Un sondaggio globale tra docenti di informatica ha rilevato che molti insegnanti hanno già modificato sia i metodi di insegnamento sia quelli di valutazione in risposta agli strumenti di coding basati su IA generativa. Il sondaggio, condotto da una task force ACM, ha coinvolto più di 700 docenti di 49 Paesi e ha rilevato che il 69 percento ritiene che l’IA abbia cambiato le competenze richieste per lo sviluppo software.

I risultati mostrano un ampio spostamento rispetto ai tradizionali compiti di programmazione incentrati sulla scrittura di codice da zero. Al loro posto, i docenti attribuiscono maggiore importanza alla comprensione del codice, al debugging, alla risoluzione di problemi, agli esami orali, alle sessioni di difesa del codice e al lavoro basato su progetti. Allo stesso tempo, quasi la metà degli intervistati ha dichiarato di non disporre di esempi comprovati per integrare l’IA nei propri corsi.

Gli assistenti di coding basati su IA, come ChatGPT e GitHub Copilot, possono completare molti dei tipici esercizi di programmazione usati nei corsi introduttivi, spesso con prestazioni pari a quelle di uno studente medio. Questo crea una sfida concreta per i corsi che tradizionalmente hanno utilizzato tali esercizi per verificare se gli studenti siano in grado di produrre e spiegare autonomamente codice funzionante. Il nuovo studio offre una visione più ampia di come i docenti di informatica nel mondo stiano rispondendo a questa sfida. È stato condotto dalla "ACM Task Force on Generative AI and Programming Assessment", un gruppo di esperti istituito dal comitato per l’istruzione della società internazionale di informatica ACM.

La task force ha intervistato 763 docenti di 49 Paesi tra maggio e ottobre 2025. Nell’analisi sono stati inclusi circa 500 questionari quasi completi. Secondo i risultati, il 69 percento degli intervistati ha affermato che l’IA ha cambiato le competenze necessarie per lo sviluppo software. La principale preoccupazione tra i docenti è stata la crescente dipendenza degli studenti dalla tecnologia, citata dall’87 percento, seguita da copiatura e plagio, citati dal 72 percento.

L’insegnamento si sposta dalla scrittura del codice alla sua comprensione

Il 64 percento degli intervistati ha dichiarato di aver già cambiato il proprio modo di insegnare. Un’analisi tematica delle risposte aperte ha mostrato una direzione coerente: meno enfasi sulla scrittura di codice da zero e più attenzione alla comprensione del codice, all’individuazione e correzione degli errori e alla risoluzione di problemi. Trentove risposte hanno inoltre indicato l’uso dell’IA e il prompt engineering come argomenti espliciti di insegnamento. Altri docenti hanno riferito di mostrare in classe strumenti di IA per illustrare sia ciò che possono fare sia i limiti che mantengono.

"We know that students will likely be developing with AI tools when they enter the workforce," ha dichiarato Steven Gordon, professore alla Ohio State University e autore principale del rapporto. "The key is to produce graduates who are competent in programming and who understand both the capabilities and limitations of AI."

Esami orali e valutazioni basate su progetti guadagnano terreno

Le pratiche di valutazione stanno cambiando ancora più rapidamente. Il 68 percento degli intervistati ha dichiarato di aver modificato il modo in cui valuta gli studenti. I cambiamenti citati più di frequente includono un maggior numero di esami in presenza con supervisione, con 56 menzioni; una riduzione del peso dei compiti a casa, con 38 menzioni; esami orali e sessioni di difesa del codice, con 36 menzioni; e test su carta, con 35 menzioni. Anche le valutazioni basate su progetti sono state citate 34 volte.

Alcuni docenti ora richiedono agli studenti di dichiarare se e come hanno usato strumenti di IA e, in alcuni casi, di presentare i registri delle loro interazioni con tali strumenti. Questi cambiamenti riflettono un crescente sforzo per distinguere tra la comprensione propria dello studente e il lavoro prodotto o fortemente assistito dal software.

