Nato come generatore di mappe, è diventato qualcosa di più: un'infrastruttura per studiare, per farlo insieme e, oggi, per abitarne i contenuti come un mondo di gioco.
Le prime versioni erano poco più di uno script che trasformava un testo in una mappa concettuale. Da lì il progetto ha imboccato diverse piste di ricerca: lo studio attivo, il precision teaching, l'apprendimento per gioco, il tutor socratico, la cooperazione strutturata con il metodo Jigsaw e, infine, gli strumenti che restituiscono al docente uno sguardo d'insieme sulla classe. L'ultima tappa, la più recente, ha portato tutto questo dentro un vero mondo 3D voxel, esplorabile e personalizzabile. Questa pagina racconta ciò che è stato esplorato, ciò che funziona davvero oggi e le basi scientifiche su cui poggia.
Il principio, però, non è cambiato: la differenza la fa chi studia, non l'intelligenza artificiale. MappAI entra in gioco quando il volume e la complessità delle informazioni superano ciò che si governa a mano; non per sostituire lo sforzo cognitivo, ma per sostenerlo dove rischia di cedere.
Ogni pista nasce da una domanda didattica a cui il software ha cercato di rispondere. Alcune funzioni sono ormai pienamente operative, altre ancora in sviluppo o allo stadio di ricerca; lo stato reale è dichiarato accanto a ciascuna, senza abbellimenti.
Due strutture: gerarchica per lo studio ordinato, relazionale per scoprire connessioni non ovvie tra concetti. Generate da testo, PDF, Word, URL, audio o video.
✓ OperativoSette modalità che chiedono all'allievo di fare: ricostruire gerarchie, nominare nodi a memoria, spiegare con parole proprie, trovare l'intruso, ordinare una sequenza.
✓ OperativoPadronanza per nodo (accuratezza e fluenza), grafico di celeration dei progressi, e il suggerimento di «cosa studiare ora» in base a prerequisiti e lacune.
✓ Motore operativo ⚙ Export in sviluppoUn gioco di studio in cui la mappa si esplora dentro un mondo 3D voxel reso con three.js: lanterna nel buio, guardiani a quiz, boss finale. Con un editor per costruirsi il proprio mondo. Fondato sul manuale MIT di game-based learning.
✓ Operativo 📚 Fondato su ricercaUn tutor AI calibrato sul profilo dell'allievo (età, classe, sistema scolastico), che riconosce la difficoltà e adatta domande e lessico senza mai servire la risposta pronta.
✓ OperativoCopie della mappa con un solo ramo editabile per gruppo, «ponti» inter-area giustificati che rendono visibile l'integrazione. Applicazione digitale del cooperative learning di Aronson.
✓ Operativo ⚙ Ricomposizione in sviluppoIl docente carica i vault della classe e ottiene un quadro per studente e per gruppo — volume, padronanza, integrazione, equità dell'impegno — con un neurofeedback formativo opzionale.
✓ OperativoUn motore di estrazione di entità e relazioni addestrato in proprio (BERT-BiGRU-MHSA-CRF), per generare grafi più fedeli senza dipendere solo dai modelli generalisti.
🔬 Ricerca in corsoTesto-a-voce, font per dislessici, alto contrasto, lente e ingrandimento dell'interfaccia: non aggiunte cosmetiche, ma appigli che la ricerca indica utili, come si spiega più sotto.
✓ OperativoIl progetto non è cresciuto a caso: ogni fase ha risolto un problema che quella precedente aveva reso evidente. La validazione, dove c'è, è dichiarata apertamente, distinguendo ciò che è provato sul campo da ciò che poggia sulla letteratura o resta un'ipotesi ancora da verificare.
Trasformare qualsiasi fonte in un grafo navigabile. Restava però un problema di fondo: una mappa generata è comoda da guardare, ma guardarla non è ancora studiarla.
✓ OperativoI dati diventano file .md locali, leggibili con qualsiasi editor di testo: nessun
vendor lock-in, così che, se un domani si smettesse di usare MappAI, gli appunti resterebbero
comunque a disposizione.
Sette modalità che trasformano la mappa in esercizio. È qui che nasce il principio guida di tutto il progetto: lo strumento deve chiedere lavoro cognitivo, non risparmiarlo.
✓ OperativoMisura la padronanza nodo per nodo, con accuratezza e fluenza, traccia le curve di celeration e propone la remediation mirata. Il motore è pronto; l'esportazione della padronanza fine nel vault, quella che la renderebbe leggibile al docente, è ancora in sviluppo.
✓ Motore operativo ⚙ Export in sviluppoUn gioco di studio con cattura attiva, guardiani a quiz e boss finale, disegnato sui principi dell'Handbook of Game-Based Learning (MIT Press). Di recente ha lasciato l'astratto per un vero mondo 3D voxel reso con three.js, affiancato da un editor con cui docente e allievo costruiscono e personalizzano le mappe. Lo racconta la sezione qui sotto.
