiva di feedback e revisione. Nel primo caso gli studenti dovevano confrontare idee e ipotesi con un insieme definito di fonti, trasformando un argomento genericamente interessante in una domanda sostenuta dalla letteratura scientifica. Nel secondo dovevano sottoporre la proposta alla valutazione di altri studenti e del docente, verificarne fattibilità e rilevanza e apportare le ultime modifiche. Il risultato suggerisce che l’utilità percepita non dipendeva esclusivamente dalle fasi nelle quali era presente l’intelligenza artificiale, ma dall’alternanza tra supporto del modello, verifica delle fonti e giudizio umano.
Le riflessioni raccolte mostrano infatti che gli studenti hanno descritto l’IA soprattutto come un partner con cui mettere alla prova le proprie idee, utile per restringere argomenti troppo ampi, individuare direzioni di ricerca e chiarire alcuni passaggi complessi. Allo stesso tempo, diversi partecipanti hanno attribuito un valore particolarmente elevato al confronto con la letteratura, ai suggerimenti dei compagni e al feedback degli insegnanti. Alcuni hanno dichiarato esplicitamente di fidarsi maggiormente della valutazione umana rispetto ai suggerimenti generati dal modello, pur riconoscendo l’utilità complessiva del percorso.
Un altro elemento emerso dall’analisi qualitativa riguarda la metacognizione. Circa il 49% delle riflessioni degli studenti conteneva riferimenti espliciti al modo in cui avevano controllato, modificato o rivalutato il proprio ragionamento durante lo sviluppo della domanda di ricerca. Il workflow è stato progettato proprio per rendere visibili questi passaggi cognitivi, obbligando gli studenti a non accettare automaticamente le indicazioni del modello ma a confrontarle con fonti scientifiche e vincoli metodologici.
Il progetto nasce anche da un problema pratico della didattica universitaria. Lo sviluppo di una buona domanda di ricerca richiede normalmente un confronto frequente con docenti o tutor esperti, ma fornire questo livello di accompagnamento individuale a gruppi numerosi di studenti non è sempre possibile. Socratic Challenger prova a distribuire parte di questo lavoro lungo una sequenza strutturata di attività, utilizzando l’intelligenza artificiale nei passaggi in cui può stimolare esplorazione e revisione senza eliminare il controllo da parte di studenti e insegnanti.
Gli autori sottolineano però che lo studio rappresenta una prova di concetto condotta su un campione limitato e all’interno di un singolo corso universitario. I risultati misurano inoltre soprattutto l’utilità percepita dagli studenti e il modo in cui hanno descritto il proprio processo di lavoro, non dimostrano automaticamente un miglioramento generale e misurabile del pensiero critico in qualsiasi contesto educativo. Per valutare l’efficacia del metodo su scala più ampia saranno quindi necessari studi condotti in discipline differenti, con gruppi più numerosi e criteri che consentano di misurare direttamente anche la qualità finale delle domande di ricerca prodotte.
Socratic Challenger propone quindi un modello nel quale l’intelligenza artificiale viene inserita all’interno di un processo di ricerca già strutturato e non utilizzata come generatore autonomo di contenuti. Lo studente mantiene la responsabilità della domanda finale, deve verificare le affermazioni attraverso la letteratura e deve sottoporre le proprie conclusioni anche al giudizio umano. Il ruolo dell’IA consiste soprattutto nel mettere sotto pressione ipotesi, scelte e passaggi logici, trasformando il dialogo con il modello in uno strumento per affinare progressivamente il ragionamento scientifico.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)