Scuola di Farmacia e Nutraceutica
Università Magna Graecia di Catanzaro
Università Magna Graecia di Catanzaro
Scuola di Farmacia e Nutraceutica - Data stampa: 06/09/2026
|
Organizzazione della didattica |
|||
|
Ore |
|||
|
Totali |
Didattica frontale |
Pratica (laboratorio, campo, esercitazione, altro) |
Studio individuale |
|
75 |
24 |
|
51 |
|
CFU/ETCS |
|||
|
3 |
|
|
|
L’insegnamento si propone di fornire ai futuri biotecnologi gli strumenti teorici, critici e pratici per comunicare e divulgare la scienza biomedica in modo efficace, etico, inclusivo e digitalmente avanzato. Attraverso l’integrazione tra scienze cognitive, filosofia del linguaggio, etica della comunicazione e applicazioni pratiche dell’Intelligenza Artificiale generativa (Large Language Models, Prompt Engineering e strumenti di sintesi algoritmica), gli/le studenti/studentesse apprenderanno come strutturare la narrazione scientifica per diversi pubblici (comunità scientifica, decisori politici, media, pazienti e cittadinanza). Il corso forma la figura dell’esperto “Human-in-the-Loop”, capace di guidare e supervisionare criticamente le tecnologie di IA nella produzione e semplificazione dei contenuti scientifici, prestando particolare attenzione ai temi della responsabilità sociale, della prevenzione delle “allucinazioni” algoritmiche, della trasparenza e dell’accessibilità sensoriale e cognitiva.
Al termine del corso, lo/la studente/ssa dovrà dimostrare di:
- Comprendere l’evoluzione storica e il nesso critico tra scienza, potere e censura, analizzando come le dinamiche di controllo del sapere abbiano influenzato la nascita e lo sviluppo della divulgazione scientifica moderna.
- Comprendere i principali modelli teorici della comunicazione e divulgazione scientifica (dal modello del “deficit” al public engagement).
- Conoscere i fondamenti biologici, cognitivi ed etici del linguaggio e della comunicazione umana, con particolare attenzione alla responsabilità del “dire” in ambito biomedico.
- Conoscere l’architettura funzionale, le potenzialità e i limiti etico-tecnici delle tecnologie di Intelligenza Artificiale applicate alla comunicazione della scienza e della salute (LLM, AI generativa e algoritmi di Natural Language Processing).
- Comprendere i concetti chiave di accessibilità linguistica, inclusione e barriere comunicative nella divulgazione della salute.
- Conoscere le dinamiche di funzionamento dell’informazione scientifica nei media digitali e tradizionali, inclusi i meccanismi di diffusione delle fake news, delle pseudoscienze e della disinformazione generata da algoritmi.
- Comprendere l’impatto delle immagini e delle rappresentazioni visive (incluse quelle prodotte da generative AI) nella formazione di stereotipi o nella corretta ricezione del dato scientifico.
DD 2. Capacità di applicare conoscenza e comprensione (Applying knowledge and understanding)
Al termine del corso, lo/la studente/ssa dovrà essere in grado di:
- Progettare e sviluppare piani di comunicazione e divulgazione su tematiche biotecnologiche complesse (es. terapie avanzate, vaccini, diagnostica innovativa) adattando il registro linguistico al target di riferimento.
- Utilizzare operativamente l’IA generativa e le tecniche di Prompt Engineering per la sintesi, la traduzione divulgativa, la degergalizzazione e la riscrittura di testi scientifici complessi, esercitando la supervisione etica e l’editing specialistico sull’output dell'algoritmo.
- Tradurre testi specialistici in formati divulgativi (articoli, post per blog/social scientifici, comunicati stampa) sfruttando la sinergia tra competenze umane e strumenti di Intelligenza Artificiale.
- Applicare i principi della comunicazione inclusiva e dell’accessibilità per rendere le informazioni sulla salute fruibili anche a pubblici con bisogni specifici, mediante l'ausilio di tecnologie digitali e trasformativo-linguistiche avanzate.
