La competenza di lettura tra gli studenti statunitensi di terza media è scesa al 30% nel 2024, il valore più basso degli ultimi 30 anni, con ragazzi che si scontrano con quello che i docenti definiscono un “muro della comprensione”. Se gli investimenti nell'alfabetizzazione di base — fonetica, consapevolezza fonemica e fluidità di lettura — danno buoni risultati nei primi anni della primaria, il rendimento degli studenti crolla bruscamente alle medie, quando i testi richiedono un lessico più ricco, conoscenze di contesto e la capacità di elaborare strutture sintattiche complesse in materie scientifiche, matematiche e umanistiche.

Anziché ricorrere a chatbot generici, docenti e ricercatori sostengono strumenti per la lettura costruiti su misura e fondati sulla scienza della lettura. Richiamando le conclusioni della Brookings Institution, secondo cui gli strumenti di IA devono “insegnare, non dire” per essere efficaci, le implementazioni emergenti puntano su un supporto diagnostico continuo. Invece di affidarsi a prove standardizzate isolate, questi strumenti analizzano il lavoro di lettura quotidiano degli studenti, individuano le specifiche falle nella comprensione e propongono interventi mirati, per esempio invitando a rileggere determinati passaggi o fornendo un supporto lessicale calato nel contesto.

Il cambiamento segnala un movimento più ampio della tecnologia per la didattica: dai punteggi grezzi delle prove verso un sostegno diagnostico fine e in tempo reale nelle classi a livelli misti. Per i docenti sudafricani che gestiscono il difficile passaggio dalla decodifica dei primi anni ai programmi ad alta densità linguistica della Senior Phase, i modelli di supporto mirato basati sull'IA mostrano come gli strumenti digitali possano sostenere una didattica della lettura differenziata senza abbassare il rigore.