Materiale didattico interattivo

Finestre di contesto, moduli di memoria e cosa significano per la didattica

Che cosa conserva l’IA durante una conversazione e tra conversazioni diverse?

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

Conoscenza generale, memoria e contesto attuale della conversazione contribuiscono alla risposta dell’IA come tre livelli distinti. — Tre livelli distinti: conoscenza generale, memoria e contesto attuale.

Obiettivo di apprendimento

Quando utilizziamo l’IA, può capitare che il sistema «dimentichi» un’istruzione, confonda due argomenti oppure ricordi informazioni su di noi che non pensavamo conoscesse. Questi comportamenti dipendono principalmente da due meccanismi: la finestra di contesto e le funzioni di memoria. Questo materiale spiega quali informazioni i sistemi di IA possono conservare durante una conversazione e tra conversazioni diverse. Al termine, i docenti sapranno distinguere le informazioni temporanee di una chat da quelle conservate attraverso la memoria, comprendere come questi meccanismi influenzino la continuità delle conversazioni, la personalizzazione delle risposte e la privacy, e adottare alcune semplici strategie per gestire attività lunghe e proteggere i dati degli studenti.

Al termine del materiale sarai in grado di

Distinguere il contesto attuale dalle funzioni di memoria a più lungo termine.
Spiegare che cosa accade quando una conversazione lunga viene compressa.
Proseguire il lavoro con un riassunto verificato e un pacchetto di contesto.
Gestire consapevolmente la personalizzazione e proteggere i dati degli studenti.

Il modello non ricorda come un essere umano

Quando conversiamo con un modello linguistico, abbiamo l’impressione che ricordi tutto ciò che ci siamo detti. In realtà, il modello non modifica le proprie conoscenze durante la conversazione. Prima di ogni risposta, il sistema raccoglie le informazioni disponibili in quel momento, come i messaggi precedenti, i file allegati e le istruzioni attive, e le utilizza per generare una nuova risposta.

Un paragone utile è quello con i protagonisti dei film Memento o 50 volte il primo bacio: persone che conservano le proprie conoscenze generali, ma hanno difficoltà a formare nuovi ricordi. Per un modello linguistico, le conoscenze di base sono quelle acquisite durante l’addestramento, mentre le informazioni relative alla conversazione devono essergli rese disponibili ogni volta.

Scena del film 50 volte il primo bacio. — 50 volte il primo bacio. Il paragone con il film aiuta a distinguere le conoscenze generali dai nuovi ricordi. Fonte: nlc.hu.

Come si costruisce il contesto di una conversazione?

In una chat, le informazioni disponibili aumentano a ogni nuovo messaggio. All’inizio, il modello riceve il nostro primo messaggio (M1) e genera una risposta (A1). Quando scriviamo un secondo messaggio (M2), il sistema può fornire al modello anche lo scambio precedente: M1 + A1 + M2. Al terzo turno vengono aggiunti anche A2 e M3, e così via. L’insieme delle informazioni che il modello riceve e può utilizzare in un determinato momento si chiama contesto.

Contesto: tutte le informazioni disponibili al modello quando genera una determinata risposta.

Oltre ai messaggi precedenti, possono farne parte file e istruzioni di sistema.

I messaggi e le risposte successivi occupano sempre più spazio nella finestra di contesto finita. — A ogni turno l’input cresce; ciò che non entra più nella finestra di contesto, di dimensione fissa, viene escluso o compresso

01

Primo turno

M1 → A1

La prima domanda produce la prima risposta.

02

Secondo turno

M1 + A1 + M2 → A2

Alla nuova domanda si aggiungono gli scambi precedenti.

03

Terzo turno

M1 + A1 + M2 + A2 + M3 → A3

Con il nuovo turno, l’input cresce ulteriormente.

