Passa al contenuto

L'intelligenza artificiale nell'istruzione e l'integrità accademica, indagine sistematica e il suo impatto sull'Italia

L'integrazione delle tecnologie di intelligenza artificiale generativa nei contesti universitari solleva questioni cruciali riguardanti l'etica della produzione intellettuale e la validità delle metodologie valutative tradizionali. Questa analisi sistematica esplora le dinamiche di interazione tra innovazione tecnologica e rigore accademico, delineando le sfide specifiche per il sistema educativo italiano nel contesto delle normative europee vigenti.

Obiettivo

Analizzare l'impatto dell'IA sull'integrità accademica e proporre strategie di regolamentazione per il sistema universitario italiano.

Anteprima del documento

Questa è una breve anteprima. La versione completa include il testo esteso per tutte le sezioni, una conclusione e una bibliografia formattata.

Tesi di Dottorato

Laurea:
L'intelligenza artificiale nell'istruzione e l'integrità accademica, indagine sistematica e il suo impatto sull'Italia

Presentata da:

Group

Nome Cognome

Relatore:

Prof. Nome Cognome

Città, 2026

Indice

Introduzione
Capitolo 1. Evoluzione tecnologica nell'istruzione
1.1 Definizioni di intelligenza artificiale generativa
1.2 L'IA come strumento di supporto didattico
1.3 Automazione e personalizzazione dell'apprendimento
1.4 Evoluzione delle competenze digitali
1.5 Limiti tecnologici e bias algoritmici
Capitolo 2. Integrità accademica e sfide etiche
2.1 Concetto di integrità nell'era digitale
2.2 Rischi di plagio e disonestà intellettuale
2.3 La crisi della valutazione tradizionale
2.4 Etica della produzione di contenuti assistiti
2.5 Responsabilità dello studente e del docente
Capitolo 3. Impatto globale dell'IA sull'istruzione
Analisi
3.2 Casi di studio: modelli universitari esteri
3.3 Efficacia dell'IA nel pensiero critico
3.4 Risultati di apprendimento e nuove metriche
3.5 Integrazione nei curricula disciplinari
Capitolo 4. Il contesto italiano
4.1 Quadro normativo nazionale
4.2 Politiche universitarie italiane sull'IA
4.3 Percezione degli studenti italiani
4.4 Divari digitali e accesso alle risorse
4.5 Sfide specifiche per l'accademia italiana
Capitolo 5. Strategie di regolamentazione e futuro
5.1 Modelli di governance istituzionale
5.2 Il concetto di "white box" nell'uso dell'IA
5.3 Formazione alla digital literacy
Metodologia
5.5 Verso un ecosistema educativo sostenibile
Chapter 6. Quadro teorico
Conclusione
Bibliografia

Introduzione

L'avvento dell'intelligenza artificiale generativa ha introdotto una discontinuità profonda nelle pratiche di apprendimento e valutazione all'interno delle istituzioni universitarie. La facilità di accesso a strumenti in grado di elaborare testi complessi ha sollevato interrogativi fondamentali sulla natura dell'originalità intellettuale e sulla tenuta dei sistemi di verifica delle competenze, rendendo necessario un esame critico del rapporto tra automazione e rigore accademico [1][2].

Nel contesto italiano, la sfida si articola attorno alla necessità di conciliare la spinta verso l'innovazione tecnologica con la tutela dei valori di onestà intellettuale che definiscono il percorso formativo. Mentre a livello internazionale diverse università hanno già implementato linee guida specifiche, il panorama nazionale appare ancora frammentato, evidenziando una tensione tra l'adozione spontanea da parte degli studenti e l'assenza di una governance istituzionale uniforme [3][5].

Il presente lavoro si propone di analizzare l'impatto dell'IA sull'integrità accademica attraverso una revisione sistematica della letteratura e un'analisi comparativa delle politiche di ateneo. L'obiettivo è delineare un quadro conoscitivo che permetta di superare le dicotomie tra divieto e accettazione, proponendo strategie di integrazione che valorizzino le potenzialità dell'IA garantendo al contempo la qualità del processo educativo [4][6].

