Il feedback nella formazione iniziale degli insegnanti: studenti, docenti esperti e IA generativa a confronto

Abstract

I sistemi di intelligenza artificiale generativa stanno offrendo nuove prospettive per introdurre e sviluppare attività valutative formative che prevedano scambi di feedback efficaci. Le opportunità e le sfide connesse all’impiego di strumenti generativi sono molte. La formazione iniziale degli insegnanti è un contesto privilegiato in cui sperimentare, analizzare e indagare criticità e potenzialità. Lo studio, collocandosi in questo contesto, ha coinvolto 86 studenti al secondo anno in Scienze della Formazione Primaria presso l’Università di XXX e frequentanti l’insegnamento «Didattica Generale» durante l’a.a. 2025/2026. I partecipanti hanno elaborato una progettazione didattica per la scuola primaria e ciascuno studente ha ricevuto, per il proprio elaborato, tre tipologie di feedback: uno prodotto da un pari, uno da un tool di IAG e uno da un insegnante esperto. Per ogni feedback i partecipanti hanno compilato un questionario semi-strutturato volto ad indagare la percezione di efficacia dei feedback ricevuti, in particolare osservando se e in che modo presentano le caratteristiche di un buon feedback e sostengono l’autoregolazione dell’apprendimento. I risultati mostrano come i tre tipi di feedback contribuiscano in modo diverso al miglioramento dei compiti di progettazione didattica. Mentre i feedback dei pari e dei docenti esperti risultano più efficaci nel sostenere lo sviluppo professionale, l’IAG evidenzia potenzialità nell’analisi dettagliata e in consigli utili, rischiando, tuttavia, di fornire indicazioni incoerenti con la traccia. Il sostegno all’apprendimento risulta l’area più critica in tutti i feedback. Si suggerisce di rendere sistematiche e ben strutturate le attività/pratiche di feedback per renderle efficaci.