La finestra di contesto è ampia ma finita

Il contesto si misura in token: piccole unità di testo, spesso frammenti di parole. Il numero massimo di token che un modello può gestire contemporaneamente è la finestra di contesto (in inglese: context window). È ampia ma finita: al momento della stesura, i modelli di punta lavorano con finestre che vanno da alcune centinaia di migliaia di token (ad es. circa 400.000 per i modelli della classe GPT-5) fino a circa un milione (ad es. Gemini 3.1 Pro), l’equivalente di diversi libri lunghi. Il limite disponibile in un’applicazione di chat può essere inferiore al massimo tecnico del modello e spesso dipende dall’abbonamento. In molte lingue diverse dall’inglese una parola richiede in media più token.

Gli esempi di modelli riportati sopra si riferiscono ai dati disponibili al momento della stesura della fonte. I limiti e le funzioni disponibili nell’applicazione possono cambiare.

01

Limite

Limite: quando una conversazione diventa troppo lunga, il sistema ne taglia le parti più vecchie oppure le riassume.

02

Costi e velocità

Costi e velocità: più lungo è l’input, più calcolo serve; le risposte possono rallentare e consumare più in fretta i limiti di utilizzo.

03

Qualità

Qualità: più contesto può aiutare, ma porta anche rumore. La ricerca ha dimostrato che i modelli usano in modo più affidabile le informazioni che si trovano all’inizio e alla fine di un contesto lungo, mentre quelle nel mezzo rischiano di andare perse. Il materiale vecchio e non pertinente rende più probabili i fraintendimenti.

Compattazione: quando i dettagli sfumano

Quando una conversazione raggiunge il limite di contesto, molte applicazioni compattano automaticamente i messaggi più vecchi, sostituendoli con un riassunto. L’essenza rimane, i dettagli sfumano, e così c’è sempre spazio per nuove informazioni. Non possiamo controllare quando ciò avviene, e lo svantaggio è che dettagli sottili o formulazioni precise precedenti possono andare persi. Le conversazioni molto lunghe possono anche rallentare il browser.

Compattazione (compaction): i messaggi precedenti vengono sostituiti da un riassunto più breve, per lasciare spazio alle nuove informazioni.

La conversazione lunga viene condensata in un riassunto: alcuni dettagli rimangono, altri vanno persi. — Compattazione: una lunga conversazione viene condensata in un breve riassunto e alcuni dettagli si perdono

Consigli pratici per le sessioni di lavoro lunghe

01

Apri una nuova chat

• Quando cambi argomento, apri una nuova chat. Fai lo stesso quando un argomento è diventato molto lungo.

02

Porta con te l’essenziale

• Prima di cambiare chat, chiedi: «Riassumi le decisioni, i requisiti e le questioni aperte di questa conversazione in una forma che posso incollare in una nuova chat.» Controlla il riassunto: raramente conterrà tutto.

03

Allega un documento

• Allega i documenti lunghi invece di incollarli nel messaggio; alcune applicazioni lo fanno automaticamente quando si incolla un testo molto lungo.

Richiesta da copiare

«Riassumi le decisioni, i requisiti e le questioni aperte di questa conversazione in una forma che posso incollare in una nuova chat.»

Confrontiamo il riassunto con le decisioni precedenti. Integriamo i dettagli mancanti prima di usarlo in una nuova conversazione.

Allegare un file aiuta a organizzare il materiale, ma non rende illimitata la finestra di contesto del modello.

Tre livelli contribuiscono alla risposta

È utile pensare a ciò che un assistente di IA «sa» come organizzato su tre livelli:

La conoscenza generale acquisita con l’addestramento, la memoria modificabile e il contesto attuale contribuiscono insieme alla risposta. — La conoscenza generale acquisita con l’addestramento, una piccola memoria modificabile e il contesto attuale confluiscono tutti nella risposta

Le funzioni di memoria in pratica

I principali assistenti IA possono offrire funzioni simili a una memoria. La fonte illustra le differenze attraverso le seguenti funzioni di ChatGPT; la loro disponibilità può dipendere dall’applicazione, dalle impostazioni e dall’abbonamento.

Continuità e personalizzazione nella didattica

Continuità

Poiché il contesto a breve termine si perde da una chat all’altra, la continuità va progettata.

