Assessment AI
Scegli il tuo percorso
Il test completo misura il profilo generale. I percorsi tematici sono più brevi e restituiscono un report locale limitato all'area scelta.
Output
Profilo + dashboard
Punteggio
Indice 0-100
Report
JSON e CSV
Come viene letto il risultato
La segmentazione principale usa Literacy e Fluency. Un punteggio basso in entrambe porta al profilo Beginner; alta Fluency ma bassa Literacy porta al profilo Curious; alta Literacy ma bassa Fluency porta al profilo Expert; punteggi alti in entrambe portano al profilo Champion. Il Mindset viene mostrato come lente aggiuntiva: non cambia il profilo principale, ma aiuta a capire se la persona è pronta, cauta, scettica o propulsiva.
Dati facoltativi
Prima del test
Puoi indicare nome, ruolo, team e una stima iniziale delle tue skill. Tutti i campi sono facoltativi: puoi iniziare anche lasciando tutto vuoto.
Le informazioni restano locali nella cache e nel localStorage del browser. Non vengono inviate automaticamente a server esterni. Servono solo a rendere più utile il report locale e l'eventuale export manuale.
Le skill dichiarate aiutano soprattutto a confrontare aspettative e risultati ottenuti: il report mostra lo scarto tra autopercezione iniziale e punteggio emerso dal test.
Dati e autovalutazione iniziale
Quanto ti consideri competente oggi?
Inserisci una stima personale da 0 a 100. Puoi lasciare vuoto uno o più campi: in quel caso il relativo confronto non comparirà.
Valutazione complessiva.
Conoscenza e comprensione.
Uso operativo dell'AI.
Attitudine e apertura.
Domanda 1 di 50
0 risposte
Fonti e approfondimenti
Bibliografia
Questa pagina raccoglie il riferimento che ha ispirato la struttura dell’assessment, alcune fonti metodologiche richiamate nell’articolo Datapizza e gli approfondimenti tecnici usati per costruire le domande sugli LLM.
I collegamenti si aprono in una nuova scheda. Alcune pubblicazioni possono richiedere registrazione o accesso istituzionale sul sito dell’editore.
Assessment, adozione e competenza percepita
Riferimenti utili per comprendere la scelta delle dimensioni Literacy, Fluency e Mindset e il confronto tra autopercezione e comportamento osservato.
Datapizza · articolo di riferimento
AI Adoption Assessment: misurare la GenAI in azienda
Presenta un modello di lettura dell’adozione basato su Literacy, Fluency e Mindset e richiama le quattro D per descrivere la Fluency operativa.
Apri l’articolo ↗Davis · MIS Quarterly, 1989
Technology Acceptance Model (TAM)
Articolo fondativo sull’accettazione delle tecnologie, con particolare attenzione a utilità percepita e facilità d’uso percepita.
Apri la pubblicazione ↗Venkatesh et al. · MIS Quarterly, 2003
Unified Theory of Acceptance and Use of Technology
Propone il modello UTAUT, che integra diversi approcci precedenti per studiare intenzione d’uso e adozione effettiva della tecnologia.
Apri la pubblicazione ↗Bandura · 2006
Guide for Constructing Self-Efficacy Scales
Guida alla costruzione di scale di self-efficacy, rilevante per distinguere ciò che una persona ritiene di saper fare da ciò che dimostra nelle prove.
Apri la pubblicazione ↗Casal-Otero et al. · 2023
AI Literacy in Higher Education
Rassegna sistematica sul concetto di AI literacy e sulle conoscenze, capacità critiche e responsabilità associate all’uso dell’intelligenza artificiale.
Apri la pubblicazione ↗Deng e Lin · AI Mindset Scale
The Construction and Validation of the AI Mindset Scale
Lavoro dedicato alla costruzione di una scala per osservare atteggiamenti, aspettative e orientamento individuale verso l’AI.
Apri la pubblicazione ↗Southworth et al. · AI Fluency Framework
Le quattro D della AI Fluency
Framework operativo che articola la competenza d’uso in Delegation, Description, Discernment e Diligence.
Apri il framework ↗Ethan Mollick · One Useful Thing
Management as an AI Superpower
Propone di trattare l’interazione con l’AI come un’attività di delega e supervisione: definire il compito, controllare il lavoro e mantenere la responsabilità finale.
Apri l’articolo ↗Weinberg · FAIGMOE
Framework for the Adoption and Integration of Generative AI
Framework rivolto all’adozione e all’integrazione organizzativa della GenAI, con attenzione a competenze, cambiamento e governance.
Apri il preprint ↗Lee, Ramasamy e Subbarao · 2025
Barriere psicosociali all’adozione tecnologica
Rassegna dei modelli TAM e UTAUT applicati alle barriere che possono influenzare accettazione, fiducia e comportamento d’uso.
Apri la pubblicazione ↗Fondamenti tecnici degli LLM
Materiali di approfondimento collegati alle domande tecniche e alle spiegazioni mostrate nella dashboard.
Google for Developers
Introduzione ai Large Language Model
Panoramica su modelli linguistici, token, contesto, predizione delle sequenze e problemi tipici degli LLM.
Apri l’approfondimento ↗Google for Developers
Reti neurali
Introduzione a nodi, strati nascosti, funzioni di attivazione e addestramento mediante retropropagazione.
Apri l’approfondimento ↗Google for Developers
Embeddings
Spiega come elementi discreti possano essere rappresentati tramite vettori e confrontati in uno spazio semantico.
Apri l’approfondimento ↗Google Cloud
Allucinazioni dell’AI
Descrive perché un sistema generativo può produrre informazioni plausibili ma errate e riassume alcune strategie di mitigazione.
Apri l’approfondimento ↗Microsoft Learn
Retrieval-Augmented Generation
Descrive il flusso RAG, nel quale il recupero di contenuti pertinenti precede e supporta la generazione della risposta.
Apri l’approfondimento ↗Vaswani et al. · 2017
Attention Is All You Need
Paper che introduce l’architettura Transformer basata sui meccanismi di attention, alla base di molti LLM moderni.
Apri il paper ↗Dartmouth
Origini del termine “Artificial Intelligence”
Ricostruzione storica del progetto Dartmouth del 1956 e del contesto in cui venne formulata l’espressione “intelligenza artificiale”.
Apri l’approfondimento ↗Nota metodologica
Questo assessment è uno strumento diagnostico interno. Le tre forme A, B e C sono state costruite con la stessa matrice di dimensioni, tipologie e pesi, ma la loro equivalenza è progettata e non dimostrata psicometricamente. Le soglie, i pesi, le domande a trabocchetto e le rubriche locali non costituiscono una validazione psicometrica; per impieghi formali occorrerebbero analisi di affidabilità, validità, bias, difficoltà ed equivalenza delle forme su un campione adeguato.