✓ Operativo 📚 Fondato su ricercaUn tutor che adatta il registro all'allievo e ne archivia il percorso. Il feedback è impostato per parlare di pattern e ragionamento, mai di deficit.
✓ OperativoOgni gruppo lavora su un ramo bloccato, propone ponti inter-area motivati ed esporta la propria copia. Manca ancora l'ultimo anello del ciclo, la ricomposizione automatica delle copie nel master, tuttora in sviluppo.
✓ Operativo ⚙ Ricomposizione in sviluppoUno sguardo aggregato su chi ha lavorato, chi è in difficoltà e quanto la classe abbia davvero integrato i pezzi. È pensata per il feedback formativo, non per la sorveglianza.
✓ OperativoUn modello addestrato in proprio per estrarre entità e relazioni con maggiore fedeltà, così da ridurre la dipendenza dai soli modelli generalisti: è la pista più sperimentale, ancora tutta da validare.
🔬 Ricerca in corsoLo sviluppo più recente ha cambiato la pelle del gioco. Il Memory Dungeon non è più un tabellone astratto: è un vero mondo tridimensionale, costruito a blocchi (lo stile voxel) e reso in tempo reale con three.js. L'allievo cala nei piani della mappa, si fa luce con una lanterna che scava il buio intorno a sé, incontra libri, dispositivi e guardiani, e ogni stanza che raggiunge corrisponde a un pezzo del sapere da conquistare. La grafica non è un vezzo: la nebbia da diradare, i luoghi da riconoscere e la ricompensa di veder emergere la mappa sono i modi con cui un contenuto scolastico diventa un'esperienza in cui vale la pena entrare.
Accanto al gioco è cresciuto un editor: uno strumento con cui disegnare la pianta della mappa, plasmare il rilievo del terreno, dipingere materiali e superfici, e persino modellare piccole sculture o disegnare gli oggetti in due dimensioni. È lo stesso mondo, ma visto dal lato di chi lo costruisce, e apre una possibilità didattica che approfondiamo tra poco.
C'è un principio di fondo che tiene insieme il gioco, e vale la pena renderlo esplicito, perché è ciò che lo distingue dalla gamification di facciata. Il Memory Dungeon poggia su due impegni fissati in fase di progetto: da un lato l'anti-frustrazione, cioè nessun ostacolo insormontabile, difficoltà sempre nella zona ottimale e riprova garantita; dall'altro l'inclusività, con percorsi alternativi pensati per la dislessia, la discalculia, l'ADHD e l'ansia da prestazione. Sono i due assi da cui è partito il disegno di ogni meccanica, non accorgimenti aggiunti alla fine, e trovano conferma nella ricerca sul game-based learning: si impara quando la difficoltà resta nella fascia del flusso, quando lo studente sente di poter scegliere e quando percepisce la propria competenza crescere.
L'editor merita un discorso a parte, e con una premessa onesta: non è uno strumento per tutti, e non deve esserlo. Per molti allievi studiare la mappa è già la strada giusta, e mettersi a costruirla sarebbe soltanto un peso. Ma esiste un tipo di studente che nessuna consegna, per quanto ben scritta, riesce ad agganciare, e per lui la possibilità di mettere le mani nel mondo può essere esattamente la leva che mancava.
L'argomento non è un auspicio, ma poggia su un filone di ricerca solido, dal costruzionismo di Seymour Papert in poi: si impara in profondità quando si costruisce un oggetto che esce dalla propria testa e sta nel mondo, dove può essere guardato e discusso. Un allievo che modella cubo per cubo un cloroplasto, o che invece dell'icona generica «foglia» la disegna in modo che si veda dove avviene lo scambio gassoso, è costretto a interrogare la fonte; e quell'interrogare lascia una traccia più profonda della semplice lettura. A una condizione, però, che è anche la sola cosa da ricordare: ogni scelta costruttiva deve costringere a tornare alla fonte. Una scultura bella ma sbagliata non insegna nulla e ruba tempo prezioso; una costruzione a cui si chiede una fedeltà verificabile diventa, invece, studio travestito da gioco, e per certi versi un piccolo compito interdisciplinare, in cui il contenuto della materia e il linguaggio visivo si integrano.
Le funzioni di MappAI non nascono da preferenze estetiche, ma da metodi che hanno alle spalle una storia e dei dati. Vale la pena ripercorrerli, perché è dal loro intreccio che si capisce quale vuoto lo strumento prova a riempire: da dove vengono, che cosa dicono le ricerche e in quali aule sono stati messi alla prova.