Per un’unità didattica, tieni un breve «pacchetto di contesto»: gli obiettivi dell’unità, il livello del gruppo (senza dati personali), lo stile e il formato preferiti dei materiali. Incollalo all’inizio delle nuove chat oppure salvalo come istruzioni e file in un progetto. È più affidabile che sperare che la memoria ricordi i dettagli.

Personalizzazione

La memoria può far risparmiare tempo, perché permette all’assistente di tenere conto di alcune preferenze o informazioni già comunicate. Ad esempio, può ricordare che insegni meccatronica dell’autoveicolo a studenti di 16 anni e che preferisci ricevere materiali organizzati in tabelle con le soluzioni. Tuttavia, la personalizzazione può anche limitare le risposte o portare il modello a fare supposizioni non corrette. Quando desideri una risposta neutra, oppure vuoi verificare come l’IA risponderebbe a uno studente senza conoscere le tue preferenze, puoi utilizzare una chat temporanea.

Esempio di pacchetto di contesto

Portiamo con noi le indicazioni importanti

Argomento e obiettivo: Meccatronica dell’autoveicolo: comprendere il funzionamento dei sensori.
Livello del gruppo: Studenti di 16 anni con conoscenze di base di elettrotecnica; senza dati personali.
Stile: Spiegazioni brevi e chiare in italiano, con esempi quotidiani.
Formato: Scheda di lavoro con soluzioni organizzate in una tabella.
Requisito importante: Spiega i termini tecnici; le attività devono valutare l’obiettivo di apprendimento indicato sopra.

Forniamo questo pacchetto all’inizio della nuova chat oppure inseriamolo nelle istruzioni e nei file di un progetto.

Proteggere i dati degli studenti

Non inserire mai dati personali degli studenti (nomi, voti, informazioni sanitarie o familiari, foto) in strumenti di IA di uso generale. Usa esempi anonimizzati o fittizi.

Rispetta il GDPR e le regole sulla protezione dei dati della tua scuola e, dove disponibili, usa gli account istituzionali di IA della scuola.

Controlla le impostazioni della memoria: la memoria e il riferimento alla cronologia delle chat possono essere disattivati e le singole memorie possono essere eliminate. I fornitori possono conservare i log delle memorie eliminate per un periodo limitato (nel caso di ChatGPT, fino a 30 giorni).

L’eliminazione di una memoria e la conservazione dei log da parte del fornitore sono due aspetti distinti. Controlliamo le informazioni aggiornate del servizio utilizzato.

Impostazioni per la privacy che rappresentano la consultazione, la disattivazione e l’eliminazione della memoria. — La memoria può essere consultata, disattivata ed eliminata, ma i dati più sicuri sono quelli che non inseriamo mai

Prima di proiettare lo schermo

Fai attenzione quando proietti lo schermo in classe: la personalizzazione basata sulla memoria o i titoli delle chat nella barra laterale possono rivelare informazioni che non intendevi mostrare.

Igiene digitale per gli studenti

Insegna agli studenti la stessa igiene digitale: che cosa un’IA ricorda di loro, come verificarlo e come eliminarlo.

Prova nella pratica didattica!

Lavoro individuale · 25–30 minuti

Che cosa ricorda il mio assistente?

Controllare le impostazioni della memoria, verificare il riassunto di una conversazione lunga e preparare un proprio pacchetto di contesto.

Leggi le memorie salvate o il riepilogo della memoria. Elimina ciò che è obsoleto o non dovrebbe essere conservato.
Chiedi un riassunto in dieci punti delle decisioni, dei requisiti e delle questioni aperte di una conversazione lunga. Segna ciò che manca o è impreciso.
Scrivi un pacchetto di contesto di massimo dieci righe per un’unità didattica, senza dati personali.
Chiedi una scheda di lavoro in una nuova chat con il pacchetto, poi in una chat temporanea senza il pacchetto. Confronta i risultati.

Dimostrazione del docente e discussione · 30 minuti

Che cosa sa di me l’IA?