DD 3. Autonomia di giudizio (Making judgments)
Al termine del corso, lo/la studente/ssa dovrà essere in grado di:
- Valutare criticamente la qualità, l’accuratezza, la veridicità scientifica e l’impatto etico delle notizie e delle narrazioni scientifiche circolanti nel dibattito pubblico e sui canali digitali.
- Validare con perizia etico-scientifica i contenuti biomedici generati o sintetizzati tramite algoritmi di Intelligenza Artificiale, individuando e correggendo “allucinazioni”, bias cognitivi, imprecisioni e distorsioni informative.
- Riconoscere stereotipi e manipolazioni comunicative nella divulgazione delle biotecnologie applicate alla salute.
- Sviluppare una spiccata sensibilità deontologica nel comunicare l’incertezza scientifica, i rischi e i benefici delle innovazioni biotecnologiche, evitando sensazionalismi o allarmismi ingiustificati.
DD 4. Abilità comunicative (Communication skills)
Al termine del corso, lo/la studente/ssa dovrà dimostrare di:
- Saper interagire efficacemente sia con la comunità dei pari sia con la cittadinanza non esperta.
- Padroneggiare diverse modalità espressive (orale, scritta, multimediale e digital/AI-driven) per presentare dati complessi in modo chiaro, empatico e persuasivo.
- Saper orchestrare l’interazione uomo-macchina per la produzione di artefatti comunicativi multimediali (integrazione guidata di testo, immagini generative e sintesi di pitch).
- Saper gestire il dibattito pubblico e argomentare in contesti controversi o polarizzati legati alla bioetica, all’etica dell’IA e alle biotecnologie della salute
DD 5. Capacità di apprendimento (Learning skills)
Al termine del corso, lo/la studente/ssa dovrà aver sviluppato:
- La capacità di aggiornarsi autonomamente e in modo continuo sull’evoluzione degli strumenti di Intelligenza Artificiale generativa, sulle piattaforme digitali emergenti e sulle metodologie applicate alla comunicazione della scienza e della salute.
- La capacità di reperire, analizzare e sintetizzare criticamente la letteratura scientifica e le linee guida nazionali e internazionali sulla comunicazione pubblica della salute e delle biotecnologie.
Non sono richieste conoscenze preliminari se non quelle già previste
dal Corso di Studi, nonché l’interesse scientifico-culturale e la curiosità nei confronti del tema del rapporto tra “sapere”, “saper dire” e “dire etico”
L’insegnamento adotta una formula di didattica integrata e laboratoriale “Lezione-Workshop con applicazione di Intelligenza Artificiale”. Il percorso formativo di 24 ore complessive è progettato per alternare sistematicamente la trasmissione dei contenuti teorico-epistemologici all’applicazione pratica e guidata in aula di software digitali e strumenti di IA generativa.
Nello specifico, le attività si articoleranno in due fasi collegate:
- Lezioni Frontali Interattive e Didattica Digitale (15 ore)
Inquadramento teorico e critico dei temi del corso (modelli di divulgazione, semiotica delle immagini, scienze cognitive, etica algoritmica, architettura e limiti dei LLM, metafore biomediche). Le lezioni prevedono l’analisi guidata in aula di materiali reali e sessioni dimostrative di interazione con tool di IA generativa applicati alla divulgazione scientifica.
- Workshop Tematici e Laboratori di IA Applicata in Aula (9 ore totali / 3 ore per ciascun focus)
Tre sessioni interamente dedicate ad attività pratiche, individuali o a piccoli gruppi, orientate allo sviluppo di competenze operative trasversali e digitali:
Workshop 1 (Focus Comunicazione Visiva e Immagini Generative): Decostruire lo Stereotipo Biomedico
Attività: Gli studenti analizzano una selezione di immagini e infografiche tradizionali e generate da IA utilizzate dai media per divulgare tematiche biotecnologiche (es. DNA, cellule staminali, terapie geniche).
