Molti ragazzi oggi utilizzano l’intelligenza artificiale per preparare un compito, un esame, per semplificare un argomento di studio, per avere idee da sviluppare e perfino per trovare e sviluppare idee che non hanno. Quante volte però sono disposti a dirlo esplicitamente a qualcuno o anche solo a dichiararlo in un questionario anonimo?
La distanza tra l’uso reale e l’ammissione è al centro di una ricerca pubblicata realizzata da studiosi dell’Università di Chicago.
Il loro studio dimostra che le statistiche sull’adozione dell’intelligenza artificiale tra gli studenti universitari sono molto probabilmente sbagliate — e in modo sistematico.
Il problema delle percentuali che non tornano
Il punto di partenza è un paradosso già noto agli esperti del settore ma raramente discusso apertamente: i dati sull’uso dell’IA nelle università divergono in modo clamoroso a seconda di chi conduce l’indagine.
In alcuni casi la differenza tra un sondaggio e l’altro supera i quaranta punti percentuali, con stime che oscillano dal 45% all’86% di studenti che dichiarano di usare strumenti di intelligenza artificiale nel proprio percorso accademico. Due rilevazioni condotte nello stesso periodo, nello stesso contesto, con popolazioni simili: eppure i risultati sembrano provenire da universi paralleli.
Una spiegazione banale potrebbe riguardare la composizione dei campioni o le domande poste in modo diverso, spiegano gli autori, i quali tuttavia sospettano qualcosa di più profondo: che il problema non sia nella qualità delle domande, bensì nella sincerità delle risposte. Il meccanismo in questione, dicono, ha un nome preciso nella letteratura psicologica: social desirability bias, ovvero la tendenza a rispondere ai questionari non secondo la propria esperienza reale, ma secondo ciò che si ritiene socialmente accettabile o desiderabile.
È lo stesso meccanismo per cui le persone tendono a dichiarare di fare più esercizio fisico di quanto ne facciano effettivamente, o di seguire più attentamente le prescrizioni mediche di quanto non accada nella realtà.
Chiedi di te, poi chiedi degli altri
Il metodo adottato dai ricercatori è mutuato dalla psicologia sociale e si chiama indirect questioning, interrogazione indiretta. L’idea è semplice quanto efficace: invece di chiedere direttamente a una persona se si comporta in un certo modo — domanda che può attivare meccanismi di autodifesa o imbarazzo — le si chiede come si comportano i propri pari, i compagni di corso, gli amici della cerchia sociale. Se le due stime coincidono, non c’è distorsione. Se invece divergono in modo sistematico, quella divergenza è la misura del bias.
Nel primo studio, condotto su 338 studenti universitari dell’Università di Chicago reclutati attraverso i canali del centro di ricerca comportamentale dell’ateneo, ogni partecipante ha risposto a due serie parallele di domande: una sulla propria frequenza di utilizzo degli strumenti basati su modelli linguistici di grandi dimensioni (LLM), l’altra sulla frequenza di utilizzo degli stessi strumenti da parte dei propri colleghi. Il risultato è stato immediato e netto: circa il 60% degli studenti ha dichiarato di usare personalmente strumenti di IA, mentre la stessa percentuale applicata ai propri pari saliva a quasi il 90%.
Il divario, pari a circa 38-41 punti percentuali a seconda della misura utilizzata, era statisticamente solido, robusto rispetto alle diverse formulazioni delle domande, e si replicava in quasi ogni dimensione dell’indagine: frequenza d’uso, intensità di reliance, tipologia di strumenti adoperati.
Nessuno degli studenti, del resto, dichiarava che i propri pari usassero l’IA meno di quanto la usassero loro stessi. La distribuzione era sempre spostata nella stessa direzione: io poco, gli altri molto. Ma poiché i “propri pari” a cui si faceva riferimento appartenevano alla stessa popolazione degli intervistati, era statisticamente impossibile che le due stime riflettessero realtà differenti. Se la media di un gruppo coincide con la media di sé stessi, una sistematica discrepanza tra le due stime non può che essere il segnale di una distorsione nel racconto di sé.
La voce degli studenti: imbarazzo, vergogna, paura del giudizio
Il secondo studio ha esplorato le ragioni di questa discrepanza raccogliendo le spiegazioni spontanee di un campione separato di 96 studenti universitari reclutati sulla piattaforma Prolific. A questi partecipanti sono stati illustrati i risultati del primo sondaggio, e poi è stato chiesto loro di spiegare, con parole proprie, perché secondo loro esistesse un divario così ampio tra il proprio uso dell’IA e quello attribuito agli altri.
L’analisi qualitativa delle risposte libere ha prodotto un quadro coerente e per certi versi sorprendente nella sua esplicitezza, affermano gli autori. La ragione più citata — indicata da 43 partecipanti su 71 che avevano fornito risposte valide — era il social desirability bias stesso, con molti studenti che lo nominano direttamente o lo descrivono in termini molto precisi. Un partecipante, scrive che “gli studenti sottodichiarano il proprio utilizzo degli LLM per sembrare più onesti dal punto di vista scolastico”. Un altro parla di “paura di essere giudicati come disonesti o pigri”. Un terzo sottolinea la dimensione normativa: “gli studenti potrebbero non riferire di usare LLM se pensano che le istituzioni accademiche lo vedano con disapprovazione.