Svolgi la dimostrazione dal tuo account di docente, usando esclusivamente dati inventati. Prima di proiettare lo schermo, controlla la memoria e la barra laterale.

Presenta un personaggio inventato, ad esempio Luca, che ha 16 anni, studia per diventare meccanico d’auto ed è appassionato di calcio. Chiedi un metodo di studio adatto a lui.
In una nuova chat normale e poi in una chat temporanea, chiedi: «Che cosa sai di Luca?» Osservate le eventuali differenze.
Discutete quali informazioni condividereste con uno strumento di IA e quali evitereste di condividere.
Concordate cinque regole di classe per usare l’IA in modo sicuro. Dopo la dimostrazione, elimina le eventuali memorie create.

Indicazioni per i docenti

Il modello calcola ogni risposta a partire dall’input attuale; non ricorda come un essere umano.
La finestra di contesto è finita: le chat lunghe diventano più lente, più rumorose e alla fine vengono compresse.
Nuovo argomento, nuova chat. Riporta le decisioni importanti con un riassunto verificato o un pacchetto di contesto.
La memoria conserva soltanto alcune informazioni e può essere incompleta o non aggiornata. Controllala periodicamente e disattivala quando non è necessaria.
Mostra al modello esempi e file concreti: lavora meglio a partire da ciò che ha davanti.
Proteggi i dati degli studenti: anonimizza, usa gli account istituzionali e non affidarti mai alla memoria per le informazioni sensibili.

Verifica che cosa hai imparato!

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

1Che cosa si intende per finestra di contesto? Uno spazio illimitato per tutte le conversazioni precedenti dell’utente. Il numero massimo di token che il modello può gestire contemporaneamente. Tutte le conoscenze acquisite dal modello durante l’addestramento.

2Che cosa può accadere quando una conversazione lunga viene compressa? Il modello conserva ogni frase senza modificarla. Le conoscenze di base del modello vengono ampliate definitivamente con i nostri messaggi. I messaggi precedenti possono essere sostituiti da un riassunto e alcuni dettagli possono andare persi.

3Perché è utile preparare un pacchetto di contesto? Per fornire con precisione obiettivi, livello del gruppo e formato atteso anche in una nuova chat. Perché rende illimitata la finestra di contesto del modello. Perché elimina la necessità di verificare le risposte dell’IA.

4Che cosa accade a una memoria salvata se eliminiamo la chat che la contiene? Anche la memoria viene sempre eliminata automaticamente. La memoria salvata è conservata separatamente, quindi va controllata ed eliminata anche separatamente. La memoria entra a far parte delle conoscenze generali del modello.

5In quale situazione è utile una chat temporanea? Quando vogliamo conservare i dati sensibili degli studenti. Quando vogliamo che il modello ricordi automaticamente ogni dettaglio precedente. Quando serve una risposta neutra senza personalizzazione basata sulla memoria.

6Quale pratica del docente protegge meglio i dati degli studenti? Usare esempi anonimizzati o inventati e controllare lo schermo prima di proiettarlo. Conservare nomi e informazioni sanitarie degli studenti come memorie salvate. Copiare i dati degli studenti in una chat temporanea senza ulteriori controlli.

Riferimenti e approfondimenti

Bibliografia del materiale didattico

Liu, N. F. et al. (2024): Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12, 157–173.
OpenAI Help Center (2026): Memory in ChatGPT; Projects in ChatGPT; ChatGPT release notes.
Lengyel, Zs. (2026): Introduction to the concepts of artificial intelligence. Presentazione formativa VITA.

Link utili

Le funzioni di memoria, le dimensioni del contesto disponibili e le impostazioni possono cambiare. Consultiamo le informazioni del fornitore per verificare le possibilità attuali dello strumento utilizzato.

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

Allegati

Scarica il materiale di riferimento in italianoM1-T1-MLC5-TEXT-IT.pdf Scarica gli esercizi praticiM1-T1-MLC5-EXC-IT.pdf

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.