Obiettivo: Identificare bias visivi, stereotipi e allucinazioni grafiche, riprogettando una narrazione visiva etica e accessibile mediante l’uso critico di prompt di generazione visiva.
Workshop 2 (Focus Intelligenza Artificiale e Prompt Engineering): L’Esperto Umano alla prova dei Large Language Models
Attività: Sessione di co-scrittura e Prompt Engineering applicato in aula. Gli studenti utilizzano sistemi di IA generativa (es. ChatGPT, Claude, Perplexity) per la sintesi, la degergalizzazione e la traduzione divulgativa di un paper scientifico o abstract biotecnologico complesso.
Obiettivo: Esercitare il ruolo di supervisore etico e scientifico (Human-in-the-Loop), identificando ed eliminando “allucinazioni”, imprecisioni concettuali o iper-semplificazioni prodotte dall’algoritmo.
Workshop 3 (Focus Metafora, Narrazione ed Empathy-AI): Dalla Metafora Bellica all’Alleanza Terapeutica
Attività: Esercitazione di riscrittura narrativa basata su casi clinici. Gli studenti applicano l’IA per esplorare registri linguistici alternativi, orientando la riscrittura verso principi di medicina narrativa e umanizzazione delle cure.
Obiettivo: Riformulare la comunicazione di protocolli biotecnologici complessi, sostituendo il linguaggio bellico con una narrazione inclusiva ed empatica.
STRUMENTI DIDATTICI
- Lavagna, computer, materiale audio-visivo, testi, software e piattaforme web di Intelligenza Artificiale Generativa (LLM), piattaforma e-learning di Ateneo.
RISULTATI DI APPRENDIMENTO PREVISTI
DD 1: Conoscenza e capacità di comprensione
Al termine del corso, lo/la studente/ssa sarà in grado di:
- Comprendere il rapporto tra storia della censura, potere e divulgazione della scienza e dei saperi.
- Riconoscere la differenza tra comunicazione della scienza e accessibilità inclusiva.
- Comprendere il ruolo del linguaggio verbale e non verbale nella trasmissione della conoscenza biomedica.
- Comprendere il funzionamento e il valore strategico dei modelli di Intelligenza Artificiale applicati alla comunicazione della scienza.
- Praticare un uso consapevole, eticamente controllato e metodologicamente rigoroso dell’IA nella progettazione e realizzazione della comunicazione scientifica.
DD 2: Capacità di applicare conoscenza e comprensione
Al termine del corso, lo/la studente/ssa sarà in grado di:
- Progettare e realizzare un’efficace ed etica comunicazione della scienza e dei saperi.
- Padroneggiare tecniche di Prompt Engineering per la riscrittura, semplificazione e traduzione divulgativa di contenuti biotecnologici complessi.
- Supervisionare e correggere criticamente i prodotti testuali e visivi derivati dall’uso dell’Intelligenza Artificiale.
DD 3: Autonomia di giudizio
Al termine dell’insegnamento lo/la studente/studentessa sarà in grado di:
- Riconoscere il rapporto tra scienza, potere, mercato e tecnologie digitali.
- Valutare l’eticità, la trasparenza e l’affidabilità scientifica dei contenuti generati da algoritmi di Intelligenza Artificiale.
DD 4: Abilità comunicative
Al termine dell’insegnamento lo/la studente/studentessa sarà in grado di:
- Sviluppare capacità di storytelling scientifico e adattamento del registro linguistico all’uditorio.
- Sviluppare abilità di comunicazione integrata uomo-macchina e presentazione sintetica di dati complessi.
DD 5: Capacità di apprendimento
Al termine dell’insegnamento lo/la studente/studentessa avrà a disposizione i seguenti strumenti:
- Capacità di interpretare e produrre testi rilevanti sul piano della comunicazione scientifica.
- Capacità di aggiornamento autonomo e continuo sulle evoluzioni applicative dell’IA e dei media digitali nella scienza e nella salute.