Tra le domande a risposta forzata, il 70,8% degli studenti ha indicato come spiegazione più probabile il fatto che gli studenti si vergognino di ammettere di usare i modelli linguistici, ma non abbiano problemi a dire che lo fanno i propri amici. Il 79,2% ha ritenuto che il divario fosse dovuto principalmente alla sottodichiarazione del proprio uso, non alla sovrastima dell’uso altrui. Le fonti di questa vergogna, secondo i partecipanti, sono molteplici: il timore di apparire disonesti sul piano dell’integrità accademica, quello di sembrare incapaci di svolgere autonomamente il proprio lavoro, lo stigma associato all’uso dell’IA percepito come una forma di pigrizia intellettuale o di plagio.
Cosa significa misurare male l’adozione dell’IA
Le implicazioni di questo studio vanno ben oltre il dato statistico, spiegano i ricercatori. Se le misure attuali di adozione dell’intelligenza artificiale in ambito universitario sottostimano sistematicamente i tassi reali, le politiche costruite su quelle misure rischiano di essere fuori fuoco rispetto alla realtà che intendono governare. Un’università che si basa sui dati autodichiarati per valutare se gli studenti abbiano bisogno di alfabetizzazione digitale, di norme più chiare sull’uso dell’IA, o di strumenti appositamente sviluppati, ragiona su una fotografia distorta.
Lo stigma sociale intorno all’uso dell’IA in ambito formativo non è irrilevante: crea una barriera alla trasparenza che rende difficile costruire politiche informate, e rischia di ostacolare un’adozione consapevole e produttiva degli strumenti disponibili.
Gli autori osservano che questo schema — io non lo uso, ma gli altri sì — è tipico dei contesti in cui un comportamento è percepito come moralmente problematico o socialmente indesiderabile. E suggeriscono che, in altri contesti come le aziende private dove l’IA è celebrata come segno di modernità, il meccanismo potrebbe funzionare esattamente al contrario: una sovradichiarazione del proprio uso, per apparire più “tecnologicamente competente” ai colleghi o ai superiori.
Il metodo dell’interrogazione indiretta, spiegano i ricercatori, non è una soluzione perfetta — non rivela direttamente il tasso vero di adozione — ma permette di misurare la direzione e la grandezza del bias, e di interpretare le norme sociali sottostanti. Una divergenza ampia tra uso autodichiarato e uso attribuito ai pari indica la presenza di una cultura di stigmatizzazione. Una divergenza nella direzione opposta segnalerebbe invece una cultura di esibizione. Entrambe le informazioni sono preziose per chi deve progettare politiche, strumenti didattici, o semplicemente capire cosa stia davvero accadendo nelle aule.
Una metodologia alla portata di tutti
L’interrogazione indiretta può essere aggiunta a qualsiasi sondaggio esistente con modifiche minime: basta raddoppiare le domande chiave, chiedendo le stesse cose sia in prima che in terza persona. Non richiede protocolli sperimentali complessi, non richiede di modificare il comportamento dei partecipanti, non richiede campioni di controllo. Il costo aggiuntivo è minimo; il guadagno informativo può essere sostanziale.
Gli autori raccomandano che le università adottino periodicamente questo tipo di indagine per monitorare non solo i livelli di adozione dell’IA, ma anche l’evoluzione delle norme sociali che la circondano. Una comunità accademica in cui il divario tra uso proprio e uso altrui si riduce nel tempo potrebbe indicare una normalizzazione progressiva dell’intelligenza artificiale, una riduzione dello stigma, un cambiamento nelle aspettative. Una comunità in cui il divario persiste o si allarga segnalerebbe invece che le politiche esistenti non stanno raggiungendo i loro obiettivi, o che nuove tensioni si stanno formando attorno a pratiche emergenti.
L’intelligenza artificiale è già profondamente presente nelle università e anche nelle scuole superiori. La domanda che questo studio lascia aperta — e che invita a esplorare — non è se venga usata, ma in quale clima sociale venga usata, e se quel clima aiuti o ostacoli la capacità degli studenti di farne un uso critico, consapevole e produttivo.
Questo stesso fenomeno, concludono gli autori, un grande divario tra ciò che gli studenti ammettono di fare e ciò che credono facciano i loro coetanei, si riscontra comunemente nella ricerca sulla salute pubblica relativa ad alcol, droghe e sesso. Gli studenti spesso sovrastimano la quantità di alcol, droghe o rapporti sessuali occasionali dei loro coetanei. E questo ha avuto importanti implicazioni per il contenimento dei comportamenti dannosi. Quando gli studenti credono che "lo facciano tutti", è più probabile che lo facciano anche loro.
