Fisico di formazione, docente e oggi Delegato del Rettore per Terza Missione, Innovazione Didattica e Intelligenza Artificiale dell’Università Telematica degli Studi IUL, Carlo Maria Medaglia osserva da oltre venticinque anni il rapporto tra la tecnologia, le organizzazioni che la adottano e i metodi di apprendimento. Il suo percorso attraversa il telerilevamento, l’Internet of Things, le smart city e arriva all’intelligenza artificiale, seguendo trasformazioni che nel tempo hanno cambiato gli strumenti, le infrastrutture e soprattutto il modo in cui le persone e le istituzioni producono e utilizzano la conoscenza.
In questa intervista il confronto si allarga e torna indietro per guardare avanti: da ciò che venticinque anni di innovazione ci hanno insegnato fino alle domande che l’AI sta aprendo oggi nella scuola, nell’università e nella società.
Che cosa cambia quando l‘accesso all’informazione smette di essere la risorsa scarsa? Qual è la differenza tra adottare una tecnologia e trasformare davvero un’organizzazione? Come evolve il digital divide quando due persone possono utilizzare lo stesso modello di AI ottenendo risultati radicalmente diversi? E cosa dovremmo valutare a scuola quando una macchina può produrre un testo, una sintesi o una risposta in pochi secondi?
Nella lunga intervista che segue, Medaglia sposta progressivamente lo sguardo dalla tecnologia alle capacità necessarie per governarla: orientarsi, formulare domande, valutare le fonti, riconoscere ciò che vale la pena delegare e ciò che occorre continuare ad allenare. Fino a una questione che entra direttamente nel tema di Rome Future Week® 2026, “Materia Prima”: in un mondo in cui contenuti e risposte possono diventare quasi infiniti, una delle risorse più rare dell’educazione diventa l’“attenzione capace di trasformarsi in giudizio”.
Carlo, hai attraversato venticinque anni di innovazione, dal telerilevamento all’Internet of Things, dalle smart city fino all’intelligenza artificiale. Qual è la cosa che avevi capito molto prima degli altri e quale, invece, avevi completamente sbagliato?
Credo di aver capito abbastanza presto che il punto non sarebbero state le singole tecnologie, ma la loro convergenza. Quando lavoravamo sul telerilevamento, sui sensori, sull’Internet of Things, il tema sembrava raccogliere più dati o collegare più oggetti; in realtà stavamo costruendo, pezzo dopo pezzo, una sorta di sistema nervoso digitale del mondo. Sensori, reti, cloud, dati e algoritmi sarebbero prima o poi diventati un’unica infrastruttura cognitiva: l’intelligenza artificiale è anche il risultato di quella convergenza.
Quello che avevo sbagliato era la velocità con cui le organizzazioni avrebbero saputo trasformarsi. Pensavo che una tecnologia migliore producesse quasi naturalmente un’organizzazione migliore. Non è così: le tecnologie cambiano molto più velocemente delle istituzioni, dei comportamenti e delle culture. Abbiamo avuto smart technology molto prima di avere davvero smart organization. E forse è questa la lezione più importante di questi venticinque anni: il vero collo di bottiglia dell’innovazione raramente è tecnologico.
All’inizio degli anni Duemila il grande problema era connettere tutto e tutti. Oggi siamo iperconnessi. Abbiamo risolto il problema o ne abbiamo creato uno più grande?
Abbiamo risolto magnificamente il problema sbagliato. Venticinque anni fa la scarsità era la connessione, oggi la connessione è quasi una commodity e la scarsità si è spostata altrove.
Siamo passati dal problema dell’accesso al problema dell’orientamento. Abbiamo miliardi di informazioni, notifiche, contenuti, relazioni e possibilità, ma una quantità finita di attenzione e capacità cognitiva. Essere connessi non significa essere informati, ed essere informati non significa capire.
Il paradosso è che abbiamo costruito una società capace di collegare quasi ogni essere umano a quasi ogni informazione disponibile, ma non abbiamo costruito con la stessa velocità gli strumenti culturali per distinguere ciò che conta da ciò che semplicemente ci raggiunge.
Per questo oggi parlerei meno di connectivity e più di cognitive navigation: la capacità di muoversi in ambienti informativi sovrabbondanti senza esserne sommersi. Il problema del futuro non sarà trovare informazioni: sarà sapere quali ignorare.