Titolo: Comunicare la scienza e i saperi nell’era dell’Intelligenza Artificiale: quando conoscere non basta
Parte 1: Fondamenti, Modelli e Tecnologie della Comunicazione (5 h)
- Dalla censura alla divulgazione: Evoluzione del rapporto tra scienza, società, potere e tecnologia.
- Oltre il “Deficit Model”: Perché fornire solo dati non basta a convincere il pubblico.
- Public Engagement e digital media: Avvicinare i cittadini e le cittadine alla scienza e ai saperi.
Parte 2: Linguaggi, Storytelling e Intelligenza Artificiale Generativa (5 h)
- Targeting e adattamento del messaggio a pubblici diversi.
- Storytelling per le Biotecnologie: Trasformare un protocollo di laboratorio in una narrazione avvincente.
- Intelligenza Artificiale e Comunicazione Biomedica: Principi di Prompt Engineering, architettura dei Large Language Models (LLM) e modelli generativi per la semplificazione del testo scientifico.
Parte 3: Etica, Epistemologia e Disinformazione Algoritmica (5 h)
- Gestire la natura probabilistica della scienza senza perdere autorità.
- Debunking, Prebunking e contrasto alle Fake News: Strategie contro la disinformazione scientifica e le "allucinazioni" prodotte dagli algoritmi.
- Bioetica, etica dell’IA e opinione pubblica: affrontare temi polarizzanti.
Parte 4: Workshop Pratici e Applicazioni con IA (9 h)
- Workshop 1 (Focus Visivo e IA): Decostruire lo stereotipo biomedico e analizzare la rappresentazione visiva generata da algoritmi.
- Workshop 2 (Focus Prompt Engineering e LLM): Co-scrittura uomo-macchina, sintesi di abstract complessi ed esercizio della responsabilità dell’esperto Human-in-the-Loop.
- Workshop 3 (Focus Metafora e Medicina Narrativa): Riscrittura inclusiva ed empatica di casi clinici e protocolli biotecnologici.
|
Testi di riferimento |
Nello Cristianini, La scorciatoia. Come le macchine sono diventate intelligenti senza pensare in modo umano. Bologna, il Mulino. 2023.
Pietro Greco, L’Universo a Dondolo. La scienza nell’opera di Gianni Rodari, Springer, 2010.
|
|
Note ai testi di riferimento |
I due testi costituiscono i pilastri teorici e speculari dell’insegnamento: il volume di Nello Cristianini guiderà l’analisi critica del linguaggio computazionale e dell’IA (Parti 3 e 4, Workshop 2); il testo di Pietro Greco supporterà lo studio dello storytelling, della metafora e dell’accessibilità linguistica della scienza (Parti 1 e 2, Workshop 1 e 3).
|
|
Materiali didattici |
Il materiale didattico utilizzato nel corso delle lezioni sarà reso disponibile per almeno un triennio dopo l’erogazione dell’insegnamento sulla Piattaforma e-learning di Ateneo: https://elearning.unicz.it
|
|
Modalità di verifica dell’apprendimento |
MODALITÀ DI VERIFICA DELL’APPRENDIMENTO
I risultati in termini di apprendimento saranno valutati per mezzo di: - Partecipazione attiva in aula - Esame orale o – qualora durante le lezioni se ne ravvisasse l’utilità sul piano metodologico, o la necessità sul piano numerico – prova scritta a risposte aperte. L’eventuale prova scritta avrà la durata minima di 45/60 minuti In caso di prova scritta, i risultati saranno comunicati tramite piattaforma e-learning di ateneo
|
|
Criteri di valutazione |
CRITERI DI VALUTAZIONE La valutazione dello/della studente/ssa sarà incentrata sul possesso delle seguenti competenze, verificate sia attraverso la partecipazione attiva in aula, sia nel corso della prova finale (scritta o orale):
