Salta al contenuto
30 Ottobre 2026

Come Proxima ZSP trasforma l’AI in sparring partner educativo

Marco Iannacone ha sviluppato un tutor AI maieutico, un modello di valutazione L×M×C e un framework sintetico per testare l’efficacia degli assistenti digitali nella scuola secondaria.

Come Proxima ZSP trasforma l’AI in sparring partner educativo

Nel 2012 Marco Iannacone si avvicina per la prima volta al concetto di tecnologia solidale, fondando l’ecosistema EdiTouch dedicato a studenti con DSA e BES. Decenni di esperienza in ingegneria, security e product management lo hanno portato a interrogarsi sul ruolo che l’intelligenza artificiale può avere nell’educazione: deve rafforzare il pensiero dello studente, non sostituirlo.

Proxima ZSP: un tutor maieutico per la scuola secondaria di primo grado

Il risultato di questa riflessione è Proxima ZSP, un assistente digitale in italiano che opera con una logica maieutica. Invece di fornire direttamente la risposta, il tutor parte da ciò che lo studente pensa e propone una sequenza di domande progressive, rendendo visibile il processo di ragionamento. L’obiettivo è trasformare l’AI da scorciatoia a vero sparring partner, mantenendo lo studente al centro del percorso cognitivo.

Il framework L×M×C: profondità, metacognizione e trasferimento

Per andare oltre il semplice controllo della correttezza, Iannacone ha ideato L×M×C, un modello aperto che analizza tre dimensioni dell’apprendimento. La L (livello) verifica se lo studente usa una regola mnemonica o se comprende il perché della procedura, ad esempio nel calcolo delle frazioni. La M (metacognizione) misura la capacità di riconoscere un errore e di correggere autonomamente il proprio percorso. Infine la C (consolidamento e trasferimento) osserva se, in un contesto differente, lo studente riesce a riutilizzare la conoscenza. Il framework nasce come software libero con licenza Creative Commons BY 4.0, perché Iannacone vuole che chiunque possa testarlo, criticarlo e migliorarlo.

SLEF: Synthetic Learner Evaluation Framework per la validazione dei tutor

Per verificare la solidità delle proprie proposte, è stato creato SLEF, un ambiente di valutazione che simula 44 profili di studenti, ciascuno con cinque conversazioni su problemi di frazioni. Il risultato è un corpus di 1 100 dialoghi in italiano, generato con cinque configurazioni di tutor AI diverse. Un secondo algoritmo, indipendente dal tutor, analizza i testi delle conversazioni e tenta di ricostruire le caratteristiche attribuite ai profili simulati, dichiarando anche quando l’informazione è insufficiente. Questo approccio mette alla prova la capacità di inferire correttamente le competenze dello studente a partire dalle interazioni con l’AI.

Diffusione Open-Source e validazione scientifica

Tutti i materiali – dal preprint pubblicato su EdArXiv (DOI https:///hvx37_v2) al dataset e al codice di analisi su Zenodo (DOI https:///10.5281/zenodo.23068043) – sono liberamente accessibili. Le prime sperimentazioni hanno mostrato che alcune proprietà dello studente sono difficili da ricostruire e che risultati medi apparentemente positivi possono nascondere bias sistematici. Proxima ZSP è stato confrontato con versioni di Claude, ChatGPT e Mistral, ma SLEF non intende produrre una classifica di tutor, bensì evidenziare i limiti dell’inferenza.

Conferenze e prospettive future

Il lavoro è stato accettato per due importanti eventi scientifici: ICERI 2026, che si terrà a Siviglia dal 9 all’11 novembre, dove Iannacone presenterà in modalità virtuale i temi dell’autonomia dello studente, del framework L×M×C e del percorso di validazione; e SIREM 2026, con un intervento sulla “sicurezza cognitiva”, ossia sul rischio di confondere coinvolgimento e qualità della risposta con vero apprendimento. Inoltre, il tutor è stato valutato con il framework CARACAS, dimostrando di mantenere i confini del ruolo digitale in situazioni simulate di isolamento sociale.

Nonostante la solida base tecnica, Iannacone ammette di non essere uno psicologo dell’educazione, ma di portare più di trent’anni di esperienza nella gestione di sistemi complessi e nella cyber-security. La sua aspirazione è avviare collaborazioni con ricercatori, scuole e istituzioni pubbliche per testare Proxima ZSP in contesti reali, raccogliendo dati longitudinali che confermino l’efficacia didattica. L’obiettivo finale è trasformare l’AI da semplice strumento di risposta a vero promotore di pensiero critico in classe.

Autore

Martina Marchesi

Martina Marchesi ha guidato la squadra che ha coperto il piano urbanistico di Firenze, sostenendo una linea editoriale basata sull'analisi documentale. Vicedirettrice, porta un dettaglio personale riconoscibile: una mappa manoscritta dei rioni fiorentini nella sua agenda.