Il Precision Teaching non è un metodo d'insegnamento, ma un modo di misurarlo. Lo mise a punto Ogden Lindsley alla metà degli anni Sessanta, portando in aula il rigore dell'analisi del comportamento appresa da Skinner: invece di chiedersi se una risposta fosse giusta o sbagliata, Lindsley prese a contarne la frequenza nel tempo, convinto che «lo studente ha sempre ragione» e che sia il dato, non l'intuizione dell'insegnante, a dire se una strategia funziona. Di qui l'idea di fluenza: una conoscenza non è davvero acquisita quando è soltanto corretta, ma quando diventa rapida e automatica, al punto da reggere sotto pressione e da resistere all'oblio.
I dati raccolti in oltre mezzo secolo, soprattutto sull'aritmetica di base e sulla lettura, indicano che allenare la fluenza, e non la sola accuratezza, migliora la ritenzione a distanza e la capacità di trasferire ciò che si è imparato a compiti nuovi. Lo strumento simbolo di questa tradizione è la Standard Celeration Chart, un grafico semilogaritmico su cui si legge, giorno per giorno, se la frequenza delle risposte corrette accelera o rallenta. Nato nell'educazione speciale, il Precision Teaching si è poi esteso alla scuola comune e alla riabilitazione cognitiva, ovunque serva rendere automatica un'abilità di base.
MappAI ne adotta l'ossatura: misura la padronanza nodo per nodo come media mobile dell'accuratezza e della frequenza di risposte corrette al minuto, distingue quattro stadi dal nuovo al fluente e traccia la celeration dei progressi. Al Precision Teaching affianca il Mastery Learning di Bloom, per cui un concetto si affronta solo dopo aver padroneggiato il suo prerequisito; nel grafo, sono le relazioni di precursore a suggerire l'ordine in cui studiare.
Le mappe non sono una moda didattica: poggiano su una teoria precisa dell'apprendimento. Le versioni radiali che tutti conosciamo le rese popolari Tony Buzan negli anni Settanta, ma la loro dignità scientifica viene da altrove, dalle mappe concettuali che Joseph Novak elaborò alla Cornell sulla teoria dell'apprendimento significativo di David Ausubel. L'idea di fondo è che si impari davvero quando un'informazione nuova si aggancia a ciò che già si sa, e che rendere visibile questa rete di agganci, invece di lasciarla implicita, aiuti a costruirla meglio.
Le prove si sono accumulate. La meta-analisi di Nesbit e Adesope (2006), che raccoglie decine di studi, riporta un vantaggio da moderato a marcato del costruire mappe rispetto al leggere o all'ascoltare, con benefici maggiori proprio quando è lo studente a disegnarle. A spiegarlo concorrono due principi consolidati: la doppia codifica di Paivio, per cui un contenuto trattenuto insieme in forma verbale e spaziale lascia una traccia più solida, e la teoria del carico cognitivo di Sweller, secondo cui affidare a un supporto esterno la struttura di un argomento libera la memoria di lavoro per il ragionamento. Non a caso le mappe hanno attecchito soprattutto nelle discipline dense di relazioni: le scienze, la medicina, la storia.
È qui che il valore diventa concreto per chi fatica. Quando la struttura di un argomento è già davanti agli occhi, chi ha una memoria di lavoro più fragile (un tratto correlato a dislessia e ADHD) non deve più tenerla tutta in testa; e la ricerca recente sul metodo Jigsaw (Vives, 2025) conferma che è proprio questo genere di supporto a livellare il divario. La mappa, in fondo, non sostituisce lo studio: gli fa da impalcatura.
Il Jigsaw nasce da un problema che non era didattico ma sociale. Nel 1971, ad Austin, le scuole del Texas avevano appena abolito la segregazione razziale, e mettere nella stessa aula ragazzi fino a ieri separati produceva tensione, non integrazione. Lo psicologo Elliot Aronson intuì che la colpa era della struttura competitiva della lezione, e la ribaltò: divise il materiale in tante tessere quanti erano gli studenti, ne affidò una a ciascuno e rese impossibile riuscire senza l'aiuto degli altri. Per avere il quadro completo bisognava insegnarsi a vicenda, e la cooperazione, da appello morale, diventava condizione strutturale del compito.
Mezzo secolo di studi ha confermato che funziona, ma con prudenza. La meta-analisi più ampia (Cochon Drouet e colleghi, 2023) stima sul rendimento un effetto medio-grande, pari a 0,77 di g di Hedges, accompagnato però da una dispersione altissima fra le ricerche: alcune rilevano guadagni notevoli, altre effetti nulli o persino negativi. Gli studi recenti aiutano a capire il perché. Hänze e Berger (2007) mostrano che il Jigsaw giova soprattutto alla motivazione e agli studenti con basso concetto di sé, più che ai voti in quanto tali; Vives (2025) individua nella fase esperto il vero motore del beneficio e ne segnala l'utilità per chi ha una memoria di lavoro ridotta; Roseth (2019) avverte che, nelle prime settimane, la cooperazione può paradossalmente cedere il passo alla competizione.
