Rethinking Higher Education/it/Chapter 10
L'università del futuro: l'istruzione superiore potenziata dall'IA tra umanesimo europeo e innovazione cinese
Martin Woesler
Università Normale dello Hunan
Riassunto
L'istruzione superiore si trova a un bivio. La convergenza dell'intelligenza artificiale, dell'apprendimento ibrido post-pandemico e delle tecnologie per campus intelligenti sta trasformando le università da istituzioni di trasmissione della conoscenza in ecosistemi di apprendimento adattivi. Il presente articolo esamina come le università europee e cinesi stiano rispondendo a questa trasformazione, attingendo a dati istituzionali, analisi delle politiche e ricerca empirica recente. Documentiamo l'approccio guidato dallo Stato della Cina — esemplificato dalla Piattaforma per l'istruzione intelligente, vincitrice del premio UNESCO, al servizio di 293 milioni di discenti — e lo contrapponiamo al modello decentralizzato dell'UE che opera attraverso 65 alleanze di università europee comprendenti oltre 570 istituzioni in 35 paesi. Attraverso un confronto sistematico delle politiche di adozione dell'IA, dei modelli di apprendimento ibrido, delle infrastrutture per campus intelligenti e dell'integrazione dell'IA generativa, sosteniamo che né l'enfasi cinese sulla velocità e la scala né l'enfasi europea sulla governance democratica e l'autonomia dei docenti è sufficiente da sola. Una sintesi — che combini la capacità cinese di dispiegamento rapido con l'impegno europeo per i valori umanistici e l'autogoverno istituzionale — offre il modello più promettente per l'università del futuro.
Parole chiave: trasformazione universitaria, IA nell'istruzione superiore, campus intelligente, apprendimento ibrido, confronto UE-Cina, politica sull'IA generativa, istruzione digitale
1. Introduzione
Il 13 marzo 2024, il Jean Monnet Centre of Excellence presso la Hunan Normal University ha inaugurato la sua serie di conferenze „Digitalizzazione in Cina e in Europa" con una presentazione intitolata „L'università del futuro". La conferenza, a cui hanno partecipato più di 200 persone, ha esplorato come l'intelligenza artificiale, la realtà virtuale e le pedagogie ibride stiano rimodellando l'istituzione che ha servito come veicolo principale per la trasmissione avanzata della conoscenza dalla fondazione dell'Università di Bologna nel 1088.
L'università affronta un paradosso. Come istituzione, è notevolmente stabile — la sua forma organizzativa di base (dipartimenti, facoltà, lezioni, esami, titoli di studio) è cambiata meno in un millennio di quasi qualsiasi altra istituzione sociale. Eppure l'ambiente in cui opera è cambiato al di là di ogni riconoscimento nel giro di un singolo decennio. Gli studenti che entrano all'università oggi si diplomeranno in un mercato del lavoro in cui si stima che il 44 percento dei lavoratori dovrà cambiare il proprio profilo di competenze entro cinque anni (WEF 2023). Utilizzeranno quotidianamente strumenti di IA — il 50 percento li usa già almeno settimanalmente dentro e fuori l'aula (EDUCAUSE 2025). Si aspettano opzioni di apprendimento ibrido — l'86 percento degli studenti universitari residenziali preferisce una qualche combinazione di corsi in presenza e online (Rize Education 2025). E lavoreranno in un'economia in cui le istituzioni che li formano — aziende, piattaforme online, bootcamp — competono sempre più con le università per il mercato delle credenziali.
Il presente articolo esamina come le università europee e cinesi stiano navigando questa trasformazione. Si basa sui capitoli complementari di questo volume che affrontano dimensioni specifiche della digitalizzazione educativa — l'IA nell'apprendimento linguistico, le forme di apprendimento alternative, la protezione dei dati, l'etica dell'IA e la sostenibilità — affrontando la questione istituzionale complessiva: di che tipo di università abbiamo bisogno per l'era dell'IA, e come ci stanno lavorando i due più grandi sistemi educativi del mondo?
2. Il campus intelligente: infrastruttura per il futuro
2.1 La Piattaforma cinese per l'istruzione intelligente
L'approccio cinese alla trasformazione universitaria è esemplificato dalla Piattaforma nazionale per l'istruzione intelligente (国家智慧教育平台), lanciata nel marzo 2022 e riconosciuta con il Premio UNESCO King Hamad Bin Isa Al-Khalifa per l'uso delle TIC nell'istruzione nel 2023. Alla fine del 2023, la piattaforma collegava 519.000 istituzioni educative, 18,8 milioni di insegnanti e 293 milioni di discenti, con oltre 100 milioni di utenti registrati da più di 200 paesi e 36,7 miliardi di visite (UNESCO 2023).
La piattaforma integra quattro sotto-piattaforme — per l'istruzione di base, l'istruzione professionale, l'istruzione superiore e la formazione degli insegnanti — in un'infrastruttura digitale unificata. Per l'istruzione superiore in particolare, fornisce accesso a più di 27.000 corsi online, esperimenti di simulazione virtuale e spazi di apprendimento collaborativo inter-istituzionale. La scala non ha precedenti: nessun altro paese gestisce una piattaforma educativa unica al servizio di quasi 300 milioni di utenti.
La Piattaforma per l'istruzione intelligente riflette un approccio distintamente cinese alla tecnologia educativa — centralizzato, finanziato dallo Stato, rapidamente implementato e integrato con strategie nazionali più ampie. La strategia di digitalizzazione dell'istruzione del XIV Piano quinquennale posiziona la trasformazione digitale come essenziale per l'obiettivo della Cina di diventare leader globale nell'istruzione entro il 2035. I governi provinciali hanno integrato la piattaforma nazionale con iniziative regionali; la provincia dello Hunan, per esempio, ha investito in infrastrutture per aule intelligenti nelle sue università pubbliche, inclusa la Hunan Normal University.