Hai lavorato quando l’Internet of Things sembrava destinato a cambiare radicalmente le nostre vite. Se dovessi scegliere la tecnologia più sopravvalutata degli ultimi vent’anni e quella che abbiamo invece sottovalutato, quali sceglieresti?
Tra le più sopravvalutate metterei probabilmente la blockchain, almeno nella sua narrazione iniziale. Non perché non abbia applicazioni importanti, ma perché per qualche anno abbiamo cercato di trasformarla nella soluzione di problemi che spesso potevano essere risolti molto più semplicemente. È un errore ricorrente dell’innovazione: innamorarsi della soluzione e poi mettersi alla ricerca del problema.
Tra quelle sottovalutate sceglierei invece il cloud, proprio perché è poco spettacolare. Non ha mai avuto la dimensione narrativa del metaverso, della blockchain o dell’AI generativa, ma senza la disponibilità ubiqua di capacità computazionale, dati e servizi scalabili, gran parte della trasformazione successiva semplicemente non sarebbe stata possibile.
È una cosa che l’innovazione ci insegna continuamente: le tecnologie che fanno più rumore non sono necessariamente quelle che cambiano maggiormente il mondo. A volte le rivoluzioni più profonde assomigliano all’impianto elettrico di un edificio: dopo qualche anno non lo guardiamo più, ma tutto funziona perché esiste.
Hai lavorato sull’innovazione nella ricerca, nell’università, nelle istituzioni e nella città. Dopo tutte queste esperienze, ha ancora senso parlare di “innovazione” come se fosse una cosa sola?
Sempre meno. Credo, anzi, che la parola innovazione sia diventata così larga da rischiare di non significare più nulla.
Innovare un’impresa, una scuola, una città e un’amministrazione pubblica sono processi profondamente diversi. Cambiano gli incentivi, i tempi, le responsabilità, la tolleranza al rischio. Una startup può permettersi di fallire dieci volte; un ospedale no.
Quello che però accomuna questi mondi è una cosa: l’innovazione autentica modifica una relazione. Tra cittadino e istituzione, tra studente e docente, tra impresa e cliente, tra persona e conoscenza.
Per questo oggi distinguerei almeno tre livelli: innovazione tecnologica, innovazione organizzativa e innovazione culturale. La prima è quasi sempre la più veloce; la terza è quasi sempre la più difficile. E il fallimento nasce quando pensiamo di poter ottenere la terza semplicemente acquistando la prima.
Oggi tutti vogliono innovare. Ma qual è la differenza tra adottare una tecnologia e cambiare davvero?
Adottare una tecnologia significa inserire qualcosa di nuovo dentro un processo esistente. Trasformare significa domandarsi se quel processo debba continuare a esistere nello stesso modo. È una differenza enorme. Posso mettere l’intelligenza artificiale dentro una procedura burocratica di venti passaggi e renderla del 20 per cento più veloce, oppure posso chiedermi perché esistano quei venti passaggi.
Lo stesso vale nella scuola. Dare un tablet a ogni studente non modifica automaticamente il modello educativo: possiamo fare una lezione frontale ottocentesca su uno schermo 4K. La vera innovazione comincia quando la tecnologia rende possibile una domanda che prima non potevamo permetterci di fare: non “Come digitalizziamo quello che facciamo?”, ma “Se oggi dovessimo progettare questa organizzazione da zero, continueremmo a farla così?”. È una domanda più scomoda, ed è proprio per questo che produce trasformazione.
Vent’anni fa il digital divide significava soprattutto non avere un computer o una connessione. Oggi parli invece di una possibile disuguaglianza cognitiva. Cosa significa concretamente?
Significa che due persone potranno avere accesso allo stesso identico modello di intelligenza artificiale e ottenere da esso risultati radicalmente diversi.
La nuova disuguaglianza non riguarderà soltanto chi possiede la tecnologia, ma chi sa interrogarla, controllarla, contraddirla, combinarla con altre fonti e, soprattutto, capire quando non utilizzarla.
Una persona dotata di conoscenze, pensiero critico e capacità di formulare domande può utilizzare l’AI come moltiplicatore delle proprie capacità. Una persona priva di questi strumenti rischia invece di trasformarla in una protesi cognitiva da cui dipendere.
