# Le cinque grandi idee in classe: la fascia 6-8 – testo delle slide --- ## Slide 1 Le cinque grandi idee in classe: la fascia 6-8 Gli obiettivi AI4K12 della fascia 6-8 (grade 6–8) per la secondaria di I grado · percorso per docenti Antonio Scaramuzzino Formatore · Alfabetizzazione all'IA ### Note: Fonti: AI4K12 Initiative (AAAI e CSTA). Five Big Ideas in Artificial Intelligence, poster v.2; traduzione italiana «Cinque grandi idee sull'Intelligenza Artificiale», Ammagamma srl. https://ai4k12.org/resources/big-ideas-poster/ · AI4K12 Initiative. Big Idea 1–5 Progression Charts, bozze di lavoro 2020–2022. https://ai4k12.org/gradeband-progression-charts/ · AI4K12 Initiative. Activity Resource Guides, 2022–2025. https://ai4k12.org/activities/. La ruota a destra è tratta dal poster italiano AI4K12 (traduzione Ammagamma srl), CC BY-NC-SA 4.0. --- ## Slide 2 01 La fascia 6-8 Che cosa chiedono le linee guida a studenti di 11–14 anni --- ## Slide 3 Che cosa chiede la fascia 6-8 Le tabelle di progressione AI4K12 descrivono ogni concetto in quattro fasce. La fascia 6-8 (Grades 6–8) corrisponde per età alla secondaria di i grado (11–14 anni). Per ogni concetto la tabella indica che cosa gli studenti devono saper fare (obiettivo di apprendimento) e che cosa devono sapere (comprensione durevole), con approfondimenti ed esempi. La corrispondenza tra le fasce statunitensi (grade) e gli ordini di scuola italiani è indicativa e basata sull'età: è una proposta del curatore, non fa parte delle linee guida AI4K12. In cifre 5 grandi idee · 44 obiettivi di apprendimento 6-8 · 17 gruppi di concetti · 8 guide adatte alla fascia 6-8 AI4K12, tabelle di progressione, colonna 6-8 --- ## Slide 4 Le cinque grandi idee [Figura: ruota delle cinque idee dal poster italiano AI4K12] 1. Percezione – Le macchine percepiscono il mondo usando dei sensori. 2. Rappresentazione e ragionamento – Gli agenti conservano le rappresentazioni del mondo e le usano per ragionare. 3. Apprendimento – I computer possono imparare dai dati. 4. Interazione naturale – Gli agenti intelligenti necessitano di molti tipi di informazioni per interagire in modo naturale con gli umani. 5. Impatto sociale – L'IA può avere impatti sia positivi che negativi sulla società. --- ## Slide 5 Come si legge una casella OA – Obiettivo di apprendimento (Learning Objective): Che cosa gli studenti devono saper fare. CD – Comprensione durevole (Enduring Understanding): Che cosa gli studenti devono sapere. AP – Approfondimento (Unpacked): Spiegazione o esempio, incluso quando serve a chiarire l'obiettivo o la comprensione. --- ## Slide 6 02 Percezione Le macchine percepiscono il mondo usando dei sensori. --- ## Slide 7 Percezione: obiettivi 6-8 (1/2) - 1-A-i Esseri viventi – OA 6-8: Fornire esempi di come gli esseri umani combinano informazioni provenienti da più modalità sensoriali. - 1-A-ii Sensori del computer – OA 6-8: Fornire esempi di come gli agenti intelligenti combinano informazioni provenienti da più sensori. - 1-A-iii Codifica digitale – OA 6-8: Spiegare come i suoni sono rappresentati digitalmente in un computer. - 1-B-i Rilevamento sensoriale vs. percezione – OA 6-8: Fornire esempi di diversi tipi di percezione artificiale in grado di estrarre significato dai segnali sensoriali. - 1-B-ii Estrazione di caratteristiche – OA 6-8: Illustrare il concetto di estrazione di caratteristiche dalle immagini simulando un rilevatore di contorni. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 8 Percezione: obiettivi 6-8 (2/2) - 1-B-iii Catena di astrazione: linguaggio – OA 6-8: Illustrare come sequenze di parole possano essere riconosciute come frasi, anche se alcune parole non sono chiare, osservando come le parole si combinano tra loro. - 1-B-iv Catena di astrazione: visione – OA 6-8: Descrivere come i rilevatori di contorni possano essere composti per formare rilevatori di caratteristiche più complessi, ad esempio per lettere o forme. - 1-C-i Tipi di conoscenza del dominio – OA 6-8: Classificare un'immagine data (ad esempio "scena di traffico", "scena naturale", "incontro sociale", ecc.) e poi descrivere i tipi di conoscenza di cui un computer avrebbe bisogno per comprendere scene di questo tipo. - 1-C-ii Inclusività – OA 6-8: Descrivere come un sistema di visione potrebbe manifestare una distorsione (bias) culturale se non avesse conoscenza di oggetti assenti nella cultura delle persone che lo hanno creato. