Metodo · Trasparenza · Ricerca
Ricerca e metodologia
Questa pagina documenta come è progettato NO AI ACT, quali obiettivi educativi persegue, quali semplificazioni adotta e — con altrettanta chiarezza — che cosa non è ancora stato dimostrato. È il punto di partenza per ricercatori, docenti universitari e istituzioni che vogliono studiare o riusare il gioco.
01Obiettivo educativo
NO AI ACT vuole far esercitare tre competenze: (1) la conoscenza concettuale dell'approccio basato sul rischio del Regolamento (UE) 2024/1689 — categorie di rischio, pratiche vietate, obblighi di trasparenza, ruoli di provider e deployer; (2) la capacità di applicazione a scenari concreti — classificare un sistema, selezionare le prove decisive, attribuire le responsabilità, scegliere misure proporzionate; (3) la consapevolezza civica del perché la regolazione dell'IA esiste, resa tangibile da una città immaginaria in cui l'AI Act non è mai entrato in vigore.
L'ipotesi progettuale — da verificare empiricamente, non dimostrata — è che decidere con conseguenze visibili e ricevere un debrief argomentato alleni il ragionamento normativo meglio della sola lettura passiva.
02Meccaniche di gioco
- Fascicoli ispettivi: 13 casi su sistemi di IA (social scoring, monitoraggio sul lavoro, deepfake, sanità, biometria, credito, chatbot pubblici, appalti, EdTech, GPAI).
- Ciclo decisionale: esame delle prove → classificazione del rischio → attribuzione della responsabilità → misure correttive → rapporto → debrief.
- Conseguenze visibili: gli indicatori della città reagiscono alle decisioni, mostrando il costo dell'assenza di regole.
- Debrief esplicativo: ogni decisione riceve una spiegazione del perché regge o non regge, con rimando alla norma semplificata collegata.
- Modalità docente locale: pause di discussione e debrief anonimo di classe, senza raccolta dati.
Il funzionamento completo è descritto in come funziona; il quadro pedagogico in serious game e regolazione dell'IA.
03Destinatari
- Scuola secondaria di secondo grado (educazione civica e digitale).
- Università: diritto e tecnologia, informatica, scienze politiche, media studies.
- Formazione professionale e aggiornamento di adulti.
- Autoapprendimento di cittadini e professionisti curiosi.
04Modello legale semplificato e matrice delle fonti
Il gioco è una semplificazione didattica: comprime procedure, tempi e sfumature interpretative per rendere giocabile il ragionamento normativo. Non è consulenza legale e non sostituisce il testo del regolamento. I temi trattati derivano dalle seguenti aree del Regolamento (UE) 2024/1689 — la fonte autorevole è sempre EUR-Lex:
| Tema nel gioco | Area del regolamento | Approfondimento sul sito |
|---|---|---|
| Pratiche vietate (es. social scoring) | Capo II, art. 5 | Pratiche vietate |
| Sistemi ad alto rischio (sanità, istruzione, lavoro, servizi essenziali) | Capo III e Allegato III | Sistemi ad alto rischio |
| Obblighi di trasparenza (chatbot, deepfake, contenuti sintetici) | Art. 50 | Obblighi di trasparenza |
| Modelli di IA per finalità generali (GPAI) | Capo V | AI generativa e GPAI |
| Ruoli e responsabilità (provider, deployer) | Art. 3 e Capo III | Guida AI Act |
Le classificazioni proposte nei casi sono tracciate caso per caso nei dati di gioco open source; gli scenari ambigui sono trattati come contestabili, non come un'unica risposta giusta. Una revisione giuridica terza è raccomandata prima di un uso istituzionale formale.
05Architettura privacy
Il prodotto pubblico è progettato per essere studiabile senza raccogliere dati personali: nessun account, nessun backend, nessuna telemetria di gioco; i salvataggi restano nel localStorage del browser. Le pagine pubbliche usano solo Cloudflare Web Analytics in forma aggregata e senza cookie. Dettagli e modalità di verifica in privacy by design.
Conseguenza metodologica: qualunque strumento di misura per la ricerca (questionari, test pre/post) vive fuori dal gioco, sotto la responsabilità etica del gruppo di ricerca. Il gioco non incorpora e non incorporerà sondaggi.
06Stato della validazione — che cosa è dimostrato e che cosa no
Proprietà verificabili del software
Comportamenti garantiti da test automatici e codice aperto: nessuna chiamata di rete durante il gameplay, salvataggi solo locali, contenuti e punteggi fissati per versione, bilinguismo IT/EN.
Efficacia educativa
L'efficacia educativa non è ancora stata validata empiricamente: non esistono studi controllati su apprendimento o trasferimento. L'uso informale in contesti didattici ha finora orientato solo le iterazioni di design.
Distinguere sempre tre piani: usabilità (si riesce a usarlo), engagement (si continua a usarlo volentieri) e apprendimento (migliorano le competenze target). Risultati positivi sui primi due non vanno mai presentati come prova del terzo.
07Come studiare o riusare il gioco
- Quadro di validazione: teoria del cambiamento, costrutti, misure pre/post proposte, campionamento e protocollo con codici partecipante anonimi sono nel framework di validazione (repository).
- Stimoli versionati: casi, testi e regole di punteggio sono riproducibili citando la versione esatta (tag GitHub +
release.config.json). - Riuso: codice GPL-3.0, contenuti CC BY-SA 4.0 — adattamenti e traduzioni sono permessi con attribuzione.
- Strumenti esterni: test e questionari restano su carta o su piattaforme scelte dal team di ricerca, mai dentro il gioco.
08Come citare
Formati pronti (APA, BibTeX, citazione del software con versione) nella pagina come citare. Il repository include un file CITATION.cff leggibile da GitHub e dai gestori bibliografici. Un DOI Zenodo è previsto con la release 2.0.
09Contatti e collaborazioni
NO AI ACT è ideato e sviluppato da Matteo Angeloni, dottorando in Società in mutamento: politiche, diritti e sicurezza presso l'Università degli Studi della Tuscia. Il progetto è indipendente e non è espressione ufficiale dell'ateneo.
Per proposte di studio, sperimentazioni in aula, segnalazioni o collaborazioni istituzionali: apri una issue sul repository GitHub. Non usiamo moduli esterni e non raccogliamo indirizzi email su questo sito.