Per questo il nuovo divide è più sottile del precedente: puoi avere fibra, smartphone e accesso al migliore modello disponibile ed essere comunque cognitivamente svantaggiato.
La grande questione educativa dei prossimi anni sarà quindi impedire che l’intelligenza artificiale diventi un moltiplicatore delle differenze cognitive preesistenti.
Sostieni che la scuola debba diventare sempre più un ecosistema, aprendosi a imprese, musei, territori e ambienti digitali. Se l’apprendimento può avvenire ovunque, a cosa serve ancora la scuola come luogo fisico?
Paradossalmente, proprio perché possiamo imparare ovunque, abbiamo ancora più bisogno di luoghi nei quali dare senso a ciò che impariamo.
La scuola non può più giustificare la propria esistenza dicendo: “Qui dentro c’è la conoscenza”, perché la conoscenza è ormai dappertutto. Deve giustificarla dicendo: “Qui impariamo che cosa farne”.
La scuola fisica diventa allora meno deposito e più laboratorio sociale. È il luogo dell’incontro con ciò che non avremmo scelto spontaneamente: altre persone, altre discipline, altri punti di vista. È il luogo del conflitto regolato, della cooperazione, della responsabilità.
Io immagino una scuola con pareti molto più porose verso musei, imprese, università, città e spazi digitali, ma non una scuola senza pareti. Perché, nell’epoca della personalizzazione algoritmica, abbiamo bisogno anche di luoghi nei quali non siamo noi a scegliere sempre chi e cosa incontrare.
LEGGI ANCHE – Laboratori permanenti di futuro: università, imprese e territori che imparano insieme
Se uno studente può chiedere a un’AI di spiegargli qualsiasi argomento, infinite volte e nel modo più adatto a lui, che cosa deve diventare un professore?
Deve smettere progressivamente di essere soltanto colui che fornisce risposte e diventare colui che costruisce le condizioni perché nascano buone domande.
È un cambiamento enorme. Per secoli il docente ha avuto anche un vantaggio strutturale: possedeva informazioni difficilmente accessibili allo studente. Quel monopolio è finito, ma non è finita la funzione del docente. Anzi, diventa più sofisticata: dovrà progettare esperienze, creare connessioni tra discipline, riconoscere gli errori fertili, aiutare gli studenti a valutare fonti e argomentazioni, capire quando una risposta è plausibile ma sbagliata.
L’AI può spiegarti Newton cento volte senza perdere la pazienza, ma non sa necessariamente capire perché proprio tu, davanti a quella spiegazione, continui a non capire.
Il professore del futuro sarà meno distributore di conoscenza e molto più architetto dell’apprendimento.
Sostieni che l’intelligenza artificiale metta profondamente in crisi il modo in cui valutiamo gli studenti. Se non possiamo più sapere con certezza chi abbia scritto un testo, che cosa dobbiamo valutare?
Forse l’AI ci sta costringendo ad ammettere che alcune cose che valutavamo erano già poco significative prima. Se il prodotto finale può essere generato o fortemente assistito da una macchina, dobbiamo spostare l’attenzione dal prodotto al processo cognitivo che lo ha generato.
Vorrei sapere quali domande ha posto lo studente, quali fonti ha scelto, quali alternative ha scartato, dove ha cambiato idea, quali errori ha riconosciuto. Vorrei poter discutere oralmente il lavoro con lui e chiedergli di difendere una scelta.
Non significa abolire la scrittura: significa smettere di confondere la produzione materiale di un testo con la comprensione. Potremmo arrivare a una valutazione molto più interessante: non “Dammi la risposta corretta”, ma “Fammi vedere come sei arrivato fin qui”.
E, curiosamente, l’AI, mettendo in crisi l’esame tradizionale, potrebbe costringerci finalmente a inventarne uno migliore.
C’è però un rischio opposto. Se deleghiamo continuamente sintesi, scrittura, ricerca e ragionamento alla macchina, possiamo diventare più produttivi e contemporaneamente meno intelligenti?
Assolutamente sì. È forse uno dei paradossi centrali dell’intelligenza artificiale. Possiamo produrre più testi, più presentazioni, più analisi e più codice e, contemporaneamente, esercitare meno alcune capacità cognitive fondamentali.
