Divario digitale

Definizione

Il divario digitale è la distanza sistematica nell’accesso e nella capacità d’uso delle tecnologie digitali tra individui, gruppi e territori. Il glossario DigComp non usa questo termine ma ne definisce i due poli: l’esclusione digitale — l’emarginazione di chi è privato del pieno accesso e della capacità di usare le TIC, con conseguente ostacolo alla partecipazione economica, sociale e politica — e l’inclusione digitale, il processo che mira a garantire quell’accesso e quella capacità. A scuola il divario assume la forma della “scuola a due velocità”.

Come funziona

Le stesse quattro leve determinano, per segno opposto, esclusione e inclusione:

1. Accesso alle tecnologie, sia fisico sia finanziario;
2. Motivazione, inclusa la comprensione dei benefici delle tecnologie digitali;
3. Competenza digitale;
4. Fiducia, anche rispetto alla sicurezza online.

Il divario non è quindi solo una questione di dotazione hardware: una scuola può essere connessa e restare esclusa per mancanza di competenze o di fiducia. Il glossario aggiunge la nozione di Connettività Significativa Universale (UMC), che scompone l’accesso in sei dimensioni interdipendenti — qualità della connessione, disponibilità per l’uso, accessibilità economica, dispositivi, competenze e sicurezza — e mostra che un guasto in una sola dimensione compromette l’intera esperienza.

Nel contesto dell’IA a scuola il fenomeno si manifesta su tre assi:

• Asse economico: l’accesso disomogeneo a strumenti e abbonamenti premium distingue chi può usare i modelli più capaci da chi resta sulle versioni gratuite.
• Asse territoriale: differenze strutturali tra aree del Paese, che il 2025 affronta esplicitamente riservando almeno il 40% dei 100 milioni di euro alle istituzioni scolastiche del Mezzogiorno.
• Asse delle competenze: il divario corre anche dentro la scuola, tra docenti aggiornati e non. La velocità del cambiamento è descritta come senza precedenti negli ultimi trent’anni, con il rischio che solo una minoranza di docenti riesca a restare al passo — e con esso un divario crescente tra competenze dei docenti e pratiche degli studenti.

Applicazioni o esempi

• La mitigazione del Bias Algoritmico richiede audit sui dati e test regolari: attività che presuppongono risorse e competenze non disponibili in tutti gli istituti, per cui la stessa capacità di garantire equità algoritmica è distribuita in modo diseguale.
• Le attività didattiche di livello “Creare” (addestrare un modello, sperimentare strumenti generativi) sono le più esposte: la guida pratica lascia aperta la domanda su quali strumenti gratuiti consentano alle scuole con meno risorse di svolgerle senza ampliare il divario.
• La riserva del 40% al Mezzogiorno e la formazione a cascata degli snodi formativi sono le due contromisure di sistema attualmente finanziate.

Relazioni con altri concetti

• Didattica inclusiva con IA — il divario è la principale controindicazione all’uso dell’IA come leva di equità.
• Universal Design for Learning (UDL) — la progettazione universale presuppone che gli strumenti siano effettivamente accessibili a tutti.
• Bias Algoritmico — le risorse necessarie a individuare e correggere i bias sono distribuite in modo diseguale.
• 2025) — è la principale politica pubblica di contrasto al divario territoriale e di competenze.
• Alfabetizzazione all’IA (AI Literacy) — la competenza digitale è una delle quattro leve dell’inclusione.

Contraddizioni e dibattiti

La contraddizione centrale è che l’IA viene presentata come strumento di equità educativa — personalizzazione, accessibilità, contrasto alla dispersione — mentre le condizioni per usarla sono esse stesse distribuite in modo diseguale. Equità e accessibilità sono per questo trattate come imperativi categorici, non come effetti attesi. Resta irrisolto se le misure finanziarie in campo (riserva territoriale, formazione a cascata) siano proporzionate a un divario che è insieme economico, territoriale e di competenze, e la domanda pratica sugli strumenti gratuiti per le scuole meno dotate è tuttora aperta nel wiki.

Fonti

Glossario delle competenze digitali e dell’IA, Guida Pratica all’IA nella Scuola Secondaria di I grado, 2025 — Avviso snodi formativi IA (PNRR), 2025), Il difficile rapporto tra scuola e ChatGPT (Lucy, Pietro Minto), Galli — L’intelligenza artificiale nella didattica: opportunità, rischi e regole (2025)

Analisi correlate

• IA e inclusione: la promessa più ripetuta e la meno documentata — mostra come il divario sia il principale contro-effetto dell’IA proposta come leva di equità
• Scegliere uno strumento di IA per la classe: i filtri che vengono prima della didattica — i requisiti di conformità (ISO, qualificazione AgID) rischiano di rendere diseguale la stessa possibilità di scegliere legalmente uno strumento

Aggiornamento — settembre 2026

Il dossier Intelligenza artificiale e povertà educativa, una sfida urgente di Con i Bambini-Openpolis (8 settembre 2026) quantifica l’asse territoriale del divario: solo il 51,9% dei 16-19enni italiani ha usato IA generativa nei tre mesi precedenti la rilevazione contro il 66,4% della media UE (terzultimo posto nell’Unione), e l’8,6% di chi non la usa dichiara di non saper come fare. Sul lato infrastrutturale, solo il 40,7% degli edifici scolastici statali ha un laboratorio informatico — 33,8% nei comuni ultraperiferici, 60% in Toscana contro 25,4% nel Lazio. Il dato corregge la lettura implicita in alcune pagine del wiki, che tratta il divario soprattutto come questione di competenze dei docenti: la disuguaglianza si manifesta prima, nelle dotazioni degli edifici e nelle competenze di base degli studenti.

Cfr. 16 settembre 2026.