2.2 Le iniziative europee per i campus intelligenti
L'approccio europeo allo sviluppo dei campus intelligenti è caratteristicamente decentralizzato. Piuttosto che un'unica piattaforma nazionale o continentale, le università europee perseguono iniziative per campus intelligenti individualmente o attraverso reti collaborative. L'Iniziativa delle università europee, finanziata attraverso Erasmus+, ha istituito 65 alleanze che comprendono oltre 570 istituzioni di istruzione superiore in 35 paesi (Commissione Europea 2025). Queste alleanze facilitano infrastrutture digitali condivise, programmi online congiunti e ricerca collaborativa, ma ogni istituzione mantiene l'autonomia sulle proprie scelte tecnologiche e i propri approcci pedagogici.
Singole università europee hanno sviluppato progetti di campus intelligente di rilievo. Lo Smart Data Campus dell'Università di Edimburgo integra sensori IoT, analisi dell'apprendimento e sistemi predittivi. L'iniziativa Smart Campus della TU Delft utilizza la tecnologia dei gemelli digitali per ottimizzare la gestione degli edifici e gli ambienti di apprendimento. Il Piano d'azione per l'istruzione digitale della Commissione Europea (2021–2027) fornisce linee guida politiche e incentivi finanziari ma, a differenza dell'approccio cinese, non impone soluzioni tecnologiche specifiche.
L'approccio dell'UE offre vantaggi in termini di diversità istituzionale e autonomia dei docenti — le università possono adattare le tecnologie ai loro contesti specifici e alle loro tradizioni pedagogiche. Tuttavia, produce anche frammentazione, duplicazione degli sforzi e un'adozione più lenta rispetto al modello centralizzato della Cina.
2.3 Progettazione delle aule intelligenti e risultati di apprendimento
La ricerca sull'efficacia delle aule intelligenti fornisce una base empirica per le decisioni di investimento istituzionale. Uno studio su 421 studenti universitari cinesi di università del Progetto 985, del Progetto 211 e di università locali ha riscontrato che „il godimento psicologico innescato dall'infrastruttura immersiva delle aule intelligenti è una fonte importante di miglioramento accademico percepito" e che „l'impalcatura didattica diretta dall'insegnante con supporto dell'IA amplifica questo effetto" (Zhang, C. 2026). Lo studio suggerisce che la tecnologia delle aule intelligenti migliora l'apprendimento non principalmente attraverso l'erogazione di informazioni ma attraverso la creazione di ambienti coinvolgenti e immersivi che aumentano la motivazione e l'attenzione degli studenti.
Una revisione sistematica delle tecnologie per campus intelligenti ha identificato l'integrazione di IoT, IA, cloud computing e analisi dei Big Data come gli elementi chiave dell'infrastruttura di campus intelligente, con dashboard personalizzate, chatbot IA e analisi predittive che emergono come le applicazioni più promettenti (Elbertsen, Kok e Salimi 2025). Tuttavia, la revisione ha anche rilevato che la maggior parte delle implementazioni di campus intelligente resta al livello della gestione delle strutture piuttosto che della trasformazione pedagogica — ottimizzando il consumo energetico degli edifici piuttosto che cambiando fondamentalmente il modo in cui avvengono l'insegnamento e l'apprendimento.
3. Apprendimento personalizzato con l'IA
3.1 La promessa e la realtà
L'aspirazione all'apprendimento personalizzato con l'IA — un'istruzione adattata al ritmo, allo stile, alle conoscenze pregresse e agli obiettivi di apprendimento di ciascuno studente — rappresenta una delle visioni più avvincenti per l'università del futuro. La Cina ha abbracciato questa visione con particolare entusiasmo. La Piattaforma per l'istruzione intelligente incorpora algoritmi di apprendimento adattivo che raccomandano corsi, regolano i livelli di difficoltà e forniscono feedback individualizzato in base ai dati sulle prestazioni degli studenti.
Tuttavia, la ricerca empirica rivela un quadro più sfumato. Un'analisi tematica delle percezioni di 48 studenti universitari cinesi sull'apprendimento personalizzato con l'IA ha riscontrato che gli studenti apprezzavano i guadagni in efficienza — accesso più rapido a materiali pertinenti, esercizi di pratica più mirati, feedback immediato — ma esprimevano preoccupazioni riguardo all'eccessiva dipendenza dalle raccomandazioni dell'IA e alla potenziale perdita di pensiero critico e capacità di apprendimento autonomo (Wang et al. 2024). Gli studenti descrivevano una tensione tra la comodità dei percorsi di apprendimento guidati dall'IA e il loro desiderio di esplorare, confrontarsi con le difficoltà e scoprire autonomamente.
Questa tensione riflette una questione filosofica più profonda sull'istruzione. Se lo scopo dell'istruzione universitaria è semplicemente trasmettere conoscenze e competenze predeterminate nel modo più efficiente possibile, allora la personalizzazione tramite IA rappresenta un miglioramento inequivocabile. Se, tuttavia, l'istruzione è anche lo sviluppo dell'autonomia intellettuale, della tolleranza per l'ambiguità, della capacità di pensiero critico e della capacità di formulare domande piuttosto che limitarsi a risponderle, allora un'eccessiva personalizzazione può essere controproducente — può ottimizzare il misurabile minando l'essenziale.
