Materiale didattico interattivo

Come formulare domande chiare ed efficaci all’intelligenza artificiale (prompting)

Il prompting nella pratica didattica

Autore: Zsolt LengyeliTStudy Hungary Training and Research Centre
Revisore: Mária HartyányiiTStudy Hungary Training and Research Centre

I diversi elementi della richiesta vengono inviati al modello di IA, che li utilizza per produrre una risposta organizzata. — Una richiesta chiara aiuta a ottenere una risposta utilizzabile.

Obiettivo di apprendimento

La qualità delle risposte dell’IA dipende in larga misura da come formuliamo le nostre richieste. Questo materiale aiuta i docenti a fornire agli strumenti di IA informazioni di contesto chiare e istruzioni ben strutturate.

Al termine del modulo saprai

Riconoscere i sette elementi di un prompt didattico efficace: ruolo, compito, livello degli studenti, obiettivo di apprendimento, contesto, formato della risposta e criteri di valutazione.
Trasformare una richiesta vaga in un prompt strutturato e più preciso.
Precisare il compito utilizzando esempi, vincoli e richieste di spiegazioni passo dopo passo.
Migliorare le risposte attraverso successive modifiche e adattare il risultato al livello degli studenti.

Un buon prompt nasce da un pensiero chiaro

Un prompt è il messaggio che inviamo a un sistema di intelligenza artificiale: in pratica, è l’unico canale attraverso cui possiamo dire al modello di che cosa abbiamo bisogno. Oggi un prompt non è fatto solo di testo: possiamo allegare immagini, file audio, PDF, fogli di calcolo o altri documenti, e tutto questo diventa parte dell’input che il modello “legge” prima di rispondere.

Fare prompting non significa imparare a memoria formule magiche. Significa pensare con chiarezza e trasmettere al modello di IA questo pensiero chiaro. Un buon prompt non è necessariamente lungo, ma è univoco: indica l’obiettivo, fornisce le informazioni di contesto necessarie, descrive l’output atteso e, quando serve, mostra un esempio. Il docente resta il “regista” del processo: il modello può accelerare enormemente il lavoro, ma non può stabilire al posto nostro gli obiettivi, le priorità o gli standard di qualità.

Tre tipi di prompt

È utile essere consapevoli del tipo di richiesta che stiamo inviando, perché il modello di IA affronta ciascun tipo in modo diverso:

01

Domanda

Ci aspettiamo una risposta o una spiegazione.

“Come funziona un interruttore differenziale?”

02

Istruzione

Chiediamo al modello di produrre o modificare qualcosa.

“Scrivi cinque domande a scelta multipla su…”

03

Pianificazione

In un compito aperto, ci aspettiamo una struttura, un piano o una strategia.

“Progetta un’unità didattica di quattro lezioni su…”

Esprimi direttamente ciò che vuoi ottenere

Confondere questi tipi indebolisce il risultato. “Potresti scrivere un’e-mail ai genitori?” è formulata come domanda, anche se vogliamo un’azione. “Scrivi un’e-mail ai genitori riguardo a…” è più chiara: e quanto più chiara è l’aspettativa, tanto migliore sarà la risposta.

I sette elementi di un prompt didattico

Quando i docenti utilizzano l’IA per preparare materiali didattici, alcuni elementi influenzano in modo particolare la pertinenza, la precisione e l’utilità delle risposte. Non è necessario includerli tutti in ogni richiesta, ma più informazioni mancano, più il modello dovrà fare delle ipotesi.

Ruolo, compito, livello degli studenti, obiettivo, contesto, formato e criteri di valutazione aiutano l’IA a rispondere a un input strutturato. — Gli elementi costitutivi di un prompt strutturato: ruolo, compito, livello degli studenti e obiettivo di apprendimento, contesto, formato dell’output e criteri di valutazione

Esempio di prompt strutturato

Lo stesso compito didattico in sette frasi brevi: ogni frase rende chiaro un elemento del prompt.