Le politiche istituzionali restano disomogenee. Il 45 percento degli intervistati ha dichiarato che la propria istituzione dispone di linee guida sull’uso dell’IA, mentre il 39 percento ha affermato che la propria istituzione non ne ha. Le politiche esistenti vanno dai divieti completi all’autorizzazione o all’incoraggiamento espliciti, a condizione che gli studenti documentino l’uso dell’IA. Per i docenti, questo panorama normativo non uniforme significa che i cambiamenti nelle valutazioni a livello di corso vengono spesso introdotti mentre le istituzioni stanno ancora decidendo come regolamentare l’uso dell’IA.

I docenti segnalano la mancanza di esempi di buone pratiche

L’ostacolo più comune all’integrazione dell’IA, citato dal 48 percento degli intervistati, è stata l’assenza di buone pratiche comprovate. Il 28 percento ha dichiarato di non avere competenze sufficienti sull’IA, mentre il 20 percento ha affermato di non vedere alcuna necessità di integrarla nel proprio insegnamento.

Gli intervistati hanno inoltre indicato la necessità di maggiore sviluppo professionale. Il 74 percento ha dichiarato di volere formazione su metodi didattici efficaci, e il 66 percento ha detto di volere supporto nella riprogettazione delle valutazioni. Il sito di risorse della task force affronta questa lacuna raccogliendo esempi pratici, ma i risultati del sondaggio suggeriscono che molti docenti stanno ancora cercando modelli collaudati da adattare ai propri corsi.

Gli autori dello studio hanno segnalato diverse limitazioni. I partecipanti sono stati reclutati principalmente tramite mailing list ACM e SIGCSE e directory nazionali selezionate di docenti. Il gruppo degli intervistati era fortemente sbilanciato verso il Nord America, con 227 intervistati, e l’Europa, con 106. L’Asia contava 57 intervistati, il Sud America 10, l’Oceania 9 e l’Africa 3. Tra gli intervistati che hanno indicato il tipo di istituzione, il 77 percento lavorava in università, mentre scuole K-12 e programmi professionali erano rappresentati solo marginalmente. I risultati si basano inoltre su dati autodichiarati.

Lo studio ACM è disponibile gratuitamente online. La task force ha inoltre creato un sito web con esempi pratici e risorse per i docenti.

Studi recenti indicano voti più alti ma risultati di apprendimento più deboli

Diversi studi recenti sono in linea con le preoccupazioni sollevate dagli intervistati. Uno studio di Anthropic ha rilevato che gli sviluppatori software che hanno usato l’assistenza dell’IA per imparare una nuova libreria Python hanno ottenuto un punteggio inferiore del 17 percento in un successivo test di conoscenza rispetto a un gruppo di controllo senza accesso all’IA. Un piccolo sottoinsieme di partecipanti che ha delegato interamente il coding all’IA ha completato i compiti più rapidamente, ma ha ottenuto in media solo il 39 percento nel test di conoscenza.

Risultati simili sono emersi anche al di fuori dell’informatica. Uno studio longitudinale cinese su oltre 26.000 studenti ha rilevato che l’uso dell’IA ha aumentato i voti dei compiti a casa del 18 percento e ridotto il tempo di completamento del 30 percento. Tuttavia, dopo sei mesi, i punteggi negli esami a libro chiuso sono diminuiti del 20 percento. Nei successivi esami di ammissione, i punteggi sono calati del 18 percento e del 24 percento, a seconda del test.

Un’analisi della UC Berkeley su oltre 500.000 voti ha rilevato un forte aumento dei voti massimi dopo il rilascio di ChatGPT, in particolare nei corsi con un peso rilevante di compiti di scrittura e programmazione. L’aumento è stato più marcato nei corsi in cui i compiti a casa non supervisionati avevano un peso significativo nel voto finale. Secondo il rapporto ACM, si tratta della stessa categoria di valutazione a cui molti docenti stanno ora attribuendo minore importanza.