3.2 La personalizzazione nella pratica: tre modelli
Tre modelli distinti di apprendimento personalizzato con l'IA sono emersi nella pratica attuale:
Il modello di raccomandazione utilizza l'IA per suggerire corsi, letture e attività di apprendimento in base ai dati sulle prestazioni e alle preferenze degli studenti. È l'approccio della maggior parte delle piattaforme MOOC e della Piattaforma cinese per l'istruzione intelligente. Tratta l'istruzione come analoga al consumo di contenuti — agli studenti vengono „raccomandate" esperienze educative nello stesso modo in cui Netflix raccomanda film. Il modello è efficiente per l'apprendimento autodiretto ma solleva preoccupazioni riguardo alle bolle di filtraggio (studenti incanalati verso materiale confortevole anziché stimolante) e alla riduzione dell'istruzione a consumo.
Il modello adattivo regola la difficoltà, il ritmo e la sequenza dei materiali di apprendimento in tempo reale in base alle risposte degli studenti. Piattaforme di apprendimento adattivo come Knewton, DreamBox e la cinese Squirrel AI hanno dimostrato miglioramenti misurabili nelle prestazioni ai test standardizzati. Tuttavia, i critici sostengono che l'apprendimento adattivo ottimizza i risultati misurabili trascurando potenzialmente l'immisurabile — la curiosità, la creatività, la disponibilità a confrontarsi con la difficoltà piuttosto che aggirarla.
Il modello di tutoraggio utilizza chatbot IA o tutor virtuali per fornire istruzione individualizzata, rispondendo a domande, spiegando concetti e guidando la risoluzione di problemi. Gli studi sul tutoraggio IA in matematica e scienze hanno mostrato risultati promettenti, in particolare per gli studenti che altrimenti non avrebbero accesso al tutoraggio individuale. Lo studio sull'apprendimento linguistico assistito dall'IA in questo volume ha riscontrato che il tutoraggio IA fornisce benefici psicologici — in particolare l'effetto „nessuna paura di commettere errori" — che integrano piuttosto che sostituire l'istruzione umana (Woesler, in questo volume).
Ciascun modello ha applicazioni legittime, ma nessuno costituisce un'„istruzione personalizzata" nel senso più profondo immaginato dai filosofi dell'educazione. Una genuina personalizzazione implicherebbe non soltanto l'adattamento dell'erogazione dei contenuti ai pattern di apprendimento individuali ma il sostegno allo sviluppo di ciascuno studente come agente intellettuale e morale unico — un obiettivo che resta al di là delle attuali capacità dell'IA.
3.3 Cautela europea ed entusiasmo cinese
Le istituzioni europee hanno generalmente affrontato l'apprendimento personalizzato con l'IA con maggiore cautela rispetto alle loro controparti cinesi. Ciò riflette diversi fattori: quadri di protezione dei dati più rigorosi (il GDPR impone requisiti stringenti sul trattamento dei dati degli studenti a fini di personalizzazione; si veda il capitolo complementare sulla protezione dei dati, Woesler, in questo volume), una tradizione di autonomia dei docenti nelle decisioni pedagogiche e una filosofia educativa umanistica che enfatizza la Bildung — la formazione della persona nella sua interezza — rispetto all'acquisizione di competenze.
Le istituzioni cinesi, operando in un contesto di dati più permissivo e incoraggiate dalla politica statale, si sono mosse più aggressivamente verso la personalizzazione con l'IA. L'enfasi del Ministero dell'Istruzione sull'„istruzione intelligente" (智慧教育) e l'integrazione dell'IA nella Piattaforma nazionale per l'istruzione intelligente creano incentivi istituzionali all'adozione. Tuttavia, le evidenze empiriche sull'efficacia restano miste, e i ricercatori cinesi chiedono sempre più una valutazione critica accanto all'entusiasmo.
4. L'apprendimento ibrido come standard post-pandemico
4.1 La durabilità dei modelli ibridi
La pandemia di COVID-19 ha costretto le università di tutto il mondo ad adottare l'apprendimento online su larga scala. La questione nel periodo 2024–2026 non è se continuare qualche forma di erogazione online, ma come ottimizzare la combinazione. I dati suggeriscono che l'apprendimento ibrido non è un adattamento temporaneo ma una caratteristica permanente dell'istruzione superiore. Oltre il 68 percento delle università ha aumentato la propria offerta online dal 2020, con quasi la metà che prevede di rendere i programmi online un pilastro strategico centrale (EDUCAUSE 2025). Un'indagine sugli studenti universitari residenziali ha riscontrato che l'86 percento preferisce un approccio ibrido con uno-quattro corsi online per semestre (Rize Education 2025).
La ricerca che utilizza la Modellazione di equazioni strutturali e l'analisi con reti neurali profonde ha confermato che l'apprendimento ibrido rappresenta un modello sostenibile post-pandemico, sebbene la sua efficacia dipenda fortemente dall'infrastruttura di supporto istituzionale — inclusa una tecnologia affidabile, docenti formati, una progettazione della valutazione appropriata e servizi di supporto agli studenti (Yaqin et al. 2025). Lo studio ha identificato il supporto istituzionale come un predittore più forte del successo dell'apprendimento ibrido rispetto sia alla qualità della tecnologia sia alla competenza digitale degli studenti.
4.2 Adozione dell'apprendimento misto in Cina
In Cina, uno studio sui fattori che influenzano l'intenzione comportamentale di adottare l'apprendimento misto tra gli studenti universitari nell'era post-pandemica ha riscontrato un'ampia accettazione accanto a preoccupazioni specifiche (Yu et al. 2023). Gli studenti apprezzavano la flessibilità dell'apprendimento misto — la possibilità di rivedere le lezioni registrate, accedere ai materiali in modo asincrono e studiare al proprio ritmo — ma esprimevano preoccupazione per la riduzione dell'interazione sociale e la difficoltà di mantenere l'autodisciplina negli ambienti online.