Attraverso una disamina dei meccanismi di interazione tra utente e sistema, si intende fornire una base teorica e pratica per lo sviluppo di politiche universitarie consapevoli. L'indagine si concentra in particolare sulla necessità di promuovere una cultura della trasparenza, dove l'IA non sia vista come un sostituto del pensiero critico, ma come un supporto regolamentato all'interno di un ecosistema di apprendimento etico e responsabile.

Metodologia di revisione sistematica e criteri di inclusione

L'impostazione metodologica della presente indagine adotta un protocollo di revisione sistematica della letteratura finalizzato a esaminare in modo trasparente e riproducibile l'intersezione tra strumenti di intelligenza artificiale generativa, pratiche didattiche universitarie e salvaguardia dell'integrità accademica. Questo percorso risponde alla necessità di sintetizzare un corpus di evidenze scientifiche eterogenee, focalizzandosi in primo luogo sull'impatto di tali strumenti nell'insegnamento della scrittura accademica e nella riformulazione delle strategie valutative nell'istruzione superiore (The Impact of Artificial Intelligence Tools on Academic Writing Instruction in Higher Education: A Systematic Review, 2024). Al fine di garantire la coerenza dell'analisi, la selezione delle fonti comprende indagini sistematiche dedicate alle pratiche pedagogiche emergenti e all'applicazione empirica delle tecnologie generative nei percorsi formativi (Generative artificial intelligence in pedagogical practices: a systematic review of empirical studies (2022–2024), 2025). Parallelamente, la procedura di screening tematico esamina le implicazioni etiche dell'interazione dialogica tra discenti e modelli linguistici, indagando specificamente se i contenuti generati siano esenti da infrazioni deontologiche o rischi di plagio accademico (Dialogue with generative artificial intelligence: is its “product” free from academic integrity violations?, 2025). I criteri di inclusione ed esclusione privilegiano contributi sottoposti a revisione paritaria, consentendo così di strutturare un quadro metodologico idoneo a interpretare le sfide normative e formative nel contesto universitario.

Bibliografia

  1. The Impact of Artificial Intelligence Tools on Academic Writing Instruction in Higher Education: A Systematic Review
    Hind Aljuaid
    Fonte Aperta
  2. Artificial Intelligence in Higher Education: A Systematic Review of Its Impact on Student Learning
    Nurfauziah, Dian Atmasani, A. Patawari et al.
    Fonte Aperta
  3. Dialogue with generative artificial intelligence: is its “product” free from academic integrity violations?
    A. Artyukhov, N. Artyukhova, O. Dluhopolskyi et al.
    Fonte Aperta
  4. Generative artificial intelligence in pedagogical practices: a systematic review of empirical studies (2022–2024)
    Xiaoyu Wang, Zamzami Zainuddin, Chin Hai Leng
  5. STUDENTS’ PERCEPTIONS OF ARTIFICIAL INTELLIGENCE USE IN HIGHER EDUCATION AND ITS IMPACT ON ACADEMIC INTEGRITY
    S. ASKARKYZY, А. ZHUNUSBEKOVA
  6. Impact of generative artificial intelligence on healthcare education: A systematic review of learning outcomes and academic integrity
    Chinwe Uzoma Ugwu

Bibliografia

Fonti VerificateStandard di FormattazioneAlta UnicitàModelli Pro
🔥 25% OFF

Dissertazione

Norme redazionali universitarie

24 €31 €
  • 120+ pagine
  • Elevata originalità
  • Esporta in Word
  • Formattazione corretta
  • Anteprima pubblica
    L'anteprima di un altro autore non può essere resa privata. Il tuo lavoro sarà privato e completamente unico.
  • Bibliografia (80+, Norme redazionali universitarie)
    +1 €
  • Aggiungi fonti alternative (Notizie, .gov, .edu)

Dissertazione

Norme redazionali universitarie