- Conoscenza e capacità di comprensione: conoscenza accurata dei contenuti dell’insegnamento, possesso e corretto utilizzo del lessico specialistico della filosofia del linguaggio applicata alla comunicazione della scienza e dei saperi, padronanza delle questioni teoriche implicate dai contenuti. - Capacità di applicare conoscenza e comprensione: abilità nel decostruire criticamente un testo di divulgazione scientifica, individuando le eventuali strategie manipolatorie, i bias, i limiti comunicativi. Capacità di interpretazione ed esposizione delle implicazioni filosofiche presenti negli argomenti di studio. - Abilità comunicative e di sintesi: capacità di strutturare un’argomentazione chiara, logica e incisiva, rispettando i vincoli di spazio o di tempo della prova. - Ergonomia e leggibilità della prova scritta: per le prove in forma scritta, si valuterà l’ordine formale dell’elaborato, la chiarezza dell’organizzazione strutturale delle risposte, la correttezza ortografica e la leggibilità della grafia, elementi considerati requisiti essenziali per la progettazione di qualsiasi testo/dispositivo comunicativo/divulgativo |
I criteri di misurazione dell’apprendimento saranno i seguenti:
- Partecipazione attiva in aula e nei workshop di IA (fino a 6 punti): viene valutato l’impegno dello/della studente/ssa nelle discussioni di gruppo e nel lavoro pratico dei workshop tematici (inclusa la capacità applicativa del Prompt Engineering e della revisione critica degli output di IA).
- Prova finale scritta o orale (fino a 24 punti): la prova è volta a verificare la conoscenza dei modelli teorici della filosofia del linguaggio e delle implicazioni etico-tecniche dell’uso dell’Intelligenza Artificiale nella trasmissione della conoscenza scientifica, nonché la capacità di progettare un dispositivo di comunicazione scientifica.
Per gli studenti non frequentanti: La valutazione avverrà interamente tramite la prova finale scritta o orale (fino a 30 punti e lode), che integrerà la verifica delle conoscenze teoriche con la discussione di un elaborato/progetto pratico individuale (es. un piano di comunicazione scientifica con analisi di prompt di IA) concordato preventivamente con la docente.
L’attribuzione del voto finale rispetterà le seguenti fasce di valutazione:
- Fascia eccellente (27-30 e lode): lo/la studente/ssa ha preso parte alle lezioni in modo propositivo. Nella prova finale (scritta o orale) dimostra un’eccellente padronanza del lessico specialistico, spiccata autonomia di giudizio, ottima capacità di sintesi e una perfetta attitudine a declinare i concetti teorici sul piano della filosofia del linguaggio e della tecnologia applicata alla comunicazione/divulgazione della scienza e dei saperi.
- Fascia buona (24-26): lo/la studente/ssa ha partecipato regolarmente alle attività d’aula. Nella prova finale mostra una chiara ed ordinata comprensione dei contenuti e una corretta proprietà di linguaggio, sebbene l’analisi critica o l’attualizzazione di eventuali casi studio risultino più descrittive che personali.
- Fascia sufficiente (18-23): lo/a studente/ssa ha mantenuto un atteggiamento prevalentemente passivo a lezione. La prova finale evidenzia una conoscenza parziale o mnemonica dei temi trattati; l’esposizione è essenziale ma sufficiente, pur riscontrando qualche incertezza terminologica o concettuale.
- Insufficiente (meno di 18): la prova finale rivela gravi lacune concettuali, totale mancanza di rielaborazione critica e una comprensione totalmente inadeguata delle implicazioni etiche ed etico-linguistiche trattate nel corso.
L’eventuale attribuzione della lode verrà conferita qualora lo/la studente/ssa, oltre ad aver ottenuto il massimo punteggio, si sia distinto/a, sia in aula che nella prova d’esame, per una eccellente maturità intellettuale ed una brillante capacità di applicare in modo innovativo ed etico i concetti di comunicazione scientifica e le tecnologie di Intelligenza Artificiale alla realtà operativa del biotecnologo esperto in innovazione applicata alla salute.