Ruolo: Agisci come un docente esperto di impianti elettrici nell’istruzione professionale.
Descrizione del compito: Crea una scheda di lavoro sugli interruttori differenziali.
Livello degli studenti: Gli studenti sono apprendisti del primo anno, di 15–16 anni, con conoscenze di base sui circuiti.
Obiettivo di apprendimento: Al termine della lezione dovranno saper spiegare perché un differenziale scatta e come verificarlo in sicurezza.
Contesto: Abbiamo 20 minuti e un pannello dimostrativo in laboratorio.
Formato dell’output: Proponi 6 domande brevi e 2 compiti basati su situazioni reali, con le soluzioni, in una tabella.
Criteri di valutazione: Verifica che ogni affermazione sia tecnicamente corretta e che siano incluse le norme di sicurezza.

Da una richiesta vaga a un prompt strutturato

Se chiediamo all’IA “Che cosa dovrei insegnare sugli interruttori differenziali?”, otterremo una risposta, ma il modello dovrà fare molte ipotesi: a quali studenti è destinata la lezione, quale livello di approfondimento serve, quale formato utilizzare e quali obiettivi raggiungere. Il risultato rischia quindi di essere generico. Aggiungendo informazioni sul ruolo, sul compito e sul contesto, attraverso frasi brevi e chiare, aiutiamo l’IA a produrre una risposta più precisa e direttamente utilizzabile.

Che cosa dovrei insegnare sugli interruttori differenziali?

A quali studenti? Con quale livello di approfondimento? In quale formato? Con quale obiettivo di apprendimento? Il modello deve fare tutte queste ipotesi.

A sinistra una richiesta vaga produce un risultato dispersivo; a destra un prompt strutturato porta a una risposta mirata. — Una richiesta vaga porta a una risposta generica e dispersiva; un prompt strutturato porta a un risultato mirato e utilizzabile

Più lungo non significa migliore

Più lungo non significa automaticamente migliore. Non serve “sommergere di parole” l’IA: alcune frasi brevi e mirate – oppure un compito suddiviso in sotto-compiti – funzionano meglio di un unico paragrafo lungo e contorto. Confrontiamo queste due istruzioni per lo stesso compito:

Richiesta contorta

Contorta: “Esamina a fondo il documento e individua i dati e le informazioni più importanti che potrebbero essere rilevanti per una sintesi, poi trasformali in una forma più facile da capire, poi crea dei grafici visivi in modo che i dati siano ancora più chiari e infine riduci tutto a punti elenco chiari.”

Richiesta chiara

Riassumi i dati principali del documento.
Crea dei grafici a partire dai dati riassunti.
Elenca per punti le informazioni più importanti.

Un compito, una frase chiara

Con frasi brevi e mirate e sotto-compiti, puoi ridurre il rischio di incomprensioni.

Fai domande, mostra esempi e aggiungi vincoli

Partire dalle domande

Per formulare una buona richiesta all’IA è utile chiarire prima alcuni aspetti: qual è il mio obiettivo? Quali informazioni devo fornire? Come valuterò se la risposta è soddisfacente? Una tecnica semplice consiste nel chiedere direttamente all’IA di porci delle domande, ad esempio: “Prima di iniziare, fammi le domande necessarie per creare una buona scheda di lavoro”. In questo modo la richiesta diventa un dialogo e possiamo individuare le informazioni che avevamo dimenticato di fornire.

Mostrare esempi

Un esempio concreto è spesso più utile di una lunga spiegazione. Se abbiamo già una scheda di lavoro, un modello di quiz o un testo con uno stile che ci piace, possiamo allegarlo e chiedere all’IA di creare qualcosa di simile. Fornire un esempio positivo e uno negativo può aiutare ulteriormente il modello a capire quali caratteristiche vogliamo ottenere e quali evitare.

Aggiungere vincoli

I vincoli servono a rendere la richiesta più precisa, limitando le possibili risposte. Possiamo ad esempio indicare un numero massimo di parole, una quantità precisa di domande, il livello di difficoltà, i termini tecnici da utilizzare o altre condizioni. Alcuni esempi sono: “Non utilizzare abbreviazioni tecniche senza spiegarle” oppure “Utilizza come unica fonte il capitolo del libro di testo allegato”.