Non sarebbe neppure una novità assoluta. Ogni tecnologia cognitiva esternalizza qualcosa: la scrittura ha esternalizzato parte della memoria, la calcolatrice parte del calcolo. Ma l’AI generativa è diversa per ampiezza, perché può esternalizzare contemporaneamente memoria, sintesi, linguaggio, ricerca e perfino alcune forme di ragionamento.
Il punto non è quindi rifiutare la delega: è decidere consapevolmente che cosa vogliamo delegare e che cosa vogliamo continuare ad allenare.
La produttività misura quanto produciamo. L’intelligenza riguarda anche ciò che siamo ancora capaci di fare quando togliamo la macchina dalla stanza. E le due curve non necessariamente salgono insieme.
Utilizzi il concetto di “debito cognitivo”. Qual è il primo segnale che dovrebbe farci capire che l’AI non ci sta più aiutando a pensare, ma sta pensando al nostro posto?
Per me il segnale più semplice è questo: quando non sappiamo più spiegare perché siamo d’accordo con la risposta che abbiamo appena accettato. Il debito cognitivo funziona un po’ come il debito tecnico nel software: nel breve periodo risparmi tempo, rimandi uno sforzo, ma se continui ad accumularlo, prima o poi perdi la capacità di governare il sistema.
Con l’AI succede qualcosa di simile: una sintesi oggi, una decisione domani, un’argomentazione dopodomani. Ogni singola delega sembra innocua, ma il problema emerge quando smettiamo di possedere la struttura del ragionamento.
Per questo non mi preoccupa molto lo studente che usa ChatGPT; mi preoccupa lo studente che non sa più distinguere ciò che ha capito da ciò che ha semplicemente letto.
Il confine non passa, quindi, tra uso e non uso dell’AI: passa tra delega consapevole e dipendenza cognitiva.
In uno dei tuoi interventi recenti parli di “biodiversità cognitiva”. Possiamo produrre miliardi di contenuti e contemporaneamente avere sempre meno modi diversi di pensare. Sta già succedendo?
Credo che il rischio esista e sia molto serio. L’AI generativa produce varietà superficiale con straordinaria facilità: milioni di testi, immagini, variazioni. Ma varietà di contenuti e diversità di pensiero non sono la stessa cosa. Se una quota crescente della produzione culturale passa attraverso pochi grandi modelli, addestrati su patrimoni informativi in larga parte condivisi, può emergere una forma di convergenza: linguaggi simili, strutture argomentative simili, associazioni simili.
La cosa che mi preoccupa maggiormente non è che l’AI dia sempre la stessa risposta: è che progressivamente renda alcune risposte più “naturali” di altre.
La biodiversità cognitiva è importante per una società quanto quella biologica lo è per un ecosistema: la capacità di reagire all’imprevisto dipende dalla presenza di differenze. Una società perfettamente efficiente, ma cognitivamente uniforme, sarebbe terribilmente fragile.
Qual è oggi l’occhio che ci manca quando guardiamo il mondo attraverso l’intelligenza artificiale?
Ci manca soprattutto l’occhio epistemico: non soltanto vedere una risposta, ma vedere da dove viene, quanto è solida, che cosa manca e che cosa potrebbe falsificarla.
L’AI è straordinariamente brava a produrre risposte linguisticamente convincenti. Questo rende più importante una capacità che avevamo già iniziato a perdere: distinguere la plausibilità dalla verità. Dobbiamo tornare a porre domande molto elementari e molto potenti: Come lo sappiamo? Qual è l’evidenza? Quali sono le fonti? Quale grado di incertezza esiste? Quale prospettiva non è rappresentata?
Per questo penso che il pensiero critico del futuro non debba trasformarsi in scetticismo permanente. Il punto non è dubitare di tutto: è proporzionare il dubbio alla qualità dell’evidenza. L’AI ci restituisce un mondo estremamente leggibile; dobbiamo imparare a vedere anche ciò che quella leggibilità nasconde.
Se milioni di studenti, manager, giornalisti e decisori interrogano gli stessi pochi grandi modelli, c’è il rischio che l’AI non uniformi soltanto le risposte, ma anche le domande che siamo capaci di formulare?
È probabilmente il rischio più sottovalutato. Ci preoccupiamo molto delle risposte dell’AI, ma una tecnologia interattiva modifica lentamente anche il modo in cui le persone imparano a interrogarla. Scopriamo quali formulazioni funzionano, quali strutture producono risultati migliori, e finiamo per adattare il nostro pensiero all’interlocutore artificiale.