Queste preoccupazioni risuonano con le critiche di lunga data all'istruzione online. La dimensione sociale dell'apprendimento universitario — le conversazioni informali nei corridoi, i dibattiti nei seminari, i progetti collaborativi che costruiscono reti professionali — non può essere pienamente replicata negli ambienti digitali. Le università cinesi hanno risposto sviluppando formati ibridi che combinano l'erogazione di contenuti online con workshop intensivi in presenza, progetti collaborativi e sessioni di tutoraggio. L'esperienza stessa della Hunan Normal University con la serie di conferenze Jean Monnet illustra questo approccio: le conferenze sono state tenute davanti a un pubblico di 150–200 partecipanti con trasmissione online simultanea, seguite da sessioni di discussione in presenza con gruppi più piccoli.
Una meta-analisi che copre 37 studi sull'apprendimento misto dal 2000 al 2024 ha riscontrato un effetto positivo medio-alto sui risultati di apprendimento (SMD = 0,698), con la proporzione online ottimale al circa 50 percento. Questo risultato è significativo per la progettazione curricolare: suggerisce che il modello ibrido più efficace non è principalmente online con sessioni in presenza occasionali, né principalmente in presenza con materiali online supplementari, ma una combinazione approssimativamente eguale di entrambi. L'implicazione pedagogica è che l'apprendimento ibrido dovrebbe essere progettato come un'esperienza integrata — non semplicemente „lo stesso corso erogato attraverso due canali" — con attività di apprendimento specifiche assegnate alla modalità più adatta al loro scopo educativo: trasmissione di informazioni online, apprendimento sociale e discussione approfondita in presenza.
5. L'IA generativa nel curricolo
5.1 L'ondata di adozione
L'IA generativa è passata da novità a ubiquità nell'istruzione superiore con notevole velocità. L'indagine EDUCAUSE 2025 ha riscontrato che il 57 percento delle istituzioni di istruzione superiore ora dà priorità all'integrazione dell'IA, rispetto al 49 percento nel 2024. Un'analisi globale delle politiche di adozione istituzionale ha riscontrato uno spettro di risposte, dai divieti totali (sempre più rari) all'integrazione obbligatoria (ancora poco comune) al mainstream emergente dell'„integrazione regolamentata" — consentire l'uso dell'IA in condizioni specificate con appropriata attribuzione (Computers and Education: Artificial Intelligence 2025).
Negli Stati Uniti, il 63 percento delle università ad alta attività di ricerca incoraggia l'uso dell'IA generativa, mentre il 27 percento lo scoraggia o lo limita. In Europa, le politiche variano notevolmente per istituzione e paese, riflettendo il modello di governance decentralizzato. In Cina, il quadro è complicato dalla restrizione dell'accesso agli strumenti globali di IA (ChatGPT, Claude, Gemini, Copilot) e dalla promozione di alternative nazionali (Ernie Bot, Tongyi Qianwen, DeepSeek).
5.2 Gli studenti cinesi tra IA globale e nazionale
Uno studio su come gli studenti universitari cinesi navigano tra l'IA generativa globale e nazionale ha riscontrato che gli studenti sviluppano strategie complesse per accedere a strumenti soggetti a restrizioni accanto alle alternative nazionali ufficialmente autorizzate (Xie et al. 2025). Gli studenti riferivano di utilizzare VPN, account stranieri e reti tra pari per accedere a ChatGPT e altre piattaforme soggette a restrizioni, utilizzando al contempo strumenti nazionali per i compiti che sarebbero stati esaminati dagli istruttori. Questo modello di doppio utilizzo riflette una tensione nella strategia cinese di educazione all'IA tra la promozione dell'adozione dell'IA e il controllo dell'ecosistema dell'IA.
5.3 Le sfide dell'integrità accademica
L'integrazione dell'IA generativa solleva urgenti questioni di integrità accademica. Uno studio ha riscontrato che il 58 percento degli studenti ha ammesso di utilizzare l'IA per completare compiti in modo disonesto, mentre il 65 percento ha riconosciuto che il plagio è una preoccupazione con contenuti IA non modificati (ICAI 2024; Frontiers in Artificial Intelligence 2024). Le università cinesi hanno risposto con misure quantitative — l'Università di Scienza e Tecnologia di Tianjin (天津科技大学), per esempio, ha stabilito nel 2024 che il contenuto generato dall'IA nelle tesi di laurea non deve superare il 40 percento. Il Ministero dell'Istruzione ha vietato agli studenti di presentare contenuti generati dall'IA come proprio lavoro accademico.
Queste risposte illustrano la difficoltà di regolamentare l'uso dell'IA nell'istruzione. Una soglia del 40 percento è misurabile in linea di principio ma difficile da applicare nella pratica — come si determina la proporzione esatta di contenuto generato dall'IA in un testo che è stato sostanzialmente rielaborato dal suo autore umano? La sfida più profonda non è individuare l'uso dell'IA ma sviluppare metodi di valutazione che valorizzino i contributi distintamente umani — il pensiero originale, l'analisi critica, la sintesi creativa — che l'IA non può replicare. È qui che le tradizioni filosofiche della Bildung europea e della 修身 cinese (xiushen, autocoltivazione) convergono: entrambe enfatizzano lo sviluppo della persona nella sua interezza, non semplicemente la produzione di risposte corrette.