Chiedi spiegazioni e valutazioni neutrali

Chiedere il ragionamento, non solo il risultato

Per affrontare attività complesse, i modelli di IA possono aver bisogno di elaborare diversi passaggi prima di arrivare a una risposta. Se chiediamo di risolvere un calcolo o prendere una decisione complessa fornendo soltanto una risposta di una parola, aumentiamo il rischio di errori. In questi casi è utile chiedere all’IA di affrontare il problema passo dopo passo e di spiegare i passaggi principali prima di presentare il risultato finale. Quando è richiesta particolare precisione, ad esempio per calcoli, tabelle o dati, possiamo anche chiederle di utilizzare strumenti specifici: “Utilizza il codice per eseguire il calcolo” oppure “Cerca le informazioni sul web e cita le fonti”.

Porre domande neutre

Il modo in cui formuliamo una domanda può influenzare la risposta dell’IA. Ad esempio, chiedere “Quali sono i vantaggi e gli svantaggi delle auto elettriche rispetto a quelle tradizionali?” favorisce una risposta equilibrata. Al contrario, chiedere “Perché le auto elettriche sono tanto migliori di quelle tradizionali?” può portare a una risposta che presenta soprattutto gli aspetti positivi. L’IA tende infatti ad adattarsi alle idee implicite nelle nostre domande. Quando vogliamo ottenere una valutazione obiettiva, è importante formulare richieste il più possibile neutrali.

Far scrivere il prompt all’IA (meta-prompting)

Possiamo chiedere all’IA di aiutarci a formulare una richiesta più efficace. Ad esempio: “Scrivi un prompt breve e chiaro per ChatGPT che aiuti un principiante a imparare le basi di TypeScript. Il prompt deve richiedere: 1) cinque argomenti principali, 2) un breve esercizio per ciascun argomento, 3) un piano di studio settimanale”. Anche analizzare e migliorare il prompt proposto dall’IA è un buon esercizio per imparare a organizzare le proprie idee in modo chiaro.

Iterazione: il prompting è un dialogo

Raramente un prompt va a segno al primo colpo. Una routine utile in cinque passaggi – resa popolare, tra gli altri, dal corso Prompting Essentials di Google – è: Compito → Contesto → Riferimenti → Valutazione → Iterazione. Definire il compito, fornire il contesto, aggiungere riferimenti o esempi, valutare la risposta in base ai propri criteri e perfezionare il prompt.

Compito → Contesto → Riferimenti → Valutazione → Iterazione

Se la risposta non è quella attesa, proviamo questi metodi di iterazione:

Riesaminare gli elementi costitutivi: quale mancava o era poco chiaro?
Suddividere il prompt in frasi più brevi o in sotto-compiti più semplici.
Riformulare il task o provare con un task analogo.
Introdurre vincoli (lunghezza, livello, fonti, formato).
Fornire un feedback sulla parte specifica che è sbagliata, invece di ricominciare da zero.

Il ciclo di scrittura, generazione, valutazione e perfezionamento del prompt. — Scrivere, generare, valutare, perfezionare: il ciclo iterativo del prompting

Il modello e la lingua del prompt

Altri due aspetti pratici. In primo luogo, la scelta del modello conta: per le domande quotidiane basta un modello veloce, mentre pianificazioni complesse, analisi o calcoli meritano un modello di “ragionamento” più potente. In secondo luogo, la lingua del prompt conta meno della sua chiarezza: i modelli attuali funzionano bene anche in altre lingue (ad esempio in italiano), e un prompt confuso nei contenuti è un problema ben più grave di qualche errore di battitura.

Adattare l’output agli studenti

Uno degli usi più preziosi del prompting strutturato nell’istruzione e formazione professionale è la differenziazione. Modificando soltanto il livello degli studenti e l’obiettivo in un prompt per il resto identico, lo stesso argomento può essere preparato per gruppi diversi: una spiegazione semplificata con analogie tratte dalla vita quotidiana, una scheda di lavoro standard e un compito di approfondimento per gli studenti più avanzati.