Potrebbe nascere una sorta di grammatica cognitiva dominante. E sarebbe paradossale: una tecnologia che promette personalizzazione estrema potrebbe contemporaneamente produrre standardizzazione profonda.
Per questo dobbiamo educare non soltanto al prompting efficace, ma alla capacità di formulare domande strane, laterali, perfino inefficienti. Le grandi scoperte spesso non nascono dalla risposta migliore a una domanda già formulata: nascono da qualcuno che decide che la domanda che tutti stanno facendo è quella sbagliata.
Vorrei preservare esattamente quella capacità.
Arriviamo all’università. Se le competenze cambiano molto più velocemente di un corso di laurea, ha ancora senso concentrare la formazione in tre o cinque anni all’inizio della vita adulta?
Sempre meno, almeno se immaginiamo quei tre o cinque anni come il momento nel quale accumulare le conoscenze che utilizzeremo per il resto della vita. Quell’idea apparteneva a un mondo nel quale il ciclo di vita delle competenze era molto più lungo.
Ma attenzione: questo non significa che l’università diventi inutile; significa che cambia la sua funzione. Una laurea dovrebbe fornire sempre meno un magazzino di conoscenze e sempre più una struttura cognitiva capace di continuare ad apprendere.
E poi l’università dovrebbe accompagnarci molte volte nella vita: percorsi brevi, microcredential, aggiornamento continuo, periodi di ritorno allo studio.
Forse dovremmo smettere di immaginare l’istruzione superiore come una grande vaccinazione formativa, fatta a vent’anni, che dovrebbe proteggerci professionalmente fino alla pensione. Il futuro sarà fatto di molti ritorni all’università, non di una sola uscita.
LEGGI ANCHE – Dal sapere al saper fare: come ripensare la formazione accademica nell’era post-digitale
Fra vent’anni la laurea avrà ancora il valore simbolico e professionale che ha oggi oppure sarà soltanto uno dei tanti pezzi di una formazione che durerà tutta la vita?
Credo conserverà un valore importante, ma perderà progressivamente il monopolio della certificazione delle competenze.
La laurea dice molte cose contemporaneamente: non certifica solo ciò che sappiamo, ma anche la capacità di portare a termine un percorso complesso e di confrontarci con una comunità disciplinare. Questo valore resterà.
Ma, accanto alla laurea, crescerà una costellazione di altre evidenze: microcredential, esperienze professionali, portfolio, certificazioni, progetti realizzati. Il curriculum del futuro potrebbe assomigliare meno a un documento statico e più a una traccia dinamica dell’apprendimento di una persona.
Il punto decisivo sarà evitare l’estremo opposto: una frammentazione infinita in centinaia di badge senza significato. Avremo ancora bisogno di istituzioni capaci di garantire profondità e coerenza, ma la laurea sarà probabilmente l’inizio di una biografia formativa, non il suo certificato conclusivo.
Oggi lavori in un’università telematica. Per anni abbiamo contrapposto università fisica e università online. È una distinzione destinata a scomparire?
Penso di sì, perché è una distinzione che descrive il mezzo invece dell’esperienza. Non chiediamo più se una banca sia “digitale” o “fisica”: utilizziamo servizi diversi a seconda di ciò che dobbiamo fare. Succederà anche all’università.
Ci saranno momenti nei quali la presenza fisica sarà insostituibile: laboratori, discussione, relazione, attività progettuali, vita di comunità; e altri nei quali obbligare cento persone a trovarsi nella stessa stanza per ascoltare una trasmissione unidirezionale di contenuti avrà sempre meno senso.
Il futuro non sarà online contro presenza: sarà un’architettura intenzionale degli ambienti di apprendimento. La domanda corretta diventerà: quale spazio, quale tecnologia, quale modalità e quale relazione producono il miglior apprendimento per questa attività? Quando arriveremo a formularla così, probabilmente smetteremo persino di usare la parola “telematica”.
Nei tuoi lavori ricorre spesso il tema della simulazione, dei serious game, perfino di ambienti come Minecraft. Perché impariamo così bene quando possiamo sperimentare, sbagliare e ricominciare, mentre continuiamo a costruire gran parte della scuola intorno alla paura dell’errore?