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 9 03 Rappresentazione e ragionamento Gli agenti conservano le rappresentazioni del mondo e le usano per ragionare. --- ## Slide 10 Rappresentazione e ragionamento: obiettivi 6-8 (1/2) - 2-A-i Astrazione – OA 6-8: Mostrare come un tabellone di gioco (ad es. tris, Chutes and Ladders, Monopoly, scacchi) possa essere rappresentato mediante una descrizione in linguaggio comune. - 2-A-ii Rappresentazioni simboliche – OA 6-8: Illustrare la traduzione di una struttura come un tabellone di gioco, una mappa stradale o una mappa mentale in un grafo etichettato e spiegare il contributo delle sue componenti. - 2-A-iii Strutture dati – OA 6-8: Descrivere le parti di un grafo e come queste parti sono collegate tra loro. - 2-A-iv Vettori di caratteristiche – OA 6-8: Spiegare come i word embedding (che sono vettori di caratteristiche) rappresentano le parole come sequenze di numeri. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 11 Rappresentazione e ragionamento: obiettivi 6-8 (2/2) - 2-B-i Spazi degli stati e operatori – OA 6-8: Illustrare come un computer può risolvere un labirinto, trovare un percorso su una mappa o ragionare su concetti in un grafo della conoscenza disegnando un albero di ricerca. - 2-B-ii Ricerca combinatoria – OA 6-8: Modellizzare il processo di risoluzione di un problema di ricerca su grafo usando la ricerca in ampiezza (breadth-first) per disegnare un albero di ricerca. - 2-C-i Tipi di problemi di ragionamento – OA 6-8: Classificare i problemi come problemi di classificazione, di previsione, di ricerca combinatoria o di decisione sequenziale. - 2-C-ii Algoritmi di ragionamento – OA 6-8: Confrontare diversi algoritmi che potrebbero essere usati per risolvere un tipo specifico di problema di ragionamento. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 12 04 Apprendimento I computer possono imparare dai dati. --- ## Slide 13 Apprendimento: obiettivi 6-8 (1/2) - 3-A-i Esseri umani e macchine a confronto – OA 6-8: Mettere a confronto le caratteristiche peculiari dell'apprendimento umano con il modo in cui operano i sistemi di apprendimento automatico (machine learning). - 3-A-ii Trovare schemi ricorrenti nei dati – OA 6-8: Rappresentare con un modello il modo in cui l'apprendimento non supervisionato trova schemi ricorrenti nei dati non etichettati. - 3-A-iii Addestrare un modello – OA 6-8: Addestrare e valutare un modello di classificazione o di previsione usando l'apprendimento automatico (machine learning) su un dataset tabellare. - 3-A-iv Costruire e usare un modello di ragionamento – OA 6-8: Spiegare la differenza tra addestrare e usare un modello di ragionamento. - 3-A-v Regolare le rappresentazioni interne – OA 6-8: Confrontare il funzionamento di un algoritmo di apprendimento di alberi di decisione con quello di un algoritmo di apprendimento per reti neurali. - 3-A-vi Imparare dall'esperienza – OA 6-8: Spiegare le differenze tra apprendimento supervisionato e apprendimento per rinforzo. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 14 Apprendimento: obiettivi 6-8 (2/2) - 3-B-i Struttura di una rete neurale – OA 6-8: Illustrare la struttura di una rete neurale e descrivere come le sue parti formino un insieme di funzioni che calcolano un output. - 3-B-ii Regolazione dei pesi – OA 6-8: Mostrare come una regola di apprendimento possa essere usata per regolare i pesi in una rete neurale a uno strato. - 3-C-i Insiemi di caratteristiche – OA 6-8: Creare un dataset per addestrare un classificatore o un modello di previsione ad albero di decisione ed esplorare l'effetto che diverse codifiche delle caratteristiche (feature) hanno sull'albero di decisione. - 3-C-ii Grandi dataset – OA 6-8: Illustrare come gli oggetti in un'immagine possono essere segmentati ed etichettati per costruire un insieme di addestramento per il riconoscimento di oggetti. - 3-C-iii Distorsione (bias) – OA 6-8: Spiegare come la scelta dei dati di addestramento determini il comportamento del classificatore, e come possa essere introdotta una distorsione (bias) se l'insieme di addestramento non è adeguatamente bilanciato. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 15 05 Interazione naturale Gli agenti intelligenti necessitano di molti tipi di informazioni per interagire in modo naturale con gli umani. --- ## Slide 16 Interazione naturale: obiettivi 6-8 (1/2) - 4-A-i Struttura del linguaggio – OA 6-8: Dimostrare la padronanza della grammatica da parte di un computer usando un programma di analisi sintattica (parser) per visualizzare la struttura sintattica di una frase, e spiegare che cosa rappresentano i nodi. - 4-A-ii Ambiguità del linguaggio – OA 6-8: Illustrare come la comprensione di una frase possa essere difficile per un computer fornendo frasi in cui un sintagma preposizionale potrebbe collegarsi in due punti diversi, e mostrare come questa ambiguità possa talvolta essere risolta in base al significato. - 4-A-iii Ragionare sul testo – OA 6-8: Illustrare come le rappresentazioni vettoriali delle parole (word embeddings) possano essere usate per ragionare sul significato delle parole. - 4-A-iv Applicazioni – OA 6-8: Descrivere alcuni compiti di NLP (Natural Language Processing, elaborazione del linguaggio naturale) che i computer sono in grado di svolgere, e spiegare come funzionano. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 17 Interazione naturale: obiettivi 6-8 (2/2) - 4-B-i Ragionamento di senso comune – OA 6-8: Spiegare le conoscenze di cui un computer avrebbe bisogno per risolvere un problema di ragionamento di fisica ingenua (naive physics). - 4-C-i Comprensione delle emozioni – OA 6-8: Descrivere come i computer usano diversi tipi di indizi per riconoscere gli stati emotivi umani. - 4-D-i Filosofia della mente – OA 6-8: Definire criteri per la coscienza e valutare sistemi di IA o personaggi di IA di finzione in base a tali criteri. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 18 06 Impatto sociale L'IA può avere impatti sia positivi che negativi sulla società. --- ## Slide 19 Impatto sociale: obiettivi 6-8 (1/2) - 5-A-i Diversità di interessi e impatti disomogenei – OA 6-8: Valutare i modi in cui gli obiettivi e i valori dei vari portatori di interesse (stakeholder) influenzano la progettazione dei sistemi di IA. - 5-A-ii Criteri di progettazione etica – OA 6-8: Valutare come un sistema di IA soddisfi i criteri di progettazione della responsabilità (accountability) e del rispetto della privacy. - 5-A-iii Mettere in pratica la progettazione etica – OA 6-8: Valutare i modi in cui i progettisti di sistemi di IA possono conoscere i valori dei propri portatori di interesse (stakeholder) e integrarli nel processo di progettazione. - 5-B-i L'IA nella vita quotidiana – OA 6-8: Esaminare un aspetto della vita quotidiana che si prevede cambierà a causa dell'introduzione delle tecnologie di IA. - 5-B-ii Fiducia e responsabilità – OA 6-8: Esaminare criticamente gli usi della tecnologia di IA che possono servire a sorvegliare le persone o a violarne la privacy. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 20 Impatto sociale: obiettivi 6-8 (2/2) - 5-C-i Impatti dell'IA sui settori della società – OA 6-8: Confrontare i cambiamenti che l'IA sta portando nella società con quelli delle precedenti rivoluzioni industriali. - 5-C-ii Effetti sull'occupazione – OA 6-8: Prevedere un nuovo tipo di lavoro che potrebbe nascere, oppure come un tipo di lavoro esistente potrebbe cambiare o scomparire, in seguito all'adozione delle tecnologie di IA. - 5-D-i Democratizzazione della tecnologia di IA – OA 6-8: Creare un'applicazione originale usando alcune delle estensioni o dei plugin di IA disponibili nell'ambiente di programmazione che preferisci. - 5-D-ii Usare l'IA per risolvere problemi sociali – OA 6-8: Fare una ricerca su un