5.4 Il panorama delle politiche istituzionali
Il quadro globale delle politiche sull'IA generativa nell'istruzione superiore è caratterizzato da una rapida evoluzione e una significativa variazione istituzionale. In Cina, l'Università Fudan è stata una delle prime grandi università cinesi a emanare linee guida complete sull'IA nel gennaio 2026, affrontando sia l'uso da parte degli studenti che quello dei docenti. Le linee guida consentono l'IA per l'assistenza alla ricerca e il supporto all'apprendimento ma ne vietano l'uso nelle valutazioni formali senza autorizzazione esplicita dell'istruttore. Altre università cinesi hanno seguito con gradi variabili di permissività, sebbene la direzione generale — plasmata dal Ministero dell'Istruzione — sia verso l'integrazione regolamentata piuttosto che il divieto.
In Europa, il Digital Education Outlook dell'OCSE (2023) ha riscontrato che nessuno dei 18 paesi o giurisdizioni esaminati aveva emanato regolamentazioni specifiche sull'IA generativa nell'istruzione, sebbene nove avessero pubblicato orientamenti non vincolanti. Entro il 2025, questo quadro si era evoluto significativamente, con diversi paesi (tra cui i Paesi Bassi, la Finlandia e l'Irlanda) che hanno emanato linee guida nazionali e singole università che hanno sviluppato politiche specifiche per l'istituzione. Tuttavia, il ritmo dello sviluppo delle politiche continua a essere in ritardo rispetto al ritmo dell'adozione dell'IA da parte di studenti e docenti.
Il panorama delle politiche nell'istruzione superiore mostra sempre più un divario di preparazione. Lo Studio EDUCAUSE 2024 sul panorama dell'IA ha riscontrato che l'80 percento dei docenti e del personale utilizza strumenti di IA, eppure meno di uno su quattro è a conoscenza della politica formale della propria istituzione sull'IA. Questo divario tra pratica e governance rappresenta una delle sfide più urgenti per l'università del futuro — le politiche istituzionali devono non solo esistere ma essere comunicate, comprese e percepite come pertinenti dalla comunità accademica.
6. Il ruolo dei docenti nella trasformazione universitaria
6.1 I docenti come agenti del cambiamento
La trasformazione dell'università non può essere imposta dall'alto — deve essere guidata, o almeno co-guidata, dai docenti. Una riflessione critica sulle attuali tendenze dell'IA nell'istruzione superiore ha sostenuto che la trasformazione deve essere „guidata dai docenti piuttosto che dalla tecnologia" (Ruano-Borbalan 2025). I membri del corpo docente sono i portatori della conoscenza disciplinare, i progettisti dei curricoli e l'interfaccia primaria tra gli studenti e l'istituzione. Il loro coinvolgimento — o la loro resistenza — determina se l'innovazione tecnologica si traduce in un genuino miglioramento pedagogico.
Eppure i docenti affrontano sfide significative. Molti accademici formati prima dell'era dell'IA mancano di esperienza personale con gli strumenti che i loro studenti utilizzano quotidianamente. Le strutture di incentivazione delle carriere accademiche — che nella maggior parte dei sistemi premiano le pubblicazioni di ricerca rispetto all'innovazione didattica — forniscono una motivazione limitata per investire tempo nella trasformazione pedagogica. E la velocità del cambiamento tecnologico crea incertezza su quali innovazioni valga la pena adottare e quali siano tendenze effimere.
Uno studio sulle regolamentazioni, le politiche tecnologiche e gli atteggiamenti delle università verso l'IA in Cina, basato sull'analisi delle politiche e su 33 interviste con docenti di università di ricerca cinesi, ha riscontrato che i docenti considerano generalmente l'IA come un potenziamento della personalizzazione e della produttività della ricerca ma esprimono preoccupazioni riguardo all'integrità accademica, al bias algoritmico e all'eccessiva dipendenza dai sistemi automatizzati (Higher Education Quarterly 2025). Queste preoccupazioni rispecchiano quelle dei docenti europei, suggerendo che l'esperienza dei docenti della trasformazione guidata dall'IA trascende le differenze culturali e sistemiche.
6.2 Sviluppo professionale per l'era dell'IA
Sia le università europee che quelle cinesi affrontano la sfida dello sviluppo professionale dei docenti per l'insegnamento potenziato dall'IA. L'approccio cinese è stato caratteristicamente su larga scala: la piattaforma nazionale di formazione degli insegnanti, integrata nella Piattaforma per l'istruzione intelligente, ha formato oltre 10 milioni di insegnanti nelle competenze digitali. Tuttavia, la formazione specifica per l'integrazione dell'IA nell'insegnamento universitario resta disomogenea, con le università di ricerca d'élite che procedono più rapidamente delle istituzioni regionali orientate alla didattica.
Gli approcci europei allo sviluppo dei docenti variano per istituzione ma sono sempre più supportati dai finanziamenti dell'UE. Il bando Erasmus+ 2026 assegna 145,6 milioni di euro per partenariati di cooperazione e progetti lungimiranti, con la trasformazione digitale nell'istruzione come tema prioritario. Le alleanze delle università europee hanno anche creato programmi di scambio inter-istituzionale per docenti incentrati sulla pedagogia digitale.
I programmi di sviluppo dei docenti più efficaci condividono diverse caratteristiche: sono specifici per disciplina piuttosto che generici, prevedono sperimentazione pratica piuttosto che istruzione passiva, creano comunità di pratica tra pari piuttosto che workshop una tantum e affrontano esplicitamente le questioni etiche e pedagogiche sollevate dall'IA piuttosto che concentrarsi esclusivamente sulle competenze tecniche.
