NotebookLM per la didattica della storia locale: dare voce al territorio con l’IA

E se l’intelligenza artificiale, invece di omologare le storie, potesse diffondere quelle che rischiano di scomparire? In classe si possono trasformare le fonti orali e documentali del territorio in un archivio digitale consultabile negli anni, capace di generare narrazione situata a partire dalle voci di chi c’era.

Siamo figli di una storia locale che profuma a ogni vicolo. Siamo cresciuti tra narrazioni orali che ancora riecheggiano nei nostri ricordi, e che tuttavia rischiamo di perdere, mentre gli algoritmi moltiplicano sempre le stesse storie. Vale più una frase generata dall’IA o un frammento di verità raccolto in un’intervista a un testimone concreto delle vicende? La risposta è ovvia, ma non il metodo per ribaltare lo status quo.

L’intelligenza artificiale appiattisce, omologa, preleva da un database infinito i contenuti più plausibili ma anche scontati, per restituirceli in una forma universalmente accettabile ma proprio per questo non aderente ai nostri piccoli mondi. Come fare in modo che l’intelligenza artificiale parli davvero la nostra lingua e racconti davvero le nostre storie?

Il problema dell’omologazione con l’IA

Quando si usa l’intelligenza artificiale generativa in classe con database generici, si ottiene storia standardizzata. I modelli linguistici addestrati su corpus enormi tendono a riproporre le narrazioni più diffuse e documentate (e spesso di impronta anglosassone) modellando le specificità locali su strutture narrative già note. Ciò dipende dalla natura di questi strumenti, programmati per trasformare la complessità nella risposta che ci aspettiamo.

L’idea di questo progetto didattico, adatto a classi della secondaria di primo o secondo grado, ha preso forma lavorando con NotebookLM su un corpus di documenti caricati manualmente. Questo tool ha una tecnologia diversa dal “classico” ChatGPT, perché risponde sulla base di materiali che il docente ha scelto di inserire. Per intenderci, se gli chiediamo di fagocitare la letteratura italiana fino a Manzoni, il chatbot non saprà nemmeno chi è Garibaldi. Quello che a prima vista sembra un limite diventa un punto di forza a scuola: se decidiamo di caricare le storie del territorio dove vivono i nostri studenti e studentesse, otteniamo qualcosa che nessun manuale potrà mai offrire.

NotebookLM lavora secondo una logica diversa, che i tecnici chiamano RAG (Retrieval-Augmented Generation): il sistema risponde consultando esclusivamente le fonti caricate, fino a cinquanta documenti tra testi, audio e video. Questo sposta radicalmente il baricentro del processo didattico: non è l’IA che decide quali voci contano, ma il docente che, selezionando e verificando le fonti, agisce da designer.

Un archivio condiviso di storia locale può aiutare le classi a sviluppare la capacità di utilizzare criticamente le fonti storiche e di costruire rappresentazioni del passato fondate su evidenze. Soprattutto se le fonti non sono già date, ma vengono cercate, raccolte e validate dagli studenti stessi.

La costruzione dell’archivio come atto didattico

Il progetto prevede la costruzione progressiva di un corpus digitale di storia locale: fonti orali, documenti presi in biblioteca, fotografie, mappe storiche, testimonianze di anziani. Più che un archivio da consultare passivamente, è un materiale vivo che cresce nel tempo e che ogni classe può arricchire con nuovi contributi.

La raccolta delle fonti è già di per sé un’attività formativa densa. Gli studenti escono dalla classe, frequentano la biblioteca, cercano documenti, preparano e conducono interviste. Incontrano la storia non come sequenza di date ma come sedimento ancora presente nel territorio nei nomi delle strade, negli archivi comunali, nella memoria degli anziani.

Una volta costruito il corpus, NotebookLM diventa lo strumento per interrogarlo. Nel rispetto delle linee guida nazionali e d’istituto sull’uso dell’IA, gli studenti e le studentesse possono chiedere di sintetizzare i temi ricorrenti nelle interviste, confrontare testimonianze diverse sullo stesso evento, individuare le contraddizioni tra le fonti. Il territorio e il suo archivio potrebbero ricadere in quello che Loris Malaguzzi chiamava “terzo educatore”, ovvero un ambiente che non fa da sfondo ma che interagisce con chi lo abita. L’IA, alimentata da quel materiale situato, funziona come impalcatura che accompagna lo studente nel passaggio dal dato grezzo alla comprensione storica strutturata, senza sostituire il ragionamento.

L’archivio, creatura prodigiosa che offre e domanda storie

Nell’ottica di un uso ragionato e consapevole dell’intelligenza artificiale, occorre soffermarsi su cosa comporterebbe la consultazione di un archivio automatizzato. Qual è il costo di questa innovazione potenzialmente vantaggiosa? Il primo rischio è che la comodità dello strumento riduca progressivamente il contatto diretto con le fonti e i testimoni, che l’intervista venga sostituita dalla consultazione dell’archivio già costruito da altri, perdendo quella qualità di incontro. Il secondo è che l’IA, per quanto alimentata da fonti locali e selezionate, tenda a produrre sintesi fluide che lo studente e la studentessa accettano senza notare la differenza con l’originale.

L’antidoto è proporre un rapporto mai passivo con l’archivio, mantenendo parti analogiche nel processo e stimolando una valutazione critica dei risultati. I rischi dipendono meno dallo strumento che dall’uso che se ne fa: gli studenti e le studentesse dovrebbero continuare a sviluppare competenze da “raccoglitori di storie”, mentre il docente potrebbe restare il garante del metodo. E perché non costruire una narrazione per dare forma a questo scambio tra uomo e macchina? L’archivio, creatura prodigiosa che elargisce di storie, chiede in cambio un’altra storia per quelle che ti ha regalato. Chi attinge al materiale catalogato dovrà dunque essere a sua volta generoso e contribuire alla crescita del “mostro” con del materiale vivo e tremendamente umano.

Gli output possibili per lavorare sulla storia locale

Un archivio di storia locale è un punto di partenza per output molto diversi tra loro, realizzabili da classi diverse a partire dallo stesso corpus. Ad esempio si può trarre spunto per creare un podcast narrativo sulla storia del quartiere, costruito intrecciando le voci delle testimonianze con il contesto storico elaborato dallo strumento. Oppure un glossario dei termini dialettali raccolti nelle interviste, con spiegazioni e contesti d’uso documentati. O ancora una mappa sentimentale del territorio, dove magari i luoghi hanno cambiato nome e funzione nel tempo. Il materiale diventa così patrimonio condiviso della scuola e, potenzialmente, della comunità locale. Nella logica del Service Learning, che incoraggia il contributo della scuola alla comunità, l’archivio diventa consultabile, donabile a una biblioteca o a un museo del territorio, ampliabile da chi verrà dopo.

Una proposta aperta

Questo progetto è una proposta che nasce dall’osservazione dello strumento, dagli spunti della letteratura sulla didattica della storia orale e dalla convinzione che l’intelligenza artificiale possa essere orientata, attraverso scelte consapevoli di chi insegna, verso la valorizzazione di ciò che è specifico, locale, irripetibile invece che verso la sua dissoluzione nell’omogeneo.

La domanda resta aperta: cosa succede quando gli studenti e le studentesse incontrano, attraverso uno strumento digitale, le voci di chi ha vissuto gli stessi luoghi prima di loro?