problema sociale e descrivere come le tecnologie di IA possano essere usate per affrontarlo. ### Note: Comprensioni durevoli e approfondimenti di ogni concetto: sezione AI4K12 del ProfTecnologIA Framework, aiframeworks.proftecnologia.it/ai4k12/, link diretto #c-. --- ## Slide 21 07 In classe Attività, un esempio completo e una sequenza di lavoro --- ## Slide 22 8 attività adatte alla fascia 6-8 - DiffusionDemo (Modelli linguistici di grandi dimensioni) – fasce 6-8, 9-12 – concetti: nessuno dichiarato - Markov Chain Demo (Modelli linguistici di grandi dimensioni) – fasce 6-8, 9-12 – concetti: 4-A-i, 4-A-iii - FaceDemo Part 1 (Visione artificiale) – fasce 3-5, 6-8, 9-12 – concetti: 1-A-iii, 1-B-ii, 1-B-iv - SpeechDemo (Riconoscimento vocale) – fasce 3-5, 6-8, 9-12 – concetti: 1-B-iii, 4-A-i, 4-A-ii, 4-A-iii - Waveforms & Spectrograms (Riconoscimento vocale) – fasce 3-5, 6-8, 9-12 – concetti: 1-A-iii, 1-B-ii, 1-B-iii - Intelligent Assistant with Keywords (Cognimates) (Chatbot) – fasce 3-5, 6-8, 9-12 – concetti: 4-A-iv - Intelligent Assistant with Keywords (MLforKids) (Chatbot) – fasce 3-5, 6-8, 9-12 – concetti: 4-A-iv - Chatbot with BERT (Chatbot) – fasce 6-8, 9-12 – concetti: 4-A-iv ### Note: Sintesi, obiettivi e vocabolario di ogni guida in italiano: aiframeworks.proftecnologia.it/ai4k12/#attivita. Le guide originali sono in inglese, con licenza CC BY-NC-SA 4.0. --- ## Slide 23 3-A-ii · fascia 6-8 Obiettivo di apprendimento Rappresentare con un modello il modo in cui l'apprendimento non supervisionato trova schemi ricorrenti nei dati non etichettati. Comprensione durevole L'apprendimento non supervisionato è utile quando non sappiamo in anticipo quali classi esistono. Scopre schemi ricorrenti (o classi) nei dati raggruppando i punti vicini in gruppi (cluster). Una volta individuato un insieme di cluster, i nuovi punti possono essere classificati in base alla loro distanza dai confini dei cluster. Approfondimento Si può procedere graficamente, usando punti sul piano e costruendo visivamente i confini dei cluster tracciando il contorno di ciascun cluster (per esempio disegnandogli intorno un'ellisse). --- ## Slide 24 Una sequenza di lavoro in classe Proposta di lavoro [Proposta del formatore, non contenuto AI4K12] 1. Presentate la grande idea con la ruota del poster e la sua frase chiave. 2. Scegliete uno o due concetti e leggete con la classe l'obiettivo 6-8 come traguardo della lezione. 3. Usate una delle guide alle attività che dichiara quei concetti, oppure un'attività senza dispositivi. 4. Chiudete verificando la comprensione durevole: gli studenti la spiegano con parole loro e con un esempio. 5. Registrate il livello della classe nell'autovalutazione della sezione AI4K12. ### Note: Questa sequenza è una proposta del formatore: non fa parte delle linee guida AI4K12. --- ## Slide 25 Grazie Antonio Scaramuzzino aiframeworks.proftecnologia.it/ai4k12/ AI4K12 Initiative (AAAI e CSTA). Five Big Ideas in Artificial Intelligence, poster v.2; traduzione italiana «Cinque grandi idee sull'Intelligenza Artificiale», Ammagamma srl. https://ai4k12.org/resources/big-ideas-poster/ AI4K12 Initiative. Big Idea 1–5 Progression Charts, bozze di lavoro 2020–2022. https://ai4k12.org/gradeband-progression-charts/ AI4K12 Initiative. Activity Resource Guides, 2022–2025. https://ai4k12.org/activities/ Opere originali AI4K12 con licenza CC BY-NC-SA 4.0 (uso non commerciale). Traduzione e adattamento: Antonio Scaramuzzino, ProfTecnologIA Framework, distribuiti con la stessa licenza. La ruota e le illustrazioni sono tratte dal poster italiano AI4K12; il logo AI4K12 non è utilizzato. Progetto AI4K12 finanziato dalla National Science Foundation (DRL-1846073); guide alle attività finanziate da NEOM Company. I testi delle cinque idee riprendono il poster italiano pubblicato da AI4K12. Tabelle di progressione, idee chiave e attività sono una traduzione non ufficiale del curatore, non rivista da AI4K12: in caso di dubbio fa fede il testo inglese. La corrispondenza tra fasce e ordini di scuola italiani e le proposte didattiche sono del formatore.