7. UE vs. Cina: due visioni dell'università del futuro
7.1 Il modello cinese: trasformazione guidata dallo Stato
La visione cinese dell'università del futuro è caratterizzata da pianificazione centralizzata, massicce infrastrutture digitali, dispiegamento rapido e stretta integrazione con gli obiettivi di sviluppo nazionale. Il piano „Modernizzazione dell'istruzione 2035" del Consiglio di Stato posiziona l'istruzione come priorità strategica nazionale e collega esplicitamente la trasformazione educativa all'innovazione tecnologica e alla competitività economica. Il „Piano di sviluppo dell'intelligenza artificiale di nuova generazione" (2017) posiziona ulteriormente la competenza in materia di IA come risorsa strategica nazionale, con implicazioni per ogni livello di istruzione.
La manifestazione pratica di questa visione è impressionante per scala. Da settembre 2025, l'educazione all'IA è diventata obbligatoria in tutte le scuole primarie e secondarie — le scuole primarie si concentrano sull'alfabetizzazione e l'esposizione all'IA, le scuole medie sulla logica e il pensiero critico, e le scuole superiori sull'innovazione applicata e la progettazione di algoritmi. A livello universitario, l'iniziativa cinese „Double First-Class" (双一流) ha creato un livello di istituzioni d'élite che servono come laboratori per la pedagogia potenziata dall'IA. L'Università di Pechino, l'Università Tsinghua e l'Università dello Zhejiang, tra le altre, hanno istituito centri di ricerca specifici sull'IA e integrato strumenti di IA nell'insegnamento trasversalmente alle discipline.
I vantaggi di questo modello sono evidenti in termini di scala e velocità. Nessun altro sistema educativo può implementare una piattaforma al servizio di 293 milioni di discenti entro due anni dal lancio, o rendere obbligatoria l'educazione all'IA in tutte le scuole primarie e secondarie all'interno di un singolo ciclo politico. Il tasso di connettività a banda larga quasi universale nelle scuole cinesi (il 99,9 percento delle scuole connesse a 100 Mbps o più veloce, secondo il Ministero dell'Istruzione 2023) (raggiunto attraverso il Piano d'azione per l'informatizzazione dell'istruzione 2.0) fornisce una base tecnologica che molti paesi europei non hanno ancora eguagliato.
Gli svantaggi sono altrettanto evidenti nei vincoli all'autonomia istituzionale, nello spazio limitato per l'innovazione pedagogica guidata dai docenti al di fuori dei parametri definiti dallo Stato e nelle restrizioni all'accesso agli strumenti globali di IA che possono limitare la preparazione degli studenti per le carriere internazionali. L'approccio del „giardino recintato" — promuovere le piattaforme di IA nazionali limitando l'accesso a ChatGPT, Claude e Gemini — crea un paradosso: gli studenti sono formati nell'alfabetizzazione in materia di IA utilizzando un sottoinsieme limitato degli strumenti disponibili a livello globale, potenzialmente svantaggiandoli nei contesti accademici e professionali internazionali.
7.2 Il modello europeo: governance democratica e valori umanistici
La visione europea dell'università del futuro è plasmata dalla tradizione di autonomia istituzionale sancita nella Magna Charta Universitatum (1988, riaffermata nel 2020), dal quadro del Processo di Bologna e dallo Spazio europeo dell'istruzione superiore. L'Iniziativa delle università europee, lanciata nel 2019 e significativamente ampliata da allora, rappresenta il tentativo più ambizioso di creare un sistema universitario continentale preservando la diversità istituzionale. Con 145,6 milioni di euro assegnati nel bando Erasmus+ 2026 per partenariati di cooperazione e progetti lungimiranti, l'UE sta investendo sostanzialmente — sebbene non alla scala dei finanziamenti centralizzati della Cina.
Il fondamento intellettuale del modello europeo attinge al concetto di Bildung — l'ideale educativo tedesco di formazione personale attraverso l'incontro con la conoscenza, la cultura e l'indagine critica — e ai suoi analoghi in altre tradizioni europee (la tradizione francese della culture générale, la tradizione britannica dell'educazione liberale). Queste tradizioni condividono un'enfasi sull'istruzione come qualcosa di più dell'acquisizione di competenze: è lo sviluppo della capacità di pensiero indipendente, ragionamento etico e partecipazione civica.
Il Regolamento UE sull'IA fornisce un quadro normativo distintivo che plasma il modo in cui le università europee affrontano l'adozione dell'IA. Il Regolamento classifica come „ad alto rischio" i sistemi di IA utilizzati per valutare i risultati di apprendimento, determinare l'accesso all'istruzione e monitorare il comportamento degli studenti durante gli esami. Il riconoscimento delle emozioni in contesti educativi è vietato. Questi vincoli normativi, che non hanno un equivalente cinese, creano un quadro di salvaguardie etiche che incoraggia un'integrazione dell'IA attenta e riflessiva.
I vantaggi di questo modello risiedono nella protezione della libertà accademica, nel rispetto della diversità disciplinare e nell'integrazione della riflessione etica nell'adozione tecnologica. Gli svantaggi sono la frammentazione, la lentezza dell'adozione, l'attuazione disomogenea tra gli Stati membri e il rischio che i processi di governance democratica diventino ostacoli a un adattamento tempestivo. Un confronto sulla trasformazione digitale nelle istituzioni europee di istruzione superiore ha riscontrato significative „somiglianze e differenze" — le somiglianze guidate da sfide condivise e incentivi politici dell'UE, le differenze che riflettono tradizioni nazionali divergenti, livelli di finanziamento e culture istituzionali (EUA 2025).
7.3 Verso una sintesi
Il modello più promettente per l'università del futuro attinge ai punti di forza di entrambi gli approcci mitigandone le debolezze. Dal modello cinese, prende la disponibilità a investire nelle infrastrutture digitali su larga scala, l'integrazione delle competenze in materia di IA in tutte le discipline (non solo nell'informatica) e l'urgenza di un adattamento rapido. Dal modello europeo, prende l'impegno per l'autonomia istituzionale, l'integrazione di quadri etici nell'adozione tecnologica, l'enfasi sul pensiero critico e l'educazione umanistica accanto alle competenze tecniche e il principio che la trasformazione educativa dovrebbe essere guidata dai docenti piuttosto che imposta dall'amministrazione.
