L’intelligenza artificiale generativa (es. ChatGPT, Claude, Gemini, Llama) sta trasformando in profondità il modo in cui studenti e docenti progettano, svolgono e valutano le attività di apprendimento. Dalle AI tutor agli assistant integrati nei LMS, dai co-writer per saggi e codici agli strumenti di feedback automatico, l’interazione diretta tra persone e modelli generativi è diventata una componente quotidiana dell’esperienza universitaria.
Nonostante l’enorme proliferazione di studi empirici su questi strumenti, manca ancora una mappa sistematica e rigorosa che descriva come avviene la human–generative AI interaction in education, quali ruoli l’AI assume (tutor, co-autore, valutatore, assistente allo studio…), quali esiti vengono misurati (apprendimento, efficacia, efficienza percepita, soddisfazione, equità) e quali dimensioni di qualità dell’interazione vengono effettivamente valutate (fiducia, trasparenza, dipendenza, controllo, carico cognitivo, ecc.).
Questa tesi magistrale si propone di colmare tale lacuna attraverso una review sistematica della letteratura internazionale sulle interazioni tra esseri umani e AI generativa in ambito educativo, con un focus particolare sull’istruzione terziaria (università, higher education). Il progetto si inserisce nelle attività del MUDI Lab sulle dimensioni di qualità dell’interazione Human–AI e sulla costruzione di framework integrativi per valutare e progettare esperienze di Human–Generative AI Interaction.
Il lavoro si articolerà in più stream fortemente integrati:
-
Mappatura sistematica degli scenari di interazione
- Definizione e applicazione di una strategia di ricerca (Scopus/Web of Science) per identificare gli studi empirici su human–generative AI interaction in education (es. AI tutor, AI teaching assistant, AI feedback, co-writing, coding assistant, strumenti di riflessione/metacognizione).
- Codifica sistematica dei contesti (corsi universitari, discipline, tipologie di attività), dei ruoli svolti dall’AI e delle modalità di interazione (chat, plug-in, integrazione in piattaforme didattiche).
-
Analisi delle dimensioni di qualità dell’interazione e delle metriche usate
- Estrazione e sistematizzazione delle misure impiegate negli studi: performance di apprendimento, user experience, accettazione, fiducia, percezione di controllo, carico cognitivo, fairness, ecc.
- Mappatura delle dimensioni di qualità dell’interazione valutate nei vari studi e confronto con i framework esistenti (es. usabilità, UX, human-centered AI, interaction quality dimensions sviluppate dal gruppo di ricerca).
-
Sintesi critica e proposta di framework per l’Education
- Sintesi narrativa e (ove possibile) quantitativa dei risultati, con particolare attenzione a efficacia, efficienza e soddisfazione percepite nell’interazione con AI generativa.
- Proposta di un framework integrativo (o di una tassonomia) per descrivere e valutare la human–generative AI interaction in contesti educativi, evidenziando pattern ricorrenti, gap, rischi (es. deskilling, dipendenza, inequità) e opportunità per una AI veramente learning-centered e student-centered.
- Connessione ai progetti in corso del laboratorio su HCI, Human-Centered AI e qualità dell’interazione con LLM.
Perché partecipare?
-
Impatto scientifico e sociale:
Contribuirai a uno dei temi più caldi e controversi del momento (AI generativa nell’educazione), di estrema attualità per docenti, ricercatori, instructional designer e policy-maker. -
Contributo a framework di frontiera:
Il lavoro si inserisce direttamente in una linea di ricerca attiva del MUDI Lab su interaction quality e human–AI collaboration, con la possibilità di contribuire alla definizione di framework e strumenti metodologici e valutativi di alto profilo. -
Sviluppo professionale e metodologico:
Acquisirai competenze avanzate in:- metodologia delle systematic review (protocollo, criteri di inclusione/esclusione, screening, estrazione dati);
- analisi critica della letteratura su AI generativa e HCI;
- scientific writing.
PREREQUISITI
Candidati ideali: studenti di Laurea Magistrale con background in Teoria e Tecnologia della Comunicazione, Informatica o Artificial Intelligence, interessati a human–computer interaction, AI generativa, LLM, tecnologie per l’educazione e learning analytics, aspetti etici e socio-tecnici dell’AI.
Requisiti:
• Ottima capacità di lettura di articoli scientifici in inglese.
• Attitudine all’analisi sistematica e alla sintesi critica.
• Attitudine al lavoro metodico (screening, coding).
• Precisione, costanza, affidabilità.
• Interesse per AI, HCI o tecnologie per l’education
• Disponibilità a rispettare scadenze regolari.
Sono molto apprezzate:
• esperienze pregresse con review della letteratura (es. esami/progetti),
• interesse per le dimensioni di user experience / interaction quality o per la valutazione di sistemi AI in contesti reali,
• buona capacità di scrittura scientifica (italiano e/o inglese).
OBIETTIVI FORMATIVI
- Acquisire competenze avanzate nella conduzione di una review sistematica in ambito AI & Education.
- Sviluppare capacità di analisi critica della letteratura su human–generative AI interaction, con particolare attenzione alla qualità metodologica degli studi.
- Comprendere e saper discutere le principali dimensioni di qualità dell’interazione tra esseri umani e sistemi AI generativi in contesto educativo.
- Contribuire alla definizione di un framework concettuale o di una tassonomia per descrivere e valutare l’interazione con LLM in higher education.
- Potenziare le proprie competenze di scientific writing e comunicazione dei risultati a un pubblico accademico.
DURATA DELLO STAGE/TESI E CONTESTO RACCOMANDATO
Adatto a: Tesi di Laurea Magistrale in Teoria e Tecnologia della Comunicazione, Informatica o Artificial Intelligence.
Durata: 5–6 mesi complessivi. Il progetto richiede un ritmo costante e regolare, soprattutto nei primi mesi. Con un buon livello di impegno (8–12 ore settimanali), i risultati principali (screening, full-text, dataset codificato) saranno completati entro i primi 2–3 mesi, così da dedicare la fase finale alla valorizzazione e perfezionamento della tesi.
MODALITA’ E ORARI DI LAVORO
Il lavoro sarà principalmente remoto, con incontri periodici (online o in presenza) per:
- definire e monitorare gli obiettivi settimanali;
- discutere protocolli, criteri di codifica e strumenti di analisi;
- rivedere insieme la stesura dei capitoli della tesi e/o dei manoscritti scientifici.
L’impegno previsto è a tempo pieno nel periodo di tesi, con una pianificazione flessibile ma strutturata, concordata con i tutor.
CONTATTI
Per candidarsi, contattare il Dott. Luca Marconi all’indirizzo email: luca.marconi@unimib.it e in cc il Prof. Federico Cabitza (federico.cabitza@unimib.it), allegando il tuo CV e indicando brevemente: (1) la motivazione per cui ti interessa lavorare su human–generative AI interaction in education; (2) il corso di laurea; (3) eventuali esami o progetti rilevanti (AI, HCI, tecnologie per l’educazione, metodologia della ricerca)