Per lo stesso argomento, modifica il livello degli studenti e l’obiettivo di apprendimento.

Un docente utilizza l’IA per preparare materiali sullo stesso argomento, a livelli diversi per tre gruppi di studenti. — Lo stesso prompt strutturato, variato solo nel livello degli studenti, produce materiali differenziati

Studenti che hanno bisogno di supporto

Una spiegazione semplificata con analogie tratte dalla vita quotidiana.

Gruppo di livello base

Una scheda di lavoro standard, adattata alle conoscenze pregresse del gruppo.

Studenti più avanzati

Un compito di approfondimento con maggiore autonomia e un obiettivo più complesso.

Da una richiesta di una riga a un prompt strutturato

Esercizio per docenti · 20–25 minuti · Lavoro individuale

Sperimenta come gli elementi del prompt influenzano la pertinenza e l’utilità delle risposte dell’IA. Utilizza uno strumento di IA generativa.

Passaggi dell’esercizio

Scegli un argomento e scrivi una richiesta semplice all’IA, ad esempio: “Crea una scheda sulla sicurezza nella saldatura”. Salva la risposta ottenuta.
Apri una nuova chat e riscrivi la stessa richiesta, aggiungendo informazioni più precise seguendo il modello riportato sotto. Salva anche questa risposta.
Confronta le due risposte, valutando quale sia più adatta ai tuoi studenti, se il livello di difficoltà sia corretto, se le informazioni tecniche siano accurate e quali modifiche siano ancora necessarie.
Migliora ulteriormente la richiesta, aggiungendo un'indicazione specifica o un esempio, come una scheda didattica già utilizzata con successo. Verifica come cambia la risposta.
Infine, chiedi all’IA: “Quali informazioni ti mancavano nella mia prima richiesta, che hai dovuto quindi ipotizzare/dedurre?”. Confronta la risposta con gli elementi del modello per capire quali informazioni è utile fornire fin dall’inizio.

Detective del prompt

Attività in classe · 30–35 minuti · Lavoro in coppia e discussione in plenaria

Gli studenti formulano richieste chiare e precise, ricche di contesto, e valutano criticamente le risposte dell’IA. Strumenti: Strumento di IA autorizzato dalla scuola, utilizzato dal docente o direttamente dagli studenti secondo le regole dell’istituto, e proiettore.

Il docente mostra alla classe una richiesta generica legata al settore professionale degli studenti (ad esempio: “Come si ripara un’auto?”) e la risposta fornita dall’IA.
A coppie, gli studenti individuano le informazioni mancanti: chi sta facendo la richiesta, quale attività deve essere svolta, in quale contesto e che tipo di risposta si vuole ottenere.
Ogni coppia riscrive la richiesta in modo più chiaro e preciso, specificando almeno quattro elementi: ruolo, compito, contesto e formato della risposta.
Gli studenti, o il docente attraverso il proiettore, provano le nuove richieste, aggiungendo la frase: “Prima di rispondere, fammi alcune domande per capire meglio di cosa ho bisogno”.
La classe confronta i risultati e discute: quale richiesta ha prodotto la risposta migliore e perché? Le risposte contenevano errori, informazioni mancanti o indicazioni poco sicure?

Che cosa imparano gli studenti?

Formulare richieste chiare e precise è una competenza utile anche nel mondo del lavoro: più le istruzioni sono accurate, migliori possono essere i risultati. L’IA non sempre fornisce tutte le informazioni necessarie. Ad esempio, se non si chiede di includere le misure di sicurezza o i dispositivi di protezione individuale (DPI), potrebbe tralasciarli. Confrontare le risposte aiuta a sviluppare il pensiero critico: una risposta scritta bene non è necessariamente corretta, completa o affidabile.

Preparazione del docente

L’attività deve rispettare le regole della scuola e i limiti di età previsti dagli strumenti di IA utilizzati. Se gli studenti non possono avere un account personale, il docente può svolgere l’esercizio mostrando le risposte alla classe.

Ricordare agli studenti di non inserire nelle richieste all’IA dati personali, come nomi, indirizzi o fotografie dei compagni.