Concretamente, questa sintesi potrebbe prevedere: infrastrutture digitali condivise (come nel modello cinese) con libertà istituzionale nella loro applicazione pedagogica (come nel modello europeo); alfabetizzazione obbligatoria in materia di IA in tutte le discipline (come nel nuovo mandato cinese per le scuole primarie e secondarie) combinata con la riflessione etica sui limiti e i rischi dell'IA (come nel quadro del Regolamento UE sull'IA); piattaforme di dati su larga scala per l'analisi dell'apprendimento (come nella Piattaforma cinese per l'istruzione intelligente) governate da principi rigorosi di protezione dei dati (come nel GDPR); e investimenti nazionali nelle infrastrutture per campus intelligenti (come nelle iniziative provinciali cinesi) implementati attraverso processi competitivi e basati sul merito (come nel modello Erasmus+).
7.4 Sintesi comparativa
La seguente tabella sintetizza le dimensioni chiave di differenza tra gli approcci cinese ed europeo all'università del futuro:
Infrastruttura: la Cina opera una piattaforma nazionale centralizzata (Piattaforma per l'istruzione intelligente, 293 milioni di utenti); l'UE opera sistemi decentralizzati basati su istituzioni e alleanze (65 alleanze, 340 IIS).
Integrazione dell'IA: la Cina rende obbligatoria l'educazione all'IA a tutti i livelli da settembre 2025, con promozione degli strumenti di IA nazionali; l'UE incoraggia l'alfabetizzazione in materia di IA attraverso il Regolamento sull'IA (febbraio 2025) e le politiche istituzionali, con accesso aperto agli strumenti globali.
Governance: la Cina segue un modello dall'alto verso il basso, diretto dallo Stato, con il Ministero dell'Istruzione e il Consiglio di Stato che definiscono la direzione; l'UE segue un modello dal basso verso l'alto, governato dai docenti, con l'autonomia istituzionale protetta dal Processo di Bologna.
Ambiente dei dati: la Legge cinese sulla protezione delle informazioni personali (PIPL) consente un uso più ampio dei dati educativi con supervisione statale; il GDPR dell'UE impone requisiti rigorosi di protezione dei dati che vincolano l'analisi dell'apprendimento.
Velocità di adozione: il modello centralizzato cinese consente un dispiegamento rapido attraverso centinaia di milioni di utenti; i processi democratici dell'UE assicurano una deliberazione attenta ma rallentano l'implementazione.
Garanzia della qualità: la Cina si affida all'accreditamento istituzionale e al monitoraggio della qualità guidato dallo Stato; l'UE si affida alla revisione tra pari disciplinare, all'accreditamento istituzionale e agli Standard e linee guida europei (ESG).
Fondamento culturale: la Cina attinge alle tradizioni educative confuciane che enfatizzano la diligenza, il rispetto per gli insegnanti e il servizio allo Stato; l'Europa attinge alle tradizioni illuministiche che enfatizzano il pensiero critico, l'autonomia individuale e la partecipazione civica.
Nessuno dei due modelli affronta pienamente la sfida centrale dell'università del futuro: integrare la capacità tecnologica con la finalità umanistica. La Cina dimostra cosa la tecnologia può realizzare su larga scala; l'Europa dimostra perché la scala da sola è insufficiente senza riflessione etica e fioritura individuale come obiettivi educativi.
7.5 La questione delle competenze: cosa dovrebbe insegnare l'università del futuro?
Dietro le questioni istituzionali e tecnologiche si cela una più fondamentale: cosa dovrebbe insegnare l'università del futuro? La risposta tradizionale — conoscenza disciplinare organizzata in programmi di laurea — è sempre più insufficiente in un mondo in cui la conoscenza è abbondante, liberamente accessibile e rapidamente obsolescente. Il rapporto del World Economic Forum sul futuro delle professioni (2024) stima che il 44 percento delle competenze fondamentali dei lavoratori sarà sconvolto entro cinque anni, rendendo i set di competenze statici obsoleti più velocemente di quanto le università possano aggiornare i loro curricoli.
La Cina ha risposto a questa sfida con caratteristica direttezza, rendendo l'alfabetizzazione in materia di IA una competenza fondamentale dalla scuola primaria in poi e integrando corsi di „innovazione e imprenditorialità" (创新创业) nei curricoli universitari di tutte le discipline. Il capitolo complementare sulle forme di apprendimento alternative (Woesler, in questo volume) documenta come le istituzioni cinesi stiano anche abbracciando micro-credenziali, istruzione basata sulle competenze e apprendimento basato su progetti come integrazioni ai programmi di laurea tradizionali.
Le risposte europee sono state più varie ma convergono sempre più su un quadro di „competenze trasversali" — pensiero critico, creatività, collaborazione, comunicazione, alfabetizzazione digitale e ragionamento etico. Il quadro dell'UE sulle competenze chiave per l'apprendimento permanente (aggiornato nel 2018) fornisce un punto di riferimento, ma l'implementazione a livello istituzionale resta incoerente.
La questione più profonda è se l'università del futuro debba insegnare principalmente agli studenti cosa pensare (trasmissione della conoscenza), come pensare (ragionamento critico) o come imparare (capacità adattiva). Il modello cinese, con la sua enfasi sulle competenze pratiche e le priorità di sviluppo nazionale, tende verso la prima e la terza. Il modello europeo, con la sua enfasi sulla Bildung e la libertà accademica, tende verso la seconda. L'università del futuro avrà bisogno di tutte e tre — e della saggezza per sapere quando ciascuna è appropriata.