Dalle aule desegregate degli anni Settanta il metodo si è diffuso soprattutto nell'istruzione scientifica, tra chimica, fisica e biologia, e nella formazione delle professioni sanitarie e linguistiche, dove i contenuti si lasciano dividere in porzioni complementari. Resta però un limite che tutti gli studi riconoscono: la qualità dell'insegnamento tra pari è variabile, e un esperto impreparato può propagare errori che nessuno corregge. È il punto su cui MappAI interviene.
Messe in fila, queste tradizioni condividono un punto cieco: producono apprendimento che l'insegnante non vede. Il Precision Teaching misura la fluenza con esattezza, ma quel dato resta quasi sempre sul quaderno o sul dispositivo del singolo, senza comporre un quadro di classe. Il Jigsaw fa integrare i saperi, e tuttavia l'integrazione avviene nella testa degli studenti, invisibile e perciò non valutabile. Le mappe rendono esplicita la struttura di un argomento, ma, disegnate una volta e archiviate, rischiano di restare un bell'oggetto passivo. Ciascun metodo lascia implicito proprio ciò che sarebbe più utile osservare.
MappAI prova a colmare questo scarto rendendo esterno e leggibile ciò che di solito resta nascosto. La mappa, invece di essere il punto d'arrivo, diventa il terreno di sette attività che obbligano lo studente a ricostruirla e a spiegarla, e ogni esercizio alimenta una misura di padronanza che la meta-analisi può restituire al docente, per studente e per gruppo. Nella modalità cooperativa i «ponti» inter-area trasformano l'integrazione in un artefatto scritto e discutibile, mentre il confronto fra i dati di ciascuno rende finalmente riconoscibile chi ha lavorato e chi si è appoggiato agli altri. Per gli allievi con BES, infine, la stessa mappa che misura i progressi funziona da memoria esterna e da supporto differenziato, con un feedback impostato a parlare di ragionamento e mai di deficit.
Non tutto è già in porto, e vale la pena dirlo: la ricomposizione automatica delle copie Jigsaw e l'esportazione della padronanza fine nel vault, quella che chiuderebbe il cerchio tra ciò che lo studente misura e ciò che il docente legge, sono ancora in costruzione. Ma la direzione è chiara, ed è una sola: fare di metodi didattici solidi e già validati non delle buone intenzioni, bensì pratiche che si possono osservare, correggere e migliorare.
Conosciuti i numeri e i limiti del metodo, resta la domanda pratica: dove interviene, esattamente, MappAI? La risposta sta nei punti in cui il Jigsaw tende a cedere, che la tabella qui sotto mette a fuoco uno per uno.
| Punto debole del Jigsaw (dalla ricerca) | Cosa fa MappAI |
|---|---|
| Peer-teaching di bassa qualità: l'esperto impreparato trasmette errori che nessuno corregge | La conoscenza dell'esperto diventa un ramo di mappa scritto e ispezionabile. Il docente lo valida prima che raggiunga i compagni. |
| Free-riding: chi lascia lavorare gli altri | Il lavoro lascia traccia (nodi, descrizioni, sessioni, padronanza). La meta-analisi confronta l'impegno e segnala gli squilibri. |
| Allievi più deboli sopraffatti | La mappa fa da memoria esterna e abbassa il carico cognitivo, il fattore che la ricerca (Vives 2025) indica come ostacolo per chi ha bassa memoria di lavoro. |
| L'integrazione dei pezzi è invisibile e non valutabile | I «ponti» inter-area rendono l'integrazione un oggetto esplicito: chi collega due aree deve giustificare il legame per iscritto. |
Dalla stessa mappa nascono materiali di studio diversi: quiz e flashcard per l'autoverifica, dossier ordinati, sintesi con le citazioni delle fonti, grafi di conoscenza che collegano i concetti tra loro.
Gli strumenti di accessibilità non sono un ripiego per chi fatica: sono appigli che la ricerca indica utili e che, spesso, giovano a tutti. Vanno però presi per quello che sono, perché un software non compensa un bisogno educativo speciale; semmai apre più vie per arrivare allo stesso traguardo.
I metodi e i dati richiamati in questa pagina rimandano alle fonti qui sotto, raggruppate per tema.
MappAI è un progetto in evoluzione, nato dal lavoro di un docente per la scuola reale. Se insegni e vuoi vederlo all'opera in aula, parti dalla guida pratica; se invece vuoi solo discuterne l'uso in classe, scrivimi.