Robotica educativa, cosa serve davvero per far vedere un robot costruito in classe

Nei laboratori scolastici il robot che si muove non stupisce più nessuno, fino a quando non dimostra autonomia.

Un kit didattico, qualche ora di programmazione a blocchi e il carrello percorre il percorso tracciato sul pavimento.

Il salto di interesse, per gli studenti come per i docenti, arriva quando il robot smette di eseguire una sequenza e comincia a reagire a ciò che ha davanti. È a quel punto che il progetto diventa realmente formativo, ed è anche il punto in cui molti percorsi si arenano.

Il motivo è quasi sempre lo stesso: la scuola compra l’hardware prima di aver definito l’obiettivo didattico. Integrare una telecamera embedded in un progetto di robotica educativa significa scegliere un componente in cui il sensore ottico è collegato direttamente alla scheda di calcolo, così che l’immagine venga elaborata sul posto senza passare da un computer esterno. È una scelta tecnica, ma nasce da una domanda didattica: cosa deve imparare a fare lo studente, non cosa deve imparare a fare il robot.

Il salto tra il robot che si muove e il robot che riconosce

Programmare un movimento significa lavorare su una sequenza deterministica: se premo, va avanti. Programmare un riconoscimento visivo significa lavorare su un’incertezza. Il colore cambia con la luce, la forma cambia con l’angolo, la soglia che funziona in aula alle nove non funziona più alle tre del pomeriggio. Questa differenza è il vero contenuto formativo dell’attività, e vale molto più del risultato finale.

Per il docente è anche l’occasione per introdurre concetti che restano: la nozione di errore sistematico, la differenza tra dato grezzo e dato interpretato, l’idea che un algoritmo funzioni bene solo nelle condizioni per cui è stato tarato. Sono nodi trasversali, che tornano in fisica, in matematica e in scienze.

Le tre domande da porsi prima di comprare l’hardware

Prima di aprire un catalogo conviene rispondere a tre domande. La prima: quante ore ha realisticamente a disposizione il consiglio di classe? Un progetto di visione artificiale ben condotto richiede almeno una decina di ore laboratoriali, ed è meglio ridurre l’ambizione che lasciarlo a metà. La seconda: chi seguirà la parte tecnica? Se nell’istituto non c’è un docente o un assistente tecnico in grado di rimettere in piedi il sistema quando smette di funzionare, il materiale finirà in armadio. La terza: che cosa resta agli studenti se il progetto non arriva in fondo? Se la risposta è “niente”, il progetto va ripensato.

Che cosa serve concretamente per avviare un percorso

Definite le condizioni di contesto, l’elenco del materiale e delle competenze necessarie è più breve di quanto si tema. Vale la pena scorrerlo voce per voce, perché ogni elemento ha una ricaduta didattica precisa e non è soltanto una questione di acquisti.

• Una scheda di calcolo supportata. Piattaforme diffuse in ambito educativo come Raspberry Pi 5 hanno il vantaggio di una documentazione abbondante e di librerie libere. La disponibilità di materiale in rete conta più della potenza dichiarata.
• Un modulo ottico compatibile. La compatibilità va verificata prima, non dopo. Un sensore privo di driver aggiornati per la piattaforma scelta trasforma un’attività didattica in un lavoro di sistemistica che nessun docente ha tempo di fare.
• Un’illuminazione controllata. Basta una lampada fissa e un fondo di cartoncino monocromatico. È l’accorgimento più economico e quello che più di ogni altro determina la riuscita dell’esercitazione.
• Un ambiente di programmazione già noto alla classe. Python con librerie di visione artificiale è la scelta più comune nel triennio tecnico. Introdurre contemporaneamente un linguaggio nuovo e un dominio nuovo raddoppia le difficoltà senza raddoppiare l’apprendimento.
• Un quaderno di laboratorio. Registrare le condizioni di ogni prova, comprese quelle fallite, è ciò che distingue un’attività scientifica da una dimostrazione. È anche il documento su cui costruire la valutazione.

Messi insieme, questi cinque elementi consentono di avviare un percorso serio senza investimenti rilevanti. Quello che manca in quasi tutti i progetti scolastici non è il materiale, è il tempo protetto: ore di laboratorio che non vengano erose da altre necessità del calendario scolastico.

Un possibile percorso in cinque lezioni

Osservazione e raccolta dati

Le prime due lezioni si dedicano a fotografare gli oggetti che il sistema dovrà riconoscere, variando luce, distanza e sfondo. Gli studenti costruiscono così il proprio insieme di immagini e capiscono, prima di scrivere una riga di codice, quanto la qualità del dato condizioni tutto il resto.

Programmazione e messa a punto

Le tre lezioni successive servono a scrivere il programma, provarlo, sbagliarlo e correggerlo. Il momento più utile dal punto di vista didattico è quello in cui il sistema funziona in una condizione e smette di funzionare in un’altra: è lì che si discute di taratura, di soglie e di limiti del modello.

Errori frequenti nei progetti scolastici

Il più comune è puntare subito a un riconoscimento complesso, per esempio la classificazione di oggetti simili tra loro, invece di partire da un compito semplice e ben riuscito. Il secondo è affidare tutto a due o tre studenti già competenti, lasciando la classe a guardare. Il terzo è misurare il successo del progetto dalla presentazione finale invece che dal percorso: una demo che funziona per tre minuti dice molto meno di un quaderno che documenta dieci tentativi.

Collegamenti disciplinari e valutazione

Un percorso di questo tipo si presta a valutazioni per competenze e a collegamenti con matematica, fisica, scienze e, negli istituti tecnici, con le discipline di indirizzo. Può inoltre costituire la base della parte sperimentale di un elaborato d’esame, a condizione che lo studente sappia spiegare non solo che cosa ha ottenuto, ma in quali condizioni il suo sistema smette di funzionare. È una consapevolezza che, fuori dalla scuola, molti adulti non hanno.