Perché il nostro sistema educativo ha trasformato l’errore da informazione a giudizio. Nel gioco l’errore è un segnale: quella strategia non ha funzionato, riprova. A scuola, troppo spesso, diventa un’identità: hai sbagliato, quindi vali meno.
Eppure gran parte dell’apprendimento umano funziona per tentativi, feedback e correzione. I videogiochi sono macchine pedagogiche potentissime proprio perché costruiscono ambienti nei quali il fallimento ha costo basso e valore informativo alto. Nessuno smette di giocare a un videogioco perché al primo livello ha commesso tre errori; anzi, quegli errori sono esattamente ciò che gli permette di capire le regole.
Naturalmente la scuola non deve diventare un videogioco, ma dovrebbe recuperare quella logica: creare spazi sicuri nei quali esplorare, formulare ipotesi, sbagliare e correggersi. L’errore dovrebbe tornare a essere un verbo, non un voto.
Forse è proprio questo il cambiamento più grande: per secoli abbiamo costruito l’educazione intorno alle risposte corrette. Dovremmo costruire l’educazione del futuro intorno alla capacità di esplorare?
Sì, ma aggiungerei una cosa fondamentale: esplorare non significa rinunciare alla verità.
C’è un rischio nel discorso contemporaneo sull’educazione: passare dal dogmatismo alla convinzione che qualsiasi opinione abbia lo stesso valore. Non è così.
Dobbiamo insegnare contemporaneamente curiosità e rigore: fare domande, sperimentare, mettere in discussione, ma anche riconoscere che esistono evidenze migliori di altre. Nel mondo della scarsità informativa era razionale organizzare l’istruzione soprattutto intorno alla trasmissione di risposte; nel mondo dell’abbondanza cognitiva, dobbiamo spostare una parte enorme dell’attenzione sulla costruzione delle domande.
La competenza decisiva diventa allora la capacità di muoversi dentro ciò che non conosciamo. Forse il vero risultato educativo non dovrebbe essere poter dire “So molte cose”, ma poter dire: “Quando incontro qualcosa che non so, so come cominciare”.
Quest’anno Rome Future Week parla di “Materia Prima”, delle risorse immateriali con cui costruiamo il futuro. Se l’informazione diventa praticamente infinita, quale diventa la materia prima più rara dell’educazione?
Direi l’attenzione capace di trasformarsi in giudizio. L’informazione sta perdendo rapidamente il proprio valore di scarsità: possiamo generare spiegazioni, riassunti, immagini, esercizi e contenuti quasi senza limite. Ma il tempo umano resta finito; l’attenzione resta finita. E, soprattutto, resta rara la capacità di decidere a che cosa vale la pena dedicare quell’attenzione. Per questo credo che la materia prima dell’educazione del futuro sia una forma di capitale cognitivo: la capacità di imparare, selezionare, collegare, mettere in dubbio, collaborare con altre intelligenze umane e artificiali e trasformare informazione in decisione.
Per secoli abbiamo costruito sistemi educativi intorno alla scarsità del sapere; ora stiamo entrando in un mondo nel quale il sapere disponibile può diventare quasi sovrabbondante.
Quando tutto è disponibile, il valore si sposta dalla disponibilità alla capacità di scelta.
E infine: se potessi cambiare una sola cosa domani mattina nella scuola o nell’università italiana per prepararla ai prossimi vent’anni, quale cambieresti?
Cambierei il sistema di valutazione. Perché, alla fine, un sistema educativo diventa ciò che decide di misurare. Se continuiamo a premiare soprattutto la capacità di riprodurre correttamente contenuti, studenti e docenti continueranno razionalmente a organizzare il proprio lavoro intorno a quello. Possiamo introdurre AI, laboratori, competenze trasversali e metodologie innovative, ma l’esame continuerà a tirare tutto indietro.
Vorrei una valutazione che osservasse maggiormente processi, progetti, capacità di argomentare, qualità delle fonti, collaborazione, errori corretti, domande formulate e capacità di difendere una scelta.
Non abolirei conoscenza, rigore o contenuti. Al contrario: li renderei più difficili da simulare.
Perché, se cambi ciò che valuti, lentamente cambiano ciò che studiano gli studenti, ciò che insegnano i professori e, perfino, ciò che le famiglie considerano importante. Cambierei il metro. Perché, cambiando il metro, dopo qualche anno comincia a cambiare tutto il resto.