Ciò ci riporta alla convergenza confuciano-illuministica menzionata in precedenza. Entrambe le tradizioni riconoscono che l'istruzione deve andare oltre il mero trasferimento di conoscenze per sviluppare la persona nella sua interezza — il 君子 confuciano (junzi, persona esemplare) e l'ideale illuministico del cittadino autonomo e dotato di pensiero critico. Nell'era dell'intelligenza artificiale, questi ideali umanistici non sono obsoleti; sono più essenziali che mai. Le capacità distintamente umane che entrambe le tradizioni coltivano — giudizio morale, sensibilità estetica, empatia, capacità di navigare l'ambiguità e la complessità — sono esattamente le capacità che l'IA non può replicare e che il mercato del lavoro del futuro valorizzerà sempre di più.
8. Conclusione
L'università del futuro non sarà né un campus intelligente cinese né un seminario umanistico europeo — dovrà essere entrambi. La sfida del prossimo decennio non è scegliere tra efficienza tecnologica e profondità umanistica, ma integrarle. L'apprendimento personalizzato con l'IA deve coesistere con la coltivazione dell'autonomia intellettuale. Le infrastrutture per aule intelligenti devono servire l'innovazione pedagogica, non semplicemente la gestione delle strutture. L'IA generativa deve essere integrata nei curricoli in modi che sviluppino il pensiero critico degli studenti piuttosto che sostituirlo. E l'apprendimento ibrido deve essere progettato non semplicemente per la comodità ma per una genuina efficacia educativa.
Il confronto degli approcci europei e cinesi alla trasformazione universitaria rivela che nessuno dei due sistemi ha risolto completamente il puzzle dell'università del futuro. La Cina dimostra cosa è possibile quando uno Stato impegna risorse massicce nella digitalizzazione educativa; l'Europa dimostra cosa è necessario quando la trasformazione educativa è guidata da valori democratici e tradizioni umanistiche. L'università che prospererà nel 2035 — e nel 2050 — sarà quella che imparerà da entrambe le tradizioni, combinando scala con sottigliezza, velocità con riflessione e innovazione con i valori umani duraturi che hanno sostenuto l'università per quasi un millennio.
Ringraziamenti
Questa ricerca è stata supportata dal Jean Monnet Centre of Excellence „EU-Studies Centre: Digitalization in Europe and China" (EUSC-DEC), finanziato dall'Unione Europea nell'ambito dell'Accordo di sovvenzione n. 101126782. I punti di vista e le opinioni espressi sono esclusivamente quelli dell'autore e non riflettono necessariamente quelli dell'Unione Europea.
Riferimenti bibliografici
Computers and Education: Artificial Intelligence. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Elsevier. DOI: 10.1016/j.caeai.2024.100348.
EDUCAUSE. (2025). Shaping the future of learning: AI in higher education.
Elbertsen, L., Kok, R., & Salimi, N. (2025). Designing the future smart campus: Integrating key elements to enhance user experience. Journal of Science and Technology Policy Management, 16(10), 117–137.
European Universities Association (EUA). (2025). Similarities and differences in the digital transformation of higher education. Global University Associations Forum (GUAF).
International Center for Academic Integrity (ICAI). (2024). Academic integrity and generative AI: Student survey data. As cited in: Frontiers in Artificial Intelligence (2024), „Shaping integrity: Why generative artificial intelligence does not have to undermine education." DOI: 10.3389/frai.2024.1471224.
Liu, X., et al. (2025). Regulations, technology policies and universities' attitudes to artificial intelligence in China. Higher Education Quarterly, 79(4). DOI: 10.1111/hequ.70055.
OECD. (2023). Digital Education Outlook 2023: Emerging governance of generative AI in education.
Rize Education. (2025). The hybrid college of the future.
Ruano-Borbalan, J.-C. (2025). The transformative impact of artificial intelligence on higher education: A critical reflection on current trends and future directions. International Journal of Chinese Education. SAGE. DOI: 10.1177/2212585X251319364.
UNESCO. (2023). Smart Education Platform of China: Laureate of UNESCO Prize for ICT in Education.
Wang, X., Xu, X., Zhang, Y., Hao, S., & Jie, W. (2024). Exploring the impact of artificial intelligence application in personalized learning environments: Thematic analysis of undergraduates' perceptions in China. Humanities and Social Sciences Communications, 11(1), 1644.
Yu, T., Dai, J., & Wang, C. (2023). Adoption of blended learning: Chinese university students' perspectives. Humanities and Social Sciences Communications. 10(1), 390. Nature.
Woesler, M. (in questo volume). Ethical frameworks for AI in higher education: Between European regulation and Chinese innovation.
Woesler, M. (in questo volume). Student data protection in the digital university: GDPR and China's PIPL compared.
Woesler, M. (in questo volume). Learning a foreign language with and without AI: An empirical comparative study.
World Economic Forum (WEF). (2023). Future of Jobs Report 2023.
Xie, Q., Li, M., & Cheng, F. (2025). Between regulation and accessibility: How Chinese university students navigate global and domestic generative AI. Globalisation, Societies and Education. Taylor & Francis.
Yaqin, A. M. A., Muqoffi, A. K., Rizalmi, S. R., Pratikno, F. A., & Efranto, R. Y. (2025). Hybrid learning in post-pandemic higher education systems: an analysis using SEM and DNN. Cogent Education, 12(1), 2458930. Taylor & Francis.
Zhang, C. (2026). Unlocking academic gains in smart-classroom settings: A moderated-mediation study among Chinese undergraduates. Acta Psychologica. Elsevier.