Introduzione al modello Asti

Il progetto Asti nasce dall’esigenza di colmare il divario tra la rapida trasformazione digitale della società e i tradizionali modelli didattici. In risposta a questa sfida, l’Asti Innovation Hub ha concepito un modello integrato che unisce robotica tangibile, coding emotivo e spazi di apprendimento adattivi. L’obiettivo è fornire agli studenti strumenti concreti per sviluppare competenze trasversali e, al contempo, mitigare le fragilità cognitive come l’attenzione ridotta, la memoria di lavoro debole e la difficoltà di problem solving.

Le componenti chiave del modello

Il modello Asti si articola su tre pilastri fondamentali:

Robotica tangibile: l’uso di robot programmabili (es. LEGO Education SPIKE, NAO di SoftBank) che permettono di manipolare fisicamente il codice, favorendo l’apprendimento esperienziale.
Coding emotivo: piattaforme di programmazione che integrano riconoscimento e gestione delle emozioni (es. Scratch con estensioni per il riconoscimento facciale), stimolando la consapevolezza emotiva durante la risoluzione di problemi.
Spazi adattivi: ambienti di apprendimento equipaggiati con sensori ambientali e sistemi di analytics che monitorano in tempo reale le performance cognitive degli alunni, adeguando il livello di difficoltà dei compiti.

Il laboratorio “Luciano Gallino” e il suo ruolo interdisciplinare

Il Laboratorio di simulazione del comportamento e robotica educativa “Luciano Gallino”, del Dipartimento di Filosofia e Scienze dell’Educazione dell’Università di Torino, fornisce il contesto teorico e metodologico al progetto. La collaborazione tra filosofi dell’educazione, psicologi cognitivi e ingegneri della robotica garantisce che le attività non siano solo ludiche, ma fondate su evidenze scientifiche. Ad esempio, il laboratorio utilizza il modello di cognizione incarnata di Varela per progettare scenari in cui il corpo e la mente interagiscono con il robot in maniera sinergica.

Metodologia pedagogica e misurazione scientifica

Il modello Asti adotta una metodologia a ciclo iterativo: diagnosi – intervento – valutazione – rifinitura. Prima dell’intervento, gli studenti vengono sottoposti a test standardizzati (WISC‑IV, test di Stroop, n‑back) per stabilire una baseline cognitiva. Durante le sessioni, i sensori dei robot e le piattaforme di coding raccolgono dati su tempi di risposta, errori e livelli di stress fisiologico (variabili misurate tramite smartwatch). Al termine del ciclo, i risultati vengono confrontati con la baseline per calcolare l’efficacia dell’intervento.

Risultati preliminari: dati e impatti concreti

Nel primo anno di sperimentazione, 124 alunni di scuola secondaria di primo grado hanno partecipato a un programma di 12 settimane. I dati raccolti mostrano:

Un miglioramento medio del 15 % nei punteggi di memoria di lavoro (test n‑back), con un picco del 22 % nei soggetti con più alta motivazione iniziale.
Una riduzione del 18 %** del tempo medio di risposta nei test di attenzione sostenuta, rispetto al gruppo di controllo.
Un aumento del 12 % nella capacità di risoluzione di problemi complessi, misurata tramite il test di problem solving di Torrance.

Questi risultati suggeriscono che l’interazione con robot tangibili, combinata a un approccio emotivo al coding, può effettivamente contrastare le fragilità cognitive tipiche dell’adolescenza.

Esempi pratici di attività

Tra le attività più efficaci troviamo:

“Costruisci il tuo assistente”: gli alunni programmano un robot NAO per eseguire comandi vocali che richiedono l’identificazione di emozioni (felicità, tristezza, sorpresa). L’attività stimola sia la comprensione emotiva sia la capacità di tradurre concetti astratti in codice.
“Corsa di algoritmi”: usando LEGO SPIKE, i gruppi devono programmare un robot per percorrere un percorso ad ostacoli in tempi minimi, ottimizzando il codice attraverso iterazioni rapide. Il monitoraggio dei tempi di completamento permette di valutare la flessibilità cognitiva.
“Storytelling interattivo”: con Scratch, gli studenti creano narrazioni interattive in cui i personaggi reagiscono alle scelte emotive dell’utente, integrando sensori di pressione per rilevare lo stress del giocatore.

Linee guida per l’adozione nelle scuole

Per replicare il successo del modello Asti, le istituzioni scolastiche dovrebbero seguire questi passaggi:

Formazione docente: corsi di aggiornamento su robotica educativa, coding emotivo e analisi dei dati cognitivi.
Infrastruttura aperta: adottare piattaforme software open‑source (es. OpenRobotics, Scratch) e hardware modulare per garantire scalabilità e riduzione dei costi.
Integrazione curricolare: inserire i progetti di robotica nei percorsi di STEM e di educazione socio‑affettiva, creando collegamenti con materie come matematica, scienze e educazione civica.
Valutazione continua: implementare un sistema di analytics che fornisca feedback in tempo reale a insegnanti e studenti, facilitando interventi correttivi tempestivi.

Prospettive future e conclusioni

Il modello Asti rappresenta una pietra miliare nella convergenza tra tecnologia digitale e pedagogia scientifica. Guardando al futuro, i ricercatori prevedono di ampliare lo studio includendo realtà aumentata e intelligenza artificiale per personalizzare ulteriormente gli ambienti di apprendimento. L’obiettivo è costruire un ecosistema educativo in cui la tecnologia non è solo uno strumento, ma un co‑partner cognitivo capace di potenziare le capacità mentali dei giovani e di ridurre le vulnerabilità cognitive a lungo termine.