Indicazioni per i docenti

Chiarisci cosa vuoi ottenere prima di digitare: obiettivo, destinatari, formato, criteri.
Usa gli elementi costitutivi come lista di controllo: ogni elemento mancante è un’ipotesi che il modello deve fare.
Prediligi frasi brevi e chiare e sotto-compiti a paragrafi lunghi e contorti.
Mostra esempi e aggiungi vincoli; chiedi al modello IA di porre domande di chiarimento.
Poni domande neutre quando desideri una valutazione onesta.
Iterazione: valuta la risposta in base ai tuoi criteri e perfeziona il prompt.
Mantieni il controllo: verifica fatti, norme di sicurezza e adeguatezza pedagogica prima dell’uso in classe.

Un uso efficace dell’IA dipende da un’attenta progettazione del compito, non solo dalla conoscenza dei singoli strumenti. L’utente passivo digita, accetta e passa oltre; l’utente attivo chiede, verifica, integra e itera – e ricava dallo stesso strumento un valore enormemente maggiore.

Verifica le tue conoscenze!

Rispondi a tutte le domande, poi leggi il risultato e le spiegazioni.

1Che cosa significa prompt?Soltanto una domanda scritta, senza allegati.Il messaggio inviato all’IA, che può includere anche immagini e documenti allegati.Tutti i dati utilizzati per addestrare il modello.

2Quale elemento indica che cosa sapranno fare gli studenti al termine della lezione?Il ruolo.Il formato dell’output.L’obiettivo di apprendimento.

3Quale richiesta aiuta maggiormente a creare una scheda di lavoro utilizzabile?“Crea 6 domande brevi e 2 compiti basati su situazioni reali, con le soluzioni, per studenti del primo anno, da svolgere in 20 minuti.”“Scrivi qualcosa sugli interruttori differenziali.”“Crea un materiale molto dettagliato, molto lungo e molto valido.”

4Quale domanda richiede una valutazione neutra?“Perché le auto elettriche sono tanto migliori?”“Quali sono i vantaggi e gli svantaggi delle auto elettriche rispetto a quelle tradizionali?”“L’auto elettrica è sempre la scelta migliore, vero?”

5Che cosa conviene fare se la prima risposta non è adatta?Inviare di nuovo lo stesso prompt senza modificarlo.Scegliere ogni volta un argomento completamente nuovo.Fornire un feedback preciso e chiarire l’elemento mancante, il vincolo o l’esempio.

6In che modo un prompt strutturato aiuta a differenziare la didattica?Modificando il livello degli studenti e l’obiettivo, possiamo adattare lo stesso argomento a gruppi diversi.Tutti i gruppi devono ricevere la stessa risposta.Affidiamo completamente all’IA la verifica tecnica.

Bibliografia e altre attività

Bibliografia

Google (2024–2026): Google Prompting Essentials. Corso online, Coursera.
OpenAI: Prompt engineering guide. Documentazione di OpenAI Platform.
Anthropic: Prompt engineering overview. Documentazione di Claude.
Lengyel, Zs. (2026): Introduction to the concepts of artificial intelligence; Concrete applications for content generation. Presentazioni della formazione VITA.

Link

Crediti e copyright

Autore: Zsolt LengyeliTStudy Hungary Training and Research Centre
Revisore: Mária HartyányiiTStudy Hungary Training and Research Centre
Progetto: 2025-1-LT01-KA220-VET-000362456
Materiale didattico: M1-T1-MLC4

Allegati

Scarica il materiale didattico in italianoM1-T1-MLC4-TEXT-IT.pdf Scarica gli esercizi praticiM1-T1-MLC4-EXC-IT.pdf

Emblema Creative Commons Attribuzione-Condividi Allo Stesso Modo

Quest’opera è concessa in licenza secondo i termini della Creative Commons Attribuzione-Condividi Allo Stesso Modo 4.0 Internazionale (CC BY-SA 4.0).

Finanziato dall'Unione europea. Le opinioni espresse sono esclusivamente quelle degli autori e non riflettono necessariamente quelle dell'Unione europea o dell'Agenzia nazionale.